单晶硅生产排产算法的研究与应用

发布时间：2017-10-27 18:05

  本文关键词：单晶硅生产排产算法的研究与应用

  更多相关文章： 单晶硅 BP神经网络 遗传算法 非稳态 知识库

【摘要】：生产排产计划在单晶硅生产中起着有序协调生产资源、提高产品生产效率的重要作用。但由于大多数单晶硅生产企业仍采用非智能算法,使得生产排产计划存在响应滞后、预见性不强、全局意识较弱等缺陷。本文基于非稳态单晶硅生产环境,研究了制定单晶硅生产排产计划的关键算法及应用。不同型号的单晶硅具有不同的产出率,这给单晶硅排产计划的制定带来较大的难题。文中提出了一种基于稳态生产环境的多目标优化模型进行单晶硅排产调度。首先利用双隐含层的前馈神经网络(BPNN)对不同型号的单晶硅历史数据进行训练并预测订单的次品率,并以此获得较为准确的投料量。然后使用改进的遗传算法针对投料量及车间生产资源进行排产计划的制定。该调度方案具有并行计算、快速响应、避免二次调度的特点,并能够实现最小完工时间、最小逾期时间及最小能耗之间的综合最优。实际单晶硅生产车间是具有多种扰动因子的非稳态生产环境,因此基于稳态环境制定的排产计划存在较大的局限性。结合稳态多目标优化模型,提出了一种基于非稳态的混合调度模型进行单晶硅排产调度。该模型具备预测投料量能力的同时,使用工序保存机制将临界加工信息存储下来,利用突发扰动重调度机制针对扰动因子和剩余生产任务制定最优调度方案。实验结果表明,在临时订单增加、临时订单减少、突发机器故障三种扰动因子影响下,混合调度方案在最小完工时间、最小逾期时间及最小能耗等指标对比中表现优异,具有一定的理论和实践价值。从日常生产信息中归纳总结出的知识,不仅有利于混合调度模型获取更精准的预测投料量、更合理的排产计划,还有助于管理者详细了解车间动态和市场供需变化。然而这些知识的形成是离散的、碎片化的。因此,文中提出一种基于B/S模式和RESTful接口技术的知识库系统设计方案。该系统除了能针对生产资源快速生成排产计划,还能从海量数据中实现知识的提取、更新和应用。知识资源的合理有序管理为单晶硅生产提供可靠的决策支持。通过对知识库系统的实地部署和测试,验证了系统的稳定性,并在快速获取排产计划的同时,充分挖掘生产信息内在价值,实现了预定的设计目标。
【关键词】：单晶硅 BP神经网络 遗传算法 非稳态 知识库
【学位授予单位】：浙江理工大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TN304.12;TP18
【目录】：

• 摘要4-5
• Abstract5-9
• 第一章 绪论9-14
• 1.1 研究背景及意义9-10
• 1.1.1 研究背景9
• 1.1.2 研究意义9-10
• 1.2 国内外研究现状10-12
• 1.2.1 国内研究现状10
• 1.2.2 国外研究现状10-11
• 1.2.3 存在的主要问题11-12
• 1.3 研究内容12
• 1.3.1 研究目标12
• 1.3.2 关键问题12
• 1.4 论文结构12-14
• 第二章 关于单晶硅生产排产的相关技术综述14-23
• 2.1 单晶硅生产排产相关概念14
• 2.2 BP神经网络算法14-17
• 2.2.1 BP神经网络简介14-15
• 2.2.2 BP神经网络原理15-17
• 2.3 遗传算法17-19
• 2.3.1 遗传算法简介17
• 2.3.2 遗传算法原理17-18
• 2.3.3 遗传算法求解流程18-19
• 2.4 Java与MATLAB混合编程19-22
• 2.4.1 混合编程原理19-21
• 2.4.2 编程步骤21
• 2.4.3 接口具体实现21-22
• 2.5 本章小结22-23
• 第三章 稳态下单晶硅生产排产问题研究23-40
• 3.1 稳态下单晶硅投料预测23-29
• 3.1.1 单晶硅投料预测23
• 3.1.2 单晶硅投料预测参数设计23-29
• 3.1.3 单晶硅投料预测结果29
• 3.2 改进的遗传算法优化排产调度29-33
• 3.2.1 编码方式30
• 3.2.2 选择运算30
• 3.2.3 自适应交叉和变异运算30-31
• 3.2.4 优化交叉方法31
• 3.2.5 子种群划分的并行计算31-32
• 3.2.6 多目标的排产调度32-33
• 3.3 稳态下排产调度33-39
• 3.3.1 调度计划衡量指标33-34
• 3.3.2 实验参数34-35
• 3.3.3 实验结果及分析35-39
• 3.4 本章小结39-40
• 第四章 非稳态下单晶硅生产排产问题研究40-57
• 4.1 基于扰动因子的非稳态混合调度模型40
• 4.2 基于临时订单增加问题的混合调度40-46
• 4.2.1 临时订单增加问题调度模型40-44
• 4.2.2 实验参数44
• 4.2.3 实验结果及分析44-46
• 4.3 基于临时订单减少问题的混合调度46-50
• 4.3.1 临时订单减少问题调度模型46-47
• 4.3.2 实验参数47-48
• 4.3.3 实验结果及分析48-50
• 4.4 基于加工机器突发故障和维保问题的混合调度50-55
• 4.4.1 加工机器突发故障和维保问题调度模型50-51
• 4.4.2 实验参数51-52
• 4.4.3 实验结果及分析52-55
• 4.5 本章小结55-57
• 第五章 基于混合调度的知识库系统设计57-75
• 5.1 知识库系统设计57-59
• 5.1.1 知识库系统总体设计57-58
• 5.1.2 知识库业务模型58-59
• 5.2 知识库系统概要设计59-66
• 5.2.1 任务管理59-60
• 5.2.2 模板管理60-62
• 5.2.3 规则管理62-63
• 5.2.4 算法管理63-65
• 5.2.5 模型管理65-66
• 5.3 知识库系统数据库设计66-69
• 5.4 知识库的实现69-74
• 5.4.1 开发工具69
• 5.4.2 算法接口实现69-70
• 5.4.3 知识库实现70-74
• 5.5 本章小结74-75
• 第六章 总结与展望75-77
• 6.1 本文研究工作总结75-76
• 6.2 存在的不足和今后工作展望76-77
• 参考文献77-81
• 攻读学位期间的研究成果81-82
• 致谢82

【相似文献】

中国期刊全文数据库 前10条

1 翟晨;滚动式日排产计划的计算机编制[J];吉林工学院学报;1990年03期

2 姜丽苹;史海波;彭慧;;涂装装配车间计划排产建模与仿真[J];信息与控制;2013年05期

3 潘兆鸿;许超;雷海平;;化工企业排产规划问题的一种解法及其应用[J];化工自动化及仪表;1989年05期

4 陈立敏;王中杰;谢璐璐;;云排产系统的关键技术研究[J];制造业自动化;2013年17期

5 李铨,鹿守理,卢于逑;轧钢企业订货、排产及调整的集成化[J];北京科技大学学报;1993年06期

6 邓灿勇;陈志刚;赵明;;遗传算法在烟草企业排产中的应用研究[J];电脑与信息技术;2010年06期

7 邢东升;;单件小批量生产排产逆序递推法应用研究[J];工业控制计算机;2011年03期

8 韩志甲;邓海峡;李晓平;;基于遗传算法的排产优化方法[J];太赫兹科学与电子信息学报;2014年04期

9 祝勇;潘晓弘;;基于改进粒子群优化算法的电子产品排产研究[J];中国机械工程;2011年01期

10 张晓;龙伟;卢斌;;基于概念格的关联规则在排产管理的应用[J];计算机工程与应用;2014年09期

中国重要会议论文全文数据库 前5条

1 黄磊;;浅谈如何通过“精准化”的排产提高企业生产效率[A];上海市烟草系统2012年度优秀学术论文集（经济管理类）[C];2012年

2 张树山;董莹;王力;;离散型制造业LAPS插单与排产模型构建研究[A];第九届中国软科学学术年会论文集（下册）[C];2013年

3 石艳;李婵;;构建航空制造业的企业级车间作业排产模式[A];2013年中国航空学会管理科学分会学术会议论文集[C];2013年

4 ;智能排产与调度管理系统(ISS)的实施与应用[A];2010煤炭企业管理现代化创新成果集（上）[C];2011年

5 李秋林;叶顺宇;;MES系统自动排产功能的研发和实现[A];广西烟草学会2013年学术年会论文集[C];2013年

中国重要报纸全文数据库 前10条

1 本报记者 蒋连家;盈利产品优先排产 用户要求及时响应[N];中国石化报;2012年

2 见习记者 祁豆豆;豪迈科技迎接单高峰 排产已到10月份[N];上海证券报;2013年

3 本报记者 柳祖林;以需求为核心排产螺纹钢规格[N];中国冶金报;2013年

4 邹超;就市排产打通效益经脉[N];中国石化报;2014年

5 严兵　张辉鹏;玉柴公司4月柴油机产出再超6万台[N];中国工业报;2009年

6 李东;ERP应用:细部排产是道坎[N];中国信息化周报;2014年

7 森林;2005：车厂排产计划挑战新库存[N];中国经营报;2005年

8 本报记者 周光军;困难，但有希望[N];中国汽车报;2000年

9 本报评论员 苗凡卒;落实“新36条”不能口惠而实不至[N];深圳商报;2012年

10 本报记者 刘超;钢铁MES：冶铸轧一体化和排产优化是发力方向[N];中国电子报;2009年

中国博士学位论文全文数据库 前1条

1 李之岱;一类动态库存与排产优化问题的研究与应用[D];东北大学;2008年

中国硕士学位论文全文数据库 前10条

1 傅骏伟;单晶硅生产排产算法的研究与应用[D];浙江理工大学;2016年

2 张浩;多品种小批量生产系统的排产优化研究[D];上海交通大学;2011年

3 白志强;基于进化算法的多目标柔性作业排产优化研究[D];东北大学;2010年

4 杨志伟;多品种小批量面向订单生产的动态排产研究[D];清华大学;2009年

5 崔志丹;基于压缩机行业的有限能力计划排产[D];上海交通大学;2009年

6 李通;基于瓶颈设备识别的机械加工车间排产方法及信息系统研究[D];重庆大学;2015年

7 蔡京廷;R公司文胸生产车间排产的优化研究[D];西安工程大学;2013年

8 韩莹;某大型离散制造企业插单排产问题研究[D];沈阳工业大学;2012年

9 王琦;基于细菌觅食算法的混线装配排产技术优化[D];南昌大学;2015年

10 薛婧;德邦公司沙发制造自动排产系统设计与实现[D];电子科技大学;2014年

，

本文编号：1104575