可重入制造系统中可视化仿真调度的研究与应用

可重入制造系统调度问题随着半导体工业的迅速发展日益得到重视,仿真调度是解决这类问题的重要方法,可视化仿真因其仿真过程的可监控性与良好的交互性在仿真调度中得到了采用。本文将可视化仿真应用于可重入制造系统的调度,通过引入虚拟设备对这类制造系统进行了基于生产路线的可视化仿真,有效地解决了直观表达该类系统加工路径重入性的问题,提高了调度效率。

可重入制造系统的产出短期预测方法研究

针对可重入制造系统处于高度不确定性环境中,其产出时间序列的非线性特征,提出了基于遗传小波神经网络的产出短期预测方法,使预测模型具有小波的优良逼近性质和神经网络的自学习自适应性质,同时,采用遗传算法训练神经网络参数,利用遗传算法隐含并行性和全局搜索性的特征,丰富优化过程中的搜索行为,增强全局和局部意义下的搜索能力和效率。通过半导体生产线实例,进行了验证,结果表明所提出的基于遗传小波神经网络的产出短期预测方法的预测性能要优于传统BP神经网络算法。

基于仿真的可重入作业车间制造系统缓冲区容量优化

对定制化装备制造系统中的可重入作业子系统及其缓冲区最大容量配置优化问题进行了描述;基于Em-plant平台构建了任意路径的可重入制造系统仿真模型;针对不同的优化目标,提出了两种仿真优化方法;并对两种方法进行了仿真分析和比较。结果表明:该方法可为装备制造企业配置柔性制造系统缓冲区最大容量提供决策支持。