[发明专利]基于论域动态划分和学习的模糊调度规则挖掘方法

说明书

技术领域

本发明属于先进制造、自动化和信息领域，具体涉及一种面向具有组批特征的微电子生产线的基于论域动态划分和学习的模糊调度规则挖掘方法。

背景技术

针对较大规模具有组批特征，以最小化平均流经时间为调度目标的微电子生产线调度问题，目前主要有如下几类调度方法：精确优化方法、启发式调度规则、智能优化方法等。对较大规模的上述微电子生产线调度问题，采用上述调度方法很难获得令人满意的调度方案，因此，针对上述微电子生产线调度问题，提出具有较好性能的调度方法具有重要意义。

发明内容

为解决较大规模具有组批特征，以最小化平均流经时间为调度目标的微电子生产线调度问题，本发明针对具有组批特征的微电子生产线调度问题的特点，提出一种属性论域的动态模糊划分方法，基于此，给出一种新的模糊调度规则形式及基于Aprior算法的模糊调度规则智能挖掘方法。在每条模糊调度规则中，每个条件属性具有两个语言变量，输出为一个分类标签，用于表示待加工两个操作的调度优先级。与第一个语言变量对应的属性论域采用三角模糊数进行属性论域的简单模糊划分，而与第二个语言变量对应的属性论域基于第一个语言变量的取值进行动态三段式模糊划分，使得所获取的模糊调度规则具有更高的逼近精度和更少的规则数。考虑到属性论域划分和规则挖掘过程中的一些关键参数对所获得的模糊调度规则的性能影响较大，设计了一种和声搜索算法对上述关键参数进行优化学习。将本发明应用于以最小化平均流经时间为调度目标的微电子生产线调度问题可产生较好的调度效果。

(一)问题描述

以最小化平均流经时间为调度目标、具有组批特征的微电子生产过程调度问题可描述如下：

设调度问题包含I个Lot和K台机器，分别组成Lot集合J＝{J_i|i＝1，2，...，I}和机器集合M＝{M_k|k＝1，2，...，K}，r_i≥0为LotJ_i的释放时刻。LotJ_i(j＝1，2，...，n_i)由n_i个操作{O_ij|j＝1，2，...，n_i}组成。O＝{O_ij|i＝1，2，...，I；j＝1，2，...，n_i}为调度问题所有操作组成的集合。在微电子生产过程，Lot的每一步加工都有一定的处理规范，用菜单表示，每个Lot的每个操作均具有某一菜单，而每台机器仅能加工具有某些菜单的操作。设P＝{ρ_l|l＝1，2，...，L}为所有菜单的集合，操作O_ij(i＝1，2，...，I；j＝1，2，...，n_i)的菜单为ρ_ij∈P，机器M_k(k＝1，2，...，K)可加工的菜单组成集合，从而当且仅当ρ_ij∈P_k时，操作O_ij可以在机器M_k上加工，相应的加工时间仅由其加工机器和具有的菜单唯一确定。根据机器的组批能力，所有的机器可分为组批加工机器和串行加工机器，在任一串行加工机器上，每个时刻仅能加工一个操作，在任一组批加工机器上，每一时刻可加工一个或多个操作，同时加工的操作形成一批，能同时加工的最大操作数称为机器的组批能力，设B_lk为菜单ρ_l(l＝1，2，...，L)在机器M_k(k＝1，2，...，K)上的组批能力。不失一般性，对于串行加工机器M_k∈M^s和菜单ρ_l∈P_k，相应的组批能力B_lk＝1。另外，在机器M_k(k＝1，2，…，K)上，若即将加工操作的菜单ρ_l与上一个加工操作的菜单不同，则需要一个额外的Setup时间u_l。

对上述微电子生产过程调度问题，要获得一个可行的调度(即可行解)需要确定以下决策变量：

M_k(i，j)：操作O_ij的加工机器；

s_ij：操作O_ij的加工开始时间；

若时刻tLotJ_i在机器M_k上加工，则，否则，