[发明专利]面向确定性可重入传感器车间动态批调度智能优化方法

权利要求书

1.一种面向确定性可重入传感器车间动态批调度智能优化方法，其特征在于，包括如下步骤：

步骤1：当温箱测试阶段中温箱机器出现空闲或者有新工件到达空闲温箱机器时，触发调度决策，其中，调度决策时刻即是当温箱设备出现空闲或新任务抵达空闲温箱时刻，记为t_now；

步骤2：建立预测时间窗，设在预测时间窗内已到达任务r个，即将有新任务R_max个到达，则构成总任务数为(r+R_max)个，并获取调度决策时刻已到达的任务集合N_JT；

步骤3：采用RT组批规则从任务集合N_JT中选择满足温箱设备限载量约束的任务构建相应的组批方案；

步骤4：搜索预测时间窗中下一个最早到达的任务，记录其到达时间，将其与任务集合N_JT中剩余的工件一起构建新的集合N_JT，重复步骤3依次构建相应的组批方案，直到调度决策时刻t_now及预测时间窗中每一个到达时刻都产生一个对应的组批温箱上机方案，记共构建了L个温箱上机方案，每个温箱上机方案对应一个工件族组批，包括单工件族组批或混工件族组批；

步骤5：将工件族组批与正在温箱批次、补偿阶段未完成补偿批次联合构建补偿任务集；

步骤6：找出下一个将要空闲的补偿机，更新t_now为其空闲时刻，以t_now作为所有补偿批次最早可开始时间，计算补偿任务集中所有批次的松弛量T_sb；

步骤7：判断是否存在松弛量T_sb小于0的批次，若存在，则从松弛量T_sb小于0的批次中选取拖期惩罚系数最大的批次作为t_now时刻补偿上机批次，纳入补偿排产表；若不存在，选取松弛量T_sb最小的批次作为t_now时刻补偿上机批，纳入补偿排产表；

步骤8：判断是否补偿任务集中所有批次纳入补偿排产表，若是，则形成补偿排产方案进入步骤9，若不是，则找出下一个将要空闲的补偿机，更新t_now为其空闲时刻，以t_now作为下一个补偿批次最早可开始时间，计算补偿任务集中剩余批次的松弛量T_sb，返回步骤7；

步骤9：步骤4形成的L个组批温箱上机方案与补偿排产方案形成备选可重入上机方案；

步骤10：判断预测时间窗内所有任务是否已考虑完，若是，则进入步骤11，若没有，则返回步骤4；

步骤11：从构建的备选可重入上机方案中选择最佳的上机方案；

步骤12：判断是否所有的方案都考虑完，若是，则进入步骤13，若不是，则返回步骤2；

步骤13：基于综合评估函数，选取全局最佳温箱上机方案；

步骤14：判断最佳温箱上机方案开工时间是否等于调度决策时刻时间，若是，则立即以最佳方案开始加工，若不是，则保持空闲直至下一调度决策时刻。

2.根据权利要求1所述的 一种面向确定性可重入传感器车间动态批调度智能优化方法，其特征在于，所述步骤2中，预测时间窗的建立如下：设置预测时窗宽度区间，以调度决策时刻t_now作为预测时间窗的开始时刻，记不同容量的预测时窗长度为LPW，则初始预测时窗宽度区间(t_now，t_now+LPW)，针对多台温箱设备情况，除去第一个占用的温箱设备，记其他温箱设备的最早空闲时间为t_ew，则预测时窗的实际宽度区间修正为(t_now，min(t_now+LPW，t_ew))。