CN111931456B - 一种基于模板序列的pcb电镀混流线任务优化排序方法 - Google Patents
一种基于模板序列的pcb电镀混流线任务优化排序方法 Download PDFInfo
- Publication number
- CN111931456B CN111931456B CN202010810386.8A CN202010810386A CN111931456B CN 111931456 B CN111931456 B CN 111931456B CN 202010810386 A CN202010810386 A CN 202010810386A CN 111931456 B CN111931456 B CN 111931456B
- Authority
- CN
- China
- Prior art keywords
- processing time
- time
- task
- crown block
- template
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000009713 electroplating Methods 0.000 title claims abstract description 25
- 238000005457 optimization Methods 0.000 title claims abstract description 13
- 238000012163 sequencing technique Methods 0.000 title claims description 13
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 claims abstract description 52
- 229910052802 copper Inorganic materials 0.000 claims abstract description 52
- 239000010949 copper Substances 0.000 claims abstract description 52
- 238000000034 method Methods 0.000 claims abstract description 36
- 238000004519 manufacturing process Methods 0.000 claims abstract description 30
- 238000004422 calculation algorithm Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000012216 screening Methods 0.000 claims description 5
- 238000010845 search algorithm Methods 0.000 claims description 4
- 238000002360 preparation method Methods 0.000 claims description 3
- 230000006872 improvement Effects 0.000 claims description 2
- 230000008520 organization Effects 0.000 abstract description 2
- 238000007747 plating Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 239000002253 acid Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005238 degreasing Methods 0.000 description 1
- 238000001212 derivatisation Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000002386 leaching Methods 0.000 description 1
- 230000033764 rhythmic process Effects 0.000 description 1
- 238000005406 washing Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/30—Circuit design
- G06F30/39—Circuit design at the physical level
- G06F30/398—Design verification or optimisation, e.g. using design rule check [DRC], layout versus schematics [LVS] or finite element methods [FEM]
-
- H—ELECTRICITY
- H05—ELECTRIC TECHNIQUES NOT OTHERWISE PROVIDED FOR
- H05K—PRINTED CIRCUITS; CASINGS OR CONSTRUCTIONAL DETAILS OF ELECTRIC APPARATUS; MANUFACTURE OF ASSEMBLAGES OF ELECTRICAL COMPONENTS
- H05K3/00—Apparatus or processes for manufacturing printed circuits
- H05K3/10—Apparatus or processes for manufacturing printed circuits in which conductive material is applied to the insulating support in such a manner as to form the desired conductive pattern
- H05K3/18—Apparatus or processes for manufacturing printed circuits in which conductive material is applied to the insulating support in such a manner as to form the desired conductive pattern using precipitation techniques to apply the conductive material
- H05K3/188—Apparatus or processes for manufacturing printed circuits in which conductive material is applied to the insulating support in such a manner as to form the desired conductive pattern using precipitation techniques to apply the conductive material by direct electroplating
Landscapes
- Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Manufacturing & Machinery (AREA)
- Microelectronics & Electronic Packaging (AREA)
- Electroplating Methods And Accessories (AREA)
Abstract
一种基于模板序列的PCB电镀混流线任务优化排序方法:进行前期准备;确定最佳任务平均加工时间范围;确定最佳模板;得到最终的排序方案并提供现场组织生产。本发明铜缸及天车使用率能同时达到94%以上,且使PCB电镀混流生产线加工任务按时移出、设备的无效空闲或搁置时间最小化,在完成相同加工总量的前提下,无效空闲或搁置时间占比可由现有技术的不低于15%降低至不超过12%,生产过程顺畅有序,能直接用于现场组织生产。
Description
技术领域
本发明涉及一种用于指导现场进行生产的方法,确切地属于一种基于模板序列的PCB电镀混流线任务优化排序方法。
背景技术
针对PCB电镀工序的调度问题,现阶段多数文献主要聚焦与抓钩调度问题(HoistScheduling Problem,HSP)。自从1976年由Phillips和Unger首次提出HSP后,众多学者都对HSP及衍生问题进行了广泛的研究和深入的探讨。通常的HSP包含多个处理缸和抓钩,工件需按顺序通过每个处理缸且在不同的缸中有加工时间范围的约束,该问题的优化目标往往是求解抓钩循环调度方案的最小周期时间。然而,多数现有文献仅考虑了一种产品类型,确定抓钩的调度逻辑以最小化天车每次循环的时间,无法满足现实中多品种混流生产模式的要求。
在现实生产车间中,通常PCB电镀混流生产线由天车和一系列电镀缸构成,天车用于搬运PCB板在各电镀缸之间移动,一次只能操作一个加工任务。PCB板需要依次经过除油、酸浸、镀铜、水洗等多个工步,其中镀铜是PCB电镀工序中最关键的工步,所花费时间相较其它辅助工步比更长。为了平衡生产节拍,有多个相同的并行铜缸用于镀铜工步的加工操作。然而,由于生产需求的不确定性,待加工PCB板在镀铜工步的加工时间因工艺制程的选择不同而相差较大。其中,正片的镀铜时间为40min,负片的镀铜时间为100min~180min不等,但所有产品在辅助工步上所花费的时间基本固定可知,因此天车可以以固定的节奏在除镀铜外的辅助工步上进行搬运移动操作,我们将天车每个周期内在所有辅助工步上的操作时间用固定时间T进行等效替代。
在实际生产中,当天车处于搬运周期过程之中时,待加工的PCB板无法进入铜缸,已经完工的PCB板也不能及时离开当前的铜缸。由于加工时间的多样性,如果PCB板的加工序列未进行合理优化,则可能导致某些铜缸长期处于闲置状态或天车长时间空闲,导致生产过程中设备产能的浪费。由此可见,该问题的目标是尽可能让天车在最短周期内完成待加工任务的“一进一出”(即天车利用率较高),并且尽可能使铜缸利用率保持较高水平。传统的先到先服务、最短加工时间等简单调度规则难以有效解决该平衡问题;而元启发式算法虽能够求得较优解,但在动态环境下的生产车间里,该方法运用起来较为麻烦且运算时间较长。因此,亟需一种快速的生产排序方法使得PCB电镀混流生产线能够达到平衡状态。
发明内容
本发明的目的在于克服现有技术存在而不足,提供一种铜缸及天车使用率同时达到94%以上,且使PCB电镀混流生产线加工任务按时移出、设备的无效空闲或搁置时间最小化,生产过程顺畅有序,能直接用于生产现场的基于模板序列的PCB电镀混流线任务优化排序方法。
实现上述目的的措施:
一种基于模板序列的PCB电镀混流线任务优化排序方法,其特征在于:包括步骤如下:
1)进行前期准备:
采集现场生产线的铜缸使用数量M,天车在相邻铜缸之间的移动时间t,及天车在辅助工序上的操作所需时间T;
2)确定最佳任务平均加工时间范围:
a)设定负片任务总量不少于25个。初始选取正片量为1个,负片量为随机选取的;
所述正片系指加工时间仅为40min的加工任务,负片系指要在100~180min中任意选定的时间档加工的任务;时间档不少于三个,每个加工时间档的负片量记为n1,n2,依次类推;
b)进行优化排序并计算铜缸利用率Ut及天车利用率Uh,步骤如下:
(1)采用NEH算法进行初始排序;
(2)计算所有任务加工结束时所需时间MS,单位为min;
(3)以最小化MS为目标对任务排序进行优化
在(1)中采用NEH算法得到的初始排序后,再通过禁忌搜索算法进行迭代优化,在MS达到某一值,直至再经不少于30次迭代,仍未发生改进为止;
(4)采用如下公式计算出此时的铜缸利用率Ut及天车利用率Uh
式中:Lm—表示单个铜缸所有任务加工的时间之和;
Rm—表示单个铜缸总运行时间;
L闲置—表示天车运行时间中闲置时间之和;
L总—表示天车的整个运行时间;
所述时间其单位均为min;
(5)在负片任务量不变的情况下,每增加一个正片,则重复采用上述(1)~(4)步骤计算出对应的铜缸利用率Ut及天车利用率Uh,并进行记载,直至天车利用率Uh达到100%时为止;
c)随机改变负片任务量,并按照步骤b)中(1)~(5)步骤进行计算;负片任务量变化次数不少于5次;
d)针对步骤c)中每组负片任务,采用MATLAB软件中cftool工具箱分别对“正片量与Ut”和“正片量与Uh”进行二次多项式拟合,得到相应的拟合关系式;
e)确定任务最佳平均加工时间范围a~b,其步骤:
(1)根据步骤d)中的拟合关系式,计算各组的铜缸利用率Ut在95%时,以及天车利用率Uh在95%及100%时的正片量及对应的任务平均加工时间,时间单位为min;
(2)设定天车利用率Uh为95%时各组平均加工时间的均值为平均加工时间范围的上限值;
(3)计算天车利用率Uh为100%时各组平均加工时间的均值,及计算铜缸利用率Uh为95%时各组平均加工时间的均值,取两者中大值为平均加工时间范围的下限值;
(4)确定最终平均加工时间范围,其上限值b为按照步骤(2)的值下移不超过2%所计算的数;其下限值a为按照步骤(3)的值上移不超过2%所计算的数,则平均加工时间范围为a~b,单位为min;
3)确定最佳模板
a)确定模板组合,其确定的条件:
(1)每组模板中的任务平均加工时间必须在任务平均加工时间a~b范围内;
(2)每组模板的加工任务总量不超过5个;
(3)每组模板的加工时间档不超过3个;
b)筛选最佳模板组合
(1)对步骤a)每组确定的每组模板进行重复排列直至达到加工任务总量;所述加工任务总量为正片量与负片量总和,任务总量不低于200个;
(2)针对每组模板的重复排列,计算其对应的铜缸利用率Ut终及天车利用率Uh终;
(3)对结果进行判断,当铜缸利用率Ut终及天车利用率Uh终均在95%及以上时,则将该组模板组合作为最佳模板组之一;
4)得到最终的排序方案
其步骤如下:
a)采用线性规划方法求出每种模板组合所分配的数量,线性规划模型如下:
s.t.
xi∈N
式中:n—表示模板组合类型总数;
yj—表示加工时间为类型j的任务量;
aij—表示模板组合i里加工时间为类型j的任务量;
NT—表示加工时间类型总数;
xi—决策变量,表示模板序列i所分配的数量;
b)根据步骤a)得到的结果,从所分配数量最多的模板组合开始,将该种模板重复排列完,再接着排下一组模板,直到排完为止,即得到最终的排序方案;
c)将最终的排序方案提供给现场,使其结合具体情况进而组织生产。
其在于:各负片电镀时间档由用户在100~180min内根据任务提供的,其各个时间档之间的时间间隔在10~30min。
其在于:上述所得出的计算结果均依附于计算机计算而获得。
本发明与现有技术相比,铜缸及天车使用率能同时达到94%以上,且使PCB电镀混流生产线加工任务按时移出、设备的无效空闲或搁置时间最小化,在完成相同加工总量的前提下,无效空闲或搁置时间占比可由现有技术的不低于15%降低至不超过12%,生产过程顺畅有序,能直接用于生产现场组织生产。
附图说明
图1为本发明中电镀生产线天车运行逻辑示意图;
图2为本发明中禁忌搜索算法流程示意图。
具体实施方式
下面对本发明结合附图予以详细描述:
表1为本发明实施例的实验组各正片任务量对应的和值;
表2为本发明实施例负片任务量变化情况列表;
表3为本发明实施例天车和铜缸利用率为95%和100%时的正片任务量及平均加工时间列表;
表4为本发明实施例对根据平均加工时间范围筛选出的所有可能的任务组合进行仿真模拟计算结果列表;
表5为本发明实施例根据天车和铜缸利用率范围筛选出最佳模板组合。
实施例
一种基于模板序列的PCB电镀混流线任务优化排序方法,其在于:包括步骤如下:
1)进行前期准备:
设定铜缸数量M为15个,天车在两相邻铜缸之间的移动时间为0.05min、天车每个周期内在所有辅助工步上的操作时间为4.5min;随机给出了6组不同类型和数量的负片任务,以下取其中一组予以描述;
2)确定最佳任务平均加工时间范围,其步骤:
a)该组负片任务总量为40个,初始选取正片量为1个;
所述正片系指加工时间仅为40min的加工任务,负片系指要在100~180min中任意选定的时间档加工的任务;该组负片加工时间档分别为100min、120min、140min、150min,其中,每个时间档的负片任务量均为10个;
b)进行优化排序并计算铜缸利用率Ut及天车利用率Uh:其步骤:
(1)采用NEH算法进行初始排序;得到天车初始运行排序依次为([100min]×8个,[140min]×2个,[120min]×2个,[140min]×3个,[40min]×1个,[150min]×6个,[140min]×1个,[150min]×1个,[140min]×1个,[150min]×1个,[140min]×1个,[150min]×1个,[140min]×1个,[150min]×1个,[140min]×1个,[120min]×8个,[100min]×2个;
(2)计算所有任务加工结束时所需时间MS:
按照步骤(1)得到初始排序,根据图1的天车运行逻辑,将所有任务按顺序模拟投入电镀生产线,经计算,MS为435.75min;
(3)以最小化MS为目标对任务排序进行优化
对步骤(1)中采用NEH算法得到的初始排序,再采用如图2所示的禁忌搜索算法进行迭代优化,在MS达到432.7min时,后续30次迭代均未发生改进,因此得到优化后的天车运行任务排序依次为:[100min]×7个,[120min]×2个,[140min]×6个,[40min]×1个,[150min]×1个,[120min]×2个,[150min]×3个,[120min]×1个,[150min]×1个,[140min]×1个,[150min]×1个,[120min]×1个,[150min]×1个,[140min]×3个,[150min]×2个,[120min]×1个,[150min]×1个,[120min]×2个,[100min]×1个,[120min]×1个,[100min]×2个;
(4)计算出优化后的任务排序对应的铜缸利用率Ut及天车利用率Uh分别为0.988和0.780;
(5)在负片任务量不变的情况下,每增加一个正片,则重复采用上述b)中步骤(1)~(4)步骤计算出对应的铜缸利用率及天车利用率Uh,并进行记载,直至天车利用率Uh达到100%时为止;见表1
c)共有6组不同类型和数量的负片任务,因此负片任务量变化了5次,其具体见表2;每切换一组负片均按照步骤b)中(1)~(5)进行计算;
d)针对步骤c)中每组负片任务,采用MATLAB软件中cftool工具箱分别对正片量x与Ut和正片量x与Uh进行二次多项式拟合,这里以表1中数据为例,得到相应的拟合关系式如下:
Ut(x)=-2.63×10-5x2+8.03×10-5x+9.86×10-1
Uh(x)=-7.25×10-5x2+9.41×10-3x+7.69×10-1;
e)确定任务平均加工时间范围a~b,其步骤:
(1)分别计算Ut=95%、Uh=95%和Uh=100%时各实验组的正片任务量及相应的所有任务平均加工时间,结果见表3;
(2)设定天车利用率Uh为95%时各组平均加工时间的均值为平均加工时间范围的上限值,经计算为94.73min;
(3)根据表3,经计算天车利用率Uh为100%时各组平均加工时间的均值为87.88min,经计算铜缸利用率Uh为95%时各组平均加工时间的均值为85.58min,取两者中大值87.88min为平均加工时间范围的下限值;
(4)确定最终平均加工时间范围,其上限值b为按照步骤(2)的值上移0.3%所计算的数95min;其下限值a为按照步骤(3)的值下移1.0%所计算的数87min,则平均加工时间范围为87~95min;
3)确定最佳模板
a)首先设定负片的加工时间档为100min、120min和150min三种;
并规定模板序列内的最大任务数量为5,最大任务类型数为3;
根据平均加工时间范围87~95min,筛选出所有可能的任务组合,见表4;
b)筛选最佳模板组合:
(1)对步骤a)每组确定的每组模板进行重复排列直至达到加工任务总量;所述加工任务总量为正片量与负片量总和,任务总量为500个;
(2)针对每组模板的重复排列,根据图1的天车运行逻辑,将任务按顺序模拟投入电镀生产线,每计算一次相应得到一组铜缸利用率Ut终及天车利用率Uh终,结果见表4;
(3)对表4结果进行判断,当铜缸利用率Ut终及天车利用率Uh终均在95%及以上时,则将该组模板组合作为最佳模板组合之一,符合条件的共有6种组合,见表5;
4)得到最终的排序方案
其步骤如下:
现场提供的待加工任务的时间档分布为:40min、100min、120min、150min,其中,每个时间档的对应的任务量分别为50个、30个、30个、20个;
a)采用线性规划方法求出每种模板组合所分配的数量,线性规划模型如下:
s.t.
xi∈N
式中:n—表示模板组合类型总数;
yj—表示加工时间为类型j的任务量;
aij—表示模板组合i里加工时间为类型j的任务量;
NT—表示加工时间档总数;
xi—决策变量,表示模板序列i所分配的数量;
模型相关数据如下:模板序列类型总数n=6,加工时间档总数NT=4,给定各加工时间档对应的任务量为yj=[50,30,30,20]T,各模板序列里各加工时间档40min、100min、120min、150min对应的任务量aij为:
求得各模板的数量分配情况如下:xi=[0,0,0,0,10,20],即第6组20个模板(40min,40min,120min,150min)和第5组10个模板(40min,100min,100min,100min,120min);
b)根据步骤a)得到的结果,从所分配数量最多的模板组合(40min,40min,120min,150min)开始,将该种模板重复排列完,再接着排下一组模板(40min,100min,100min,100min,120min),得到最终的排序方案为:[(40min,100min,100min,100min,120min)×20个模板,(40min,100min,100min,100min,120min)×10个模板];
c)经将最终的排序方案:[(40min,100min,100min,100min,120min)×20个模板,(40min,100min,100min,100min,120min)×10个模板]提供现场组织生产后,得到铜缸利用率Ut=94.43%,天车利用率Uh=95.75%。
本实施例在给定的“待加工任务的时间档分布有40min、100min、120min、150min,其中,每个时间档的任务量分别为50、30、30、20个”条件下,铜缸使用率达到94.43%,天车使用率达到95.75%,PCB电镀混流生产线加工任务均按时移出,设备的无效空闲或搁置时间占比比现有技术降低了10%,生产过程顺畅有序。
而现有技术的排序方式为:先按照9个负片、4个正片、2个负片这样的顺序排列出前15个任务,后续则选择与当前被移出电镀线的任务加工时间档相差最小的任务进入电镀线,直至所有任务加工完成;按照[100min,100min,100min,120min,120min,120min,150min,150min,150min,40min,40min,40min,40min,100min,120min]给定前15个任务的排序。经计算,该排序方式最终得到的铜缸利用率Ut为89.28%,天车利用率Uh为90.40%。
表1本发明实施例的实验组各正片任务量对应的和值
表2本发明实施例负片任务量变化情况列表
表3本发明实施例天车和铜缸利用率分别为95%和100%时的正片任务量及平均加工时间列表
表4本发明实施例对根据平均加工时间范围筛选出的所有可能的任务组合进行仿真模拟计算结果列表
表5本发明实施例根据天车和铜缸利用率范围筛选出最佳模板组合
上述实施例仅为最佳例举,而并非是对本发明的实施方式的限定。
Claims (3)
1.一种基于模板序列的PCB电镀混流线任务优化排序方法,其特征在于:包括步骤如下:
1)进行前期准备:
采集现场生产线的铜缸使用数量M,天车在相邻铜缸之间的移动时间t,及天车在辅助工序上的操作所需时间T;
2)确定最佳任务平均加工时间范围:
a)设定任务总量不少于25个初始选取正片量为1个,负片量为随机选取的;
所述正片系指加工时间仅为40min的加工任务,负片系指要在100~180min中任意选定的时间档加工的任务;时间档不少于三个,每个加工时间档的负片量记为n1,n2,…,依次类推;
b)进行优化排序并计算铜缸利用率Ut及天车利用率Uh:
(1)采用NEH算法进行初始排序;
(2)计算所有任务加工结束时所需时间MS,单位为min;
(3)以最小化MS为目标对任务排序进行优化
在(1)中采用NEH算法得到的初始排序后,再通过禁忌搜索算法进行迭代优化,在MS达到某一值,直至再经不少于30次迭代,仍未发生改进为止;
(4)采用如下公式计算出此时的铜缸利用率Ut及天车利用率Uh
式中:Lm—表示单个铜缸所有任务加工的时间之和;
Rm—表示单个铜缸总运行时间;
L闲置—表示天车运行时间中闲置时间之和;
L总—表示天车的整个运行时间;
所述时间单位均为min;
(5)在负片量不变的情况下,每增加一个正片,则重复采用上述(1)~(4)步骤计算出对应的铜缸利用率Ut及天车利用率Uh,并进行记载,直至天车利用率Uh达到100%时为止;
c)随机改变负片量,并按照步骤b)中(1)~(5)进行计算;负片量变化次数不少于5次;
d)针对步骤c)中每组负片任务,采用MATLAB软件中cftool工具箱分别对正片量与Ut和正片量与Uh进行二次多项式拟合,得到相应的拟合关系式;
e)确定任务最佳平均加工时间范围a~b,其步骤:
(1)根据步骤d)中的拟合关系式,计算各组的铜缸利用率Ut在95%时,以及天车利用率Uh在95%及100%时的正片量及对应的任务平均加工时间,时间单位为min;
(2)设定天车利用率Uh为95%时各组平均加工时间的均值为平均加工时间范围的上限值;
(3)计算天车利用率Uh为100%时各组平均加工时间的均值,及计算铜缸利用率Ut为95%时各组平均加工时间的均值,取两者中较大值为平均加工时间范围的下限值;
(4)确定平均加工时间范围,其上限值b为按照步骤(2)的值下移不超过2%所计算的数;其下限值a为按照步骤(3)的值上移不超过2%所计算的数,则平均加工时间范围为a~b,单位为min;
3)确定最佳模板
a)确定模板组合,其确定的条件:
(1)每组模板中的任务平均加工时间必须在任务平均加工时间a~b范围内;
(2)每组模板的加工任务总量不超过5个;
(3)每组模板的加工时间档不超过3个;
b)筛选最佳模板组合
(1)对步骤a)每组确定的每组模板进行重复排列直至达到加工任务总量;所述加工任务总量为正片量与负片量总和,任务总量不低于200个;
(2)针对每组模板的重复排列,计算其对应的铜缸利用率Ut终及天车利用率Uh终;
(3)对结果进行判断,当铜缸利用率Ut终及天车利用率Uh终均在95%及以上时,则将该组模板组合作为最佳模板组之一;
4)得到最终的排序方案
其步骤如下:
a)采用线性规划方法求出每种模板组合所分配的数量,线性规划模型如下:
s.t.
xi∈N
式中:n—表示模板组合类型总数;
yj—表示加工时间为类型j的任务量;
aij—表示模板组合i里加工时间为类型j的任务量;
NT—表示加工时间类型总数;
xi—决策变量,表示模板序列i所分配的数量;
b)根据步骤a)得到的结果,从所分配数量最多的模板组合开始,将该种模板重复排列完,再接着排下一组模板,直到排完为止,即得到最终的排序方案;
c)将最终的排序方案提供给现场,使其结合具体情况进而组织生产。
2.如权利要求1所述的一种基于模板序列的PCB电镀混流线任务优化排序方法,其特征在于:各负片电镀时间档由用户在100~180min内根据任务提供的,其各个时间档之间的时间间隔在10~30min。
3.如权利要求1所述的一种基于模板序列的PCB电镀混流线任务优化排序方法,其特征在于:上述所得出的计算结果均依附于计算机计算而获得。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010810386.8A CN111931456B (zh) | 2020-08-13 | 2020-08-13 | 一种基于模板序列的pcb电镀混流线任务优化排序方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010810386.8A CN111931456B (zh) | 2020-08-13 | 2020-08-13 | 一种基于模板序列的pcb电镀混流线任务优化排序方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111931456A CN111931456A (zh) | 2020-11-13 |
CN111931456B true CN111931456B (zh) | 2023-12-12 |
Family
ID=73311850
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010810386.8A Active CN111931456B (zh) | 2020-08-13 | 2020-08-13 | 一种基于模板序列的pcb电镀混流线任务优化排序方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111931456B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5155679A (en) * | 1989-12-18 | 1992-10-13 | Hewlett-Packard Company | Set-up optimization for flexible manufacturing systems |
DE102004061339A1 (de) * | 2004-12-20 | 2006-06-29 | Infineon Technologies Ag | Scheduling-Verfahren, insbesondere Kontex-Scheduling-Verfahren, und Einrichtung zur Verwendung bei einem Scheduling-Verfahren |
CN102929263A (zh) * | 2012-11-16 | 2013-02-13 | 北京理工大学 | 一种混合流水车间调度方法 |
CN103824136A (zh) * | 2014-03-13 | 2014-05-28 | 西安工业大学 | 一种mes动态车间调度制造执行系统 |
CN104536387A (zh) * | 2014-11-20 | 2015-04-22 | 昆明理工大学 | 一种液晶电视机的生产装配过程的优化调度方法 |
CN109872046A (zh) * | 2019-01-21 | 2019-06-11 | 同济大学 | 混流装配线任务分配与投产排序集成优化方法 |
CN110276481A (zh) * | 2019-05-31 | 2019-09-24 | 清华大学 | 一种分布式混合流水线调度优化方法 |
-
2020
- 2020-08-13 CN CN202010810386.8A patent/CN111931456B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5155679A (en) * | 1989-12-18 | 1992-10-13 | Hewlett-Packard Company | Set-up optimization for flexible manufacturing systems |
DE102004061339A1 (de) * | 2004-12-20 | 2006-06-29 | Infineon Technologies Ag | Scheduling-Verfahren, insbesondere Kontex-Scheduling-Verfahren, und Einrichtung zur Verwendung bei einem Scheduling-Verfahren |
CN102929263A (zh) * | 2012-11-16 | 2013-02-13 | 北京理工大学 | 一种混合流水车间调度方法 |
CN103824136A (zh) * | 2014-03-13 | 2014-05-28 | 西安工业大学 | 一种mes动态车间调度制造执行系统 |
CN104536387A (zh) * | 2014-11-20 | 2015-04-22 | 昆明理工大学 | 一种液晶电视机的生产装配过程的优化调度方法 |
CN109872046A (zh) * | 2019-01-21 | 2019-06-11 | 同济大学 | 混流装配线任务分配与投产排序集成优化方法 |
CN110276481A (zh) * | 2019-05-31 | 2019-09-24 | 清华大学 | 一种分布式混合流水线调度优化方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111931456A (zh) | 2020-11-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107450498B (zh) | 基于改进人工蜂群算法的生产调度方法及系统 | |
CN109598416B (zh) | 一种复材车间的动态排产系统及排产方法 | |
CN103839114B (zh) | 炼钢车间时序计划自动编制系统 | |
CN101901425A (zh) | 一种基于多种群协同进化的柔性作业车间调度方法 | |
CN104808636A (zh) | 柔性流水车间能耗优化调度方法 | |
CN112561225B (zh) | 一种基于标杆协同进化算法的柔性作业车间调度方法 | |
CN108647859A (zh) | 知识驱动的置换流水线双种群协同学习策略与优化方法 | |
CN112947319B (zh) | 一种钢铁企业冷轧区多产线的集批排程优化方法及系统 | |
CN111966049B (zh) | 一种混合流水车间生产设备调度控制方法 | |
CN112232548A (zh) | 基于遗传算法的机械加工车间智能排产优化方法及系统 | |
CN107479522B (zh) | 一种改良的帝国竞争算法解决柔性作业车间调度问题的方法 | |
CN107832983A (zh) | 基于动态规划与遗传算法的铸造熔炼批计划与调度方法 | |
CN105975701A (zh) | 一种基于混合模糊模型的并行调度拆卸路径生成方法 | |
CN111738499A (zh) | 一种基于新型邻域结构的作业车间分批调度方法 | |
CN114595633B (zh) | 一种基于多约束的多目标柔性作业车间节能调度方法 | |
CN111931456B (zh) | 一种基于模板序列的pcb电镀混流线任务优化排序方法 | |
Yang et al. | Scheduling model for the practical steelmaking-continuous casting production and heuristic algorithm based on the optimization of “furnace-caster matching” mode | |
CN116466659A (zh) | 一种基于深度强化学习的分布式装配流水车间调度方法 | |
CN109214695B (zh) | 基于改进eda的高端装备研发制造协同调度方法及系统 | |
CN116451291A (zh) | 一种工程图纸布局质量的量化评价方法及系统 | |
CN112053037A (zh) | 一种柔性pcb车间调度优化方法和系统 | |
CN109034540B (zh) | 一种基于在制品工序流的机床序列编排动态预测方法 | |
CN115759552A (zh) | 一种基于多智能体架构的面向智慧工厂的实时调度方法 | |
CN113901728B (zh) | 基于迁移遗传算法的电脑第二类装配线平衡优化方法 | |
CN107678411B (zh) | 一种不相关并行机混合流水车间调度的建模方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |