CN112053037A - 一种柔性pcb车间调度优化方法和系统 - Google Patents

Abstract

本发明属于车间调度领域，公开了一种柔性PCB车间调度优化方法和系统。包括(a)根据柔性PCB制造车间中多个关联加工阶段所对应加工机器的实时性能指标，利用模糊综合评价法对调度方案中关联机器的选择搭配情况进行评价，得到调度方案机器选择的评价值；(b)将机器选择评价值与其参考阈值的关系作为柔性PCB车间关联机器选择的特殊约束，建立一种适用于柔性PCB车间调度的混合整数线形规划(MILP)模型；(c)设计针对所述模型特定的优化技术，其中包括利用改进的和声搜索算法对上述柔性PCB车间调度模型进行求解，以及利用一种关联机器选择的启发式规则对机器选择方案进行初始化。本发明提高了柔性PCB车间的生产效率，降低了产品制造周期和生产成本。

Description

一种柔性PCB车间调度优化方法和系统

技术领域

本发明属于车间调度领域，更具体地，涉及一种柔性PCB车间调度优化方法和系统。

背景技术

随着制造业不断发展，传统“少品种，大批量”的制造模式已经不能适应市场的变化，企业急需向着“多品种，小批量”的柔性制造方向发展。为了提高自身的竞争力，“智能制造”的概念被越来越多的企业所接受。智能制造以新一代数字信息技术为基础，结合新的制造工艺和材料，贯穿产品的设计、生产、管理、服务各个环节，具有信息深度自感知、优化自决策和精准控制自执行等功能。

同时，近年来，中国逐渐成为柔性电路板(Flexible Printed Circuit Board，FPCB)主要产地，柔性PCB产值占全球的比重不断提升。为了提高生产力，以更好，更快，更省地制造出满足市场需求的产品，柔性PCB制造企业对智能制造的需求也日趋强烈。

车间调度是智能制造的核心内容之一，其对待加工零件在车间环境的约束下进行整体优化，是生产准备和生产实施之间的纽带。该类问题的解空间庞大，建模和求解均较为困难。传统车间调度问题的模型和算法已经非常成熟，人们在相关领域取得了非常丰富的成果。

但是随着车间逐步智能化和柔性化，车间根据其生产加工的产品不同，其生产工艺和现场约束也不相同，采用传统的模型和算法求解已不足以解决日趋复杂的实际生产问题。亟需根据所研究车间的特点，对模型和算法进行补充和完善，使其高度“定制化”，更好地适应于所研究的车间。

在柔性PCB车间中，存在很多特殊的现场约束，并且机器和机器之间存在关联搭配使用的情况，以对各自的动态性能进行补偿。如果在模型和算法中不考虑这些问题，则会导致加工出的成品良品率较低。因此，需要根据柔性PCB车间的特点，提出一种柔性PCB车间调度优化方法，使其更好地适用于柔性PCB产品的生产制造。

发明内容

针对相关技术的缺陷，本发明的目的在于提供一种柔性PCB车间调度优化方法和系统，旨在提高柔性PCB车间的生产效率，并降低产品制造周期。

为实现上述目的，本发明的一个方面提供了一种柔性PCB车间调度优化方法，包括以下步骤：

建立机器选择方案的模糊综合评价模型，获取曝光、显影和蚀刻工序各自所对应加工机器的实时动态性能状态，从而确定机器选择方案的因素集和评价集，并利用所述因素集和评价集获得所述机器选择方案的模糊综合评价值；

将所述机器选择方案的模糊综合评价值与其参考阈值之间的比较关系，作为柔性PCB基板线路成型工艺约束，建立柔性PCB车间调度MILP模型；

采集待调度工件的加工时间信息和各加工工序可选择的加工机器信息，并对机器选择方案进行初始化，再使用和声搜索算法对所述柔性PCB车间调度MILP模型进行求解，得到所述待调度工件优化后的调度方案。

进一步地，所述对机器选择方案进行初始化具体包括利用启发式关联机器选择规则进行初始化：

初始选择待调度工件某道工序的加工机器时，首先从该工序所有可用加工机器中随机选取一台机器；

待所述待调度工件全部工序选择完毕后，计算对应机器选择方案的模糊综合评价值，若所述模糊综合评价值大于等于其参考阈值，则所述机器选择方案可行，初始化结束；否则，将所述机器选择方案中曝光、显影、蚀刻三道工序加工机器中机器动态性能最差的机器替换成该工序其他可用的动态性能更好的机器，重复上述过程，直到机器选择方案满足要求。

进一步地，所述机器选择方案的模糊综合评价值采用以下公式获得：

E＝A*R*S^T

其中，E是机器选择方案的综合评价值，A是各因素的权重集合，R是单因素评判矩阵，S是当前机器选择方案中各个因素对应的级分集合。

进一步地，所述单因素评判矩阵R按照以下方式确定：

R_i＝(r_i1，r_i2，r_i3，r_i4)

其中，r_ij表示为所述因素集中第i个元素对应所述评价集中第j个元素的隶属度；

以因素集中3个单因素评价集R₁，R₂，R₃为行向量组成的矩阵作为关联机器选择评价的单因素评价矩阵R。

进一步地，所述因素集按照下列步骤确定：

根据柔性PCB制造中曝光、显影、蚀刻三道特殊关联工序所对应加工机器的实时动态性能状态，构建调度计划中机器选择方案评价的因素集如下：

U＝(u₁，u₂，u₃)

其中，U是机器选择方案评价的因素集，u₁为曝光工序中所选择曝光机的能量强度，u₂为显影工序中所选择显影线的显影液浓度，u₃为蚀刻工序中所选择蚀刻线的蚀刻液浓度。

进一步地，所述评价集为：

V＝(v₁，v₂，v₃，v₄)

其中，V是机器选择方案的评价集，V₁，V₂，V₃，V₄分别表示机器动态性能优秀、机器动态性能良好、机器动态性能一般、机器动态性能较差。

进一步地，所述柔性PCB基板线路成型工艺约束的数学表达式如下：

E_i≥E₀，i＝1，2，3，...，n

其中，E_i是机器选择方案的综合评价值，E₀是其参考阈值，n为待加工工件总数。

本发明的另一方面还提供了一种柔性PCB车间调度优化系统，包括

评价单元，建立机器选择方案的模糊综合评价模型，获取曝光、显影和蚀刻工序各自所对应加工机器的实时动态性能状态，从而确定机器选择方案的因素集和评价集，并利用所述因素集和评价集获得所述机器选择方案的模糊综合评价值；

建模单元，将所述机器选择方案的模糊综合评价值与其参考阈值之间的比较关系，作为柔性PCB基板线路成型工艺约束，建立柔性PCB车间调度MILP模型；

优化单元，采集待调度工件的加工时间信息和各加工工序可选择的加工机器信息，并对机器选择方案进行初始化，再使用和声搜索算法对所述柔性PCB车间调度MILP模型进行求解，得到所述待调度工件优化后的调度方案。

通过本发明所构思的以上技术方案，与现有技术相比，能够取得以下有益效果：

1)本发明设计了一种柔性PCB车间调度模型和优化技术，能够协调柔性PCB车间现场约束和特殊工艺约束，有效计算柔性PCB车间调度问题的最优调度解，提高柔性PCB车间的生产效率，降低产品制造周期，带来经济效益。

2)本发明中对柔性PCB车间机器选择方案的模糊综合评价方法，可以有效评价柔性PCB制造中多关联工序的加工机器搭配使用情况，保证生产过程中的稳定性，提高产品良品率，带来经济收益。

附图说明

图1是按照本发明的优选实施例所构建的用于柔性PCB车间调度模型和优化方法框架示意图；

图2是按照本发明的优选实施例所构建的机器选择方案评价值计算的示意图；

图3是按照本发明的优选实施例所构建的优化技术的示意图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。

本发明实施例提供了一种柔性PCB车间调度优化方法，包括以下步骤：

建立机器选择方案的模糊综合评价模型，获取曝光、显影和蚀刻工序各自所对应加工机器的实时动态性能状态，从而确定机器选择方案的因素集和评价集，并利用所述因素集和评价集获得所述机器选择方案的模糊综合评价值；

将所述机器选择方案的模糊综合评价值与其参考阈值之间的比较关系，作为柔性PCB基板线路成型工艺约束，建立柔性PCB车间调度MILP模型；

采集待调度工件的加工时间信息和各加工工序可选择的加工机器信息，并对机器选择方案进行初始化，再使用和声搜索算法对所述柔性PCB车间调度MILP模型进行求解，得到所述待调度工件优化后的调度方案。

进一步地，所述对机器选择方案进行初始化具体包括利用启发式关联机器选择规则进行初始化：

初始选择待调度工件某道工序的加工机器时，首先从该工序所有可用加工机器中随机选取一台机器；

待所述待调度工件全部工序选择完毕后，计算对应机器选择方案的模糊综合评价值，若所述模糊综合评价值大于等于其参考阈值，则所述机器选择方案可行，初始化结束；否则，将所述机器选择方案中曝光、显影、蚀刻三道工序加工机器中机器动态性能最差的机器替换成该工序其他可用的动态性能更好的机器，重复上述过程，直到机器选择方案满足要求。

进一步地，所述机器选择方案的模糊综合评价值采用以下公式获得：

E＝A*R*S^T

其中，E是机器选择方案的综合评价值，A是各因素的权重集合，R是单因素评判矩阵，S是当前机器选择方案中各个因素对应的级分集合。

进一步地，所述单因素评判矩阵R按照以下方式确定：

R_i＝(r_i1，r_i2，r_i3，r_i4)

其中，r_ij表示为所述因素集中第i个元素对应所述评价集中第j个元素的隶属度；

以因素集中3个单因素评价集R₁，R₂，R₃为行向量组成的矩阵作为关联机器选择评价的单因素评价矩阵R。

进一步地，所述因素集按照下列步骤确定：

根据柔性PCB制造中曝光、显影、蚀刻三道特殊关联工序所对应加工机器的实时动态性能状态，构建调度计划中机器选择方案评价的因素集如下：

U＝(u₁，u₂，u₃)

其中，U是机器选择方案评价的因素集，u₁为曝光工序中所选择曝光机的能量强度，u₂为显影工序中所选择显影线的显影液浓度，u₃为蚀刻工序中所选择蚀刻线的蚀刻液浓度。

进一步地，所述评价集为：

V＝(v₁，v₂，v₃，v₄)

其中，V是机器选择方案的评价集，v₁，V₂，V₃，V₄分别表示机器动态性能优秀、机器动态性能良好、机器动态性能一般、机器动态性能较差。

进一步地，所述柔性PCB基板线路成型工艺约束的数学表达式如下：

E_i≥E₀，i＝1，2，3，...，n

其中，E_i是机器选择方案的综合评价值，E₀是其参考阈值，n为待加工工件总数。

本发明实施例还提供了一种柔性PCB车间调度优化系统，包括

评价单元，建立机器选择方案的模糊综合评价模型，获取曝光、显影和蚀刻工序各自所对应加工机器的实时动态性能状态，从而确定机器选择方案的因素集和评价集，并利用所述因素集和评价集获得所述机器选择方案的模糊综合评价值；

建模单元，将所述机器选择方案的模糊综合评价值与其参考阈值之间的比较关系，作为柔性PCB基板线路成型工艺约束，建立柔性PCB车间调度MILP模型；

优化单元，采集待调度工件的加工时间信息和各加工工序可选择的加工机器信息，并对机器选择方案进行初始化，再使用和声搜索算法对所述柔性PCB车间调度MILP模型进行求解，得到所述待调度工件优化后的调度方案。

具体每个单元的功能可参见前述方法实施例中的介绍，在此不再赘述。

下面结合一个优选实施例，对上述实施例中涉及的内容进行说明。

如图1所示，本发明实施例提供了一种柔性PCB车间调度优化方法：首先，考虑柔性PCB制造的工艺特点，建立关联工序加工机器的因素集和评价集，进一步建立机器选择方案的模糊综合评价模型，得到机器选择方案综合评价值的计算方法；再将各个待调度工件机器选择评价值与参考阈值作为柔性PCB制造中的特殊工艺约束，建立适用于柔性PCB车间调度的模型；最终利用所述优化技术对柔性PCB车间调度模型进行求解优化，得到优化的调度方案。该方法具体包括下列步骤：

步骤一，机器选择方案评价，如图1所示，包含下列步骤：

因为柔性PCB制造中存在特殊的工艺约束，工艺涉及的相关工序的加工机器之间存在搭配使用、相互补充的关系，所以首先要给出某个待加工工件的机器选择方案的评价方法，才能保证加工过程中的良品率。

1.确定因素集

因素集是以影响评价对象的各种因素为元素所组成的一个普通集合。首先确定曝光、显影、蚀刻为柔性PCB加工中的三道特殊的加工工序，并且衡量标准为其加工机器的动态性能状态。建立评价方法的因素集为：

U＝(u₁，u₂，u₃)

其中，U是机器选择方案评价的因素集，u₁为曝光工序中所选择曝光机的能量强度，u₂为显影工序中所选择显影线的显影液浓度，u₃为蚀刻工序中所选择蚀刻线的蚀刻液浓度。

2.确定评价集

评价集是对评价对象可能做出的各种结果所组成的集合。此处为曝光、显影、蚀刻三道工序对应加工机器的动态性能指标的衡量标准，考虑车间现场实际，用模糊级数来衡量。建立评价方法的评价集为：

V＝(v₁，v₂，v₃，v₄)

其中，V是机器选择方案的评价集，v₁，v₂，v₃，v₄分别表示机器动态性能优秀、机器动态性能良好、机器动态性能一般、机器动态性能较差。

3.评价矩阵计算

因素集中第i个因素的单因素评价的结果表示为：

R_i＝(r_i1，r_i2，r_i3，r_i4)

其中，r_ij表示为因素集U中第i个元素对应评价集V中第j个元素的隶属度。以因素集中3个单因素评价集R₁，R₂，R₃为行向量组成的矩阵为关联机器选择评价的单因素评价矩阵R。

4.确定因素权重及级分集合

评价工作中，各因素的重要程度有所不同。此处，考虑柔性PCB制造特殊工艺中，曝光、显影两道工序的关联性更加重要，蚀刻的关联性弱一些。在经历过曝光、显影以后，一般通过蚀刻液的浓度和喷速来对前面的加工过程进行状态补偿。考虑上述特点，确定评价方法中曝光机能量强度、显影液浓度和蚀刻液浓度三种因素的权重为(0.4，0.4，0.2)，即各因素的权重集合A＝(0.4，0.4，0.2)。

考虑车间实际生产特点，对评价集中机器动态性能优秀、机器动态性能良好、机器动态性能一般、机器动态性能较差四种状态等级分别取级分1.0，0.7，0.4，0.1，得到各个因素对应的级分集合S＝(1.0，0.7，0.4，0.1)。

5.评价值计算

结合单因素评价矩阵R和各因素的权重集合A，计算该机器选择方案的模糊综合评价值：

E＝A*R*S^T

其中，E是机器选择方案的综合评价值，A是各因素的权重集合，R是单因素评判矩阵，S是当前方案V中各个因素对应的级分集合。

步骤二，建立柔性PCB车间调度问题模型

1.建立特殊工艺约束

分析PCB基板线路成型工艺约束中，曝光、显影、蚀刻三道工序中曝光机能量强度、显影液浓度、蚀刻液浓度相互补偿的约束机理，在MILP模型中表示为所有待加工工件的机器选择方案的模糊综合评价值需大于其参考阈值的约束，建立模型中PCB基板线路成型工艺约束的数学表达式如下：

E_i≥E₀，i＝1，2，3，...，n

其中，E_i是机器选择方案的模糊综合评价值，E₀是其参考阈值，n为待加工工件总数。

2.建立柔性PCB车间调度模型

分析柔性PCB制造中的特殊工艺约束，建立一种适用于柔性PCB车间调度的MILP模型，如下：

(1)模型中涉及的符号及其含义

(2)目标函数

最小化拖期时间T

T_i＝max{0，C_i-d_i} (2)

(3)决策变量

(4)约束

s_i，1≥0，i＝1，2，...，n (6)

s_i，j+1≥s_i，j+p_i，j，i＝1，2，...，n；j＝1，2，...，S-1 (7)

E_i≥E₀，i＝1，2，3，...，n (10)

其中，式(5)表示任意工件的任意工序都只在一台机器上加工；式(6)表示所有工件首工序的开始加工时间均大于等于0；式(7)表示同一工件不同工序间的先后制约关系；式(8)表示同一阶段两不同工件间加工先后关系；式(9)表示某阶段两工件在相同机器上加工时，靠前的工件先加工，充分大的L保证两工件在不同机器上加工时不等式恒成立；式(10)表示同一工件第三道工序(曝光)对应的曝光机性能与第四道工序(显影)对应的显影线性能之间的配合约束关系。

步骤三，模型求解

图3所示为针对柔性PCB车间调度的MILP模型的优化技术。优化技术中涉及的和声搜索算法(HS)是Geem等人受音乐创作过程的启发，提出的一种元启发式全局搜索算法。在此处的求解过程中，包含下列步骤：

(Step1).定义问题以及初始化参数

确定待解决问题的数学形式，初始化和声记忆库大小(Harmony Memory Size，HMS)、记忆库选择概率(Harmony Memory Considering Rate，HMCR)、微调概率(PitchAdjusting Rate，PAR)和微调带宽(bandwidth，BW)等参数。

(Step2).初始化和声记忆库

和声记忆库中每条和声对应问题解空间中的一个解。随机生成HMS个和声放入和声记忆库，并记录每条和声对应的目标值。和声记忆库形式如下：

其中，Xⁱ表示和声记忆库中第i条和声，

表示第i条和声的第j个音调，f(Xⁱ)表示第i条和声对应的目标值。

(Step3).产生新和声

新和声中每个音调(决策变量)有三种产生方式：从和声记忆库中选取、音调微调和随机生成。

从和声记忆库中选取时，音调x′_i是从

中随机选取的一个值；随机生成时，音调x′_i是从其所有可能的取值中随机生成的一个值。具体如下：

其中，rand1是0～1之间的随机数，R_i是x′_i所有可能取值的集合。

当新音调x′_i取值后，以PAR的概率对其进行微调，具体如下：

x_i′←x_i′±rand()*BW rand2≤PAR

其中，rand()和rand2为0～1之间的随机数。

(Step4).更新和声记忆库

若新产生和声的目标函数值比HM中最差和声的目标函数值好，则用新和声替换HM中最差和声；否则舍弃新和声。进入Step5。

(Step5).检查算法终止条件

判断算法是否已经获得满足条件的最优解或者已达到最大迭代次数，若是，则算法终止，否则重复Step3-Step4。

其中，合适的和声编码(表示)方式建立了所研究问题和和声搜索算法之间的联系，此处使用的和声编码方式为一种二层编码方式：第一层表示工件和工序信息；第二层表示加工机器选择信息。例如：某个和声编码第一层为[312231213]，其中{123}表示对应的工件序号{J₁ J₂ J₃}，每个工件序号第几次出现代表该工件的第几道工序，编码从左到右，第一个音调3表示工件3的第一道工序最先安排在对应的机器上加工，以此类推，即解[312231213]等价于[O₃₁ O₁₁ O₂₁ O₂₂ O₃₂ O₁₂ O₂₃ O₁₃ O₃₃]，其中O_ij表示工件i的第j道工序；该和声编码第二层为[213113123]，其中编码中第i个音调值q表示相应工序在该工序的第q台可加工机器上进行加工。

为了使和声搜索算法更好地契合所研究的问题，给和声编码中每一个音调对应一个实数的位置值，算法中产生新和声的操作均为对位置值进行操作，操作后，通过降序排列这些自然数位置值可以得到其对应工序的排列。

优化技术中涉及的机器选择初始化的启发式规则如下：

初始选择某工件某道工序的加工机器时，首先从该工序所有可用加工机器中随机选取一台机器；待该工件全部工序选择完毕后，计算其机器选择方案的模糊综合评价值，若评价值大于等于参考阈值，则该方案可行；否则将当前方案曝光、显影、蚀刻三道工序加工机器中机器动态性能最差的机器替换成该工序其他可用的动态性能更好的机器；重复上述过程，直到机器选择方案满足要求。

在上述模型和求解算法的基础上，为了证明本发明的实际应用效果，选择了部分柔性PCB生产中的简单算例进行仿真测试，并和传统遗传算法(GA)的求解效果进行对比，其中IHS是本发明中改进的和声搜索算法。

表1算法参数及算例结果

上表中，机器选择方案评价值为该算例中所有工件机器选择方案评价值的平均值。从表中的计算结果可以看出，采用本发明提出的柔性PCB车间调度问题的模型和优化技术，可以一定幅度提高调度结果中机器选择方案的评价值，避免因机器整体的动态性能不足导致良品率下降。并且在大部分情况下可以缩短总拖期时间，具有较高的实际应用价值。

本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种柔性PCB车间调度优化方法，其特征在于，包括以下步骤：

建立机器选择方案的模糊综合评价模型，获取曝光、显影和蚀刻工序各自所对应加工机器的实时动态性能状态，从而确定机器选择方案的因素集和评价集，并利用所述因素集和评价集获得所述机器选择方案的模糊综合评价值；

将所述机器选择方案的模糊综合评价值与其参考阈值之间的比较关系，作为柔性PCB基板线路成型工艺约束，建立柔性PCB车间调度MILP模型；

采集待调度工件的加工时间信息和各加工工序可选择的加工机器信息，并对机器选择方案进行初始化，再使用和声搜索算法对所述柔性PCB车间调度MILP模型进行求解，得到所述待调度工件优化后的调度方案。

2.如权利要求1所述的柔性PCB车间调度优化方法，其特征在于，所述对机器选择方案进行初始化具体包括利用启发式关联机器选择规则进行初始化：

初始选择待调度工件某道工序的加工机器时，首先从该工序所有可用加工机器中随机选取一台机器；

待所述待调度工件全部工序选择完毕后，计算对应机器选择方案的模糊综合评价值，若所述模糊综合评价值大于等于其参考阈值，则所述机器选择方案可行，初始化结束；否则，将所述机器选择方案中曝光、显影、蚀刻三道工序加工机器中机器动态性能最差的机器替换成该工序其他可用的动态性能更好的机器，重复上述过程，直到机器选择方案满足要求。

3.如权利要求1所述的柔性PCB车间调度优化方法，其特征在于，所述机器选择方案的模糊综合评价值采用以下公式获得：

E＝A*R*S^T

其中，E是机器选择方案的综合评价值，A是各因素的权重集合，R是单因素评判矩阵，S是当前机器选择方案中各个因素对应的级分集合。

4.如权利要求3所述的柔性PCB车间调度优化方法，其特征在于，所述单因素评判矩阵R按照以下方式确定：

R_i＝(r_i1，r_i2，r_i3，r_i4)

其中，r_ij表示为所述因素集中第i个元素对应所述评价集中第j个元素的隶属度；

以因素集中3个单因素评价集R₁，R₂，R₃为行向量组成的矩阵作为关联机器选择评价的单因素评价矩阵R。

5.如权利要求3或4所述的柔性PCB车间调度优化方法，其特征在于，所述因素集按照下列步骤确定：

根据柔性PCB制造中曝光、显影、蚀刻三道特殊关联工序所对应加工机器的实时动态性能状态，构建调度计划中机器选择方案评价的因素集如下：

U＝(u₁，u₂，u₃)

其中，U是机器选择方案评价的因素集，u₁为曝光工序中所选择曝光机的能量强度，u₂为显影工序中所选择显影线的显影液浓度，u₃为蚀刻工序中所选择蚀刻线的蚀刻液浓度。

6.如权利要求5所述的柔性PCB车间调度优化方法，其特征在于，所述评价集为：

V＝(v₁，v₂，v₃，v₄)

其中，V是机器选择方案的评价集，V₁，V₂，V₃，V₄分别表示机器动态性能优秀、机器动态性能良好、机器动态性能一般、机器动态性能较差。

7.如权利要求1所述的柔性PCB车间调度优化方法，其特征在于，所述柔性PCB基板线路成型工艺约束的数学表达式如下：

E_i≥E₀，i＝1，2，3，...，n

其中，E_i是机器选择方案的综合评价值，E₀是其参考阈值，n为待加工工件总数。

8.一种柔性PCB车间调度优化系统，其特征在于，包括

评价单元，建立机器选择方案的模糊综合评价模型，获取曝光、显影和蚀刻工序各自所对应加工机器的实时动态性能状态，从而确定机器选择方案的因素集和评价集，并利用所述因素集和评价集获得所述机器选择方案的模糊综合评价值；

建模单元，将所述机器选择方案的模糊综合评价值与其参考阈值之间的比较关系，作为柔性PCB基板线路成型工艺约束，建立柔性PCB车间调度MILP模型；

优化单元，采集待调度工件的加工时间信息和各加工工序可选择的加工机器信息，并对机器选择方案进行初始化，再使用和声搜索算法对所述柔性PCB车间调度MILP模型进行求解，得到所述待调度工件优化后的调度方案。

Images