基于仿真的可重入生產系統(tǒng)的神經元動態(tài)規(guī)劃調度研究.pdf

1、可重入生產系統(tǒng)是以半導體和薄膠片生產為代表的一類復雜生產系統(tǒng)，在微電子行業(yè)飛速發(fā)展的今天，可重入生產系統(tǒng)已受到工業(yè)界和學術界的廣泛關注。 本文對可重入生產系統(tǒng)的描述、模型、性能及調度等方面進行了系統(tǒng)的研究，提出一些新的思想和方法，主要的工作和創(chuàng)新之處總結如下： 1、建立可重入生產系統(tǒng)狀態(tài)空間及調度集，計算可重入生產系統(tǒng)的狀態(tài)轉移概率表明該系統(tǒng)是連續(xù)的Markov決策過程，并提出系統(tǒng)的待調度狀態(tài)集及非待調度狀態(tài)集的生成算法

2、。 2、針對可重入生產系統(tǒng)提出瓶頸工作站和阻塞狀態(tài)的數學描述，證明單瓶頸工作站是系統(tǒng)中最忙碌、機器利用率最高的工作站，進而提出模型的簡化方法：針對單瓶頸系統(tǒng)可直接簡化非瓶頸工作站；針對多瓶頸系統(tǒng)，則提出NBJP調度策略作為簡化非瓶頸工作站時的還原補償策略；并提出有條件的相鄰工序合并方法。最后給出系統(tǒng)簡化及調度策略的還原算法。 3、針對二站封閉式可重入生產系統(tǒng)證明了平均輸出率和雙機生產時間作為性能指標的等價性，并將結論推廣

3、至多站系統(tǒng)，在此基礎上推導出封閉式可重入生產系統(tǒng)連續(xù)Markov決策過程的動態(tài)規(guī)劃模型。對封閉式和開放式可重入生產系統(tǒng)的連續(xù)Markov決策過程分別采用不同的離散化方法，并人工構造終止狀態(tài)，獲得兩種投料策略下系統(tǒng)離散Markov決策過程的隨機最短路徑動態(tài)規(guī)劃模型。 4、針對可重入生產系統(tǒng)的動態(tài)規(guī)劃模型，基于神經元動態(tài)規(guī)劃設計了可重入生產系統(tǒng)的調度仿真框架，分別在封閉式和開放式投料策略下，選擇合適的初始狀態(tài)、函數結構、特征向量和歸

4、一化方法，并提出將啟發(fā)式策略的性能指標作為特征分量的想法，針對該動態(tài)規(guī)劃模型設計了采用神經元動態(tài)規(guī)劃方法進行迭代求解的算法，并比較分析了封閉式和開放式可重入生產系統(tǒng)的平均產品輸出率及平均機器利用率。 5、針對HP公司提出的可重入生產系統(tǒng)Benchmark標準問題-TRC模型重新建立了考慮機器故障和維修時間的可重入生產系統(tǒng)的狀態(tài)表示、狀態(tài)分類、調度集、一步轉移概率和一步轉移代價體系，采用模型簡化方法對三種參數設置下的TRC模型進行