專利名稱：一種基于指標(biāo)補償?shù)钠骄鹘?jīng)時間快速預(yù)測方法
技術(shù)領(lǐng)域：
本發(fā)明屬于自動控制、信息技術(shù)和先進制造領(lǐng)域。具體涉及在大規(guī)模、非平衡生產(chǎn)線優(yōu)化調(diào)度過程中，一種基于指標(biāo)補償?shù)钠骄鹘?jīng)時間快速預(yù)測方法。

背景技術(shù)：
平均流經(jīng)時間是企業(yè)關(guān)注的一個重要調(diào)度性能指標(biāo)，通過合理的優(yōu)化調(diào)度，可顯著改善這一指標(biāo)。利用基于軟計算等的調(diào)度方法進行優(yōu)化調(diào)度過程中，需要對調(diào)度策略進行全局仿真以獲得平均流經(jīng)時間指標(biāo)，且上述指標(biāo)計算過程需多次進行，若對整個較大規(guī)模生產(chǎn)線建立精確仿真模型并對調(diào)度策略進行全局仿真，耗時較長，這極大限制了上述調(diào)度方法在實際大規(guī)模生產(chǎn)過程調(diào)度中的應(yīng)用。因而，對調(diào)度策略對應(yīng)的平均流經(jīng)時間指標(biāo)進行快速預(yù)測，對提高調(diào)度算法的性能具有重要意義。
目前，已有的平均流經(jīng)時間預(yù)測方法主要是根據(jù)投料時刻整個生產(chǎn)過程各機器組前的排隊對長、在制品數(shù)量、機器利用率等信息，采用排隊論或神經(jīng)網(wǎng)絡(luò)等方法對平均流經(jīng)時間進行預(yù)測，該類方法只能對未來較長一段時間內(nèi)生產(chǎn)過程的平均流經(jīng)時間指標(biāo)進行宏觀評價，用于指導(dǎo)企業(yè)整體決策和生產(chǎn)計劃，難以體現(xiàn)出較短的時間內(nèi)不同調(diào)度方案的差異性，因而無法應(yīng)用于調(diào)度過程中。


發(fā)明內(nèi)容
本發(fā)明針對一類大規(guī)模、非平衡生產(chǎn)線的優(yōu)化調(diào)度過程(如半導(dǎo)體生產(chǎn)線)中的上述平均流經(jīng)時間指標(biāo)預(yù)測難題，公開了一種基于指標(biāo)補償?shù)钠骄鹘?jīng)時間快速預(yù)測方法。該方法基于生產(chǎn)線的非平衡特點，將機器組劃分為瓶頸和非瓶頸機器組，進而松弛非瓶頸機器組加工能力建立簡化調(diào)度模型，然后利用SVM(支持向量機)獲得簡化調(diào)度模型和非簡化調(diào)度模型對應(yīng)的平均流經(jīng)時間指標(biāo)之間的補償關(guān)系，從而實現(xiàn)對平均流經(jīng)時間指標(biāo)的快速預(yù)測。本方法可在軟計算等調(diào)度算法中用于對調(diào)度策略對應(yīng)的平均流經(jīng)時間指標(biāo)的快速評價，以提高算法迭代尋優(yōu)效率。
本發(fā)明所公開的一種基于指標(biāo)補償?shù)钠骄鹘?jīng)時間快速預(yù)測方法在計算機上按以下步驟實現(xiàn) 步驟(1)初始化 基于從實際生產(chǎn)過程中得到的如下信息整個生產(chǎn)線中機器組數(shù)量、每個機器組對應(yīng)的機器數(shù)量、待調(diào)度的工件種類及各類的數(shù)量、各類工件的工藝路徑、各工件每個操作的加工時間，形成原調(diào)度問題； 步驟(2)初始化完成后，將各機器組的調(diào)度規(guī)則設(shè)為SRPT規(guī)則(剩余加工時間最小者優(yōu)先規(guī)則)，按以下步驟進行瓶頸機器組的識別 步驟(2.1)進行原調(diào)度問題的仿真，獲得各操作到達機器組緩沖區(qū)的時間和該操作加工完成時間的仿真結(jié)果數(shù)據(jù)； 步驟(2.2)按下式確定各個操作流經(jīng)機器組的時間
j＝1，2，…，n；l＝1，2，…，m 其中，


分別為第j個工件在機器組l上加工的第k個操作到達機器組緩沖區(qū)的時間和該操作加工完成時間；m為機器組的數(shù)量；n為工件的數(shù)量； 步驟(2.3)按下式計算流經(jīng)機器組l對應(yīng)的所有操作的平均流經(jīng)時間為δl 式中n為工件數(shù)量，lj表示第j個工件在機器組l上加工的操作數(shù)量； 步驟(2.4)按下式計算所有工件的平均流經(jīng)時間f 步驟(2.5)按照δl從大到小的順序進行機器組瓶頸程度排序，記排序后的各機器組δl值序列為{β1，β2，…，βm}，按下式確定瓶頸機器組數(shù)量b 選取{β1，β2，…，βm}中前b個值所對應(yīng)的機器組為瓶頸機器組； 步驟(3)在瓶頸機器組識別基礎(chǔ)上，按如下步驟進行調(diào)度模型簡化 步驟(3.1)保持瓶頸機器組對應(yīng)的相關(guān)調(diào)度約束不變，包括保持不可中斷約束、機器唯一性約束和工件唯一性約束不變； 步驟(3.2)松弛非瓶頸機器組加工能力為無窮大，即不考慮操作在非瓶頸機器組上的等待時間，直接用相應(yīng)操作的加工時間作為其在該機器組上的流經(jīng)時間； 步驟(4)在瓶頸機器組識別和調(diào)度模型簡化基礎(chǔ)上，按照如下步驟提取訓(xùn)練SVM(支持向量機)需要的輸入特征屬性向量和輸出目標(biāo)屬性數(shù)據(jù)，并對SVM相關(guān)參數(shù)進行訓(xùn)練 步驟(4.1)對各機器組對應(yīng)的待調(diào)度的所有操作分別隨機產(chǎn)生一個排序，將排序結(jié)果作為一條調(diào)度策略，基于上述簡化調(diào)度模型對生產(chǎn)線進行仿真，獲得各工件完工時間序列{sf1，sf2，…，sfn}(滿足sf1≤sf2≤…≤sfn)，并計算其對應(yīng)的平均流經(jīng)時間如下 步驟(4.2)基于上述獲得的工件完工時間序列，按如下步驟提取SVM輸入特征屬性向量 步驟(4.2.1)按下式確定工件完工時間序列中相鄰工件的完工時間間隔，形成工件完工時間間隔數(shù)據(jù)序列t1，t2，…，tn-1 ti＝sfi+1-sfi，i＝1，2，…，n-1 步驟(4.2.2)按照下式將上述工件完工時間間隔數(shù)據(jù)序列依次分成K組，記N＝n-1，每組的個數(shù)為 步驟(4.2.3)按下式提取工件完工時間間隔數(shù)據(jù)序列的特征屬性向量 X＝[mm，mσ，σm，σσ]T 其中X表示當(dāng)前訓(xùn)練樣本的輸入特征屬性向量 步驟(4.3)基于步驟(4.1)中所得到的調(diào)度策略，對原調(diào)度問題基于非簡化模型進行仿真，利用步驟(2.4)的計算公式，得到所有工件的平均流經(jīng)時間f，按照下式確定當(dāng)前訓(xùn)練樣本中的目標(biāo)屬性值 Δf＝f-sf 步驟(4.4)重復(fù)步驟(4.1)～步驟(4.3)直至滿足設(shè)定的訓(xùn)練樣本數(shù)量S要求，按下式形成訓(xùn)練樣本集 輸入特征屬性向量集XX＝[X1，X2，…，XS] 輸出目標(biāo)屬性集ff＝[Δf1，Δf2，…，ΔfS] 步驟(4.5)利用訓(xùn)練樣本集給出的輸入特征屬性向量集和輸出目標(biāo)屬性集，對SVM按如下步驟進行訓(xùn)練 利用二次規(guī)劃算法，求解最優(yōu)化問題 s.t. 其中，ε為一給定的參數(shù)值，Δfi為訓(xùn)練集的目標(biāo)輸出值，K(Xi，Xj)為徑向基函數(shù)核函數(shù)，形式為 Xi為輸入的特征屬性向量，γ為高斯核函數(shù)寬度參數(shù)。
訓(xùn)練完成后，建立SVM回歸函數(shù)為 其中b為訓(xùn)練得到的閾值，Δfy(X)為對X的預(yù)測值，即平均流經(jīng)時間的補償量，αi*、αi為訓(xùn)練求取的參數(shù)； 步驟(5)在得到原調(diào)度問題的簡化調(diào)度模型及用于計算平均流經(jīng)時間補償值的SVM后，在調(diào)度算法的優(yōu)化過程中，對給定的調(diào)度策略，按照如下步驟確定平均流經(jīng)時間指標(biāo)預(yù)測值 步驟(5.1)根據(jù)優(yōu)化調(diào)度過程中給定的調(diào)度策略，提取SVM需要的輸入特征屬性向量X； 步驟(5.2)利用訓(xùn)練得到的SVM回歸函數(shù)，計算平均流經(jīng)時間補償值 步驟(5.3)按下式計算上述調(diào)度策略對應(yīng)的平均流經(jīng)時間指標(biāo)預(yù)測值 其中fy為平均流經(jīng)時間指標(biāo)預(yù)測值。
本發(fā)明所公開的平均流經(jīng)時間指標(biāo)快速預(yù)測方法在基于軟計算等的調(diào)度方法中可用于對調(diào)度策略對應(yīng)的平均流經(jīng)時間進行快速預(yù)測，對提高上述調(diào)度算法的性能具有重要作用。



圖1平均流經(jīng)時間預(yù)測系統(tǒng)結(jié)構(gòu)圖，圖中SVM訓(xùn)練計算機根據(jù)簡化調(diào)度模型和非簡化調(diào)度模型仿真結(jié)果實現(xiàn)SVM相關(guān)參數(shù)的學(xué)習(xí)，并將相關(guān)參數(shù)傳給平均流經(jīng)時間預(yù)測計算機，在優(yōu)化調(diào)度過程中，平均流經(jīng)時間預(yù)測計算機接收簡化調(diào)度模型仿真得到的完工時間序列，通過提取相應(yīng)的特征屬性向量，得到SVM所需的輸入特征屬性向量和該簡化調(diào)度模型對應(yīng)的平均流經(jīng)時間指標(biāo)值，而后平均流經(jīng)時間預(yù)測計算機利用SVM計算平均流經(jīng)時間的補償值，并加上簡化調(diào)度模型對應(yīng)的平均流經(jīng)時間指標(biāo)值，從而得到上述優(yōu)化策略對應(yīng)的平均流經(jīng)時間預(yù)測值。
圖2為算法在優(yōu)化調(diào)度過程中應(yīng)用的流程圖，在瓶頸機器組識別基礎(chǔ)上，優(yōu)化調(diào)度過程中，首先對給定的調(diào)度策略基于簡化調(diào)度模型進行仿真，得到簡化調(diào)度模型對應(yīng)的完工時間序列，而后，利用本發(fā)明給出的平均流經(jīng)時間預(yù)測方法，進行平均流經(jīng)時間指標(biāo)值預(yù)測，根據(jù)預(yù)測結(jié)果，對給定調(diào)度策略進行評價和選擇。
圖3(a)(b)(c)(d)圖3(a)給出了在工件規(guī)模為100條件下，利用本發(fā)明給出的平均流經(jīng)時間預(yù)測值與基于非簡化調(diào)度模型仿真得到的平均流經(jīng)時間真實值之間的誤差曲線，圖3(b)給出了誤差的相對百分比，即誤差值相對真實值的百分比；圖3(c)為基于非簡化調(diào)度模型仿真得到的平均流經(jīng)時間真實值；圖3(d)為本發(fā)明給出的平均流經(jīng)時間預(yù)測值。

具體實施例方式 本發(fā)明的工件平均流經(jīng)時間快速預(yù)測方法，由調(diào)度指標(biāo)預(yù)測軟件實現(xiàn)。系統(tǒng)由SVM訓(xùn)練計算機、平均流經(jīng)時間預(yù)測計算機組成(結(jié)構(gòu)圖見圖1)。訓(xùn)練計算機可根據(jù)仿真數(shù)據(jù)對SVM相關(guān)參數(shù)進行訓(xùn)練，得到SVM相關(guān)參數(shù)值。流經(jīng)時間預(yù)測計算機接收SVM相關(guān)參數(shù)值和工件完工時間序列信息，計算得到平均流經(jīng)時間預(yù)測值。
以下對本發(fā)明提出的上述基于指標(biāo)補償?shù)钠骄鹘?jīng)時間快速預(yù)測方法具體實施方案進行說明 第一步進行SVM訓(xùn)練 首先確定整個生產(chǎn)線中機器組數(shù)量、每個機器組對應(yīng)的機器數(shù)量、待調(diào)度的工件種類及各類的數(shù)量、各類工件的工藝路徑、各工件每個操作的加工時間信息，形成原調(diào)度問題，同時，給定各機器組對應(yīng)的較好調(diào)度策略為SRPT規(guī)則；然后根據(jù)給定的初始化參數(shù)信息，按照說明書中步驟(2)進行瓶頸機器組的識別；在確定瓶頸機器組基礎(chǔ)上，按照步驟(3)進行調(diào)度模型簡化；在瓶頸機器組識別和調(diào)度模型簡化基礎(chǔ)上，利用本發(fā)明說明書中的方法，按照步驟(4)對用于計算平均流經(jīng)時間指標(biāo)補償值的SVM進行訓(xùn)練；基于簡化調(diào)度模型和非簡化調(diào)度模型對生產(chǎn)線進行多次仿真，生成用于計算平均流經(jīng)時間指標(biāo)補償值的SVM訓(xùn)練數(shù)據(jù)，并對SVM進行訓(xùn)練； 第二步利用簡化的調(diào)度模型和SVM進行平均流經(jīng)時間指標(biāo)值預(yù)測 在調(diào)度過程中，對于給定各機器組對應(yīng)調(diào)度策略，首先采用所建立的簡化調(diào)度模型進行仿真，得到SVM所需的輸入特征屬性向量和該簡化調(diào)度模型對應(yīng)的平均流經(jīng)時間指標(biāo)值，然后利用SVM計算平均流經(jīng)時間指標(biāo)補償值，最后將簡化調(diào)度模型對應(yīng)的平均流經(jīng)時間指標(biāo)值和由SVM計算所得的平均流經(jīng)時間指標(biāo)補償值二者相加，得到該給定調(diào)度策略對應(yīng)的平均流經(jīng)時間預(yù)測值。
本發(fā)明提出的基于指標(biāo)補償?shù)钠骄鹘?jīng)時間快速預(yù)測方法流程圖如圖2所示。
根據(jù)上述所提出的基于指標(biāo)補償?shù)钠骄鹘?jīng)時間快速預(yù)測方法，本發(fā)明做了大量的仿真試驗，由于篇幅所限，這里僅給出針對具有100個工件的半導(dǎo)體生產(chǎn)過程調(diào)度問題進行本發(fā)明所提出方法的性能驗證結(jié)果。其中，機器組共33個，瓶頸機器組數(shù)量按說明書步驟(2.5)確定，三類工件，數(shù)量分別為30、30、40個，機器組配置及相關(guān)工件實驗參數(shù)見表1～4，SVM參數(shù)取值為C＝20，ε＝0.1，γ＝0.6。
表1車間配置及各機器組中的工件加工時間

表2工藝路徑1 ENTER-1-2-3-4，5，6-7，8-5，13，14，6-9-10-10-11-9-12-10-11-9-9-1-2-3-1-2-15-4，5，6-7，8-5，13，14，6-9-10-10-11-9-12-10-11-9-9-16-17-1-2-15-1-2-15-4，5，6-7，8-5，13，14，6-9-10-10-11-9-12-10-11-9-9-16-17-16-18-15-1-2-15-4，5，6-7，8-5，13，14，6-9-10-10-11-9-12-10-11-9-9-19-16-20-21-22-2-15-4，5，6-7，8-5，13，14，6-9-10-10-11-9-12-10-11-9-9-1-2-15-16-17-21-1-18-15-4，5，6-7，8-5，13，14，6-9-10-10-11-9-12-10-11-9-9-23-24-4，5，6-7，8-5，13，14，6-9-10-10-11-9-12-10-11-9-25-26-9-15-16-27-4，5，6-7，8-5，13，14，6-9-10-10-11-9-12-10-11-9-25-9-28-EXIT 表3工藝路徑2 ENTER-1-2-3-4，5，6-7，8-5，13，14，6-9-10-10-11-9-12-10-11-9-9-1-2-3-1-2-3-4，5，6-7，8-5，13，14，6-9-10-10-11-9-12-10-11-9-9-16-17-21-1-2-3-26-1-2-15-4，5，6-7，8-5，13，14，6-9-10-10-11-9-12-10-11-9-9-16-17-16-18-15-1-2-15-4，5，6-7，8-5，13，14，6-9-10-10-11-9-12-10-11-9-9-29-1-2-15-4，5，6-7，8-5，13，14，6-9-10-10-11-9-12-10-11-9-9-29-16-20-21-1-2-15-1-2-15-4，5，6-7，8-5，13，14，6-9-10-10-11-9-12-10-11-9-9-1-2-15-1-2-15-4，5，6-7，8-5，13，14，6-9-10-10-11-9-12-10-11-9-9-23-24-4，5，6-7，8-5，13，14，6-9-10-10-11-9-12-10-11-9-25-30-9-15-5-7-5-31-9-9-15-32-27-4，5，6-7，8-5，13，14，6-9-10-10-11-9-12-10-11-9-26-9-33-24-4，5，6-7，8-5，13，14，6-9-10-10-11-9-12-10-11-9-26-9-15-28-EXIT 表4工藝路徑3 ENTER-1-2-15-4，5，6-7，8-5，13，14，6-9-10-10-11-9-12-10-11-9-9-16-17-16-18-15-1-2-15-4，5，6-7，8-5，13，14，6-9-10-10-11-9-12-10-11-9-9-19-16-20-21-22-2-15-4，5，6-7，8-5，13，14，6-9-10-10-11-9-12-10-11-9-9-1-2-15-16-17-21-1-18-15-4，5，6-7，8-5，13，14，6-9-10-10-11-9-12-10-11-9-9-23-24-4，5，6-7，8-5，13，14，6-9-10-10-11-9-12-10-11-9-25-26-9-15-16-27-4，5，6-7，8-5，13，14，6-9-10-10-11-9-12-10-11-9-26-9-33-24-9-26-9-15-28-EXIT。
本發(fā)明給出的工件平均流經(jīng)時間預(yù)測值與真實值之間的比較，如圖3(a)、(b)、(c)、(d)所示。圖3(a)給出了在工件規(guī)模為100條件下，利用本發(fā)明給出的平均流經(jīng)時間預(yù)測值與基于非簡化調(diào)度模型仿真得到的平均流經(jīng)時間真實值之間的誤差曲線，圖3(b)給出了誤差的相對百分比，即誤差值相對真實值的百分比；圖3(c)為基于非簡化調(diào)度模型仿真得到的平均流經(jīng)時間真實值；圖3(d)為本發(fā)明給出的平均流經(jīng)時間預(yù)測值?？梢姳景l(fā)明的預(yù)測精度基本在2％以內(nèi)，絕對誤差最大值在10小時以內(nèi)；同時，當(dāng)基于非簡化調(diào)度模型完成一次生產(chǎn)線仿真以計算平均流經(jīng)時間所需時間約為2s，而采用本發(fā)明完成一次平均流經(jīng)時間預(yù)測時間約1.2s，時間提高了40％。以采用差分進化算法求解為例，假設(shè)每代種群個數(shù)為30，迭代代數(shù)為30，則完成整個調(diào)度過程需要900次生產(chǎn)線仿真，共需要1800s，而采用本發(fā)明給出的算法，需要基于非簡化調(diào)度模型和簡化調(diào)度模型分別進行20次生產(chǎn)線仿真，共64s，SVM訓(xùn)練時間約1s，然后再采用本發(fā)明提出的指標(biāo)預(yù)測方法進行900次生產(chǎn)線仿真，所需時間約1080s，整個算法在SVM訓(xùn)練和生產(chǎn)線仿真環(huán)節(jié)共需要1145s(調(diào)度算法其他環(huán)節(jié)所用時間相同)，與采用非簡化模型進行生產(chǎn)線仿真相比，所用時間縮短了約36％，可見本發(fā)明可在確保較高預(yù)測精度的條件下，顯著縮短了平均流經(jīng)時間指標(biāo)預(yù)測時間，從而可為提高面向較大規(guī)模生產(chǎn)線的調(diào)度算法的計算效率創(chuàng)造條件。
權(quán)利要求
1.一種基于指標(biāo)補償?shù)钠骄鹘?jīng)時間快速預(yù)測方法，其特征在于，所述方法是在計算機上依次按以下步驟實現(xiàn)的
步驟(1)初始化
基于從實際生產(chǎn)過程中得到的如下信息整個生產(chǎn)線中機器組數(shù)量、每個機器組對應(yīng)的機器數(shù)量、待調(diào)度的工件種類及各類的數(shù)量、各類工件的工藝路徑、各工件每個操作的加工時間，形成原調(diào)度問題；
步驟(2)初始化完成后，將各機器組的調(diào)度規(guī)則設(shè)為SRPT規(guī)則(剩余加工時間最小者優(yōu)先規(guī)則)，按以下步驟進行瓶頸機器組的識別
步驟(2.1)進行原調(diào)度問題的仿真，獲得各操作到達機器組緩沖區(qū)的時間和該操作加工完成時間的仿真結(jié)果數(shù)據(jù)；
步驟(2.2)按下式確定各個操作流經(jīng)機器組的時間
其中，
分別為第j個工件在機器組l上加工的第k個操作到達機器組緩沖區(qū)的時間和該操作加工完成時間；m為機器組的數(shù)量；n為工件的數(shù)量；
步驟(2.3)按下式計算流經(jīng)機器組l對應(yīng)的所有操作的平均流經(jīng)時間為δl
式中n為工件數(shù)量，lj表示第j個工件在機器組l上加工的操作數(shù)量；
步驟(2.4)按下式計算所有工件的平均流經(jīng)時間f
步驟(2.5)按照δl從大到小的順序進行機器組瓶頸程度排序，記排序后的各機器組δl值序列為{β1，β2，…，βm}，按下式確定瓶頸機器組數(shù)量b
選取{β1，β2，…，βm}中前b個值所對應(yīng)的機器組為瓶頸機器組；
步驟(3)在瓶頸機器組識別基礎(chǔ)上，按如下步驟進行調(diào)度模型簡化
步驟(3.1)保持瓶頸機器組對應(yīng)的相關(guān)調(diào)度約束不變，包括保持不可中斷約束、機器唯一性約束和工件唯一性約束不變；
步驟(3.2)松弛非瓶頸機器組加工能力為無窮大，即不考慮操作在非瓶頸機器組上的等待時間，直接用相應(yīng)操作的加工時間作為其在該機器組上的流經(jīng)時間；
步驟(4)在瓶頸機器組識別和調(diào)度模型簡化基礎(chǔ)上，按照如下步驟提取訓(xùn)練SVM(支持向量機)需要的輸入特征屬性向量和輸出目標(biāo)屬性數(shù)據(jù)，并對SVM相關(guān)參數(shù)進行訓(xùn)練
步驟(4.1)對各機器組對應(yīng)的待調(diào)度的所有操作分別隨機產(chǎn)生一個排序，將排序結(jié)果作為一條調(diào)度策略，基于上述簡化調(diào)度模型對生產(chǎn)線進行仿真，獲得各工件完工時間序列{sf1，sf2，…，sfn}(滿足sf1≤sf2≤…≤sfn)，并計算其對應(yīng)的平均流經(jīng)時間如下
步驟(4.2)基于上述獲得的工件完工時間序列，按如下步驟提取SVM輸入特征屬性向量
步驟(4.2.1)按下式確定工件完工時間序列中相鄰工件的完工時間間隔，形成工件完工時間間隔數(shù)據(jù)序列t1，t2，…，tn-1
ti＝sfi+1-sfi，i＝1，2，…，n-1
步驟(4.2.2)按照下式將上述工件完工時間間隔數(shù)據(jù)序列依次分成K組，記N＝n-1，每組的個數(shù)為
步驟(4.2.3)按下式提取工件完工時間間隔數(shù)據(jù)序列的特征屬性向量
X＝[mm，mσ，σm，σσ]T
其中X表示當(dāng)前訓(xùn)練樣本的輸入特征屬性向量
步驟(4.3)基于步驟(4.1)中所得到的調(diào)度策略，對原調(diào)度問題基于非簡化模型進行仿真，利用步驟(2.4)的計算公式，得到所有工件的平均流經(jīng)時間f，按照下式確定當(dāng)前訓(xùn)練樣本中的目標(biāo)屬性值
Δf＝f-sf
步驟(4.4)重復(fù)步驟(4.1)～步驟(4.3)直至滿足設(shè)定的訓(xùn)練樣本數(shù)量S要求，按下式形成訓(xùn)練樣本集
輸入特征屬性向量集XX＝[X1，X2，…，XS]
輸出目標(biāo)屬性集ff＝[Δf1，Δf2，…，ΔfS]
步驟(4.5)利用訓(xùn)練樣本集給出的輸入特征屬性向量集和輸出目標(biāo)屬性集，對SVM進行訓(xùn)練；訓(xùn)練完成后，建立SVM回歸函數(shù)為
其中
為高斯核函數(shù)，γ為高斯核函數(shù)寬度參數(shù)，b為訓(xùn)練得到的閾值，Δfy(X)為對輸入特征屬性向量X的預(yù)測值，即平均流經(jīng)時間的補償量，αi*、αi為訓(xùn)練完成后得到的參數(shù)；
步驟(5)在得到原調(diào)度問題的簡化調(diào)度模型及用于計算平均流經(jīng)時間補償值的SVM后，在調(diào)度算法的優(yōu)化過程中，對給定的調(diào)度策略，按照如下步驟確定平均流經(jīng)時間指標(biāo)預(yù)測值
步驟(5.1)根據(jù)優(yōu)化調(diào)度過程中給定的調(diào)度策略，提取SVM需要的輸入特征屬性向量X；
步驟(5.2)利用訓(xùn)練得到的SVM回歸函數(shù)，計算平均流經(jīng)時間補償值
步驟(5.3)按下式計算上述調(diào)度策略對應(yīng)的平均流經(jīng)時間指標(biāo)預(yù)測值
其中fy為平均流經(jīng)時間指標(biāo)預(yù)測值。
全文摘要
平均流經(jīng)時間是企業(yè)關(guān)注的一個重要調(diào)度性能指標(biāo)。利用基于軟計算等的調(diào)度方法進行優(yōu)化調(diào)度過程中，需要對調(diào)度策略進行全局仿真以獲得對應(yīng)的平均流經(jīng)時間指標(biāo)，且上述過程需多次進行，若對整個較大規(guī)模生產(chǎn)線建立精確仿真模型并對調(diào)度策略進行全局仿真，其耗時較長，因而，對平均流經(jīng)時間指標(biāo)進行快速預(yù)測，對提高調(diào)度算法的性能具有重要意義。本發(fā)明公開了一種基于指標(biāo)補償?shù)钠骄鹘?jīng)時間快速預(yù)測方法，該方法通過將機器組劃分為瓶頸和非瓶頸機器組，進而松弛非瓶頸機器組加工能力建立簡化調(diào)度模型，然后利用SVM(支持向量機)獲得簡化調(diào)度模型和非簡化調(diào)度模型對應(yīng)的平均流經(jīng)時間指標(biāo)之間的補償關(guān)系，從而實現(xiàn)對平均流經(jīng)時間指標(biāo)的快速預(yù)測。
文檔編號G05B19/418GK101782769SQ201010119399
公開日2010年7月21日 申請日期2010年3月8日 優(yōu)先權(quán)日2010年3月8日
發(fā)明者劉民, 郭路, 郝井華 申請人:清華大學(xué)