非量产模式下的制造执行系统 ——基于改进遗传算法的计划调度

论文摘要

根据某半导体制造企业实验室用制造执行系统的实际需求,并考虑到其非量产模式下的特性,结合遗传算法,并根据实际情况进行了一定改进。将模拟退火思想融入到初始种群产生过程中,引入了时间指标使得每个工艺阶段对设备使用更精确,解决了产品在工艺流程中拆分以及并批的问题。由此,给出了一个解决计划调度问题的合理算法。

论文目录

• 摘要
• ABSTRACT
• 1 课题背景介绍
• 1.1 MES
• 1.1.1 引入MES 的原因
• 1.1.2 什么是MES
• 1.1.3 MES 在我国的现状
• 1.2 遗传算法
• 1.2.1 历史
• 1.2.2 基本思想
• 1.3 SCHEDULING
• 1.3.1 Scheduling 的意义
• 1.3.2 Scheduling 软件的现状
• 1.3.3 引入带有时间指标的Scheduling 的意义
• 1.3.4 研究内容与目的
• 1.3.5 拟解决的关键问题
• 2 半导体制造企业QA 实验室用MES 分析
• 2.1 系统特点分析
• 2.2 工艺流程分析
• 2.3 资源分析
• 2.4 问题简化
• 3 遗传算法设计及实现
• 3.1 编码
• 3.1.1 编码准备
• 3.1.2 编码步骤
• 3.2 解码
• 3.3 适应度函数
• 3.3.1 重要因素分析
• 3.3.2 目标函数确立
• 3.3.3 时间指标的关键性
• 3.3.4 适应度函数确立
• 3.4 初始种群
• 3.5 选择
• 3.5.1 个体的选择概率
• 3.5.2 选择步骤
• 3.6 交叉
• 3.7 变异
• 3.7.1 两种变异
• 3.7.2 变异步骤
• 3.8 时间指标
• 3.8.1 相关原则
• 3.8.2 计算步骤
• 3.9 遗传算法基本框架
• 3.10 仿真结果与分析
• 3.10.1 基本条件假设及案例
• 3.10.2 实验数据分析
• 3.10.3 综合结论
• 3.11 实际应用情况
• 4 结束语
• 参考文献
• 附录1 固有周期计算方法
• 附录2 轮盘赌选择法
• 致谢
• 攻读学位期间发表的学术论文
• 上海交通大学学位论文答辩决议书