摘要 | 第2-3页 |
Abstract | 第3-4页 |
第一章 绪论 | 第7-18页 |
1.1 课题来源及研究意义 | 第7-8页 |
1.2 混合Flow shop 调度理论研究综述 | 第8-15页 |
1.3 期望达到的目标 | 第15-16页 |
1.4 研究内容与本文结构 | 第16-18页 |
第二章 实际生产系统介绍与建立数学模型 | 第18-30页 |
2.1 引线框架产品简介 | 第18-20页 |
2.2 实际生产系统与调度状况 | 第20-27页 |
2.2.1 实际生产系统与工艺流程介绍 | 第21-25页 |
2.2.2 引线框架车间生产调度的现状 | 第25页 |
2.2.3 SES 公司引线框架作业调度流程 | 第25-26页 |
2.2.4 SES 公司引线框架生产车间调度的特点 | 第26页 |
2.2.5 SES 公司Leadframe 生产调度管理中存在的问题 | 第26-27页 |
2.3 建立数学模型 | 第27-30页 |
2.3.1 基本假设 | 第27页 |
2.3.2 数学模型 | 第27-28页 |
2.3.3 关于数学模型的解释 | 第28页 |
2.3.4 符号说明 | 第28-30页 |
第三章 Leadframe 车间调度的自适应遗传算法设计 | 第30-47页 |
3.1 遗传算法概述 | 第31-36页 |
3.2 混合flow shop 调度问题完工期的求解算法 | 第36-39页 |
3.3 自适应遗传算法设计 | 第39-47页 |
3.3.1 编码规则 | 第39-40页 |
3.3.2 利用启发式规则嵌入优良个体 | 第40-41页 |
3.3.3 计算适应度函数 | 第41页 |
3.3.4 选择算子 | 第41页 |
3.3.5 交叉算子 | 第41-42页 |
3.3.6 变异算子 | 第42页 |
3.3.7 参数自适应 | 第42-43页 |
3.3.8 局部搜索 | 第43-44页 |
3.3.9 其它控制参数 | 第44页 |
3.3.10 算法的计算机实现 | 第44-45页 |
3.3.11 程序的向量化处理 | 第45-47页 |
第四章 调度实例与算法评价 | 第47-59页 |
4.1 实例演示 | 第47-51页 |
4.1.1 生产数据采集与遗传参数设置 | 第47-48页 |
4.1.2 自适应遗传进化过程 | 第48页 |
4.1.3 最优染色体 | 第48-49页 |
4.1.4 最优适应度 | 第49页 |
4.1.5 经解码后各作业在各机器上的投产序列 | 第49-50页 |
4.1.6 各作业开工与完工时间表 | 第50-51页 |
4.1.7 最优调度的甘特图 | 第51页 |
4.2 AGA 与SGA、EDD 所得结果比较 | 第51-53页 |
4.2.1 标准遗传算法SGA 仿真结果 | 第51-52页 |
4.2.2 EDD 启发式规则仿真结果 | 第52-53页 |
4.3 算法有效性验证 | 第53-58页 |
4.3.1 紧交货期情形 | 第53-55页 |
4.3.2 松交货期情形 | 第55-58页 |
4.4 结论 | 第58-59页 |
第五章 企业应用效果分析 | 第59-68页 |
5.1 企业应用概述 | 第59-60页 |
5.2 SES 公司传统调度算法描述 | 第60页 |
5.3 月调度数据说明 | 第60-61页 |
5.4 直接效益分析 | 第61-67页 |
5.4.1 订单延误率与准时交货率 | 第61-63页 |
5.4.2 库存周转率(turn rate) | 第63-64页 |
5.4.3 月调度惩罚成本分析 | 第64-66页 |
5.4.4 年调度惩罚成本分析 | 第66-67页 |
5.5 间接效益分析 | 第67页 |
5.6 结论 | 第67-68页 |
第六章 总结与展望 | 第68-70页 |
6.1 总结 | 第68页 |
6.2 展望 | 第68-70页 |
参考文献 | 第70-73页 |
附录注解 | 第73-74页 |
附录1:自适应遗传算法主程序matlab 源代码 | 第74-76页 |
附录2:解码染色体的matlab 源代码 | 第76-79页 |
附录3:生成甘特图的matlab 源代码 | 第79-82页 |
附录4:月调度的生产数据汇总分析表 | 第82-87页 |
附录5:基于自适应遗传算法AGA 的部分混合Flow Shop 调度表 | 第87-93页 |
致谢 | 第93-94页 |
攻读硕士学位期间发表的学术论文 | 第94页 |