论文部分内容阅读
电子元器件制造企业由于存在设备故障率、生产过程产品质量合格率等大量不确定性,因此其生产能力很难准确预测,进而给生产计划的制定带来了巨大挑战。在产能模糊不确定的情况下,如何做出合理的产能平衡策略并在产能平衡的基础上制定生产计划达到均衡生产的目的,是当前电子元器件企业亟待解决的问题。本文基于“乐山S公司ERP系统研发”的横向研究课题,针对企业中基于模糊不确定产能平衡的生产计划建模展开了研究。对于产能不确定函数的逼近问题,通常通过设计模糊系统通用逼近器来求解但求解效率较低,本文提出了一种通过人工神经网络来加快产能不确定函数逼近的方法,通过软件仿真验证了方法的有效性和可行性,同时基于模糊不确定产能平衡模型建立了生产计划模型,设计了混合智能算法进行了求解,最后验证了算法的正确性。首先,针对电子元器件企业的特点,根据生产能力平衡理论,结合约束理论知识,建立了不确定环境下的生产能力平衡数学模型。本文采用了人工神经网络解决了产能不确定函数逼近的问题,结合启发式算法对产能平衡模型进行了求解,并通过软件仿真证明了模型的有效性和算法的可行性。然后,结合生产计划的基本理论,详细描述和分析了电子元器件制造企业在生产计划方面遇到的实际问题。将已建立好的产能平衡模型作为生产计划的产能约束,建立了基于产能平衡约束的生产计划模型。分析了不同人工智能算法的特点和应用方式,设计了适应于电子元器件生产计划的混合智能算法,阐述了算法的设计思路和实现步骤,通过具体算例进行了验证。最后,以实际的电子元器件生产线为研究对象,设计并实现了基于产能平衡的电子元器件制造企业生产计划软件系统。相对于传统产能平衡方法,本文方法充分考虑了产能不确定环境下的属性,提出了一种基于神经网络的不确定函数逼近方法,加快了逼近效率,设计了混合智能算法求解基于不确定环境下产能平衡的生产计划模型,更为有效地解决了设备组超欠负荷现象和生产均衡问题。