由于半导体制造系统属于典型的Np-hard 问题, 传统的运筹学方法会带来繁杂的数据运算从而很难进行优化, 在实际应用中通常是寻求计算效率高、 优化效果较好的启发式算法, 本书给出求解该目标函数的一种启发式优化算法, 具体启发式算法流程图如图4-5 所示, 其步骤如下:Step 1: CCij信息初始化,t =0;Step 2: Dik需求招标值下达,wi 权重系数给定( i =1, 2, …......
2023-06-20
本节结合产能平衡的规则对投标值进行分析, 定义了过程中的关键参数符号, 建立了实现能力平衡的目标函数, 并运用启发式算法的简洁快速和鲁棒性对投标值求解, 从而实现封装测试阶段生产计划的优化分配。
生产能力是指一定时期内(通常指一年)直接参与企业生产过程的固定资产, 在一定组织技术条件下, 所能生产一定种类的产品或加工处理一定原材料的最大数量的能力。 企业度量生产能力的单位根据企业类型的不同而不同, 可以采用产品数量和生产性指标,在很多情况下, 可以以设备利用时数、 人工工时数等表示生产能力。
生产能力主要分为正常生产能力、 最大生产能力、 长期需求生产能力、 短期需求生产能力。 对于制造企业来说, 产能计划主要是对车间生产能力的确定。 车间生产能力取决于各设备组的生产能力, 但各设备组能力是不相等的, 这就需要对车间内各设备组之间进行生产能力的平衡。 对瓶颈设备组进行负荷转移、 加班加点等方法处理, 使车间能力最终达到合理的水平。
能力需求计划的基本原理如图4-4 所示。 能力需求计划的输入主要是物料需求计划的输出, 如零部件加工计划、 产品工艺文件、设备工时标准、 在制品信息、 车间日历等; 能力需求计划的输出主要是设备的负荷报告以及能力和设备负荷的对比分析报告, 当生产能力小于生产负荷时, 根据约束理论, 找到瓶颈点, 可以是设备、人力、 资源等方面, 之后通过调整瓶颈扩大约束点, 进而提升产能。
在半导体制造企业中, 通常以工作中心为基本单位进行生产负荷的统计。 工作中心是用于生产产品的生产资源, 包括机器、 人和设备, 是各种生产或者能力加工单元的总称。 一个工作中心可以是一台设备、 一组功能相同的设备、 一条自制生产线、 一个班组、 一块装配面积或者是某种生产单一产品的封闭车间。 对于外协工序,对应的工作中心则是一个协作单位的代号。 工作中心的能力用一定时间内完成的工作量即产出率表示。 工作量可表示为标准工时(以时间为单位)、 在制品批次(以数量表示)等。 工作中心包括如下数据项: 美版可用的操作人员数量、 机器数量、 机器的单台定额、 每班可排产的小时数、 一天开动的班次、 工作中心的利用率、 工作中心的效率、 平均排队时间等因素。 由此计算出来工作中心的定额能力=每日工作班次∗每班工作小时∗工作中心效率∗工作中心利用率(工时/日), 其中:
利用率=实际投入工时数/计划工时数
效率=完成定额工时数/实际投入工时数
工作中心的定额能力应是能持续保持的能力。 为使工作中心的定额能力可靠有效, 需要经常与实际能力比较, 用实际能力修正。
因此在能力需求计划的制订上, 主要是制定不同区域、 工段设备的负荷报告。 在计算设备产能之前, 首先需要对输入的数据进行收集、 整理。 这些数据主要包括产品计划需求预测数量、 MRP 计划订单、 工艺文件、 工作中心文件以及企业生产日历。 在数据输入完毕之后就可以开始编制设备负荷报告。
车间生产能力取决于设备组, 在计算设备组生产能力的基础上才能确定车间的生产能力。 一般情况下, 各设备组的生产能力是不等的。 因此, 在确定车间生产能力时要进行综合平衡。 在确定车间生产能力时, 首先要计算和确定出主要设备组的生产能力, 然后是其他设备组的生产能力与之相适应。
图4-4 能力需求计划原理图
关于生产能力的平衡与提高, 主要可以从以下几个方面进行考虑。
1. 生产能力平衡
(1)增大瓶颈的生产能力, 可采取一些临时措施, 如加班工作、 租用设备、 通过转包合同购买其他厂家的产成品。
(2)在生产瓶颈之前留些缓冲库存, 以保证瓶颈环节持续运转, 不会停工。
(3)如果某一部门的生产依赖于前一部门的生产, 那么就重复设置前一部门的生产设备, 可以充足地生产以便供应下一部门的生产所需。
2. 扩大生产能力的频率
在扩大生产能力时, 应考虑两种类型的成本问题: 生产能力升级过于频繁造成的成本与生产能力升级过于滞缓造成的成本。 首先, 生产能力升级过于频繁会带来许多直接成本, 如旧设备的拆卸与更换、 培训工人、 使用新设备等。 此外, 升级时必须购买新设备, 新设备的购置费用往往远大于处理旧设备回收的资金量。 而且, 在设备更换期间, 生产场地或服务场所的限制也会造成机会成本。
(2)反之, 生产能力过于缓滞也会有很大的成本支出, 由于生产能力升级的间隔期较长, 每次升级时, 都需要投入大笔资金, 大幅度地扩大生产能力。 然而, 如果当前尚不需要的那些生产能力被闲置, 那么在这些闲置生产能力上的投资就将作为管理费用计入成本, 这就造成了资金的占用和投资的浪费。
3. 提高生产能力的途径
(1)充分合理地利用设备和生产面积的时间。
①加强生产组织工作, 合理编制和严格执行生产作业计划, 加强生产调度工作, 合理组织生产, 加强生产准备工作。 做好设备的计划检修和维护保养工作, 合理安排设备检修计划, 加强设备的日常维护和保养工作, 采用先进的设备修理制度和方法, 防止设备事故的发生。 努力提高设备的修理质量, 延长设备修理间隔期, 缩短修理时间。
②改进作业换班制度, 使交接班不停机, 对某些生产能力薄弱的生产环节可以增加班次。 加强质量管理, 提高产品质量, 减少不合格损失, 使设备和工人的无效时间减少到最低限度。 提高生产设备的利用率, 有条件的产品组织流水生产, 提高各工序设备的负载系数, 减少机器设备等待分配任务和等待零件搬运的时间损失。
(2)提高设备和生产面积的强度利用。
①提高设备和生产面积的生产率, 改进产品设计, 改进设备和工具, 提高员工的整体素质, 全面提高生产效率。
②充分发挥设备和生产面积本身的技术条件, 尽可能减少非生产面积, 扩大生产面积在总面积中所占的比重。 采用先进工艺和操作方法, 减少零件加工的劳动量。 充分利用设备的技术特性, 防止出现大型设备加工小零件、 精密设备进行组加工、 多工位设备只加工一个工位的零件等现象。
(3)改进生产组织管理。
改进生产组织管理是提高生产能力的一个重要途径。 具体方法有:
①改进生产组织和劳动组织, 提高各个生产环节的专业化水平。
②合理布置车间内部的设备。
③在企业充分挖掘和利用现有设备仍不能满足生产需要的情况下, 经过技术经济分析、 论证, 可增加设备或采用外协方式。 对能力有余的设备, 应承接外协任务, 以充分利用这部分多余的生产能力。
有关半导体封装测试制造系统运行优化理论与技术的文章
由于半导体制造系统属于典型的Np-hard 问题, 传统的运筹学方法会带来繁杂的数据运算从而很难进行优化, 在实际应用中通常是寻求计算效率高、 优化效果较好的启发式算法, 本书给出求解该目标函数的一种启发式优化算法, 具体启发式算法流程图如图4-5 所示, 其步骤如下:Step 1: CCij信息初始化,t =0;Step 2: Dik需求招标值下达,wi 权重系数给定( i =1, 2, …......
2023-06-20
图8-13推荐系统的基本架构①用户反馈行为采集模块。本案例针对餐饮行业中存在的问题,提出了基于推荐算法的智慧餐饮系统的设计思想,并对其进行了实现。系统中采用的推荐算法是基于协同过滤的思想,针对其处理稀疏数据能力差、可扩展性差这两个影响推荐质量的关键问题,提出了一种基于SVD与GSOM的协同过滤推荐算法。......
2023-06-28
智能投顾是人工智能与传统的专业投顾相结合的产物。智能投顾在近年来的发展主要得益于大数据和计算力的提升,其优势在于降低了投资门槛,吸纳了更大规模的投资群体。智能投顾的局限在于,凡涉及认知层面的东西,人工智能多少有点措手不及。......
2023-07-05
生产能力平衡主要是力争实现以下优化目标:根据客户需求分析, 使生产计划排程尽可能按照产品权重满足需求的数量。使负荷尽量接近可行的生产能力。在确定能力平衡目标函数之前, 我们先定义关键参数的符号。在产能不足情况下, 会造成订单丢失的风险。通过工厂内部部门间的协同, 提高自身性能从而达到提升产能的最终目的。......
2023-06-20
具体的遗传算法流程如图5-6 所示, 分为种群初始化、 选择和复制、 交叉、 变异与终止几个步骤:种群初始化。遗传算法中起核心作用的交叉算子, 特点是能使父串的特征遗传给子串, 子串应该能够部分或者全部地继承父串的结构特征和有效基因。图5-6启发式遗传算法流程图终止。针对纳什平衡求解问题, 运用启发式遗传基因算法进行寻优。......
2023-06-20
Spark MLlib中的K-means算法使用Map分布式读取数据集,并存储在内存里。计算时,用Map键值对表示随机挑选出来的k个聚类中心,Spark的驱动器节点负责把数据发送到各个工作节点,以实现具体的计算任务。Spark MLlib不同于传统的机器学习工具,它提供了简单易用的API,特别是Spark能够高效地处理大数据,并且在迭代计算时具有较强的优势。......
2023-11-21
进化算法以其搜索的全局性逐渐成为解决MOP问题的有效工具。以下按照Coello Coello[14,15]的总结方式来简介多目标进化优化领域的一些代表性算法。第一代多目标进化算法1989年,Goldberg建议用非支配排序和小生境技术来解决MOP问题。第一代多目标进化算法以基于非支配排序的选择和基于共享函数的多样性保持为其主要特点,但这一代MOEA算法的缺点也十分明显。因此,第二代多目标进化算法普遍使用了精英策略。......
2023-11-26
同其他的智能优化算法相比,萤火虫算法概念简单,流程清晰,需要调整的参数较少,更加容易实现。虽然目前萤火虫算法还缺乏完备的数学理论基础,但已有的仿真实验结果表明,萤火虫算法具备较高的寻优精度和收敛速度,是一种可行有效的优化方法,它为智能优化提供了新的思路[2]。......
2023-11-26
相关推荐