首页 理论教育实例研究:S半导体封装测试工厂生产计划优化分配方法的效力

实例研究:S半导体封装测试工厂生产计划优化分配方法的效力

【摘要】:表4-5S 企业Sc 车间生产计划招标值与投标值对比从以上数据分析可以看出经过S 半导体封装测试工厂三个季度大量数据的验证, 改进的合同网协议结合启发式算法实现了Agent之间的快速交互分配和产能平衡, 具有较好的投标完成率和相关系数矩阵, 进行了生产计划的优化分配。在S半导体封装测试工厂生产计划实例研究中, 根据本书提出的协商模型和算法进行了验证。通过和传统的MRPII 方法进行对比, 结果表明该方法的高效性和可行性。

根据本文提出的改进合同网协商模型和启发式算法, 我们应用到S 半导体封装测试企业CPU 产品2011 年度一月到九月共39 周的生产计划制订当中, 共有a, b, c, d, e 5 种CPU 产品, 经过采用改进的合同网协商策略进行任务分配, 分派到Sc 车间的招标值矩阵

图4-5 产能平衡的启发式算法

[11406 11466 15323 11876 12133 17349 10291 12496 20769]

如表3-5 所示, 车间接到招标值信号之后, 进行产能评估和投标反馈, 这里我们采用传统的MRPII 和本书所提出的启发式算法分别进行投标反馈, 分为以下几步分析:

第一, 根据不同产品的权重对产品进行排列, 权重值优先满足权重高的产品, 不同计划周期产品根据市场情况权重不同。

第二, 分别采用启发式算法和MRPII 方法对产能进行分析,依次对产品招标值进行循环满足, 直到完成所有产品分析得到投标值A、 B 矩阵, (A 代表启发式算法, B 代表MRPII 方法)如表1所示:

投标值A 矩阵: [11203 12007 14119 11016 12446 18005 16553 9896 18007]

投标值B 矩阵: [11415 12108 14263 11274 12327 17958 16861 9740 17253]

第三, 对两种方法投标结果进行分析, 分别计算以下几项数据进行对比, 经Matlab 7.6.0 分析计算结果如下:

(1)投标差值Δ(delta)=Rik -Dik %投标值与招标值的绝对差值

[-203 541 -1204 -860 313 656 6262 -2600 -2762;

9 642 -1060 -602 194 609 6570 -2756 -3516 ]

(2)投标完成率:CloseRate(%) =Rik/Dik %投标值与招标值的完成对比率

[98.14 99.17 98.99 97.71 100.97 100.26 98.17 101.60 104.37;

100.08 105.60 93.08 94.93 101.60 103.51 163.84 77.94 83.07]

(3)相关系数(correlation coefficient) % 投标值与招标值的相关性, 越大表示越相关, 反馈效果越好。

启发式算法相关系数矩阵:

MRPII 相关系数矩阵:

可以看出启发式算法具有较好的投标值/招标值相关性。

表4-5 S 企业Sc 车间生产计划招标值与投标值对比

从以上数据分析可以看出经过S 半导体封装测试工厂三个季度大量数据的验证, 改进的合同网协议结合启发式算法实现了Agent之间的快速交互分配和产能平衡, 具有较好的投标完成率和相关系数矩阵, 进行了生产计划的优化分配。

本章根据半导体封装测试生产计划的特点, 研究了分布式多工厂模式下的生产计划分配流程, 建立了基于改进的合同网协议的多智能体生产计划协商模型。 针对协商过程中投标值确定的问题, 提出了基于产能平衡的优化方案, 并通过启发式算法求解寻优。 在S半导体封装测试工厂生产计划实例研究中, 根据本书提出的协商模型和算法进行了验证。 通过和传统的MRPII 方法进行对比, 结果表明该方法的高效性和可行性。