复杂生产过程基于数据的优化调度理论与方法

有效地利用企业自动化系统中的大量离在线数据，在难于建立机理模型的条件下，更好地解决实际复杂生产过程调度问题已成为国民经济和自动化学科发展迫切需要解决的问题。本课题在充分了解复杂生产过程的调度特点及需求的基础上，借鉴已有的研究成果和智能理论、数据挖掘理论的最新研究成果，以半导体制造系统为例，从整体上探索基于数据且有别于传统框架的生产过程调度的新理论和新方法。首先，确立基于数据的复杂生产过程调度理论体系与实现框架，然后，选择其中的关键问题展开深入研究。主要包括：基于离线数据的调度建模方法、基于离线数据的优化调度与在线数据驱动的调度决策、离在线数据混合驱动的模型参数预测方法与基于数据的调度建模与优化方法的性能评价方法。取得的研究成果在以实际的半导体生产线为背景进行验证与优化后，研发嵌入相关研究成果的基于数据的调度原型系统，为本项研究的推广应用打好基础。力争获得具一定国际影响及创新性的研究成果。

本项目面向复杂生产过程调度特点及发展需求，确立全新的基于数据的复杂生产过程调度实现框架，提出基于数据的调度建模与优化新方法，研发基于数据的调度原型系统。与国际上此领域研究热点相比，特色体现为系统化的基于数据的调度解决方案、精度高的参数预测与性能预测模型、实时响应动态环境变化的自适应动态调度方法。获得了具有理论意义与实际应用价值的成果。.提出了由数据层、模型层、调度方法模块和数据处理与分析模块构成的基于数据的复杂生产过程调度实现框架。其中：数据层集成了调度相关数据，是模型层的基础；模型层包括仿真模型与预测模型，用于模型参数的离在线调整或引导调度决策；调度方法模块是指集成或应用于仿真模型的传统调度方法以及基于数据的调度优化方法，前者用于生成大量仿真数据(即学习样本)或辅助决策，后者基于离在线数据混合驱动完成实际的制造系统派工操作；数据处理与分析模块包括数据抽取转化加载、对象关系映射、数据预处理和数据聚类，用于提高数据层数据的质量，以及获取模型层与调度方法模块所需的样本数据。.在基于数据的复杂生产过程调度建模与优化新方法方面，深入研究并创新群体智能理论，提出了多种智能化数据补全、降维与聚类算法；建立了多个调度性能与参数预测模型，前者用于生产线性能预测并引导调度决策，后者用于调度模型的参数设置；提出了多种基于数据的调度优化方法，包括离在线数据混合驱动的自适应调度方法与基于生产属性的动态调度策略选择方法，前者实现了算法参数跟踪实际工况的自动调整，后者实现了动态调度策略根据生产属性的动态选择。.完成了基于数据的复杂生产过程调度原型系统的设计与研发，与上海先进半导体制造股份有限公司、上海宝钢设备检修有限公司、宝山钢铁股份有限公司电厂等企业合作，进行了研究成果的验证与优化。.项目组获上海市技术发明奖一等奖1项；已发表学术论文119篇，其中SCI收录46篇，国际期刊论文56篇，入选2013年度IEEE Trans. Automation Science and Engineering期刊Best Paper Award Finalist论文1篇；出版专著4部(含1部英文著作章节)，申请发明专利11项(授权1项)，获软件著作权11部；国际国内大会特邀报告8人次，培养青年教师5名、博士研究生7名、硕士研究生26名。