42 lines
6.6 KiB
TeX
42 lines
6.6 KiB
TeX
% !Mode:: "TeX:UTF-8"
|
|
\begin{conclusions}
|
|
|
|
表面组装技术作为现代电子制造业的一项核心技术，用于完成高效的集成化密集电路板表面元件组装任务，推动了相关产业的发展与升级。随着技术创新与产品升级，表面组装元件正向微型化、多引脚、高集成度的方向发展，对组装过程的生产效率也提出了更高的要求，表面组装过程优化技术在其中发挥着重要作用。现有研究已对表面组装过程优化开展了广泛的探讨，分析了其中影响组装效率的主要环节，提升了表面组装过程生产效率。为解决已有研究中模型构建不完备、优化算法适用场景受限、表面组装过程效率有待提升的问题，
|
|
本文基于既有的研究成果，从数学模型的建立和优化算法的设计两方面，围绕组装过程的关键环节由点及面地研究了贴片机的组装过程优化及其生产线的负载平衡优化，旨在扩宽算法的适用范围，进一步提升贴片机及其生产线的表面组装过程效率。
|
|
|
|
现将本文的主要研究内容总结如下：
|
|
|
|
1. 通过提取影响组装效率的关键性能指标，建立了基于关键子目标分解的贴片头任务分配模型；进一步地，提出了带约束的多拾贴周期表面组装过程路径规划模型；
|
|
通过结合组装生产线的约束条件，以关键性能指标近似组装效率，提出了最小-最大表面组装生产线负载平衡模型。
|
|
相较于以往的研究，本文提出的数学规划模型充分考虑了实际组装条件，对各环节模型进行了深入讨论，给出了模型的实例说明、参数灵敏度和模型复杂度分析。分阶段的数学模型可用于小规模数据的优化，从而获得组装过程优化问题的近似最优解；
|
|
|
|
2. 提出了周期任务集成的增强数学规划模型，以基于递归的启发式确定模型的初始解，运用限制决策变量规模和压缩模型可行解域的策略，加快了周期任务集成模型求解的速度；研究了模型的解集池的选择标准，以预先评估不同解的组装过程的移动路径指标，降低了分解子问题之间的耦合性，实现了对加权关键子目标的优化。为提升大规模数据的优化求解效率，本文提出了分层前瞻启发式搜索框架，以吸嘴分配模式的构造为基础，研究了启发式的供料器安装策略，提出了基于多种评价准则和长短期目标收益的贴片头元件分配启发式算法，优化了组装任务中的主要子目标，同时结合了实际应用场景的需求进行了扩展；
|
|
|
|
3. 提出了结合组装过程多轴作业特性的动态规划算法，保证拾贴周期规划解的最优性。动态规划可作为周期内的路径规划方法，基于此，本文设计了周期间的贴装点分配方法。在贴片头任务约束下，本文研究了多源贪心算法并融合了动态导向集束搜索策略保留非贪心解，有效提高了路径规划解的质量；提出了基于聚合路径重构启发式的自适应大邻域搜索算法，用于克服贪心搜索解的拾贴周期路径贴装点分配不均衡的局限性，实现了对组装过程贴装路径持续在线优化；
|
|
|
|
4. 设计了基于数据驱动和目标驱动的底层启发式用以快速搜索高质量的负载平衡解，提出了元件可重复分配策略用以分配同类型元件在不同贴片机的组装任务，研究了组装优先级和可用组装过程对元件分配过程的限制，进一步平衡了贴片机的工作负载。本文基于集成学习构建了组装时间估计器，通过全连接神经网络的基模型和融合子目标等的多维特征编码，提升了估计器的准确度。高准确度的估计器与有较强邻域搜索能力的超启发式算法结合，使其在可接受时间内获得具有更高装配效率和更稳定输出的解。
|
|
|
|
结合上述分析，现将本论文的主要创新点归纳如下：
|
|
|
|
1. 分析了表面组装过程的优化目标和约束条件，对复杂组装任务进行分阶段解耦，建立了完备的表面组装过程混合整数线性规划模型，分析了模型优化目标参数灵敏度和复杂度，实现了解的可行性验证和解的质量的定量分析；
|
|
|
|
2. 针对贴片头的任务分配问题，提出了周期任务集成增强模型和分层前瞻扫描启发式算法，用于解决不同规模的任务分配问题，算法具备全面搜索和高效优化的能力，在提升适用范围的基础上，保证了组装过程关键子目标的高质量；
|
|
|
|
3. 针对贴装过程的路径规划问题，设计了基于动态规划的周期内和动态导向集束搜索的周期间路径规划算法，研究了基于自适应大邻域搜索的在线迭代路径优化算法，实现了多轴路径规划高质量解的构造和对解的持续迭代优化；
|
|
|
|
4. 针对组装生产线的负载平衡问题， 研究了基于多特征融合集成时间估计的超启发式优化方法用于表面组装生产线负载平衡，构建了数据驱动和目标驱动的启发式算子，实现了多台贴片机不同生产配置下负载任务的平衡，提升了整条生产线的组装效率。
|
|
|
|
综上所述，本文针对表面组装过程优化问题，对问题的各阶段模型的建立、优化算法的设计等方面开展了全面而深入的研究。所研究的模型在完备性和可解性均有所改进，所提出的启发式算法具有运算速度快、解的质量高、适用范围广等特点，能直接部署到表面组装设备及其生产线，取得了实质性的创新性成果。然而，尽管本文的研究取得了一定的进展，但其在处理具有复杂解空间的表面组装过程优化问题时，在求解效率和解的质量方面仍有提升空间。未来的研究工作将从以下几个方面展开：
|
|
|
|
1. 改进表面组装过程数学模型：本文提出的模型仅适用于中小规模数据，且所得解仅为关键指标加权拟合的近似最优解，不同角度的建模策略有望得到深入研究，模型的求解效率仍待改进提升；
|
|
|
|
2. 完善贴装过程路径规划算法：本文对贪心式路径规划算法做了改进，下一步工作中将优化路径规划搜索策略，利用组装路径规划问题的结构特征生成更高质量的解，并设计更优的局部搜索策略提升组装过程效率；
|
|
|
|
3. 提升组装时间估计器的准确度：本文将组装时间估计器作为生产线负载平衡中分配结果质量评估的依据，后续研究可通过减少组装估计器的预测误差、融合贴装点的分布特征等，提升表面组装生产线的效率。
|
|
|
|
|
|
|
|
|
|
|
|
\end{conclusions}
|