基于多Agent技术的半导体生产线动态调度研究

以提高芯片生产厂家的市场竞争力、芯片合格率和按期交货率为主要调度目标,该文提出了基于多agent技术的半导体生产线动态调度算法,各加工中心agent相互合作,调度时协同考虑上下游加工中心的信息,共同满足优化调度的目的,仿真实验证明了算法的有效性。     

基于遗传算法的半导体生产线调度方法研究

在介绍遗传算法及其在流水车间调度(flow shop)应用现状的基础上,针对半导体生产线可重入的特性,研究了基于遗传算法的半导体生产线调度算法,并用一个例子给出了算法的计算过程。     

基于CBR的半导体生产线组合调度策略研究

将调度策略及其作用于具体生产模型时得到的生产性能指标作为调度实例存储到实例库中,和用CBR方法找到与新的调度要求最相似的几个实例,并把这些相似实例所采用的调度规则按不同的权重进行组合后运用于该模型,以达到优化生产性能指标的目的。具体调度实例是对SRPT、LPT及SPT 3种调度策略进行组合,仿真结果显示,相对于3种调度策略中的一种来说,组合调度策略作用下的平均加工周期及其方差得到了一定程度的优化。     

基于多Agent的半导体生产线调度仿真系统

提出在高层体系结构（HLA）下集成多Agent的方法对半导体生产线进行建模与仿真。多Agent系统可以提供仿真的智能支持,而HLA则可以提供一致的基础框架,解决多Agent仿真带来的互操作和一致性问题。针对半导体生产调度的特点,构建了仿真系统框架。仿真联邦由Agent联邦成员和非Agent联邦成员组成,各联邦成员之间通过对象类、交互类、Agent消息实现互相访问,Agent联邦成员通过协商算法生成优化的调度方案。最后,基于JADE实现了一个多Agent的半导体生产线调度仿真系统,并进行了仿真实验。     

半导体制造系统仿真调度中的优化方法

基于仿真的调度方法通常需要进行大量的仿真或者采用好的规则以优化调度结果. 本 文建立了以减小平均在制品为优化目标的半导体制造系统的调度模型, 对模型进行分解和简 化. 把结论作为一个调度规则直接应用于仿真调度方法. 由于充分利用了系统全局的状态信 息, 可以有效地减少仿真的次数, 提高了仿真调度的优化能力.     

基于蚁群算法的半导体生产线调度方法研究

为了解决具有可重入特性的半导体生产线调度问题,提出基于蚁群算法的半导体生产线调度模型（ASWFSM）。在模型中,利用图论的方法把调度方案的寻优过程转换为蚂蚁对有向图的搜索,并且,引入专家系统作为推理机避免了寻优过程中对可行节点判断的复杂性。仿真试验证明,此模型具有良好的调度效果和稳定性。     

半导体制造中的调度

半导体生产线是带重入型的生产线,与传统 Ｊｏｂ Ｓｈｏｐ 和 Ｆｌｏｗ  Ｓｈｏｐ 生产线存在着明显区别。这使得它的调度问题成为一个难点。本文仅对近年开发的调度策略作一个简单回顾。     

网格技术在半导体生产调度中的应用研究

网格技术是一种新型的分布计算技术,致力于解决复杂度很高的新应用问题.随着全球半导体生产规模的日益扩大,半导体生产线的优化调度问题成为学术界及工程界研究的热点.半导体生产线具有许多特殊的特点,诸如生产规模大、工件数量多、随机性大、加工成本高、高度的可重入性等,这些特点决定了原有的调度策略已不能满足半导体生产线的要求.鉴于网格技术在处理设备可扩展性和资源平衡性上的优势,主要研究将网格技术的思想用于半导体生产线的调度中.利用网格计算中的负载向量和失衡因子的概念,来控制半导体生产线上各加工机器处工件块的规模以及投料规模.通过优化算法的调度,使得半导体生产线的各加工设备负载得到平衡,设备的生产效率提高,缩短加工周期,从而达到优化生产线的目的.     

数据驱动下的半导体生产线动态调度方法

本文研究了一种数据驱动下的半导体生产线调度框架,该框架基于调度优化数据样本,应用机器学习算法,获得动态调度模型,通过该模型,对于半导体生产线,能够根据其当前的生产状态,实时地定出近似最优的调度策略.在此基础上,利用特征选择和分类算法,提出一种生成动态调度模型的方法,并且具体实现出一种混合式特征选择和分类算法的调度模型:先采用过滤式特征选择方法对生产属性进行初步筛选,然后再采用封装式特征选择和分类方法生成模型以提高模型生成的效率.最后,在某实际半导体生产线上,对在所提出的框架上采用6种不同算法实现的动态调度模型进行测试,并对算法性能数据和生产线性能据进行对比和分析.结果表明,数据驱动下的动态调度方法优于单一的调度规则,同时也能满足生产线调度实时性要求.在数据样本较多的情况下,建议采用本文所提出的方法.     

企业信息集成环境下的车身生产线调度的实现

本文讨论了车身制造企业中两级生产线调度的问题。在企业生产信息集成的环境下，将各种实际的约束条件通过数据表的形式引入调度编排过程，调度目标为油漆线的车型队列切换代价总和最少。对于此种生产环境，此方法可得到有较高优化程度的生产线调度。     

半导体生产线的RBF神经网络预测建模

预测模型是预测控制的基础。半导体生产过程的复杂性和随机性,使之难以建立确定性模型。提出一种新方法,利用径向基（RBF）神经网络对该过程建立预测模型。使用simul8软件对之在各种投料策略和调度策略下进行仿真并定时采样,将采样得到的数据对模型进行训练测试,结果表明该模型的预测输出与实测样本基本吻合,网络模型具有很好的泛化能力。训练后的网络可以对半导体生产线进行快速准确的预测,为预测控制和实时调度打下基础。     

Multi-objective optimal scheduling of reconfigurable assembly line for cloud manufacturing

We propose a multi-objective optimization scheduling model to improve the production efficiency of a reconfigurable assembly line. We aim to minimize the costs of assembly line reconstruction, achieve the production load equalization, and minimize the delayed workload using this model. However, the proposed multi-objective optimization model is significantly complex for conventional mathematical optimization methods. Thus, we present an efficient solution approach based on a distance sorting particle swarm optimization. Finally, a case study is conducted to illustrate the feasibility and efficiency of the proposed method. Experimental results indicate that our proposed approach can significantly improve the production efficiency (i.e. increased production load balance, minimized reconstruction cost, and minimized delayed workload).     

Multiple-objective scheduling and real-time dispatching for the semiconductor manufacturing system

Implementing efficient scheduling and dispatching policies is a critical means to gain competitiveness for modern semiconductor manufacturing systems. In contemporary global market, a successful semiconductor manufacturer has to excel in multiple performance indices, consequently qualified scheduling approaches should provide efficient and holistic management of wafer products, information and manufacturing resources and make adaptive decisions based on real-time processing status to reach an overall optimized system performance. To cope with this challenge, a timed extended object-oriented Petri nets (EOPNs) based multiple-objective scheduling and real-time dispatching approach is proposed in this paper. Four performance objectives pursued by semiconductor manufacturers are integrated into a priority-ranking algorithm that serves as the initial scheduling guidance, and then all wafer lots will be dynamically dispatched by the hybrid real-time dispatching control system. A set of simulation experiments validate the proposed multiple-objective scheduling and real-time dispatching algorithm may achieve satisfactory performances.     

基于制造网格的虚拟企业资源调度问题研究

为支持虚拟企业间资源的高效调度,在制造网格的基础上,提出了虚拟企业的资源调度平台。研究了基于GlobusToolkit 4和agent技术的平台实现方法和工作流程。在此基础上,提出了以T、C、Q、S为目标的多目标资源优化调度模型,结合制造网格与计算网格的差异,将网格底层的跨地域实体物流交互对资源调度的影响纳入优化调度模型,使虚拟企业资源调度方案更加合理。最后,以一个具体的实例,验证了多目标优化调度模型的有效性。     

半导体黄光区调度问题研究

对半导体黄光区调度问题进行了研究,建立了半导体黄光区调度的数学模型,分别提出了用于求解该问题的启发式方法和粒子群算法方案,阐明了两种算法方案的具体实现过程。通过对仿真实例进行计算和结果比较,表明了粒子群算法优于启发式方法,取得了不错的优化效果。     

基于多Agent 可互操作知识化制造动态自适应调度策略

针对知识化制造系统生产环境的不确定性,构建一个基于多Agent可互操作的知识化动态调度系统.该系统对各种调度问题采用具有一系列问题特征的知识表示,利用Agent技术构建基于问题的功能模块,提出一种基于改进 -学习算法(WSQ)的自适应调度机制,以此指导设备Agent在动态环境下的调度策略选择.通过对其进行复杂性分析和仿真实验,验证了该控制策略的有效性.该系统具有自适应和自学习特征,具有高度智能化和可互操作性.     

Simulation optimization approach for hybrid flow shop scheduling problem in semiconductor back-end manufacturing

This study presents a simulation optimization approach for a hybrid flow shop scheduling problem in a real-world semiconductor back-end assembly facility. The complexity of the problem is determined based on demand and supply characteristics. Demand varies with orders characterized by different quantities, product types, and release times. Supply varies with the number of flexible manufacturing routes but is constrained in a multi-line/multi-stage production system that contains certain types and numbers of identical and unrelated parallel machines. An order is typically split into separate jobs for parallel processing and subsequently merged for completion to reduce flow time. Split jobs that apply the same qualified machine type per order are compiled for quality and traceability. The objective is to achieve the feasible minimal flow time by determining the optimal assignment of the production line and machine type at each stage for each order. A simulation optimization approach is adopted due to the complex and stochastic nature of the problem. The approach includes a simulation model for performance evaluation, an optimization strategy with application of a genetic algorithm, and an acceleration technique via an optimal computing budget allocation. Furthermore, scenario analyses of the different levels of demand, product mix, and lot sizing are performed to reveal the advantage of simulation. This study demonstrates the value of the simulation optimization approach for practical applications and provides directions for future research on the stochastic hybrid flow shop scheduling problem.     

基于区块链的云制造系统内可信资源调度方案

针对目前云制造系统中存在的各参与主体间信任问题以及资源调度效率问题,研究了将区块链技术应用于云制造系统中.首先,阐述了区块链技术应用于云制造系统的意义,提出了一种基于区块链技术的云制造系统;其次,设计了基于智能合约的制造资源调度方式,构建制造成本最小、时间最短、合格率最高的资源调度模型并用差分进化算法进行求解;最后,进行实验仿真.结果表明,基于区块链技术的智能合约内进行资源调度方法在保证了系统内各参与主体间相互信任的同时,有效地提高了云制造系统的资源调度效率和资源调度方案的优越性.