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。     

基于遗传算法的可重入半导体生产线的调度

半导体生产线的可重入性使得半导体生产车间的调度成为NP难题.基于遗传算法的调度是将遗传算法应用到半导体生产线的投料策略和调度策略上,通过合理的编码来寻找一组投料策略和调度策略的组合,来解决可重入半导体生产线的调度问题.和以往的方法不同,这种方法可以从全局上来调度半导体生产线,充分发挥出各种策略的优势.仿真结果表明这种方法对于产出量、制造周期偏差、瓶颈设备利用率等关键生产指标都有明显改善.     

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.     

晶圆生产线瓶颈区并行机半在线调度方法

为提高晶圆生产线瓶颈区生产率,提出一种瓶颈区并行机半在线调度方法.该方法基于晶圆制造的"多重入"特点,充分利用生产历史信息、可预知信息及实时信息,分析了瓶颈区短期内的重入流来源,给出了瓶颈区任务集的预测方法.针对非零初始状态的生产线,设计了以最小化瓶颈区平均加权拖期时间为优化目标的蚁群优化算法,定义了并行机任务集析取图,并给出了半在线调度方法的应用算例,为实际生产管理提供了可行的优化方法.     

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.     

半导体制造刻蚀设备调度算法的研究

半导体生产线是目前世界上公认的最复杂的制造系统,刻蚀设备是半导体晶圆制造过程中最复杂的系统,刻蚀设备的调度算法是系统生产管理控制的核心功能。目前国内大多数的研究都是针对于fab级别的任务调度,而针对单独的刻蚀设备的优化算法的研究很少。在此,笔者提出了一种基于规则的实时晶圆调度算法,力求实现生产周期缩短、提高设备产能的目标。     

集成电路生产的优化调度——理论模型、算法与系统仿真

半导体生产线的优化调度问题在上世纪80～90年代就已被关注，这是因为半导体生产装备价格昂贵，生产过程又十分复杂，如何充分利用生产资源就成了一个关键问题。随着我国政府重点推动半导体产业的发展，集成电路生产线的优化调度问题就越来越成为学术界及工程界研究的热点。     

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.     

基于改进模拟退火算法的针织生产线调度研究

针对含有多阶段生产流程的针织服装生产线调度问题，构建包含机器资源约束和成批约束的四阶段异构车间调度模型，利用多种调度规则对相邻阶段调度流程进行衔接。提出一种基于织片排序的带有多邻域搜索和重升温操作的改进模拟退火算法，以最大完工时间最小化为目标对上述模型进行求解。结合企业实际背景构建10种混合式订单作为案例进行仿真实验，并与现有优化算法进行对比，证实了该算法在求解针织服装生产线调度问题的有效性。     

集成电路生产的优化调度——理论模型、算法与系统仿真

半导体生产线的优化调度问题在上世纪80～90年代就已被关注,这是因为半导体生产装备价格昂贵,生产过程又十分复杂,如何充分利用生产资源就成了一个关键问题。随着我国政府重点推动半导体产业的发展,集成电路生产线的优化调度问题就越来越成为学术界及工程界研究的热点。也因此,研究集成电路生产线的优化调度具有重要的经济价值和学术意义。     

一种提高制造系统运行可靠性的控制策略

从控制理论的角度出发,通过折衷考虑系统的在线运行成本和可用度,对于一般可 修的、具有中间缓冲库的级联生产线,基于制造系统的冲突点调度策略,提出一种改善系统运 行可靠性和利用率等性能指标的控制策略.仿真结果证明了本文方法的有效性.这种方法可 推广至一般结构的制造系统.     

基于蚂蚁算法的制造资源搜索调度研究

本文基于对制造资源调度和发现过程的分析研究,建立实用的制造资源调度器模型和调度策略,然后采用蚂蚁算法对制造资源的调度快表做出优化,并做出有关的实验和数据分析。该方法能够有效地实现制造资源的作业的合理调度和实现分布式系统的负载平衡,提高了制造资源搜索的成功率。     

Distributed scheduling based on due dates and buffer priorities

Several distributed scheduling policies are analyzed for a large semiconductor manufacturing facility, where jobs of wafers, each with a desired due date, follow essentially the same route through the manufacturing system, returning several times to many of the service centers for the processing of successive layers. It is shown that for a single nonacyclic flow line the first-buffer-first-serve policy, which assigns priorities to buffers in the order that they are visited, is stable, whenever the arrival rate, allowing for some burstiness, is less than the system capacity. The last-buffer-first-serve policy (LBFS), where the priority ordering is reversed, is also stable. The earliest-due-date policy, where priority is based on the due date of a part, as well as another due-date-based policy of interest called the least slack policy (LS), where priority is based on the slack of a part, defined as the due date minus an estimate of the remaining delay, are also proved to be stable     

动态生产调度管理系统的研究与实现

本文基于知识发现提出了一类动态调度算法的框架，在此基础上，基于数据仓库建立 了动态调度管理系统的体系结构，并采用面向对象（Object-Oriented，O-O）技术，分析 和设计了动态调度管理系统，最后阐明了所提方法的优点．     

不确定环境下的航空发动机装配线适应性调度方法

航空发动机装配是航空发动机制造过程的关键环节,其工序多,流程复杂,生产过程中扰动频发,如装配时间波动、不合格返工等.针对不确定环境下的航空发动机装配线的调度问题,提出一种基于门控循环神经网络(GRU)的适应性调度方法.该调度方法包含扰动识别和调度规则调整两个部分:扰动识别模块以滑动时间窗口为周期,利用GRU神经网络进行渐近型扰动的识别;调度规则调整模块以扰动识别的结果为触发,通过构建基于GRU神经网络的调度规则决策模型,输出适配当前生产状态的新的调度规则,用以指导生成更新的调度方案.最后,以某航空发动机装配线为研究案例,对所提出适应性调度方法进行验证分析.对比实验结果表明,所提出方法能够有效提升装配线的设备利用率、日均生产率等性能.     

Deep reinforcement learning for solving resource constrained project scheduling problems with resource disruptions

The resource-constrained project scheduling problem (RCPSP) is encountered in many fields, including manufacturing, supply chain, and construction. Nowadays, with the rapidly changing external environment and the emergence of new models such as smart manufacturing, it is more and more necessary to study RCPSP considering resource disruptions. A framework based on reinforcement learning (RL) and graph neural network (GNN) is proposed to solve RCPSP and further solve the RCPSP with resource disruptions (RCPSP-RD) on this basis. The scheduling process is formulated as sequential decision-making problems. Based on that, Markov decision process (MDP) models are developed for RL to learn scheduling policies. A GNN-based structure is proposed to extract features from problems and map them to action probability distributions by policy network. To optimize the scheduling policy, proximal policy optimization (PPO) is applied to train the model end-to-end. Computational results on benchmark instances show that the RL-GNN algorithm achieves competitive performance compared with some widely used methods.     

汽车综合性能检测线的建模与短期调度

研究了汽车综合性能检测线批次检测车辆的建模与短期调度问题. 调度的目标是使给定数量车辆检测时间最短. 该过程是一个变存储策略的序贯多目的批处理过程. 建立调度数学模型时, 把Moon等人[1] 的工作推广到了NW, NIS, FIS存储策略, 并根据汽车综合性能检测线的实际情况建立了顺序相关存储策略和人力资源约束的数学表达. 该数学模型表达为一个混合整数非线性规划 (MINLP), 经线性化处理转化为一个混合整数线性规划问题 (MILP), 求解使用了分枝定界法 (BAB). 计算结果对汽车综合性能检测线     

VirMIC—一个基于Internet的IC虚拟制造环境

该文展示了一个Internet环境下的集成电路虚拟制造环境VirMIC,着重于系统的三个核心模块,即电路性能仿真与成品率优化模块、工艺线仿真与调度模块和产品决策模块,电路性能仿真与成品率优化模块,建立了一个基于OO-DCE的技术CAD环境,以这个环境为依托,通过协调效益和成品率进行了工艺流程的可制造性优化设计;工艺线仿真与调度模块,以一定的工艺流程和制造系统配置为基础,建立制造系统Petri网模型,从而进行系统性能仿真和生产调度,对制造系统的整体性能进行优化;产品决策模块以前两个模块为基础,对如何选择合作伙伴,如何在合作伙伴之间分配用户提交的制造负荷,为构成“虚拟企业”提供指导性信息,以上三个模块构成了Vir-MIC系统的功能核心。     

A hierarchical scheduling policy applied to printed circuit board assembly

This paper discusses the performance of a new hierarchical production scheduling policy for flexible manufacturing systems. A detailed simulation of an automated printed circuit card assembly line is used as an experimental test bed. This simulation is a model of a line that is currently being installed at the International Business Machines Corporation (IBM) plant at Tucson, Arizona. The hierarchical strategy is effective in meeting production requirements (both total volume and balance among part types) while limiting average work-in-progress. This is a consequence of the nature of the policy whose key elements are a discipline that, at each level of a hierarchy, keeps material flow within capacity, even in the presence of uncertainty, by using feedback.