CN101833319A - 面向多重入制造系统在线调度的单台设备匹配重调度方法 - Google Patents

Abstract

本发明提供一种面向多重入制造系统在线调度的单台设备匹配重调度方法，即局部重调度算法中的单台设备匹配重调度(SMUR)算法；这种算法以充分利用设备空闲时间为思想，以提升重调度决策的有效性与生产线的稳定性。该方法主要过程是，(1)寻找匹配点，确定是否可以采用SMUR方法的判定过程，若找不到这样的匹配点，则采用常规的右移重调度方法调整；(2)确定重调度任务集，从扰动开始时间到匹配点之间的受影响任务将是SMUR调整的对象；(3)更新任务加工时间，在等待约束的范围内迭代更新任务的开始时间和结束时间；优点在于，这种算法优化了右移重调度算法，充分利用设备任务空闲，消除扰动对调度方案的影响，大大提高生产线在重调度后的稳定性。

Description

面向多重入制造系统在线调度的单台设备匹配重调度方法

技术领域

多重入制造系统的在线重调度方法，特别面向微电子制造领域的生产管理技术，是一种修正式的重调度方法。具体地，本发明涉及一种重调度方法，即局部重调度算法中的单台设备匹配重调度(SMUR)算法；这种算法以充分利用设备空闲时间为思想，以提升重调度决策的有效性与生产线的稳定性。

背景技术

对于复杂多变的多重入制造系统，许多生产线的扰动因素具有不可预测性，而这些扰动因素往往会使得原本优化的调度方案不再优化，甚至失去了可行性，这时需要对生产线进行重新调度，这也就引出了多重入制造系统的重调度问题。

所谓重调度，是指当既定生产调度方案在其执行过程中被干扰时，在既定调度方案的基础上生成新的调度方案，以适应当前状态的过程。

目前，国内外的重调度研究主要集中于单台机器系统、并行机器系统、流水车间和作业车间、柔性制造单元与系统。研究内容主要包括以下三个方面：重调度策略、重调度方法和重调度评价。

重调度策略是根据各种重调度因素，决定何时产生重调度，采用何种重调度方法。常见的有三种重调度策略：周期性重调度策略，事件驱动重调度策略和混合重调度策略。

周期性重调度策略以恒定的时间间隔有规律的对设备进行重调度，不考虑事件触发。周期性重调度是最普遍的重调度策略，通常是基于管理区间(如，一周或一天或一个班次)进行的。Church和Uzsoy给出了这种重调度策略详细的解释。Kempf提出了一种基于人工智能的预先调度方法，该方法每个班次执行一次，给出优化的调度方案。Sabuncuoglu和Karabuk在柔性制造系统中考虑重调度频率对系统效能的影响。不同的重调度周期对生产线的影响很大，如何决定最佳重调度周期是一项困难而重要的工作。

事件驱动重调度策略由扰动事件触发重调度，能够即时响应动态制造系统中的扰动事件，修改原调度方案或生成新的调度方案。Vieira等描述了在动态系统中利用分析模型比较基于队列长度的事件驱动重调度策略的性能。Bierwirth和Mattfeld研究的重调度策略，当每个新工件到来时创建一个新的调度。然而，完全的事件响应可能会导致过度的计算开销，难以满足实时性的要求。

混合重调度策略将上述两种重调度策略相结合，在周期性触发重调度的基础上，根据扰动事件对原调度方案的影响有选择的触发重调度。Chacon描述了在Sony半导体中使用的系统，采用周期性重调度策略，并且当非预期事件发生时手工进行重调度。Suwa采用固定周期重调度策略，同时计算累积任务延迟，当累计任务延迟达到预先设定的临界值时开始重调度。混合型重调度既可以避免周期性重调度对非预期事件不敏感的确定，又可以避免事件驱动型重调度易造成过度频繁的重调度导致计算量过大的缺点。

在采用流水线车间加工的生产系统中，一个传送系统沿着工作台运送WIP，在每个工作台处，完成WIP的一道不同工序。从理论上，WIP在从头到尾加工行进期间中访问各个工作台一次。半导体生产线与使用流水线车间加工的大多数生产系统不同。在半导体生产线中，WIP在加工行进过程中有可能数次访问同一个工作台，WIP要经历数次清洗、氧化、沉积、喷涂金属、蚀刻、离子注入及脱膜等工序，直到完成半导体产品。

重调度方法用于产生具有优化性能指标的重调度方案，主要有两种方式：生成式重调度和修正式重调度。

生成式重调度根据是否考虑生产线不确定因素可以分为：常规性调度和鲁棒性调度。常规性调度通常忽略随机扰动因素，旨在给出优化的静态调度方案，但是对随机扰动处理能力不够。常规性调度可以借鉴已有的调度方法，如离散时间系统仿真，运筹学，计算智能等。鲁棒性调度在常规性调度的基础上研究生产线的各种随机因素，在调度的时候已经考虑各种干扰的影响，所以给出的调度方案更适用于实际的生产。不少学者对不确性模型的鲁棒性调度展开了研究，Metha和Uzsoy提出的预期调度方案通过插入一些空闲的时间片来减少随机扰动的影响。Daniels和Kouvelis等人考虑生产线处于最坏情况下给出优化调度方案，这样可以更有效的减少随机事件的干扰，但是在扰动较少的情况下可能会降低生产率。

当原有的调度方案由于各种随机因素不适用的时候，需要进行修正，即进行修正式重调度。修正式重调度主要分为两类：局部修正式重调度、全局修正式重调度。局部修正式重调度仅仅修正那些受扰动直接影响和间接影响的派工方案。Miyashint和Sycara在基于约束的基础上根据不同的情况选择局部修正的方法，具体包括调整开始加工时间、交换操作和切换到其他可选资源。全局修正式重调度由重调度点开始更新整个调度方案。Bierwirth和Mattfeld在原调度方案的基础上使用遗传算法生成新调度，该方法可以有效的减少重新生成调度方案的计算开销。James等人提出了一种基于原调度方案的匹配调度方法，考虑了多种资源约束、工件的投料和生产线扰动。

重调度有许多不同的评价指标，这些评价指标大致可以分成三类：有效性评价指标、稳定性评价指标和成本评价指标。

有效性评价指标通常使用一些基于时间的指标，比如加工周期，平均延迟，平均资源利用率，最大延迟等。稳定性评价是重调度十分重要的评价指标。Wu和Storer等人认为稳定性主要表现在新旧调度方案开始时间的偏差和新旧调度方案各个操作顺序的差异。基于时间的指标不能明显的反映经济效益，一些研究人员提出调度决策需要考虑一些经济性指标，如Shafaei和Brunn提到总成本、WIP数、延迟交货代价和不同任务的收益等评价指标。

本发明以半导体生产线为对象，对多重入制造系统中在线重调度的策略和方法展开研究，通过优化重调度策略和重调度方法来提高系统对不确定事件的反映能力，使新调度方案不仅继承了原调度的优化性同时尽可能保持调度方案的稳定性。

发明内容

本发明提出的重调度算法包括下列步骤：

(1)寻找匹配点，确定是否可以采用SMUR方法的判定过程，若找不到这样的匹配点，则采用常规的右移重调度方法调整；

(2)确定重调度任务集，从扰动开始时间到匹配点之间的受影响任务将是SMUR调整的对象；

(3)更新任务加工时间，在等待约束的范围内迭代更新任务的开始时间和结束时间；

其中，寻找匹配点和确定任务集的步骤是：

步骤1，确定故障设备k_d的匹配点

和需要重调度的任务集

对故障设备的任务集进行刷选与排序，选择满足下列公式的任务，并按任务的开始时间升序排列；

$O_{\left[1\right]}={\min }_{\∀i}\left(X_{{i,k}_d}\right|X_{{i,k}_d}\≥t_d)$

其中：

O_[1]：发生扰动后，原序列中第1个任务；

原调度中任务i在设备K上的开始时间；找出故障结束后最早满足下列公式的任务序号np，

$t_u={\mathrm{\Σ}}_{i=1}^{\mathrm{np}}{P}_{\left[i\right],k_d}-X_{[\mathrm{np}+1],k_d}\≤0$

其中：

np：任务第n个操作；

t_u：扰动的结束时间；

第i个操作在第k台设备上的加工时间；

从而得到，故障设备的匹配点为

故障设备的重调度任务集为

其中：

故障设备的匹配点；

故障设备上第np+1个操作的开始时间；

故障设备的重调度任务集合；

O_[i]：第i个任务；

步骤2，确定其他设备的匹配点

和重调度任务集ζ_k；

第k台设备的匹配点可以由

来确定；

对于任意满足式子

的任务，其中k＝1，2，...，m且k＝k_d，将其加入任务集ζX；

其中：

第K台设备的匹配点；

ζ_k：第K台设备的重调度任务集合；

X_i，k：原调度中操作i在设备k上的开始时间点；

p_i，k：操作i在设备k上的加工时长；

t_d：扰动的开始时间；

k_d：故障的设备；

步骤3，确定SMUR匹配点T_p和重调度任务集ζ；

SMUR方法的匹配点

重调度的任务集为ζ＝ζ₁∪ζ₂∪...∪ζ_m，其中k＝1，2，...，m；

其中：

T_p：全局重调度匹配点；

设备的重调度匹配点；

ζ_i：第i台设备的重调度任务集；

更新任务时间：

确定了重调度匹配点后，根据匹配点是否在规定的时域范围内选择更新任务时间的方法。上述过程同时也确定了重调度任务集，下面介绍如何更新这些任务的开始加工时间和结束加工时间。由于任务之间存在着上文提到的等待约束关系，调度更新被设计为一个迭代的过程，从故障开始的一刻开始依次更新任务集中的任务，对于已经更新的任务则从任务集中移除。

这里的任务集采用一种队列的数据结构，如图2所示。对于队列中每一个任务，其结构如图中q所示，包含了产品号、工件号、设备号、当前步数、开始加工时间和任务加工时间这些必要的信息。

调度更新过程如图3所示，新任务的开始加工时间由设备的最早可用时间和任务的最早到达时间两者的最大值确定。设备的最早可用时间，一般由两个因素的最大值确定：(1)该设备上一个任务的结束时间；(2)设备扰动结束时间(如故障修复好的时间、维护保养的完成时间)。任务的最早到达时间需要考虑两种情况：(1)对于单卡加工设备，任务的最早到达时间由该任务上一步的完工时间确定；(2)对于批加工设备，任务的最早达到时间由该批任务中工件上一步任务完工时间的最大值确定。

以上SMUR重调度方法的设计目标是有效利用任务间空闲时间，快速响应生产线扰动，及时更新调度方案，保持原调度方案的优化性能。

SMUR方法只要调整部分原调度方案就可以得到新的调度，但同时可以发现，该方法需要原调度方案比较松弛，具有较多的空闲时间。对于某些任务负载较重的设备，空闲时间较少，使用上述方法会受到一定的限制。

半导体生产线中，某些设备具有这样一个特点，同一加工任务可以在多台设备上加工，即某些设备具有相似的功能，一般的把这些具有相似功能的设备称为设备组。同样以设备故障作为生产线的扰动因素，本发明考虑设备组的匹配重调度方法。

本发明的优点在于，这种算法优化了右移重调度算法，充分利用设备任务空闲，消除扰动对调度方案的影响，大大提高生产线在重调度后的稳定性。

总之，本发明提供了切实可行的半导体生产局部重调度算法，该算法的提出对研究半导体生产重调度有一定的参考价值，对提高我国半导体生产系统领域中局部重调度算法具有重要的指导意义。

在SMUR算法中用到的一些字母符号如下：

nmatch-up阶段中的任务数；

m设备数；

p_i，k第i个任务在第k台设备上的加工时间；

k_d故障的设备；

原调度中第k台设备的调度开始时间；

新调度中第k台设备的match-up时间点；

T_p重调度匹配点

T_max最大match-up时间点(原调度的结束时间)；

加工任务i的第一台设备；

加工任务i的最后一台设备；

ES_i，k操作(i，k)可能的最早时间；

LF_i，k操作(i，k)可能的最迟时间；

X_i，k原调度中操作(i，k)的开始时间；

Y_i，k新调度中操作(i，k)的开始时间；

t_d扰动的开始时间；

t_u扰动的结束时间；

O_[i]发生扰动后，原序列中第i个任务；

ζ_k设备k的重调度任务集；

ζ所有设备的重调度任务集；

附图说明

图1是SMUR的算法流程图；

图2是重调度算法中任务队列的数据结构示意图；

图3是SMUR算法中迭代更新任务开始时间和结束时间示意图；

具体实施方式

本发明提供的重调度方法的实施方式如下。

本发明提供的调度方法在具体实施阶段需要满足的条件为：企业必须有支撑生产的MES系统，或者实时与实际生产同步的数据库；由于本发明提供的两种算法均需要仿真作为辅助，必须至少有一种仿真平台软件支持。

重调度系统应包括三块内容：企业数据库、本地数据库、重调度软件系统、仿真平台。大致流程为，软件系统每隔固定时间从企业数据库中读取数据，存入本地数据库，一旦发现重调度扰动，则触发重调度，重调度软件系统通过仿真接口控制仿真平台的仿真开始、结束，最后，将重调度后的数据通过软件系统写回至企业数据库，以供MES系统使用，使线上工作人员能及时依照最新的派工方案进行派工。以下就各部分详细阐述本发明的实施方式。

由于企业数据库的结构往往是异构的，且同一企业内，由于生产线的不同，所对应的数据库也会不同。然而，本发明提供的重调度算法对生产线并无特殊需求，属于适用性较广的算法。所以，要使重调度算法能够适用于所有的生产线，需要先转换企业数据库至本地数据库。重调度算法对数据的需求并不复杂，只需要有原始的派工信息即可。

本地数据库的作用在于存储从企业数据库中加载的数据，目的在于比较最新的数据与前一次加载数据的区别，以判断是否满足重调度的触发条件。一般触发条件包括三种：累计加工延时超标(指工件的实际开始加工时间或完工时间与原调度方案之间的误差，若误差达到一定的阀值，则说明原调度方案不再适用，必须生成重调度方案，以缩短预期调度与实际生产之间的误差)；设备故障(指突发的不可预测的设备故障，同时需要故障信息及时有效的在数据库中反映，如此才能保证重调度算法的有效性)；非计划性投料进入生产线(指不在计划之内的投料，一般是企业的工程卡，即用于实验的测试卡，且这些卡的优先级一般比较高，一旦有这些工件的加入，势必打乱原先的调度方案，需要重调度)。本地数据库的另一作用在于存储每次重调度前后的排程方案，以方便企业通过历史数据分析重调度的有效性。

仿真平台，作为重调度系统的辅助工具，用于当无法找到匹配点，或算法执行超时，可采用仿真平台做全局重调度，仿真平台必须提供外部接口可与软件系统数据交互、仿真控制等。

重调度软件系统，该部分作为重调度系统的核心部分作用在于控制企业数据库与本地数据库，以及控制仿真平台，并且实现重调度算法。在企业数据库方面，软件负责每隔固定时间段加载企业数据库中所需要的数据，并存入本地数据库，目的在于及时地发现重调度触发因素。由于企业数据库的数据量一般较大，可以采用增量形式对数据进行刷新。在仿真平台方面，由于本发明提供的重调度算法存在找不到匹配点或算法运行超时的情况，在这种情况下，可选用全局重调度替代，然而全局重调度需要仿真平台的支撑。

另一方面，算法实现是软件系统的主要部分，以下详细阐述算法的实现过程。采用递归算法实现，首先是SMUR算法。

SMUR算法有三个参数，新开始时间(即当前任务的新加工开始时间)startTime，任务Dispatch，是否调度在当前任务后的在同一设备上的任务标志位eqpFlag，简称设备标志位。

步骤1检查startTime是否小于当前任务的原startTime，若小于则直接返回，否则继续下一步。因为如果新开始时间小于调度任务的原开始时间，则表示匹配点已找到，无须继续调度后续任务。

步骤2判断设备标志位eqpFlag是否为真，若为真则下一步，否则跳至步骤5。

步骤3寻找当前任务所对应工件的下一步工序，并找出工序所对应的任务nextStepDispatch，若找到，则递归调用SMUR算法，参数分别为：startTime＝于当前任务新开始时间+任务持续时间；dispatch＝nextStepDispatch；eqpFlag＝true；

步骤4更新当前任务的开始加工时间以及结束加工时间。

步骤5寻找与当前任务处于同一设备的下一项任务，可能不止一项，因为存在组批现象，存入列表nextEqpDispatchList中。

步骤6若列表中只有一项任务，则进行步骤7，否则跳转至步骤9。

步骤7递归调用SMUR算法，参数分别为：startTime＝于当前任务新开始时间+任务持续时间；dispatch＝nextStepDispatchList[0]；eqpFlag＝true。

步骤8寻找当前任务所对应工件的下一步工序，并找出工序所对应的任务nextStepDispatch，若找到则递归调用SMUR算法，参数分别为：startTime＝于当前任务新开始时间+任务持续时间；dispatch＝nextStepDispatcheqpFlag＝true。跳转至步骤12。

步骤9对nextEqpDispatchList中的每一项任务做循环，直至遍历列表中的所有调度任务。循环步骤为步骤10至步骤11。

步骤10若当前调度任务为循环中的第一项任务，则递归调用SMUR算法，参数分别为：startTime＝于当前任务新开始时间+任务持续时间；dispatch＝当前循环的调度任务；eqpFlag＝true。若当前任务并不是列表中的第一项任务，同样递归调用SMUR算法，除了eqpFlag＝false，其余两项参数与前面一致。

步骤11寻找当前任务所对应工件的下一步工序，并找出工序所对应的任务nextStepDispatch，若找到，则递归调用SMUR算法，参数分别为：startTime＝于当前任务新开始时间+任务持续时间；dispatch＝nextStepDispatch；eqpFlag＝true。

步骤12更新当前任务的开始加工时间与结束时间。

最后，提供本发明在MINIFAB以及HP24FAB1半导体生产线模型中的性能表现。主要分析修正后的调度任务与原调度任务的累计延时。仿真的前提为：1.随机设置5处故障，每次故障持续半小时。2.采用固定数量投料，两个月内全部投完。3.仿真时间为60天。

Claims (1)

1.一种面向多重入制造系统在线调度的单台设备匹配重调度方法，包括下列步骤：

(1)寻找匹配点，确定是否可以采用SMUR方法的判定过程，若找不到这样的匹配点，则采用常规的右移重调度方法调整；

(2)确定重调度任务集，从扰动开始时间到匹配点之间的受影响任务将是SMUR调整的对象；

(3)更新任务加工时间，在等待约束的范围内迭代更新任务的开始时间和结束时间；

其中，寻找匹配点和确定任务集的步骤是：

步骤1，确定故障设备k_d的匹配点

和需要重调度的任务集

对故障设备的任务集进行刷选与排序，选择满足下列公式的任务，并按任务的开始时间升序排列；

$O_{\left[1\right]}={\min }_{\∀i}\left(X_{i,k_d}\right|X_{i,k_d}\≥t_d)$

其中：

O_[1]：发生扰动后，原序列中第1个任务；

原调度中任务i在设备K上的开始时间；

找出故障结束后最早满足下列公式的任务序号np，

$t_u+{\mathrm{\Σ}}_{i=1}^{\mathrm{np}}{P}_{\left[i\right],k_d}-X_{[\mathrm{np}+1],k_d}\≤0$

其中：

np：任务第n个操作；

t_u：扰动的结束时间；

第i个操作在第k台设备上的加工时间；

从而得到，故障设备的匹配点为

故障设备的重调度任务集为

其中；

故障设备的匹配点；

故障设备上第np+1个操作的开始时间；

故障设备的重调度任务集合；

O_[i]：第i个任务；

步骤2，确定其他设备的匹配点

和重调度任务集ζ_k第k台设备的匹配点可以由

来确定；

对于任意满足式子

的任务，其中k＝1，2，...，m且k＝k_d，将其加入任务集ζ_k；

其中：

第K台设备的匹配点；

ζ_k：第K台设备的重调度任务集合；

X_i，k：原调度中操作i在设备k上的开始时间点；

p_i，k：操作i在设备k上的加工时长；

t_d：扰动的开始时间；

k_d：故障的设备；

步骤3，确定SMUR匹配点T_p和重调度任务集ζ；

SMUR方法的匹配点

重调度的任务集为ζ＝ζ₁∪ζ₂∪...∪ζ_m，其中k＝1，2，...，m；

其中：

T_p：全局重调度匹配点；

设备的重调度匹配点；

ζ_i：第i台设备的重调度任务集。

Images