CN106444649B - 一种半导体生产线闭环调度控制方法 - Google Patents

一种半导体生产线闭环调度控制方法 Download PDF

Info

Publication number
CN106444649B
CN106444649B CN201610520300.1A CN201610520300A CN106444649B CN 106444649 B CN106444649 B CN 106444649B CN 201610520300 A CN201610520300 A CN 201610520300A CN 106444649 B CN106444649 B CN 106444649B
Authority
CN
China
Prior art keywords
scheduling
production line
semiconductor
closed loop
scheduling scheme
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Expired - Fee Related
Application number
CN201610520300.1A
Other languages
English (en)
Other versions
CN106444649A (zh
Inventor
马玉敏
乔非
吴启迪
吴文靖
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tongji University
Original Assignee
Tongji University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Tongji University filed Critical Tongji University
Priority to CN201610520300.1A priority Critical patent/CN106444649B/zh
Publication of CN106444649A publication Critical patent/CN106444649A/zh
Application granted granted Critical
Publication of CN106444649B publication Critical patent/CN106444649B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05BCONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00Programme-control systems
    • G05B19/02Programme-control systems electric
    • G05B19/418Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS], computer integrated manufacturing [CIM]
    • G05B19/41865Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS], computer integrated manufacturing [CIM] characterised by job scheduling, process planning, material flow
    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05BCONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00Programme-control systems
    • G05B19/02Programme-control systems electric
    • G05B19/418Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS], computer integrated manufacturing [CIM]
    • G05B19/41875Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS], computer integrated manufacturing [CIM] characterised by quality surveillance of production
    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05BCONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00Programme-control systems
    • G05B19/02Programme-control systems electric
    • G05B19/418Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS], computer integrated manufacturing [CIM]
    • G05B19/41885Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS], computer integrated manufacturing [CIM] characterised by modeling, simulation of the manufacturing system
    • YGENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02PCLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/02Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]

Abstract

本发明涉及一种半导体生产线闭环调度控制方法,包括:调度模型库获取步骤:根据生产线历史数据离线建立调度模型库;共生仿真系统建立步骤;调度方案生成步骤,根据调度目标从调度模型库中选取相应的调度模型,生成相应的调度方案,并将该调度方案同时应用于半导体实际生产线和仿真模型,运行共生仿真系统;在线闭环调度步骤,以设定采样周期对半导体实际生产线和仿真模型的生产性能分别进行采样,根据所采样的生产性能判断当前采样时刻是否为动态调度时刻,若是,则执行调度方案生成步骤,若否,则继续对下一采样时刻进行判定。与现有技术相比,本发明具有有效减少调度决策时间、确保生产性能稳定和提高调度有效性等优点。

Description

一种半导体生产线闭环调度控制方法
技术领域
本发明涉及生产自动化调度领域,尤其是涉及一种半导体生产线闭环调度控制方法。
背景技术
在一定的约束条件下,如何分解制造系统中的任务,如何安排分解后各任务,获得最优的生产性能,是制造系统调度所需解决的问题。半导体生产线的规模庞大、耦合度高、可重入、不确定性较高,是典型的复杂制造系统,多采用动态调度方法实现其生产调度。
部分研究人员采用实时分析生产线某个或某些生产信息(设备瓶颈度、待加工工件的属性等)的方法,确定生产投料及派工策略,以达到提高生产性能的目的。中国专利“一种半导体生产调度方法和装置”(申请号:201310740754.6)提供一种生产调度方法和装置,通过动态分析生产线上不同加工设备中lot的负载信息,控制生产投料,保证生产线在制品库存量平衡,以缩短产品的平均生产周期。该方法通过调度装置动态统计生产线负载信息,并以此控制投料,保证了调度的准确性;但该方法没有综合考虑生产线全局信息,只关注负载信息及平均加工周期,未能确保提高生产线的综合性能,且在在线决策中时刻关注各个设备的lot信息,计算量较大。
还有部分研究人员结合制造企业生产过程执行管理系统对生产过程的优化,通过生产数据分析生产线全局信息,进行调度决策。中国专利“一种半导体生产线动态调度策略自动选择方法”(专利号:ZL201310119517.8)提供一种半导体生产线调度策略动态选择方法,该方法采用数据约简和分类算法分析生产线历史数据,离线训练调度决策模型;在线应用中,将实际生产线当前生产状态输入该模型,可得到对应最优的调度策略。该方法采用数据挖掘方法提取生产数据中的有效信息,为生产调度决策提供支持,但方法中的调度周期与生产运行状况无关,由决策者设定,未必能及时响应扰动,因此,动态调度的实时性有待提高。
以上调度方法是根据生产线当前状态进行调度决策,调度运行结果并不影响调度实施,结合控制理论,可将上述调度方法称为开环调度方法。由于调度决策的开环实施,此类调度方法的实施通常基于时间或事件的,即周期性地生成调动方案并实施,或者当生产线出现大的扰动时,如设备宕机、急件插入等,才会生成调度方案并实施。在实际生产运作中,由于随机性因素的存在,如加工时间的随机分布等,调度方案的实施会出现累计误差,当累计误差超过一定限度,现行的调度方案已失效,因此,周期性调度(基于时间的调度)不能满足生产调度优化目的;而另一方面,生产线稳定运行过程中或生产线轻负载运行时,当一台工作负荷较低的设备(非瓶颈设备)宕机时,并不影响到现行的调度方案的有效实施,因此,无需重新生成调度方案,而基于事件的调度在此时就会产生不必要的损耗。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种有效减少调度决策时间、确保生产控制稳定、提高调度有效性的半导体生产线闭环调度控制方法。
本发明的目的可以通过以下技术方案来实现:
一种半导体生产线闭环调度控制方法,包括:
调度模型库获取步骤:根据生产线历史数据离线建立由多个不同调度目标下的调度模型组成的调度模型库,每个调度模型表征某个调度目标下生产线状态与调度方案间关系;
共生仿真系统建立步骤,建立半导体实际生产线的仿真模型,将所述仿真模型与半导体实际生产线组成共生仿真系统;
调度方案生成步骤,根据调度目标从调度模型库中选取相应的调度模型,以半导体实际生产线的当前状态数据作为所述调度模型的输入,生成相应的调度方案,并将该调度方案同时应用于共生仿真系统中的半导体实际生产线和仿真模型,运行共生仿真系统;
在线闭环调度步骤,以设定采样周期对共生仿真系统中的半导体实际生产线和仿真模型的生产性能分别进行采样,根据所采样的生产性能判断当前采样时刻是否为动态调度时刻,若是,则执行调度方案生成步骤,若否,则继续对下一采样时刻进行判定。
所述仿真模型为根据半导体实际生产线建立的、无扰动的理想生产线。
所述调度方案生成步骤执行前,共生仿真系统中的仿真模型获取半导体实际生产线的当前状态数据,以该当前状态数据更新仿真模型,实现仿真模型与半导体实际生产线的同步。
所述在线闭环调度步骤具体为:
1)在每个采样时刻记录共生仿真系统的生产性能P,半导体实际生产线和仿真模型的生产性能分别记为实际性能Pa和仿真性能Ps
2)计算采样时刻的实际性能Pa和仿真性能Ps间的指标偏差率,根据指标偏差率和调度方案更新判定准则判断所对应的采样时刻是否为动态调度时刻,若是,则执行步骤3),若否,则执行步骤4);
3)执行调度方案生成步骤后执行步骤1);
4)保持调度方案不变,继续对下一采样时刻进行判定,返回步骤2)。
所述指标偏差率的计算公式为:
其中,p为指标偏差率。
所述调度方案更新判定准则为:
a)判断采样时刻i的指标偏差率pi是否为负且|pi|≥δ,若是,则执行步骤b),若否,则执行步骤4),δ为偏差率阈值,是可接受的生产线性能指标偏差率的最大值,由经验设定;
b)获取下一采样时刻i+1的指标偏差率pi+1,判断pi+1是否仍为负且|pi+1|≥δ,若是,则判定采样时刻i+1为动态调度时刻,若否,则执行步骤4)。
与现有技术相比,本发明具有以下优点:
1)本发明将闭环控制理论应用于半导体生产线动态调度中,通过对生产性能的监测,控制动态调度的执行,实现了闭环动态调度,提高了调度的实时性。
2)本发明通过对生产性能的监测,仅在生产性能发生一定偏差时才进行调度方案的更新,既保证了调度方案的有效性,也减少了调度决策时间,避免了不必要的损耗。
3)本发明可以与已有的动态调度方法结合使用,应用数据挖掘算法分析生产线历史数据,离线建立精度较高的调度模型,在线应用中,调度模型可根据生产线实时状态数据,确定调度方案,提高了有效性。
4)本发明提供的半导体生产线闭环调度控制方法,对解决半导体生产线动态调度问题具有重要的应用价值,对提高半导体企业的生产管理水平具有重要的指导意义。
5)本发明设定了调度方案的更新准则,调度方案更新是在生产性能不断恶化的情况下触发,而不是在生产性能一出现波动就进行触发,避免频繁更新调度方案,确保生产控制的稳定;同时可确保生产运行中性能指标的偏差率控制在指定范围内,保证调度方案的有效性。
6)本发明提供的闭环调度控制方法不仅适用于半导体生产线,而且适用于其他制造系统。
附图说明
图1为本发明的闭环动态调度方法的原理图;
图2为本发明半导体生产线闭环调度控制方法实现流程图;
图3为本发明调度方案更新判定流程图;
图4为实施例中应用不同调度方法得到的生产性能对比图。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施,给出了详细的实施方式和具体的操作过程,但本发明的保护范围不限于下述的实施例。
本发明提供的半导体生产线闭环调度方法框架如图1所示,该方法以生产线历史数据为基础,通过样本生成模块生成样本集;采用数据挖掘算法离线训练调度模型,生成调度模型库;在线调度中,通过生产性能的反馈,确定生产线启动调度的时刻,此时根据调度需求选取合适的调度模型,以生产线实时状态数据为输入,生成调度方案,并将该方案应用于半导体生产线,实现闭环动态调度。生产性能可以是多种多样,如移动步数、工件排队长度、设备利用率等,这里的生产性能视用户需求选择。本发明提供的半导体生产线闭环调度方法易于与已有的开环调度方法结合使用。
上海某半导体制造公司拥有的5、6英吋硅片混合生产线中共有加工800多台加工设备、上百种加工产品以及上千种加工流程工艺,生产量可达月产2.8万片5英吋硅片、5.1万片的6英吋硅片。生产线中共有10个加工区,分别是氧化扩散区(DF)、注入区(IM)、外延区(EP)、光刻区(LT)、干法刻蚀区(PE)、淀积区(PC)、溅射区(TF)、湿法清洗区(WT)、虚拟设备区(DM)及测试区(BT);生产线中的设备按可加工尺寸分类有三类,分别是只能加工5英吋的设备、只能加工6英吋的设备以及二者均可加工的设备;按加工方式分类共有四类,分别是单片加工设备、批量加工设备、多片加工设备、槽类加工设备。本发明以上述生产线为实施对象,对本发明方法进行说明。
如图2-3所示,本发明的一种半导体生产线闭环调度控制方法,包括:
步骤1,根据生产线历史数据离线建立由多个不同调度目标下的调度模型组成的调度模型库,每个调度模型表征某个调度目标下生产线状态与调度方案间关系。
调度模型库包含多个优化不同调度目标的调度模型。所述的调度模型,是指采用数据挖掘算法,分析基于调度目标Z获取的最优样本集{S,D}(其中,S表征生产线状态,D表征调度方案,Z表示调度目标),建立的该调度目标下由生产线状态确定调度方案的模型,模型中S和D的关系可描述为:D=Optz(S)。调度模型库的建立可概括为以下2步:
1)基于生产线历史数据,采用样本生成模块,根据调度目标Zi(i=1,…,n;n是建立调度模型库所采用的调度目标的总数),获取最优样本集{Si,Di},其中,Si是表征当前生产线、加工区、设备及工件状态的生产属性集;Di表示调度目标Zi下,生产状态Si对应的最优调度方案。
2)基于以上最优样本集,采用数据挖掘算法,离线训练该调度目标下的调度模型其中,X是模型输入,表征生产线状态;O是模型输出,表征调度方案。根据不同的调度目标,建立调度模型库
本实施例以生产线中所有工件的总移动步数MOV为调度目标,获取100条对应不同生产状态的最优样本,作为最优样本集。随机选取其中80条作为训练样本,用于建立调度模型O=f(X),另外20条作为测试样本,用于验证模型的有效性。
步骤2,建立半导体实际生产线的仿真模型,将所述仿真模型与半导体实际生产线组成共生仿真系统。本实施例借助自主研发的半导体生产线调度仿真软件(FabSimSys)(软件著作版权登记号:2011SR066503),建立半导体实际生产线的仿真模型,该仿真模型为根据半导体实际生产线建立的、无扰动的理想生产线,其运行产生的生产性能是期望生产性能。
步骤3,半导体生产线在线调度中,以生产性能MOV为调度目标,以固定时间间隔执行调度方案更新判定,实施动态调度。在线调度过程概括为以下4步:
1)以1小时为采样周期,在每个采样点记录共生仿真系统中的实际生产线MOV值Pa和仿真模型的MOV值Ps
2)在每一个采样时刻执行调度方案更新判定,这里,设定偏差率阈值为δ=5。调度方案更新判定流程如图3所示,具体过程如下:计算MOV值在采样时刻i的指标偏差率pi,判断pi是否为负且|pi|≥δ。如果“是”,则计算下一采样时刻i+1的指标偏差率pi+1,判断pi+1是否仍为负且|pi+1|≥δ,如果“是”,则采样时刻i+1为动态调度时刻。否则,继续执行下一采样时刻的判定。
指标偏差率p的定义如下:
3)若采样时刻t为动态调度时刻,则在该时刻生成调度方案更新指令,并传递给动态调度器。
4)动态调度器在采样时刻t接收调度方案更新指令,以生产线当前状态数据Xt为调度模型O=f(X)的输入,生成调度方案Ot,该方案即为当前生产状态下最优的调度方案。将该调度方案同时应用于实际生产线和仿真模型,继续运行共生仿真系统。
每次启动调度时,共生仿真系统中仿真模型从半导体实际生产线获取状态信息,更新仿真状态,保证与半导体实际生产线的同步;动态调度器根据对仿真模型和实际生产线同步运行的生产线性能的比较结果,指导在线调度决策。动态调度器可以根据半导体生产线调度要求从调度模型库中选择调度模型,并且,以半导体生产线实时状态数据为输入,生成最优的调度方案。
分别采用本发明提供的闭环调度控制方法和现有的开环动态调度方法(见中国专利“一种半导体生产线动态调度策略自动选择方法”,专利号:ZL201310119517.8),对具有相同初始条件的半导体生产线进行调度,记录调度结果,对比分析两种调度方法的性能。
在开环的动态调度方法中,以固定调度周期实施动态调度,调度周期由决策者设定。两种调度方法的设置如下所示:闭环调度控制方法的采样周期为1小时,调度周期由生产线运行状况决定;开环调度方法的调度周期为4小时。两种调度方法作用的半导体生产线以相同的初始条件开始运行,记录连续3天内采用闭环调度控制方法后动态调度执行的时间及次数,统计平均调度周期;以4小时为周期记录两条生产线的生产性能。
实例结果如下:在连续3天内,本发明所述的闭环调度控制方法共执行12次动态调度,最短调度时间间隔为3小时,最长间隔为9小时,即平均调度周期为6小时,记录的工件的总移动步数MOV的平均值为94166步;开环调度方法中,调度周期为4小时度,记录的工件总移动步数MOV的平均值为92752步。
图4所示为记录的连续3天内采用两种调度方法产生的MOV随时间的变化趋势。图中显示,虽然初始条件相同,随着时间的变化两种调度方法产生的总移动步数MOV有一定差别。从图中曲线可以看出,当开环调度方法产生的MOV较小时,闭环调度方法作用下的生产线的MOV有所提高,相对于开环调度方法而言,闭环调度方法在一定程度上平滑了生产线的MOV曲线,使半导体生产线保持在相对稳定的运行状态。并且,闭环调度方法产生的平均MOV比开环调度方法提高了1.52%;闭环调度方法的调度周期提高到了6小时,是开环调度的1.5倍。
综上所述,半导体生产线闭环调度控制方法通过监测半导体生产线的生产性能实施动态调度,有效提高了调度的实时性,同时也减少了不必要的调度规则更改,从而,保证了生产性能的变化幅度相对较小,避免了较差生产性能的出现。因此,闭环调度方法在保证生产性能良好的前提下,实现了半导体生产线的实时调度,保证了半导体生产线相对平稳地运行。
以上对本发明的具体实施例进行了描述。需要理解的是,本发明并不局限于上述特定实施方式,本领域技术人员可以在权利要求的范围内做出各种变形或修改,这并不影响本发明的实质内容。

Claims (4)

1.一种半导体生产线闭环调度控制方法,其特征在于,包括:
调度模型库获取步骤:根据生产线历史数据离线建立由多个不同调度目标下的调度模型组成的调度模型库,每个调度模型表征某个调度目标下生产线状态与调度方案间关系;
共生仿真系统建立步骤,建立半导体实际生产线的仿真模型,将所述仿真模型与半导体实际生产线组成共生仿真系统,所述仿真模型为根据半导体实际生产线建立的、无扰动的理想生产线;
调度方案生成步骤,根据调度目标从调度模型库中选取相应的调度模型,以半导体实际生产线的当前状态数据作为所述调度模型的输入,生成相应的调度方案,并将该调度方案同时应用于共生仿真系统中的半导体实际生产线和仿真模型,运行共生仿真系统;
在线闭环调度步骤,以设定采样周期对共生仿真系统中的半导体实际生产线和仿真模型的生产性能分别进行采样,根据所采样的生产性能判断当前采样时刻是否为动态调度时刻,若是,则执行调度方案生成步骤,若否,则继续对下一采样时刻进行判定;
所述在线闭环调度步骤具体为:
1)在每个采样时刻记录共生仿真系统的生产性能P,半导体实际生产线和仿真模型的生产性能分别记为实际性能Pa和仿真性能Ps
2)计算采样时刻的实际性能Pa和仿真性能Ps间的指标偏差率,根据指标偏差率和调度方案更新判定准则判断所对应的采样时刻是否为动态调度时刻,若是,则执行步骤3),若否,则执行步骤4);
3)执行调度方案生成步骤后执行步骤1);
4)保持调度方案不变,继续对下一采样时刻进行判定,返回步骤2)。
2.根据权利要求1所述的半导体生产线闭环调度控制方法,其特征在于,所述调度方案生成步骤执行前,共生仿真系统中的仿真模型获取半导体实际生产线的当前状态数据,以该当前状态数据更新仿真模型,实现仿真模型与半导体实际生产线的同步。
3.根据权利要求1所述的半导体生产线闭环调度控制方法,其特征在于,所述指标偏差率的计算公式为:
其中,p为指标偏差率。
4.根据权利要求1所述的半导体生产线闭环调度控制方法,其特征在于,所述调度方案更新判定准则为:
a)判断采样时刻i的指标偏差率pi是否为负且|pi|≥δ,若是,则执行步骤b),若否,则执行步骤4),δ为偏差率阈值;
b)获取下一采样时刻i+1的指标偏差率pi+1,判断pi+1是否仍为负且|pi+1|≥δ,若是,则判定采样时刻i+1为动态调度时刻,若否,则执行步骤4)。
CN201610520300.1A 2016-07-05 2016-07-05 一种半导体生产线闭环调度控制方法 Expired - Fee Related CN106444649B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610520300.1A CN106444649B (zh) 2016-07-05 2016-07-05 一种半导体生产线闭环调度控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610520300.1A CN106444649B (zh) 2016-07-05 2016-07-05 一种半导体生产线闭环调度控制方法

Publications (2)

Publication Number Publication Date
CN106444649A CN106444649A (zh) 2017-02-22
CN106444649B true CN106444649B (zh) 2019-01-11

Family

ID=58184000

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610520300.1A Expired - Fee Related CN106444649B (zh) 2016-07-05 2016-07-05 一种半导体生产线闭环调度控制方法

Country Status (1)

Country Link
CN (1) CN106444649B (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI650714B (zh) * 2018-01-19 2019-02-11 財團法人工業技術研究院 動態智能排程方法及裝置
CN108492013A (zh) * 2018-03-09 2018-09-04 同济大学 一种基于质量控制的制造系统调度模型有效性检测方法
WO2021163986A1 (en) * 2020-02-21 2021-08-26 Yangtze Memory Technologies Co., Ltd. Method and system for scheduling semiconductor fabrication
CN111523798B (zh) * 2020-04-21 2023-09-01 武汉市奥拓智能科技有限公司 一种自动建模的方法、装置、系统、及其电子设备
US20230004920A1 (en) * 2021-07-01 2023-01-05 Plataine Ltd. Method and system for solving large scale optimization problems including integrating machine learning with search processes
CN114864456B (zh) * 2022-07-08 2022-09-13 埃克斯工业(广东)有限公司 半导体清洗设备调度方法、系统、装置及存储介质
CN115577576B (zh) * 2022-12-08 2023-05-16 中国电子工程设计院有限公司 一种半导体工厂的动态虚拟组线仿真系统及方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6714830B2 (en) * 2000-02-28 2004-03-30 Canon Kabushiki Kaisha Push-type scheduling for semiconductor fabrication
CN101424919A (zh) * 2008-11-20 2009-05-06 上海交通大学 半导体制造系统的重调度决策系统
CN103217960A (zh) * 2013-04-08 2013-07-24 同济大学 一种半导体生产线动态调度策略自动选择方法
CN103439886A (zh) * 2013-07-26 2013-12-11 同济大学 一种半导体生产线自适应动态调度装置
CN103439885A (zh) * 2013-07-26 2013-12-11 同济大学 半导体生产线优化调度装置
CN103676881A (zh) * 2013-12-16 2014-03-26 北京化工大学 一种半导体生产线动态瓶颈分析方法
CN105045243A (zh) * 2015-08-05 2015-11-11 同济大学 一种半导体生产线动态调度装置

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6714830B2 (en) * 2000-02-28 2004-03-30 Canon Kabushiki Kaisha Push-type scheduling for semiconductor fabrication
CN101424919A (zh) * 2008-11-20 2009-05-06 上海交通大学 半导体制造系统的重调度决策系统
CN103217960A (zh) * 2013-04-08 2013-07-24 同济大学 一种半导体生产线动态调度策略自动选择方法
CN103439886A (zh) * 2013-07-26 2013-12-11 同济大学 一种半导体生产线自适应动态调度装置
CN103439885A (zh) * 2013-07-26 2013-12-11 同济大学 半导体生产线优化调度装置
CN103676881A (zh) * 2013-12-16 2014-03-26 北京化工大学 一种半导体生产线动态瓶颈分析方法
CN105045243A (zh) * 2015-08-05 2015-11-11 同济大学 一种半导体生产线动态调度装置

Also Published As

Publication number Publication date
CN106444649A (zh) 2017-02-22

Similar Documents

Publication Publication Date Title
CN106444649B (zh) 一种半导体生产线闭环调度控制方法
CN103676881A (zh) 一种半导体生产线动态瓶颈分析方法
CN108764610A (zh) 基于大数据的标准工艺工程项目施工管理方法、存储介质
CN109507961A (zh) 一种半导体生产线动态负荷均衡投料控制方法
Zheng et al. Resource-constraint multi-project scheduling with priorities and uncertain activity durations
CN108336768B (zh) 一种风电场有功功率优化控制方法
KR20090097623A (ko) 시뮬레이션을 이용한 선제적 일정계획 방법 및 이를 이용한시스템
Chung et al. A WIP balancing procedure for throughput maximization in semiconductor fabrication
Bunin et al. Input filter design for feasibility in constraint-adaptation schemes
CN104636610B (zh) 一种应用于动态环境下的制造系统派工信息修正方法
Liu et al. Machine scheduling with stochastic release and processing times
Seok et al. Adaptive abstraction-level conversion framework for accelerated discrete-event simulation in smart semiconductor manufacturing
Gupta et al. Online scheduling: Understanding the impact of uncertainty
Huang et al. Max-plus algebra based machine sleep decision for energy efficient manufacturing
CN104578175B (zh) 一种用于电网备用调节的agc控制方法
Irdem et al. An experimental study of an iterative simulation-optimization algorithm for production planning
Li et al. An ant colony system for solving resource leveling problem
Zhang et al. A decomposition and coordination scheduling method for flow-shop problem based on TOC
Ma et al. A robust interval economic dispatch method accommodating significant wind power integration
CN114002948B (zh) 一种第三方数控机床接入服务平台的方法及装置
Schorn et al. Learning Priority Indices for Energy-Aware Scheduling of Jobs on Batch Processing Machines
Lee et al. An efficient scheduling mechanism for building energy management systems
US20220415681A1 (en) Scheduling multiple production steps under q-time constraints in semiconductor manufacturing
CN108170532A (zh) 一种面向大数据应用的云计算资源调度方法
CN113570339B (zh) 基于信息系统的全方位进度管理方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20190111

Termination date: 20210705