CN109507961B - 一种半导体生产线动态负荷均衡投料控制方法 - Google Patents
一种半导体生产线动态负荷均衡投料控制方法 Download PDFInfo
- Publication number
- CN109507961B CN109507961B CN201811320117.2A CN201811320117A CN109507961B CN 109507961 B CN109507961 B CN 109507961B CN 201811320117 A CN201811320117 A CN 201811320117A CN 109507961 B CN109507961 B CN 109507961B
- Authority
- CN
- China
- Prior art keywords
- production line
- load
- feeding
- semiconductor production
- load balancing
- 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.)
- Active
Links
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 133
- 238000000034 method Methods 0.000 title claims abstract description 88
- 239000004065 semiconductor Substances 0.000 title claims abstract description 70
- 230000007246 mechanism Effects 0.000 claims abstract description 11
- 238000012545 processing Methods 0.000 claims description 27
- 230000008569 process Effects 0.000 claims description 21
- 238000004364 calculation method Methods 0.000 claims description 15
- 238000004088 simulation Methods 0.000 claims description 15
- 238000011156 evaluation Methods 0.000 claims description 12
- 238000009826 distribution Methods 0.000 claims description 9
- 235000003642 hunger Nutrition 0.000 claims description 9
- 238000012216 screening Methods 0.000 claims description 8
- 230000037351 starvation Effects 0.000 claims description 8
- 239000000126 substance Substances 0.000 claims description 8
- 238000012549 training Methods 0.000 claims description 4
- 238000010606 normalization Methods 0.000 claims description 3
- 238000011144 upstream manufacturing Methods 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims description 2
- 230000008901 benefit Effects 0.000 abstract description 8
- 238000005457 optimization Methods 0.000 description 7
- 238000011160 research Methods 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 4
- 230000009467 reduction Effects 0.000 description 3
- 238000009825 accumulation Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 230000001010 compromised effect Effects 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total 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] or computer integrated manufacturing [CIM]
- G05B19/41865—Total 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] or computer integrated manufacturing [CIM] characterised by job scheduling, process planning, material flow
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/32—Operator till task planning
- G05B2219/32252—Scheduling production, machining, job shop
-
- Y—GENERAL 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
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- General Factory Administration (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种半导体生产线动态负荷均衡投料控制方法，该方法利用基于ELM的负荷均衡投料控制参数模型动态获取半导体生产线总负荷，以该半导体生产线总负荷为指导，采用负荷控制理论实现半导体生产线负荷均衡投料控制，该方法包括以下步骤：1)构建负荷均衡投料控制参数模型，以生产线实时状态及投料信息作为所述负荷均衡投料控制参数模型的输入，动态获取半导体生产线总负荷TWL_total；2)构建半导体生产线负荷均衡模型，根据半导体生产线总负荷TWL_total获得投料决策信息，包括工件优先级、投料触发机制和投料量。与现有技术相比，本发明具有投料控制实时性好、降低在制品数、缩短生产周期、提高生产效率等优点。
Description
技术领域
本发明涉及一种自动控制领域的方法，具体地，涉及一种半导体生产线动态负荷均衡投料控制方法，属于先进制造技术领域。
背景技术
半导体生产线的控制与调度问题一直是学术界与工程界研究的热点问题。半导体生产线的优化调度与控制的研究具有重要的经济价值和学术价值。良好的调度控制策略能够帮助企业迅速响应市场的需求、提高产品满足客户需求的能力、缓解资本积累、缓冲存储空间、减少晶圆暴露于空气中的时间以及提高生产良品率。
半导体生产线上主要存在两大类型的调度：投料控制和工件调度。投料控制处于调度系统的前端，决定何时投入何种工件组合到生产线上，以达到尽可能发挥生产线生产能力以及满足客户需求的目的。与工件调度相比，投料控制具有更加重要的影响。
多年来投料控制一直是工业工程领域的研究热点。迄今已经有许多的研究成果，比较常规的方法如统一投料法、投料单投料法、固定时间间隔投料法、随机分布泊松流投料法、指数分布投料法等，这些方法一般是根据实际生产线的情况对投料单进行了相应设计，对半导体生产线的性能起到了一定的优化作用，是最早的、基于经验的算法，优化效果有限。此后研究者不断把其他的控制理论以及控制思想引入投料控制，提出了闭环投料控制算法，这种算法对生产线上的某一指标进行监控，视情况来对投料进行调整控制。监控指标可以分为两类：在制品数(Work in Process，WIP)和工作负荷(Workload)，基于这两类又衍生出了许多种改进的投料控制方法。如固定在制品(CONSTANT WIP，CONWIP)法，以WIP作为监控指标，尽量保持生产线上的WIP为预期恒定值，通过反馈对系统投料速率进行控制；避免饥饿投料控制方法(Starvation Avoidance Policy，SA)基于约束理论(Theory ofConstraints，TOC)，同时引入虚拟库存概念，以实现保证瓶颈设备的利用率；固定工作负荷(CONLOAD)投料控制方法根据瓶颈设备的日加工能力来设置目标负荷，只有当瓶颈设备的负荷小于目标负荷时，才投入新工件；负荷调整投料控制方法(Workload regulating，WR)力图通过投料来控制整个生产线的工作负荷，使工作负荷的分布与各个加工区的加工能力相适应，从而降低工件等待时间并充分利用设备加工能力。研究结果表明，这些根据生产线情况动态决定投料量的方式，比常规的静态方法在改进生产线性能指标上具有更大优势。
但是上述方法也具有各自的问题，如CONWIP会出现在制品堆积现象，CONLOAD和SA无法适应“瓶颈漂移”情况，WR理论虽然提出了控制整个生产线负荷的方法，但是在实际应用中，往往也只关注对瓶颈设备工作负荷的控制。并且，上述方法忽略了隐含生产线实际调度环境特点及调度知识的大量相关数据，导致研究成果不能直接应用于实际生产线。
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，提供一种实时性好、负荷均衡性好、有利于提高生产效率的半导体生产线投料控制方法。
本发明的目的可以通过以下技术方案来实现：
一种半导体生产线动态负荷均衡投料控制方法，该方法利用基于ELM的负荷均衡投料控制参数模型动态获取半导体生产线总负荷，以该半导体生产线总负荷为指导，采用负荷控制理论实现半导体生产线负荷均衡投料控制，该方法包括以下步骤：
1)构建负荷均衡投料控制参数模型，以生产线实时状态及投料信息作为所述负荷均衡投料控制参数模型的输入，动态获取半导体生产线总负荷TWL_total；
2)构建半导体生产线负荷均衡模型，根据半导体生产线总负荷TWL_total获得投料决策信息，包括工件优先级、投料触发机制和投料量。
进一步地，所述负荷均衡投料控制参数模型的构建过程包括：
101)利用复杂制造系统生产调度仿真平台仿真获得原始样本集；
102)从所述原始样本集中筛选最优样本；
103)采用ELM方法建立负荷均衡投料控制参数模型，并利用所述最优样本对所述负荷均衡投料控制参数模型进行训练。
进一步地，所述筛选最优样本具体包括：
121)对原始样本集中的数据进行数据归一化；
122)对各样本进行性能评价，根据综合评价值筛选最优样本，所述综合评价值的表达式为：
其中，CIj表示第j条样本的综合评价值，y(j,i)为第j条样本的第i维性能指标数据的评分，ωi为第i维性能指标的权重。
进一步地，所述负荷均衡投料控制参数模型中，半导体生产线负荷采用折算负荷法进行度量，即设备k的折算负荷TWLk表示为：
其中，
表示设备k可加工工序的前道工序集，
表示集合
中每道工序h的在制品集合，PTik为工件i在设备k上的加工时间，PRik为工件i对设备k的折算因子。
进一步地，所述折算因子PRik的计算公式为：
其中，Eik为工件i相对于设备k的上游设备集合，PCm表示设备m的加工能力，TWLm为设备m的负荷。
进一步地，所述半导体生产线负荷均衡模型表示为：
其中，SI为半导体生产线负荷均衡系数，表征生产线负荷按生产线设备加工能力分布的状况；TWLk为设备k的负荷；
为半导体生产线设备负荷的平均值；n为半导体生产线设备总数；ωk为设备k的约束权重。
进一步地，所述约束权重ωk的计算公式为：
其中，utilk、utilj分别为设备k与j的利用率。
进一步地，所述工件优先级的计算公式为：
其中，
为工件i在一个计划周期内会被瓶颈设备加工的负荷；CRi为工件i的临界比；
其中，
为工件i在瓶颈设备的加工时间；
代表工件i在计划周期内到达瓶颈设备的折算因子；
CRi的计算公式为：
其中，di为工件i的预期交货期，CTi为工件i的加工周期，Tnow为当前时间。
进一步地，所述投料触发机制的触发条件包括：
a)瓶颈区在计划周期内产生饥饿状态；
b)存在紧急工件；
c)有加工区处于饥饿状态；
d)系统总负荷小于预期总负荷。
进一步地，所述瓶颈区在计划周期内产生饥饿状态是指：瓶颈区负荷小于阈值
ωB为瓶颈设备的约束权重。
与现有技术相比，本发明具有以如下有益效果：
本发明提出的半导体生产线动态负荷均衡投料控制方法，利用ELM从历史数据中提取相关信息，得到控制参数动态优化模型，再结合WLC理论实现对生产线的负荷均衡控制，借用WLC在负荷均衡控制方面的优势以及ELM在动态学习上的优势，解决了半导体生产线动态控制问题。从系统的观点出发，通过平衡生产线负荷分布，较好地折衷生产线性能指标，解决了现有投料控制方法多只考虑生产线局部信息(主要是瓶颈设备信息)，无法有效地控制生产线负荷水平以及负荷分布的问题。
本发明解决了投料控制中常出现的由生产线负荷不均衡所导致的问题，具有投料控制实时性好、降低在制品数、缩短生产周期、提高生产效率等优点。
附图说明
图1为本发明中的半导体生产线投料控制结构；
图2为本发明中的投料机制流程图；
图3为本发明中的构建基于ELM参数优化模型流程图。
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。
如图1所示，本发明提供一种半导体生产线动态负荷均衡投料控制方法，该方法利用基于ELM(极限学习机，Extreme Learning Machine)的负荷均衡投料控制参数模型动态获取半导体生产线总负荷，以该半导体生产线总负荷为指导，采用负荷控制(WorkloadControl，WLC)理论实现半导体生产线负荷均衡投料控制，具体包括以下步骤：
1)构建负荷均衡投料控制参数模型，以生产线实时状态及投料信息作为所述负荷均衡投料控制参数模型的输入，动态获取半导体生产线总负荷TWL_total；
2)构建半导体生产线负荷均衡模型，根据半导体生产线总负荷TWL_total获得投料决策信息，包括工件优先级、投料触发机制和投料量。
上述方法从系统的观点出发，通过平衡生产线负荷分布，较好地折衷生产线性能指标，解决了现有投料控制方法多是只考虑生产线局部信息(主要是瓶颈设备信息)、无法有效地控制生产线负荷水平以及负荷分布的问题。
以由美国亚利桑那州立大学工业工程系半导体制造实验室提供的BenchMark模型为例子，该套数据全部取自真实的半导体晶圆厂，由半导体制造领域的若干知名企业和学者联合发布。BenchMark6模型是这一组模型中生产规模较大的一个模型，包含了104个设备群、228台设备，且模型中有9种产品。与常用的其它模型(如minifab、hp24等)不同的是，该模型中批加工设备是变批量的，即对不同的工序，设备能够加工的最大批量不同，更符合实际情况。
本实施例以上述BenchMark6模型为实施对象进行投料控制研究，具体过程包括：
1)根据实际半导体生产线分析获得生产线生产属性集和性能指标集，如表1所示，所述的生产线生产属性集包括生产线属性和加工区属性；所述的生产线性能指标集包括在制品水平、生产率、平均加工周期、设备利用率、平均移动量。
表1 BenchMark6样本信息中生产属性集
2)建立半导体生产线仿真模型。基于Plant Simulation仿真平台建立半导体生产线仿真。根据半导体生产线的设备信息、工艺信息、产品信息、加工流程信息等，在PlantSimulation上搭建相应生产线模型。
3)构建负荷均衡投料控制参数模型，以生产线实时状态及投料信息作为所述负荷均衡投料控制参数模型的输入，动态获取半导体生产线总负荷TWL_total。
负荷均衡投料控制参数模型中，半导体生产线负荷采用折算负荷法进行度量，设备k负荷的计算过程为：
3.1.1)提取设备k可加工工序的前道工序集
3.1.2)统计集合
中每道工序h的在制品集合(及当前加工工序为h的在制品集合)
3.1.3)根据负荷计量公式
计算设备k负荷；其中，PTik为工件i在设备k上的加工时间，PRik为工件i对设备k的折算因子。
折算因子PRik的计算公式为：
其中，Eik为工件i相对于设备k的上游设备集合，PCm表示设备m的加工能力，TWLm为设备m的负荷。
如图3所示，负荷均衡投料控制参数模型的构建过程包括：
101)利用复杂制造系统生产调度仿真平台仿真获得原始样本集；
102)从所述原始样本集中筛选最优样本；
103)采用ELM方法建立负荷均衡投料控制参数模型，采用试凑法选取适合的隐节点个数，构建参数动态优化模型，并利用所述最优样本对所述负荷均衡投料控制参数模型进行训练。
本实施例中，为了产生不同的投料情况，在九种产品中选择6种或6种以上的产品作为一个不同的订单。在仿真模型上每天24小时不间断仿真，每次仿真周期为3个月；通过仿真获得每种投料情况下投料算法参数最优值，根据获得的最优参数的区间，将区间分为10个数据作为预期最优参数。随机生成2730个实时状态，每种实时状态在10个最优参数下进行仿真，共采集27300个样本，即可获取在不同投料订单、不同实时状态、不同TWL_total值的条件下的样本集，即图3中的“原始样本集”。
所述筛选最优样本具体包括：
121)对原始样本集中的数据进行数据归一化把所有数据转化为[0，1]之间的数，可表示为：
x(i,j)＝x(i,j)/max(x(j))；
122)对各样本进行性能评价，根据综合评价值筛选最优样本，所述综合评价值的表达式为：
其中，CIj表示第j条样本的综合评价值(Comprehensive Index)，y(j,i)为第j条样本的第i维性能指标数据的评分，ωi为第i维性能指标的权重。
评分的方式为：
由于不同的性能指标之间相互制约、相互联系，性能指标并不都是越大越好或越小越好，因此将性能指标分为成本型指标和效益型指标，成本型指标的指标值越小越好，效益型指标的指标值越大越好。因此相同输入变量的情况下，CI越大的性能越优异，由此筛选出最优样本。本实施例中，在27300条原始样本的基础上筛选出最优样本2730条，并在其中取2460条样本作为训练样本，270条样本作为测试样本。
4)构建半导体生产线负荷均衡模型，根据半导体生产线总负荷TWL_total获得投料决策信息，包括工件优先级、投料触发机制和投料量。
提取生产线实时状态与订单情况，输入某一实时状态就可以通过参数优化模型获得其相应的最优参数，用此参数修正仿真模型中相应参数，即可获得优化后的投料单以及相应性能指标，指导实际生产。
半导体生产线负荷均衡模型表示为：
其中，SI为半导体生产线负荷均衡系数，表征生产线负荷按生产线设备加工能力分布的状况；TWLk为设备k的负荷；
为半导体生产线设备负荷的平均值；n为半导体生产线设备总数；ωk为设备k的约束权重，其计算公式为：
其中，utilk、utilj分别为设备k与j的利用率。
工件优先级的计算公式为：
其中，
为工件i在一个计划周期内会被瓶颈设备加工的负荷；CRi为工件i的临界比；
其中，
为工件i在瓶颈设备的加工时间；
代表工件i在计划周期内到达瓶颈设备的折算因子；
CRi的计算公式为：
其中，di为工件i的预期交货期，CTi为工件i的加工周期，Tnow为当前时间。
投料触发机制的触发条件包括：
a)瓶颈区在计划周期内产生饥饿状态；
b)存在紧急工件；
c)有加工区处于饥饿状态；
d)系统总负荷小于预期总负荷。
如图2所示为本发明的投料机制流程，可以获取投料产品组合；此时的投料控制针对于投料订单不变的情况，因此控制参数TWL_total可以通过仿真试凑取得。投料机制流程具体可描述为：
401)判断瓶颈设备是否饥饿，若是，则以
计算工件优先级，执行步骤402)，若否，则以CRi计算工件优先级，执行步骤403)；
402)将所有工件投入投料可行集，执行步骤406)；
403)判断是否存在紧急工件，若是，则将紧急工件投入投料可行集，执行步骤406)，若否，则执行步骤404)；
404)判断是否有头设备处于饥饿状态，若是，则将以头设备为第一工件加工设备的产品所有工件投入投料可行集，执行步骤406)，若否，则执行步骤405)；
405)判断生产线总负荷是否低于预期总负荷，若是，则将所有工件投入投料可行集，执行步骤406)，若否，则结束；
406)判断投料可行集是否为空，若是，则结束，若否，则执行步骤407)；
407)按优先级投入第一个工件；
408)更新各设备负荷及总负荷。
表2 5种实时状态
取5组实时状态(如表2所示)，实现动态负荷均衡投料控制方法，并且将结果与固定时间间隔投料(Constant)和固定在制品数(CONWIP)方法进行对比，仿真周期为30天，仿真结果如表3所示。从表中可以看出本发明所涉及的一种半导体生产线动态负荷均衡投料控制方法主要实现了对在制品数(WIP)的优化。在三种方法中，半导体生产线动态负荷均衡投料控制方法由于实现对负荷的控制，使得生产线负荷处于满足生产线生产能力需求的状态，既不过高也不过低，根据五组实验数据如表4所示，半导体生产线动态负荷均衡投料控制方法在生产线WIP数比固定时间间隔投料方法平均降低了24.4％，比CONWIP方法平均降低了17.2％。而在平均加工周期上，半导体生产线动态负荷均衡投料控制方法由于使得WIP的降低，生产线中工件等待时间下降，也使得平均加工周期降低，相比于固定时间间隔投料方法平均降低了2.2％，相比于CONWIP方法平均降低了1.5％。在产出率方面，半导体生产线动态负荷均衡投料控制方法比固定时间间隔投料方法平均增加了0.3％，比CONWIP方法平均减少了1％，可以看出半导体生产线动态负荷均衡投料控制方法与另两种方法基本一致，产出率没有恶化。
表3 三种方法仿真结果
表4 WL_Balancing相对于CONSTANT及CONWIP算法的性能指标变化率
以上详细描述了本发明的较佳具体实施例。应当理解，本领域的普通技术人员无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此，凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案，皆应在由权利要求书所确定的保护范围内。
Claims (5)
1.一种半导体生产线动态负荷均衡投料控制方法，其特征在于，该方法利用基于极限学习机ELM的负荷均衡投料控制参数模型动态获取半导体生产线总负荷，以该半导体生产线总负荷为指导，采用负荷控制理论实现半导体生产线负荷均衡投料控制，该方法包括以下步骤：
1)构建负荷均衡投料控制参数模型，以生产线实时状态及投料信息作为所述负荷均衡投料控制参数模型的输入，动态获取半导体生产线总负荷TWL_total；
2)构建半导体生产线负荷均衡模型，根据半导体生产线总负荷TWL_total获得投料决策信息，包括工件优先级、投料触发机制和投料量；
所述负荷均衡投料控制参数模型的构建过程包括：
101)利用复杂制造系统生产调度仿真平台仿真获得原始样本集；
102)从所述原始样本集中筛选最优样本；
103)采用极限学习机ELM方法建立负荷均衡投料控制参数模型，并利用所述最优样本对所述负荷均衡投料控制参数模型进行训练；
所述负荷均衡投料控制参数模型中，半导体生产线负荷采用折算负荷法进行度量，即设备k的折算负荷TWLk表示为：
其中，
表示设备k可加工工序的前道工序集，
表示集合
中每道工序h的在制品集合，PTik为工件i在设备k上的加工时间，PRik为工件i对设备k的折算因子，所述折算因子PRik的计算公式为：
其中，Eik为工件i相对于设备k的上游设备集合，PCm表示设备m的加工能力，TWLm为设备m的负荷；
所述半导体生产线负荷均衡模型表示为：
其中，SI为半导体生产线负荷均衡系数，表征生产线负荷按生产线设备加工能力分布的状况；TWLk为设备k的负荷；
为半导体生产线设备负荷的平均值；n为半导体生产线设备总数；ωk为设备k的约束权重，所述约束权重ωk的计算公式为：
其中，utilk、utilj分别为设备k与j的利用率。
2.根据权利要求1所述的半导体生产线动态负荷均衡投料控制方法，其特征在于，所述筛选最优样本具体包括：
121)对原始样本集中的数据进行数据归一化；
122)对各样本进行性能评价，根据综合评价值筛选最优样本，所述综合评价值的表达式为：
其中，CIj表示第j条样本的综合评价值，y(j,i)为第j条样本的第i维性能指标数据的评分，ωi为第i维性能指标的权重。
3.根据权利要求1所述的半导体生产线动态负荷均衡投料控制方法，其特征在于，所述工件优先级的计算公式为：
其中，
为工件i在一个计划周期内会被瓶颈设备加工的负荷；CRi为工件i的临界比；
其中，
为工件i在瓶颈设备的加工时间；
代表工件i在计划周期内到达瓶颈设备的折算因子；
CRi的计算公式为：
其中，di为工件i的预期交货期，CTi为工件i的加工周期，Tnow为当前时间。
4.根据权利要求1所述的半导体生产线动态负荷均衡投料控制方法，其特征在于，所述投料触发机制的触发条件包括：
a)瓶颈区在计划周期内产生饥饿状态；
b)存在紧急工件；
c)有加工区处于饥饿状态；
d)系统总负荷小于预期总负荷。
5.根据权利要求4所述的半导体生产线动态负荷均衡投料控制方法，其特征在于，所述瓶颈区在计划周期内产生饥饿状态是指：瓶颈区负荷小于阈值
ωB为瓶颈设备的约束权重。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811320117.2A CN109507961B (zh) | 2018-11-07 | 2018-11-07 | 一种半导体生产线动态负荷均衡投料控制方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811320117.2A CN109507961B (zh) | 2018-11-07 | 2018-11-07 | 一种半导体生产线动态负荷均衡投料控制方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109507961A CN109507961A (zh) | 2019-03-22 |
| CN109507961B true CN109507961B (zh) | 2021-03-26 |
Family
ID=65747728
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811320117.2A Active CN109507961B (zh) | 2018-11-07 | 2018-11-07 | 一种半导体生产线动态负荷均衡投料控制方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109507961B (zh) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110147596B (zh) * | 2019-05-09 | 2023-05-26 | 中国航空工业集团公司西安航空计算技术研究所 | 一种航空产品生产能力评估方法 |
| CN110632902B (zh) * | 2019-09-06 | 2021-03-02 | 北京北方华创微电子装备有限公司 | 物料加工路径选择方法及装置 |
| CN112862332B (zh) * | 2021-02-20 | 2022-05-03 | 同济大学 | 一种半导体制造系统投料控制方法及系统 |
| CN112862331A (zh) * | 2021-02-20 | 2021-05-28 | 同济大学 | 一种基于属性选择的半导体制造系统投料控制方法及系统 |
| CN113064388B (zh) * | 2021-02-24 | 2022-05-03 | 同济大学 | 一种半导体生产线的调度优化方法及装置 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103310285A (zh) * | 2013-06-17 | 2013-09-18 | 同济大学 | 可用于半导体生产线动态调度的性能预测方法 |
| CN104684024A (zh) * | 2013-11-29 | 2015-06-03 | 中国移动通信集团江苏有限公司 | 一种核心网网元池的负荷均衡方法及装置 |
| 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 |
| CN106330987A (zh) * | 2015-06-15 | 2017-01-11 | 交通银行股份有限公司 | 动态负荷均衡方法 |
| US10057367B2 (en) * | 2016-03-02 | 2018-08-21 | Huawei Technologies Canada Co., Ltd. | Systems and methods for data caching in a communications network |
-
2018
- 2018-11-07 CN CN201811320117.2A patent/CN109507961B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103310285A (zh) * | 2013-06-17 | 2013-09-18 | 同济大学 | 可用于半导体生产线动态调度的性能预测方法 |
| CN104684024A (zh) * | 2013-11-29 | 2015-06-03 | 中国移动通信集团江苏有限公司 | 一种核心网网元池的负荷均衡方法及装置 |
| CN106330987A (zh) * | 2015-06-15 | 2017-01-11 | 交通银行股份有限公司 | 动态负荷均衡方法 |
| 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 |
| US10057367B2 (en) * | 2016-03-02 | 2018-08-21 | Huawei Technologies Canada Co., Ltd. | Systems and methods for data caching in a communications network |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109507961A (zh) | 2019-03-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109507961B (zh) | 一种半导体生产线动态负荷均衡投料控制方法 | |
| CN109598416B (zh) | 一种复材车间的动态排产系统及排产方法 | |
| CN111353656B (zh) | 一种基于生产计划的钢铁企业氧气负荷预测方法 | |
| CN110609531B (zh) | 一种基于数字孪生的车间调度方法 | |
| CN103745273B (zh) | 一种半导体制造过程的多性能预测方法 | |
| CN103676881B (zh) | 一种半导体生产线动态瓶颈分析方法 | |
| CN104636821B (zh) | 基于动态惯性权重粒子群的火电机组负荷优化分配方法 | |
| CN109902954B (zh) | 一种基于工业大数据的柔性作业车间动态调度方法 | |
| US20210073695A1 (en) | Production scheduling system and method | |
| CN107451747B (zh) | 基于自适应非支配遗传算法的车间调度系统及其工作方法 | |
| CN103310285A (zh) | 可用于半导体生产线动态调度的性能预测方法 | |
| CN104009494A (zh) | 一种环境经济发电调度方法 | |
| CN102909844A (zh) | 一种注塑机工件生产线的生产方法 | |
| CN105205326B (zh) | 一种电厂实时负荷在线预测方法 | |
| CN106843172A (zh) | 基于jy‑kpls的复杂工业过程在线质量预测方法 | |
| CN105843189A (zh) | 一种用于半导体生产线基于简化仿真模型的高效调度规则选择方法 | |
| CN114418177B (zh) | 基于生成对抗网络的数字孪生车间的新产品物料配送预测方法 | |
| CN104375478A (zh) | 一种轧钢生产过程产品质量在线预测与优化的方法及装置 | |
| CN105117801B (zh) | 基于智能算法的轮胎成型-硫化生产能耗实时优化方法 | |
| CN107832983A (zh) | 基于动态规划与遗传算法的铸造熔炼批计划与调度方法 | |
| Liu et al. | Integrated optimization of mixed-model assembly line balancing and buffer allocation based on operation time complexity | |
| CN113761732A (zh) | 一种基于强化学习的一类多扰动车间柔性调度建模与优化的方法 | |
| CN112884321A (zh) | 一种基于调度环境和任务的半导体生产线调度方法 | |
| Bai et al. | An OEE improvement method based on TOC | |
| CN116050788A (zh) | 一种工业智能排产管理系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |