CN112650179B - 半导体制造系统的动态调度方法 - Google Patents
半导体制造系统的动态调度方法 Download PDFInfo
- Publication number
- CN112650179B CN112650179B CN202011537045.4A CN202011537045A CN112650179B CN 112650179 B CN112650179 B CN 112650179B CN 202011537045 A CN202011537045 A CN 202011537045A CN 112650179 B CN112650179 B CN 112650179B
- Authority
- CN
- China
- Prior art keywords
- batch
- processing
- scheduling
- self
- esou
- 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
- 238000000034 method Methods 0.000 title claims abstract description 54
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 33
- 239000004065 semiconductor Substances 0.000 title claims abstract description 25
- 238000012545 processing Methods 0.000 claims abstract description 64
- 230000007246 mechanism Effects 0.000 claims abstract description 16
- 238000009826 distribution Methods 0.000 claims abstract description 3
- 230000008569 process Effects 0.000 claims description 9
- 239000000872 buffer Substances 0.000 claims description 8
- 230000001174 ascending effect Effects 0.000 claims description 7
- 235000003642 hunger Nutrition 0.000 claims description 4
- 230000037351 starvation Effects 0.000 claims description 4
- 230000008520 organization Effects 0.000 claims description 3
- 230000000903 blocking effect Effects 0.000 claims description 2
- 230000003111 delayed effect Effects 0.000 claims description 2
- 230000003068 static effect Effects 0.000 claims description 2
- 235000012431 wafers Nutrition 0.000 claims 3
- 238000004088 simulation Methods 0.000 abstract description 12
- 238000010586 diagram Methods 0.000 description 7
- 230000006872 improvement Effects 0.000 description 4
- 238000013459 approach Methods 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 238000013145 classification model Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 125000000217 alkyl group Chemical group 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000011144 upstream manufacturing 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
- 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]
- G05B19/41885—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 modeling, simulation of the manufacturing system
-
- 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
- G05B2219/32258—Resource, machine assignment preferences, actual and anticipated load
-
- 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
- G05B2219/45—Nc applications
- G05B2219/45031—Manufacturing semiconductor wafers
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
- H01L21/00—Processes or apparatus adapted for the manufacture or treatment of semiconductor or solid state devices or of parts thereof
- H01L21/67—Apparatus specially adapted for handling semiconductor or electric solid state devices during manufacture or treatment thereof; Apparatus specially adapted for handling wafers during manufacture or treatment of semiconductor or electric solid state devices or components ; Apparatus not specifically provided for elsewhere
- H01L21/67005—Apparatus not specifically provided for elsewhere
- H01L21/67242—Apparatus for monitoring, sorting or marking
- H01L21/67276—Production flow monitoring, e.g. for increasing throughput
Landscapes
- Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- General Engineering & Computer Science (AREA)
- Condensed Matter Physics & Semiconductors (AREA)
- Computer Hardware Design (AREA)
- Microelectronics & Electronic Packaging (AREA)
- Power Engineering (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制造系统调度的自组织调度方法包括S1:设置自组织单元的角色和参数,定义生产环境中的关键节点;S2:构建自组织单元之间的协商机制,设计决策和调度主体ESOU单元;S3:根据ESOU单元的决策指令,设计LSOU分配调度单元,负责区分单批处理和多批处理;S4:设计基于自组织单元的调度机制,来实现动态的半导体调度。本发明包括三个方面:自组织单元的角色定义,自组织单元之间的协商机制及其决策方法。基于真实行业基准生产线的模拟表明,该方法在工作移动,吞吐量和按时交付率方面提升了4.9%,9.06%和20.23%。
Description
技术领域
本发明属于半导体技术领域,特别涉及一种半导体制造系统的动态调度方法。
背景技术
半导体晶圆制造设施是工业中使用的最复杂的生产过程之一。主要过程通常包含250-500个处理步骤,涉及数百种不同的机器,这些机器可以分为单处理机,批处理机(BPM),多室处理机,管道式处理机和湿式台式处理机等。
发明内容
本发明目的是解决半导体晶圆制造厂(fab)中由于制造操作的复杂性在确保生产效率方面带来的调度问题,提出了一种有效的半导体制造系统的动态调度方法。该方法基于自组织的动态调度规则(DDRSO),主要从以下三个方面设计:自组织单元的角色定义,自组织单元之间的协商机制及其决策方法。
本发明基于真实行业基准生产线的模拟运行模型进行的模拟表明,与传统的启发式调度策略相比,该方法在工作移动、吞吐量和按时交付率方面实现了较大提升。考虑到工作量和热点,方法可以扩展为Extended-DDRSO。在不同的工作负载水平下,E-DDRSO的性能优于DDRSO。
附图说明
通过参考附图阅读下文的详细描述,本发明示例性实施方式的上述以及其他目的、特征和优点将变得易于理解。在附图中,以示例性而非限制性的方式示出了本发明的若干实施方式,其中:
图1根据本发明实施例的仿真模型的控制界面。
图2根据本发明实施例的对比DDRSO的五种启发式调度规则示意图。
图3根据本发明实施例的处理硬盘数据样式的展示示意图。
图4根据本发明实施例的E-DDRSO、DDRSO与另外三个启发式调度规则的MOV对比示意图。
图5根据本发明实施例的E-DDRSO、DDRSO与另外三个启发式调度规则的TH对比示意图。
图6根据本发明实施例的E-DDRSO、DDRSO与另外三个启发式调度规则的CT对比示意图。
图7根据本发明实施例的生产调度流程图。
图8根据本发明实施例的半导体制造系统的动态调度仿真系统示意图。
具体实施方式
半导体制造工厂范围的生产调度是一项复杂而艰巨的任务,它具有多个相当大的特征:需求波动,产品版本不同,工作优先级不同,产能不平衡,可重入现象,数百个处理步骤,具有相同配方的替代机器以及不断变化的瓶颈。由于极高的资本投资,半导体制造商要求较高的总体设备效率和利用率。工艺复杂性增加和特征尺寸减小导致更频繁的断电,工作返工和其他不确定性问题。因此,调度方法必须能够快速响应实时返工和中断情况。作为一种有效的方法,动态调度规则已在学术界和行业中引起了越来越多的关注。同时,由于上下游机器之间的关系复杂且牢固,因此最好在晶圆厂范围内采用动态调度方法。
半导体智能调度领域有大量相关研究,通过观察运送货物的经验操作并考虑了高架起重运输(OHT)运输的影响和局限性,基于启发式的OHT调度规则,可以加快货物运输以减少工作量,缩减300毫米晶圆制造中自动材料处理模式下的等待时间,并最大程度地减少运输延迟,启发式调度方法可以有效地加快批量的移动。瓶颈检测和相应的动态调度策略,可以平衡瓶颈机器和非瓶颈机器的工作量,以防止出现高工作量(WIP)的瓶颈饥饿和非瓶颈。与先进先出(FIFO)和临界比率(CR)等经典调度策略相比,这种方法在平均周期时间,周期时间方差和按时交付率方面均取得了改进。考虑到瓶颈和整个生产线的特点,通过预测工作量和工作等待时间,基于改进的自适应网络模糊推理系统(ANFIS)的瓶颈预测方法。考虑到设备的瓶颈,瓶颈机器的工作量级别和到期日期,基于发布策略的动态调度算法,可以防止瓶颈不足,平衡在制品(WIP)和更高的吞吐量。为了应对半导体测试设备中多个作业计划的复杂性,基于启发式最佳优先策略与受控回溯策略相结合的调度算法,可以减少设置时间。基于生产计划和运营计划的两级分层生产计划(HPP)方法,使用总体规划中的线性规划(LP)模型获得生产计划,并使用基于优先级的调度方法获得机器上的调度,并在分解层次中使用离散事件模拟对其进行评估,该方法在总生产成本和订单总延误方面要明显超过目前广泛使用的启发式调度算法。
自组织是一种在1960年代后期发展起来的系统理论。主要用于解决复杂的自组织系统的形成和发展机制,然后从无序到有序地重建系统。因此,考虑到调度问题的动态性和复杂性,基于自组织的多阶段和多产品过程调度方法,以克服瓶颈机器的动态调度问题。在半导体生产领域,自组织调度策略的研究取得了较大的进展。基于自组织方法,通过将调度系统,配置和优化和集成到需要最少人工干预的单个自主过程中,降低了调度系统的操作复杂度。20世纪80年代左右,智能多控制器系统被提出,该控制器系统包含三个主要机制:基于仿真的训练示例生成机制,数据预处理机制和基于自组织映射(SOM)的MSR选择机制。这些机制可以在训练样本生成阶段克服传统机器学习方法的训练时间长的问题。在长期的各种生产性能标准下,智能多控制器方法比每个生产间隔开始时每个决策变量的固定决策调度规则产生的系统性能更好。
根据一个或者多个实施例,一种半导体制造系统调度问题的自组织调度方法(DDRSO),包括:步骤S1:设置自组织单元的角色和参数,定义生产环境中的关键节点;步骤S2:构建自组织单元之间的协商机制,设计决策和调度主体ESOU单元;步骤S3:根据ESOU单元的决策指令,设计LSOU分配调度单元,负责区分单批处理和多批处理;步骤S4:设计基于自组织单元的调度机制,来实现动态的半导体调度。本发明主要从以下三个方面设计:自组织单元的角色定义,自组织单元之间的协商机制及其决策方法。基于真实行业基准生产线的模拟运行模型进行的模拟表明,与传统的启发式调度策略(包括先进先出(FIFO)和临界比率(CR)等方法)相比,该方法在工作移动,吞吐量和按时交付率方面提升了4.9%,9.06%和20.23%。考虑到工作量和热点,建议的方法还可以扩展为扩展型自组织调度方法(E-DDRSO)。仿真表明,在任何工作负载水平下,E-DDRSO的性能都比DDRSO更好。此外,与灵活的调度方法相比,E-DDRSO还可以获得更好的结果,尤其是将循环时间(CT)缩短了16.51%。
本发明实施例的调度方法,基于自组织的动态调度规则(DDRSO)。该方法主要从以下三个方面设计:自组织单元的角色定义,自组织单元之间的协商机制及其决策方法。基于真实行业基准生产线的模拟运行模型进行的模拟表明,与传统的启发式调度策略相比,该方法在工作移动,吞吐量和按时交付率方面实现了4.9%,9.06%和20.23%的改进。先进先出(FIFO)和临界比率(CR)。考虑到工作量和热点,建议的方法扩展为Extended-DDRSO。仿真表明,在任何工作负载水平下,E-DDRSO的性能都比DDRSO更好。此外,与灵活的调度方法相比,E-DDRSO还可以获得更好的结果,尤其是将循环时间(CT)缩短了16.51%。
根据一个或者多个实施例,一种半导体制造系统调度问题的自组织调度方法,包括:
步骤S1:构建批次自组织单元(LSOU),代表一批需要调度的晶圆模块;
步骤S11:LSOUi进入机器组EL的缓冲区;
步骤S12:计算代表EL中每台计算机的ESOU的工作量Ea;
Ea=Rpt-1+Rpt-2+…+Rpt-m
Rpt-m是指在Ea队列中的第m个批次的处理时间。
步骤S13:按升序排列ESOU,然后选择工作负载最少的计算机;
sort代表按照工作量Ea的升序进行排列。
步骤S14:在Ea的缓冲区中通过LSOU生成RSOU或BSOU。
步骤S2:构建配方自组织单元(RSOU),代表调度过程中的待调度方案;
步骤S3:构建批次自组织单位(BSOU),代表由相同调度方案组成的多个调度批次,并使用当前同一调度设备;
步骤S4:构建设备自组织单元(ESOU),ESOU代表工厂中的设备,包括多批次ESOU和单批次ESOU。ESOU是生产过程中的主要决策者和执行者,主要负责在机器上分别选择合适的RSOU或BSOU进行加工;
步骤S41:分别计算非批处理ESOU和批处理ESOU的工作量;
Lu=Tunp+Tr
Lb=Tbnp+Tr
这里,Lu代表非批处理中ESOU的总工作量;Tunp代表非批处理机器的等待队列中,尚未处理批次的理论总处理时间;Tr代表当前机器上已处理的批次的剩余处理时间;Lb代表具有批处理功能的ESOU的工作量;Tbnp代表批处理机器的等待队列中,尚未处理批次的理论总处理时间。
步骤S42:分别计算非批处理和批处理的瓶颈状况;
Bu=(Lu-Lm)/Lm
Bb=(Lb-Lm)/Lm
这里,Bu代表非批处理设备的瓶颈程度;Bb代表批处理设备的瓶颈程度;Lm代表当前设备的最大处理能力。
步骤S43:按,按照当前设备中的已完成情况,瓶颈的饱和程度,非瓶颈的饱和程度,非瓶颈阻塞和瓶颈阻塞的顺序进行排序;
isFinished代表已经完成全部任务,完全空闲;bn代表瓶颈设备的饥饿程度;nbf代表非瓶颈的空闲程度;nbb代表非瓶颈处理的阻塞程度;bb代表瓶颈处理的阻塞程度。
步骤S44:以升序排列RSOU和BSOU的优先级,proTime代表处理时间:
步骤S5:构建处理资源自组织单元(PSOU),负责设置相应的调度规则。进一步的,将瞬时动态瓶颈作为要添加到调度规则中的因素,并判断与设备组和设备有关的动态瓶颈设备。
步骤S6:分别计算非批处理和批处理设备组的工作量:
TR是设备组的缓冲区中的排队处理时间;TE是设备的剩余可用时间;maxBatch代表当前设备组的最大处理能力(以批次为单位)。
步骤S7:计算当前设备组的最大处理能力:
Lm=max{R1,R2,…,Rm}*equNum
Rm代表设备组中配方m的处理时间;equNum代表设备组中的设备数。
步骤S8:分别判断非批处理和批处理设备是否存在瓶颈:
queLen代表缓冲区中排队的手数;maxBatch为设备上可以处理的最大批次数。
步骤S9:考虑到准时交付率这项重要的性能,确保紧急批次的快速完成并提高总准时交付率,随机选择一定比例的紧急批次作为静态批次并设置到期日:
Di为第一批待交付产品的到期日;Tpti为批次i中每个步骤的处理时间。
步骤S10:动态识别紧急批次,如果一个批次可能被延迟,那么它将动态地成为一个紧急批次,以确保按时交货。判断某批次是否可以成为紧急批次的方法:
TP代表该批次的实际剩余处理时间;TT代表该批次的理论剩余处理时间;Tpro代表当前步骤中批次的处理时间。
本发明实施案例通过动态整合数据看板和点对点结构,实现了自组织单位之间的IIAP。对于ESOU和LSOU之间的IIAP,首选数据看板结构。对于ESOU中的IIAP,将使用对等结构。综合考虑到多个动态因素和热点,可以进一步扩展DDRSO,即E-DDRSO。与DDRSO相比,E-DDRSO在两个方面进行了改进:自组织单位的角色定义和考虑热点。。
进一步的,为了证明DDRSO和E-DDRSO的优越性,以下将这两种调度方法与另一种灵活调度方法(BPSO-SVM)进行了比较。BPSO-SVM是一种基于数据的动态调度策略,其应用支持向量机器(SVM)以实现分类模型。此外,它使用二进制粒子群优化算法(BPSO)优化生产属性(即特征)子集,并最终创建用于动态调度策略的分类模型。这里,将模拟时间设置为90天,并采用最近60天的数据。接下来,通过数据表1展示了BPSO-SVM,DDRSO和E-DDRSO三种调度方法之间的对比,包含在轻载(6000)片,中载(7000)片和重载(8000)片三种条件下的情况。
表1BPSO-SVM,DDRSO和E-DDRSO三种调度方法之间的对比表
可以得出以下结论:
①与BPSO-SVM和DDRSO相比,当WIP为6000和7000片时,E-DDRSO的MOV和TH显示出相当大的优势。
②与DDRSO和BPSO-SVM相比,E-DDRSO更加紧急批次。
与现有技术相比,本发明具有以下有益效果:
1.与传统的启发式调度规则相比,无论系统负载的多少,DDRSO的多种性能包括WIP数,准时交货率等都获得了更好的效果。
2.当WIP为6000、7000和8000片时,与其他传统的启发式调度规则相比,DDRSO的ODR平均分别提高了39.64%,13.87%和7.17%。
3.根据半导体调度的特点,当考虑了多个动态因素和热点的影响,可以将DDRSO扩展到E-DDRSO,而E-DDRSO的性能优于DDRSO。
4.其他智能调度算法,如BPSO-SVM和E-DDRSO相比,当WIP为6000和7000片时,E-DDRSO的MOV和TH显示出相当大的优势。当WIP为8000片时,E-DDRSO的也有一定改进。
本说明书涉及的术语如下。
批次自组织单元(lot self-organization unit,简称LSOU)
配方自组织单元(recipe self-organization unit,简称RSOU)
批次自组织单位(batch self-organization unit,简称BSOU)
设备自组织单元(equipment self-organization unit,简称ESOU)
自组织调度方法(dynamic dispatching rule based on self-organization,简称DDRSO)
在制品(work in process,简称WIP)
准时交货率(on-time delivery rate,简称ODR)
扩展型自组织调度方法(Extended-dynamic dispatching rule based on self-organization,简称E-DDRSO)
交互式信息参与模式(interactive information accession pattern,简称IIAP)
批处理机(batch-processing machines,简称BPM)
循环时间(cycle time,简称CT)
高架起重运输(overhead hoist transport,简称OHT)
先进先出(first in first out,简称FIFO)
临界比率(critical ratio,简称CR)
自适应网络模糊推理系统(adaptive network-based fuzzy inference system,简称ANFIS)
两级分层生产计划(two-level hierarchical production planning,简称HPP)线性规划(linear programming,简称LP)
自组织映射(self-organizing map,简称SOM)
值得说明的是,虽然前述内容已经参考若干具体实施方式描述了本发明创造的精神和原理,但是应该理解,本发明并不限于所公开的具体实施方式,对各方面的划分也不意味着这些方面中的特征不能组合,这种划分仅是为了表述的方便。本发明旨在涵盖所附权利要求的精神和范围内所包括的各种修改和等同布置。
Claims (3)
1.一种半导体制造系统的动态调度方法,其特征在于,包括以下步骤,
设置半导体制造系统中的自组织单元的角色和参数,定义生产环境中的关键节点;
构建自组织单元之间的协商机制,设计决策和调度主体ESOU单元;
根据ESOU单元的决策指令,设计LSOU分配调度单元,负责区分单批处理和多批处理;
设计基于自组织单元的调度机制,实现动态的半导体调度,
其中,所述动态调度方法进一步包括:
S1,构建加工对象自组织单元LSOU,加工对象自组织单元LSOU代表一批需要调度的晶圆模块;
S2,构建配方自组织单元RSOU,该配方自组织单元RSOU代表调度过程中的晶圆待调度方案;
S3,根据半导体调度的组批要求,由多种半导体晶圆组成一批在同一设备上加工,构建批次自组织单位BSOU,该批次自组织单位BSOU代表由相同调度方案组成的多个调度批次,并使用当前同一调度设备;
S4,构建设备自组织单元ESOU,该ESOU代表半导体系统中的设备,包括多批次ESOU和单批次ESOU;
S5,构建处理资源自组织单元PSOU,该处理资源自组织单元PSOU负责设置相应的调度规则;
S6,分别计算非批处理设备组Lu和批处理设备组Lb的工作量,
TR是设备组的缓冲区中的排队处理时间;TE是设备的剩余可用时间;maxBatch以批次为单位,代表当前设备组的最大处理能力;
S7,计算当前设备组的最大处理能力Lm,
Lm=max{R1,R2,…,Rm}*equNum (3)
Rm代表设备组中配方m的处理时间;equNum代表设备组中的设备数;
S8,分别判断非批处理和批处理设备是否存在瓶颈,
queLen代表缓冲区中排队的手数;maxBatch为设备上可以处理的最大批次数;
S9,确保紧急批次的快速完成并提高总准时交付率,随机选择一定比例的紧急批次作为静态批次并设置到期日:
Di为第一批待交付产品的到期日;Tpti为批次i中每个步骤的处理时间;
S10,动态识别紧急批次,如果一个批次很可能被延迟,那么它将动态地成为一个紧急批次,以确保按时交货,判断某批次是否可以成为紧急批次的方法:
TP代表该批次的实际剩余处理时间,TT代表该批次的理论剩余处理时间,Tpro代表当前步骤中批次的处理时间,DueDate是理论交付日期,curTime是当前的时间。
3.根据权利要求2所述的半导体制造系统的动态调度方法,其特征在于,所述步骤S4具体包括:
S41,分别计算非批处理ESOU和批处理ESOU的工作量,
Lu=Tunp+Tr
Lb=Tbnp+Tr
这里,Lu代表非批处理中ESOU的总工作量;Tunp代表非批处理机器的等待队列中,尚未处理批次的理论总处理时间;Tr代表当前机器上已处理的批次的剩余处理时间;Lb代表具有批处理功能的ESOU的工作量;Tbnp代表批处理机器的等待队列中,尚未处理批次的理论总处理时间;
S42,分别计算非批处理ESOU和批处理ESOU的瓶颈状况;
Bu=(Lu-Lm)/Lm
Bb=(Lb-Lm)/Lm
这里,Bu代表非批处理设备的瓶颈程度;Bb代表批处理设备的瓶颈程度;Lm代表当前设备的最大处理能力;
S43,按升序排列,按照当前设备中的已完成情况,瓶颈的饥饿程度,非瓶颈的空闲程度,非瓶颈阻塞和瓶颈阻塞的顺序进行排序;
isFinished代表已经完成全部任务,完全空闲;bn代表瓶颈设备的饥饿程度;nbf代表非瓶颈的空闲程度;nbb代表非瓶颈处理的阻塞程度;bb代表瓶颈处理的阻塞程度;
S44,以升序排列RSOU和BSOU的优先级,proTime代表处理时间,
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011537045.4A CN112650179B (zh) | 2020-12-23 | 2020-12-23 | 半导体制造系统的动态调度方法 |
PCT/CN2021/073947 WO2022134264A1 (zh) | 2020-12-23 | 2021-01-27 | 半导体制造系统的动态调度方法 |
US17/710,989 US20220223444A1 (en) | 2020-12-23 | 2022-03-31 | Dynamic dispatching method for semiconductor manufacturing system |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011537045.4A CN112650179B (zh) | 2020-12-23 | 2020-12-23 | 半导体制造系统的动态调度方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112650179A CN112650179A (zh) | 2021-04-13 |
CN112650179B true CN112650179B (zh) | 2022-05-27 |
Family
ID=75359415
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011537045.4A Active CN112650179B (zh) | 2020-12-23 | 2020-12-23 | 半导体制造系统的动态调度方法 |
Country Status (3)
Country | Link |
---|---|
US (1) | US20220223444A1 (zh) |
CN (1) | CN112650179B (zh) |
WO (1) | WO2022134264A1 (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117077459B (zh) * | 2023-10-17 | 2024-01-30 | 中国电子工程设计院股份有限公司 | 一种融合物流的半导体制造仿真模型构建方法及装置 |
CN117331291B (zh) * | 2023-12-01 | 2024-03-19 | 上海红岩临芯半导体科技有限公司 | 涂胶显影设备单元均衡流片的调度方法及系统 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB2357345A (en) * | 1999-12-14 | 2001-06-20 | Nec Corp | A system for controlling and tracking automated semiconductor wafer production |
TW497141B (en) * | 1995-12-23 | 2002-08-01 | Taiwan Semiconductor Mfg | Dynamic dispatching method |
CN1734382A (zh) * | 2005-06-10 | 2006-02-15 | 同济大学 | 基于信息素的用于半导体生产线的动态调度方法 |
CN101493857A (zh) * | 2009-02-13 | 2009-07-29 | 同济大学 | 基于Petri网与免疫算法的半导体生产线建模与优化调度方法 |
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 |
CN106779220A (zh) * | 2016-12-20 | 2017-05-31 | 浙江中控研究院有限公司 | 一种炼钢‑连铸‑热轧集成调度方法与系统 |
CN108829052A (zh) * | 2018-05-31 | 2018-11-16 | 同济大学 | 一种半导体生产线cps环境下的调度优化方法及装置 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7889651B2 (en) * | 2007-06-06 | 2011-02-15 | International Business Machines Corporation | Distributed joint admission control and dynamic resource allocation in stream processing networks |
CN100595700C (zh) * | 2008-11-20 | 2010-03-24 | 上海交通大学 | 半导体制造系统的重调度决策系统 |
US9946563B2 (en) * | 2012-02-21 | 2018-04-17 | Disney Enterprises, Inc. | Batch scheduler management of virtual machines |
US9659799B2 (en) * | 2012-08-28 | 2017-05-23 | Asm Ip Holding B.V. | Systems and methods for dynamic semiconductor process scheduling |
-
2020
- 2020-12-23 CN CN202011537045.4A patent/CN112650179B/zh active Active
-
2021
- 2021-01-27 WO PCT/CN2021/073947 patent/WO2022134264A1/zh active Application Filing
-
2022
- 2022-03-31 US US17/710,989 patent/US20220223444A1/en active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TW497141B (en) * | 1995-12-23 | 2002-08-01 | Taiwan Semiconductor Mfg | Dynamic dispatching method |
GB2357345A (en) * | 1999-12-14 | 2001-06-20 | Nec Corp | A system for controlling and tracking automated semiconductor wafer production |
CN1734382A (zh) * | 2005-06-10 | 2006-02-15 | 同济大学 | 基于信息素的用于半导体生产线的动态调度方法 |
CN101493857A (zh) * | 2009-02-13 | 2009-07-29 | 同济大学 | 基于Petri网与免疫算法的半导体生产线建模与优化调度方法 |
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 |
CN106779220A (zh) * | 2016-12-20 | 2017-05-31 | 浙江中控研究院有限公司 | 一种炼钢‑连铸‑热轧集成调度方法与系统 |
CN108829052A (zh) * | 2018-05-31 | 2018-11-16 | 同济大学 | 一种半导体生产线cps环境下的调度优化方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN112650179A (zh) | 2021-04-13 |
US20220223444A1 (en) | 2022-07-14 |
WO2022134264A1 (zh) | 2022-06-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Li et al. | Adaptive dispatching rule for semiconductor wafer fabrication facility | |
US20220223444A1 (en) | Dynamic dispatching method for semiconductor manufacturing system | |
Godinho Filho et al. | Using Genetic Algorithms to solve scheduling problems on flexible manufacturing systems (FMS): a literature survey, classification and analysis | |
Zhang et al. | Fuzzy neural network-based rescheduling decision mechanism for semiconductor manufacturing | |
Zambrano Rey et al. | Solving the flexible job-shop just-in-time scheduling problem with quadratic earliness and tardiness costs | |
CN101582043A (zh) | 一种异构计算系统动态任务分配方法 | |
Chang et al. | Multi-objective real-time dispatching for integrated delivery in a Fab using GA based simulation optimization | |
Yu et al. | A self-organized approach for scheduling semiconductor manufacturing systems | |
Wu et al. | Dynamic dispatching and preventive maintenance for parallel machines with dispatching-dependent deterioration | |
Mhiri et al. | Finite capacity planning algorithm for semiconductor industry considering lots priority | |
Li et al. | An efficient adaptive dispatching method for semiconductor wafer fabrication facility | |
Kopanos et al. | Advanced production scheduling in a seagate technology wafer fab | |
Chen et al. | Hybrid flow shop rescheduling algorithm for perishable products subject to a due date with random invalidity to the operational unit | |
Gupta et al. | Minimization of weighted sum of total tardiness and make span in no wait flow shop scheduling Using different heuristic algorithm: A Review | |
Varadarajan et al. | A survey of dispatching rules for operational control in wafer fabrication | |
CN112598274A (zh) | 半导体制造系统的调度方法 | |
Giner et al. | Demonstrating reinforcement learning for maintenance scheduling in a production environment | |
Li et al. | Human-system cooperative hybrid augmented intelligence based dynamic dispatching framework of semiconductor wafer fabrication facility | |
Zhang et al. | Simulation based real-time scheduling method for dispatching and rework control of semiconductor manufacturing system | |
Seidel et al. | An agent-based approach to self-organized production | |
Ho et al. | A study on the lot production management in a thin-film-transistor liquid-crystal display fab | |
Cui et al. | A closed loop dynamic scheduling method based on load balancing for semiconductor wafer fabrication facility | |
Henning | Realistic rescheduling: Is it achievable? | |
Xiao et al. | A MILP-based batch scheduling for two-stage hybrid flowshop with sequence-dependent setups in semiconductor assembly and test manufacturing | |
Wang et al. | Dynamic Spatiotemporal scheduling of hull parts under complex constraints in shipbuilding workshop |
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 |