CN113610332B - 工艺调度方法及其工艺调度系统 - Google Patents
工艺调度方法及其工艺调度系统 Download PDFInfo
- Publication number
- CN113610332B CN113610332B CN202011442145.9A CN202011442145A CN113610332B CN 113610332 B CN113610332 B CN 113610332B CN 202011442145 A CN202011442145 A CN 202011442145A CN 113610332 B CN113610332 B CN 113610332B
- Authority
- CN
- China
- Prior art keywords
- candidate
- materials
- cycle times
- devices
- target
- 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 108
- 239000000463 material Substances 0.000 claims abstract description 142
- 238000012545 processing Methods 0.000 claims abstract description 87
- 230000002068 genetic effect Effects 0.000 claims abstract description 17
- 239000011159 matrix material Substances 0.000 claims description 18
- 230000035772 mutation Effects 0.000 claims description 7
- 238000005457 optimization Methods 0.000 claims description 6
- 238000011156 evaluation Methods 0.000 description 9
- 238000009826 distribution Methods 0.000 description 8
- 230000032683 aging Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 238000004519 manufacturing process Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 238000013500 data storage Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 235000012431 wafers Nutrition 0.000 description 2
- 238000013461 design Methods 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
- G06Q10/103—Workflow collaboration or project management
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- Biophysics (AREA)
- Economics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Business, Economics & Management (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Data Mining & Analysis (AREA)
- Tourism & Hospitality (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Genetics & Genomics (AREA)
- Computational Linguistics (AREA)
- Educational Administration (AREA)
- Physiology (AREA)
- Game Theory and Decision Science (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Development Economics (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种工艺调度方法及其工艺调度系统。所述工艺调度方法包括判断多个材料在多个设备的多个权重化处理时间;利用一遗传算法,依据所述多个权重化处理时间计算多个目标循环时间;以及依据所述多个目标循环时间,将所述多个材料分配至所述多个设备。
Description
技术领域
本发明涉及工艺(process)调度方法及其工艺调度系统,并且更具体而言,涉及可提高生产效率的工艺调度方法及其工艺调度系统。
背景技术
在材料(例如半导体元件)的工艺(process,有时又称之为“制程”)过程中,需要执行多个工艺步骤,且需要利用多个站点的多个设备来依次执行。并且,在一个站点内,可能存在多个/多批材料需要被处理。因此,如何将材料分配至一个站点的多个设备,并最大化设备的产能且达成工艺调度的全域优化,即成为重要课题。
发明内容
为了解决上述的问题,本发明主要提供一种工艺调度方法及其工艺调度系统,以提高生产效率。
本发明公开一种工艺调度方法。所述工艺调度方法包括判断多个材料在多个设备的多个权重化处理时间;利用一遗传算法,依据所述多个权重化处理时间计算多个目标循环时间;以及依据所述多个目标循环时间,将所述多个材料分配至所述多个设备。
本发明另公开一种工艺调度系统。所述工艺调度系统包括一存储器以及一处理电路。所述存储器用来存储的一指令包括判断多个材料在多个设备的多个权重化处理时间;利用一遗传算法,依据所述多个权重化处理时间计算多个目标循环时间;以及依据所述多个目标循环时间,将所述多个材料分配至所述多个设备。所述处理电路,耦接至所述存储器,用来执行存储在所述存储器的所述指令。
附图说明
图1为本发明实施例一工艺调度系统的示意图。
图2为本发明实施例的一工艺调度方法的流程图。
图3为依据图2所示的工艺调度方法而进行调度的甘特图。
图4及图5分别为本发明实施例的一性能评估步骤的示意图。
图6为本发明实施例的一控制装置的示意图。
【主要元件符号说明】
10 工艺调度系统
110Q1~110Q4 设备
120 控制装置
MT1~MT5 材料
20 工艺调度方法
200~216 步骤
60 控制装置
600 处理电路
610 存储器
620 通信接口
具体实施方式
为了方便说明,本发明的各附图仅为示意以更容易了解本发明,其详细的比例可依照设计的需求进行调整。在通篇说明书及后续的权利要求当中所提及的“包括”为一开放式的用语,故应解释成“包括但不限定于”。在通篇说明书及后续的权利要求当中所提及的“第一”、“第二”等叙述,仅用以区别不同的元件,并不对其产生顺序的限制。所述实施例在不抵触的情况下可以以各种方式组合。
图1为本发明实施例一工艺调度系统10的示意图。工艺调度系统10可包括多个设备(equipment)110Q1~110Q4以及一控制装置120。设备110Q1~110Q4分别耦接至控制装置120,以分别依据控制装置120的指令操作。设备110Q1~110Q4可分别为机台,其用来处理多个材料MT1~MT5。材料MT1~MT5可分别为一个晶圆或者一批晶圆。
在一实施例中,材料MT1~MT5中的每一个都会分配至设备110Q1~110Q4中的一个,也就是说,设备110Q1~110Q4位于同一个站点,且每一个材料都受到一个设备处理。一个材料移入一个站点至移出所述站点之间的时间可称为循环时间,而所述站点的一个设备处理所述材料所需要的真实的时间可称为处理时间。由于循环时间越小,产能及生产效率越大,因此须最小化循环时间。
简单来说,本发明的控制装置120可利用遗传算法,依据权重化处理时间最小化循环时间,如此一来,可以使计算出的目标循环时间可以在多目标冲突下尽可能达成最小化循环时间的目标,并为全局最优解。并且,控制装置120可利用剩余时效、优先级或等待时间来调整材料MT1~MT5在设备110Q1~110Q4的处理时间,而得到权重化处理时间,如此一来,本发明可以优先处理材料MT1~MT5中某些材料。
详细而言,图2为本发明实施例的一工艺调度方法20的流程图。工艺调度方法20涉及自动化调度,并可用于工艺调度系统10,以提高生产效率。工艺调度系统20可包含以下步骤:
步骤200:开始。
步骤202:判断多个材料在多个设备的多个权重化处理时间(process time)。
步骤204:提供至少一初始变量(或至少一变量)。
步骤206:依据所述至少一初始变量(或所述至少一变量),在所述多个权重化处理时间中选择出多个候选处理时间。
步骤208:依据所述至少一初始变量(或所述至少一变量),计算多个候选等待时间。
步骤210:计算多个候选循环时间。
步骤212:利用一遗传算法,依据所述多个候选循环时间计算出多个目标循环时间(objective cycle time)。
步骤214:依据所述多个目标循环时间,将所述多个材料分配至所述多个设备。
步骤216:结束。
在步骤202中,控制装置120可判断材料MT1~MT5在设备110Q1~110Q4的权重化处理时间。举例来说,表1为材料MT1~MT5在设备110Q1~110Q4的权重化处理时间。如表1所示,控制装置120可判断材料MT1~MT5在设备110Q1的权重化处理时间分别是100、2、4、5、6分钟。也就是说,权重化处理时间可对应至一个2维矩阵,例如4行(row)5列(column)的4×5矩阵。
(表1)
材料MT1 | 材料MT2 | 材料MT3 | 材料MT4 | 材料MT5 | |
设备110Q1 | 100 | 2 | 4 | 5 | 6 |
设备110Q2 | 4 | 10 | 3 | 7 | 9 |
设备110Q3 | 8 | 8 | 12 | 5 | 13 |
设备110Q4 | 9 | 10 | 3 | 2 | 1 |
在一实施例中,控制装置120可定时更新材料MT1~MT5在设备110Q1~110Q4的权重化处理时间。也就是说,所述2维矩阵的元素值可随时间变化,而为时间的函数。
在一实施例中,一个材料(也可称作第一材料)在一个设备(也可称作第一设备)的权重化处理时间(也可称作第一权重化处理时间)可依据所述材料在所述设备的处理时间、所述材料的剩余时效(que time)、所述材料的优先级(priority)或所述材料的等待时间(waiting time)来决定。其中,剩余时效是指某一个材料在某一个工艺之后,其暴露在环境中的时间相对于一预期值的差值,举例来说,为了满足工艺及产品质量的要求,所述材料在所述工艺之后优选地不暴露在环境中超过50分钟的预期值,而所述材料在所述工艺之后暴露在环境中的时间为60分钟,则剩余时效为-10分钟。优先级是指一个材料的优先顺序,其可与出货时程相关联。等待时间是指移入一个站点与由所述站点的一个设备进行处理之间已经历经的时间。
具体而言,表2为材料MT1~MT5对应的剩余时效、优先级及等待时间。举例来说,材料MT1及MT2在设备110Q2的处理时间可分别为10分钟,但如表2所示,材料MT1及MT2的剩余时效分别为-10及-5分钟,代表材料MT1需要尽快受到处理,且材料MT1的优先级高于材料MT2的优先级,代表材料MT1需要尽快受到处理,且材料MT1历经比较久的等待时间,代表材料MT1需要尽快受到处理,因此,材料MT1的10分钟的处理时间权重化为表1所示的2分钟的权重化处理时间。由此可知,权重化处理时间相关联于一个材料在一个设备的处理时间、所述材料的一剩余时效、所述材料的一优先级或所述材料的一等待时间,且所述材料在所述设备的所述处理时间可不同于所述权重化处理时间。
(表2)
材料MT1 | 材料MT2 | 材料MT3 | 材料MT4 | 材料MT5 | |
剩余时效 | -10 | -5 | 10 | 20 | 30 |
优先级 | 2 | 3 | 1 | 2 | 2 |
等待时间 | 10 | 5 | 15 | 20 | 50 |
在步骤204中,控制装置120可产生初始变量,其可为材料MT1~MT5与设备110Q1~110Q4的对应关系或分配情形。举例来说,在一实施例中,初始变量可为[(0,[0]),(1,[1,4]),(2,[2]),(3,[3])],代表材料MT1分配至设备110Q1,材料MT2及MT5分配至设备110Q2,材料MT3分配至设备110Q3,材料MT4分配至设备110Q4。在一实施例中,初始变量可为[0,1,2,3,1],代表材料MT1~MT5分别分配至设备110Q1、110Q2、110Q3、110Q4、110Q2。
在一实施例中,控制装置120可利用随机数方式随机产生初始变量。在一实施例中,控制装置120或用户可干预初始变量的产生过程,以提高初始变量的质量。在一实施例中,初始变量的数目可以大于1,举例来说,控制装置120可产生2个初始变量[(0,[0]),(1,[1,4]),(2,[2]),(3,[3])]及[(1,[0,1]),(2,[2,3,4])],但不限于此。在一实施例中,初始变量的数目经过适当设计,以避免占用过多计算资源或忽略最优解。
在步骤206中,控制装置120可依据初始变量,在权重化处理时间中选择出候选处理时间。举例来说,选择材料MT1在设备110Q1处理后对应的权重化处理时间为100分钟,选择材料MT2在设备110Q2处理后对应的权重化处理时间为10分钟,选择材料MT3在设备110Q3处理后对应的权重化处理时间为12分钟,选择材料MT4在设备110Q4处理后对应的权重化处理时间为2分钟,选择材料MT5在设备110Q2处理后对应的权重化处理时间为9分钟。也就是说,依据初始变量所提供的对应关系或分配情形,可得知候选处理时间分别是100、10、12、2、9分钟。
在一实施例中,初始变量的数目(例如2个)可决定候选处理时间的数目(例如2×5=10个)。在一实施例中,多个候选处理时间可对应至一个2维矩阵,所述2维矩阵的列数等于初始变量的数目,所述2维矩阵的行数等于材料MT1~MT5的数目。
在步骤208中,控制装置120可依据初始变量,计算候选等待时间。举例来说,依据初始变量所提供的对应关系或分配情形,可得知材料MT5在材料MT2之后利用设备110Q2来处理。在一实施例中,候选等待时间可对应候选处理时间。举例来说,材料MT2在设备110Q2的候选等待时间为10分钟,则材料MT5在设备110Q2的候选等待时间为10分钟。也就是说,依据初始变量所提供的对应关系或分配情形,可基于候选处理时间分别是100、10、12、2、9分钟,得知候选等待时间分别是0、0、0、0、10分钟。
在一实施例中,初始变量的数目(例如2个)可决定候选循环时间的数目(例如2×5=10个)。在一实施例中,多个候选循环时间可对应至一个2维矩阵,所述2维矩阵的列数等于初始变量的数目,所述2维矩阵的行数等于材料MT1~MT5的数目。
在步骤212中,控制装置120可计算候选循环时间,其中,候选循环时间是候选处理时间及候选等待时间的总合。举例来说,候选处理时间是100、10、12、2、9分钟,候选等待时间是0、0、0、0、10分钟,则可得知候选循环时间是100、10、12、2、19分钟。在一实施例中,候选循环时间可视为目标函数。
在一实施例中,初始变量的数目(例如2个)可决定候选循环时间的数目(例如2个)。在一实施例中,多个候选循环时间可对应至一个2维矩阵,所述2维矩阵的列数等于初始变量的数目,所述2维矩阵的行数等于材料MT1~MT5的数目。
在步骤210中,控制装置120可利用遗传算法(genetic algorithm,GA),依据候选循环时间计算出目标循环时间。简单来说,遗传算法是一个迭代过程,其自初始变量开始,经由多次迭代(或代(Generation))来将初始变量调整至不同代的变量,并计算其对应的候选循环时间(即反复执行步骤204~208),以找到相对于初始变量的更适合的解,使得候选循环时间可最小化至目标循环时间。
在一实施例中,在调整初始变量的迭代步骤中,可利用计算适应度函式(fitnessfunction)来得到每一次迭代的变量的适应度数值,并依据适应度数值来决定所述变量被选择的机率。在一实施例中,调整初始变量的迭代步骤包括选择(selection)操作、交叉(crossover)操作或变异(mutation)操作。在一实施例中,遗传算法采用Geatpy框架。
在一实施例中,可利用遗传算法,调整初始变量,直到在满足一约束条件下,候选循环时间最小化至目标循环时间。在一实施例中,约束条件可与设备110Q1~110Q4处理材料MT1~MT5的能力相关。设备110Q1~110Q4是否能够处理材料MT1~MT5的能力可能由设备110Q1~110Q4的处理质量决定。在一实施例中,约束条件是指材料MT1~MT5分配到的设备都具有处理的能力。举例来说,表3为设备110Q1~110Q4处理材料MT1~MT5的能力。如表3所示,设备110Q1能够处理设备材料MT1、MT3、MT4,设备110Q2能够处理设备材料MT1~MT3,设备110Q3能够处理设备材料MT1、MT2、MT4、MT5,设备110Q4能够处理设备材料MT2~MT4。如表3所示,设备110Q1~110Q4处理材料MT1~MT5的能力可表示为一个2维矩阵,例如4行5列的4×5矩阵。
(表3)
材料MT1 | 材料MT2 | 材料MT3 | 材料MT4 | 材料MT5 | |
设备110Q1 | 1 | 0 | 1 | 1 | 0 |
设备110Q2 | 1 | 1 | 1 | 0 | 0 |
设备110Q3 | 1 | 1 | 0 | 1 | 1 |
设备110Q4 | 0 | 1 | 1 | 1 | 0 |
举例来说,倘若(例如经过交叉操作或变异操作而使得初始变量之后的)某一次迭代的变量(也可称作第一变量)为[0,1,2,3,1],代表材料MT1~MT5分别分配至设备110Q1、110Q2、110Q3、110Q4、110Q2。并且,由上述可知,在步骤206中,可依据所述变量,在所述权重化处理时间中选择出候选处理时间为100、10、12、2、9分钟。在步骤208中,可依据所述变量及所述候选处理时间,而可将候选等待时间计算为0、0、0、0、10分钟。在步骤210中,可依据所述候选等待时间及所述候选处理时间,而可将候选循环时间计算为100、10、12、2、19分钟。此外,依据表3可知,材料MT1能够由设备110Q1处理,且所述2维矩阵的元素值为1。依据表3可知,材料MT2能够由设备110Q2处理,且所述2维矩阵的元素值为1。依据表3可知,材料MT3不能够由设备110Q3处理,且所述2维矩阵的元素值为0。依据表3可知,材料MT4能够由设备110Q4处理,且所述2维矩阵的元素值为1。依据表3可知,材料MT5不能够由设备110Q2处理,且所述2维矩阵的元素值为0。在步骤212中,由于1+1+0+1+0=3,其小于材料MT1~MT5的数目(即5),因此无法满足约束条件,亦即无法使得依据所述变量而查找(lookup)表3的矩阵元素值的总和等于材料MT1~MT5的数目。在此情况下,由于调整初始变量至所述变量的结果无法满足约束条件,所述变量无法作为适合的解。
或者,倘若(例如经过交叉操作或变异操作而使得初始变量之后的)某一次迭代的变量(也可称作第二变量)为[1,2,3,0,2],代表材料MT1~MT5分别分配至设备110Q2、110Q3、110Q4、110Q1、110Q3。在步骤206中,可依据所述变量,在所述权重化处理时间中选择出候选处理时间为4、8、3、5、13分钟。在步骤208中,可依据所述变量及所述候选处理时间,而可将候选等待时间计算为0、0、0、0、8分钟。在步骤210中,可依据所述候选等待时间及所述候选处理时间,而可将候选循环时间计算为4、8、3、5、21分钟。在步骤212中,由于查找表3可知1+1+1+1+1=5,其等于材料MT1~MT5的数目(即5),因此可满足约束条件。在此情况下,所述变量可作为适合的解。
或者,倘若(例如经过交叉操作或变异操作而使得初始变量之后的)某一次迭代的变量(也可称作第三变量)为[1,2,3,0,3],代表材料MT1~MT5分别分配至设备110Q2、110Q3、110Q4、110Q1、110Q4。在步骤206中,可依据所述变量,在所述权重化处理时间中选择出候选处理时间为4、8、3、5、1分钟。在步骤208中,可依据所述变量及所述候选处理时间,而可将候选等待时间计算为0、0、0、0、3分钟。在步骤210中,可依据所述候选等待时间及所述候选处理时间,而可将候选循环时间计算为4、8、3、5、4分钟。在步骤212中,由于查找表3可知1+1+1+1+1=5,其等于材料MT1~MT5的数目(即5),因此可满足约束条件。在此情况下,所述变量可作为适合的解。此外,相较于依据第二变量将候选循环时间计算为4、8、3、5、21分钟,依据第三变量计算出的候选循环时间为4、8、3、5、4分钟,其值较小,因此4、8、3、5、4分钟可以分别作为目标循环时间。
在一实施例中,由于材料MT1~MT5中的每一个的循环时间都需要被最小化,而存在5个目标,且所述5个目标具有冲突性,因此候选循环时间最小化至目标循环时间的步骤属于多目标优化。举例来说,相较于依据第二变量将候选循环时间计算为4、8、3、5、21分钟,依据第三变量计算出的候选循环时间为4、8、3、5、4分钟,其中第三变量对应的4分钟的候选循环时间小于或等于第二变量对应的4分钟的候选循环时间(也可称作第一目标),第三变量对应的8分钟的候选循环时间小于或等于第二变量对应的8分钟的候选循环时间(也可称作第二目标),第三变量对应的3分钟的候选循环时间小于或等于第二变量对应的3分钟的候选循环时间(也可称作第三目标),第三变量对应的5分钟的候选循环时间分别小于或等于第二变量对应的5分钟的候选循环时间(也可称作第四目标),第三变量对应的4分钟的候选循环时间分别小于或等于第二变量对应的21分钟的候选循环时间(也可称作第五目标),也就是说,5个目标都优化。
在一实施例中,多目标优化的最佳解可能不只一个,据此,可能存在多个变量对应的多个目标循环时间。举例来说,第二变量对应的候选循环时间(即4、8、3、5、21分钟)及第三变量对应的候选循环时间(即4、8、3、5、4分钟)可分别作为目标循环时间。在一实施例中,多个目标循环时间可对应至一个2维矩阵,所述2维矩阵的行数等于材料MT1~MT5的数目。在一实施例中,所述2维矩阵的列数等于初始变量的数目。
在步骤214中,控制装置120可依据目标循环时间,将材料MT1~MT5分配至设备110Q1~110Q4。在一实施例中,由于多目标优化的最适合的解可能不只一个,控制装置120可随机地在目标循环时间中选择出终局循环时间,并依据终局循环时间,将材料MT1~MT5分配至设备110Q1~110Q4。举例来说,控制装置120可随机地在第二变量对应的目标循环时间(即4、8、3、5、21分钟)及第三变量对应的目标循环时间(即4、8、3、5、4分钟)中选择出终局循环时间为4、8、3、5、4分钟。并且,控制装置120可将材料MT1~MT5分别分配至设备110Q2、110Q3、110Q4、110Q1、110Q4。
图3为依据图2所示的工艺调度方法20而进行调度的甘特(Gantt)图。其中,图3绘示出材料MT1~MT5分别分配至设备110Q2、110Q3、110Q4、110Q1、110Q4,且终局循环时间为4、8、3、5、4分钟。由图3可知,材料MT1~MT5的分配情形相对均匀,且可较快速地使设备110Q1~110Q4处理完材料MT1~MT5,而移出所述站点。
图2所示的工艺调度方法20还可包括自动进行性能评估步骤。举例来说,图4及图5分别为本发明实施例的一性能评估步骤的示意图。图4利用反世代距离评价指标(InvertedGenerational Distance,IGD)来进行性能评估步骤。反世代距离评价指标为一种综合性能评价指标,其是利用计算每一个在真实帕累托前沿面(Pareto front)上的点(个体)到算法获取的个体集合之间的最小距离和,来评价算法的收敛性能和分布性能。由于反世代距离评价指标的值越小,算法的收敛性及分布性能越好,因此由图4可知,工艺调度方法20(在代(Generation)的数目较大时)可具有较佳的收敛性及分布性能。图5利用超体积指标(Hypervolume,HV)来进行性能评估步骤。超体积指标涉及算法获得的非支配解集与参照点围成的目标空间中区域的体积。由于超体积指标的值越大,算法的收敛性及分布性能越好,因此由图5可知,工艺调度方法20(在代的数目较大时)可具有较佳的收敛性及分布性能。
需注意的是,图1所示的工艺调度系统10或图2所示的工艺调度方法20为本发明的实施例,本领域技术人员当可据以做不同的变化及修饰。举例来说,图6为本发明实施例的一控制装置60的示意图。控制装置60可作为图1中的控制装置120,但不限于此。控制装置60可包含一处理电路600、一存储器610及一通信接口620。处理电路600可为一中央处理器(Central Processing Unit,CPU)、一微处理器(microprocessor)或一特定应用集成电路(Application-Specific Integrated Circuit,ASIC)。存储器610可用来存储一程序代码614,处理电路600可藉由存储器610读取及执行程序代码614。举例来说,存储器610可为只读式存储器(Read-Only Memory,ROM)、闪存(flash memory)、随机存取存储器(Random-Access Memory,RAM)、硬盘(hard disk)、光学数据存储器(optical data storagedevice)、非易失性存储装置(non-volatile storage device)、非瞬时计算机可读取介质(non-transitory computer-readable medium)等。通信接口620可包含至少一收发器(transceiver),其是根据处理电路600的处理结果,用来传送及接收信号(例如数据、信息和/或分组)。
综上所述,本发明的工艺调度方法会判断材料在设备的权重化处理时间,而权重化处理时间是利用剩余时效、优先级或等待时间来调整处理时间,如此一来,可以优先处理某些材料。本发明的工艺调度方法是运用遗传算法,依据权重化处理时间计算出目标循环时间,如此一来,可以使计算出的目标循环时间为全局最优解,而可提高生产效率。并且,目标循环时间可以在多目标冲突下尽可能达成最小化循环时间的目标。
以上所述仅为本发明的优选实施例,凡依本发明权利要求书所做的均等变化与修饰,皆应属本发明的涵盖范围。
Claims (12)
1.一种工艺调度方法,包括:
判断多个材料在多个设备的多个权重化处理时间;
利用遗传算法,依据所述多个权重化处理时间计算多个目标循环时间,所述多个目标循环时间的一个是指在多次迭代后计算出的所述多个材料的一个移入至移出一个站点之间的时间,所述多个设备位于所述站点;以及
依据所述多个目标循环时间,将所述多个材料分配至所述多个设备,
其特征在于:
所述多个权重化处理时间中的第一权重化处理时间相关联于所述多个材料中的第一材料在所述多个设备中的第一设备的处理时间、所述第一材料的剩余时效、所述第一材料的优先级或所述第一材料的等待时间,其中,所述剩余时效是指所述第一材料在一工艺后暴露在环境中的时间相对于一预期值的差值,
其中,利用所述遗传算法依据所述多个权重化处理时间计算所述多个目标循环时间的步骤包括:
提供至少一初始变量,所述至少一初始变量中的每一个分别是所述多个材料与所述多个设备的对应关系;
依据所述至少一初始变量及所述多个权重化处理时间,计算多个候选循环时间,所述多个候选循环时间的一个是指在一次迭代后计算出的所述多个材料的一个移入至移出所述站点之间的时间;
利用所述遗传算法,依据所述多个候选循环时间计算所述多个目标循环时间;以及
调整所述至少一初始变量,直到在满足约束条件下,所述多个候选循环时间最小化至所述多个目标循环时间,其中,所述约束条件与所述多个设备处理所述多个材料的能力相关,
其中,依据所述至少一初始变量及所述多个权重化处理时间计算所述多个候选循环时间的步骤包括:
依据所述至少一初始变量,在所述多个权重化处理时间中选择出多个候选处理时间;
依据所述至少一初始变量,计算多个候选等待时间,其中,所述多个候选等待时间分别对应至所述多个候选处理时间;以及
计算所述多个候选循环时间,其中,所述多个候选循环时间中的每一个分别是所述多个候选处理时间中的一个及所述多个候选等待时间中的一个的总合。
2.如权利要求1所述的工艺调度方法,其特征在于,所述多个权重化处理时间、所述多个候选等待时间、所述多个候选处理时间、所述多个候选循环时间或所述多个目标循环时间分别对应至一2维矩阵。
3.如权利要求1所述的工艺调度方法,其特征在于,调整所述至少一初始变量的步骤包括选择操作、交叉操作或变异操作。
4.如权利要求1所述的工艺调度方法,其特征在于,所述多个候选循环时间最小化至所述多个目标循环时间的步骤属于多目标优化。
5.如权利要求1所述的工艺调度方法,其特征在于,依据所述多个目标循环时间将所述多个材料分配至所述多个设备的步骤包括:
随机在所述多个目标循环时间中选择出多个终局循环时间;以及
依据所述多个终局循环时间,将所述多个材料分配至所述多个设备。
6.如权利要求1所述的工艺调度方法,其特征在于,所述多个材料中的每一个分别分配至所述多个设备中的一个。
7.一种工艺调度系统,其特征在于,包括:
存储器,用来存储的指令包括:
判断多个材料在多个设备的多个权重化处理时间;
利用遗传算法,依据所述多个权重化处理时间计算多个目标循环时间,所述多个目标循环时间的一个是指在多次迭代后计算出的所述多个材料的一个移入至移出一个站点之间的时间,所述多个设备位于所述站点;以及
依据所述多个目标循环时间,将所述多个材料分配至所述多个设备;以及
处理电路,耦接至所述存储器,用来执行存储在所述存储器的所述指令,
其特征在于:
所述多个权重化处理时间中的第一权重化处理时间相关联于所述多个材料中的第一材料在所述多个设备中的第一设备的处理时间、所述第一材料的剩余时效、所述第一材料的优先级或所述第一材料的等待时间,其中,所述剩余时效是指所述第一材料在一工艺后暴露在环境中的时间相对于一预期值的差值,
其中,所述指令中的利用所述遗传算法依据所述多个权重化处理时间计算所述多个目标循环时间的步骤包括:
提供至少一初始变量,所述至少一初始变量中的每一个分别是所述多个材料与所述多个设备的对应关系;
依据所述至少一初始变量及所述多个权重化处理时间,计算多个候选循环时间,其中,所述多个候选循环时间的一个是指在一次迭代后计算出的所述多个材料的一个移入至移出所述站点之间的时间;
利用所述遗传算法,依据所述多个候选循环时间计算所述多个目标循环时间;以及
调整所述至少一初始变量,直到在满足约束条件下,所述多个候选循环时间最小化至所述多个目标循环时间,其中,所述约束条件与所述多个设备处理所述多个材料的能力相关,
其中,所述指令中的依据所述至少一初始变量及所述多个权重化处理时间计算所述多个候选循环时间的步骤包括:
依据所述至少一初始变量,在所述多个权重化处理时间中选择出多个候选处理时间;
依据所述至少一初始变量,计算多个候选等待时间,其中,所述多个候选等待时间分别对应至所述多个候选处理时间;以及
计算所述多个候选循环时间,其中,所述多个候选循环时间中的每一个分别是所述多个候选处理时间中的一个及所述多个候选等待时间中的一个的总合。
8.如权利要求7所述的工艺调度系统,其特征在于,所述多个权重化处理时间、所述多个候选等待时间、所述多个候选处理时间、所述多个候选循环时间或所述多个目标循环时间分别对应至一2维矩阵。
9.如权利要求7所述的工艺调度系统,其特征在于,所述指令中的调整所述至少一初始变量的步骤包括选择操作、交叉操作或变异操作。
10.如权利要求7所述的工艺调度系统,其特征在于,所述指令中的所述多个候选循环时间最小化至所述多个目标循环时间的步骤属于多目标优化。
11.如权利要求7所述的工艺调度系统,其特征在于,所述指令中的依据所述多个目标循环时间将所述多个材料分配至所述多个设备的步骤包括:
随机在所述多个目标循环时间中选择出多个终局循环时间;以及
依据所述多个终局循环时间,将所述多个材料分配至所述多个设备。
12.如权利要求7所述的工艺调度系统,其特征在于,所述多个材料中的每一个分别分配至所述多个设备中的一个。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011442145.9A CN113610332B (zh) | 2020-12-08 | 2020-12-08 | 工艺调度方法及其工艺调度系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011442145.9A CN113610332B (zh) | 2020-12-08 | 2020-12-08 | 工艺调度方法及其工艺调度系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113610332A CN113610332A (zh) | 2021-11-05 |
CN113610332B true CN113610332B (zh) | 2024-05-14 |
Family
ID=78303172
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011442145.9A Active CN113610332B (zh) | 2020-12-08 | 2020-12-08 | 工艺调度方法及其工艺调度系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113610332B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000330966A (ja) * | 1999-05-18 | 2000-11-30 | Japan Tobacco Inc | スケジューリング装置及びその方法とこのスケジューリングプログラムを格納する記録媒体 |
CN104268722A (zh) * | 2014-10-20 | 2015-01-07 | 南京信息工程大学 | 基于多目标进化算法的动态柔性作业车间调度方法 |
CN111079987A (zh) * | 2019-11-28 | 2020-04-28 | 电子科技大学 | 基于遗传算法的半导体车间生产调度方法 |
CN111507641A (zh) * | 2020-04-27 | 2020-08-07 | 上海华力集成电路制造有限公司 | 一种批处理设备调度方法及其装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE112016006846T5 (de) * | 2016-06-20 | 2019-02-14 | Mitsubishi Electric Corporation | Bearbeitungszeitberechnungsvorrichtung und Bearbeitungszeitberechnungsverfahren |
-
2020
- 2020-12-08 CN CN202011442145.9A patent/CN113610332B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000330966A (ja) * | 1999-05-18 | 2000-11-30 | Japan Tobacco Inc | スケジューリング装置及びその方法とこのスケジューリングプログラムを格納する記録媒体 |
CN104268722A (zh) * | 2014-10-20 | 2015-01-07 | 南京信息工程大学 | 基于多目标进化算法的动态柔性作业车间调度方法 |
CN111079987A (zh) * | 2019-11-28 | 2020-04-28 | 电子科技大学 | 基于遗传算法的半导体车间生产调度方法 |
CN111507641A (zh) * | 2020-04-27 | 2020-08-07 | 上海华力集成电路制造有限公司 | 一种批处理设备调度方法及其装置 |
Non-Patent Citations (2)
Title |
---|
Validating the capacity planning process and flowline product sequencing through simulation analysis;J.H. Marvel;《Proceedings of the Winter Simulation Conference》;第2112-2118页 * |
考虑多目标的工艺规划与调度集成问题研究;李言 等;《中国机械工程》;第26卷(第17期);第2344-2373页 * |
Also Published As
Publication number | Publication date |
---|---|
CN113610332A (zh) | 2021-11-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107301473B (zh) | 基于改进遗传算法的同类平行机批调度方法及系统 | |
US20200026264A1 (en) | Flexible job-shop scheduling method based on limited stable matching strategy | |
CN106971235B (zh) | 一种存在中间存储约束的柔性作业车间分批优化调度方法 | |
CN107783831A (zh) | 一种任务调度方法及装置 | |
CN106527381B (zh) | 一种面向并行批处理机动态调度的快速评估方法 | |
CN105929690B (zh) | 一种基于分解多目标进化算法的柔性车间鲁棒调度方法 | |
US9189733B2 (en) | Systems and methods for vector scalability of evolutionary algorithms | |
CN110719641B (zh) | 边缘计算中用户卸载与资源分配联合优化方法 | |
CN111342883A (zh) | 一种资源分配方法及装置 | |
CN108776845B (zh) | 一种基于双目标作业车间调度的混合果蝇算法 | |
CN104205666A (zh) | 用于无线系统的功率动态联合分配以及用户调度的方法和系统 | |
CN112232545A (zh) | 基于模拟退火算法的agv任务调度方法 | |
CN114641076A (zh) | 一种超密集网络中基于动态用户满意度的边缘计算卸载方法 | |
CN112686474A (zh) | 一种基于改进的水波优化算法的可并行装配线平衡方法 | |
CN111372265B (zh) | 天线参数配置方法、装置、系统及计算机可读存储介质 | |
CN113610332B (zh) | 工艺调度方法及其工艺调度系统 | |
CN107437138B (zh) | 基于改进引力搜索算法的生产运输协同调度方法及系统 | |
Zhang et al. | Improved vector evaluated genetic algorithm with archive for solving multiobjective pps problem | |
WO2022084575A1 (en) | Elevator call allocation with stochastic multi-objective optimization | |
CN108494520B (zh) | 分布式智能干扰系统用的定功率式干扰资源调度优化方法 | |
CN109102211B (zh) | 改进布谷鸟搜索的高端装备批处理机调度方法及系统 | |
CN109635328A (zh) | 集成电路布局方法以及分布式设计方法 | |
CN112836796B (zh) | 一种深度学习训练中系统资源和模型超参协同优化的方法 | |
CN105335226B (zh) | 针对多处理器系统的迭代式静态任务列表调度方法 | |
CN106066904B (zh) | 一种基于多目标进化算法的高维多目标天线设计方法 |
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 |