CN117151440B - 一种机器组策略选择的仓储分配方法及系统 - Google Patents

Abstract

本发明公开了一种机器组策略选择的仓储分配方法及系统，包括如下步骤：收集时间内的所有传输请求，每个传输请求信息包括机器起始位置所在工作区、机器目的位置所在工作区、传输类型、机器所在工作区和仓储所在工作区；计算机器组的转运准确率和交叉传输距离，为机器组选择分配策略；基于最小成本流模型的仓储分配算法，将内的所有传输请求重新分配以最小化加权传输时间；将最小成本流模型得到的组解按降序排序，基于机器组选择分配策略选择排序后组解中的第一个解作为完成当前操作工件的指定仓储位置；该仓储分配方法及系统实现了提高机器响应性和传输时间最小化之间平衡，为当前工件分配较优存储位置。

Description

一种机器组策略选择的仓储分配方法及系统

技术领域

本发明涉及仓储分配技术领域，尤其涉及一种机器组策略选择的仓储分配方法及系统。

背景技术

作为半导体制造过程中最复杂的阶段，晶圆制造通常由数百个工艺步骤组成，需要大量昂贵先进设备支持，如何充分利用现有设备，缩短制程周期，提高晶圆厂整体生产效率，成为晶圆厂亟需解决的问题。由于工件传输时间远小于其加工时间，目前大量的工作聚焦于生产设备的调度。随着晶圆厂规模的扩大，生产工件数量增加，自动物料存储系统有限的容量、局部的阻塞，以及车辆拥堵和长距离运输导致运输时间增大，机器利用率下降，甚至造成延迟交付。如何为工件分配合适的仓储，减少传输时间，降低自动物料系统负载同时提高机器利用率，减少工件等待时间变得愈发重要。

目前晶圆厂主要采用的Pull策略或Push策略，Push策略传输时间短，可以提高对机器的响应性，但当调度系统改变负责处理下一步操作的机器时会显著增加传输距离，Pull策略的传输距离通常比Push策略的传输距离更短，但是对机器的响应性较差，因此需要根据生产条件选择合适的策略，传统采用基于深度学习的自适应调度方法，利用深度学习模型，根据生产条件直接为每个工件决策仓储。但是深度学习的策略选择方法存在模型难以训练、训练时间过长、训练数据不足等问题，难以在实际中使用；要为每个决策点或每台机器选择仓储分配策略，存在输入状态过多的问题；将天车搬运系统状态和传输距离作为模型输入，难以保证给出的策略或分配的仓储位置较优，不能合理地在提高机器响应性和传输时间最小化之间平衡。

综上，现有的单一仓储分配策略，会导致局部仓储过满、对机器响应较差等问题；动态仓储分配策略选择方法存在训练时间过长、训练数据不足、难以实际应用等问题。

发明内容

基于背景技术存在的技术问题，本发明提出了一种机器组策略选择的仓储分配方法及系统，实现提高机器响应性和传输时间最小化之间平衡，为当前工件分配较优存储位置。

本发明提出的一种机器组策略选择的仓储分配方法，包括如下步骤：

收集时间内的所有传输请求，每个传输请求信息包括机器起始位置所在工作区、机器目的位置所在工作区、传输类型、机器所在工作区和仓储所在工作区；

计算机器组的转运准确率和交叉传输距离，为机器组选择分配策略；

基于最小成本流模型的仓储分配算法，将时间内的所有传输请求重新分配以最小化加权传输时间；

将最小成本流模型得到的组解按降序排序，基于机器组选择分配策略选择排序后组解中的第一个解作为完成当前操作工件的指定仓储位置；

最小成本流模型的优化目标如下：

其中，表示机器组的索引集合，/>表示索引/>对应的机器组，/>表示索引/>对应的机器组，/>表示所有仓储集合，/>表示仓储集合中其中一个仓储，/>表示从机器组/>到仓储/>的平均传输时间，/>表示仓储/>到机器组/>的平均传输时间，/>表示由机器组发出的传输请求数量中传输的工件将转运到仓储/>后续由机器组/>操作，/>表示由仓储/>发出的传输请求数量中传输的工件来自于机器组/>将转运到机器组/>处理，表示权重因子，/>表示机器组/>的转运准确率，表示机器组/>的交叉传输距离，/>和/>表示设定阈值，/>表示中间参数，当/>取值为0，当/>时取值为/>，/>，·表示乘积。

进一步地，在计算机器组的转运准确率和交叉传输距离，为机器组选择分配策略中，转运准确率和交叉传输距离/>的计算公式如下：

其中，表示机器组/>下的机器/>，/>表示在/>时间内离开机器组/>中机器/>的工件数量，/>表示在/>时间内离开机器/>的工件中不发生交叉传输的工件数量，/>表示在/>时间内离开机器/>的工件交叉传输距离之和。

进一步地，在计算机器组的转运准确率和交叉传输距离，为机器组选择分配策略中，机器组选择分配策略具体如下：

（a1）判断机器组是否为瓶颈机器组，若是进入步骤（a2），若否进入步骤（a3）；

（a2）采用Push策略；

（a3）判断机器组的转运准确率/>是否大于等于设定阈值/>，若是进入步骤（a2），若否进入步骤（a4）；

（a4）判断机器组的交叉传输距离/>是否小于等于设定阈值/>，若是进入步骤（a2），若否进入步骤（a5）；

（a5）判断机器组的转运准确率乘以交叉传输距离是否小于等于/>，若是进入步骤（a2），若否进入步骤（a6）；

（a6）采用Pull策略。

进一步地，将最小成本流模型得到的组解按降序排序，基于机器组选择分配策略选择排序后组解中的第一个解作为完成当前操作工件的指定仓储位置中；具体包括：

将最小成本流模型输入到求解器中，基于求解器输出决策变量和/>；

对于采用Pull策略的机器组，当工件位于机器组且后续操作由机器组/>处理时，对决策变量/>降序排列，选择第一个仓储作为当前操作工件的指定仓储位置；

对于采用Push策略的机器组，当工件后续操作由机器组处理时，对决策变量降序排序，选择第一个仓储作为当前操作工件的指定仓储位置。

进一步地，对于采用Pull策略的机器组或者对于采用Push策略的机器组，在选择第一个仓储作为当前操作工件的指定仓储位置时，若第一个仓储已满，则选择第二个仓储作为当前操作工件的指定仓储位置。

进一步地，最小成本流模型的约束条件如下：

条件1）离开所有机器组到达仓储的传输请求数量等于仓储/>在/>时间内收到的传输请求数量；

条件2）所有仓储传输到机器组的传输请求数量等于机器组/>在/>时间内收到的传输请求数量。

一种机器组策略选择的仓储分配系统，包括收集模块、策略分配模块、计算模块和排序指定模块；

收集模块用于收集时间内的所有传输请求，每个传输请求信息包括机器起始位置所在工作区、机器目的位置所在工作区、传输类型、机器所在工作区和仓储所在工作区；

策略分配模块用于计算机器组的转运准确率和交叉传输距离，为机器组选择分配策略；

计算模块用于基于最小成本流模型的仓储分配算法，将时间内的所有传输请求重新分配以最小化加权传输时间；

排序指定模块用于将最小成本流模型得到的组解按降序排序，基于机器组选择分配策略选择排序后组解中的第一个解作为完成当前操作工件的指定仓储位置；

最小成本流模型的优化目标如下：

其中，表示机器组的索引集合，/>表示索引/>对应的机器组，/>表示索引/>对应的机器组，/>表示所有仓储集合，/>表示仓储集合中其中一个仓储，/>表示从机器组/>到仓储/>的平均传输时间，/>表示仓储/>到机器组/>的平均传输时间，/>表示由机器组发出的传输请求数量中传输的工件将转运到仓储/>后续由机器组/>操作，/>表示由仓储/>发出的传输请求数量中传输的工件来自于机器组/>将转运到机器组/>处理，表示权重因子，/>表示机器组/>的转运准确率，表示机器组/>的交叉传输距离，/>和/>表示设定阈值，/>表示中间参数，当/>取值为0，当/>时取值为/>，/>，·表示乘积。

本发明提供的一种机器组策略选择的仓储分配方法及系统的优点在于：本发明结构中提供的一种机器组策略选择的仓储分配方法及系统，相较于传统的单一仓储分配策略，在降低传输距离和提高机器响应性上平衡，在提高机器响应性的同时尽可能减少传输时间，避免单一仓储分配策略的局限性。相较于基于深度学习的仓储分配策略选择，所提方法无需依赖模型训练，同时基于机器组选择策略，大大减小了问题规模，提高了模型的求解速度。所提的基于最小成本流模型的仓储分配，避免了贪心算法导致局部工作区中仓储过满引发的工件低效移动问题，降低工件传输时间，减轻自动物料搬运系统负担。

附图说明

图1为本发明的流程示意图；

图2为在不同策略下生成指定仓储位置的流程图；

图3为机器组选择分配策略的流程示意图。

具体实施方式

下面，通过具体实施例对本发明的技术方案进行详细说明，在下面的描述中阐述了很多具体细节以便于充分理解本发明。但是本发明能够以很多不同于在此描述的其他方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似改进，因此本发明不受下面公开的具体实施的限制。

工件的仓储分配问题主要为：工件当前操作在机器组中的机器/>完成后，需要传输到仓储(stocker)/>中，后再由调度系统将工件从仓储/>转运到机器组/>中的机器/>处理下一步操作。如何为工件分配合适的仓储是仓储分配问题的核心，在此问题中不妨记机器/>所在工作区为/>，仓储/>所在工作区为/>，机器/>所在工作区为/>。

目前晶圆厂主要采用Pull策略或Push策略，Pull策略将工件传输至尽可能接近当前处理机器所在工作区中的仓储(靠近/>), Push策略将工件传输至尽可能接近负责处理工件下一步操作的机器所在工作区中的仓储(/>靠近/>)。Push策略中由于/>和/>相互靠近，因此传输时间短，可以提高对机器的响应性，但当调度系统改变负责处理下一步操作的机器时会显著增加传输距离；Pull策略的传输距离通常比Push策略的传输距离更短，但是对机器的响应性较差，急需要一种能根据生产条件选择合适策略的方法。因而本实施例提出一种仓储分配方法，根据不同机器组的特征为机器组选择不同的仓储分配策略（Pull策略或者Push策略），在为机器组选择仓储分配策略后，使用基于最小成本流模型的仓储分配算法最小化加权传输时间，为当前工件生成较优仓储位置。

如图1至3所示，本发明提出的一种机器组策略选择的仓储分配方法，包括如下步骤：

S1：收集时间内的所有传输请求，每个传输请求信息包括机器起始位置所在工作区、机器目的位置所在工作区、传输类型(机器到仓储或仓储到机器)、机器所在工作区、仓储所在工作区、传输经过的工作区数量、传输时间；

S2：计算机器组的转运准确率和交叉传输距离，为机器组选择分配策略。

转运准确率和交叉传输距离/>的计算公式如下：

其中，表示机器组/>下的机器/>，/>表示在/>时间内离开机器组/>中机器/>的工件数量，/>表示在/>时间内离开机器/>的工件中不发生交叉传输的工件数量，/>表示在/>时间内离开机器/>的工件交叉传输距离之和，交叉传输距离定义为工件从分配的仓储所在工作区到负责下一步操作的机器所在工作区之间经过的工作区个数。

如果机器组将在/>所有离开的工件均传输至机器所在工作区中的仓储，则根据交叉传输和转运准确率的定义则/>。

在根据机器组的转运准确率/>和交叉传输距离/>，为其选择Push策略或Pull策略，选择过程如图3所示：

（a1）判断机器组是否为瓶颈机器组，若是进入步骤（a2），若否进入步骤（a3）；

（a2）采用Push策略；

（a3）判断机器组的转运准确率/>是否大于等于设定阈值/>，若是进入步骤（a2），若否进入步骤（a4）；

（a4）判断机器组的交叉传输距离/>是否小于等于设定阈值/>，若是进入步骤（a2），若否进入步骤（a5）；

（a5）判断机器组的转运准确率乘以交叉传输距离（/>）是否小于等于/>，若是进入步骤（a2），若否进入步骤（a6）。

（a6）采用Pull策略。

根据（a1）至（a6）根据不同机器组的特征为机器组选择合适的仓储分配策略，Push策略能够提升机器响应性，减少工件的等待时间，但存在因目的机器改变或目的仓储过满导致的长距离交叉传输的问题(即,且/>和/>之间相隔较远)。对机器组长距离交叉传输进行量化衡量，如果其对传输时间影响较少，则为机器组选择Push策略，否则选择Pull策略。

S3：基于最小成本流模型的仓储分配算法，将内的所有传输请求重新分配以最小化加权传输时间；

传统中物料控制系统采用贪心算法为每一个完成当前操作的工件指定仓储位置，直接为采用Pull策略的机器指定当前工作区中的仓储，或为采用Push策略的机器指定负责下一步操作的机器组所在工作区中的仓储，这种贪心算法会导致局部B工作区中的仓储过满，进而只能将工件转运到其它工作区中的仓储，造成工件的低效移动，增加传输时间和自动物料搬送系统的负担，本实施例提出的最小成本流模型的仓储分配算法，将内的所有传输请求（包括机器到仓储的传输请求和仓储到机器的传输请求）重新分配以最小化加权传输时间，根据最小成本流模型得到的解，为完成当前操作的工件指定仓储位置。最小成本流模型优化目标如下：

其中，表示机器组的索引集合（例如/>，M表示所有机器），/>表示索引/>对应的机器组，/>表示索引/>对应的机器组，/>表示所有仓储集合，/>表示仓储集合中其中一个仓储，/>表示从机器组/>到仓储/>的平均传输时间，/>表示仓储/>到机器组/>的平均传输时间，/>表示由机器组/>发出的传输请求数量中传输的工件将转运到仓储/>后续由机器组/>操作，/>表示由仓储/>发出的传输请求数量中传输的工件来自于机器组/>将转运到机器组/>处理，/>表示权重因子，权重因子的目的在于为采用Push策略的机器组传输的工件分配的仓储尽可能接近负责处理后续操作的机器组，/>和/>表示设定阈值，/>表示中间参数，当/>取值为0，当/>时取值为/>，/>，·表示乘积。

最小成本流模型还需满足若干约束，至少包括：条件1）离开所有机器组到达仓储的传输请求数量(/>)等于仓储/>在/>时间内收到的传输请求数量；条件2）所有仓储传输到机器组/>的传输请求数量等于机器组/>在/>时间内收到的传输请求数量。

S4：将最小成本流模型得到的组解按降序排序，基于机器组选择分配策略选择排序后组解中的第一个解作为完成当前操作工件的指定仓储位置。

具体地，将最小成本流模型输入到求解器中，基于求解器输出决策变量和（决策变量/>和/>的具体数值对应于组解）；对于采用Pull策略的机器组，当工件位于机器组/>且后续操作由机器组/>处理时，对决策变量/>降序排列，选择第一个仓储作为当前操作工件的指定仓储位置；对于采用Push策略的机器组，当工件后续操作由机器组/>处理时，对决策变量/>降序排序，选择第一个仓储作为当前操作工件的指定仓储位置。

注意地，对于采用Pull策略的机器组或者对于采用Push策略的机器组，在选择第一个仓储作为当前操作工件的指定仓储位置时，若第一个仓储已满，则选择第二个仓储作为当前操作工件的指定仓储位置。

在步骤S1至S4中，使用基于最小成本流模型的仓储分配算法最小化加权传输时间，根据最小成本流模型得到的决策变量，给出当前工件较优存储位置。

本实施例相较于传统的单一仓储分配策略，在降低传输距离和提高机器响应性上平衡，在提高机器响应性的同时尽可能减少传输时间，避免单一仓储分配策略的局限性。本实施例相较于基于深度学习的仓储分配策略选择，所提方法无需依赖模型训练，同时基于机器组选择策略，大大减小了问题规模，提高了模型的求解速度。所提的基于最小成本流模型的仓储分配，避免了贪心算法导致局部工作区中仓储过满引发的工件低效移动问题，降低工件传输时间，减轻自动物料搬运系统负担。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。

Claims (5)

1.一种机器组策略选择的仓储分配方法，其特征在于，包括如下步骤：

S1：收集时间内的所有传输请求，每个传输请求信息包括机器起始位置所在工作区、机器目的位置所在工作区、传输类型、机器所在工作区和仓储所在工作区；

S2：计算机器组的转运准确率和交叉传输距离，为机器组选择分配策略；

S3：基于最小成本流模型的仓储分配算法，将时间内的所有传输请求重新分配以最小化加权传输时间；

S4：将最小成本流模型得到的组解按降序排序，基于机器组选择分配策略选择排序后组解中的第一个解作为完成当前操作工件的指定仓储位置；

在步骤S2中，机器组选择分配策略的具体过程如下：

（a1）判断机器组是否为瓶颈机器组，若是进入步骤（a2），若否进入步骤（a3）；

（a2）采用Push策略；

（a3）判断机器组的转运准确率/>是否大于等于设定阈值/>，若是进入步骤（a2），若否进入步骤（a4）；

（a4）判断机器组的交叉传输距离/>是否小于等于设定阈值/>，若是进入步骤（a2），若否进入步骤（a5）；

（a5）判断机器组的转运准确率乘以交叉传输距离是否小于等于/>，若是进入步骤（a2），若否进入步骤（a6）；

（a6）采用Pull策略；

其中，转运准确率和交叉传输距离/>的计算公式如下：

其中，表示机器组/>下的机器/>，/>表示在/>时间内离开机器组/>中机器/>的工件数量，/>表示在/>时间内离开机器/>的工件中不发生交叉传输的工件数量，/>表示在/>时间内离开机器/>的工件交叉传输距离之和；

最小成本流模型的优化目标如下：

其中，表示机器组的索引集合，/>表示索引/>对应的机器组，/>表示索引/>对应的机器组，/>表示所有仓储集合，/>表示仓储集合中其中一个仓储，/>表示从机器组/>到仓储/>的平均传输时间，/>表示仓储/>到机器组/>的平均传输时间，/>表示由机器组/>发出的传输请求中传输的工件将转运到仓储/>后续由机器组/>操作的工件数量，/>表示由仓储/>发出的传输请求中传输的工件来自于机器组/>将转运到机器组/>处理的工件数量，/>表示权重因子，/>表示机器组/>的转运准确率，表示机器组/>的交叉传输距离，/>和/>表示设定阈值，/>表示中间参数，当/>取值为0，当/>时取值为/>，/>，·表示乘积。

2.根据权利要求1所述的机器组策略选择的仓储分配方法，其特征在于，将最小成本流模型得到的组解按降序排序，基于机器组选择分配策略选择排序后组解中的第一个解作为完成当前操作工件的指定仓储位置中；具体包括：

将最小成本流模型输入到求解器中，基于求解器输出决策变量和/>；

对于采用Pull策略的机器组，当工件位于机器组且后续操作由机器组/>处理时，对决策变量/>降序排列，选择第一个仓储作为当前操作工件的指定仓储位置；

对于采用Push策略的机器组，当工件后续操作由机器组处理时，对决策变量/>降序排序，选择第一个仓储作为当前操作工件的指定仓储位置。

3.根据权利要求2所述的机器组策略选择的仓储分配方法，其特征在于，对于采用Pull策略的机器组或者对于采用Push策略的机器组，在选择第一个仓储作为当前操作工件的指定仓储位置时，若第一个仓储已满，则选择第二个仓储作为当前操作工件的指定仓储位置。

4.根据权利要求1所述的机器组策略选择的仓储分配方法，其特征在于，最小成本流模型的约束条件如下：

条件1）离开所有机器组到达仓储的传输请求数量等于仓储/>在/>时间内收到的传输请求数量；

条件2）所有仓储传输到机器组的传输请求数量等于机器组/>在/>时间内收到的传输请求数量。

5.一种机器组策略选择的仓储分配系统，其特征在于，包括收集模块、策略分配模块、计算模块和排序指定模块；

收集模块用于收集时间内的所有传输请求，每个传输请求信息包括机器起始位置所在工作区、机器目的位置所在工作区、传输类型、机器所在工作区和仓储所在工作区；

策略分配模块用于计算机器组的转运准确率和交叉传输距离，为机器组选择分配策略；

计算模块用于基于最小成本流模型的仓储分配算法，将时间内的所有传输请求重新分配以最小化加权传输时间；

排序指定模块用于将最小成本流模型得到的组解按降序排序，基于机器组选择分配策略选择排序后组解中的第一个解作为完成当前操作工件的指定仓储位置；

其中，策略分配模块具体用于如下：

（a1）判断机器组是否为瓶颈机器组，若是进入步骤（a2），若否进入步骤（a3）；

（a2）采用Push策略；

（a3）判断机器组的转运准确率/>是否大于等于设定阈值/>，若是进入步骤（a2），若否进入步骤（a4）；

（a4）判断机器组的交叉传输距离/>是否小于等于设定阈值/>，若是进入步骤（a2），若否进入步骤（a5）；

（a5）判断机器组的转运准确率乘以交叉传输距离是否小于等于/>，若是进入步骤（a2），若否进入步骤（a6）；

（a6）采用Pull策略；

其中，转运准确率和交叉传输距离/>的计算公式如下：

其中，表示机器组/>下的机器/>，/>表示在/>时间内离开机器组/>中机器/>的工件数量，/>表示在/>时间内离开机器/>的工件中不发生交叉传输的工件数量，/>表示在/>时间内离开机器/>的工件交叉传输距离之和；

最小成本流模型的优化目标如下：

其中，表示机器组的索引集合，/>表示索引/>对应的机器组，/>表示索引/>对应的机器组，/>表示所有仓储集合，/>表示仓储集合中其中一个仓储，/>表示从机器组/>到仓储/>的平均传输时间，/>表示仓储/>到机器组/>的平均传输时间，/>表示由机器组/>发出的传输请求中传输的工件将转运到仓储/>后续由机器组/>操作的工件数量，/>表示由仓储/>发出的传输请求中传输的工件来自于机器组/>将转运到机器组/>处理的工件数量，/>表示权重因子，/>表示机器组/>的转运准确率，表示机器组/>的交叉传输距离，/>和/>表示设定阈值，/>表示中间参数，当/>取值为0，当/>时取值为/>，/>，·表示乘积。