TWI391839B - 半導體產業之資源分派系統及方法 - Google Patents
半導體產業之資源分派系統及方法 Download PDFInfo
- Publication number
- TWI391839B TWI391839B TW098101787A TW98101787A TWI391839B TW I391839 B TWI391839 B TW I391839B TW 098101787 A TW098101787 A TW 098101787A TW 98101787 A TW98101787 A TW 98101787A TW I391839 B TWI391839 B TW I391839B
- Authority
- TW
- Taiwan
- Prior art keywords
- resource
- production
- resources
- module
- sum
- Prior art date
Links
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
-
- 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
-
- 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
- Y02P90/80—Management or planning
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Factory Administration (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Description
本發明是有關於一種半導體產業的資源規劃與分派系統與方法,且特別是有關於一種半導體產業於多資源環境下的資源分派系統與方法。
由於企業間競爭愈來愈激烈,大多數的半導體測試公司根據市場預測結果,必須有效進行資源規劃與產能配置、分派資金以採購資源,以及將產能配置給顧客訂單,使得資金與資源能夠作最有效利用。而傳統的半導體測試產業之資源規劃與產能配置,多數是利用試算表軟體搭配經驗法則進行。然而,所需測試之訂單與所需使用之資源為複雜的併行資源(例如,一項訂單同時使用測試機、送料器與其他機具),往往造成訂單之間的資源衝突、相互等待與浪費。此外,採購資源的選項又有極多種可能方案,稍一不慎,極有可能錯用有限的資金。
另一方面,傳統資源規劃與產能配置是分開由兩個不同功能的部門來執行,即企業資源規劃部門與生產控制部門,以致無法同時達成最佳的資源規劃與產能配置,甚者可能造成數百萬美元損失。傳統的資源規劃與產能配置方法,相當耗時且不易於短時間進行多種情境分析。對於半導體測試產業作業特性(如資源間搭配可行性、資源訂單生產可行性、生產產能限制等因素)也欠缺正確表達方式。
本發明提供一種半導體產業之資源分派系統及方法,以在多資源環境下,有效地進行資源規劃與產能分派。
本發明提出一種半導體產業之資源分派系統,包括輸入模組、產業特性轉換模組、人工智慧演化模組以及輸出模組。輸入模組用以接收半導體產業的產品訂單資訊以及製造端的生產資訊。上述生產資訊包括多種資源,而訂單資訊包括產品在產品測試機能需求之下所對應的測試數量,且產品測試機能需求搭配使用至少其中一資源。產業特性轉換模組包括問題萃取模組以及染色體轉換模組。問題萃取模組用以將訂單資訊與生產資訊依據產業特性,建立測試數量與各資源所對應的生產數量之間的生產需求限制,並且建立各資源的資源需求限制。染色體轉換模組用以將各資源目前的現有數量、調度數量以及生產數量轉換為染色體結構。人工智慧演化模組用以執行基因演算法,而在染色體結構中獲得多個候選解,並計算這些候選解的資金總和,以評估在時間價值下的最大期末資金值。上述各候選解符合生產需求限制以及資源需求限制。輸出模組用以輸出具有最大期末資金值總和所對應的候選解。
從另一觀點來看,本發明提出一種半導體產業之資源分派方法。首先,接收半導體產業的產品的訂單資訊以及製造端的生產資訊。上述生產資訊包括多種資源,而訂單資訊包括產品測試機能需求之下所對應的產品的測試數量,且產品測試機能需求搭配使用至少其中之一資源。接著,將訂單資訊與生產資訊轉換為產業特性,以依據產業特性,建立測試數量與生產數量之間的生產需求限制,並且建立各資源的資源需求限制。之後,再將各資源目前的現有數量、調度數量以及生產數量轉換為染色體結構。而後,執行一基因演算法,而在染色體結構中獲得多個候選解,並計算各候選解的資金總和,以獲得在時間價值下的最大期末資金值總和。上述各候選解符合生產需求限制以及資源需求限制。最後,取出這些資金總和中的最大期末資金值總和,以獲得最大期末資金值總和所對應的候選解。
在本發明之一實施例中,上述執行基因演算法,以在染色體結構中獲得候選解的步驟,首先,在染色體結構中,隨機取出多個候選解。接著,分別評估各候選解是否符合生產需求限制以及資源需求限制。當候選解不符合生產需求限制或資源需求限制時,在生產需求限制以及資源需求限制其中之一的可行範圍內隨機擇一重新作為候選解。之後,以這些候選解進行再生演化、交配演化以及突變演化,而重新評估這些候選解是否符合生產需求限制以及資源需求限制,並重複以這些候選解進行上述演化,直至這些候選解中所對應的最大期末資金值總和收斂至一值。
基於上述,本發明根據客戶的訂單資訊以及現有資源的生產資訊,即可提供以企業獲利最大為目標之多期多重資源多產品的資源數量規劃、產品測試機能需求與資源配置情形與接單與否決策。資源分派系統利用輸入模組所取得之資訊,再利用產業特性轉換模組,將這些半導體產業資訊以限制方式表示之。再經由人工智慧演化模組進行演化,並搭配不可行規劃修復模組,使求解更具效率。
為讓本發明之上述特徵和優點能更明顯易懂,下文特舉實施例,並配合所附圖式作詳細說明如下。
半導體產業為一高度資金密集產業,為了能夠有效應用半導體產業的資源(例如,機器設備、人力等),本發明提出一種半導體產業之資源分派方法與系統,使得在這些資源之間的取得與應用免於遭受多重資源規劃的限制。為了使本發明之內容更為明瞭,以下特舉實施例作為本發明確實能夠據以實施的範例。
圖1是依照本發明一實施例所繪示的半導體測試廠之多種資源併行環境的示意圖。請參照圖1,在本實施例中,半導體測試廠的資源包括測試機1~3以及送料器1~4。在此,客戶提出產品測試機能(Function)需求1~4。其中,產品測試機能需求1得搭配使用測試機3與送料器4,產品測試機能需求2得搭配使用測試機2與送料器1、3、4,產品測試機能需求3得搭配使用測試機1與送料器1、4,產品測試機能需求4得搭配使用測試機1、2與送料器2、4。
換言之,客戶根據產品的機能需求,提供半導體測試廠在各個生產期數中,產品的之訂單資訊。之後,半導體測試廠便再將各期訂單資訊轉換為各期產品測試機能需求。而各個產品測試機能需求的滿足除了受限於主要資源(測試機1~3)的功能之外,亦受限於測試機所需搭配的附屬資源(例如,送料器1~4、操作員等)。而當測試機與其附屬資源同時具備產能,方得遂行測試。同時,當不同測試機處理相同產品測試機能需求時,亦有不同生產速度。
圖2是依照本發明一實施例所繪示的半導體產業之資源分派系統方塊圖。請參照圖2,資源分派系統200包括輸入模組210、產業特性轉換模組220、人工智慧演化模組230以及輸出模組240。
輸入模組210用以接收半導體產業的產品的訂單資訊以及製造端(即半導體測試廠)的生產資訊。上述生產資訊包括多種資源(例如測試機、送料機、操作員等),而訂單資訊包括產品在產品測試機能需求之下所對應的測試數量,且產品測試機能需求搭配使用至少其中之一資源(如圖1所示)。在此,輸入模組210例如為鍵盤、觸控式螢幕或觸控筆。在輸入模組210接收到訂單資訊與生產資訊之後,訂單資訊與生產資訊即會儲存至儲存裝置的資料庫中,以供後續動作使用。
產業特性轉換模組220則是用以將訂單資訊與生產資訊轉換為具有產業特性的資料結構。詳細地說,產業特性轉換模組220在將訂單資訊與生產資訊轉換產業特性之後,依據這些產業特性將規劃方案(包括:各資源目前的現有數量、調度數量以及其對應的生產數量)轉換為規劃限制與相對應的染色體結構。
人工智慧演化模組230用以執行基因演算法,以在染色體結構中獲得多個候選解,並計算這些候選解的資金總和,以評估在一時間價值下的最大期末資金值總和。也就是說,人工智慧演化模組230利用達爾文物競天澤適者生存的原理,將規劃方案進行演化。
而產業特性轉換模組220以及人工智慧演化模組230例如為藉由電腦程式語言所撰寫之程式,以透過電腦的中央處理單元來執行。
而輸出模組240用以輸出最大期末資金值總和所對應的候選解。在此,輸出模組240例如為螢幕。
以下即搭配上述資源分派系統200來說明半導體產業的資源分派方法各步驟。
圖3是依照本發明一實施例所繪示的半導體產業之資源分派方法的流程圖。請同時參照圖2與圖3,首先,在步驟S305中,藉由輸入模組210接收半導體產業的產品的訂單資訊以及製造端的生產資訊。
接著,在步驟S310中,藉由產業特性轉換模組220將訂單資訊與生產資訊轉換為產業特性。例如,依據訂單資訊與生產資訊的內容,獲得p
個生產期數、t
個產品測試機能需求以及m
種資源。
之後,在步驟S315中,產業特性轉換模組220依據產業特性,建立測試數量與各資源所對應的生產數量之間的生產需求限制,並且建立各資源的資源需求限制。
一般而言,半導體測試廠會依照顧客需求,在生產週期內生產所需要之成品,並根據中長期資源需求,規劃資源取得方式(含買、實、租借與調度)。依據資源之間搭配的資源需求限制與生產需求限制,挑選符合企業目標的訂單進行生產。規劃同時也考慮到機具技術的衰退性、資金的時間價值。據此,測試數量與各資源所對應的生產數量之間會具有一個生產需求限制,以限制生產數量小於等於客戶所要求的測試數量;而各資源亦具備一個資源需求限制,以限制目前資源的總量大於等於生產時所需的數量。
然後,在步驟S320中,產業特性轉換模組220將各資源目前的現有數量、各資源經由管道所調動的調度數量以及各資源對應的生產數量轉換為染色體結構。
接著,在步驟S325中,藉由人工智慧演化模組230執行基因演算法,而自染色體結構中獲得多個候選解,並計算評估這些候選解的資金總和,以得到各別候選解中在一時間價值下的一最大期末資金值總和。而這些候選解皆符合生產需求限制以及資源需求限制。
也就是說,人工智慧演化模組230根據產業特性轉換模組220的結果,利用所萃取的產業特性,計算出資源規劃與產能配置的結果。並利用達爾文物競天澤適者生存的原理,將規劃方案進行演化,直至這些候選解中具有最大期末資金值總和者收斂至一值。
最後,在步驟S330中,透過人工智慧演化模組230而在這些資金總和中的取出最大期末資金值總和,以獲得最大期末資金值總和所對應的候選解,並藉由輸出模組240輸出候選解(包括各資源的現有數量、調度數量以及各資源搭配生產數量)。
以下便分別針對產業特性轉換模組220以及人工智慧演化模組230各舉一例來詳細說明。
圖4是依照本發明一實施例所繪示的產業特性轉換模組的方塊圖。請參照圖4,在本實施例中,產業特性轉換模組220包括問題萃取模組410以及染色體轉換模組420,而問題萃取模組410包括生產需求評估模組411、資源需求評估模組413以及資源搭配評估模組415。
問題萃取模組410用以將訂單資訊與生產資訊轉換為產業特性,再依據產業特性,建立測試數量與各資源所對應的生產數量之間的生產需求限制,並且建立這些資源之間的資源需求限制。例如,問題萃取模組410依據訂單資訊與生產資訊的內容,將其轉換為半導體測試產業的生產期數、資源的種類、產品測試機能需求的筆數、資源的取得管道等產業特性。接著,問題萃取模組410再依據產業特性來建立資源需求限制與生產需求限制。
在問題萃取模組410中,資源搭配評估模組415依據一可行性參數來評估在產品測試機能需求之下,各資源之間是否可互相搭配。資源之間搭配的可行性參數例如為,當產品測試機能需求t
夠藉由第m
類資源(例如,測試機)搭配第h
種附屬資源(例如,送料器)a
時,=1,否則=0。
並且,資源搭配評估模組415可藉由另一可行性參數評估在產品測試機能需求之下,是否能夠使用各資源來獲得產品。產品測試機能需求t
搭配第m
資源的可行性參數例如為c m,t
,當產品測試機能需求t
能夠藉由第m
類資源滿足時,c m,t
=1,否則c m,t
=0。
而生產需求評估模組411用以限制在每一個產品測試機能需求之下,各資源對應的生產數量小於等於測試數量,以建立生產需求限制。生產需求限制例如為:
其中,資源與資源間考量搭配限制需支持同樣的生產行動。
上述p
為生產期數,Q p,m,t
為在第p
期中產品測試機能需求t
搭配使用主要資源m
所對應的生產數量,o p,t
為在第p
期中產品測試機能需求t
所對應的測試數量。
資源需求評估模組413則是依據各資源的時間產出率、工時、目標利用率,在決定生產所需數量之後,限制在產品測試機能需求之下,現有數量與調度數量的總和大於等於生產所需數量,以建立資源需求限制。換言之,資源需求限制是用來限制資源的總數量(現有數量加上調度數量),例如:
其中,K p,m
為在第p
期中主要資源m
目前的現有數量,X p,m,z
為在第p
期中經由管道z
取得第m
類資源的調度數量,r m,t
為在產品測試機能需求t
之下第m
類資源的時間產出率,w p,m
為在第p
期中第m
類資源的工時,y p,m
為在第p
期中第m
類資源的目標利用率。
染色體轉換模組420用以將各資源目前的現有數量、調度數量以及生產數量(也就是上述K p,m
、X p,m,z
、Q p,m,t
)轉換為染色體結構。此染色體結構僅代表一個具體資源規劃與產能配置實施方案,其轉換結果包含主要決策各期資源的現有數量、不同取得方式的調度數量以及各期各個產品測試機能需求搭配各資源的生產數量。換言之,染色體轉換模組420將現有數量、調度數量以及生產數量轉換為多維度染色體結構,以提供人工智慧演化模組230所需格式。
以下再舉一實施例來說明人工智慧演化模組230。圖5是依照本發明一實施例所繪示的人工智慧演化模組的方塊圖。請參照圖5,在本實施例中,人工智慧演化模組230包括初始化模組510、不可行規劃修復模組520、評估模組530、再生模組540、交配模組550與突變模組560。
在執行人工智慧演化模組230之前,決策者可事先定義可行規劃案群體數目(同步進化)、交配率、隨機突變率與進化停止條件。
初始化模組510用以在染色體結構中,隨機取出多個候選解。也就是說,初始化模組510首先以隨機方式產生數個半導體測試廠的資源規劃與產能配置方案(也就是上述候選解),再利用不可行規劃修復模組520,將所有不可行規劃結果修復為可行結果。在此,模組產出結果為一群可行之規劃案。
不可行規劃修復模組520分別評估上述候選解是否符合生產需求限制以及資源需求限制。當候選解不符合生產需求限制或是資源需求限制時,不可行規劃修復模組520便在生產需求限制或是資源需求限制的可行範圍內隨機擇一重新作為候選解。
一般而言,人工智慧演化方法對於最佳方案演化過程中多以懲罰值的方式處理或刪除不可行方案。此一方式面臨複雜且限制嚴格的問題,將導致求解效率低落。據此,不可行規劃修復模組520便是用來處理這些不可行規劃案,並將之修復為可行的結果。除違反可行的解染色體基因值,盡可能保留其演化資訊。其應用方式如下。
舉例來說,假設原限制式(例如生產需求限制或是資源需求限制)為1A+2B≦10。首先,將原限制式加上餘裕變數轉化成等式,1A+2B+C=10。
接著,依照值域範圍排序決定修復順序。倘若不考慮其它變數,A的可行解值域為0~10,而B的可行解值域為0~5。據此,修復順序由嚴格到寬鬆排序為B至A。
之後,評估是否違反限制。假設演算法提供的解(A,B)=(9,3)。此時,尚未評估變數:[A,B],正要評估變數:[],已評估變數:[]。接著,將B設置為正要評估變數,評估是否會違反限制式。此時,尚未評估變數:[A],正要評估變數:[B],已評估變數:[]。由於2B≦10,並不違反限制式,故B=3不需修復。
當B經過確認後將B變數由正要評估變數轉至已評估過變數,並將A由尚未評估變數移至正要評估變數。此時,尚未評估變數:[],正要評估變數:[A],已評估變數:[B]。因此,6+A≦10。由於A為9已違反限制式(即6+9並未小於等於10),因此根據已決定的B值修復A值的可行解值域變為0~4,以遵守6+A≦10。
之後,假設經由隨機產生A為3,將A由正要評估變數置於已評估變數。此時,尚未評估變數:[],正要評估變數:[],已評估變數:[A,B]。
最後,當所有變數已評估完畢,則限制式1A+2B+C=10變成3+6+C=10,而獲得餘裕變數C=1。
返回圖5,評估模組530用以計算候選解的資金總和,以評估候選解所對應的最大期末資金值總和。評估模組530主要在於計算所有規劃案符合企業目標之程度。以營業利潤最大化為例,評估模組530即計算各規劃案對半導體測試廠所帶來之獲利。
再生模組540以不可行規劃修復模組520所修復後的候選解,執行再生演化。在此,再生模組540在於盡可能於規劃案演化過程中,保留較佳的規劃方案至最終。根據評估模組530所評估之企業目標符合度,以較符合企業目標者具較大機會存留方式,複製規劃案內容至下一模組。
交配模組550用以在再生演化所產生的候選解中隨機選取任兩個候選解,以執行交配演化。也就是說,交配模組550在於選擇兩個較佳之規劃案,並將兩個規劃案資訊進行交換,以期能產生更佳之規劃結果。交配模組550的資訊交換方式為根據交配機率依序選擇兩個規劃案,隨機選擇使用人工智慧中常見之隨機選取單點交配、雙點交配、均勻交配、算數型交配、均勻算數型交配與盲目交配。
突變模組560以交配演化所產生的候選解,執行突變演化。為了跳脫固有規劃方案,以期望找到更佳規劃結果,在於,藉由突變模組560根據突變機率以隨機方式,於規劃案之生產數量或資源的現有數量可行範圍內隨機產生替代值。其值接受替換後,再藉由不可行規劃修復模組520進行修復以確保規劃之資源規劃與產能配置案為可行性,也就是確保突變模組560所產生的候選解符合生產需求限制以及資源需求限制。
之後,再利用評估模組530來評估突變模組560所產生的候選解,直至評估模中530所獲得之最大期末資金值總合收斂至一值。當評估模組530所獲得之最大期末資金值總合收斂至一值時,演化終止模組570便會終止繼續演化,而將最後所獲得之最大期末資金值總合輸出至輸出模組240。
舉例來說,圖6是依照本發明一實施例所繪示的評估模組的方塊圖。請參照圖6,評估模組530包括資源變動評估模組610、當期資金評估模組620以及最大獲利評估模組630。
資源變動評估模組610是藉由各資源於當期的現有數量與上一期的現有數量,計算資源變動成本。例如,依據下列公式來計算資源變動成本。
其中,d p,m
為第m
類資源於第p
期之處分殘值,e p,m
為第m
類資源於第p
期之採購成本。
當期資金評估模組620用以依序在產品測試機能需求下之多個生產期數中,以上一期的資金總和加上當期的生產利潤,再減去由不同管道調動各資源的調動成本,以及減去當期中的資源變動成本。換言之,當期的資金總和會受到前期資金總和、租借採購的資源與生產獲利的影響。在本實施例中,計算資金總和是依據下列公式:
其中,p
為生產期數,F p
為第p
期的資金總和,F 0
為期初資金,I p
為第p
期資金利率,u p,m,z
為在第p
期中經由管道z
取得第m
類資源的調動成本,X p,m,z
為在第p
期中經由管道z
取得第m
類資源的調度數量,G p,m
為在第p
期中第m
類資源的資源變動成本,B m,t
為產品測試機能需求t
之下搭配使用第m
類資源所獲得的利潤,Q p,m,t
為在第p
期中產品測試機能需求t
搭配使用第m
類資源所對應的生產數量。
最大獲利評估模組630用以依據最後一個生產期數的各資源的現有數量,計算目前現有的資源的處分殘值,並且依據最後一個生產期數的資金總和與處分殘值,評估最大期末資金值總和。最大獲利評估模組630例如是依據下列公式來評估最大期末資金值總和。
其中,p
為生產期數,為最後一期的資金總和I p
為第p
期資金利率,為最後一期中第m
類資源目前的現有數量,為最後一期中第m
類資源的處份殘值。
綜上所述,上述實施例的資源分派系統及方法,利用產業特性轉換模組,可精確地將半導體產業中之同步資源規劃與產能配置問題,描述並轉換為人工智慧演化模組所需之染色體結構。並且,產業特性轉換模組更包含多重資源限制、產能限制、資金與資源的時間價值與資源取得管道等半導體產業特色。
雖然本發明已以實施例揭露如上,然其並非用以限定本發明,任何所屬技術領域中具有通常知識者,在不脫離本發明之精神和範圍內,當可作些許之更動與潤飾,故本發明之保護範圍當視後附之申請專利範圍所界定者為準。
200...資源分派系統
210...輸入模組
220...產業特性轉換模組
230...人工智慧演化模組
240...輸出模組
410...問題萃取模組
411...生產需求評估模組
413...資源需求評估模組
415...資源搭配評估模組
420...染色體轉換模組
510...初始化模組
520...不可行規劃修復模組
530...評估模組
540...再生模組
550...交配模組
560...突變模組
570...演化終止模組
610...資源變動評估模組
620...當期資金評估模組
630...最大獲利評估模組
S305~S330...本發明一實施例的半導體產業之資源分派方法各步驟
圖1是依照本發明一實施例所繪示的半導體測試廠之多種資源併行環境的示意圖。
圖2是依照本發明一實施例所繪示的半導體產業之資源分派系統方塊圖。
圖3是依照本發明一實施例所繪示的半導體產業之資源分派方法的流程圖。
圖4是依照本發明一實施例所繪示的產業特性轉換模組的方塊圖。
圖5是依照本發明一實施例所繪示的人工智慧演化模組的方塊圖。
圖6是依照本發明一實施例所繪示的評估模組的方塊圖。
200...資源分派系統
210...輸入模組
220...產業特性轉換模組
230...人工智慧演化模組
240...輸出模組
Claims (16)
- 一種半導體產業之資源分派方法,包括:接收該半導體產業的一產品的一訂單資訊以及一製造端的一生產資訊,其中該生產資訊包括多種資源,而該訂單資訊包括該產品在一產品測試機能需求之下所對應的一測試數量,且該產品測試機能需求搭配使用該些資源至少其中之一;將該訂單資訊與該生產資訊轉換為一產業特性;依據該產業特性,建立該測試數量與每一該些資源所對應的一生產數量之間的一生產需求限制,並且建立該些資源的一資源需求限制;將每一該些資源目前的一現有數量、每一該些資源經由一管道所調動的一調度數量以及每一該些資源對應的該生產數量轉換為一染色體結構;執行一基因演算法,而在該染色體結構中獲得多個候選解,並計算該些候選解的資金總和,以評估在一時間價值下的一最大期末資金值總和,其中該些候選解符合該生產需求限制以及該資源需求限制,且計算該些候選解的資金總和的步驟,包括:依序在該產品測試機能需求下之多個生產期數中,以上一期的資金總和加上當期的生產利潤,再減去由該管道來調動每一該些資源的調動成本,以及減去當期中的一資源變動成本,而獲得當期的資金總和,其中該資源變動成本是由每一該些資源於當期的 現有數量與上一期的現有數量所計算而得;以及取出該些資金總和中的該最大期末資金值總和,以獲得該最大期末資金值總和所對應的候選解。
- 如申請專利範圍第1項所述之半導體產業之資源分派方法,其中在建立該生產需求限制以及該資源需求限制的步驟之前,更包括:依據一第一可行性參數,評估在該產品測試機能需求之下,該些資源之間是否可互相搭配;以及依據一第二可行性參數,評估在該產品測試機能需求之下,是否能夠使用每一該些資源來獲得該產品。
- 如申請專利範圍第1項所述之半導體產業之資源分派方法,其中建立該生產需求限制的步驟,包括:限制在該產品測試機能需求之下,每一該些資源對應的該生產數量小於等於該測試數量。
- 如申請專利範圍第3項所述之半導體產業之資源分派方法,其中該生產需求限制包括:
- 如申請專利範圍第1項所述之半導體產業之資源分派方法,其中建立該資源需求限制的步驟,包括: 依據使用每一該些資源的時間產出率、工時、目標利用率,決定一生產所需數量;以及限制在該產品測試機能需求之下,該現有數量與該調度數量的總和大於等於該生產所需數量。
- 如申請專利範圍第5項所述之半導體產業之資源分派方法,其中該資源需求限制包括:
- 如申請專利範圍第1項所述之半導體產業之資源分派方法,其中計算該些候選解的資金總和是依據下列公式:
- 如申請專利範圍第1項所述之半導體產業之資源分派方法,其中計算該些候選解的資金總和,以評估在該時間價值下的該最大期末資金值總和的步驟,包括:依據最後一個生產期數的每一該些資源的現有數量,計算目前現有的該些資源的一處分殘值;以及依據最後一個生產期數的資金總和與該處分殘值,評估該期末資金值總和。
- 如申請專利範圍第8項所述之半導體產業之資源分派方法,其中評估該期末資金值總和是依據下列公式:
- 如申請專利範圍第1項所述之半導體產業之資源分派方法,其中執行該基因演算法,以在該染色體結構中獲得該些候選解的步驟,包括:在該染色體結構中,隨機取出該些候選解; 分別評估該些候選解是否符合該生產需求限制以及該資源需求限制;當該些候選解其中之一不符合該生產需求限制以及該資源需求限制其中之一時,在該生產需求限制以及該資源需求限制其中之一的可行範圍內隨機擇一重新作為候選解;以及以該些候選解進行一再生演化、一交配演化以及一突變演化,之後重新評估該些候選解是否符合該生產需求限制以及該資源需求限制,並重複以該些候選解進行上述演化,直至該些候選解所對應的最大期末資金值總和收斂至一值。
- 如申請專利範圍第10項所述之半導體產業之資源分派方法,其中該交配演化包括隨機選取單點交配、雙點交配、均勻交配、算數型交配、均勻算數型交配與盲目交配其中之一。
- 一種半導體產業之資源分派系統,包括:一輸入模組,接收該半導體產業的一產品的一訂單資訊以及一製造端的一生產資訊,其中該生產資訊包括多種資源,而該訂單資訊包括該產品在一產品測試機能需求之下所對應的一測試數量,而該產品測試機能需求搭配使用該些資源至少其中之一;一產業特性轉換模組,包括:一問題萃取模組,將該訂單資訊與該生產資訊轉換為一產業特性,以依據該產業特性,建立該測試數量與 每一該些資源所對應的一生產數量之間的一生產需求限制,並且建立該些資源的一資源需求限制;以及一染色體轉換模組,將每一該些資源目前的一現有數量、每一該些資源經由一管道所調動的一調度數量以及每一該些資源對應的該生產數量轉換為一染色體結構;一人工智慧演化模組,執行一基因演算法,而在該染色體結構中獲得多個候選解,並計算該些候選解的資金總和,以評估在一時間價值下的一最大期末資金值總和,其中該些候選解符合該生產需求限制以及該資源需求限制,且該人工智慧演化模組,包括:一初始化模組,在該染色體結構中,隨機取出該些候選解;一不可行規劃修復模組,分別評估該些候選解是否符合該生產需求限制以及該資源需求限制,以當該些候選解其中之一不符合該生產需求限制以及該資源需求限制其中之一時,在該生產需求限制以及該資源需求限制其中之一的可行範圍內隨機擇一重新作為候選解;一評估模組,計算該些候選解的資金總和,以評估該些候選解所對應的期末資金值總和;一再生模組,以該不可行規劃修復模組所修復後的候選解,執行一再生演化;一交配模組,在該再生演化所產生的候選解中隨機選取任兩個候選解,以執行選取交配演化;以及 一突變模組,以該交配演化所產生的候選解,執行一突變演化;其中,利用該不可行規劃修復模組來重新評估該突變模組所產生的候選解,以確保該突變模組所產生的候選解符合該生產需求限制以及該資源需求限制,之後,重複以該些候選解進行上述演化,直至利用該評估模中所獲得之最大期末資金值總合收斂至一值;以及一輸出模組,輸出該最大期末資金值總和所對應的候選解。
- 如申請專利範圍第12項所述之半導體產業之資源分派系統,其中該問題萃取模組包括:一生產需求評估模組,限制在該產品測試機能需求之下,每一該些資源對應的該生產數量小於等於該測試數量,以建立該生產需求限制;以及一資源需求評估模組,限制在該產品測試機能需求之下,該現有數量與該調度數量的總和大於等於一生產所需數量,以建立該資源需求限制,其中該生產所需數量是依據使用每一該些資源的時間產出率、工時、目標利用率所決定。
- 如申請專利範圍第12項所述之半導體產業之資源分派系統,其中該問題萃取模組,更包括:一資源搭配評估模組,依據一第一可行性參數,評估在該產品測試機能需求之下,該些資源之間是否可互相搭 配,並且依據一第二可行性參數,評估在該產品測試機能需求之下,是否能夠使用每一該些資源來獲得該產品。
- 如申請專利範圍第12項所述之半導體產業之資源分派系統,其中該評估模組更包括:一資源變動評估模組,由每一該些資源於當期的現有數量與上一期的現有數量,計算一資源變動成本;一當期資金評估模組,依序在該產品測試機能需求下之多個生產期數中,以上一期的資金總和加上當期的生產利潤,再減去由該管道調動每一該些資源的調動成本,以及減去當期中的該資源變動成本;以及一最大獲利評估模組,依據最後一個生產期數的每一該些資源的現有數量,計算目前現有的該些資源的一處分殘值,並且依據最後一個生產期數的資金總和與該處分殘值,評估該最大期末資金值總和。
- 如申請專利範圍第12項所述之半導體產業之資源分派系統,其中該交配演化包括隨機選取單點交配、雙點交配、均勻交配、算數型交配、均勻算數型交配與盲目交配其中之一。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW098101787A TWI391839B (zh) | 2009-01-17 | 2009-01-17 | 半導體產業之資源分派系統及方法 |
US12/545,050 US8271311B2 (en) | 2009-01-17 | 2009-08-20 | System and method for resource allocation of semiconductor testing industry |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW098101787A TWI391839B (zh) | 2009-01-17 | 2009-01-17 | 半導體產業之資源分派系統及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
TW201028878A TW201028878A (en) | 2010-08-01 |
TWI391839B true TWI391839B (zh) | 2013-04-01 |
Family
ID=42337665
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW098101787A TWI391839B (zh) | 2009-01-17 | 2009-01-17 | 半導體產業之資源分派系統及方法 |
Country Status (2)
Country | Link |
---|---|
US (1) | US8271311B2 (zh) |
TW (1) | TWI391839B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130110751A1 (en) * | 2011-10-31 | 2013-05-02 | Taif University | Computational device implemented method of solving constrained optimization problems |
TWI502523B (zh) * | 2013-09-11 | 2015-10-01 | Nat Univ Tsing Hua | 半導體產品多目標產能規劃系統及其方法 |
US20160180270A1 (en) * | 2014-12-18 | 2016-06-23 | Gufei Sun | Optimization of project resource management with multi-resource types and cost structures |
CN112183808B (zh) * | 2019-07-02 | 2023-06-23 | 湖南大学 | 一种多汽车产品组合研发资源分配的优化方法及系统 |
US11755376B2 (en) * | 2019-08-23 | 2023-09-12 | Callidus Software, Inc. | Automatic assignment of hardware/software resources to different entities using machine learning based on determined scores for assignment solutions |
US11901204B2 (en) | 2020-05-22 | 2024-02-13 | Applied Materials, Inc. | Predictive wafer scheduling for multi-chamber semiconductor equipment |
CN113868242B (zh) * | 2020-06-30 | 2023-03-21 | 金篆信科有限责任公司 | 全局索引的分布策略调整方法、计算机设备及存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5311438A (en) * | 1992-01-31 | 1994-05-10 | Andersen Consulting | Integrated manufacturing system |
US5319781A (en) * | 1991-05-03 | 1994-06-07 | Bolt Beranek And Newman Inc. | Generation of schedules using a genetic procedure |
US5630070A (en) * | 1993-08-16 | 1997-05-13 | International Business Machines Corporation | Optimization of manufacturing resource planning |
US6233493B1 (en) * | 1998-09-16 | 2001-05-15 | I2 Technologies, Inc. | Computer-implemented product development planning method |
US20020120407A1 (en) * | 2001-02-23 | 2002-08-29 | Stevens Soraya Rana | Genetic algorithm techniques and applications |
TW583560B (en) * | 2002-03-01 | 2004-04-11 | Li-Chen Fu | Modeling and scheduling of a semiconductor wafer fab |
Family Cites Families (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3068357B2 (ja) | 1992-07-24 | 2000-07-24 | 象印チエンブロック株式会社 | ベルト荷締機 |
US5651098A (en) * | 1993-10-07 | 1997-07-22 | Hitachi Engineering Co., Ltd. | Planning method and system |
US5848403A (en) * | 1996-10-04 | 1998-12-08 | Bbn Corporation | System and method for genetic algorithm scheduling systems |
US6988076B2 (en) * | 1997-05-21 | 2006-01-17 | Khimetrics, Inc. | Strategic planning and optimization system |
US6341240B1 (en) * | 1997-07-28 | 2002-01-22 | International Business Machines Corporation | Method of allocating work in capacity planning |
US5946212A (en) * | 1997-07-28 | 1999-08-31 | International Business Machines Corporation | Method of allocating work in capacity planning |
US6965867B1 (en) * | 1998-04-29 | 2005-11-15 | Joel Jameson | Methods and apparatus for allocating, costing, and pricing organizational resources |
US6219649B1 (en) * | 1999-01-21 | 2001-04-17 | Joel Jameson | Methods and apparatus for allocating resources in the presence of uncertainty |
US7139719B1 (en) * | 1999-10-08 | 2006-11-21 | I2 Technologies Us, Inc. | System for scheduling product planning |
JP2001159910A (ja) * | 1999-12-03 | 2001-06-12 | Mitsubishi Electric Corp | 工程装置選択システムおよび選択方法 |
EP1205863A1 (en) * | 2000-11-14 | 2002-05-15 | Honda R&D Europe (Deutschland) GmbH | Multi-objective optimization |
US6957200B2 (en) | 2001-04-06 | 2005-10-18 | Honeywell International, Inc. | Genotic algorithm optimization method and network |
US7357298B2 (en) * | 2001-12-28 | 2008-04-15 | Kimberly-Clark Worldwide, Inc. | Integrating event-based production information with financial and purchasing systems in product manufacturing |
TW526529B (en) | 2002-01-23 | 2003-04-01 | Taiwan Semiconductor Mfg | System for automatically swapping production capacity allocation and method therefor |
TW589554B (en) | 2002-06-06 | 2004-06-01 | Hon Hai Prec Ind Co Ltd | A system and method for forecasting and ordering within enterprise |
US20040148212A1 (en) | 2003-01-28 | 2004-07-29 | Taiwan Semiconductor Manufacturing Company | Method and apparatus for measuring optimality for master production schedules |
TWI226006B (en) | 2003-03-18 | 2005-01-01 | Toppoly Optoelectronics Corp | Machinery purchase assessment method and purchase method of high production capacity machinery thereof |
US20040199279A1 (en) | 2003-04-03 | 2004-10-07 | Taiwan Semiconductor Manufacturing Co., Ltd. | Equipment utilization optimization system and method applicable to multiple microelectronic fabrication facilities |
-
2009
- 2009-01-17 TW TW098101787A patent/TWI391839B/zh active
- 2009-08-20 US US12/545,050 patent/US8271311B2/en not_active Expired - Fee Related
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5319781A (en) * | 1991-05-03 | 1994-06-07 | Bolt Beranek And Newman Inc. | Generation of schedules using a genetic procedure |
US5311438A (en) * | 1992-01-31 | 1994-05-10 | Andersen Consulting | Integrated manufacturing system |
US5630070A (en) * | 1993-08-16 | 1997-05-13 | International Business Machines Corporation | Optimization of manufacturing resource planning |
US6233493B1 (en) * | 1998-09-16 | 2001-05-15 | I2 Technologies, Inc. | Computer-implemented product development planning method |
US20020120407A1 (en) * | 2001-02-23 | 2002-08-29 | Stevens Soraya Rana | Genetic algorithm techniques and applications |
TW583560B (en) * | 2002-03-01 | 2004-04-11 | Li-Chen Fu | Modeling and scheduling of a semiconductor wafer fab |
Non-Patent Citations (1)
Title |
---|
林聖修碩士論文,"有限資金下多資源產能之擴充與分派-以半導體封裝測試廠為例",2002年7月。 * |
Also Published As
Publication number | Publication date |
---|---|
US20100185480A1 (en) | 2010-07-22 |
US8271311B2 (en) | 2012-09-18 |
TW201028878A (en) | 2010-08-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Trojanowska et al. | A methodology of improvement of manufacturing productivity through increasing operational efficiency of the production process | |
TWI391839B (zh) | 半導體產業之資源分派系統及方法 | |
Gokhan et al. | Development of a simultaneous design for supply chain process for the optimization of the product design and supply chain configuration problem | |
Shaw et al. | Internet of Things smart devices, sustainable industrial big data, and artificial intelligence-based decision-making algorithms in cyber-physical system-based manufacturing | |
Murphy et al. | Representing financial data streams in digital simulations to support data flow design for a future Digital Twin | |
Nestic et al. | A model of the assessment and optimisation of production process quality using the fuzzy sets and genetic algorithm approach | |
Choy et al. | A hybrid scheduling decision support model for minimizing job tardiness in a make-to-order based mould manufacturing environment | |
Chen et al. | An Information Axiom based decision making approach under hybrid uncertain environments | |
Wang et al. | A resource portfolio planning model using sampling-based stochastic programming and genetic algorithm | |
KR20220115357A (ko) | 어텐션 메커니즘 기반의 미래 수요 예측 데이터 생성방법 및 장치 | |
JP5831363B2 (ja) | 製造工期予測装置、製造工期予測方法、及びコンピュータプログラム | |
Atabaki et al. | A genetic algorithm for integrated lot sizing and supplier selection with defective items and storage and supplier capacity constraints | |
Caldas et al. | A simulation approach for spare parts supply chain management | |
Lee et al. | Comprehensive simulation and redesign system for business process and organizational structure | |
Garbie | A non-conventional competitive manufacturing strategy for sustainable industrial enterprises | |
Maitra | A System-Dynamic Based Simulation and Bayesian Optimization for Inventory Management | |
Skvortsova et al. | Economic assessment of the effectiveness of the introduction of industry 4.0 technologies in the activities of industrial enterprises | |
Leißau et al. | Backward-Oriented Decision and Planning Approaches in Production Scenarios: A Systematic Literature Review and Potential Solution Approach | |
Rokoss et al. | Case study on delivery time determination using a machine learning approach in small batch production companies | |
Arfiana et al. | Analysis and design of the flow shop scheduling system in sausage production to minimize Makespan | |
Tobola et al. | Analysis of the effects of automation of warehouse processes: building the concept of simulation tests | |
Maier et al. | Supporting the Decision of the Order Processing Strategy by Using Logistic Models: A Case Study | |
Wong et al. | Replenishment decision support system based on modified particle swarm optimization in a VMI supply chain | |
Lee et al. | A framework for managing supply-chain flexibility using a neural network | |
ÖZTÜRK et al. | EVALUATION OF PRODUCTION PROCESS of A FACTORY BY USE of SIMULATION APPROACH |