一种基于性能指标的半导体生产线动态调度方法技术

本发明专利技术公开了一种基于性能指标的半导体生产线动态调度方法，所述方法包括：获取半导体生产线的状态参数；将获取到的状态参数，输入预先训练的生产线性能预测模型，预测得到生产线达到最优性能指标时的预测参数；基于获取到的状态参数和预测到的预测参数，采用预先训练的参数学习模型，预测得到动态调度中所需的调度参数；将预测得到的调度参数用于预设的生产线调度策略中指导生产线正确派工进行半导体生产线动态调度。本发明专利技术能够提升生产线的整体性能。

【技术实现步骤摘要】
一种基于性能指标的半导体生产线动态调度方法
本专利技术涉及一种基于性能指标的半导体生产线动态调度方法，属于生产自动化调度

技术介绍
随着大数据时代的到来，传统制造行业在获取、处理、分析大数据的过程中，如何有效挖掘其隐含的模式和规则，用来指导和预测未来，从而实现数据的价值转换，被视为未来获得竞争优势的主要途径。半导体制造业更应充分利用其高度自动化、信息化、数字化的优势，以领头羊的姿势实现大数据环境下的智能制造探索。如何有效获取、存储、分析、解释工业大数据，挖掘其隐含的模式和规则，用来指导和预测未来是大数据环境下的半导体调度的关键挑战。现有技术中，对于不确定生产环境下半导体生产线的调度问题，将半导体制造系统的数据映射转化为面向对象的Petri模型的方法，模型的基本要素包括设备的生产过程、工艺流程信息、设备和工具信息。该方法考虑了批处理过程，刀具和设备的停机时间，以及返工作业，容易造成生产线过于简化的不足，不能提高生产线的整体性能。
技术实现思路
本专利技术的目的在于克服现有技术中的不足，提供一种基于性能指标的半导体生产线动态调度方法，能够提升生产线的整体性能。为达到上述目的，本专利技术是采用下述技术方案实现的：第一方面，本专利技术提供了一种基于性能指标的半导体生产线动态调度方法，所述方法包括如下步骤：获取半导体生产线的状态参数；将获取到的状态参数，输入预先训练的生产线性能预测模型，预测得到生产线达到最优性能指标时的预测参数；基于获取到的状态参数和预测到的预测参数，采用预先训练的参数学习模型，预测得到动态调度中所需的调度参数；将预测得到的调度参数用于预设的生产线调度策略中指导生产线正确派工进行半导体生产线动态调度。结合第一方面，进一步地，所述半导体生产线的状态参数通过仿真系统对半导体生产线生产过程模拟计算得到的，包括加工区I的Mov值mI、加工区I的设备利用率uI、生产线上紧急工件数hot、生产线上不同类型工件在加工区内在制品数总数wipk、加工区I的缓冲区内排队工件长度lI、生产线计划区间内的Mov值Mov_per_6、DDR调度算法中设备i前排队工件信息变量前参数α和下游设备负载程度前的参数β。结合第一方面，进一步地，所述生产线计划区间在实际调度中以6小时为时间单元。结合第一方面，进一步地，所述预先训练的生产线性能预测模型，通过以下步骤得到：生产线通过通过仿真系统对半导体生产线生产过程模拟计算，获取需要的半导体生产线的状态参数；所述需要的半导体生产线的状态参数包括：mI、uI、hot、wipk和Mov_per_6；预处理状态参数，将半导体生产线的当前属性值mI、uI、hot和wipk作为样本集的输入参数，将生产线计划区间内的Mov值Mov_per_6作为样本集的输出参数；初始化ELM模型的隐含神经元数l和Sigmoid激活函数，将样本集划分为训练集和测试集，将训练集的输入参数和输出参数输入ELM模型；训练ELM模型，通过以下公式训练：β＝H+T(1)其中，β表示状态参数的权值矩阵，H+表示由输入参数写成的矩阵，T表示生产线的生产时间，当输出状态参数的权值矩阵β时，训练结束；使用测试集测试训练完成的ELM模型，得到预先训练的生产线性能预测模型。结合第一方面，进一步地，所述预先训练的参数学习模型，通过以下步骤得到：生产线通过仿真系统对半导体生产线生产过程模拟计算，获取需要的半导体生产线的状态参数；所述需要的半导体生产线的状态参数包括：mI、uI、hot、wipk和Mov_per_6；预处理状态参数，将半导体生产线的当前属性值mI、uI、hot、wipk以及生产线计划区间内的Mov值Mov_per_6作为样本集的输入参数；初始化ELM模型的隐含神经元数l和Sigmoid激活函数；训练ELM模型，通过以下公式训练：β＝H+T(2)其中，β表示状态参数的权值矩阵，H+表示由输入参数写成的矩阵，T表示生产线的生产时间，当输出状态参数的权值矩阵β时，训练结束；使用测试集测试训练完成的ELM模型，得到预先训练的参数学习模型。结合第一方面，优选地，生产线通过通过仿真系统对半导体生产线生产过程模拟计算为在WIP＝6000、WIP＝7000、WIP＝8000这三种工况下各自进行200天仿真。结合第一方面，优选地，所述预处理状态参数包括去掉前30天的仿真样本，筛选6小时内筛选Mov值大于8000的状态参数。结合第一方面，进一步地，所述预设的生产线调度策略，包括以下决策流程：计算当前设备i前排队工件的信息变量，通过以下公式计算：其中，表示设备i在时刻t要处理工件的紧急程度，表示工件在设备i上的占用时间，表示工件n在设备i上剩余加工时间，Fn表示工件n的实际加工时间比率，Dn表示工件n的交货期；计算工件n下游设备的负载程度，通过以下公式计算：其中，表示当前加工工件n的下游设备id的占用程度，表示工件n在其下游设备id上的占用时间，Tid表示下游设备id每天的理论可用时间；计算各排队工件的选择概率，通过以下公式计算：其中，Sn表示各排队工件的选择概率，α表示工件的紧急交货的相对重要性，β表示设备的占用程度的相对重要性；根据各排队工件的选择概率，挑选队列中选择概率最高的工件在当前设备上进行加工。结合第一方面，优选地，公式(3)是指准时交货率的基础上提出的。结合第一方面，优选地，公式(3)中，当前设备i前排队工件的信息变量表示t时刻时，生产线在制品的理论剩余加工时间与实际剩余加工时间的比值越大，则表明其拖期率越高，在调度过程中需要优先对其进行加工。结合第一方面，优选地，半成品对于所用设备的占用时间也影响信息变量值，加工所需时间越短则该工件的信息变量值越高，需要优先加工该工件，能够保证在制品快速在生产线上流动，提高设备利用率和生产线工件移动步数。结合第一方面，优选地，当τin(t)≥1时，设备的负载总量大于其一天内所有可用加工时间，此时该设备为瓶颈设备。结合第一方面，优选地，公式(5)表示在t时刻，对该设备上排队工件的调度过程中，会同时考虑排队工件的交货期、对设备的占用程度，以及该工件的下游设备的负载情况，最终使工件能够在生产线上快速流动，提高生产线整体性能。第二方面，本专利技术提供了一种基于性能指标的半导体生产线动态调度系统，包括：获取模块：用于获取半导体生产线的状态参数；第一预测模块：用于将获取到的状态参数，输入预先训练的生产线性能预测模型，预测得到生产线达到最优性能指标时的预测参数；第二预测模块：用于基于获取到的状态参数和预测到的预测参数，采用预先训练的参数学习模型，预测得到动态调度中所需的调度参数；调度模块：用于将预测得到的调度参数用于预设的生产线调度策略中指导生产线正确派工进行半导体生产线动态调度本文档来自技高网...

【技术保护点】
1.一种基于性能指标的半导体生产线动态调度方法，其特征在于，所述方法包括如下步骤：/n获取半导体生产线的状态参数；/n将获取到的状态参数，输入预先训练的生产线性能预测模型，预测得到生产线达到最优性能指标时的预测参数；/n基于获取到的状态参数和预测到的预测参数，采用预先训练的参数学习模型，预测得到动态调度中所需的调度参数；/n将预测得到的调度参数用于预设的生产线调度策略中指导生产线正确派工进行半导体生产线动态调度。/n

【技术特征摘要】
1.一种基于性能指标的半导体生产线动态调度方法，其特征在于，所述方法包括如下步骤：
获取半导体生产线的状态参数；
将获取到的状态参数，输入预先训练的生产线性能预测模型，预测得到生产线达到最优性能指标时的预测参数；
基于获取到的状态参数和预测到的预测参数，采用预先训练的参数学习模型，预测得到动态调度中所需的调度参数；
将预测得到的调度参数用于预设的生产线调度策略中指导生产线正确派工进行半导体生产线动态调度。


2.根据权利要求1所述的基于性能指标的半导体生产线动态调度方法，其特征在于，所述半导体生产线的状态参数通过仿真系统对半导体生产线生产过程模拟计算得到的，包括加工区I的Mov值mI、加工区I的设备利用率uI、生产线上紧急工件数hot、生产线上不同类型工件在加工区内在制品数总数wipk、加工区I的缓冲区内排队工件长度lI、生产线计划区间内的Mov值Mov_per_6、生产线调度策略中设备i前排队工件信息变量前参数α和下游设备负载程度前的参数β。


3.根据权利要求2所述的基于性能指标的半导体生产线动态调度方法，其特征在于，所述生产线计划区间在实际调度中以6小时为时间单元。


4.根据权利要求2所述的基于性能指标的半导体生产线动态调度方法，其特征在于，所述预先训练的生产线性能预测模型，通过以下步骤得到：
生产线通过通过仿真系统对半导体生产线生产过程模拟计算，获取需要的半导体生产线的状态参数；所述需要的半导体生产线的状态参数包括：mI、uI、hot、wipk和Mov_per_6；
预处理状态参数，将半导体生产线的当前属性值mI、uI、hot和wipk作为样本集的输入参数，将生产线计划区间内的Mov值Mov_per_6作为样本集的输出参数；
初始化ELM模型的隐含神经元数l和Sigmoid激活函数，将样本集划分为训练集和测试集，将训练集的输入参数和输出参数输入ELM模型；
训练ELM模型，通过以下公式训练：
β＝H+T(1)
其中，β表示状态参数的权值矩阵，H+表示由输入参数写成的矩阵，T表示生产线的生产时间，当输出状态参数的权值矩阵β时，训练结束；
使用测试集测试训练完成的ELM模型，得到预先训练的生产线性能预测模型。


5.根据权利要求2所述的基于性能指标的半导体生产线动态调度方法，其特征在于，所述预先训练的参数学习模型，通过以下步骤得到：
生产线通过仿真系统对半导体生产线生产过程模拟计算，获取需要的半导体生产线的状态参数；所述需要的半导体生产线的状态参数包括：mI、uI、hot、wipk和...

【专利技术属性】
技术研发人员：李莉，林国义，
申请(专利权)人：同济大学，
类型：发明
国别省市：上海;31