半導(dǎo)體生產(chǎn)線(xiàn)智能化調(diào)度控制若干問(wèn)題研究.pdf

1、世界進(jìn)入信息時(shí)代，對(duì)半導(dǎo)體超大規(guī)模器件生產(chǎn)的要求日益提高。半導(dǎo)體制造是一種非常重要的產(chǎn)業(yè)，制造過(guò)程的調(diào)度與控制具有關(guān)鍵的作用。本文研究在不增加投入的情況下，充分整合現(xiàn)有資源，使得生產(chǎn)線(xiàn)經(jīng)常處于高產(chǎn)高質(zhì)的狀態(tài)，從而提高產(chǎn)品合格率，降低成本，提高企業(yè)的市場(chǎng)競(jìng)爭(zhēng)力。本論文研究了光刻設(shè)備的無(wú)死鎖調(diào)度，確定和模糊環(huán)境下關(guān)鍵設(shè)備前工件的隊(duì)列排序，使用數(shù)據(jù)挖掘方法及時(shí)發(fā)現(xiàn)生產(chǎn)系統(tǒng)可能出現(xiàn)的問(wèn)題等。所采用方法涉及建模仿真、決策規(guī)劃、數(shù)據(jù)統(tǒng)計(jì)及優(yōu)化調(diào)度等

2、方面，使用了遺傳算法、神經(jīng)網(wǎng)絡(luò)、模糊理論等智能優(yōu)化方法。 本文取得的研究成果如下：1.光刻設(shè)備TRACK系統(tǒng)是一種柔性制造系統(tǒng)，若資源調(diào)配不當(dāng)，會(huì)引發(fā)對(duì)資源的循環(huán)等待，發(fā)生死鎖，對(duì)此本文給出一種無(wú)死鎖調(diào)度算法，使用面向?qū)ο蟮姆椒▽?duì)系統(tǒng)建模，在不會(huì)引發(fā)死鎖的條件下為需要調(diào)度的工件確定加工組件。若無(wú)法找到合適的加工組件，判斷是否發(fā)生死鎖，若發(fā)生死鎖，則運(yùn)行死鎖恢復(fù)算法，確保系統(tǒng)的正常工作。同時(shí)考慮到設(shè)備中的組件不時(shí)會(huì)出故障，在組件發(fā)

3、生故障后，為系統(tǒng)的正常運(yùn)行提供了較好的解決方案。 2.研究了確定性環(huán)境和模糊環(huán)境下瓶頸機(jī)器前工件進(jìn)行排序的方法。在確定性情況下，首先根據(jù)機(jī)器的切換時(shí)間對(duì)機(jī)器前工件進(jìn)行排隊(duì)，使得機(jī)器加工完這些工件總的切換時(shí)間最小，然后根據(jù)工件已在空氣中暴露的時(shí)間和工件的交貨期對(duì)工件隊(duì)列重新調(diào)整，以保證工件不會(huì)因在空氣中暴露時(shí)間過(guò)長(zhǎng)而氧化作廢，同時(shí)達(dá)到按期交貨的目標(biāo)，采用模糊規(guī)則的方法確定工件在隊(duì)列中的確定位置；對(duì)于模糊環(huán)境，考慮的因素和確定性環(huán)境

4、相似，給出了工件對(duì)的概念及確定工件對(duì)滿(mǎn)意度的方法，然后利用遺傳算法確定最佳排列順序，使得總的滿(mǎn)意度最高。 3.給出一種基于多agent技術(shù)的半導(dǎo)體生產(chǎn)線(xiàn)動(dòng)態(tài)調(diào)度算法，對(duì)帶有時(shí)間約束的單步協(xié)商協(xié)議進(jìn)行了改進(jìn)，引入信譽(yù)度概念，提高了協(xié)商的效率，設(shè)備調(diào)度時(shí)考慮了上游設(shè)備即將到來(lái)的工件信息，同時(shí)協(xié)同考慮下游設(shè)備的在制品水平及其需求，各agent相互合作，共同滿(mǎn)足優(yōu)化調(diào)度的目的；定義了合理的懲罰函數(shù)，使得總的懲罰值最小，滿(mǎn)足了按期交貨，提

5、高產(chǎn)品合格率減少成本的需求。4.采用徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)對(duì)半導(dǎo)體生產(chǎn)系統(tǒng)建立預(yù)測(cè)模型，用simul8軟件對(duì)半導(dǎo)體生產(chǎn)線(xiàn)在各種投料策略和調(diào)度策略下進(jìn)行仿真采集得到的數(shù)據(jù)訓(xùn)練測(cè)試神經(jīng)網(wǎng)絡(luò)，測(cè)試結(jié)果表明模型的預(yù)測(cè)輸出與實(shí)測(cè)樣本基本吻合，證明了該預(yù)測(cè)模型的有效性。然后借鑒M.Hauskrecht狀態(tài)空間分解的思路，將系統(tǒng)狀態(tài)分成若干互不相交的區(qū)間，利用RBF神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型預(yù)測(cè)若干時(shí)間后的系統(tǒng)狀態(tài)，狀態(tài)所屬區(qū)間改變時(shí)，利用提出的智能控制算法確定將

6、要采取的投料策略和調(diào)度策略組合?，F(xiàn)有文獻(xiàn)缺少有關(guān)尋求最優(yōu)投料策略和調(diào)度策略組合的方法，本文利用遺傳算法，搜索最優(yōu)投料策略和調(diào)度策略組合，使得系統(tǒng)在新的狀態(tài)區(qū)間內(nèi)輸出率最大。 5.對(duì)模糊自適應(yīng)共振理論(FART)神經(jīng)網(wǎng)絡(luò)進(jìn)行改進(jìn)，提出一種晶圓合格率特征向量提取的方法，使用改進(jìn)的FART神經(jīng)網(wǎng)絡(luò)對(duì)半導(dǎo)體生產(chǎn)線(xiàn)晶圓合格率進(jìn)行在線(xiàn)檢測(cè)，對(duì)晶圓合格率特征向量進(jìn)行聚類(lèi)分析，將合格率損失中擁有相類(lèi)似特征的晶圓分為一類(lèi)，一旦檢測(cè)到生產(chǎn)線(xiàn)發(fā)生異常