CN112947340A - 一种模拟信息素机制的动态派工方法 - Google Patents
一种模拟信息素机制的动态派工方法 Download PDFInfo
- Publication number
- CN112947340A CN112947340A CN202110197359.2A CN202110197359A CN112947340A CN 112947340 A CN112947340 A CN 112947340A CN 202110197359 A CN202110197359 A CN 202110197359A CN 112947340 A CN112947340 A CN 112947340A
- Authority
- CN
- China
- Prior art keywords
- equipment
- workpieces
- workpiece
- time
- queued
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 108
- 239000003016 pheromone Substances 0.000 title claims abstract description 18
- 238000012545 processing Methods 0.000 claims abstract description 84
- 238000004519 manufacturing process Methods 0.000 claims description 32
- 238000003754 machining Methods 0.000 claims description 18
- 238000011144 upstream manufacturing Methods 0.000 claims description 5
- 239000011541 reaction mixture Substances 0.000 claims description 4
- 230000014759 maintenance of location Effects 0.000 claims description 2
- 239000002994 raw material Substances 0.000 claims 1
- 238000004088 simulation Methods 0.000 description 10
- 239000004065 semiconductor Substances 0.000 description 9
- 230000007774 longterm Effects 0.000 description 5
- 238000007418 data mining Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 239000000243 solution Substances 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 241000257303 Hymenoptera Species 0.000 description 1
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013079 data visualisation Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 238000001312 dry etching Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 238000001259 photo etching Methods 0.000 description 1
- 229910052710 silicon Inorganic materials 0.000 description 1
- 239000010703 silicon Substances 0.000 description 1
- 238000004544 sputter deposition Methods 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 235000012431 wafers Nutrition 0.000 description 1
- 238000001039 wet etching Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/41865—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by job scheduling, process planning, material flow
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/32—Operator till task planning
- G05B2219/32252—Scheduling production, machining, job shop
-
- 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
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- General Factory Administration (AREA)
Abstract
本发明提供了一种模拟信息素机制的动态派工方法，包括：当设备在某时刻变为可用状态时，判断设备是否为批加工设备；如果是，则按照预定公式计算设备前排队工件的紧急程度，并根据所述排队工件的紧急程度，确定设备前排队工件是否有紧急工件，如果有紧急工件，则按照预定公式组批工件；确定各组批工件的选择概率；选择具有最高选择概率的组批工件在设备上开始加工。本发明采用动态派工规则，派工效率优于人工优先级调度方法。
Description
技术领域
本发明涉及一种模拟信息素机制的动态派工方法，属于半导体制造***动态调度领域。
背景技术
现有的半导体生产制造企业的生产线所使用的派工规则是基于人工的优先级调度方法，简称PRIOR，其主旨思想是按照人工经验来设定优先级，在最大程度上保证产品能够按时交货，即满***货期指标。这种方式因为主要依靠人工经验，不仅需要花费大量的劳动力，而且派工效率不高。
自从20世纪90年代以来，伴随着制造业信息化的发展，其生产过程中积累了大量的数据，数据挖掘也开始在制造业中得到应用。国内外学者在生产调度问题传统建模及优化方法的基础上，基于实际调度环境中的大量历史数据、实时数据和相关调度仿真数据，采用特征分析、数据挖掘和仿真等技术手段提取隐含在大量数据中，对改善复杂生产过程调度性能指标有重要作用的关键调度信息，并利用上述信息建立基于数据的生产过程相关调度模型或动态确定生产过程相关调度模型的关键参数。数据挖掘能够从相关数据中获得知识来改进决策和提高产量，同时采用数据可视化能够给决策者一个更直观的认识，帮助决策者更好的理解和利用调度规则。
发明内容
本发明的目的在于提供一种模拟信息素机制的动态派工方法，以解决现有技术中存在的半导体生产线中采用基于人工的优先级调度方法进行派工效率低的问题。
为实现上述目的，本发明采用如下技术方案：
一种模拟信息素机制的动态派工方法，包括如下步骤：
当设备在派工时刻变为可用状态时，判断所述设备是否为批加工设备；
如果是，则计算所述设备前排队工件的紧急程度，并根据所述排队工件的紧急程度，确定所述设备前排队工件是否有紧急工件；
如果有紧急工件，则根据所述设备的加工能力、在所述设备前排队使用工艺菜单的工件数目和所述设备上排队工件的停留时间，对工件进行组批；
选择具有最高选择概率的组批工件在所述设备上开始加工。
进一步地，根据公式(1)计算所述设备前排队工件的紧急程度：
其中，
为设备i在派工时刻t要处理工件n的紧急程度，
为工件n在设备i上的剩余加工时间，Fn为工件n的平均加工周期与加工时间的比值，Dn为工件n的交货期，
为工件n在设备i上的占用时间；MAX为最高加工优先级。
进一步地，所述对工件进行组批，具体方法为：
根据公式(4)对工件进行组批：
其中，im为设备i的工艺菜单索引号；Mi为设备i上的工艺菜单数目；
为二进制变量，如果工件n在设备i上采用工艺菜单im，则
否则
Bi为设备i的加工能力；Nim为在设备i前排队使用工艺菜单im的工件数目；
为设备i上的排队工件n的停留时间。
进一步地，所述确定各组批工件的选择概率，具体方法为：
根据公式(9)确定各组批工件的选择概率：
其中，Гk为工件组批k的选择概率，
是组批k中紧急工件数目；Bk是组批k的组批大小；
是组批k在设备i上的占用时间；
是组批k的下游设备id的最大负载；(α2，β2，γ，σ)是衡量
Bk、
相对重要程度的指标。
进一步地，所述的一种模拟信息素机制的动态派工方法，还包括：
如果所述设备前排队工件不存在紧急工件，则按照公式(1)判断所述设备的上游设备上加工或刚刚完成加工、下一步要使用所述设备加工的工件是否存在紧急工件；
如果存在紧急工件，则等待紧急工件的到达，并按照公式(4)组批工件。
进一步地，所述的一种模拟信息素机制的动态派工方法，还包括：如果所述设备的上游设备上加工或刚刚完成加工，下一步要使用所述设备加工的工件不存在紧急工件，则按照公式(5)确定所述设备是不是瓶颈设备：
其中，Nim为在所述设备i前排队使用工艺菜单im的工件数目；Pim为工艺菜单im在设备i上的加工时间；
为二进制变量，如果设备i在派工时刻t是瓶颈设备，
否则，
如果所述设备i不是瓶颈设备，按照公式(7)确定下游设备id是不是空闲设备：
其中，Nid为在下游设备id前排队的工件数目，
为下游设备id上工艺菜单v的加工时间；
为二进制变量，如果下游设备id在时刻t处于空闲状态，
否则，
如果下游设备id是空闲设备，则判断设备i的排队工件中是否存在其下一步工序要到空闲下游设备id等待加工的工件，如果存在，则按照公式(8)组批工件：
式(8)中，
为二进制变量，如果处理工件n下一步工序的下游设备id在时刻t处于空闲状态，且该工件在设备i采用菜单im，
否则
进一步地，所述的一种模拟信息素机制的动态派工方法，还包括：如果确定所述设备是瓶颈设备，则按照公式(6)组批工件：
其中，Bi为所述设备i的加工能力，
为所述设备i上的排队工件n的停留时间。
进一步地，所述的一种模拟信息素机制的动态派工方法，还包括：如果确定下游设备不是空闲设备，则等待新工件的到来，重新开始派工决策。
进一步地，所述的一种模拟信息素机制的动态派工方法，还包括：如果判断设备i的排队工件中不存在其下一步工序要到空闲下游设备id等待加工的工件，则等待新工件的到来，重新开始派工决策。
进一步地，所述的一种模拟信息素机制的动态派工方法，还包括：如果判断所述设备不是批加工设备，则根据公式(1)计算所述设备前排队工件的紧急程度：
其中，
为设备i在派工时刻t要处理工件n的紧急程度，
为工件n在设备i上的剩余加工时间，Fn为工件n的平均加工周期与加工时间的比值，Dn为工件n的交货期，
为工件n在设备i上的占用时间；MAX为最高加工优先级；
根据公式(2)计算生产线上在时刻t能够完成工件n下一步工序的下游设备id的负载程度：
式(2)中，
为在时刻t能够完成工件n下一步工序的下游设备id的负载程度；
为工件n在下游设备id上的占用时间；Tid为下游设备id每天的可用时间；
根据公式(3)计算设备i前各排队工件的选择概率：
式(3)中，Sn为工件n的选择概率，α1为衡量
相对重要程度的指标，β1为衡量
相对重要程度的指标；
选择具有最高选择概率的工件优先在设备上开始加工。
与现有技术相比，本发明所达到的有益技术效果：本发明的一种模拟信息素机制的动态派工方法，采用动态派工规则，无论在短期性能指标还是长期性能指标，均要优于PRIOR规则，特别在长期性能指标上尤为明显，均在PRIOR规则的基础上提高了100％。
附图说明
图1本发明实施例的一种模拟信息素机制的动态派工方法流程示意图；
图2三种情况下对半导体生产线的性能指标优化结果比较图。三种情况分别为：Case 1：采用PRIOR规则；Case 2：对生产线中所有无特殊限制的设备，将其调度规则替换为本发明方法；Case 3：只对生产线中无特殊限制，且日设备利用率大于60％的设备替换为本发明方法，其余设备仍采用PRIOR规则。
具体实施方式
下面结合具体实施例对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。
如前所述，现有技术中存在半导体生产线基于人工的优先级调度方法进行派工，效率低的问题。
为解决上述问题，本发明提供了一种模拟信息素机制的动态派工方法，该方法是基础动态派工规则(Dynamic Dispatching Rule，DDR)实现的。DDR是借鉴蚁群生态***中个体蚂蚁间基于信息素的间接通讯实现优化的群体行为的特征，根据半导体制造生产线的设备特性，得到一种可以考虑到整条生产线的派工规则，来实现自适应半导体生产线动态调度。
如图1所示，是本发明实施例的一种模拟信息素机制的动态派工方法，该方法具体包括如下步骤：
Step 1：当设备i在派工时刻t变为可用状态时，确定设备i是否为批加工设备。如果是，转Step 6；否则，转Step 2。
Step 2：根据公式(1)，计算设备i前排队工件的信息变量：
其中，
为设备i在时刻t要处理工件n的紧急程度，
为工件n设备i上的剩余加工时间，Fn为工件n的平均加工周期与加工时间的比值，Dn为工件n的交货期，
为工件n在设备i上的占用时间；MAX为最高加工优先级。
公式(1)是为了满足客户准时交货的要求而设计的。在t时刻，各WIP(Work InProcess，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，其交货期便越紧，相应的，该WIP的信息变量值越高，越容易被设备选中优先加工。但是如果该WIP的理论剩余加工时间已大于实际剩余加工时间，说明该WIP极有可能拖期，则将其变为紧急工件，即在任何设备上都具有最高的加工优先级(MAX)。另外，各WIP对设备的占用时间也会影响其信息变量值，占用时间越短，信息变量值越高，这样可以加快WIP在设备上的移动，提高设备利用率。
Step 3：计算生产线上其他设备的信息变量：
其中，
为在时刻t能够完成工件n下一步工序的下游设备id的负载程度；
为工件n在下游设备id上的占用时间；Tid为下游设备id每天的可用时间。
公式(2)意味着t时刻，设备负载越重，其信息变量越高。显然，当
时，表示设备的负载已超过其一天可用时间，即认为该设备处于瓶颈状态。值得注意的是，在半导体生产线上可能存在多台设备能够完成WIP的特定工序，在这种情况下，Tid的意义就是可完成WIP待加工工序的一类设备在一天内的可用加工时间。
Step 4：计算各排队工件的选择概率：
其中，Sn为工件n的选择概率，
为设备i上的排队工件n的停留时间，α1为衡量
相对重要程度的指标，β1为衡量
相对重要程度的指标。
式(3)意味着t时刻，在解决WIP竞争设备资源问题时，会同时考虑WIP的交货期与占用设备程度以及设备的下游设备的负载状况，保证WIP的快速流动与准时交货率。
Step 5：选择具有最高选择概率的工件在设备i上开始加工。
Step 6：使用公式(1)计算设备i前排队工件的信息变量。
Step 7：确定设备i前排队工件是否有紧急工件(即
MAX)，如果有，转Step8；否则，转Step 9。
Step 8：按公式(4)组批工件
其中，im为设备i的工艺菜单索引号，Mi为设备i上的工艺菜单数目；
为二进制变量，如果工件n在设备i上采用工艺菜单im，则
否则
Bi为设备i的加工能力；Nim为在设备i前排队使用工艺菜单im的工件数目；
为设备i上的排队工件n的停留时间。
公式(4)意味着：对设备i的各工艺菜单im，如果紧急工件数小于Bi，检查排队设备i前的普通工件是否与紧急工件采用相同菜单。如果满足条件的普通工件数较少，按照工件等待时间越长越优先的原则选择设备i前
工件组批；否则，选择所有满足要求的普通工件(即
)组批。如果紧急工件数大于等于Bi，直接选出最紧急的且满足最大加工批量的紧急工件并批。然后转步骤17确定组批工件的加工优先级。
Step 9：按照公式(1)判断正在批加工设备i的上游设备iu上加工或刚刚完成加工，下一步要使用批加工设备i加工的工件是否为紧急工件，如果存在紧急工件，转Step10；否则转Step 11。
Step 10：等待紧急工件的到达，然后转Step 8按公式(4)组批工件。
Step 11：按照公式(5)确定设备i是不是瓶颈设备。如果是，转Step 12；否则转Step 13。
其中，Nim为在设备i前排队使用工艺菜单im的工件数目；Pim为工艺菜单im在设备i上的加工时间；
为二进制变量，如果设备i在时刻t是瓶颈设备，
否则，
公式(5)意味着如果批加工设备i的缓冲区内的排队工件已超过其日最高加工能力(即24小时内能够加工的最多工件)，则认为该设备处于瓶颈状态。
Step 12：按照公式(6)组批工件，然后转Step 17确定组批工件的加工优先级。
其中，Bi为批加工设备i的加工能力，
为设备i上的排队工件n的停留时间。
公式(6)意味着按照排队工件使用的批加工设备i的工艺菜单im进行组批，若使用同一工艺菜单的工件超过了最大加工批量，按照工件等待时间越长越优先的原则分别组批。
Step 13：按照公式(7)确定下游设备id是不是空闲设备。如果是，转Step 14；否则，转Step 16。
其中，Nid为在下游设备id前排队的工件数目，
为下游设备id上工艺菜单v的加工时间；
为二进制变量，如果下游设备id在时刻t处于空闲状态，
否则，
公式(7)意味着如果下游设备id的缓冲区内的排队工件已低于其日最低加工能力(即24小时内能够加工的最少工件)，则认为该设备处于空闲状态。
Step 14：判断设备i的排队工件中是否存在其下一步工序要到空闲下游设备id等待加工的工件；如果存在，转Step 15；否则，转Step 16。
Step 15：按照公式(8)组批工件。
其中，
为二进制变量，如果处理工件n下一步工序的下游设备id在时刻t处于空闲状态，且该工件在设备i采用菜单im，
否则
公式(8)意味着：对设备i的各工艺菜单im，检查下一步工序要在空闲设备上加工的并使用该工艺菜单的工件数目，如果小于设备的最大加工批量Bi，检查是否存在其他工件与这些工件使用相同的工艺菜单，若满足条件的工件数目较多，按照工件等待时间越长越优先的原则选出若干个非紧急工件以满足最大加工批量；如果大于等于最大加工批量，直接选出排队时间最长的满足最大加工批量的工件并批。然后转Step 17确定组批工件的加工优先级。
Step 16：等待新工件的到来，转Step 6重新开始派工决策。
Step 17：按照公式(9)确定各组批工件的优先级。
其中，Гk工件组批k的选择概率，
是组批k中紧急工件数目；Bk是组批k的组批大小；
是组批k在设备i上的占用时间；
是组批k的下游设备id的最大负载；(α2，β2，γ，σ)是衡量这四项相对重要程度的指标。
公式(9)的第一项是紧急工件在组批k的加工批量中所占比例，对应的是准时交货率指标；第二项是组批n的加工批量与所有组批中最大加工批量的比值，对应的是加工周期、移动步数和设备利用率指标；第三项是组批n的加工时间与所有组批中最大加工时间的比值，对应的是工件对设备的占用时间，与加工周期指标相关，也可以体现移动步数指标；第四项是下游设备的负载程度，与设备利用率指标相关，也可以体现移动步数指标。因此，随着关注指标的不同或者制造环境的变化，通过调整相应的参数(α2，β2，γ，σ)，可以获得期望性能指标。
Step 18：选择具有最高选择概率的组批工件在设备i上开始加工。
下面采用本发明实施例方法进行仿真试验：
以上海市某半导体生产制造企业6英寸硅片的大量生产线历史数据为研究对象，根据企业实际需求，结合动态建模方法，通过西门子公司的Tecnomatix Plant Simulation软件搭建始终与实际生产线保持一致的生产线仿真模型为研究平台进行仿真验证。
该企业生产线目前有九大加工区，分别为：注入区、光刻区、溅射区、扩散区、干法刻蚀区、湿法刻蚀区、背面减薄区、PVM测试区和BMMSTOK镜检区，所使用的派工规则是基于PRIOR。
在本发明方法中，将与调度相关的信息封装在算法内部，而后进行加权处理，通过调整这些权值，即(α1，β1，α2，β2，γ，σ)，来实现DDR对变化环境的通用性。这就意味着，当(α1，β1，α2，β2，γ，σ)的取值不同时，得到的性能指标也不尽相同。
假定，本发明方法的六个加权参数(α1，β1，α2，β2，γ，σ)值分别为：α1＝0.5，β1＝0.5，α2＝0.25，β2＝0.25，γ＝0.25，σ＝0.25。
设计如下3种情况，进行长达3个月的仿真验证：
Case 1：采用企业的PRIOR规则；
Case 2：对生产线中所有无特殊限制的设备，将其调度规则替换为本发明方法；
Case 3：只对生产线中无特殊限制，且日设备利用率大于60％的设备替换为本发明方法，其余设备仍采用PRIOR规则。
分别从短期性能指标：平均日移动步数(Move)和平均日设备利用率(Utility)和长期性能指标：出片量(Throughput)、平均加工周期(Cycle Time，CT)、理想加工时间/实际加工时间(Ideal Processing Time/Real Processing Time，IPT/RPT)比较Case 1、Case 2和Case 3对生产线的优化结果。
由于Move值的数量级为103，出片量的数量级为101～102，平均加工时间的数量级为101，而Utility值和理想加工时间/实际加工时间的数量级为10-1，故本申请统一以Case1的值为基础值，设为1，Case 2和Case 3表示对Case 1的改进程度。
实验结果如图2所示，其中Throughput表示出片量；CT表示Cycle Time，即加工时间；IPT/RPT表示Ideal Processing Time/Real Processing Time，即理想加工时间与实际加工时间的比值。
结果表明，本发明方法无论在短期性能指标还是长期性能指标，均要优于PRIOR规则，特别在长期性能指标上尤为明显，均在PRIOR规则的基础上提高了100％。但是，对所有设备均采用本发明方法相较于仅对瓶颈设备采用本发明方法的性能改进程度并不大。这是因为非瓶颈设备资源充足，当工件到达时，即可立即加工，而不需要在缓冲区排队等待，是以，只需要采用简单的FIFO规则即可。
表1仿真时间比较
由表1可知，仿真运行90天，所有设备均采用本发明方法是仅对瓶颈设备采用本发明方法的仿真时间的7.5倍，而优化效果并不明显。这是因为本发明方法计算繁杂，特别是Step 9的时间复杂度非常高，因此，对设备利用率大于60％的设备适合使用本发明方法。
以上已以较佳实施例公布了本发明，然其并非用以限制本发明，凡采取等同替换或等效变换的方案所获得的技术方案，均落在本发明的保护范围内。
Claims (10)
1.一种模拟信息素机制的动态派工方法，其特征在于，包括如下步骤：
当设备在派工时刻变为可用状态时，判断所述设备是否为批加工设备；
如果是，则计算所述设备前排队工件的紧急程度，并根据所述排队工件的紧急程度，确定所述设备前排队工件是否有紧急工件；
如果有紧急工件，则根据所述设备的加工能力、在所述设备前排队使用工艺菜单的工件数目和所述设备上排队工件的停留时间，对工件进行组批；
选择具有最高选择概率的组批工件在所述设备上开始加工。
2.根据权利要求1所述的方法，其特征在于，根据公式(1)计算所述设备前排队工件的紧急程度：
其中，
为设备i在派工时刻t要处理工件n的紧急程度，
为工件n在设备i上的剩余加工时间，Fn为工件n的平均加工周期与加工时间的比值，Dn为工件n的交货期，
为工件n在设备i上的占用时间；MAX为最高加工优先级。
3.根据权利要求1所述的方法，其特征在于，所述对工件进行组批，具体方法为：
根据公式(4)对工件进行组批：
其中，im为设备i的工艺菜单索引号；Mi为设备i上的工艺菜单数目；
为二进制变量，如果工件n在设备i上采用工艺菜单im，则
否则
Bi为设备i的加工能力；Nim为在设备i前排队使用工艺菜单im的工件数目；
为设备i上的排队工件n的停留时间。
4.根据权利要求1所述的方法，其特征在于，所述确定各组批工件的选择概率，具体方法为：
根据公式(9)确定各组批工件的选择概率：
其中，Γk为工件组批k的选择概率，
是组批k中紧急工件数目；Bk是组批k的组批大小；
是组批k在设备i上的占用时间；
是组批k的下游设备id的最大负载；(α2，β2,γ，σ)是衡量
Bk、
相对重要程度的指标。
5.根据权利要求1所述的方法，其特征在于，还包括：
如果所述设备前排队工件不存在紧急工件，则按照公式(1)判断所述设备的上游设备上加工或刚刚完成加工、下一步要使用所述设备加工的工件是否存在紧急工件：
其中，
为设备i在派工时刻t要处理工件n的紧急程度，
为工件n在设备i上的剩余加工时间，Fn为工件n的平均加工周期与加工时间的比值，Dn为工件n的交货期，
工件n在设备i上的占用时间；MAX为最高加工优先级；
如果存在紧急工件，则等待紧急工件的到达，并按照公式(4)组批工件：
其中，im为设备i的工艺菜单索引号；Mi为设备i上的工艺菜单数目；
为二进制变量，如果工件n在设备i上采用工艺菜单im，则
否则
Bi为设备i的加工能力；Nim为在设备i前排队使用工艺菜单im的工件数目；
为设备i上的排队工件n的停留时间。
6.根据权利要求5所述的方法，其特征在于，还包括：如果所述设备的上游设备上加工或刚刚完成加工，下一步要使用所述设备加工的工件不存在紧急工件，则按照公式(5)确定所述设备是不是瓶颈设备：
其中，Nim为在所述设备i前排队使用工艺菜单im的工件数目；Pim为工艺菜单im在设备i上的加工时间；
为二进制变量，如果设备i在派工时刻t是瓶颈设备，
否则，
如果所述设备i不是瓶颈设备，按照公式(7)确定下游设备id是不是空闲设备：
其中，Nid为在下游设备id前排队的工件数目，
为下游设备id上工艺菜单v的加工时间；
为二进制变量，如果下游设备id在时刻t处于空闲状态，
否则，
如果下游设备id是空闲设备，则判断设备i的排队工件中是否存在其下一步工序要到空闲下游设备id等待加工的工件，如果存在，则按照公式(8)组批工件：
式(8)中，
为二进制变量，如果处理工件n下一步工序的下游设备id在时刻t处于空闲状态，且该工件在设备i采用菜单im，
否则
7.根据权利要求6所述的方法，其特征在于，还包括：如果确定所述设备是瓶颈设备，则按照公式(6)组批工件：
其中，Bi为所述设备i的加工能力，
为所述设备i上的排队工件n的停留时间。
8.根据权利要求6所述的方法，其特征在于，还包括：如果确定下游设备不是空闲设备，则等待新工件的到来，重新开始派工决策。
9.根据权利要求6所述的方法，其特征在于，还包括：如果判断设备i的排队工件中不存在其下一步工序要到空闲下游设备id等待加工的工件，则等待新工件的到来，重新开始派工决策。
10.根据权利要求1所述的方法，其特征在于，还包括：如果判断所述设备不是批加工设备，则根据公式(1)计算所述设备前排队工件的紧急程度：
其中，
为设备i在派工时刻t要处理工件n的紧急程度，
为工件n在设备i上的剩余加工时间，Fn为工件n的平均加工周期与加工时间的比值，Dn为工件n的交货期，
为工件n在设备i上的占用时间；MAX为最高加工优先级；
根据公式(2)计算生产线上在时刻t能够完成工件n下一步工序的下游设备id的负载程度：
式(2)中，
为在时刻t能够完成工件n下一步工序的下游设备id的负载程度；
为工件n在下游设备id上的占用时间；Tid为下游设备id每天的可用时间；
根据公式(3)计算设备i前各排队工件的选择概率：
式(3)中，Sn为工件n的选择概率，α1为衡量
相对重要程度的指标，β1为衡量
相对重要程度的指标；
选择具有最高选择概率的工件优先在设备上开始加工。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110197359.2A CN112947340A (zh) | 2021-02-22 | 2021-02-22 | 一种模拟信息素机制的动态派工方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110197359.2A CN112947340A (zh) | 2021-02-22 | 2021-02-22 | 一种模拟信息素机制的动态派工方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112947340A true CN112947340A (zh) | 2021-06-11 |
Family
ID=76245136
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110197359.2A Pending CN112947340A (zh) | 2021-02-22 | 2021-02-22 | 一种模拟信息素机制的动态派工方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112947340A (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH06266413A (ja) * | 1993-03-12 | 1994-09-22 | Nippon Telegr & Teleph Corp <Ntt> | 生産管理方法及びシステム |
| US5751580A (en) * | 1996-07-26 | 1998-05-12 | Chartered Semiconductor Manufacturing, Ltd. | Fuzzy logic method and system for adjustment of priority rating of work in process in a production line |
| CN1734382A (zh) * | 2005-06-10 | 2006-02-15 | 同济大学 | 基于信息素的用于半导体生产线的动态调度方法 |
| CN103217960A (zh) * | 2013-04-08 | 2013-07-24 | 同济大学 | 一种半导体生产线动态调度策略自动选择方法 |
| CN103439886A (zh) * | 2013-07-26 | 2013-12-11 | 同济大学 | 一种半导体生产线自适应动态调度装置 |
| CN112131761A (zh) * | 2020-11-25 | 2020-12-25 | 晶芯成(北京)科技有限公司 | 基于群体智能算法的工厂派工方法及*** |
-
2021
- 2021-02-22 CN CN202110197359.2A patent/CN112947340A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH06266413A (ja) * | 1993-03-12 | 1994-09-22 | Nippon Telegr & Teleph Corp <Ntt> | 生産管理方法及びシステム |
| US5751580A (en) * | 1996-07-26 | 1998-05-12 | Chartered Semiconductor Manufacturing, Ltd. | Fuzzy logic method and system for adjustment of priority rating of work in process in a production line |
| CN1734382A (zh) * | 2005-06-10 | 2006-02-15 | 同济大学 | 基于信息素的用于半导体生产线的动态调度方法 |
| CN103217960A (zh) * | 2013-04-08 | 2013-07-24 | 同济大学 | 一种半导体生产线动态调度策略自动选择方法 |
| CN103439886A (zh) * | 2013-07-26 | 2013-12-11 | 同济大学 | 一种半导体生产线自适应动态调度装置 |
| CN112131761A (zh) * | 2020-11-25 | 2020-12-25 | 晶芯成(北京)科技有限公司 | 基于群体智能算法的工厂派工方法及*** |
Non-Patent Citations (1)
| Title |
|---|
| 李莉等: "半导体生产线自适应派工规则", 《控制工程》 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103439886B (zh) | 一种半导体生产线自适应动态调度装置 | |
| US6470231B1 (en) | Method and system for auto dispatching wafer | |
| US10054938B2 (en) | Clustering for prediction models in process control and for optimal dispatching | |
| CN103136631B (zh) | 基于产品族排序实现最小总完工时间的批调度方法 | |
| CN101609417B (zh) | 基于VxWorks操作***的混合任务集调度方法 | |
| CN111274021B (zh) | 一种gpu集群任务调度分配方法 | |
| CN105302078A (zh) | 一种半导体制造工艺中炉管机台运行的控制***及方法 | |
| CN106327053B (zh) | 一种基于多模式集合的纺织工艺推荐模型的构建方法 | |
| CN112947340A (zh) | 一种模拟信息素机制的动态派工方法 | |
| Jacobs et al. | Quantifying variability of batching equipment using effective process times | |
| Zhou et al. | WIP balance and due date control in a wafer fab with low and high volume products | |
| Niedermayer et al. | A simulation-based analysis of the cycle time of cluster tools in semiconductor manufacturing | |
| Zhou et al. | A pull/push concept for toolgroup workload balance in wafer fab | |
| Rose | Comparison of due-date oriented dispatch rules in semiconductor manufacturing | |
| CN111177937B (zh) | 一种面向快速响应的赛如生产***模型构建方法 | |
| CN114356515A (zh) | 一种数据转换任务的调度方法 | |
| CN110084498A (zh) | 一种服务端的派工方法、装置、计算机设备及存储介质 | |
| CN113656165B (zh) | 用于jira***的任务管理方法及装置 | |
| CN102478841B (zh) | 一种平衡机台产能的方法和装置 | |
| CN114492959A (zh) | 一种基于遗传算法的板式家具生产调度批次优化的方法 | |
| CN111784036A (zh) | 一种基于生产周期的流水作业生产线作业量预测方法 | |
| CN112488492A (zh) | 一种基于优先级的遥感产品生产调度方法 | |
| TWI826087B (zh) | 派工系統和派工方法 | |
| Xiao et al. | A MILP-based batch scheduling for two-stage hybrid flowshop with sequence-dependent setups in semiconductor assembly and test manufacturing | |
| CN113064387A (zh) | 一种基于动态派工的半导体制造方法及*** |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210611 |
|
| RJ01 | Rejection of invention patent application after publication |