一種用于半導(dǎo)體生產(chǎn)線基于簡化仿真模型的高效調(diào)度規(guī)則選擇方法
【專利摘要】本發(fā)明公開一種用于半導(dǎo)體生產(chǎn)線基于簡化仿真模型的高效調(diào)度規(guī)則選擇方法，屬于半導(dǎo)體生產(chǎn)調(diào)度與控制技術(shù)領(lǐng)域；本方法選取能夠表征仿真模型中設(shè)備重要程度的關(guān)鍵特征及相關(guān)數(shù)據(jù)并進行數(shù)據(jù)預(yù)處理；采用選擇性聚類集成算法將模型中的設(shè)備按照設(shè)備重要程度分為重要設(shè)備、普通設(shè)備和非重要設(shè)備；根據(jù)聚類結(jié)果從仿真模型中刪除非重要設(shè)備，建立簡化的仿真模型并采用一種閉環(huán)修正結(jié)構(gòu)保證簡化模型的精確度；在某一調(diào)度時刻，分別以準(zhǔn)時交貨率和產(chǎn)出量為調(diào)度目標(biāo)，利用簡化的仿真模型對調(diào)度規(guī)則集中的調(diào)度規(guī)則進行快速評價，獲得最優(yōu)調(diào)度規(guī)則。利用本發(fā)明能夠快速為復(fù)雜的半導(dǎo)體生產(chǎn)過程選擇最優(yōu)的調(diào)度規(guī)則，改善半導(dǎo)體生產(chǎn)線的性能。
【專利說明】
一種用于半導(dǎo)體生產(chǎn)線基于簡化仿真模型的高效調(diào)度規(guī)則選 擇方法
技術(shù)領(lǐng)域
[0001] 本發(fā)明屬于半導(dǎo)體生產(chǎn)調(diào)度與控制技術(shù)領(lǐng)域，涉及一種用于半導(dǎo)體生產(chǎn)線基于簡 化仿真模型的高效調(diào)度規(guī)則選擇方法。 技術(shù)背景
[0002] 半導(dǎo)體制造業(yè)作為信息時代的關(guān)鍵性基礎(chǔ)產(chǎn)業(yè)，是當(dāng)前最復(fù)雜的制造系統(tǒng)之一， 具有不確定性、可重入性等特征，是一典型的離散事件動態(tài)系統(tǒng)。生產(chǎn)過程中大量的不確定 事件比如設(shè)備故障、緊急訂單、工件返工等都會影響生產(chǎn)系統(tǒng)的正常運行，引起系統(tǒng)性能指 標(biāo)的惡化，給調(diào)度帶來了極大的挑戰(zhàn)。實際生產(chǎn)中經(jīng)常采用仿真模型為半導(dǎo)體生產(chǎn)線選擇 合適的調(diào)度規(guī)則，但仿真模型通常包含幾十個加工區(qū)上百臺機器，同時加工若干種產(chǎn)品，每 種產(chǎn)品擁有上百個工序，模型復(fù)雜度很高。在進行仿真時往往需要消耗比較長的時間，不能 快速做出調(diào)度決策。為盡快遏制生產(chǎn)線性能惡化的趨勢、提高生產(chǎn)效益，我們需要快速做出 調(diào)度決策。如何提高調(diào)度決策的響應(yīng)速度是目前半導(dǎo)體優(yōu)化調(diào)度領(lǐng)域研究的一大難題。 [0003] 為解決這一問題，國內(nèi)外做了一些研究，Kim等在《IEEE Transactions on Semiconductor Manufacturing》（2003年16卷2期，290-298頁）發(fā)表的 "Simplification Methods for Accelerating Simulation-Based Real-Time Scheduling in a Semiconductor Wafer Fabrication Facility"提出了幾種加速基于仿真的實時調(diào)度的方 法，包括減少調(diào)度規(guī)則數(shù)、減少仿真時間、建立簡化的仿真模型。根據(jù)約束理論，瓶頸設(shè)備是 制約系統(tǒng)產(chǎn)出的關(guān)鍵設(shè)備，將瓶頸度較低的設(shè)備從模型中刪除并不會對模型的性能產(chǎn)生太 大的影響。文章中將工作負(fù)載作為衡量設(shè)備瓶頸度的指標(biāo)，將工作負(fù)載較低的設(shè)備從仿真 模型中刪除，建立簡化的仿真模型。該方法存在的問題是：（1)影響瓶頸設(shè)備的參數(shù)有很多， 選取哪些參數(shù)作為計算瓶頸及影響瓶頸的關(guān)鍵因素直接影響簡化模型的性能；（2)刪除設(shè) 備的數(shù)目是難以確定的，若數(shù)目過多雖然會大大減少仿真時間，但仿真模型的性能也會隨 之降低;相反，若數(shù)目過少雖然可以保證模型性能，但卻不能節(jié)省時間。

【發(fā)明內(nèi)容】

[0004] 本發(fā)明的目的在于公開一種用于半導(dǎo)體生產(chǎn)線的基于簡化仿真模型的高效調(diào)度 規(guī)則選擇方法。采用聚類集成算法將仿真模型中的設(shè)備分為重要設(shè)備、普通設(shè)備和非重要 設(shè)備三類，其中非重要設(shè)備具有低生產(chǎn)負(fù)荷、低利用率和饑餓時間長的特點。根據(jù)約束理 論，刪除這些非重要設(shè)備不會對系統(tǒng)的性能有較大影響，從而建立簡化模型。在某一調(diào)度時 亥IJ，針對不同的調(diào)度目標(biāo)，采用簡化的仿真模型快速評價調(diào)度規(guī)則集中的調(diào)度規(guī)則，并選擇 最優(yōu)調(diào)度規(guī)則。該方法提高了最優(yōu)調(diào)度規(guī)則選擇的效率，盡早遏制了生產(chǎn)線性能指標(biāo)惡化 的趨勢。
[0005] 為達(dá)到上述目的，本發(fā)明采用了以下技術(shù)方案。
[0006] -種用于半導(dǎo)體生產(chǎn)線的高效調(diào)度規(guī)則選擇方法，包括以下具體步驟：
[0008] (1)
[0007] 步驟I，確定表征設(shè)備重要程度的關(guān)鍵特征。確定設(shè)備累積生產(chǎn)負(fù)荷Lm、設(shè)備利用 率仏、設(shè)備饑餓時間Ts m為表征仿真模型中設(shè)備重要程度的關(guān)鍵特征。
[0009] (2)
[0010] 式中，Nt為產(chǎn)品類型數(shù)量，qi為產(chǎn)品i的總數(shù),N1為產(chǎn)品i的工序數(shù)，Θ以為加工系數(shù)， 若工件i的第j道工序可以在設(shè)備m上加工則0 ijm=l，否則0ijm = 〇，tijm為工件i的第j道工序 在設(shè)備m的加工時間，Wtijm為工件i的第j道工序在設(shè)備m的等待時間，M為設(shè)備總數(shù)量，以以為 設(shè)備m的加工能力，Tw m、Tbm、Tfm、Tsm分別為設(shè)備正常運行、阻塞、故障、饑餓時間。
[0011] 步驟2,數(shù)據(jù)采集及標(biāo)準(zhǔn)化處理。使用Plant Simulation仿真平臺建立半導(dǎo)體生產(chǎn) 調(diào)度仿真模型，采集步驟1所述的相關(guān)數(shù)據(jù)，并使用式(3)對采集到的數(shù)據(jù)進行標(biāo)準(zhǔn)化處理。 式中Z為標(biāo)準(zhǔn)化以后的數(shù)據(jù)，X為采集到的原始數(shù)據(jù)，f和S(X)分別為矩陣X的均值和方差。
[0012]
(3)
[0013] 步驟3,對步驟2所建立的仿真模型中的設(shè)備進行聚類。將步驟1確定的表征設(shè)備重 要程度的關(guān)鍵特征作為聚類特征，采用選擇性聚類集成算法將仿真模型中的設(shè)備分為重要 設(shè)備、普通設(shè)備和非重要設(shè)備三類。
[0014] 步驟3.1，獲取基聚類結(jié)果。采用k-means聚類算法，隨機選擇三個設(shè)備作為聚類中 心，運行t次k-means聚類算法，得到t個基聚類結(jié)果。
[0015] 步驟3.2,基聚類結(jié)果匹配。根據(jù)對于任意兩個基聚類結(jié)果，有對應(yīng)關(guān)系的聚類標(biāo) 記所覆蓋的相同對象的個數(shù)是最大的這一特征，隨機選擇某個基聚類結(jié)果作為匹配基準(zhǔn)， 將其它聚類結(jié)果和基準(zhǔn)聚類結(jié)果進行匹配，選擇覆蓋相同對象個數(shù)最大的聚類標(biāo)記建立對 應(yīng)關(guān)系。
[0016] 步驟3.3，基聚類集成。聚類集成采用基于權(quán)值的選擇性投票策略。假設(shè)λω和 是任意的兩個基聚類結(jié)果，則這兩個基聚類結(jié)果的相關(guān)系數(shù)P ab可按式(4)計算，式(4)中cov (λω，λ(ι^)為和的協(xié)方差，?(λ ω)和?(λ~)分別為和的方差。
[0017]
(4)[0018] 對t個基聚類結(jié)果中的任意兩個基聚類結(jié)果求相關(guān)系數(shù)，得到如下相關(guān)系數(shù)矩陣：
[0019]
[0020]
[0021] (6)
[0022]當(dāng)&越大時，基聚類結(jié)果λω與其他的基聚類結(jié)果越相似，因此，基聚類的權(quán)值定 義如下：
[0023：
(7)
[0024] 當(dāng)基聚類結(jié)果的權(quán)值^低于閥值Ι/t時，該基聚類結(jié)果將不參加最后的聚類集成。 最后，將挑選出的基聚類結(jié)果再基于權(quán)值進行投票，最終的聚類標(biāo)記可以由式(8)確定。式 (8)中，L(X1)為數(shù)據(jù)X1的最終聚類標(biāo)簽，是由式(7)計算得到的權(quán)值，F(xiàn)( ·)是指示函數(shù)，如 果括號中的等式滿足則F( · ) = 1，否則F( · )=0。
[0025]
(B)
[0026]步驟3.4,設(shè)備重要性判別。根據(jù)式(9)確定設(shè)備的重要程度(MID) JID值最大一類 為重要設(shè)備，MID值最小的一類為非重要設(shè)備，剩下的一類為普通設(shè)備。式（9)中， /_m、0^、. ？^為最終聚類結(jié)果的聚類中心。
[0027]
(9)
[0028] 步驟4,建立簡化仿真模型。根據(jù)步驟3.4,非重要設(shè)備具有低生產(chǎn)負(fù)荷、低利用率 和饑餓時間長的特點。根據(jù)約束理論，刪除這些非重要設(shè)備不會對系統(tǒng)的性能有較大影響， 從而建立簡化模型。
[0029] 步驟4.1，模型簡化。統(tǒng)計模型中的非重要設(shè)備及在非重要設(shè)備上進行加工的工 序，若某一加工區(qū)中的設(shè)備都為非重要設(shè)備，則將加工區(qū)中的設(shè)備及相關(guān)工序刪除。
[0030]步驟4.2,根據(jù)刪除簡化后的模型信息使用Plant Simulation建立簡化的仿真模 型。
[0031]步驟5,調(diào)度規(guī)則評價。在某一調(diào)度時刻，根據(jù)調(diào)度目標(biāo)，利用簡化仿真模型對調(diào)度 規(guī)則集中的啟發(fā)式調(diào)度規(guī)則進行快速評價，選擇最優(yōu)調(diào)度規(guī)則。
[0032]步驟5.1，確定調(diào)度目標(biāo)和調(diào)度規(guī)則集。分別選擇準(zhǔn)時交貨率和產(chǎn)出量為調(diào)度目 標(biāo)。調(diào)度規(guī)則包括實際半導(dǎo)體生產(chǎn)線中最常用的五種調(diào)度規(guī)則:臨界值(CR)、最小限額時間 (ALL)、先入先出(FIFO)、最短剩余加工時間（SRPT)、最短等待時間（LS)。
[0033]步驟5.2,評價調(diào)度規(guī)則。使用簡化的仿真模型，依次以準(zhǔn)時交貨率和產(chǎn)出量作為 調(diào)度目標(biāo)，對調(diào)度規(guī)則集中的調(diào)度規(guī)則進行評價，選擇最優(yōu)調(diào)度規(guī)則。
[0034]步驟6，基于閉環(huán)控制思想的簡化模型修正。根據(jù)式（10)計算簡化模型的誤差E (M)，如果E(M)大于預(yù)設(shè)的閥值或者簡化模型不能幫助管理者選擇最優(yōu)調(diào)度規(guī)則，表明簡化 模型不符合要求，則更新步驟1所需數(shù)據(jù)，根據(jù)步驟3及步驟4重新建立簡化模型。式(10)中， Nf為調(diào)度目標(biāo)的個數(shù)，Nr為調(diào)度規(guī)則集中調(diào)度規(guī)則個數(shù)，e(ri，r2)表示簡化模型中調(diào)度規(guī)則 n、r 2的相對排序是否和完整模型相同，若相同則<(λ/γ2) =:0,否則K(T^r2) =1。
[0035]
(10)
[0036] 本發(fā)明所提出一種用于半導(dǎo)體生產(chǎn)線的高效調(diào)度規(guī)則選擇方法，與現(xiàn)有技術(shù)相 比，本發(fā)明具有如下明顯的優(yōu)勢和有益效果：
[0037] 本方法通過使用簡化的仿真模型實現(xiàn)了快速調(diào)度規(guī)則選擇，克服了現(xiàn)有方法仿真 時間長、響應(yīng)速度慢的缺點。首先提取仿真模型中加工設(shè)備的表征設(shè)備重要程度的關(guān)鍵特 征，采用聚類集成算法將模型中的設(shè)備分為重要設(shè)備、普通設(shè)備與非重要設(shè)備三類，克服了 采用單一指標(biāo)不能全面衡量設(shè)備重要性的缺點。然后基于聚類結(jié)果和約束理論建立了簡化 的仿真模型，刪除了模型中的非重要設(shè)備，減少了工件的加工工序，降低了模型的復(fù)雜度。 實驗表明，該方法能夠減少仿真模型運行時間，提高調(diào)度規(guī)則選擇的效率，能夠盡快遏制半 導(dǎo)體生產(chǎn)線性能指標(biāo)惡化的趨勢，是一種有效的高效調(diào)度規(guī)則選擇方法。
【附圖說明】
[0038] 圖1為本發(fā)明所涉及的方法流程圖；
[0039] 圖2為本發(fā)明所涉及的聚類集成算法流程圖；
[0040] 圖3為發(fā)明所涉及的仿真模型中72臺設(shè)備的聚類結(jié)果；
[0041] 圖4為以準(zhǔn)時交貨率為調(diào)度目標(biāo)時，各調(diào)度規(guī)則在不同仿真周期內(nèi)的排序結(jié)果；
[0042] 圖5為以產(chǎn)出量為調(diào)度目標(biāo)時，各調(diào)度規(guī)則在不同仿真周期內(nèi)的排序結(jié)果；
【具體實施方式】
[0043] 以下結(jié)合附圖和具體實例對本
【發(fā)明內(nèi)容】
作詳細(xì)說明，方法框圖如附圖1所示。
[0044]以一個半導(dǎo)體生產(chǎn)線標(biāo)準(zhǔn)模型HP24為例對本發(fā)明采用的技術(shù)方案進行詳細(xì)分析， 其中HP24為硅片生產(chǎn)技術(shù)中心開發(fā)的模型。該模型擁有24個加工區(qū)，72臺設(shè)備，同時加工三 種不同類型的產(chǎn)品，加工工序數(shù)分別為172、139、110,設(shè)備詳細(xì)參數(shù)如表1所示。在Plant Simulation仿真平臺上采用HP24標(biāo)準(zhǔn)模型進行仿真，其中派工規(guī)則采用FIFO (Fir st In First Out)，投料策略采用固定在制品投料策略，仿真時間為200天。
[0045] 表1標(biāo)準(zhǔn)HP24模型設(shè)備參數(shù)
[0047]步驟I，確定表征設(shè)備重要程度的關(guān)鍵特征。確定設(shè)備累積生產(chǎn)負(fù)荷Lm、設(shè)備利用 率仏、設(shè)備饑餓時間Tsm為表征仿真模型中設(shè)備重要程度的關(guān)鍵特征。
[0048] 步驟2,數(shù)據(jù)采集及標(biāo)準(zhǔn)化處理。使用Plant Simulation仿真平臺建立半導(dǎo)體生產(chǎn) 調(diào)度仿真模型，運行Plant Simulation仿真軟件，采集相關(guān)數(shù)據(jù)并計算模型中每臺設(shè)備的 1^、1^、1'~值，并進行標(biāo)準(zhǔn)化處理。仿真模型中共有72臺加工設(shè)備，所得到的樣本含有72組數(shù) 據(jù)，每組數(shù)據(jù)包含3個特征量，因此樣本是一個72*3的矩陣。
[0049] 步驟3,采用選擇性聚類集成算法對模型中的設(shè)備按照設(shè)備重要程度進行聚類。選 擇性聚類集成算法流程圖如附圖2所示。附圖2中虛框中的基聚類代表未被選擇的基聚類。
[0050] 步驟3.1，獲取基聚類結(jié)果。采用k-means聚類算法，隨機選擇3個數(shù)據(jù)項作為聚類 中心，運行10次k-means聚類算法，得到10個基聚類結(jié)果。
[0051]步驟3.2,聚類集成。聚類集成采用基于權(quán)值的選擇性投票策略。根據(jù)式(7)計算每 個基聚類結(jié)果的權(quán)值，當(dāng)基聚類結(jié)果的權(quán)值低于閥值0.1時，該基聚類結(jié)果將不參加最后的 聚類集成。最后，將挑選出的基聚類結(jié)果再基于權(quán)值進行投票，票數(shù)最多的標(biāo)記將為該樣本 最終的聚類標(biāo)記。
[0052]步驟3.3,確定設(shè)備重要性。根據(jù)式(9)確定設(shè)備的重要程度(MID)，其中W1、W2、 W3* 別為0.4、0.3、0.3。最終的聚類結(jié)果如附圖3所示，其中重要設(shè)備有9臺，普通設(shè)備有24臺，非 重要設(shè)備有39臺。
[0053]步驟4,根據(jù)步驟3的聚類結(jié)果，若某一加工區(qū)中的設(shè)備都為非重要設(shè)備則將此加 工區(qū)中的設(shè)備從HP24模型中刪除，建立簡化的HP24模型。HP24模型和簡化的HP24模型的模 型信息如表2所示。對比HP24模型和簡化的HP24模型可以發(fā)現(xiàn)加工區(qū)個數(shù)、設(shè)備個數(shù)及工件 的工序數(shù)都有大幅度減少，這樣就減少了離散事件仿真模型中的事件個數(shù)以及調(diào)度規(guī)則的 調(diào)用次數(shù)從而減少了仿真時間，提高了調(diào)度規(guī)則選擇的效率。
[0054] 表2 HP24模型和簡化的HP24模型的模型信息
[0056] 步驟5,選擇最優(yōu)調(diào)度規(guī)則。在某一調(diào)度時刻，根據(jù)調(diào)度目標(biāo)，利用簡化仿真模型對 調(diào)度規(guī)則集中的啟發(fā)式調(diào)度規(guī)則進行快速評價，選擇最優(yōu)調(diào)度規(guī)則。
[0057] 步驟5.1，在某一調(diào)度時刻，分別以準(zhǔn)時交貨率和產(chǎn)出量為調(diào)度目標(biāo)對調(diào)度規(guī)則集 中的啟發(fā)式調(diào)度規(guī)則(〇^〇^正0、51^1'、1^)進行評價，記錄調(diào)度目標(biāo)值，按照調(diào)度目標(biāo)對 調(diào)度規(guī)則進行排序，選擇最優(yōu)的調(diào)度規(guī)則，結(jié)果如附圖4-5所示。圖4-5中柱形圖上所標(biāo)的數(shù) 字表示該調(diào)度規(guī)則的相對排序。
[0058]步驟5.2，為全面衡量簡化模型的性能，根據(jù)式（10)計算排隊誤差并記錄HP24模型 和簡化HP24模型進行調(diào)度規(guī)則評價所用的時間，如表3所示。
[0059]表3不同仿真周期下仿真運行時間和模型偏差
[0061]由圖4、圖5和表3可以看出使用簡化后的HP24模型在相同的調(diào)度目標(biāo)下可以像 HP24模型那樣為管理者選擇最優(yōu)的調(diào)度規(guī)則且相對偏差E(M)在允許的范圍內(nèi)。但仿真運行 時間卻大大減少，提高了調(diào)度規(guī)則選擇的效率。
【主權(quán)項】
1. 一種用于半導(dǎo)體生產(chǎn)線基于簡化仿真模型的高效調(diào)度規(guī)則選擇方法，其特征在于： 該方法包含W下步驟， 步驟1，確定表征設(shè)備重要程度的關(guān)鍵特征;確定設(shè)備累積生產(chǎn)負(fù)荷Lm、設(shè)備利用率Um、 設(shè)備饑餓時間TSm為表征仿真模型中設(shè)備重要程度的關(guān)鍵特征；式中，化為產(chǎn)品類型數(shù)量，qi為產(chǎn)品i的總數(shù)，Ni為產(chǎn)品i的工序數(shù)，為加工系數(shù)，若工 件i的第j道工序可W在設(shè)備m上加工則目ijm=l，否則目ijm=0，ti化為工件i的第j道工序在設(shè) 備m的加工時間，wti化為工件i的第j道工序在設(shè)備m的等待時間，Μ為設(shè)備總數(shù)量，Wi化為設(shè)備 m的加工能力，Twm、Tbm、Tfm、TSm分別為設(shè)備正常運行、阻塞、故障、饑餓時間； 步驟2,數(shù)據(jù)采集及標(biāo)準(zhǔn)化處理;使用Plant Simulation仿真平臺建立半導(dǎo)體生產(chǎn)調(diào)度 仿真模型，采集步驟1所述的相關(guān)數(shù)據(jù)，并使用式(3)對采集到的數(shù)據(jù)進行標(biāo)準(zhǔn)化處理;式中 Z為標(biāo)準(zhǔn)化W后的數(shù)據(jù)，X為采集到的原始數(shù)據(jù)，f和s(X)分別為矩陣X的均值和方差；巧） 步驟3,對步驟2所建立的仿真模型中的設(shè)備進行聚類;將步驟1確定的表征設(shè)備重要程 度的關(guān)鍵特征作為聚類特征，采用選擇性聚類集成算法將仿真模型中的設(shè)備分為重要設(shè) 備、普通設(shè)備和非重要設(shè)備Ξ類； 步驟3.1，獲取基聚類結(jié)果;采用k-means聚類算法，隨機選擇Ξ個設(shè)備作為聚類中屯、， 運行t次k-means聚類算法，得到t個基聚類結(jié)果； 步驟3.2,基聚類結(jié)果匹配;根據(jù)對于任意兩個基聚類結(jié)果，有對應(yīng)關(guān)系的聚類標(biāo)記所 覆蓋的相同對象的個數(shù)是最大的運一特征，隨機選擇某個基聚類結(jié)果作為匹配基準(zhǔn)，將其 它聚類結(jié)果和基準(zhǔn)聚類結(jié)果進行匹配，選擇覆蓋相同對象個數(shù)最大的聚類標(biāo)記建立對應(yīng)關(guān) 系； 步驟3.3，基聚類集成;聚類集成采用基于權(quán)值的選擇性投票策略;假設(shè)和是任 意的兩個基聚類結(jié)果，則運兩個基聚類結(jié)果的相關(guān)系數(shù)Pab可按式（4)計算，式（4)中COV (λ^，λ^)為和的協(xié)方差，Ο(λ^)和Ο(λ^)分別為和的方差；(4) 對t個基聚類結(jié)果中的任意兩個基聚類結(jié)果求相關(guān)系數(shù)，可W得到如下相關(guān)系數(shù)矩陣：掛 對于每一個基聚類結(jié)果m，其平均相關(guān)系數(shù)處t為：側(cè) 當(dāng)爲(wèi)η越大時，基聚類結(jié)果與其他的基聚類結(jié)果越相似，因此，基聚類的權(quán)值可定義 如下：餅 當(dāng)基聚類結(jié)果的權(quán)值Wm低于閥值1/t時，該基聚類結(jié)果將不參加最后的聚類集成;最后， 將挑選出的基聚類結(jié)果再基于權(quán)值進行投票，最終的聚類標(biāo)記可W由式(8)確定;式(8)中， L(Xi)為數(shù)據(jù)XI的最終聚類標(biāo)簽，肺是由式(7)計算得到的權(quán)值，F(xiàn)( ·)是指示函數(shù)，如果括號 中的等式滿足則F( · ) = 1，否則F( · )=0;巧） 步驟3.4,設(shè)備重要性判別;根據(jù)式(9)確定設(shè)備的重要程度(MID) ;MID值最大一類為重 要設(shè)備，MID值最小的一類為非重要設(shè)備，剩下的一類為普通設(shè)備；式（9)中， 左?、馬朽hi為最終聚類結(jié)果的聚類中屯、，W1、W2、W3為權(quán)值；(9) 步驟4，建立簡化仿真模型；根據(jù)步驟3.4，非重要設(shè)備具有低生產(chǎn)負(fù)荷、低利用率和饑 餓時間長的特點;根據(jù)約束理論，刪除運些非重要設(shè)備不會對系統(tǒng)的性能有較大影響，從而 建立簡化模型； 步驟4.1，模型簡化;統(tǒng)計模型中的非重要設(shè)備及在非重要設(shè)備上進行加工的工序，若 某一加工區(qū)中的設(shè)備都為非重要設(shè)備，則將加工區(qū)中的設(shè)備及相關(guān)工序刪除； 步驟4.2，根據(jù)簡化后的模型信息使用建立簡化的仿真模型； 步驟5，調(diào)度規(guī)則評價;在某一調(diào)度時刻，根據(jù)調(diào)度目標(biāo)，利用簡化仿真模型對調(diào)度規(guī)則 集中的啟發(fā)式調(diào)度規(guī)則進行快速評價，按照仿真結(jié)果對調(diào)度規(guī)則進行排序并選擇最優(yōu)調(diào)度 規(guī)則； 步驟5.1，確定調(diào)度目標(biāo)和調(diào)度規(guī)則集;分別選擇準(zhǔn)時交貨和產(chǎn)出量為調(diào)度目標(biāo);調(diào)度 規(guī)則包括實際半導(dǎo)體生產(chǎn)線中最常用的五種調(diào)度規(guī)則：臨界值CR、最小限額時間ALL、先入 先出FIFO、最短剩余加工時間SRPT、最短等待時間LS; 步驟5.2,評價調(diào)度規(guī)則;使用簡化的仿真模型，依次W準(zhǔn)時交貨率和產(chǎn)出量作為調(diào)度 目標(biāo)，對調(diào)度規(guī)則集中的調(diào)度規(guī)則進行評價，選擇最優(yōu)調(diào)度規(guī)則； 步驟6,基于閉環(huán)控制思想的簡化模型修正;根據(jù)式（10)計算簡化模型的誤差E(M)，如 果E(M)大于預(yù)設(shè)閥值或簡化模型不能幫助管理者選擇最優(yōu)調(diào)度規(guī)則，表明簡化模型不符合 要求，則更新步驟1所需數(shù)據(jù)，根據(jù)步驟3及步驟4重新建立簡化模型;式(10)中，E(M)表示簡 化模型和完整模型在評價調(diào)度時存在的偏差;化為調(diào)度目標(biāo)的個數(shù)，Nr為調(diào)度規(guī)則集中調(diào)度 規(guī)則個數(shù)，e(ri，r2)表示簡化模型中調(diào)度規(guī)則的相對排序是否和完整模型相同，若相 同則嗦〇1,。）= 0，否則嗦〇1，尸2 ) = 1; οΛ?/οixΓχ
【文檔編號】G05B19/418GK105843189SQ201610219323
【公開日】2016年8月10日
【申請日】2016年4月9日
【發(fā)明人】曹政才, 周傳廣, 胡柳, 張嘉琦, 趙婷婷
【申請人】北京化工大學(xué)