發(fā)布時間：2020-10-22 22:36

　　 現(xiàn)今半導(dǎo)體制造行業(yè)通常面臨著復(fù)雜、多重入、大規(guī)模及高度不確定的生產(chǎn)狀況。啟發(fā)式方法可快速求解其調(diào)度問題,但對調(diào)度環(huán)境和目標(biāo)的依賴性強,通用性差,且難以保證解的質(zhì)量。智能計算方法理論上可以得到高質(zhì)量的解,但算法復(fù)雜度通常隨著問題規(guī)模和約束增長而顯著增長。因此,兼顧有效性和高效性、實時性的調(diào)度方法具有理論意義和經(jīng)濟價值。本文面向半導(dǎo)體制造過程,以使用較低計算代價獲取高質(zhì)量的調(diào)度方案為目標(biāo),圍繞調(diào)度過程與智能調(diào)度方法中的諸多難點,借鑒機器學(xué)習(xí)理論及數(shù)學(xué)思想,研究了基于分布估計算法與布谷鳥算法的半導(dǎo)體生產(chǎn)線高效智能調(diào)度方法,具體研究內(nèi)容如下:1、考慮半導(dǎo)體生產(chǎn)線中工件在部分機器緩沖區(qū)內(nèi)應(yīng)盡可能少等待的實際情況,給出一類具有等待時間約束的不相關(guān)并行機調(diào)度問題。針對該類調(diào)度問題,研究一種基于Coupla理論的分布估計算法。該算法以同類訂單工件數(shù)與總工件數(shù)的比值為變量,基于Coupla理論對每臺機器構(gòu)造一個聯(lián)合分布函數(shù),進(jìn)而建立優(yōu)勢種群的概率模型。通過聯(lián)合概率分布的函數(shù)模型采樣得到的子代個體編碼向量組,保留了父代優(yōu)勢編碼的相對位置信息。從理論上分析所提算法的時間復(fù)雜度,其隨工件個數(shù)增加呈對數(shù)增長,因而適用于大規(guī)模的實際生產(chǎn)調(diào)度問題。2、針對半導(dǎo)體最終測試階段的調(diào)度問題,為降低完工周期,研究一種結(jié)合強化學(xué)習(xí)、代理模型和布谷鳥算法的調(diào)度方法。該方法采用布谷鳥搜索算法作為調(diào)度方法框架。為平衡布谷鳥算法的種群多樣性與集中性,引入強化學(xué)習(xí)技術(shù)離線訓(xùn)練算法參數(shù)模型,并在線自適應(yīng)調(diào)整參數(shù);為加快算法搜索進(jìn)程,采用代理模型技術(shù)估計解的優(yōu)劣,降低強化學(xué)習(xí)模型離線訓(xùn)練與布谷鳥算法在線尋優(yōu)的過程中,由于多次計算適應(yīng)度函數(shù)值帶來的巨大計算量。以達(dá)到在縮短進(jìn)化算法整體的搜索進(jìn)程的同時,輸出性能更好的解。仿真實驗表明,本文研究的基于Coupla理論的分布估計算法和融合強化學(xué)習(xí)、代理模型和布谷鳥算法的調(diào)度算法可以有效地權(quán)衡調(diào)度解的質(zhì)量與求解時間,具有一定的工業(yè)應(yīng)用潛力。
【學(xué)位單位】：北京化工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2018
【中圖分類】：TP18
【部分圖文】：

己經(jīng)應(yīng)用到包括通信、航空航天、醫(yī)療在內(nèi)的多個領(lǐng)域。隨著信息科技的發(fā)??展和人們生活方式的改變，對芯片的需求日益增加。據(jù)統(tǒng)計，２００１年至２０１７年，我??國半導(dǎo)體行業(yè)市場需求量迅速增長（參見圖１－１）。與此同時，由于高昂的設(shè)備成本（如??光刻機）和人員費用支出（如最終測試階段測試員），在實際生產(chǎn)中有效而快速地給出??調(diào)度決策方案，提升系統(tǒng)性能并擴大產(chǎn)能也成為半導(dǎo)體生產(chǎn)制造企業(yè)謀求可持續(xù)發(fā)展??的基本途徑［２］。??■市場崁檳?產(chǎn)業(yè)銷售較??ＮＯ００?一??１２０００?ｈ?一＾＾＾??１００００?－??２００１?２００２?２００３?２００４?２００５?２００６?２００７?２００８?２００９?２０１０?２０１１?２０１２?２０１３?２０１４?２０１５?２０１６??圖１－１我國半導(dǎo)體行業(yè)市場需求變化圖??Ｆｉｇ．?１－１?Ｃｈａｎｇｅ?ｏｆ?ｍａｒｋｅｔ?ｄｅｍａｎｄ?ｏｆ?ｓｅｍｉｃｏｎｄｕｃｔｏｒ?ｉｎｄｕｓｔｒｙ?ｉｎ?Ｃｈｉｎａ??另－？方面，半導(dǎo)體制造業(yè)是世界上最為復(fù)雜的制造業(yè)之一?［３力。具有諸多特殊特征，??區(qū)別于傳統(tǒng)車間調(diào)度問題，其存在“多重入”現(xiàn)象，一個工件可能在同一機器上反復(fù)加??工，從而加劇了工件對設(shè)備資源的競爭和問題的不確定性。其相關(guān)調(diào)度問題是學(xué)術(shù)難??題。在這一背景下，半導(dǎo)體生產(chǎn)線的調(diào)度優(yōu)化問題逐漸成為企業(yè)界和學(xué)術(shù)界關(guān)注的焦??點。??對于半導(dǎo)體制造過程相關(guān)的各類優(yōu)化調(diào)度問題，己有的早期研宄主要集中于啟發(fā)??式規(guī)則和精確算法。啟發(fā)式規(guī)則雖可以快速生成調(diào)度方案

圖１－３資源限制不意圖??Ｆｉｇ．?１－３?Ｓｃｈｅｍａｔｉｃ?ｄｉａｇｒａｍ?ｏｆ?ｒｅｓｏｕｒｃｅ?ｃｏｎｓｔｒａｉｎｔｓ??如圖１－３所示，由于各類資源總量有限，同時各類資源中各子類資源有限，所以??可能會存在部分機器不能夠同時加工的情況。例如，機器１和機器２都需要第一類測??試員各１人（圖３－１中機器１與機器２中小三角形標(biāo)號一致），若當(dāng)前在崗的第一類??測試員總共只有一人，則第一臺機器和第二臺機器就不能同時運行，執(zhí)行測試任務(wù)。??由于半導(dǎo)體的大規(guī)模特點，實際情況中的約束比圖中所示要復(fù)雜得多，通常是上百臺??機器之間的錯綜復(fù)雜的耦合關(guān)系。??除了資源約束外，半導(dǎo)體最終測試調(diào)度問題本身是一個柔性Ｊｏｂ－Ｓｈｏｐ調(diào)度問題，??每個待測試的工件都需要經(jīng)過多道加工流程，每道工序可在特定機器完成。另一方面，??作為半導(dǎo)體生產(chǎn)制造過程的一個階段，半導(dǎo)體最終測試調(diào)度問題也具有“重入”現(xiàn)象，??加劇了工件對機器的競爭。??１．２．４調(diào)度方法研究現(xiàn)狀??半導(dǎo)體生產(chǎn)線調(diào)度問題

第？章緒Ｉｆｅ程，采用代理模型技術(shù)估計解的優(yōu)劣，降低強化學(xué)習(xí)模型離線訓(xùn)尋優(yōu)的過程中，由于多次計算適應(yīng)度函數(shù)值帶來的巨大計算量。法整體的搜索進(jìn)程的同時，輸出性能更好的調(diào)度方案的目的。??：結(jié)論與展望??論文的主要工作及取得成果，分析論文尚存問題，并提出可能存出問題?＾??
【參考文獻(xiàn)】

相關(guān)期刊論文 前6條

1 王大志;劉士新;郭希旺;;求解總拖期時間最小化流水車間調(diào)度問題的多智能體進(jìn)化算法[J];自動化學(xué)報;2014年03期

2 張永韡;汪鐳;吳啟迪;;動態(tài)適應(yīng)布谷鳥搜索算法[J];控制與決策;2014年04期

3 曹政才;彭亞珍;吳啟迪;;基于鼓—緩沖器—繩子的多重入制造系統(tǒng)過程調(diào)度[J];計算機集成制造系統(tǒng);2010年12期

4 劉民;;基于數(shù)據(jù)的生產(chǎn)過程調(diào)度方法研究綜述[J];自動化學(xué)報;2009年06期

5 曹政才;喬非;吳啟迪;;半導(dǎo)體生產(chǎn)線建模方法與調(diào)度策略研究進(jìn)展[J];電子學(xué)報;2006年S1期

6 錢曉龍,唐立新,劉文新;動態(tài)調(diào)度的研究方法綜述[J];控制與決策;2001年02期

相關(guān)博士學(xué)位論文 前2條

1 何小娟;分布估計算法及其在生產(chǎn)調(diào)度問題中的應(yīng)用研究[D];蘭州理工大學(xué);2011年

2 尹文君;面向不確定制造過程調(diào)度問題的進(jìn)化計算方法及其應(yīng)用[D];清華大學(xué);2004年

相關(guān)碩士學(xué)位論文 前2條

1 鄧積杰;不確定環(huán)境下半導(dǎo)體制造系統(tǒng)瓶頸預(yù)測與調(diào)度方法研究[D];北京化工大學(xué);2013年

2 趙會丹;不確定環(huán)境下多重入制造系統(tǒng)優(yōu)化調(diào)度方法的研究[D];北京化工大學(xué);2011年

本文編號：2852175