專利名稱：基于Petri網與免疫算法的半導體生產線建模與優化調度方法
技術領域：
本發明涉及一種基于Petri網與免疫算法的半導體生產線 建模與優化方法，特別是涉及微電子制造領域生產管理中智 能化的模擬生命科學的免疫原理和遺傳學的先進生產管理方 法。具體地，本發明涉及的建模和調度方法，是以Petri網為 建模工具，以免疫算法作為調度方法，綜合考慮總移動量、 總產量、準時交貨率和平均生產周期等多項指標的優化，通 過仿真確定每天的派工單，并依此指導生產線實際操作。
背景技術：
半導體器件制造非常昂貴。由于需要大量的投資成本，半
導體器件制造風險巨大。面對競爭激烈而高風險的市場環境， 企業不僅需要提高質量和產出率，同時還需滿足客戶的需求。 如果產品交付時間晚，將會失去顧客的信任，影響長期的銷 售機會。此外，半導體行業產品生命周期短，還存在過時制 成品庫存的風險。
半導體器件的制造過程復雜，通常需要用到上百臺設備， 完成幾百道工序。由于所使用的設備一般非常昂貴，所以在 半導體制造系統中，并不是讓一臺設備固定加工工藝流程中 某一道工序，而是工藝流程中大量存在相同的工序重復訪問 同一臺設備。由于設備資源的有限特性及晶圓之間對資源的 競爭，緩沖區中的晶圓為等待得到設備加工要消耗整個制造 時間中的部分時間。這樣，使用半導體生產線制造一類產品 所需的時間明顯地大于該給定類型的產品在各設備上的加工
4時間的總和。在工業條件下，晶圓在制造過程中在緩沖區等 待所消耗的時間可能超過該產品總制造時間的百分之八十。 因此有效的調度策略是減少平均加工周期，提高設備利用率 和準時交貨率的重要保證。常規的半導體調度算法中，啟發 式規則以其簡單性和快速性成為半導體制造過程調度的首 選。但由于半導體生產系統本身的不確定性和動態性，產生 了各種各樣的解決方案，人工智能技術的發展為半導體生產 系統的研究注入了新的思想。
然而，由于半導體制造系統是一個復雜的離散事件系統， 調度程序不能輕易實現這樣的系統，因此，如何模擬一個復 雜的半導體制造系統是一個當務之急的任務。 一個很好的模 型不僅使調度更加容易，而且也有助于我們跟蹤設備的狀態
和機器效率，以方便在任何時刻改變調度策略。Petri網由于 其在處理動態離散事件和復雜系統時，具有圖形標識和數學 處理功能，在半導體制造業生產調度上受到越來越多的重視。 經過對現有技術的文獻檢索發現，在中國專利"基于信息 素的用于半導體生產線的動態調度方法"(授權號ZL 2005 1 0026662.7)中，吳啟迪等借鑒蟻群生態系統基于信息素的間 接通訊方式實現復雜的群體行為的思想，提出了基于信息素 的半導體生產線動態實時智能調度算法(PBDR)。這種算法
的好處在于將調度相關信息表示成螞蟻agent的信息素后， 可以根據要優化的性能指標，來相應地改變信息素的表示方 式，從而對調度的結構不發生影響，可以方便地實現方法的 重用；并且決策時間短、計算量小、效率高、實時性好、易 于實現，非常適用于動態調莩。PBDR的局限性在于缺乏對 整體性能的把握和預見能力，因此其調度結果可能會與系統 的全局優化有一定的偏差。在中國專利"半導體封裝生產線 工序智能優化方法"(編號CN 1786854A)中，汪鐳等提出了基于微粒群優化算法對半導體封裝生產線的工序參數優化 建立了智能優化模型，該專利自述為"通過微粒群相互之間 的協作，來尋找最優的工序參數優化結果。通過將生產線上 機器對不同產品的加工時間來對微粒進行編碼，并將生產線 的產品加工需求和加工中心的各機器的實際單位加工能力作 為輸入，該智能優化模型按照一定的邏輯時序關系進行優化 求解，以單位時間內的利潤值以及加工機器的均衡度作為優 化評價指標，來輸出優化后的機器加工時間分配方案和機器 占用率這兩個指標。"該方法具有結構簡單，實現方便，收斂 速度快等優點。它不僅有全局逼近性質，而且具有最佳的逼 近性能。但是，這種方法是將生產線上機器對不同產品的加 工時間用來對微粒進行編碼，確定微粒群尋優空間，依賴于 生產線上的產品種類，一旦訂單改變，就要重新編碼，調度 算法未能與系統自身的結構脫離，未能利用不同構件的增減 和調整適應不同產品生產以及不同構型下的多目標優化問 題。
在臺灣專利"半導體生產線建模與調度(Modeling and scheduling of a semiconductor wafer fab，，(編號TW583560B) 中，Fu Li-Chen等人使用有色時延Petri網對半導體生產線建 模，基于排隊論簡化仿真過程以降低仿真時間，并使用遺傳 算法獲得調度規則的組合來調度生產線上的工件。利用排隊 理論計算出工件的等待時間，但是，由于隨著工件種類、加 工步驟不同，工件加工時間和設備的整定時間也不同，計算 的結果會出現很大誤差，并不能純粹按照排隊好的工件定時 加工，對于半導體行業這種同時存在多產品類型的生產線并 不實用
發明內容
基于前述問題，本發明提供一種基于Petri網與免疫算法的 半導體生產線優化調度方法。該方法利用Petri對半導體生產 線進行建模，免疫算法作為調度策略嵌入到Petri網模型中。 通過Petri網模型，可以描述半導體制造系統所有可能的行 為，如工件加工、設備故障、批處理和有缺陷的晶圓返工等。 免疫算法的染色體可以直接從Petri網模型的搜索節點中構 造出來，每條染色體的每個基因記錄了每個設備組的調度策 略。通過對Petri網模型的仿真，得到一個較好的染色體，從 而生成一個次優的調度策略。
本發明基于Petri網與免疫算法的半導體生產線建模方法 是
步驟1，建立路徑調度模型
利用Petri網模型對半導體生產線進行層次化建模，在半導 體生產線分層Petri網模型中，整個系統被分割成一系列的設 備組，工件的加工過程看成是工件在這些設備群中的流動； 當工件在一個設備組完成某一加工步驟時，需要選擇下一步 加工設備組加工，即必須確定工件的移動路徑，建立路徑調 度模型；
步驟2，建立設備組調度模型
設備組調度是指工件在設備組緩沖區中，選擇一合適的具 體設備加工，即工件選擇設備調度，建立設備組調度模型； 步驟3，建立設備調度模型
設備調度模型描述工件的詳細加工過程，包括緊急工件
加工情況、設備整定、設備故障狀態。
本發明基于Petri網與免疫算法的半導體生產線建模的優
化調度方法是
步驟1，設半導體生產線的分層Petri模型有n個設備組， 則每條染色體的長度為n，第1個基因表示第一個設備組Wl的調度規則，第2個基因表示第二個設備組W2的調度規則， 第3個基因表示第三個設備駔W3的調度規則，其中每個基 因有3個元素，第l個元素表示該設備組的工件選設備規則， 第2個元素表示批加工調度規則，第3個元素表示單片加工 調度規則；
步驟2，工件進入設備組時，對染色體進行解碼，確定各 設備組的調度規則；工件進入路徑選擇區后，根據顏色匹配， 進入第一個設備組緩沖區W1B，這時，工件根據染色體中的 第1個基因的第1個元素中的工件選設備規則進行選擇；到 設備的緩沖區等待；若選中某設備，該設備空閑時且無緊急 加工工件存在時，按照染色體中的第1個基因的第2個元素 中的批加工調度規則，從該設備緩沖區中選擇合適的工件到 設備上進行加工；按照此方法對種群中每個染色體的調度規 則進行一遍仿真，并記錄下仿真結果總移動量、總產量、 平均生產周期、準時交貨率；
步驟3,綜合評價上述仿真結果，選取總移動量、總產量、
平均生產周期、準時交貨率作為染色體的評價指標，將所有
指標進行加權得到一個適應值，其計算公式如下-. /(CX(cO + w2/2(C) + w3/3(C) + w4/4(c) ( 1 )
其中，/(c)表示c染色體的適應值，乂(。為第i個目標函數的值， w,為第i個目標函數的權值，/i,/2,/3，/;分別表示總移動量、總 產量、平均生產周期、準時交貨率的值，由于各個目標函數 單位不一致，需對其進行歸一化，對各個目標函數按大小進 行排序；對于/，，將所有染色體按照總移動量的高低進行排 序，總移動量越高的染色體的等級越高，總移動量越低的染 色體的等級越低；對于/2 ，將所有染色體按照總產量的高低 進行排序，總產量越高的染色體的等級越高，總產量越低的 染色體的等級越低；其余依次類推。
8步驟4，若不滿足終止條件，再通過免疫遺傳操作產生新的 種群，跳到步驟2，重復上述過程。
本發明的優點是，降低了模型的復雜性、提高了模型和調 度算法的可重用性；本發明中，免疫算法對規則進行編碼， 而規則已嵌入到各模型的緩沖區中，利用免疫算法搜索出合 適的規則對生產線進行調度，對調度的結構不發生影響，可 以方便地實現方法的重用。
本發明提供的建模可在任何時刻以任何一組該系統的初始 狀態條件應用于多種產品類型的生產或制造系統中。本發明 提供的調度方法同時改善生產或制造系統的多個性能指標， 包括短期總移動量、總產量、準時交貨率、平均生產周期時 間。
本發明解決了背景技術中存在的問題，所提出的免疫算法 優化調度，可使所有工件完成全部加工所需的時間減少 5%~16%，它可用于半導體制造、柔性制造等多種制造業領域 的優化調度。
圖l是半導體生產線簡化模型Minifab;本發明以該模型圖為
例，進行系統層次劃分，以建立合適的Petri網模型。
圖2是本發明半導體生產線路徑調度模型圖；表示工件在系
統的流動過程。
圖3是半導體生產線一個設備組Wl調度模型圖；根據工件
選設備規則，調度工件到合適的設備中去加工。
圖4是本發明半導體生產線設備調度模型圖；描述了工件在
設備上的詳細加工過程，以及出現設備故障后工件返工等，
其中，通過本發明的調度方法可以指導在各設備處對等待加
工的工件的調度。圖5是系統流程圖；系統根據本流程圖搜索出每個設備組合 適的調度策略。
圖6是免疫算法編碼方式圖；系統根據該編碼方式自動生成 初始種群。
圖7是疫苗接種示例圖；表示本發明中疫苗接種的方法。 圖中標號說明
l-普通庫所；2-通信庫所；3-瞬時變遷；4-確定時間變遷；5-隨機變遷；6-抽象變遷；W-設備組，Wl-第一設備組；W2-第二設備組，W3-第三設備組，WB-設備組緩沖區，WlB-第 —設備組緩沖區，W2B-第二設備組緩沖區，W3B-第三設備 組緩沖區，Ma，Mb，Mc-具體的設備，MaB,MbB，McB-具體設備 的緩沖區。
具體實施例方式
本發明利用通用的半導體生產線簡化模型Minifab為對象 (如圖1所示)，對其進行建模調度。在該模型中，利用三個 設備組Wl、 W2、 W3制造三種產品A、 B、 C。設備組Wl 有兩臺設備Ma、 Mb，設備組W2有兩臺設備Mc、 Md，設備 組W3有一臺設備Me。每個設備組前各有一個緩沖區W1B、 W2B、 W3B，每個設備前也各有一個緩沖區MaB、 MbB、 McB、 MdB、 MeB。同時分別設立投料區和完成區。 具體建模過程如下 步驟1:路徑調度模型
在半導體生產線分層Petri網模型中，整個系統被分割成一
系列的設備組，工件的加工過程看成是在工件這些機器群中 的流動。當工件在一個設備組完成某一步驟加工時，需要選 擇下一步進入哪一個設備組進行加工，即必須確定工件的移 動路徑。由于系統中存在不同種類的工件，每種工件的加工
10路徑可能不同，因此工件如何在不同路徑之間選擇是一個非 常重要的問題。
路徑調度就是針對這一問題提出的，整個半導體生產線的
路徑模型如圖3所示。首先，對系統中的設備進行分組，分
組策略為根據系統中設備加工工序的相似性以及在可重入 路線中位置的相似性，將其劃分為幾個不同的設備組，該模
型劃分為3個，分別是W1、 W2和W3，這三個設備組用抽 象變遷表示，設備組中具體信息通過下一層模型表示。在這 3個設備組前設定一個公共的路徑選擇區。工件通過投料區 進行投料，直接投入路徑選擇區，在路徑選擇區中，工件根 據路徑調度策略(顏色匹配)選擇到合適的設備組緩沖區中 去，如工件的第一道工序到Wl設備組中加工。加工完畢后 進入out，根據托肯(工件)顏色判斷工件是否加工完成，如 完成則將工件移入完成區，否則進入路徑選擇區，等待下一 道工序的加工。若工件在加工過程中出現設備故障或工件不 合格，則需重新返回路徑選擇區進行加工選擇。 步驟2:設備組調度模型
設備組調度是指工件在設備組緩沖區中，選擇一合適的設 備加工，是工件選設備的調度。設備組調度的示例Petri網模 型圖如圖4所示。 '
圖4是對Wl設備組的細化，該設備組中有2臺設備Ma、 Mb，其中設備組前有一總緩沖區W1B，每臺設備前也各有一 緩沖區MaB 、 MbB 。其中設備Ma和Mb用抽象變遷表示， 具體加工信息同樣也由下一層模型描述。W1B中工件根據免 疫算法搜索出的工件選設備規則選擇到Ma或Mb中加工。 步驟3:設備調度模型
設備調度模型描述工件的詳細加工過程，如緊急工件加工 情況、設備整定、設備故障等狀態。設備調度的示例Petri網模型圖如圖5所示。該模型以設備Ma為例，首先判斷等 待緩沖區MaB中的工件是否有緊急加工工件，若有，則引出 一條抑制弧，以阻止普通工件加工，優先加工緊急工件；若 無，則根據免疫算法搜索出的設備選工件規則選擇合適的工 件到設備中加工，由于Ma是批加工設備，因此這里搜索出 的設備選工件規則是批加工設備調度規則。在設備加工或等 待過程中有可能會出現設備故障，設備空閑過程中出現故障 激發變遷"等待維修1"，設備中托肯移出，設備不可以使用； 在加工過程中出現故障，則激發變遷"等待維修2"，同時將 在該設備上加工的工件返工。
因基本Petri網中對個體的變化細節描述過多，另外token 的含義比較簡單，不利于對系統的理解。考慮到半導體生產 線的復雜性，如果用基本Petri網對生產線進行建模，肯定會 使所建模型結構過于龐大，難以分析和實現。而層次有色賦 時Petri網(簡寫為HCTPN)'在基本Petri網的基礎上引入了 顏色和時間的概念，另外token也增加了顏色，進行了層次 化擴展，加強了自身的描述能力，還能層次化地進行業務流 程建模，因此模型具有模塊化的特點，便于模型的重用和優 化分析，大大降低了模型的復雜度。
hctpn用一個il元組表示，//crPA^w,^，7;,7;，7;，7;，7;，c，/，(9,M)， 其中，《是普通庫所集，代表資源(如緩沖區)或工件的狀 態(如等待加工)。^是通信庫所集，是用于連接兩個不同模
型之間的接口。 7是瞬時變遷集，瞬時變遷與普通Petri網中 變遷含義相同，用于描述系統的行為。7;是顏色變遷集，用
于設定工件進行不同加工時顏色的變化。7;是確定時間變遷
集，表示系統執行過程，如工件在某臺設備上的加工過程。？;
12是隨機變遷集，隨機變遷的變遷時間是通過隨機函數獲得的，
常用于表示設備故障出現時間、設備整定等。z;是抽象變遷 集，抽象變遷用于表示一個子模型，描述工件在設備組中的
加工過程。C :庫所和變遷的顏色，具體的 C(a) = ("u,…",，丄"'=IC(a)I，'' = 1,…"，C(a)是庫所p,上所有可能的托 肯顏色的集合，C(,》M^，…6,",v乂 =|c(g|,y. = V"/ ， C(。)是變遷。上
所有可能出現的顏色的集合。/是輸入函數，o是輸出函數， m是初始標識。 '
HCTPN可以抽象為以下兩個主要定義抽象變遷和通信庫 所。
抽象變遷用變遷表示Petri網中的一個子模型，從而使得Petri 網模型從邏輯上得到簡化。通信庫所是用于連接上下層兩個 模型之間的接口 。
半導體生產過程具有自身的特點，這里利用了層次有色賦 時Petri網對半導體生產線進行建模，并結合了自頂向下的建 模方法，將半導體生產線劃分為路徑調度層、設備組調度層 和設備調度層。路徑調度是根據生產工藝要求確定半導體制 造過程中工件的流向。工件在系統中的加工過程可以看成工 件在這些設備組中的流動，當工件在某一設備組完成加工后， 需要選擇下一步進入哪個設備組。設備組調度根據設備的當 前狀態等信息確定工件在哪備設備上加工。設備調度用于確 定工件在加工設備上的加工序列和開始加工時間，主要解決 工件在設備組內各設備上的調度和資源分配問題，描述了工 件的詳細加工過程。
在層次化建模中，下層模型被看作是其上層模型的一部分， 上下層模型之間的銜接決定著系統中信息的準確傳遞。各層次模型間需要有信息的輸入輸出，因此各層次模型都因由輸 入、輸出以及代表下層模型的暗箱組成(最底層模型除外)。 輸入輸出用通信庫所表示，暗箱用抽象變遷表示。暗箱中的 詳細內容是通過對變遷的細化得到的。
半導體調度問題是一個NP難題，沒有有效的算法解決現 有晶圓制造的優化調度問題。免疫算法(IA )是一個搜索 程序，免疫算法樣本大，搜索空間隨機，能找到一個次優的 解決辦法，但并不需要巨大的記憶空間。這就是為什么我們 使用免疫算法來解決問題。
免疫算法是在遺傳算法的基礎上，引入了生命科學中的免 疫原理而發展起來的算法，類似于生物自然科學的免疫理論。 免疫系統是一個由細胞、分子和器官組成的復雜系統，主要 用于限制異物對肌體的侵害，并由此產生抗體，引發免疫響 應。肌體的異物被稱為抗原(Antigen ，簡稱Ag)，由載體和半
抗原(又稱抗原決定簇或表位)組成。正是由于抗原決定簇與 抗體細胞相結合才能完成免疫應答。免疫算法中，抗原是指 '待求解問題，待求解問題的最基本的特征信息稱為疫苗，對 特征信息進行處理，將其轉化為求解問題的一種方案，由此 方案得到的所有解的集合稱為基于上述疫苗所產生的抗體。
免疫算法的思想主要是在合理提取疫苗的基礎上，通過接 種疫苗和免疫選擇兩個操作來完成的。主要包括以下步驟 首先根據半導體生產線調度的特點，對染色體采用基于調度 規則的編碼方法。其次，根據抗體編碼在Petri網模型上進行 仿真，得到系統的準時交貨率、產量、移動量和平均加工周 期，根據這幾個目標計算抗體的適應值。然后，若種群進化 代數大于1，則提取疫苗。最后，對種群進行交叉變異操作， 并接種疫苗，通過免疫選擇操作防止種群退化，形成新一代種群。染色體編碼、染色體解碼、疫苗提取、接種疫苗免疫選擇 的具體方法如下
染色體編碼染色體長度等于系統中設備組個數，每個設 備組的調度規則由一個基因表示，其中每個基因包括工件選 設備規則、批加工調度規則和單件加工調度規則。如圖7該 種編碼方案具有產生速度快及易于操作的特點。
染色體解碼針對一條染色體，對于n個設備組的調度， 第i個基因分別表示第i個設備組的調度規則，其中第i個基 因的第1個元素表示第i個設備組的工件選設備規則，如果 該設備組的設備是批加工設備，則其調度規則為基因的第2 個元素代表的調度規則，否則為基因的第3個元素代表的調 度規則。
疫苗提取將種群中每個染色體看作一個抗體，每個抗體 的每位基因可供選擇的編碼表中共有m個編碼kl,
k2, ......km，則該種群中第j位等位基因為ki的概率為
r^X，其中，",4=， g(力為種群中第J位等位
… 其他
基因上的編碼，N為種群規模。
將該等位基因上概率最大且大于某個設定的閥值作為該等 位基因上的疫苗，最終提取的疫苗Y= (yl， y2 ， yN)。
接種疫苗以事先設定的免疫概率隨機選擇父代群體中的 要進行接種的個體，對選中的個體，將疫苗的基因碼依次接 入，通過置換基因碼值在個體上的位置與基因碼所在位置上 的值產生新的免疫個體，最終形成了免疫種群。免疫操作的 一個示例如圖7所示。
免疫選擇對接種了疫苗的個體進行檢測，若其適應度不 如父代，說明交叉、變異過程中出現了嚴重的退化現象。此
15時，免疫后的個體將被父代中所對應的個體替代。下面結合附圖，進一步敘述本發明的實施方式-
如圖3所示，根據半導體生產線的實際情況，工件經"投料區"后直接進入路徑選擇區，工件自身攜帶顏色(加工步驟、卡號、加工類型等)，工件在進入下一設備組前，對顏色進行匹配，找到相對應的設備組后，則將該工件移入下一設備組緩沖區。工件完成一道工序加工后，判斷是否加工完成，若未完成則重新進入路徑選擇區，若加工完成則進入完成區；而工件進入完成區后，就停止加工了，不需再選擇去其它設備組。加工失敗的工件進入加工失敗區，等待重新加工。
如圖4所示，對設備組的建模以設備組Wl為例，Wl有兩臺設備Ma和Mb，工件進入緩沖區W1B后，根據工件選設備規則從Ma和Mb中選一臺設備，通過運輸系統進入到該設備的緩沖區中等待加工。設備組W2、 W3按照同樣方法建立模型。假定工件選的是設備Ma，那么工件會進入緩沖區MaB中。若Ma空閑，則首先判斷MaB中是否有緊急加工工件，若有，則抑制排列工件變遷的引發，緊急加工工件進入Ma中加工。若無緊急加工工件，則對MaB中工件按照設備選工件規則(或批加工調度規則)選擇合適工件到Ma中加工。在工件加工前，需對設備進行整定。在加工過程中，設備可能出現故障，這時，在Ma上加工的工件要返工，并將Ma維修。如圖5所示。設備Mb、 Mc、 Md、 Me也同樣建立模型，其中設備選工件規則是單片加工調度規則。
本發明按照圖3-圖5所示方法建立了半導體生產線Minifab的三層模型。接下來，就要考慮模型的調度策略。模型中用到的工件選設備規則有MTT:最短測試時間，MST:最小整定時間，UTIL—L:最低設備利用率，SEPT:最短預期加工時
間；批加工規則有MAXC:最大加工批量，MINC:最小加工批量；單片加工規則有FIFO:先來先服務，EDD:最早交貨期優先，SPT:最短加工時間，CR:臨界值比率。免疫算法
的染色體采用給予調度規則的編碼方式，上述調度規則的編碼分別如表1所示。表1是染色體基因
Machine SelectingBatching RuleDispatchingRuleRule
CodeNameCodeCode
MTT1MAXC1FIFO1
MST2MINC2EDD2
UTIL_L3SPT
SEPT4CR4
依據圖6所示流程，圖1按照圖7所示的編碼方式進行隨
機生成種群，具體操作步驟如下
步驟1:設Minifab模型有3個設備組，那么每條染色體的長度為3，第1個基因表示設備組W1的調度規則，第2個基因是設備組W2的調度規則，第3個基因是設備組W3的調度規則，其中每個基因有3個元素，第l個元素表示該設備組的工件選設備規則，第2個元素表示批加工調度規則，第3個元素表示單片加工調度規則。
步驟2:工件在進入設備組時，對染色體進行解碼，確定各設備組的調度規則。以第一道工序為例，工件進入路徑選擇區后，根據顏色匹配，進入W1B，這時，工件根據染色體中的第1個基因的第1個元素中的工件選設備規則進行選擇，到Ma或者Mb的緩沖區等待。若選中Ma，設備空閑時且無緊急加工工件存在時，按照染色體中的第1個基因的第2個元素中的批加工調度規則(批加工設備)從該設備緩沖區MaB中選擇合適的工件到設備上進行加工。若工件在設備Mc、
17Md上加工，那么在設備空閑時，是按照染色體中的第2個基因的第3個元素中的單片加工調度規則(單片加工設備)選擇合適工件到設備上加工。按照此方法對種群中每個染色體的調度規則進行一遍仿真，并記錄下仿真結果(總移動量、總產量、平均生產周期、準時交貨率)。
步驟3:綜合評價上述仿真結果，選取總移動量、總產量、平均生產周期、準時交貨率作為染色體的評價指標，這是個多目標問題，最簡單的方法是將所有指標進行加權得到一個適應值，其計算公式如下-
/(C)-H^(C) + W2/2(C) + W3/3(C) + W4/4(C)( 1)
其中，/(cr)表示c染色體的適應值，乂(。為第i個目標函數的值，
w,為第i個目標函數的權值，/i，/2，/3,力分別表示總移動量、總
產量、平均生產周期、準時^貨率的值，由于各個目標函數單位不一致，需對其進行歸一化，本發明采取的方法是，對各個目標函數按大小進行排序。具體的，對于/i，將所有染色體按照總移動量的高低進行排序，總移動量越高的染色體的等級越高，總移動量越低的染色體的等級越低。對于/2，將所有染色體按照總產量的高低進行排序，總產量越高的染色體的等級越高，總產量越低的染色體的等級越低，其余依次類推。
例如目前有3條染色體，利用該3條染色體調度的結果
是
染色體M0V (卡總產量加工周期準時交
次)(卡)(天)貨率
13617519450. 5788. 14
23670519547. 691. 75
33553919043. 6896. 32
18則排序后的結果是
/i(" = 2， /2(1) = 3， /3(1) = 1,(2) = 2， /2(2) = 3， /3(2) = 1/i(3) = " /2(3) = 2， /3(3) = 3乂(4) = 1， /2(4) = 2， /3(4) = 3設^=^2=^3=>1/4=0.25，貝lj/(1) = 1.5， /(2) = 2.5， /(3) = 2。另卩么第2條染色體是最好的一條染色體。
步驟4:若不滿足終止條件，再通過免疫遺傳操作產生新的種群，跳到步驟2，重復上述過程。
本發明針對的是生產多種類型產品的半導體制造系統，但亦可以應用于生產單種類型產品的制造系統。本發明已利用對上海某半導體公司的4寸硅片生產線的實際生產數據進行調度研究，建立了路徑調度模型、設備組調度模型和設備調度模型，以提高工件的準時交貨率及產量和移動量、降低工件的平均加工周期為目標。該半導體生產線的產品品種很多，有400余種，可分為產品工藝大類35種。每種產品可能對應多個產品版本，目前共有800多種產品版本。同時在線上流動的產品版本大約100余種。共有加工設備140余臺，按照功能的不同，可劃分為四個功能區域，即注入濺射區域、光刻區域、刻蝕區域與氧化薄膜區域，具體分為40個設備組。
每個設備組有一個公共緩沖區，每個設備也有一個緩沖區。對實際半導體制造廠提供的各工業數據組進行測試，顯示出
本發明的調度方法與工廠目前使用的調度方法相比，總移動量平均百分率增加改進為5%，總產量平均改進百分率為5%，而準時交貨率平均改進百分率增加改進為7%，平均生產周期的平均改進百分率降低改進為5%。對于標準FIFO策略，總
19移動量平均百分率改進為4%，總產量平均改進百分率改進為
8.5%，而準時交貨率平均改進百分率增加改進為13%，平均生產周期的平均改進百分率降低改進為16%。這樣的改進程度是本發明的典型性能水平。
權利要求
1、一種基于Petri網與免疫算法的半導體生產線建模與優化調度方法，其中，基于Petri網與免疫算法的半導體生產線建模方法是步驟1，建立路徑調度模型利用Petri網模型對半導體生產線進行層次化建模，在半導體生產線分層Petri網模型中，整個系統被分割成一系列的設備組，工件的加工過程看成是工件在這些設備組中的流動；當工件在一個設備組完成某一加工步驟時，需要選擇下一步加工的加工設備組，即必須確定工件的移動路徑，建立路徑調度模型；步驟2，建立設備組調度模型設備組調度是指工件在設備組緩沖區中，選擇一個合適的具體設備加工，即工件選擇設備調度，建立設備組調度模型；步驟3，建立設備調度模型設備調度模型描述工件的詳細加工過程，包括緊急工件加工情況、設備整定、設備故障狀態。
2、按權利要求1所述的基于Petri網與免疫算法的半導體生產線建模與優化調度方法的優化調度方法是步驟1，設生產線模型有n個設備組，則每條染色體的長度為n，第1個基因表示第一個設備組Wl的調度規則，第2個基因表示第二個設備組W2的調度規則，第3個基因表示第三個設備組W3的調度規則，其中每個基因有3個元素，第1個元素表示該設備組的工件選設備調度規則，第2個元素表示批加工調度規則，第3個元素表示單片加工調度規則；步驟2，工件進入設備組時，對染色體進行解碼，確定各設備組的調度規則；工件進入路徑選擇區后，根據顏色匹配選擇；進入第一個設備組緩沖區W1B時，工件根據染色體中的第1個基因的第1個元素中的工件選設備規則進行選擇；到設備的緩沖區等待；若選中某設備，該設備空閑時且無緊急加工工件存在時，按照染色體中的第1個基因的第2個元素中的批加工調度規則，從該設備緩沖區中選擇合適的工件到設備上進行加工；按照此方法對種群中每個染色體的調度規則進行一遍仿真，并記錄下仿真結果總移動量、總產量、平均生產周期、準時交貨率；步驟3，綜合評價上述仿真結果，選取總移動量、總產量、平均生產周期、準時交貨率作為染色體的評價指標，將所有指標進行加權得到一個適應值，其計算公式如下/(c) = Wl/i(c) + vv2/2(c) + W3/3(C) + w4/4(c) ( 1 )其中，/(c)表示c染色體的適應值，y;(c)為第i個目標函數的值，^為第i個目標函數的權值，,，/2，/3，/4分別表示總移動量、總產量、平均生產周期、準時交貨率的值，由于各個目標函數單位不一致，需對其進行歸一化，對各個目標函數按大小進行排序；對于/,，將所有染色體按照總移動量的高低進行排序，總移動量越高的染色體的等級越高，總移動量越低的染色體的等級越低；對于/2 ，將所有染色體按照總產量的高低進行排序，總產量越高的染色體的等級越高，總產量越低的染色體的等級越低；其余依次類推。步驟4,若不滿足終止條件，再通過免疫遺傳操作產生新的種群，跳到步驟2，重復上述過程。
全文摘要
本發明提供一種基于Petri網與免疫算法的半導體生產線優化調度方法。該方法利用Petri網對半導體生產線進行建模路徑調度模型；設備組調度模型和設備調度模型；免疫算法作為調度策略嵌入到Petri網模型中。通過Petri網模型，可以描述半導體制造系統所有可能的行為，如工件加工、設備故障、批處理和有缺陷的晶圓返工等。免疫算法的染色體可以直接從Petri網模型的搜索節點中構造出來，每條染色體的每個基因記錄了每個設備組的調度策略。通過對Petri網模型的仿真，得到一個較好的染色體，從而生成一個次優的調度策略。優點是，降低了模型的復雜性、提高了模型和調度算法的可重用性。
文檔編號G06F17/50GK101493857SQ20091004619
公開日2009年7月29日 申請日期2009年2月13日 優先權日2009年2月13日
發明者非 喬, 余紅霞, 吳啟迪, 曹政才, 莉 李 申請人:同濟大學