提出了一种非线性规划和人工神经网络方法在本研究中优化的性能调度规则在一个晶圆厂工作。拟议的方法融合两个现有规则,构造一个非线性规划模型来选择最佳的参数值在两个规则动态松弛的标准偏差最大化,已通过多项研究证明调度性能。此外,一个更有效的方法也适用于估计剩余的周期时间的工作,这是经验证明是有利于调度性能。提出的方法的有效性验证与模拟情况;证据被发现支持其有效性。我们也提出了一些方向在未来可以利用它。
本研究试图工作性能的优化调度规则在晶圆厂。晶圆工厂所需要的生产方程是非常昂贵的,必须充分的利用。为了这个目的,确保产能不大大超过需求是一种特权。随后,如何计划利用现有能力,缩短周期时间和最大化周转率是一个重要的目标。在这方面,安排无疑是一个非常有用的工具。
然而,一些研究[
半导体制造可分为四个阶段:晶片制造、晶圆,包装,和最终的测试。最重要的阶段是晶圆。它也是最耗时的一个。在这项研究中,我们调查了这一阶段的工作调度。这个领域包括许多不同的方法,包括调度规则,启发式,data-mining-based方法(
这个领域的一些进展如下。Altendorfer et al。
在多目标的一项研究中,陈和王
提出的方法之间的区别和前面的方法。
| 规则 | 数量的目标 | 目标 | 数量的可调参数 | 优化? | 如何推导规则吗? |
|---|---|---|---|---|---|
| NFSMCT | 1 | 平均周期时间 | 1 | 没有 | (我)推广FSMCT |
| 1 f-tnfsvct | 1 | 周期时间标准的变化 | 1 | 没有 | (我)推广FSVCT |
| 1 f-tnfsmct | 1 | 平均周期时间 | 1 | 没有 | (我)推广FSMCT |
| 2 f-tnfsvct | 1 | 周期时间标准偏差 | 2 | 没有 | (我)推广FSVCT |
| 4 f-binfs | 2 | 平均周期时间、周期时间标准差 | 2 | 是的 | (我)FSVCT和FSMCT相融合 |
| 提出的方法 | 2 | 平均周期时间、周期时间标准差 | 2 | 是的 | (我)2 f-tfsmct和2 f-tnfsvct融合 |
与此同时,陈(
本研究采用几种治疗方法进一步提高王等的方法。
在非线性波动平滑规则是很常见的,有些工作有非常大的或小松弛值,这是极端的例子(见图
两个目标,平均周期时间和周期时间的标准偏差,同时被认为是由2 f-tnfsmct和2 f-tnfsvct融合结果。
解决非线性规划问题,找到最优的参数值2 f-tnfsmct和2 f-tnfsvct。
另一方面,剩余的周期时间的工作需要在2 f-tnfsmct和2 f-tnfsvct估计。出于这个原因,我们还提出一个更有效的选别方法估计剩余的周期时间的工作。选别方法的修改模糊c和反向传播网络(FCM-BPN)方法(
极端情况下。
之间的差异提出了方法和前面的方法总结表
本文的其余部分安排如下。部分
的变量和参数将用于该方法定义在以下。
该方法包括以下七个步骤。
使用PCA替换参数。
使用FCM分类工作。这一步的要求输入新变量由PCA。确定最优数量的类别,我们使用<我talic> 年代我talic>以及。这一步的输出是每个工作的范畴。
使用症的方法来估计每个工作的周期时间。不同类别的工作将被发送到不同的三层症。输入三层症包括新变量的一份工作,而输出估计周期时间的工作。
推导出剩余的每个工作周期时间估计周期时间。
将估计的剩余循环时间的新规则是由两个subrules-2f-TNFSMCT和2 f-tnfsvct。
发现参数的最优值的新规则通过求解一个非线性规划问题。
剩余的周期时间的工作在一个晶圆厂是生产时间仍然需要完成这项工作。如果工作只是释放到晶圆厂,然后剩下的周期时间的工作是它的周期时间。剩余的周期时间是一个重要的输入调度规则。过去的研究(例如,
首先,PCA用于取代FCM-BPN输入。PCA和FCM已被证明是更有效的比FCM单独分类器。尽管有更高级的应用程序的主成分分析,在这项研究中使用PCA FCM-BPN提高培训的效率。主成分分析包括下面四个步骤:
原始数据标准化:消除之间的差异的影响维度和大型原始变量的数值不同<我nl我ne- - - - - -formula>
在哪里<我nl我ne- - - - - -formula>
建立相关矩阵<我talic>
R我talic>:
在哪里<我nl我ne- - - - - -formula>
主成分数的确定:方差贡献率计算为:
和累积方差贡献率
选择最小的<我talic>
问我talic>值,这样<我nl我ne- - - - - -formula>
形成如下矩阵:
主成分分析后,例子是然后使用FCM分类。
在拟议的方法,分为工作<我talic> K我talic>使用FCM类别。如果一个清爽的聚类方法,那么有可能是一些集群将很少有例子。相比之下,一个例子属于多个集群在FCM不同程度,它提供了一个解决这个问题的办法。
FCM分类工作通过最小化目标函数如下:
产生一个初步的聚类结果。
在哪里<我nl我ne- - - - - -formula>
重新测量的距离每工作每个类别的质心,然后重新计算相应的会员。
停止如果是满足以下条件。否则,返回步骤(2):
最后,单独的距离测试(<我talic>
年代我talic>以及)谢和贝尼省提出的
受
聚类后,在每个类别的一部分工作是输入“训练例子”三层BPN是确定参数值。三层症的配置设置如下。首先,输入相关的六个参数<我talic>
j我talic>例子/工作包括<我talic>
问我talic>新变量。这些参数必须规范化之前喂到三层症。随后,只有一个隐层的神经元在输入层的两倍。最后,三层的输出症(规范化)估计周期时间(<我nl我ne- - - - - -formula>
确定参数值的过程描述。在训练阶段涉及到两个阶段。首先,在发展阶段,输入乘以权重,累加,转移到隐层。然后从隐层激活信号输出
放置在网络参数向量<我nl我ne- - - - - -formula>
Levenberg-Marquardt算法是一个迭代的过程。一开始,用户应该指定网络参数的初始值<我nl我ne- - - - - -formula>
最后,症可以应用于估计的周期时间工作,然后剩下的周期时间工作可以派生
在传统波动平滑(FS)规则有两种不同配方的方法,根据调度的目的(
陈(
新规则是由两个规则。第一条规则是派生的多元化的绳索2 f-tnfsvct规则,旨在减少周期时间的变化(
第二条规则是派生的多元化的绳索2 f-tnfsmct规则,旨在最小化平均周期时间:
生成一个biobjective规则,两个规则需要合并成一个,下面的非线性规划模型的优化:
酸处理
评估提议的方法的有效性,模拟数据被用来避免打扰晶圆厂的常规操作。仿真是一种广泛使用的技术来评估一个调度策略的有效性,特别是提出了政策和当前实践是非常不同的。这次调查是不可能实现在实际生产环境中。实时调度系统将迅速输入信息到生产管理信息系统(PROMIS)。为此,一个真正的晶圆厂位于台湾台中科学园区的月生产能力约25000模拟晶圆。模拟程序进行验证,验证通过比较实际的周期与模拟值和通过分析跟踪报告,分别。晶圆厂是生产10多个类型的内存产品,有超过500个工作站进行单晶片或批处理操作使用58 ~ 110 nm的技术。工作释放到制造工厂分配三种类型的优先级,也就是说,“正常”“热”和“超级热。“工作优先级最高的处理。如此大规模的伴随着可重入流程在晶圆厂工作分派一个非常艰巨的任务。目前,最长的平均周期时间超过三个月,超过300小时的一种变体。 The wafer fabrication factory is therefore seeking better dispatching rules to replace first-in first-out (FIFO) and EDD, in order to shorten the average cycle times and ensure the on-time delivery to its customers. One hundred replications of the simulation are successively run. The time required for each simulation replication is about 30 minute using a PC with Intel Dual CPU E2200 2.2 GHz and 1.99G RAM. A horizon of twenty-four months is simulated.
评估提议的方法的有效性,并与现有的一些approaches-FIFO做比较,EDD, SRPT、CR、FSVCT, FSMCT、正义
确定工作的到期日期,PCA-FCM-BPN方法应用于估计周期时间,Levenberg-Marquardt的算法而不是梯度下降算法应用于加速网络收敛。然后,我们添加了一个常数津贴的三天估计周期时间,也就是说,<我nl我ne- - - - - -formula>
职位最高的优先级通常是先处理。在FIFO,乔布斯被测序在每台机器上的第一优先级,然后由他们的到达时间的机器。EDD,工作被他们的优先级排序第一,然后由他们的截止日期。在CR,乔布斯被他们的优先级排序第一,然后由他们关键的比率。在拟议的方法,非线性模型<我talic>
k我talic>= 2。在正义,在每台机器上工作岗位测序第一优先级,然后根据工作速度矩阵(表
工作速度矩阵。
| 机器的瓶颈状态 | ||||
|---|---|---|---|---|
| 工作进展状态 | 后面 | 快速 | 快速 | 正常的 |
| 及时地 | 快速 | 正常的 | 暂停 | |
| 先进的 | 正常的 | 正常的 | 暂停 | |
随后,标准偏差的平均周期时间和周期时间的情况下计算评估调度性能。平均周期时间,FIFO策略被用来作为比较的基础,而FSVCT相比在评估周期时间标准差。结果总结在表
各种方法的性能平均周期时间。
| 平均周期时间(小时) | (正常) | (热) | (超级热) | B(正常) | B(热) |
|---|---|---|---|---|---|
| 先进先出 | 1254年 | 400年 | 317年 | 1278年 | 426年 |
| EDD | 1094年 | 345年 | 305年 | 1433年 | 438年 |
| SRPT | 948年 | 350年 | 308年 | 1737年 | 457年 |
| CR | 1148年 | 355年 | 300年 | 1497年 | 440年 |
| FSMCT | 1313年 | 347年 | 293年 | 1851年 | 470年 |
| FSVCT | 1014年 | 382年 | 315年 | 1672年 | 475年 |
| NFS | 1456年 | 407年 | 321年 | 1452年 | 421年 |
| 正义 | 1126年 | 378年 | 322年 | 1576年 | 489年 |
| 2 f-tnfsmct | 1369年 | 379年 | 306年 | 1361年 | 399年 |
| 2 f-tnfsvct | 1465年 | 416年 | 318年 | 1551年 | 500年 |
| 提出的方法 | 1076年 | 289年 | 269年 | 1132年 | 388年 |
各种方法的性能周期时间标准差。
| 周期时间标准偏差(小时) | (正常) | (热) | (超级热) | B(正常) | B(热) |
|---|---|---|---|---|---|
| 先进先出 | 55 | 24 | 25 | 87年 | 51 |
| EDD | 129年 | 25 | 22 | 50 | 63年 |
| SRPT | 248年 | 31日 | 22 | 106年 | 53 |
| CR | 69年 | 29日 | 18 | 58 | 53 |
| FSMCT | 419年 | 33 | 16 | 129年 | 104年 |
| FSVCT | 280年 | 37 | 27 | 201年 | 77年 |
| NFS | 87年 | 49 | 19 | 44 | 47 |
| 正义 | 120年 | 26 | 20. | 69年 | 32 |
| 2 f-tnfsmct | 75年 | 37 | 17 | 47 | 19 |
| 2 f-tnfsvct | 38 | 38 | 29日 | 33 | 24 |
| 提出的方法 | 86年 | 26 | 15 | 54 | 21 |
根据实验结果,可以做以下几点:
平均周期时间,该方法优于基准方法,FIFO策略。平均优势约为16%。
此外,该方法超越FSVCT政策在减少周期时间标准差。最明显的优势是59%。
正如所料,SRPT表现良好在减少平均周期时间,特别是对于周期较短的产品类型(例如,产品),但可能会给一个非常糟糕的性能对周期时间标准差。如果周期时间长,剩余的周期时间将远远超过其余的处理时间,从而导致SRPT的无效。SRPT FSMCT相似。都试图让所有的工作一样。
EDD也是令人满意的性能与短周期产品类型。如果周期时间长,它更有可能偏离规定的内部到期日期,导致EDD的无效。变得更严重如果产品类型的百分比高的产品组合(例如,产品类型)。CR也有类似的问题。
拟议的规则也与传统相比没有松弛的多样化。以产品类型与正常优先级为例,比较结果如图
比较slack-diversifying规则与传统规则没有松弛的多样化。
晶圆等资本密集型产业,有效地使用昂贵的设备是非常重要的。为此,工作调度是一项具有挑战性的但重要的任务。然而,对于这样一个复杂的生产系统,优化调度性能是一项艰巨的任务。作为一种创新的尝试,本研究提出了一种非线性规划和人工神经网络的方法来优化slack-diversifying调度规则的性能在一个晶圆厂,优化平均周期时间,优化周期时间标准偏差。
拟议的方法合并两个现有rules-2f-TNFSMCT和2 f-tnfsvct和构造一个非线性规划模型来选择最好的两个规则的参数值。一个更有效的方法也适用于估计剩余的周期时间的工作,这是经验证明是有利于调度性能。为了进一步提高剩余的周期时间估计的准确性,必须考虑其他动态参数。此外,一些先进的周期估计方法,如数据挖掘方法(
经过仿真研究中,我们观察到以下现象。
通过改进的精度估算剩余的周期时间,调度规则的性能确实可以加强。
优化调整因素在两个规则作为一个适当的工具来增强规则的调度性能。
松弛多样化确实是有利于的性能波动平滑规则。
然而,进一步评估提出的方法的有效性和效率,唯一的办法是把它应用到一个实际的晶圆厂。此外,其他规则可以优化以同样的方式在未来的研究。
这项工作是由美国国家科学委员会的台湾。