产能约束下集成电路芯片多阶段测试系统优化调度的模型与方法研究

集成电路芯片测试是指对半导体封装后的性能进行检测，以控制产品质量并监控产品制程。本课题围绕集成电路芯片多阶段测试过程（功能测试、热循环测试、老化测试及外观测试）建立设备产能约束下系统化的优化模型，包括单台和多台测试机可重入调度优化模型；单台和多台预烧炉多品种组批排序优化模型；并针对集成电路芯片测试生产线的特殊构造（可重入柔性流水线,Flexible Flow Shop）建立其优化调度模型。同其它制造业相比，集成电路芯片产品品种多且数量大，上述综合优化模型的求解必然涉及"组合爆炸"所带来的棘手的组合优化问题。因此本研究的另一项主要内容为设计实用近似算法，包括求解复杂调度问题的滚动瓶颈分解方法和智能搜索算法等。最后，对上述综合优化模型及其算法进行集成，为国产化智能调度软件的研制提供理论支持。以期解决半导体产品生命周期短、更新换代快给生产运作管理带来的难题。

本项目围绕集成电路芯片多阶段测试过程关键设备的调度优化，取得如下主要创新成果：（1）在顺序加工设备测试机调度方面，针对不确定环境，研究了以最小化模糊制造周期为目标的柔性作业车间调度问题，提出一种协同进化算法；进而以完工时间和服务水平为优化目标，提出一种求解模糊作业车间调度问题的随机键遗传算法。在上述研究基础上，针对半导体实际生产线的可用性约束，如机器预防维护和随机故障，进一步研究了考虑机器预防维护的模糊作业车间调度问题，设计了结合维护操作的解码策略以及离散交叉算子的随机键遗传算法；又以最小化模糊制造周期为目标，提出了基于群体的邻域搜索算法；针对考虑随机故障的随机作业车间调度问题，提出一种有效的遗传算法，采用离散事件驱动解码方法构建调度和处理机器故障。针对生产过程的不确定性，还提出将区间数理论应用于随机作业车间调度问题，较基于随机理论和模糊理论的调度方法降低了随机系统的建模成本。针对多目标随机作业车间调度问题，以制造周期和拖期率为优化目标，提出一种基于排序操作的多目标遗传算法。针对考虑附属资源约束的并行测试机调度问题，提出了基于模拟退火接收策略的变邻域搜索方法。（2）在批处理机预烧炉加工排序方面，针对单批处理机调度问题，提出了工件尺寸不同时基于变邻域搜索的Memetic算法；针对工件动态到达的单批处理机调度问题，提出了基于汉明距离的变邻域搜索方法。（3）在半导体最后测试多阶段集成优化调度方面，针对半导体多阶段多批处理机生产结构，考虑了加工不同产品族时的分批及排序问题，提出了变邻域搜索算法及其改进算法邻域搜索；针对多阶段多批处理机的多目标调度优化问题，提出了基于遗传算法的多目标进化算法，有效地缩短了制造周期和拖期时间；针对多种资源受限的两阶段柔性流水作业调度优化，研究了混合微粒群求解方法，并提出用并行处理技术改进算法性能；针对带批处理机的作业车间调度，提出了基于群体智能的邻域搜索方法。在上述三方面共发表SCI检索国际期刊论文11篇；出版专著1部；国际学术会议报告7篇。在项目执行期内，课题负责人入选教育部新世纪优秀人才支持计划。