面向信息不完备的半导体制造过程动态调度理论与方法

The scheduling of production process in large and medium microelectronic enterprises remains to be a complicated issue characterized by large-scale, uncertain, complex-constrainted and multiobjective. However, the dynamic scheduling in practice is mainly completed manually and thus it depends on human experiences, which seriously restricts further optimizing of the operations in production process. Therefore, on the premises of accumulating mass data with incomplete feature information, expert experience and mechanism knowledge, we propose a dynamic scheduling theory and method combining intelligent and mathematic methods for the semiconductor wafer fabrication system in this project. During the research, we firstly study the method of processing the data with incomplete feature information. Then, an intelligent scheduling model is constructed by integrating global simplified model, unit accurate model and parameter prediction model, which are all based on self-adaptive coordination. After that, we investigate the global optimization algorithm based on Multi-Agent System (MAS) technology with reasoning and learning functions for distributed dynamic scheduling, the rules mining algorithm with global synergetic optimization for the unit dynamic scheduling, and the data-driven rescheduling strategy with disturbance characteristic. Finally, the proposed method is verified by the practical application. The research in this project is expected to expand and deepen the existing theoretical achievements on manufacturing scheduling and provides instructive research results which will be of great significant to the scheduling optimization of manufacturing system in practical application.

微电子行业大中型企业制造过程调度问题具有大规模、不确定、带复杂约束及多目标等综合复杂性，实际半导体企业的动态调度主要依赖于人工经验，凭手工方式来完成，严重制约企业制造过程的优化运行水平。为此，本项目以积累大量具有不完备信息特征数据、专家经验和机理知识为前提，将智能方法与数学方法相结合来研究半导体制造过程动态调度理论与方法。首先，研究具有不完备信息特征的数据处理方法；其次，构建基于自适应协调的全局简化模型、单元精确模型与关键参数预测模型相综合的智能化调度模型；再次，研究具有推理及学习机制的基于MAS技术的分布式动态调度全局优化算法、全局协调优化的单元动态调度规则挖掘算法及扰动特征数据驱动的重调度策略；最后，结合实际应用背景对项目提出理论及方法进行验证。通过本项目研究，有望在理论上对已有生产调度研究进一步丰富与深化，并在应用上获得对实际制造系统的调度优化具有重要指导和借鉴意义的研究成果。

本项目以积累大量具有不完备信息特征数据、专家经验和机理知识为前提，将智能方法与数学方法相结合来研究半导体制造过程动态调度理论与方法，获得对实际制造系统的调度优化具有重要指导和借鉴意义的研究成果。.数据处理：采用特征选择和聚类分析技术选择最相关的数据，采用离群点检测技术去除数据中的噪声，利用不确定测度描述与粗糙集中不完备信息描述相结合的方法以及基于启发式规则的多源异类数据融合方法进行数据预处理，有效支撑半导体制造过程调度模型与优化方法的建立。.模型层：基于数据调度建模方法与传统建模方法结合，采用“全局简化模型+单元精确模型+关键参数的预测模型”的研究思路，提出多模型综合的智能化集成建模方法，构建基于数据的全局简化模型，给出关键参数的预测模型，探讨模型间自适应协调机制。.优化层：采用“基于MAS技术的全局调度方法+全局协调优化的单元动态调度规则挖掘算法+扰动数据驱动的重调度策略”的研究思路，给出面向大规模、多目标、强约束、强不确定等特征的半导体制造过程动态调度方法；构建基于干扰管理思想的多目标调度修复模型，设计高效、稳健的混合蚁群启发式算法，以求得到高质量的重调度方案。.实际应用：研发了面向半导体企业的能源管理系统和基于数据的复杂生产过程调度平台软件，与半导体等多家企业合作，进行了研究成果的验证与优化。.项目成果获2获中国石油和化工自动化行业科学进步奖一等奖1项；教育部科技发展中心鉴定成果1项；发表学术论文21篇，其中SCI\EI收录20篇；申请发明专利7项(授权5项)，授权软件著作权5项；国际会议口头报告5人次，国内大会特邀报告2人次，主办国内会议2次；培养研究生16名。