面向集束型晶圆制造设备群的动态机会维护调度方法

This project aims to optimize the production-driven dynamic maintenance policy for multi-cluster tools by using reliability theory, maintenance decision theory, stochastic process and artificial intelligent optimization method. Firstly, based on the analysis of the characteristics of multi-cluster tools, we model the deteriorating process of the components by integrating the health evolution law and the maintenance effect, and introduce the structure importance measure (SIM) of the components. A predictive maintenance model is established for single cluster tool based on the reliability predictions and SIM. Secondly, we establish the mapping between the wafer flow process and the system configuration and analyze the impacts of system reconfiguration on maintenance decisions. Then the coupling mechanism for system reconfiguration and dynamic maintenance is proposed. An integrated optimization model of maintenance decision and resource scheduling is established by using the above coupling mechanism and the dynamic opportunistic maintenance policy. Lastly, considering the complexity of the optimization problem, the artificial intelligence optimization method is employed to solve the integrated model. Simulation experiments are performed to illustrate the efficiency of the proposed model. This research can help to establish the framework of modelling and optimization theory and methodology for the maintenance scheduling of complicated flexible production systems. In addition, our results are significant to increase the overall equipment efficiency and decrease the production-maintenance costs for semiconductor manufactures.

本项目旨在引入可靠性理论、维修决策理论、随机过程及人工智能优化方法，拟解决以生产为驱动的集束型晶圆制造设备群动态维护调度优化问题。首先，在分析集束型设备群结构特征的基础上，结合部件健康演化规律和维修效果进行劣化衰退过程建模，引入部件结构重要性度量，建立基于可靠性预测和部件结构重要度的设备层预知维护模型。其次，针对设备群处理多品种的特性，建立晶圆流模式与系统构形的映射关系，分析系统重构对维护决策的影响，提出构形更新与动态维护间的耦合机制。基于上述耦合机制，利用机会维护策略，建立系统层维护决策与维修资源调度集成优化模型。最后，针对问题复杂性，提出基于动态规划和人工智能算法的系统优化方法，通过仿真实验分析评价维护策略与方法的有效性。本项目的研究将有助于拓展复杂柔性制造系统维护调度的建模、优化理论与方法，同时对半导体企业提高设备综合利用率，降低生产和维护成本具有重要的意义。

随着国际市场竞争的日益激烈以及智能制造的兴起，生产设备日益复杂化、集成化，企业竞争日趋激烈，对生产、质量控制和设备维护管理水平提出更高要求，以有效降低成本、提高服务水平、增强企业竞争力。本项目引入可靠性理论、维修决策理论、随机过程及人工智能优化方法，解决以生产为驱动的集束型晶圆制造设备群动态维护调度优化问题。主要研究内容如下：（1）在分析集束型设备群结构特征的基础上，结合部件健康演化规律和维修效果进行劣化衰退过程建模，引入部件结构重要性度量，建立基于可靠性预测和部件结构重要度的设备层预知维护模型。（2）单设备生产系统视情维护与更换策略优化。针对以往研究中将系统状态只区分为“可控”与“失控”时导致的精度不足，本项目在建立质量退化模型时对劣化状态作了更为精细化的描述。（3）考虑质量约束的单设备系统生产与视情维护联合优化。针对设备状态信息不能实时获取的情形，以质量反馈信息作为评估系统状态的重要依据、制定相应维修策略。（4）复杂单设备系统经济生产批量与视情维护策略优化。针对集束型设备，在对各部件进行劣化建模时，根据其劣化机理差异选择适当的随机变量或随机过程，而非作统一、无差别处理。在制定预防性维护策略时，兼顾了部件的可靠性及结构重要度。（5）推广至多设备、多阶段系统生产、质量控制与机会维护的联合优化问题，并取得了一系列的研究成果。在项目执行的4年中共发表学术论文16篇，其中SCI收录11篇、EI收录5篇，培养硕士研究生6名。通过本项目的研究，拓展了复杂柔性制造系统维护调度的建模、优化理论与方法，同时对智能制造企业提高设备综合利用率，降低生产和维护成本具有重要意义。