面向问题模式挖掘的复杂芯片制造过程近全局优化动态调度方法研究

本项目面向复杂芯片制造过程调度决策，以智能化方法为主要工具，探索系统化、可操作的适应不确定制造环境追求近全局优化的动态调度方法。与国际上此领域研究热点相比，本项目注重以全局的观点，面向调度问题模式，从大量的全局优化调度方案中挖掘近全局优化的动态调度规则集。具体研究内容包括：基于协同进化机制的以全局优化为目标的复杂芯片制造过程调度的智能化求解方法；基于蚁群优化与免疫算法相结合的聚类分析方法挖掘隐含在大量的全局优化调度方案中的模式知识，形成近全局优化的调度规则集；以实际的芯片制造为背景进行成果的应用研究。通过本项目研究，丰富了现有的多重入制造系统调度理论，提出了解决复杂芯片制造过程调度难题的新思路与新方法，有望在这个研究领域里取得新的突破，在国际学术界占有一席之地。该研究成果在工业中的应用，将有助于快速获得近全局优化动态调度决策，适应高度不确定的芯片制造环境，提高芯片制造调度层面的自动化水平。

本项目聚焦芯片制造调度普遍存在的通用性差与快速优化决策难题，提出了以“调度体系—智能优化—自适应动态调度”集成化调度模式为主线，系统化、可操作的适应不确定制造环境，追求近全局优化的动态调度新途径。与国际上此领域研究热点相比，特色体现为通用性强的调度解决方案、能够解决实际规模复杂调度问题的智能优化调度方法以及实时响应动态环境变化的自适应动态调度方法，获得了具有理论意义与实际应用价值的成果。.在调度体系方面，针对通用性差难题，提出了组件化可重构调度体系结构，将各类调度子问题封装为组件，根据实际问题的特点以及运作环境状态灵活地选用；面向快速优化决策难题，构建了基于数据的复杂制造系统调度框架，由企业的历史数据或优化调度方案挖掘所需调度知识，根据实际运作状态选用相应的决策方法，达到快速寻优效果。.在智能优化调度方法方面，提出了能够解决实际规模芯片制造调度的多蚁群优化算法、蚁群－免疫克隆混合算法以及有色赋时Petri网与人工免疫相结合的优化调度方法；给出了基于觅母算法的芯片制造生产线投料优化方法。.在自适应动态调度方面，首先根据调度相关信息构建派工规则，然后运用仿真系统生成大量的派工方案，分别采用神经网络与粒子群优化算法相结合的方法和人工免疫算法，由派工方案挖掘各调度信息的权值与实际工况的关系模型，实现了派工算法参数跟随实际工况的自动调整；考虑生产历史数据信息量大、含有噪声、输入输出非线性耦合等特点，提出了基于粒子群优化的数据预处理方法，并将其运用于数据聚类与加工周期预测等。.在实证研究方面，研发了嵌入研究成果的软件。其中，BL6SimulSys 1.1在上海贝岭微电子制造股份有限公司6英寸生产线上成功应用，嵌入的自适应动态调度方法与生产线原有派工规则相比，在70-80%负载和90-100%负载下，平均提高日工件移动步数(Move)约5.48%和11.52%；FABSSimSys在上海先进半导体5、6英寸生产线投入使用，嵌入的有色赋时Petri网与人工免疫相结合的优化调度算法与生产线原有调度规则相比，在70%负载下，日Move 至少能够提高2.5-3%。以上应用增加经济效益2076万元。.项目组已发表论文29篇，SCI/EI收录24篇，国际期刊论文10篇；出版英文专著章节2部；参办国际会议2次；培养研究生10名；发明专利申请2项，获得软件著作权3项；获上海市技术发明一等奖1项。