專利名稱：應(yīng)用于多重入復(fù)雜制造系統(tǒng)的調(diào)度方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種自動控制與信息技術(shù)領(lǐng)域的方法，具體地，涉及一種應(yīng)用于多重入復(fù)雜 制造系統(tǒng)的調(diào)度方法，屬于先進(jìn)制造技術(shù)領(lǐng)域。
背景技術(shù)：
上世紀(jì)80年代末90年代初，美國的Kumar教授針對半導(dǎo)體、膠巻等行業(yè)的生產(chǎn)特點(diǎn)， 提出了一類多重入復(fù)雜制造系統(tǒng)的概念，并將其列為有別于Flow-shop和Job-shop的第三類 生產(chǎn)制造系統(tǒng)。該制造系統(tǒng)最顯著特點(diǎn)是多重入，它直接導(dǎo)致的問題是即使系統(tǒng)的加工能 力能夠滿足加工任務(wù)的要求，系統(tǒng)也會表現(xiàn)出不穩(wěn)定的特性。因此，在作業(yè)車間與流水車間 中取得的研究成果無法直接應(yīng)用到多重入生產(chǎn)系統(tǒng)。
半導(dǎo)體制造過程作為多重入復(fù)雜制造系統(tǒng)的典型代表，是世界上最復(fù)雜的制造過程之一， 具有可重入、大規(guī)模、混合加工方式、多產(chǎn)品、不確定性等特點(diǎn)，其控制與優(yōu)化問題得到廣 泛關(guān)注， 一直是學(xué)術(shù)界與應(yīng)用界的研究熱點(diǎn)之一。
從我國乃至世界的半導(dǎo)體芯片制造的情況看，其設(shè)備更新與產(chǎn)品更新?lián)Q代的速度是很快 的，但是其生產(chǎn)管理的理論研究卻遠(yuǎn)遠(yuǎn)跟不上實(shí)際發(fā)展的需要。在半導(dǎo)體生產(chǎn)線上得以成功 應(yīng)用的調(diào)度研究成果主要集中于啟發(fā)式規(guī)則與離散事件仿真，相當(dāng)一部分芯片制造企業(yè)的生 產(chǎn)計(jì)劃與調(diào)度還是憑借人的經(jīng)驗(yàn)來計(jì)劃安排，并沒有優(yōu)化的方法來支持，因此效率不高。
免疫算法是一種典型人工智能實(shí)現(xiàn)模式，它是受生物免疫系統(tǒng)的啟示而設(shè)計(jì)出來的一種 具有對多峰值函數(shù)進(jìn)行搜索及全局尋優(yōu)能力的新型進(jìn)化算法。免疫算法是抽取和反映生物機(jī) 體免疫系統(tǒng)的反應(yīng)機(jī)制，結(jié)合工程應(yīng)用而描述的一種計(jì)算方法。算法中的抗原對應(yīng)于待求解 的問題，而算法中的抗體則對應(yīng)于問題的一個解。具有概念簡單、實(shí)現(xiàn)方便以及收斂速度快 等優(yōu)點(diǎn)。本發(fā)明應(yīng)用免疫算法，解決多重入復(fù)雜系統(tǒng)的智能優(yōu)化方法問題。

發(fā)明內(nèi)容
本發(fā)明的目的是提供一種應(yīng)用于多重入復(fù)雜制造系統(tǒng)的調(diào)度方法，針對多重入復(fù)雜制造 系統(tǒng)典型代表一-半導(dǎo)體生產(chǎn)線為例來進(jìn)行說明，用人工免疫方法來解決半導(dǎo)體優(yōu)化調(diào)度問 題，不是直接用于工件的投料、工件分派和工件的排序問題，而是以規(guī)則調(diào)度為主線，對工件投料策略、工件選設(shè)備規(guī)則、批加工調(diào)度規(guī)則和單件加工設(shè)備規(guī)則按照一定方式進(jìn)行編碼， 在考慮工件的準(zhǔn)時交貨率、產(chǎn)量和平均加工周期多目標(biāo)優(yōu)化性基礎(chǔ)上，構(gòu)造的適應(yīng)度函數(shù)， 用免疫方法進(jìn)行全局搜索來獲得近似最優(yōu)解，以此指導(dǎo)實(shí)際半導(dǎo)體生產(chǎn)制造。
本發(fā)明一種應(yīng)用于多重入復(fù)雜制造系統(tǒng)的調(diào)度方法，是采用以下技術(shù)手段實(shí)現(xiàn)的
1.1. 染色體編碼
根據(jù)半導(dǎo)體生產(chǎn)線調(diào)度的特點(diǎn)，算法編碼釆用基于調(diào)度規(guī)則的編碼方法染色體長度等 于系統(tǒng)中設(shè)備組個數(shù)，每個設(shè)備組的調(diào)度規(guī)則由一個基因表示，其中每個基因包括工件投料、 工件選設(shè)備規(guī)則、批加工調(diào)度規(guī)則和單件加工調(diào)度規(guī)則，該種編碼方案具有產(chǎn)生速度快及易 于操作的特點(diǎn)。
1.2. 種群初始化
隨機(jī)生成N個個體組成初始種群。
1.3. 染色體解碼
對于n個設(shè)備組的調(diào)度，對一個特定編碼的染色體，n個基因分別表示n個設(shè)備組的調(diào) 度規(guī)則，如第i個基因的第1個元素表示第i個設(shè)備組的工件選設(shè)備規(guī)則，如果該設(shè)備組的 設(shè)備是批加工設(shè)備，則其調(diào)度規(guī)則為基因的第2個元素代表的調(diào)度規(guī)則，否則為基因的第3 個元素代表的調(diào)度規(guī)則。
1.4. 適應(yīng)度函數(shù)
本文研究的目標(biāo)問題是優(yōu)化工件的準(zhǔn)時交貨率、產(chǎn)量和平均加工周期等性能指標(biāo)，以滿 足客戶的要求。假定選取總移動量(MOV)、生產(chǎn)率和平均加工周期作為染色體的評價指標(biāo)， 這是個多目標(biāo)問題，求解該問題的適應(yīng)值的最簡單的方法是將所有指標(biāo)進(jìn)行加權(quán)得到一個適 應(yīng)值，其計(jì)算公式如下
/(c) (c) + w2/2 (c) + (c) 其中，/(c)表示c染色體的適應(yīng)值，/(c)為第i個目標(biāo)函數(shù)的值，w'為第i個目標(biāo)函數(shù)
的權(quán)值，/;,《,/;分別表示總移動量、生產(chǎn)率、平均加工周期的值，由于各個目標(biāo)函數(shù)單位
不一致，需對其進(jìn)行歸一化，本發(fā)明采取的方法是，對各個目標(biāo)函數(shù)按大小進(jìn)行排序。
1.5. 疫苗提取
將種群中每個染色體看作一個抗體，每個抗體的每位基因可供選擇的編碼表中共有n個 編碼kl， k2， ......kn，則該種群中第j位等位基因?yàn)閗i的概率為其中，",=<Pi(2"、， g(力為種群中第j位等位基因上的編碼，N為種群規(guī)模。
'lo 其他
將該等位基因上概率最大且大于某個設(shè)定閥值的A作為該等位基因上的疫苗片段，最終
提取的疫苗Y= (y,， y2......， yN)。
1.6. 交叉變異
根據(jù)前面的編碼方式，由于所使用的編碼方式使得基因之間完全獨(dú)立，只要滿足規(guī)則且 為可重復(fù)的自然樹，因此采用的交叉方式為兩點(diǎn)交叉。變異算子只是為選擇、交叉過程中可 能丟失的某些遺傳基因進(jìn)行修復(fù)和補(bǔ)充。
交叉概率A—般取0.4 0.99，這些參數(shù)的選取往往與所求解的問題有關(guān)，需根據(jù)經(jīng)驗(yàn)或 反復(fù)實(shí)驗(yàn)確定，這個過程非常繁瑣，增加了實(shí)際應(yīng)用的難度。其交叉概率^和變異概率;^的 自適應(yīng)計(jì)算公式分別為
A = 、 + 、 /)/(/歸—/min)
其中^， &， ^為常數(shù)；/max， /，，厶,。分別為當(dāng)前種群的最大、平均和最小適應(yīng)值。
1.7. 接種疫苗
以事先設(shè)定的免疫概率隨機(jī)選擇父代群體中的要進(jìn)行接種的個體，對選中的個體，將疫 苗的基因碼依次接入，通過置換基因碼值在個體上的位置與基因碼所在位置上的值產(chǎn)生新的 免疫個體，最終形成了免疫種群。
1.8. 免疫選擇
對接種了疫苗的個體進(jìn)行檢測，若其適應(yīng)度不如父代，說明交叉、變異過程中出現(xiàn)了嚴(yán) 重的退化現(xiàn)象。此時，免疫后的個體將被父代中所對應(yīng)的個體替代。
1.9.終止條件
以預(yù)先設(shè)定的最大進(jìn)化代數(shù)w"作為停止條件。
甜述的最優(yōu)解包括采用基于工件投料策略、工件選設(shè)備規(guī)則、批加工調(diào)度規(guī)則和單件 加工設(shè)備規(guī)則方式編碼；在考慮工件的準(zhǔn)時交貨率、產(chǎn)量和平均加工周期多目標(biāo)優(yōu)化性基礎(chǔ) 上，構(gòu)造的適應(yīng)度函數(shù)；抽取出對遺傳進(jìn)化貢獻(xiàn)較大的基因片斷作為疫苗，在遺傳過程中通 過對各個個體注射疫苗來加大進(jìn)化壓力。
本發(fā)明所提出一種應(yīng)用于多重入復(fù)雜制造系統(tǒng)的調(diào)度方法，與現(xiàn)有技術(shù)相比具有以下明 顯的優(yōu)勢和有益效果
該方法運(yùn)用免疫遺傳思想，對各代中的進(jìn)化過程進(jìn)行分析，從而抽取出對遺傳進(jìn)化貢獻(xiàn)較大的基因片斷作為疫苗，在遺傳過程中通過對各個個體注射疫苗來加大進(jìn)化壓力，從而提 高了搜索效率和求解的質(zhì)量；現(xiàn)有的復(fù)雜生產(chǎn)線調(diào)度方法仍然沒有很好地解決生產(chǎn)過程極大 的不確定性、生產(chǎn)設(shè)備多樣性、加工路徑復(fù)雜性以及多目標(biāo)優(yōu)化問題，本調(diào)度策略是因?yàn)槊?疫方法編碼中同時考慮工件投料、工件選設(shè)備規(guī)則、批加工調(diào)度規(guī)則和單件加工設(shè)備規(guī)則因 素，會得到更加有效的調(diào)度規(guī)則集，大大提高了方法的計(jì)算效率。每當(dāng)免疫方法完成它的優(yōu) 化過程，就會生產(chǎn)一個優(yōu)化的調(diào)度策略，該策略是對以往優(yōu)化調(diào)度策略的有效改進(jìn)，根據(jù)染 色體編碼中對應(yīng)的規(guī)則進(jìn)行調(diào)度，解決復(fù)雜系統(tǒng)優(yōu)化控制問題；實(shí)踐表明免疫方法具有概 念簡單、實(shí)現(xiàn)方便以及收斂速度快等優(yōu)點(diǎn)，該技術(shù)大大縮短平均加工周期，滿足實(shí)際的大規(guī) 模半導(dǎo)體生產(chǎn)線的應(yīng)用需求，是一種有效的可重入復(fù)雜生產(chǎn)系統(tǒng)優(yōu)化調(diào)度方案。


圖1為本發(fā)明實(shí)施方法流程圖。
具體實(shí)施例方式
結(jié)合本發(fā)明的內(nèi)容提供以下實(shí)施例
在此以一個半導(dǎo)體生產(chǎn)線簡化模型Minifab為例進(jìn)行分析，Minifab生產(chǎn)3種類型工件， 由3個設(shè)備群、5臺設(shè)備組成，其中批加工設(shè)備2臺，單件加工設(shè)備3臺，工件的工藝流程 共包含六個工序。
(1)染色體編碼
根據(jù)半導(dǎo)體生產(chǎn)線調(diào)度的特點(diǎn)，免疫算法編碼采用基于調(diào)度規(guī)則的編碼方法，并結(jié)合投 料策略。本文的染色體有四種類型的基因g,、 g 、 ^和^ ，分別表示投料規(guī)則、工件選 設(shè)備規(guī)則、單片加工規(guī)則和多批加工規(guī)則。其中g(shù), =(fl,6)， fl,6分別表示投料規(guī)則UNIF和 CONWIP; g , =(c,^e,/)，各基因位由表l中的工件選設(shè)備規(guī)則表示；同樣 的，基因位由表l中的單片加工設(shè)備調(diào)度規(guī)則表示；gA=(m，")， m，"分別表示MAXC和 MINC。表2中各規(guī)則含義如下
UNIF:固定時間間隔投料規(guī)則，CONWIP:固定在制品投料規(guī)則，MTT:最短測試時間， MST:最小整定時間，UTILJL:最低設(shè)備利用率，SEPT:最短預(yù)期加工時間，MAXC:最
大加工批量，MINC:最小加工批量，F(xiàn)IFO:先來先服務(wù)，EDD:最早交貨期優(yōu)先，SPT:最 短加工時間，LPT:最長加工時間。
表1染色體基因Lot Release PolicyMachine Selecting RuleBatching RuleDispatching RuleNamsCodeN謡sCodeCodeNameCode
畫F1MTT1MAXC1FIFO1
CO麗IP2MST2MINC2EDD2
UTIL L3SPT3
SEPT4LPT4
(2) 種群初始化
隨機(jī)生成N個個體組成初始種群；
(3) 染色體解碼
Minfab具有3個設(shè)備組的調(diào)度，對一個特定編碼的染色體，第1個基因表示工件的投料 策略，其余2 4個基因分別表示設(shè)備組的調(diào)度規(guī)則，如第i個基因的第1個元素表示第i-1 個設(shè)備組的工件選設(shè)備規(guī)則，如果該設(shè)備組的設(shè)備是批加工設(shè)備，則其調(diào)度規(guī)則為基因的第 2個元素代表的調(diào)度規(guī)則，否則為基因的第3個元素代表的調(diào)度規(guī)則。
(4) 適應(yīng)度函數(shù)
本文研究的目標(biāo)問題是優(yōu)化工件的準(zhǔn)時交貨率、產(chǎn)量和平均加工周期等性能指標(biāo)，以滿 足客戶的要求。假定選取總移動量(MOV)、生產(chǎn)率和平均加工周期作為染色體的評價指標(biāo)， 這是個多目標(biāo)問題，求解該問題的適應(yīng)值的最簡單的方法是將所有指標(biāo)進(jìn)行加權(quán)得到一個適 應(yīng)值，其計(jì)算公式如下
/(c) = (c) + w2/2 (c) + w3/3 (c)
其中，/(c)表示c染色體的適應(yīng)值，y;(c)為第i個目標(biāo)函數(shù)的值，w'為第i個目標(biāo)函數(shù) 的權(quán)值，,,/2,/3分別表示總移動量、生產(chǎn)率、平均加工周期的值，由于各個目標(biāo)函數(shù)單位 不一致，需對其進(jìn)行歸一化，本文釆取的方法是，對各個目標(biāo)函數(shù)按大小進(jìn)行排序。具體的， 對于/;，將所有染色體按照總移動量的高低進(jìn)行排序，總移動量越高的染色體的等級越高， 總移動量越低的染色體的等級越低。對于/2，將所有染色體按照生產(chǎn)率的高低進(jìn)行排序，生 產(chǎn)率越高的染色體的等級越高，生產(chǎn)率越低的染色體的等級越低。其余依次類推。例如目甜
有3條染色體，利用該3條染色體調(diào)度的結(jié)果如表2:
表2示例
染色體 MOV(卡次)生產(chǎn)率(卡)加工周期(天)
則排序后的結(jié)果是:
13617519450.57
23670519547.6
33553919043.68
,(1) = 2/2(1) = 3/3(1) = 1,(2) = 2, /2(2) = 3， /3(2) = 1 /;(3)-l， /2(3) = 2， /3(3) = 3
設(shè)w,w^W3-V3，則力=5/3， /2=8/3， /3 =5/3。那么第2條染色體是最好的一條染 色體。
(5) 疫苗提取
將種群中每個染色體看作一個抗體，每個抗體的每位基因可供選擇的編碼表中共有n個 編碼kl， k2， ......kn，則該種群中第j位等位基因?yàn)閗i的概率為
力
其中，i(^=&， g(力為種群中第j位等位基因上的編碼，N為種群規(guī)模。
]></math></maths>其中， id="icf0002" file="A2009100892640002C2.tif" wi="39" he="11" top= "222" left = "30" img-content="drawing" img-format="tif" orientation="portrait" inline="yes"/>g(j)為種群中第j位等位基因上的編碼，N為種群規(guī)模；將該等位基因上概率最大且大于某個設(shè)定閥值的ki作為該等位基因上的疫苗片段，最終提取的疫苗Y＝(y1，y2......，yN)；1.6.交叉變異采用兩點(diǎn)交叉方式，變異算子只是為選擇、交叉過程中丟失的某些遺傳基因進(jìn)行修復(fù)和補(bǔ)充；交叉概率pc取0.4～0.99，其交叉概率pc和變異概率pm的自適應(yīng)計(jì)算公式分別為pc＝k1(fmax-favg)/(fmax-fmin)pm＝k2+k3(fmax-fi)/(fmax-fmin)其中k1，k2，k3為常數(shù)；fmax，favg，fmin分別為當(dāng)前種群的最大、平均和最小適應(yīng)值；1.7.接種疫苗以事先設(shè)定的免疫概率隨機(jī)選擇父代群體中的要進(jìn)行接種的個體，對選中的個體，將疫苗的基因碼依次接入，通過置換基因碼值在個體上的位置與基因碼所在位置上的值產(chǎn)生新的免疫個體，最終形成免疫種群；1.8.免疫選擇將免疫后的適應(yīng)度退化的個體被父代中所對應(yīng)的個體替代；1.9.終止條件以預(yù)先設(shè)定的最大進(jìn)化代數(shù)Ngen作為停止條件。
2.根據(jù)權(quán)利要求1所述的應(yīng)用于多重入復(fù)雜制造系統(tǒng)的調(diào)度方法，其特征在于所述的優(yōu)化調(diào)度包括采用基于工件投料策略、工件選設(shè)備規(guī)則、批加工調(diào)度規(guī)則和單件加工設(shè)備規(guī)則方式編碼；在考慮工件的準(zhǔn)時交貨率、產(chǎn)量和平均加工周期多目標(biāo)優(yōu)化性基礎(chǔ)上，構(gòu)造的適應(yīng)度函數(shù)；抽取出對遺傳進(jìn)化貢獻(xiàn)較大的基因片斷作為疫苗，在遺傳過程中通過對各個個體注射疫苗來加大進(jìn)化壓力。
全文摘要
本發(fā)明一種應(yīng)用于多重入復(fù)雜制造系統(tǒng)的調(diào)度方法，針對其典型代表——半導(dǎo)體生產(chǎn)線為研究對象，根據(jù)半導(dǎo)體生產(chǎn)線調(diào)度的特點(diǎn)，以規(guī)則調(diào)度為主線，對工件投料策略、工件選設(shè)備規(guī)則、批加工調(diào)度規(guī)則和單件加工設(shè)備調(diào)度規(guī)則按照一定方式進(jìn)行編碼，在考慮工件的準(zhǔn)時交貨率、產(chǎn)量和平均加工周期多目標(biāo)優(yōu)化性基礎(chǔ)上，構(gòu)造的適應(yīng)度函數(shù)，運(yùn)用免疫遺傳思想，抽取出對遺傳進(jìn)化貢獻(xiàn)較大的基因片斷作為疫苗，在遺傳過程中通過對個體注射疫苗來加大進(jìn)化壓力，從而依托免疫方法進(jìn)行全局搜索來獲得調(diào)度最優(yōu)解，以此指導(dǎo)實(shí)際半導(dǎo)體生產(chǎn)制造。實(shí)驗(yàn)結(jié)果表明免疫方法具有概念簡單、實(shí)現(xiàn)方便以及收斂速度快等優(yōu)點(diǎn)，是一種有效的可重入復(fù)雜生產(chǎn)系統(tǒng)優(yōu)化調(diào)度方案。
文檔編號G05B13/02GK101604409SQ20091008926
公開日2009年12月16日 申請日期2009年7月15日 優(yōu)先權(quán)日2009年7月15日
發(fā)明者非 喬, 余紅霞, 曹政才, 瑩 趙 申請人:北京化工大學(xué)