Методология оптимизации на основе имитационного моделирования для решения стохастических задач гибкого расписания работ в цехе: пример производства полупроводников

A simulation optimization framework to solve Stochastic Flexible Job-Shop Scheduling Problems—Case: Semiconductor manufacturing
S. Ali Torabi, Amir Ghasemi, Ensieh Ghaedy-Heidary, Erfan Nejati
2023-12-05

генетический алгоритмфотолитографическая рабочая станцияполупроводниковое производствоимитационная оптимизациястохастическое гибкое расписание производства
В статье рассматривается стохастическая задача гибкого расписания работ в цехе (Stochastic Flexible Job-Shop Scheduling Problem, SFJSSP) применительно к производству полупроводников. Полупроводниковая промышленность относится к числу наиболее капиталоёмких отраслей, в которых исключительно важное значение имеет операционная эффективность. На переднем конце технологического производства полупроводников фотолитографический участок является хорошо известным узким местом. Для повышения эффективности всей системы производства полупроводников необходимо разработать эффективное расписание для этого узкого места. Однако возвратные потоки изделий, высокая неопределённость длительности операций, а также быстро меняющиеся изделия и технологии в фотолитографии затрудняют разработку расписания для всего полупроводникового производства. В контексте Индустрии 4.0 гибридные методы, такие как оптимизация на основе имитационного моделирования (Simulation Optimization, SO), продемонстрировали применимость к сложным задачам производственного планирования. Поэтому в статье разработана математическая модель SFJSSP для производства полупроводников, учитывающая специальные ограничения фотолитографического участка, а именно технологические возможности оборудования, закрепление оборудования и ограничения на совместное использование ретикулов (масок), включая их максимальное число. Затем разработанная модель преобразуется в SO-модель, интегрированную с компьютерной имитационной моделью, способной описывать работу фотолитографического участка. Имитационная модель формирует начальное расписание на основе правила диспетчеризации Least Work Remaining (LWR), то есть правила минимального оставшегося объёма работ. Кроме того, она вычисляет целевую функцию SFJSSP. Далее разрабатывается специализированный генетический алгоритм (Genetic Algorithm, GA), предназначенный для оптимизации исходного расписания. Для подтверждения превосходства предложенной SO-методологии при решении стохастических задач гибкого расписания работ в цехе она сравнивается с ранее предложенными методами. Кроме того, для оценки влияния трёх специальных ограничений фотолитографической рабочей зоны на производительность системы предлагаются два набора экспериментов. В первом наборе экспериментов рассматривается производительность двух сред SFJSS, на...
1
Разработана стохастическая модель гибкого цехового планирования для фотолитографии в производстве полупроводников с учетом ограничений по технологическим возможностям, закреплению оборудования и совместному использованию ретикул.
2
В рамках имитационно-оптимизационного подхода разработан специализированный генетический алгоритм для улучшения начального расписания фотолитографии в условиях операционной неопределенности.
3
Предложенный подход ориентирован на повторно входящие потоки, неопределенную длительность операций и быстро меняющиеся продукты и технологии полупроводникового производства.
4
Модель интегрирована с компьютерной имитацией, которая формирует начальное расписание по правилу диспетчеризации Least Work Remaining и вычисляет целевую функцию планирования.
5
Исследование сравнивает предложенную имитационно-оптимизационную методологию с ранее разработанными методами и оценивает влияние трех специальных ограничений фотолитографической зоны на производительность.

фотолитографическая рабочая станция на передовом участке производства полупроводников

эффективность стохастического гибкого расписания в цехе с гибкими рабочими местами при ограничениях на технологические возможности машин, закрепление машин и максимальное совместное использование ретикул

Publication Details
Publication Date
2023-12-05
Journal
Publisher
ISSN
Cited by
47
Access Type
Author Information
Authors
S. Ali Torabi
Amir Ghasemi
Ensieh Ghaedy-Heidary
Erfan Nejati
Explore further
Open the scid.ai AI chat with a ready-made request: it will find papers on a similar topic and help build a literature review.
Find similar papers in the chat →
Make a presentation
100%