基于Petri网与免疫算法的半导体生产线建模与优化调度方法

摘要

本发明提供一种基于Petri网与免疫算法的半导体生产线优化调度方法。该方法利用Petri网对半导体生产线进行建模：路径调度模型；设备组调度模型和设备调度模型；免疫算法作为调度策略嵌入到Petri网模型中。通过Petri网模型，可以描述半导体制造系统所有可能的行为，如工件加工、设备故障、批处理和有缺陷的晶圆返工等。免疫算法的染色体可以直接从Petri网模型的搜索节点中构造出来，每条染色体的每个基因记录了每个设备组的调度策略。通过对Petri网模型的仿真，得到一个较好的染色体，从而生成一个次优的调度策略。优点是，降低了模型的复杂性、提高了模型和调度算法的可重用性。

主权项

一种基于Petri网与免疫算法的半导体生产线建模与优化调度方法，其中：基于Petri网与免疫算法的半导体生产线建模方法是：步骤1，建立路径调度模型：利用Petri网模型对半导体生产线进行层次化建模，在半导体生产线分层Petri网模型中，整个系统被分割成一系列的设备组，工件的加工过程看成是工件在这些设备组中的流动；当工件在一个设备组完成某一加工步骤时，需要选择下一步加工的加工设备组，即必须确定工件的移动路径，建立路径调度模型；步骤2，建立设备组调度模型：设备组调度是指工件在设备组缓冲区中，选择一个合适的具体设备加工，即工件选择设备调度，建立设备组调度模型；步骤3，建立设备调度模型：设备调度模型描述工件的详细加工过程，包括：紧急工件加工情况、设备整定、设备故障状态；基于Petri网与免疫算法的半导体生产线建模的优化调度方法是：步骤1，设生产线模型有n个设备组，则每条染色体的长度为n，第1个基因表示第一个设备组W1的调度规则，第2个基因表示第二个设备组W2的调度规则，第3个基因表示第三个设备组W3的调度规则，其中每个基因有3个元素，第1个元素表示该设备组的工件选设备调度规则，第2个元素表示批加工调度规则，第3个元素表示单片加工调度规则；步骤2，工件进入设备组时，对染色体进行解码，确定各设备组的调度规则；工件进入路径选择区后，根据颜色匹配选择；进入第一个设备组缓冲区W1B时，工件根据染色体中的第1个基因的第1个元素中的工件选设备规则进行选择；到设备的缓冲区等待；若选中某设备，该设备空闲时且无紧急加工工件存在时，按照染色体中的第1个基因的第2个元素中的批加工调度规则，从该设备缓冲区中选择合适的工件到设备上进行加工；按照此方法对种群中每个染色体的调度规则进行一遍仿真，并记录下仿真结果：总移动量、总产量、平均生产周期、准时交货率；步骤3，综合评价上述仿真结果，选取总移动量、总产量、平均生产周期、准时交货率作为染色体的评价指标，将所有指标进行加权得到一个适应值，其计算公式如下：f(c)＝w1f1(c)+w2f2(c)+w3f3(c)+w4f4(c)    (1)其中，f(c)表示c染色体的适应值，fi(c)为第i个目标函数的值，wi为第i个目标函数的权值，f1，f2，f3，f4分别表示总移动量、总产量、平均生产周期、准时交货率的值，由于各个目标函数单位不一致，需对其进行归一化，对各个目标函数按大小进行排序；对于f1，将所有染色体按照总移动量的高低进行排序，总移动量越高的染色体的等级越高，总移动量越低的染色体的等级越低；对于f2，将所有染色体按照总产量的高低进行排序，总产量越高的染色体的等级越高，总产量越低的染色体的等级越低；其余依次类推；步骤4，若不满足终止条件，再通过免疫遗传操作产生新的种群，跳到步骤2，重复上述过程。