半导体封装生产线工序智能优化方法

摘要

本发明提供一种半导体封装生产线工序智能优化方法，应用微粒群优化算法PSO，对半导体封装工艺中的工序优化，进行建模与求解，以加工中心为单位，建立待求解问题与微粒群之间的映射关系，用微粒来表示问题的可选解，并在相应的目标指导下进行优化求解；所述各微粒群优化子问题，是将生产线上机器对不同产品的加工时间用来对微粒进行编码，确定微粒群寻优空间，并对待求解的优化问题进行时序求耦处理，得到相应子问题后，再将问题空间进行划分，并确定与各子问题间的映射关系，分别对各子问题进行微粒群优化求解，从而得到优化的机器加工时间分配方案和机器占用率。实践表明，PSO具有概念简单、实现方便以及收敛速度快等优点。

主权项

1、一种半导体封装生产线工序智能优化方法，其特征在于：应用微粒群优化算法PSO，对半导体封装工艺中的工序参数优化，进行建模与求解，以加工中心为单位，建立待求解问题与微粒群之间的映射关系，用微粒来表示问题的可选解，并在相应的目标指导下进行优化求解；其步骤是：(1)确定加工中心的优化次序；(2)对各加工中心按加工能力由大到小的顺序进行机器排序；(3)建立待求解问题与微粒群优化之间的映射关系，并确定算法参数；(4)按确定的优化次序，对各加工中心进行各微粒群优化子问题求解；其中：所述各微粒群优化子问题，是将生产线上机器对不同产品的加工时间用来对微粒进行编码，确定微粒群寻优空间，并对待求解的优化问题进行时序求耦处理，得到相应优化子问题后，再将问题空间进行划分，并确定与各优化子问题间的映射关系，分别对各优化子问题进行微粒群优化求解，从而得到优化的机器加工时间分配方案和机器占用率；其步骤是：4a，确定待优化子问题参数集；4b，建立问题参数与微粒群优化的映射关系；4c，微粒编码、寻优空间确定及算法参数定义；4d，根据排定的机器顺序来确定相应的约束条件；4e，微粒群初始化；4f，计算各微粒的适应度函数值；4g，计算个体和群体历史最优位置；4h，根据速度和位置更新函数来更新微粒速度、位置，从而调整各机器对产品的加工时间；4i，终止条件满足吗 若满足，输出子问题最优化结果，并转入下一个优化子问题；4j，若未满足，生成下一代种群，进入迭代周期n+1，返回到4f；(5)整个生产优化完成吗 (6)若未完成，将前一个加工中心的优化结果，作为下一个加工中心的输入，返回至(4)；若完成，输出最优化结果；所述4f，计算各微粒的适应度函数值是：其中tpc，i＝tpc，iA+tpc，iB+tpc，iC；其中：PC是指“各加工中心”；MPC表示加工中心PC的机器数；tpc，i＝tpc，iA+tpc，iB+tpc，iC，表示加工中心PC中的机器数对产品的加工时间；所述4h，根据速度和位置更新函数来更新微粒速度、位置，从而调整各机器对产品的加工时间是根据下列公式计算的：Δt1，id(n+1)＝ω*Δt1，id(n)+c1*rand1(·)*(p1，id-Δt1，id(n))+c2*rand2(·)*(p1，gd-Δt1，id(n))；t1，id(n+1)＝t1，id(n)+Δt1，id(n+1)；其中，rand1(·)和rand2(·)分别按照均匀分布在[0，1]之间产生一个随机数；ω为惯性权重，C1、C2为加速常数；微粒的飞行速度：Δt1，id(n)；微粒的位置：t1，id(n)；微粒的速度和位置更新函数：Δt1，id(n+1)；微粒的历史最优位置记录p1，id；群体最优位置记录p1，gd。