带重入约束的双集束型晶圆制造设备调度算法

为了有效解决集束型晶圆制造设备群加工过程中存在的重入调度问题,构建了带重入约束的双集束型晶圆制造设备调度算法.首先分析了双集束型晶圆制造设备中重入约束特征.在此基础上,建立调度问题域,并以系统加工周期最小为目标,建立调度模型.采用分解策略,将双集束型晶圆制造设备调度问题分解成单个设备调度问题,并提出了一种全新的机械手调度顺序搜索的启发式算法.最后对调度算法进行仿真实验分析,结果表明该算法是有效的.     

带驻留约束及双臂机械手的集束型设备群调度算法

根据集束型设备群的特点,对调度问题域进行描述,并提出了带驻留约束的双臂集束型设备群调度算法.该算法利用分解方法将集束型设备群分解为多个单集束型设备,并在此基础上提出一种基于机械手无冲突约束的搜索调度算法,调度目标是使到达晶圆在最短基本周期内完成加工.仿真实验分析结果表明,用所提出的算法进行集束型设备群的晶圆处理是有效的.     

含驻留约束和重入的双臂集束型设备调度方法

为了有效解决双臂集束型设备调度过程中的驻留约束和重入问题,采用虚拟化方法将双臂机械手转化为一个单臂机械手和一个虚拟缓冲模块,定义了晶圆投放策略,建立了调度问题的非线性规划模型.在此基础上,结合所建数学模型提出了一种基于搜索的启发式算法,并对其进行仿真分析.结果表明,所提出的算法是可行且有效的.     

基于析取图考虑物料搬运的Job Shop调度算法

为有效解决考虑物料搬运设备的Job Shop调度问题,建立了非线性规划模型及改进析取图模型.在此基础上,以最小化最大完工时间makespan为调度目标,构造了两阶段结构式启发式调度算法.第一阶段,将析取图分解为机床调度析取子图和搬运设备调度析取子图,提出一个双层递进启发式算法.上层利用分支思想求解机床调度析取子图,根据上层结果,求解搬运设备调度析取子图.在第一阶段解的基础上,第二阶段构造了基于块理论的调度优化启发式算法.最后对算法进行了仿真分析,结果表明所提出的算法是有效、可行的.     

考虑多晶圆流的集束型设备群调度方法

为有效解决集束型设备群多品种晶圆调度问题,构建考虑多晶圆流集束型设备群调度算法.统筹考虑多晶圆流、驻留和资源约束等特征,并以系统Makespan最小为目标,建立数学模型.集束型设备群调度分解为外层晶圆序列决策和内层机械手调度两个阶段,采用蚁群寻觅结合双向搜索策略,将蚁群算法融合到晶圆时间约束集搜索算法迭代过程中.在此基础上,提出了ASTC(ant systems and time constraints)调度算法.对该调度算法进行仿真实验分析,结果表明该算法的有效性.     

带并行腔和重入约束的双臂集束型设备调度方法

为有效解决半导体制造业中带并行腔和重入约束的双臂集束型设备调度问题,提出一种以优化搜索为核心的调度方法。首先,引入优化FIFO ( first in first out)搜索规则,并以系统总完工时间最小化作为目标,建立带并行腔和重入约束的四加工腔双臂集束型设备调度数学模型。在此基础之上,结合虚拟缓冲模块的概念,提出一种基于机械臂交换策略的优化搜索算法。最后,对所提出的算法进行仿真实验,实验结果表明该算法是可行且有效的。     

基于事件驱动的集束型晶圆制造设备调度算法

为了有效利用集束型晶圆制造设备,并使其满足动态到达晶圆调度要求,在描述调度问题域及引入时间约束集概念的基础上建立了调度问题的数学模型,根据模型提出了一种基于事件驱动的调度算法,调度目标是使到达晶圆在最短时间内完成加工.对调度算法进行了仿真实验分析.结果表明,该算法有效且实用.     

基于Markov链的集束型晶圆制造设备预防性维护建模

为了有效提高集束型晶圆制造设备的运行可靠性,同时降低其维护成本,提出了基于Markov链的预防性维护建模方法.根据集束型晶圆制造设备的特点,将设备使用情形分为运行状态、预防性保养状态、保养未能回复状态、预防性维修状态和维修无法回复状态,建立了设备状态转移模型.在此基础上,建立了集束型晶圆制造设备的预防性维护成本模型,进行了仿真实验分析.结果表明,该模型可有效分析不同参数组合下的单位时间预防性维护期望成本.     

半导体制造AMHS中悬挂式小车多因素调度方法

为提高半导体制造系统的整体性能,提出了一种考虑多因素的悬挂式小车（overhead hoist transporter,OHT）调度方法. 从工作站、晶圆批、搬运系统三方面分析了搬运距离、晶圆批优先级、工作站特性、OHT利用率、等待时间5个关键因素. 以成本最小作为调度目标,基于这5个因素构造了混合多因素调度模型,同时引用二分图匹配方法构建了调度模型的求解算法. 最后进行了仿真实验设计和分析,结果表明该方法是有效、可行的.      

基于Markov过程的集束型设备预防维护策略

为了更好地保障集束型晶圆制造设备运行的可靠性,同时考虑维护的经济性,建立了基于Markov过程的预防性维护策略.根据集束型设备的特点,采用大修和小修相结合的预防性维护方式,同时考虑随机失效和退化失效两种失效形式,建立了状态转移模型.依据Markov理论求得设备各状态的稳态概率及状态转移概率.再根据Markov决策理论及策略迭代算法求得最佳维护策略.实验结果表明,所提出的预防性维护策略有效可行.     

求解带缓冲区和机器可用性约束的非置换流水车间调度

为得到非置换流水车间更好的调度方案,考虑到缓冲区、机器可用性约束和序列相关换模时间,以最小化最大完工时间为目标,建立数学模型和析取图模型,构造了一种面向NPFS的列表启发式算法.算法通过允许列表和候选列表记录启发式过程信息,采用量子蚁群和SPT启发式规则搜索并选择析取边的可行移动方案,得到一个没有冲突的有向非循环图.通过正交试验法验证了算法关键参数,实例验证了算法求解和CPLEX的精确解相同.同时采用8组Demirkol测试问题,与MHD-ACS和ACO算法比较评估,验证了算法的有效性和鲁棒性.     

缓冲区间有限条件下的作业车间调度方法

针对缓冲区间有限条件下的作业车间调度问题,以最小化make-span为目标建立了非线性混合整数规划模型,提出了基于邻域搜索的两阶段算法对问题进行求解.算法的第一阶段为迅速找到可行解,第二阶段为基于非连通图,通过邻域搜索对得到的可行解进行优化.针对benchmark算例进行测试并与已有的算法进行对比,验证了算法的有效性.对比分析发现,如果工件的加工时间符合均匀分布,当缓冲区间容量与工件数量的比例达到20%,缓冲区间大小对调度结果的影响将会迅速变小.     

基于事件逻辑的炼油企业动态调度系统

针对炼油生产动态调度问题,开发了基于事件逻辑的调度优化系统.在分析大量实际生产事件和调度专家处理经验的基础上定义动态事件,生成事件逻辑.将事件逻辑与广义析取规划相结合,建立了基于事件逻辑的动态调度模型.基于事件逻辑的动态调度建模方法增加了动态调度模型生成的快速性和灵活性,在保证调度优化性的同时获得较好的调度实时性.最后,以某炼油厂"原油供应不足"事件为例进行仿真实验.结果表明,基于事件逻辑的动态调度系统是可行、有效的.     

Modified Shifting Bottleneck Heuristic for Scheduling Problems of Large-Scale Job Shops

A modified shifting bottleneck algorithm was proposed to solve scheduling problems of a large-scale job shop.Firstly,a new structured algorithm was employed for sub-problems so as to reduce the computational burden and suit for large-scale instances more effectively.The modified cycle avoidance method,incorporating with the disjunctive graph model and topological sort algorithm,was applied to guaranteeing the feasibility of solutions with considering delayed precedence constraints.Finally,simulation experiments were carried out to verify the feasibility and effectiveness of the modified method.The results demonstrate that the proposed algorithm can solve the large-scale job shop scheduling problems(JSSPs) within a reasonable period of time and obtaining satisfactory solutions simultaneously.     

面向作业车间调度问题的遗传算法改进

为了获得遗传算法在作业车间调度问题上的最优化解,提高算法的迭代速度,研究了遗传算法的改进方法,以工件的加工时间最短为目标建立调度模型。在算法上提出了基于概率改进的具有自适应能力的交叉与变异算子,以求作业车间调度问题的最优解。在遗传算法上采用精英保留策略方法,并结合改进的自适应算子对问题进行求解。以基准案例LA01和FT06作为实验仿真对象,获得了相应的甘特图以及搜索过程曲线。仿真结果表明,与未改进的算法相比,该算法能够更加快速地获得最优解。改进后的算法在搜索上更加快速有效,在求解作业车间调度问题上具有一定的可行性,更加适合工业加工生产。     

基于遗传-蚁群算法的云计算任务调度优化

为了找到最佳的云计算任务调度方案, 缩短云计算任务完成时间, 通过综合考虑遗传算法和蚁群算法的优势, 提出一种遗传 蚁群算法的云计算任务调度优化算法. 首先采用遗传算法快速搜索到云计算任务调度的可行方案, 然后采用可行方案初始化蚁群算法的信息素分布, 解决初始信息素匮乏的难题, 加快算法收敛速度和搜索能力, 提高云计算任务求解效率. 在CloudSim平台的实验结果表明, 相对于遗传算法, 遗传 蚁群算法更适合于大规模云计算任务问题的求解, 可缩短任务完成时间, 获得更高的用户满意度.