資料驅動的半導體製造系統調度


	調度問題普遍存在於工業工程中，其本質是透過對有限資源的合理配置，尋求系統目標的最大化。資源（包括物質資源和時間資源）的限制與目標（如產量、效率、速度等）的追求之間存在著廣泛而多樣的客觀的矛盾，因此調度問題一直是學術界與工程技術界的研究熱點之一。　　雖說調度問題的實際表象有多種，如生產系統調度、交通運輸調度、人員時間調度、專案進度調度等，但製造系統的調度毫無疑問是眾多調度問題中受關注最多、研究時間最長的一類。製造系統調度是企業生產活動組織和管理的中心問題，是提高企業綜合效益的有效途徑。它對提高企業生產管理水準、節省成本、改進服務品質、提高企業競爭力、加速收回投資以及獲得更高的經濟效益有著十分重要的意義。借助于先進的生產計畫與調度方法，可以在不增加或少增加投入的基礎上為企業贏得更大的產出與利潤，獲得更大的投資報酬率。　　自1954年約翰森發表了第一篇關於生產調度的經典論文以來，製造系統的調度問題走過了單機調度、多機調度、流水車間（flow-shop）調度、作業車間（job-shop）調度、柔性製造系統（FMS, Flexible Manufacturing System）調度等由簡單到複雜的發展過程。期間，大量相關研究工作及成果的累積也進一步奠定了製造系統調度在調度研究領域中舉足輕重的地位。如果說調度領域內許多早期的工作是在製造業的推動下發展起來的，那麼不斷產生於製造業的實際問題還在提出新的挑戰。根據勞勒等的觀點，隨著經典調度問題的四個基本假設（即單件加工方式、確定性、可運算性和單目標性）不斷被突破，關於調度的研究重心已逐漸由經典調度問題移向新型調度問題。本書重點討論的半導體製造系統調度就屬於這一類新型調度問題。　　1980年代末1990年代初，美國的庫瑪教授針對半導體、膠捲等行業的生產特點，提出了類多重入複雜製造系統的概念，並將其列為有別於flow-shop 和job-shop的第三類生產製造系統。半導體製造系統作為類多重入複雜製造系統的典型代表，其調度問題具有大規模、不確定、多目標等綜合複雜性，集中體現了新型調度問題的多項特徵。關於半導體製造系統調度方面的研究在理論上具有極強的挑戰性，而且也具有十分顯著的應用意義。　　全書共分為8章。第1章對半導體製造系統調度問題進行了概述，主要介紹了半導體製造流程、半導體製造系統調度及其發展趨勢。第2章介紹了資料驅動的半導體製造系統調度框架，實現了一種基於資料的複雜製造系統調度體系結構。第3章圍繞半導體製造系統資料預處理進行展開，介紹了幾種資料預處理方法：資料規範化、資料缺失值填補、基於資料聚類分析的異常值探測、基於變數聚類的冗餘變數檢測。第4章從長期性能指標和短期性能指標的角度，對半導體生產線性能指標相關性分析進行了介紹。第5章介紹了智慧化投料控制策略，著重論述了基於極限學習機的投料控制策略。第6章以某實際生產線為背景，提出了一種基於類比費洛蒙機制的動態派工規則，並採用資料採擷的方法對動態派工規則進行參數優化。第7章介紹了兩種不同的閉環調度方法：基於負載均衡的半導體生產動態調度方法和性能驅動的半導體生產線動態調度方法。第8章主要介紹了大資料環境下的半導體製造系統調度發展趨勢。以工業4.0 為開端，接著介紹了工業大資料及其發展的三個階段及大資料環境下半導體製造調度發展趨勢，最後以應用實例說明了大資料環境下半導體製造調度問題。　　本書面向從事半導體製造系統計畫、調度和優化等相關領域研究工作的科研人員，自動控制、工業工程等專業院校研究生和教師，製造管理及微電子製造行業生產管理或工程技術人員等，力求在半導體製造系統及其智慧調度的理論方法、技術及應用案例等方面為讀者提供有價值的參考和輔助。


	目錄第1章半導體製造系統調度 1.1 半導體製造流程 1.2 半導體製造系統調度 1.2.1 調度特點 1.2.2 調度類型 1.2.3 調度方法 1.2.4 評價指標 1.3 半導體製造系統調度發展趨勢 1.3.1 複雜製造資料預處理 1.3.2 基於資料的調度建模 1.3.3 基於資料的調度優化 1.3.4 存在問題 1.4 本章小結參考文獻第2章資料驅動的半導體製造系統調度框架 2.1 資料驅動的半導體製造系統調度框架設計 2.2 基於資料的複雜製造系統調度體系結構 2.2.1 DSACMS概述 2.2.2 DSACMS的形式化描述 2.2.3 DSACMS的對複雜製造系統調度建模與優化的支持 2.3.4 DSACMS中的關鍵技術 2.3 應用實例 2.3.1 FabSys概述 2.3.2 FabSys的面向對象仿真模型 2.3.3 FabSys的資料驅動預測模型 2.4 本章小結參考文獻第3章半導體製造系統資料預處理 3.1 概述 3.2 資料規範化 3.2.1 資料規範化規則 3.2.2 變數異常值校正 3.3 資料缺失值填補 3.3.1 資料缺失值填補方法 3.3.2 Memetic演算法和Memetic計算 3.3.3 基於高斯變異和深度優先搜尋的屬性加權 K近鄰缺失值填補方法（GS-MPSO-KNN） 3.3.4 數值驗證 3.4 基於資料聚類分析的異常值探測 3.4.1 基於資料聚類的異常值探測 3.4.2 K 均值聚類 3.4.3 基於GS-MPSO和K均值聚類的資料聚類演算法（GS-MPSO-KMEANS） 3.4.4 數值驗證 3.5 基於變數聚類的冗餘變數檢測 3.5.1 主成分分析 3.5.2 基於K均值聚類和PCA的變數聚類 3.5.3 基於MCLPSO 的變數聚類演算法（MCLPSO-KMEANSVAR） 3.5.4 數值驗證 3.6 本章小結參考文獻第4章半導體生產線性能指標相關性分析 4.1 半導體製造系統性能指標 4.2 半導體生產線性能指標的統計分析 4.2.1 短期性能指標 4.2.2 長期性能指標 4.3 基於相關係數法的性能指標相關性分析 4.3.1 相關性分析框圖 4.3.2 考慮工況的性能指標相關性分析 4.3.3 考慮派工規則的性能指標相關性分析 4.3.4 綜合考慮工況以及派工規則的性能指標相關性分析 4.3.5 長期性能指標和短期性能指標相關性分析 4.3.6 基於 MIMAC生產線的性能指標相關性分析 4.4 基於皮爾遜係數的性能指標相關性分析 4.4.1 日在製品數-日移動步數 4.4.2 日排隊隊長-日移動步數 4.4.3 日設備利用率-日移動步數 4.5 半導體製造系統性能指標資料集 4.5.1 加工週期和對應短期性能指標的訓練集 4.5.2 準時交貨率和對應短期性能指標的訓練集 4.5.3 等待時間和對應短期性能指標的訓練集 4.6 本章小結參考文獻第5章資料驅動的半導體製造系統投料控制 5.1 半導體製造系統常用投料控制策略 5.1.1 常用投料控制 5.1.2 改進的投料控制策略 5.1.3 現階段投料控制策略的侷限性 5.2 基於極限學習機的投料控制策略 5.2.1 基於極限學習機確定投料時刻的投料控制策略 5.2.2 基於極限學習機確定投料順序的投料控制策略 5.3 基於屬性選擇的投料控制策略優化 5.3.1 投料相關屬性集 5.3.2 屬性選擇 5.3.3 經過屬性選擇後的仿真 5.4 本章小結參考文獻第6章資料驅動的半導體製造系統動態調度 6.1 動態派工規則 6.1.1 參數與變數定義 6.1.2 問題假設 6.1.3 決策流程 6.1.4 仿真驗證 6.2 基於資料探勘的演算法參數優化 6.2.1 總體設計 6.2.2 演算法設計 6.2.3 優化流程 6.2.4 仿真驗證 6.3 本章小結參考文獻第7章性能驅動的半導體製造系統動態調度 7.1 性能指標預測方法 7.1.1 單瓶頸半導體生產模型長期性能指標預測方法 7.1.2 多瓶頸半導體生產模型長期性能指標預測方法 7.2 基於負載均衡的半導體生產線動態調度 7.2.1 總體設計 7.2.2 負載均衡技術 7.2.3 參數選取 7.2.4 負載均衡預測模型 7.2.5 基於負載均衡的動態調度演算法 7.2.6 仿真驗證 7.3 性能指標驅動的半導體生產線動態調度 7.3.1 性能指標驅動的調度模型結構 7.3.2 動態派工演算法 7.3.3 預測模型搭建 7.3.4 仿真驗證 7.4 本章小結參考文獻第8章大數據環境下的半導體製造系統調度發展趨勢 8.1 工業4.0 8.2 工業大數據 8.3 大數據環境下半導體製造調度發展趨勢 8.3.1 基於資料的Petri網 8.3.2 動態仿真 8.3.3 預測模型 8.4 應用實例：複雜製造系統大數據驅動預測模型 8.5 本章小結參考文獻