2.3.3　FabSys的數(shù)據(jù)驅(qū)動(dòng)預(yù)測(cè)模型

(1)FabSys數(shù)據(jù)驅(qū)動(dòng)參數(shù)預(yù)測(cè)模型

FabSys數(shù)據(jù)驅(qū)動(dòng)參數(shù)預(yù)測(cè)模型直接從FabSys的離線歷史數(shù)據(jù)中學(xué)習(xí)獲取,并通過在線動(dòng)態(tài)數(shù)據(jù)驅(qū)動(dòng)。以硅片加工時(shí)間為例,可利用加工歷史記錄,通過最小二乘法求出第i個(gè)影響因素的系數(shù)αi(α₀為常數(shù)項(xiàng))構(gòu)造線性回歸模型(2?1)。其中,為設(shè)備編號(hào)為eqp_id的設(shè)備,且當(dāng)前加工工序?yàn)閛p的加工時(shí)間的估計(jì)值;duration_op為設(shè)備保持當(dāng)前加工工序的持續(xù)時(shí)間(如duration_op=0,則還需考慮工序切換整定時(shí)間);lot.wafer_count為當(dāng)前加工一卡硅片中包含的硅片數(shù);、、為設(shè)備編號(hào)為eqp_id的設(shè)備前三次加工工序op所耗費(fèi)的時(shí)間。

=α₀+α₁*duration_op+α₂*lot.wafer_count+α₃*+α₄*+α₅*(2?1)

對(duì)于OOSM_fab中的不確定參數(shù)和事件,均在OOSM_fab運(yùn)行之前預(yù)測(cè)得到,從而可提高OOSM_fab運(yùn)行結(jié)果的準(zhǔn)確性。FabSys數(shù)據(jù)驅(qū)動(dòng)參數(shù)預(yù)測(cè)模型構(gòu)造方法如圖2?9所示。

(2)FabSys數(shù)據(jù)驅(qū)動(dòng)性能預(yù)測(cè)模型

對(duì)于FabSys這樣的大規(guī)模復(fù)雜制造系統(tǒng),通過OOSM_fab在線仿真獲取性能指標(biāo)是一個(gè)耗時(shí)的過程。基于數(shù)據(jù)的性能指標(biāo)預(yù)測(cè)建模方法可以快速響應(yīng)、獲取性能指標(biāo)預(yù)測(cè)值。因此在模型層中,引入了基于數(shù)據(jù)的性能指標(biāo)預(yù)測(cè)模型。整體概況如圖2?9所示,通過大量離線仿真生成離線性能指標(biāo)仿真數(shù)據(jù),再?gòu)倪@些數(shù)據(jù)中進(jìn)行數(shù)據(jù)挖掘,即可獲取性能指標(biāo)預(yù)測(cè)模型。

性能指標(biāo)預(yù)測(cè)模型可分為全局性能指標(biāo)預(yù)測(cè)模型和局部性能指標(biāo)預(yù)測(cè)模型。根據(jù)仿真時(shí)間(或預(yù)測(cè)周期)可分為實(shí)時(shí)(預(yù)測(cè)周期以時(shí)計(jì))性能指標(biāo)預(yù)測(cè)模型、短期(預(yù)測(cè)周期以日計(jì))性能指標(biāo)預(yù)測(cè)模型和長(zhǎng)期(預(yù)測(cè)周期以周計(jì))性能指標(biāo)預(yù)測(cè)模型。當(dāng)預(yù)測(cè)周期以時(shí)計(jì),則全局性能指標(biāo)變化不明顯,主要關(guān)注局部短期性能指標(biāo)。當(dāng)預(yù)測(cè)周期以周計(jì),則主要關(guān)注全局長(zhǎng)期性能指標(biāo)。當(dāng)預(yù)測(cè)周期以日計(jì),則需要兼顧全局短期性能指標(biāo)和局部短期性能指標(biāo)。此外,對(duì)于不同的預(yù)測(cè)模型,影響因素也不同,對(duì)預(yù)測(cè)周期以日記的全局性能指標(biāo)預(yù)測(cè)模型,需要考慮X_se,_fab和X_ruleset的取值,對(duì)于當(dāng)預(yù)測(cè)周期以周記的長(zhǎng)期全局性能指標(biāo)預(yù)測(cè)模型,還需要考慮制造系統(tǒng)中的不確定因素和投料策略release。而對(duì)于預(yù)測(cè)周期較短的局部性能指標(biāo)預(yù)測(cè)模型,影響因素可以通過特征選擇算法從X_se,_fab和X_ruleset中選取若干維得到。

圖2?10是以日為預(yù)測(cè)周期的性能指標(biāo)預(yù)測(cè)模型,以此來(lái)預(yù)測(cè)制造系統(tǒng)設(shè)備平均利用率。影響因素主要是FabSys的初始調(diào)度環(huán)境即X_se,_fab的取值及各加工區(qū)所采用的調(diào)度規(guī)則即X_ruleset取值。可以從大量的離線仿真生成的離線仿真性能指標(biāo)中學(xué)習(xí)出性能指標(biāo)預(yù)測(cè)模型f_Utility得到Utility的預(yù)測(cè)值:

Y_Utility=f'_Utility(X_se,_fab,X_ruleset)(2?2)

(3)FabSys數(shù)據(jù)驅(qū)動(dòng)自適應(yīng)調(diào)度模型

由于FabSys規(guī)模較大,通過在線優(yōu)化的方法選擇出優(yōu)化的調(diào)度方案非常耗時(shí),為了能在線針對(duì)需要優(yōu)化的性能指標(biāo)作出快速優(yōu)化調(diào)度決策,可采用離線優(yōu)化的方法優(yōu)化性能指標(biāo),生成離線仿真優(yōu)化調(diào)度決策數(shù)據(jù)并對(duì)其進(jìn)行數(shù)據(jù)挖掘,構(gòu)造自適應(yīng)調(diào)度模型。可以直接對(duì)應(yīng)需要優(yōu)化的調(diào)度性能指標(biāo)根據(jù)當(dāng)前調(diào)度環(huán)境作出派工決策,具體方法如圖2?11所示。

與性能指標(biāo)預(yù)測(cè)問題不同,自適應(yīng)調(diào)度模型在離線優(yōu)化階段針對(duì)性能指標(biāo)進(jìn)行優(yōu)化,優(yōu)化目標(biāo)可以是單性能指標(biāo)或多性能指標(biāo)。在FabSys中,對(duì)各個(gè)加工區(qū)的調(diào)度規(guī)則進(jìn)行編碼,通過窮舉搜索或者啟發(fā)式搜索的方式,優(yōu)化性能指標(biāo)。得到優(yōu)化的各加工區(qū)調(diào)度規(guī)則組合,保存為離線仿真優(yōu)化調(diào)度決策數(shù)據(jù)。由于優(yōu)化調(diào)度方案是個(gè)決策組合的形式,因此,可以將最終自適應(yīng)優(yōu)化調(diào)度決策問題分解為若干個(gè)分類問題,即對(duì)各個(gè)加工區(qū)的調(diào)度規(guī)則構(gòu)造分類模型,必要時(shí)對(duì)分類模型進(jìn)行特征選擇。在需要實(shí)時(shí)派工時(shí),使用制造系統(tǒng)調(diào)度環(huán)境驅(qū)動(dòng)各加工區(qū)的自適應(yīng)調(diào)度模型,選擇優(yōu)化調(diào)度規(guī)則。