[发明专利]半导体生产线基于联邦学习机制的调度建模方法

权利要求书

1.一种半导体生产线基于联邦学习机制的调度建模方法，其特征在于：

基于预获取的半导体生产线的生产需求，将生产需求生成调度问题，对调度问题进行分析和求解；根据分析与求解的信息进行调度建模和调度优化；包括以下步骤，

步骤S1，复杂制造数据预处理，建立数据层；

步骤S2，基于数据的调度建模，建立模型层；

步骤S3，基于数据的调度优化，建立数据处理与分析模块；

步骤S4，基于生产计划与实时派工信息建立调度方法模块。

2.根据权利要求1所述的一种半导体生产线基于联邦学习机制的调度建模方法，其特征在于：步骤S1中，数据层通过数据接口与数据源交互连接，通过企业中的信息系统获取数据参数，或/和通过企业中的数据源模拟制造系统运作过程的仿真模型离线运行获取生成的离线仿真数据，离线仿真数据包括离线仿真性能指标数据和离线仿真优化调度决策数据；根据获取的数据源汇总预处理形成数据库，所述数据库包括离线历史数据模型、在线静态数据模型、在线动态数据模型、学习样本数据模型。

3.根据权利要求2所述的一种半导体生产线基于联邦学习机制的调度建模方法，其特征在于：步骤S1中，所述离线历史数据模型包括工件加工历史信息、产品历史生产信息、设备历史加工信息、设备维护信息、设备故障信息中的一种或多种；

在线静态数据模型和在线动态数据模型组成在线数据模型，所述在线静态数据模型包括产品订单信息、产品工艺流程信息、设备加工能力信息和设备布局信息中的一种或多种；所述在线动态数据模型包括设备状态信息或/和WIP状态信息。

4.根据权利要求3所述的一种半导体生产线基于联邦学习机制的调度建模方法，其特征在于：

在线数据模型包括设备信息、加工区信息、工序信息、设备加工菜单信息、工艺流程信息、流程的工步信息、订单信息、工件信息中的一种或多种；

设备的定义包括设备标识信息、当前处理的加工菜单信息、当前加工的工件信息、当前设备所在的加工区信息、设备描述属性信息；

加工区的定义包括设备所在加工区信息和若干个加工区描述属性信息；

工序的定义包括工序标识信息和若干个工序描述属性信息；

设备加工菜单的定义包括加工菜单标识信息、菜单所属设备信息、菜单处理工序信息、加工菜单描述属性信息；

工艺流程的定义包括工艺流程标识信息、工艺流程描述属性信息；

流程的工步的定义包括工步标识信息、工步所属工艺流程信息、工步处理的工序信息、工步在工艺流程中的位置信息；

订单的定义包括表示订单标识信息、订单所需的工艺流程信息、订单程描述属性信息；

工件的定义包括工件标识信息、工件所属订单信息、正在加工工件的设备信息、工件所在加工区信息、工件当前加工工步信息或下一工步信息、工件描述属性信息。

5.根据权利要求4所述的一种半导体生产线基于联邦学习机制的调度建模方法，其特征在于：离线历史数据模型包括设备历史运行信息和工件运行历史信息；设备历史运行信息的定义包括设备标识信息、设备所处状态信息、状态开始时间信息、状态结束时间信息、状态描述属性信息；工件运行历史信息的定义包括工件标识信息、工件所处状态信息、状态开始时间信息、状态结束时间信息、状态描述属性信息；学习样本数据模型是构造数据驱动模型的基础，包括不确定因素样本数据模型为关系模式集合、性能指标预测样本数据模型、自适应调度样本数据模型为关系模式集合。

6.根据权利要求5所述的一种半导体生产线基于联邦学习机制的调度建模方法，其特征在于：模型层中包括制造系统面向对象模型和数据驱动预测模型；

所述制造系统面向对象模型为面向对象仿真模型，所述制造系统面向对象模型包括制造系统对象模型、制造系统动态模型、制造系统功能模型；

所述数据驱动预测模型由参数预测模型、性能指标预测模型和自适应调度模型构成；所述数据驱动预测模型包含不确定因素估计模型、性能指标预测模型、自适应调度模型。