[发明专利]一种半导体生产线动态调度策略自动选择方法

摘要

本发明涉及一种半导体生产线动态调度策略自动选择方法，包括：根据实际半导体生产线获得生产线生产属性集、调度策略集和性能指标集；通过仿真获取采取不同调度策略下的生产线各项性能指标值，并建立样本集；对训练样本集进行训练，获取优化的生产属性子集和SVM训练参数，并形成基于SVM的动态调度规则分类器A*；将测试样本集输入A*，判断基于特征子集调度策略预测精度是否优于全集，若是，则根据获得的特征子集和SVM训练参数对训练样本集S1进行训练，获得最终的动态调度规则分类模型A；向A输入生产线的实时状态信息，动态获取优化的调度策略。与现有技术相比，本发明具有调度实时性好、有利于提高生产效率等优点。

主权项

一种半导体生产线动态调度策略自动选择方法，其特征在于，包括以下步骤：1)根据实际半导体生产线获得生产线生产属性集、调度策略集和性能指标集；2)建立半导体生产调度仿真模型，根据实际半导体生产线历史状态数据获得每个状态对应的生产属性值，以生产线历史状态数据和调度策略集中的调度策略为仿真模型的输入，通过仿真获取采取不同调度策略下的生产线各项性能指标值，比较得出对应于各性能指标最优的调度策略，建立样本集，包括训练样本集S1和测试样本集S2；3)采用基于BPSO‑SVM的特征选择与分类算法对训练样本集S1进行训练，获取优化的生产属性子集和SVM训练参数，并形成基于SVM的动态调度规则分类器A*；4)将测试样本集S2输入动态调度规则分类器A*获取生产调度策略，并判断基于特征子集的调度策略预测精度是否优于全集，若是，则记录该特征子集和SVM训练参数，转至步骤5)，若否，则调整生产线历史状态数据，返回步骤2)或调整训练参数变化范围，返回步骤3)；5)以步骤4)获得的特征子集和SVM训练参数为SVM分类算法的输入，对训练样本集S1进行训练，获得最终用于指导半导体生产线的动态调度规则分类模型A；6)向动态调度规则分类模型A输入生产线的实时状态信息，动态获取优化的调度策略。