[发明专利]一种半导体生产线闭环优化自适应调度方法

权利要求书

1.一种模型与数据混合驱动的半导体生产线闭环优化自适应调度方法，其特征在于，包括以下步骤：

步骤1)基于原始数据，利用半导体生产线仿真模块生成生产属性集、性能指标集；

步骤2)基于样本生成模块采集生产属性集、性能指标集，分别组成性能预测模型的样本集和动态调度模型的第一样本集，并进行数据预处理；

步骤3)基于降维免疫算法，在动态调度模型第一样本集的生产属性集中选择独立特征子集，并与对应的性能指标集组成动态调度模型的第二样本集；

步骤4)构建基于ELM的性能预测模型，并通过性能预测模型的样本集进行训练，所述性能预测模型的输入为生产属性中的加工状态，输出为生产线性能指标；

步骤5)基于粒子群优化的支持向量回归算法，构建基于性能驱动的动态调度模型，并基于第二样本集进行训练，所述动态调度模型的输出为调度规则；

步骤6)基于训练完成的动态调度模型实现半导体生产线闭环优化自适应调度，同时，利用训练完成的性能预测模型输出性能指标预测结果。

2.根据权利要求1所述的一种模型与数据混合驱动的半导体生产线闭环优化自适应调度方法，其特征在于，所述步骤2)包括以下步骤：

步骤2-1)基于样本生成模块采集性能预测模型的样本集：在生产线初始状态相同的情况下，遍历仿真调度规则，在仿真结束时记录相应的性能指标数据；

步骤2-2)基于样本生成模块采集动态调度模型的第一样本集：从生产线初始状态相同、调度规则不同的样本中选取调度规则最优的样本；

步骤2-3)对性能预测模型的样本集TE*和动态调度模型的第一样本集进行数字化和标准化处理。

3.根据权利要求2所述的一种模型与数据混合驱动的半导体生产线闭环优化自适应调度方法，其特征在于，所述数字化和标准化处理具体为：

步骤2-3-1)数字化：对样本集数据中含有文字的内容转化为计算机可识别的数字形式；

步骤2-3-2)标准化：基于Min-Max标准化，对样本集中的数字化数据进行线性变换，使结果映射到[0,1]之间：

其中，x^*表示标准化后的数据，x表示标准化前的数据，min和max分别表示样本集中的最小值和最大值。

4.根据权利要求1所述的一种模型与数据混合驱动的半导体生产线闭环优化自适应调度方法，其特征在于，所述步骤3)包括以下步骤：

步骤3-1)分别在轻载、满载、重载的工况下，选择动态调度模型第一样本集的生产属性集中的部分属性，生成候选特征子集；

步骤3-2)利用降维免疫算法评价候选特征子集，基于评价结果筛选得到独立特征子集；

步骤3-3)基于独立特征子集和对应的性能指标集组成动态调度模型的第二样本集。

5.根据权利要求4所述的一种模型与数据混合驱动的半导体生产线闭环优化自适应调度方法，其特征在于，所述步骤3-2)中的降维免疫算法通过对候选特征子集维度超出上代平均候选特征子集维度的候选特征子集添加惩罚因子，筛选得到独立特征子集，具体表达式如下：

其中，A_b为初始抗体群，为抗原本体，为抗原决定簇，新的抗原本体代表关注的性能指标，BPNN为三层BP神经网络，为之间的相似度，F′_Ab为与每个的平均亲和力，σ为惩罚因子，Dim表示候选特征子集维度，ave_dim表示上代平均候选特征子集维度，k为抗原本体的个数。