正交贪心调度框架

动态近似最优调度

面向IC封装试产批次，结合正交贪心算法与循环神经网络，提取关键特征并预测加工时间，通过序优化在分解协调框架内高效获得近似最优调度。

Tsai, Tsunghan · Yan, Bing · Luh, Peter B. · Yang, Haw Ching · Bragin, Mikhail A. · Cheng, Fan-Tien

IEEE Robotics and Automation Letters 2023

技术优势

处理时间能预测

利用正交贪心算法和循环神经网络，从历史数据中提取关键特征，对试产批次和量产批次的加工时间进行预测，解决试产批次因工程调整导致加工时间难以预测的问题。

调度计算高效

将序优化嵌入分解协调框架，在计算效率高的方式下获得动态近似最优调度，适用于大规模生产环境。

减少生产延误

通过优化批次调度，减少生产延误，提升工厂产能，为未来自优化工厂铺平道路。

应用场景

• 半导体制造调度：用于半导体封装产线试产批次调度，降低试产造成的延误。
• 工厂智能排产：为工厂提供动态调度方案，实现自我优化的智能排产。
• 制造系统优化：在计算高效的方式下优化半导体制造系统，提升效率。
• IC封装流程改进：针对IC封装试产批次加工时间不确定的问题，改进调度流程。