当前位置:www.7398.com > www.7398.com >

操作的起头时间为该机械的最早可起头 时间. 若

发布时间: 2019-11-08 点击数:

  求解半导体最终测试安排问题的 紧致分布估量较法 王圣尧, 王凌 大学从动化系 目次 ? 研究布景 ? 问题描述 ? 分布估量较法(EDA) ? 求解SFTSP的紧致EDA ? 仿实测试和比力 ? 总结&瞻望 2 研究布景 ? 半导体出产流程 ? ? 前端流程: 晶圆制制 后端流程: 最终测试 ? 最终测试过程 ? ? 正在集成电产物完成封拆之后进行测试. 确认产物能否达到出厂要求. 3 研究布景 ? 半导体最终测试安排问题(SFTSP) ? ? ? 测试设备高贵, 数量无限. 需要进行无效的安排以提超出跨越产效率. NP难问题. ? SFTSP 具有学术价值和使用价值. 4 问题描述 ? 工件数: ? ? ? n; 机械数: m ? 工件调集: J = {J1, J2, …, Jn}. 机械调集: M = {M1, M2, …, Mm}. 工件 Ji: 包罗ni个操做{Oi,1, Oi,2, ..., Oi,ni} (如: 功 能测试、预烧、扫描、烘烤、卷带包拆、摩斯国际mos55,加 载等等). 因为分歧产物的机能参数分歧, 分歧工件的测 试步调和工序数量也不不异. 5 问题描述 ? 取保守job-shop比拟, ? SFTSP有如下特征: ? ? 多资本性. SFTSP 需要安排更多的资本, 包罗 测试机、分类机和辅帮设备, 而且每个操做需 要正在准确设置装备摆设资本的机械长进行测试. 因为价 格高贵, 资本的数量十分无限. 柔性. 对于操做Oi,j,共有mi,j台机械Mi,j ? M可供 选择 . 因而 , 除了操做排序外 , 机械分派也是 SFTSP的子问题. 带有序列相关的预备时间. 设备的拆卸和拆卸、 温度的改变、软件的下载和调试等都需要取 机械序列相关的预备时间. 6 数学模子 7 分布估量较法 Step1: 概率模子初始化 Step2: 采样概率模子发生新种群 Step5: 选择精英个别 Step3: 选择精英个别更新概率 模子参数 Step4: 采样发生新种群 8 求解SFTSP的cEDA ? 编码体例 ? 解码体例 ? 概率模子及更新机制 ? 算法流程 编码体例 ? 操做排序问题 SFTSP ? 机械分派问题 操做序列向量: 每一位工件号暗示该工件的一个操 做, 第k次呈现的某个工件号暗示该工件的第k个操 做. ? 机械分派向量: 每一位机械号暗示响应操做对应的 测试机械. ? 解码体例 ? 测试挨次: ? 机械分派: ? ? 取操做序列向量不异. ? 需要考虑多资本性和序列相关的预备时间. 对于某个操做, 按照机械分派向量放置响应的 机械, 操做的起头时间为该机械的最早可起头 时间. 若机械预备完毕后, 没有脚够的资本(测试机、 分类机或辅帮设备)可用, 则需比及所有资本 可用的时辰起头加工.. ? 实例: 假设资本只答应同时测试两个工件. 概率模子 概率矩阵: A1 和 A2. ? A1: 操做序列矩阵. ? 元素pij(l)暗示工件Jj正在操做序列向量的第i位上或 之前呈现的概率, 从数值上反映分歧操做的优先 关系.对于劣势个别, pij越大, 暗示工件Jj正在第i位上 概率矩阵用来描述解空间的分布 , 并采样发生新个别. 或之前呈现的频次越大, 申明该操做提早施行会 提拔解的质量. ? A2: 机械分派矩阵. ? 元素qijk(l)暗示操做Oi,j放置正在机械Mk上的概率, 从 数值上反映分歧机械施行某个操做的适合程度. ? 12 概率模子 ? 概率矩阵A1 和 A2 按如下体例初始化: 对于所有的i, j, k: 1 pij (0) ? n 正在算法初始阶段解空间被平均采样 . ?1 / mij , if Oi , j can be processed on machine M k qijk (0) ? ? ?0, else 此中 mij 是可操做Oi,j的可行机械数量. 13 采样发生新个别 起首发生操做序列向量. ? 对于待确定的 i, 工件 Jj 被选择的概率是 pij. ? 若是工件 Jj 曾经呈现 nj (工序数)次, 概率矩阵 A1 的第 j 列的元素全数置零, 暗示该工件已完成测试; 别的, 将概率矩阵其它行归一化. ? 同样, 基于概率矩阵 A2 采样产朝气器分派向量. ? 14 紧致思惟 ? 紧致遗传算法(cGA, Harik et al. 1999, IEEE TEC) ? 基于两个个别进化, 进修较优个别消息 ? 参数少 ? 快 ? 易于硬件实现 紧致分布估量较法(cEDA) ? 每次采样概率模子发生两个个别 ? 更新概率模子参数 15 ? 更新机制 ? 选择方针值最小的个别X做为劣势个别, 采用如下增 量进修的方式更新概率模子: 16 算法流程 算法终止前提: 达到设置的 最大评价次数. 17 仿实正在验 ?已有算法: ? ? GA(ESWA, 2008), bvGA(JIM, 2012) 以及 CEDA(JIM, 2013). 半导体测试实例数据. ?参数设置:进修速度α = 0.1, β = 0.3. 18 成果比力 ?总评价次数: cEDA仅10000, 而CEDA为 400000, wcGA 和 bvGA为800000. ?算法运转时间(s) 算例 LS WR GA 448.83 179.82 bvGA 175.86 94.93 CEDA 194.85 105.87 cEDA 0.1 0.1 19 甘特图 20 总结&瞻望 本文提出领会决半导体最终测试安排问题的紧 致分布估量较法. ? 设想了基于陈列的编码息争码体例, 成立了描述 问题解空间分布的概率模子, 通过采样概率模子 采样发生两个新个别, 并基于劣势个别更新概率 模子的参数. ? 通过测试问题的数值仿实和算法比力验证了算 法的无效性. ? 进一步的工做是研究带有批量特征、可沉入特 性以及多处置机安排问题的分布估量较法. ? 21 感谢! 欢送!

  求解半导体最终测试安排问题的紧致分布估_计较法_王圣尧_王凌_大学阐发解析_长儿读物_长儿教育_教育专区。求解半导体最终测试安排问题的紧致分布估_计较法_王圣尧_王凌_大学阐发解析