[发明专利]用于调度半导体加工的方法和系统

权利要求书

1.一种半导体加工调度方法，所述方法包括：

创建负载调度数据模式，所述负载调度数据模式包括将被分派到多个工作站的产品批次的设施数据；

使用负载平衡模型并且基于所述负载调度数据模式来生成负载调度简档，其中，所述负载平衡模型包括一个或多个目标函数，并且在目标函数中存在至少一个权重因子；

基于所述负载调度简档来生成当前负载调度；

使用所述当前负载调度将所述产品批次分派到所述多个工作站，以完成所述产品批次的加工；

获取所述产品批次的所完成的加工的当前关键性能指标(KPI)集合；以及

基于所述当前KPI，使用大数据架构来自动地调整所述负载平衡模型的所述目标函数的所述权重因子，以生成用于下一个加工周期的下一负载调度。

2.根据权利要求1所述的方法，还包括：

使用所述下一负载调度将所述下一加工周期的产品批次分派到所述多个工作站，以完成所述下一加工周期。

3.根据权利要求1所述的方法，其中，所述基于所述负载调度简档生成当前负载调度包括：

模拟和验证所述负载调度简档以生成所述当前负载调度。

4.根据权利要求1所述的方法，其中，所述基于所述当前KPI使用大数据架构来自动地调整所述负载平衡模型的所述目标函数的所述权重因子，以生成用于下一加工周期的下一负载调度还包括：

获得所述下一加工周期的目标KPI；

确定所述当前KPI是否高于所述目标KPI；以及

当确定所述当前KPI高于所述目标KPI时，在不调整所述负载平衡模型的所述目标函数的所述权重因子的情况下，使用所述当前负载调度用于所述下一加工周期。

5.根据权利要求4所述的方法，还包括：

获取用于优化的数据，包括历史负载调度和相应的KPI；

计算所述历史负载调度中的每个历史负载调度的分数；

使用预先确定的大数据算法来找到所述负载平衡模型的所述目标函数的所述权重因子的新的值的集合，以使得可以找到与所述新的值的集合相对应的负载调度的期望的分数；以及

自动地将所述负载平衡模型的所述目标函数的所述权重因子调整到所述新的值的集合。

6.根据权利要求5所述的方法，其中：

所述负载平衡模型是混合整数规划(MIP)模型；以及

所述预先确定的大数据算法是遗传算法或蒙特卡洛算法。

7.根据权利要求5所述的方法，其中，所述使用预先确定的大数据算法还包括：

使用在所述历史负载调度的分数以及所述历史负载调度的所述权重因子的值与对应于所述历史负载调度的所述KPI之间的关系来训练神经网络深度学习模型；以及

在所述神经网络深度学习模型被训练之后，以所述目标KPI作为输入，使用所述神经网络深度学习模型来确定所述负载平衡模型的所述目标函数的所述权重因子的所述新的值的集合。

8.根据权利要求5所述的方法，其中，所述计算所述历史负载调度中的每个历史负载调度的分数还包括：

对于每个历史负载调度中的具有相应权重因子的每个目标函数，计算每个目标函数的值，并且将所述值乘以所述相应的权重因子，以产生针对每个目标函数的结果；以及

对每个目标函数的所述结果求和以生成所述分数。

9.根据权利要求1所述的方法，其中，所述目标函数至少包括负载平衡目标函数和分配任务目标函数。