面向HMLV环境的机器学习新技术。我们根据历史生产数据训练模型，并使用这些数据来估计产量。
文摘:
本研究的目的是改善高混合低产量(HMLV)生产环境下的调度决策。HMLV半导体组装和测试业务的独特特点包括:(1)多样化的产品线:为了应对全球竞争和不同的客户需求，制造商正在为不同的消费者提供多样化的产品;(2)不相关的并行机器:不同的机器通常在不同的扩容阶段采购。虽然不同的机器可能有相似的功能，但最新的型号通常提供更高的生产效率和更好的质量。这就导致了一个具有不同生产特性的并行机器的生产环境;(3)不完整的产品-机器特定生产数据:当不相关的并行机器生产的产品种类繁多时，会有大量可能的产品-机器组合。有些组合将没有足够的数据来准确估计生产特征，例如调度决策所需的处理时间信息。为了在此类HMLV生产中促进高效和有效的调度决策，提出了一种用于混合数据集分析的分层预测方法。分层预测方法生成缺失的参数，如所需的处理时间，用于后续调度决策的优化。为了应对所有预测模型中不可避免的误差，通过随机优化框架生成鲁棒调度决策。 The framework is validated by an industry dataset collected from a leading semiconductor assembly and testing company.
找到这里是技术文件．
C. J. I. S.博伊登，Y. -H.。吴和C. -H。吴，“半导体组装和测试中高混合和小批量生产的数据驱动调度”，2021 IEEE第17届自动化科学与工程国际会议(CASE)， 2021, pp. 1303-1308, doi: 10.1109/CASE49439.2021.9551555。
留下回复