[go: up one dir, main page]

CN120409979A - 一种oht小车取放调度优化方法、装置、设备及介质 - Google Patents

一种oht小车取放调度优化方法、装置、设备及介质

Info

Publication number
CN120409979A
CN120409979A CN202311843150.4A CN202311843150A CN120409979A CN 120409979 A CN120409979 A CN 120409979A CN 202311843150 A CN202311843150 A CN 202311843150A CN 120409979 A CN120409979 A CN 120409979A
Authority
CN
China
Prior art keywords
oht
trolley
task
optimization
queuing
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202311843150.4A
Other languages
English (en)
Inventor
李大龙
袁召云
王雅楠
王欢
吴壮
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Yizhi Intelligent Technology Co ltd
Original Assignee
Shanghai Yizhi Intelligent Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shanghai Yizhi Intelligent Technology Co ltd filed Critical Shanghai Yizhi Intelligent Technology Co ltd
Priority to CN202311843150.4A priority Critical patent/CN120409979A/zh
Publication of CN120409979A publication Critical patent/CN120409979A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06313—Resource planning in a project environment

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Game Theory and Decision Science (AREA)
  • General Physics & Mathematics (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • Educational Administration (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

本发明公开了一种OHT小车取放调度优化方法、装置、设备及介质，通过获取OHT小车的历史搬运任务数据，根据历史搬运任务数据，建立OHT小车排队模型，根据OHT小车排队模型，以单位时间内平均排队任务最少为优化目标进行优化，根据优化结果，对OHT小车的任务调度进行优化设置，以排队模型对OHT小车的任务进行了调度优化，有效降低了OHT小车的任务排队时间，降低了线路拥塞情况的发生概率。

Description

一种OHT小车取放调度优化方法、装置、设备及介质
技术领域
本发明涉及自动化搬运任务调度领域，尤其是涉及到一种OHT小车取放调度优化方法、装置、设备及介质。
背景技术
AMHS自动物料搬送系统的设计应用于半导体晶圆代工厂主要原因是半导体流程需要经过400-500个步骤，现在普遍使用的AMHS系统布局主要为。存储单元(例如stocker、OHB)分布在中央走道，上方为Interbay的轨道，中央走道两侧是相关制程的生产区域，形成各个Intrabay。Intrabay的轨道在各个bay的生产机台的上方。Interbay和Intrabay都是单向回路的走向，最终形成整个FAB的AMHS系统轨道的整体连接，可以使生产物料在bay与bay之间，tool与bay之间以及tool与tool之间的传输，即使是tool与tool的AMHS系统虽然可以很大程度的提高搬送效率，但是其也有一定的瓶颈，智能化的搬送被提出。随着晶圆的搬送，会行驶在晶圆厂的各个角落，但是有的时候工艺的差异，会使得某一段时间内，某一个生产区域的和晶圆特别多，容易导致的堵塞，严重影响正常晶圆的搬运，由于拥塞排队带来的搬运时间增加，将降低OHT(Over Head Hoist Transport，高空走行式无人搬运车)小车的搬运效率，进而导致晶圆循环时间(Wafer Cycle Time)大大增加。
发明内容
有鉴于此，本发明提供了一种OHT小车取放调度优化方法，解决现有技术中由于拥塞排队带来的搬运时间增加，降低OHT小车搬运效率的技术问题。
根据本发明的第一方面，提供了一种OHT小车取放调度优化方法，包括：
获取OHT小车的历史搬运任务数据；
根据所述历史搬运任务数据，建立OHT小车排队模型；
根据所述OHT小车排队模型，以单位时间内平均排队任务最少为优化目标进行优化；
根据优化结果，对OHT小车的任务调度进行优化设置。
根据本发明的第二方面，提供了一种OHT小车取放调度优化装置，包括：
获取模块，用于获取OHT小车的历史搬运任务数据；
分析模块，用于根据所述历史搬运任务数据，建立OHT小车排队模型；
优化模块，用于根据所述OHT小车排队模型，以单位时间内平均排队任务最少为优化目标进行优化；
控制模块，用于根据优化结果，对OHT小车的任务调度进行优化设置。
根据本发明的第三方面，提供了一种计算机设备，包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述的OHT小车取放调度优化方法的步骤。
根据本发明的第四方面，提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序被处理器执行时实现上述的OHT小车取放调度优化方法的步骤。
借由上述技术方案，本发明提供的一种OHT小车取放调度优化方法、装置、设备及介质，通过获取OHT小车的历史搬运任务数据，根据历史搬运任务数据，建立OHT小车排队模型，根据OHT小车排队模型，以单位时间内平均排队任务最少为优化目标进行优化，根据优化结果，对OHT小车的任务调度进行优化设置，以排队模型对OHT小车的任务进行了调度优化，有效降低了OHT小车的任务排队时间，降低了线路拥塞情况的发生概率。
上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，并可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。
附图说明
此处所说明的附图用来提供对本发明的进一步理解，构成本发明的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1示出了本发明实施例中提供的AMHS系统应用场景示意图；
图2示出了本发明实施例中提供的一种OHT小车取放调度优化方法的流程示意图；
图3示出了本发明实施例中提供的一种OHT小车取放调度优化装置的结构示意图。
具体实施方式
下文中将参考附图并结合实施例来详细说明本发明的具体实施方式。需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。
本发明实施例提供的一种OHT小车取放调度优化方法，可应用于如图1的AMHS系统场景中，包括inter-bay loop走道间系统、intra-bay loop走道内系统(芯片制程区，芯片制程区内包括多个加工设备即机台)、OHT小车(白色框体为空闲状态，黑色框体为任务载重状态)、OHB(Over Head Buffer用于存放FOUP)设于走道间系统的轨道之上，OHT小车从OHB获取FOUP之后搬运者走道内系统的某个加工设备的Port处卸载，这一过程中在OHT小车从OHB获取FOUP时以及搬运至某个加工设备的Port处卸载时可能存在拥塞，需要基于本发明实施例公开的一种OHT小车取放调度优化方法在保证利用率尽可能高的情况下，降低拥塞发生的概率，通过获取OHT小车的历史搬运任务数据，根据历史搬运任务数据，建立OHT小车排队模型，根据OHT小车排队模型，以单位时间内平均排队任务最少为优化目标进行优化，根据优化结果，对OHT小车的任务调度进行优化设置，以排队模型对OHT小车的任务进行了调度优化，有效降低了OHT小车的任务排队时间，降低了线路拥塞情况的发生概率。
OHT(Over Head Hoist Transport)小车搬运任务的执行流程为，EAP收到来自制程设备的上下料信号，通过MES把FOUP搬运任务需求传给MCS，MCS再即时通知OCS，由OCS来调度OHT执行具体搬运任务，本发明实施例提供的一种OHT小车取放调度优化方法可单独或综合应用于MES、MCS、OCS系统之上，其中，各个执行系统的功能和作用如下：
EAP：是Equipment Automation Programming的简称，又称“设备自动化编程”，负责控制半导体设备进行自动化生产，与MES系统整合，校验产品信息，自动做账，同时收集产品生产过程中的制程数据和设备参数数据，帮助提高半导体工厂的生产效率，避免人工操作失误，提供产品良率。
MES：是Manufacturing Execution System的简称，又称“生产执行系统”，为智能制造工厂提供制造数据管理、计划排程管理、生产调度管理、库存管理、质量管理、生产过程控制、底层数据集成分析，是智能制造工厂的大脑。
MCS：是Material Control System的简称，又称“物料控制系统”，负责智慧工厂内生产物料的调度，监控着整个工厂所有传输设备的的状况，选择最佳的路径进行物料派送，减少物料传送时间，增加工厂端的效率与设备的可使用率。
OCS：是OHT Control System的简称，又称“天车控制系统”，负责智慧工厂内OHT的交通管制，选择最优的OHT执行物料派送，选择最优的路径调度OHT行驶，实现OHT的运能最大化。
OHT：是Over head Hoist Transport的简称，又称“天车”,是指能够在空中轨道上行驶，并能够通过皮带传动起重机构“直接”进入保管设备或工艺设备的装卸口，应用于工序区内部运输，也应用于工序区间或工厂间运输。
FOUP：是Front Opening Unified Pod的简称，又称“前开式晶圆传送盒(晶圆舟)”，这是半导体制程中被使用来保护、运送、并储存晶圆的一种容器。
本发明实施例中的调度优化包括调整任务MCS的任务下发频率，调整工作OHT小车数量(在空闲OHT小车和工作中OHT小车数量之间动态调整)、OHT小车平均速度(对应单次搬运平均时间)。
下面通过具体的实施例对本发明进行详细描述。
实施例一
如图2所示，为本发明实施例中提供的一种OHT小车取放调度优化方法，包括：
步骤201、获取OHT小车的历史搬运任务数据；
步骤202、根据历史搬运任务数据，建立OHT小车排队模型；
其中，本步骤中可以基于M/M/1(M/M/s)的排队模型建立OHT小车排队模型，M/M/1队列和M/M/s队列的条件包括小车OHT任务队列长度没有限制；搬运任务下发的时间间隔和搬运时间均服从指数分布(将OHT小车的任务请求模拟为平均发生率为λtask的泊松流)；服务台数量(OHT小车数量)分别为1和s，s为正整数。
本发明实施例一中将OHT小车的任务请求模拟为平均发生率为λt的泊松流(t为任务类型取值为1和2，第一类任务为OHT小车装载晶圆进行搬运的任务，第二类任务为OHT小车卸载晶圆的任务，第一类任务包括OHT小车从OHB获取FOUP为任务task1即为load任务或从某个加工设备的Port处装载FOUP，第二类任务包括OHT小车搬运FOUP至某个加工设备的Port处卸载或搬运至OHB处卸载FOUP为任务task2即为unload任务)，相应地，平均任务时间为λ和通过历史搬运任务数据计算获取；也可以基于历史搬运任务数据的机器学习(例如神经网络)获得工艺类型与历史搬运任务数据、单位时间任务数的关系。
步骤203、根据OHT小车排队模型，以单位时间内平均排队任务最少为优化目标进行优化；
其中，本发明实施例基于排队理论对AMHS系统进行建模，可以将OHT看作服务台，在任意时刻向OHT发出请求的load和unload任务分别看作两类顾客task(task＝1或2)类任务，等效为一个混流服务的排队系统，模型是一个M/M/1或M/M/s排队模型，进而可以根据以下公式计算：
load和unload任务总的发生率为：其中，M为load任务的数量，N为unload任务的数量，考虑一般load任务与unload任务的数量时相等的上面公式可以简化为
load和unload任务的平均时间为：考虑一般load任务与unload任务的数量时相等即M＝N的上面公式可以简化为
相应地，OHT小车的利用率为以单位时间的平均排队任务数为优化目标min(Etask＝1,2)，Etask＝1,2为单位时间的平均排队任务数(第一类任务与第二类任务总的平均排队任务数，load任务与unload任务合并计算)，为了保证OHT小车的利用率处于合理范围，需要加入限制条件即OHT小车的利用率必须在60％至90％之间进行优化即
可选地，考虑load任务与unload任务的任务时间近似相等的情况即各OHT小车完成任务对应的加工设备Port、OHB固定(即load任务和unload任务对应的加工设备Port、OHB不属于动态变化的情况)则平均排队时间TQ满足E′task＝1为load任务向OHT小车下发时load任务排队中的平均任务数(即多个OHT小车正在排队从OHB或从加工设备port装载晶圆)，E′task＝2为unload任务向OHT小车下发时unload任务排队中的平均任务数(即多个OHT小车正在排队从OHB或从加工设备port卸载晶圆)，基于排队论中的Little的定律(“排队队列中的项目数L”＝“新项目到达率λ”X“任务或项目的平均花费时间W”即L＝λW)对进行变换
本发明实施一中的目标函数简化为，约束条件为
步骤204、根据优化结果，对OHT小车的任务调度进行优化设置。
其中，优化结果计算出来后，可以的得到最优的利用率目标值ρopt，最优的任务发生率目标值λopt，最优的任务数目标值Mopt(对应工作状态中OHT小车数量)，最优的每个OHB与Intrabay对应分配的OHT小车数量(以图1布局图为例，某个走道内系统Intrabay与紧邻的OHB指定分配特定数量的OHT小车限制在该范围进行搬运移动)。
本发明提供的一种OHT小车取放调度优化方法，通过获取OHT小车的历史搬运任务数据，根据历史搬运任务数据，建立OHT小车排队模型，根据OHT小车排队模型，以单位时间内平均排队任务最少为优化目标进行优化，根据优化结果，对OHT小车的任务调度进行优化设置，以排队模型对OHT小车的任务进行了调度优化，有效降低了OHT小车的任务排队时间，降低了线路拥塞情况的发生概率。
实施例二
相比实施例一，本发明实施例二提供了更多的调度策略，不仅将单位时间内平均排队任务最少为优化目标还引入了搬运成本作为目标优化值，根据OHT小车排队模型，计算OHT小车单位时间成本之和作为优化目标，其中，OHT小车最小单位时间成本包括等待时间成本、OHT硬件成本、OHT运行成本，并通过模拟退火算法、蚁群算法等智能优化算法获得最优解，本发明实施例二给出了一种基于遗传算法的多OHT小车调度策略包括：
本实施例中采用的目标函数为：
其中，C为总成本(单位元/小时)；m为工作中OHT小车数量；COHT为单OHT小车单位时间内投入成本(量化小车的固定损耗、电能损耗)，i为任务队列中序号(LILO队列中序号与优先级等同)，任务队列共排队的n个任务，n′为单位时间内等待的总任务数，ηi序号i任务占总任务数的比例，Ci序号i任务单位时间内的等待成本(工艺制造延误时间的成本损失量化)，La为OHT的利用率(假设每次OHT搬运负载近似相等，因为晶圆盒规格一致可以认为近似相等)，Cload单位时间内OHT运行成本(量化小车的固定损耗、电能损耗)，α1、α2、α3为权重系数。其中α1、α2、α3、COHT、Ci、ηi都可视为固定值，决策变量是m、n′和La。结合M/M/s/排队论模型相当于m为服务台数量，n′为排队系统的平均队列长度，La为服务强度。
对于M/M/s排队模型模型而言，服务强度λ为平均单位时间下发任务数量，μ为平均单位时间单个OHT小车能完成的平均任务数，La为OHT的利用率取值介于0和1之间表征OHT小车的繁忙程度，0为空闲1为始终忙的状态，n′和ηi可以用m和μ的函数L(m,μ)表示，相应地，实施例中采用的目标函数为：
目标函数转换为了求f(m,μ)的最优解的问题，本发明实施例二中采用带精英保留策略(Eliteness preservation strategy)的遗传算法寻找最优解即最大平均单位时间单个OHT小车能完成的平均任务数条件下，OHT小车m的数量安排。由于OHT平均服务数和Intrabay的轨道布局、OHT小车本身性能、OHT小车数量、具体任务、调度策略有关系，因此确定最优的μMAX之后，再反向确定OHT小车数量及对应的控制策略。算法求解中，直接用目标函数作为适应度函数，采用轮盘赌加精英保留策略进行选择，保留每代中最优个体，不使其参加轮盘赌、交叉和变异。选择完后进行复制保持种群数目恒定，并将子代中最差个体用保留的精英替换掉，实现更快收敛。采用单点交叉的方式，随机配对和选择交叉点。采用基本位变异，变异基因位随机指定。采用较大的交叉概率保证新的适应度大的模式出现，采用较小的变异概率来防止早熟并提升局部搜索能力，采用平均适应度值预设迭代次数不发生变化作为迭代终止条件。
对每个OHT数量m进行一次遗传算法迭代收敛，每次迭代过程都会得到最佳适应度值和最优个体，即任务完成的最短时间Tmin、具体任务和OHT的分配关系，从而得到不同OHT数量m下的Tmin、μMAX的关系。将对应代入目标函数式，最终得到最优调度成本C，可知OHT数量较小时，任务等待成本较大；而数量较大会使得平均服务数下降，投入和运行成本增加。可知，即基于该遗传算法调度策略，随着OHT数量的增长，平均服务数和目标成本的值先升后降，并得到了最优OHT数量和调度目标，实现了半导体FAB工厂中AMHS系统中OHT取送调度的优化。
本发明实施例二，基于总和成本最优化，对OHT小车进行了目标优化，实现了更加全局、综合的优化，有效提高了OHT小车运行期间的成本效益，提高利用率的同时，降低了生产环节的成本和资源浪费。
进一步地，作为图1方法的具体实现，本发明实施例中提供了一种OHT小车取放调度优化装置，如图3所示，该装置包括：
获取模块310，用于获取OHT小车的历史搬运任务数据；
分析模块320，用于根据所述历史搬运任务数据，建立OHT小车排队模型；
优化模块330，用于根据所述OHT小车排队模型，以单位时间内平均排队任务最少为优化目标进行优化；
控制模块340，用于根据优化结果，对OHT小车的任务调度进行优化设置。
本发明实施例中提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现以下步骤：
获取OHT小车的历史搬运任务数据；
根据所述历史搬运任务数据，建立OHT小车排队模型；
根据所述OHT小车排队模型，以单位时间内平均排队任务最少为优化目标进行优化；
根据优化结果，对OHT小车的任务调度进行优化设置。
本发明实施例中提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
获取OHT小车的历史搬运任务数据；
根据所述历史搬运任务数据，建立OHT小车排队模型；
根据所述OHT小车排队模型，以单位时间内平均排队任务最少为优化目标进行优化；
根据优化结果，对OHT小车的任务调度进行优化设置。
需要说明的是，上述关于计算机可读存储介质或计算机设备所能实现的功能或步骤，可对应参阅前述方法实施例中，服务端侧以及客户端侧的相关描述，为避免重复，这里不再一一描述。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本发明所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。
以上所述实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。

Claims (10)

1.一种OHT小车取放调度优化方法，其特征在于，包括：
获取OHT小车的历史搬运任务数据；
根据所述历史搬运任务数据，建立OHT小车排队模型；
根据所述OHT小车排队模型，以单位时间内平均排队任务最少为优化目标进行优化；
根据优化结果，对OHT小车的任务调度进行优化设置。
2.根据权利要求1所述的OHT小车取放调度优化方法，其特征在于，所述根据所述历史搬运任务数据，建立OHT小车排队模型的步骤，包括：
根据所述历史搬运任务数据，建立OHT小车M/M/1或M/M/s排队模型，其中，s为处于工作状态的OHT小车数量。
3.根据权利要求1所述的OHT小车取放调度优化方法，其特征在于，所述根据所述OHT小车排队模型，以单位时间内平均排队任务最少为优化目标进行优化的步骤包括：
根据所述OHT小车排队模型，计算单位时间的平均排队任务数的最小值为min(Etask＝1,2)，其中，Etask＝1,2为第一类任务与第二类任务总的平均排队任务数，第一类任务为OHT小车装载晶圆进行搬运的任务，第二类任务为OHT小车卸载晶圆的任务；
设置优化的限制条件为其中，M为第一类任务或第二类任务的任务数量，ρtask1为每个第一类任务中OHT小车利用率，ρtask2为每个第二类任务中OHT小车利用率。
4.根据权利要求3所述的OHT小车取放调度优化方法，其特征在于，所述根据所述OHT小车排队模型，计算单位时间的平均排队任务数的最小值为min(Etask＝1,2)的步骤包括：
根据所述OHT小车排队模型，计算目标函数的最小值，其中，ρ为OHT小车的利用率，ρtask1为OHT小车完成第一类任务的利用率，ρtask2为OHT小车完成第二类任务的利用率。
5.根据权利要求1所述的OHT小车取放调度优化方法，其特征在于，所述根据优化结果，对OHT小车的任务调度进行优化设置的步骤，包括：
所述根据优化结果，调整下发给OHT小车任务的频率和/或调整处于工作状态的OHT小车数量和/或每个OHB与Intrabay对应分配的OHT小车数量。
6.根据权利要求1所述的OHT小车取放调度优化方法，其特征在于，所述根据所述OHT小车排队模型，以单位时间内平均排队任务最少为优化目标进行优化的步骤包括：
根据所述OHT小车排队模型，计算OHT小车单位时间成本之和作为优化目标，其中，OHT小车最小单位时间成本包括等待时间成本、OHT硬件成本、OHT运行成本。
7.根据权利要求6所述的OHT小车取放调度优化方法，其特征在于，利用模拟退火算法计算OHT小车单位时间成本之和的最优解。
8.一种OHT小车取放调度优化装置，其特征在于，包括：
获取模块，用于获取OHT小车的历史搬运任务数据；
分析模块，用于根据所述历史搬运任务数据，建立OHT小车排队模型；
优化模块，用于根据所述OHT小车排队模型，以单位时间内平均排队任务最少为优化目标进行优化；
控制模块，用于根据优化结果，对OHT小车的任务调度进行优化设置。
9.一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7中任一项所述的OHT小车取放调度优化方法的步骤。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的OHT小车取放调度优化方法的步骤。
CN202311843150.4A 2023-12-28 2023-12-28 一种oht小车取放调度优化方法、装置、设备及介质 Pending CN120409979A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311843150.4A CN120409979A (zh) 2023-12-28 2023-12-28 一种oht小车取放调度优化方法、装置、设备及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311843150.4A CN120409979A (zh) 2023-12-28 2023-12-28 一种oht小车取放调度优化方法、装置、设备及介质

Publications (1)

Publication Number Publication Date
CN120409979A true CN120409979A (zh) 2025-08-01

Family

ID=96525335

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311843150.4A Pending CN120409979A (zh) 2023-12-28 2023-12-28 一种oht小车取放调度优化方法、装置、设备及介质

Country Status (1)

Country Link
CN (1) CN120409979A (zh)

Similar Documents

Publication Publication Date Title
TWI575561B (zh) 用於控制多批工件處理的方法、儲存媒體及系統
US9632499B2 (en) Work-in-progress substrate processing methods and systems for use in the fabrication of integrated circuits
US20100278622A1 (en) Automated Materials Handling System Having Multiple Categories of Overhead Buffers
CN101109932B (zh) 工厂自动化系统及相关方法
US8160736B2 (en) Methods and apparatus for white space reduction in a production facility
CN114936783B (zh) 一种基于mmddpg算法的rgv小车调度方法及系统
CN115481897A (zh) 一种agv无人仓库设备优化配置方法
US7085614B1 (en) Method, system, and computer program product for optimizing throughput of lots
Lin et al. Reentrant hybrid flow shop scheduling with stockers in automated material handling systems using deep reinforcement learning
Koo et al. Vehicle dispatching for highly loaded semiconductor production considering bottleneck machines first
CN120409979A (zh) 一种oht小车取放调度优化方法、装置、设备及介质
Wang et al. The heuristic preemptive dispatching rule using stocker for conveyor-based material handling system of 450-mm wafer fabrication
CN119047807B (zh) 基于轨道交汇路口状态的天车调度方法及装置
CN117875495A (zh) 一种oht小车利用率控制优化方法、装置、设备及介质
CN118917762A (zh) 基于amhs系统的天车调度控制方法和装置
CN112598316B (zh) 一种同轨双agv的物料分配及协同调度方法
CN116880392A (zh) 一种利用起点和终点任务限制解决oht调度拥堵的方法
CN118778641A (zh) 一种多楼层agv调度方法、装置、电子设备及存储介质
CN100424674C (zh) 改善物料搬运效率的方法以及使用该方法的制造系统
JP5125918B2 (ja) 搬送システム及び配車管理装置、並びにコンピュータプログラム
Chen et al. Decentralized dispatching for blocking avoidance in automate material handling systems
CN100499058C (zh) 配送系统
CN119764225B (zh) 晶圆盒调度方法、晶圆盒调度装置和电子设备
Lee et al. Optimization of lifter operations for inter-line transfers in semiconductor manufacturing facilities
Huang et al. A pre-dispatching vehicle method for a diffusion area in a 300 mm wafer fab

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination