Hybrid Multi-Offspring Genetic Algorithm for Scheduling Optimization of Semiconductor Manufacturing

摘要

隨著智慧運算、自駕車與車用電子等新興半導體相關技術的興起及需求，台灣在世界半導體產業中扮演著舉足輕重的角色，半導體?成為台灣經濟動脈的一個主?；因此，除了先進的製程技術外，如何有效地利用產能、最小化時間成本使產品在有限時間內完成所需製程也是一個相當重要的議題，這也就是工件排程問題。過去文獻常以派工法則進行排程，或將此問題簡化比擬作旅行推銷員問題（Travelling Salesman Problem，TSP），並以基因演算法求得近似最佳解，但傳統基因演算法常有過早收斂或收斂緩慢的問題。 本研究以南科某12吋半導體晶圓製造廠之多機台流線型製程（Flow Shop with Multiple Processors，FSMP）為例，求解二階段工件批次排程問題，並參考過去的文獻提出混合式多子代基因演算法，增加子代多樣性以提升迭代搜索的廣度、改善傳統基因演算法收斂緩慢、過早收斂等問題，最後根據產品與機台特性設計模擬實驗進行驗證。實驗結果顯示，本研究提出的演算法在運算時間上僅需傳統基因演算法的40~50%，且能求得優於傳統基因演算法及派工法則之生產排序，總完工時間較FIFO派工法則下降約10~20%；此外，與傳統基因演算法建議之低突變率不同，本研究提出的演算法適合之突變率為0 1~0 3。

獎項日期	2020
原文	English
監督員	Mi-Chia Ma (Supervisor)