【摘要】 一种半导体制造领域的半导体制造系统的重调度决策系统，本发明中，GUI 模块负责与用户和其他模块进行交互；模糊神经网络决策模块获得半导体制造系 统的生产状态和干扰信息数据，进行半导体制造系统的重调度决策处理，并将重 调度决策处理的信息结果输出到模糊神经网络参数训练模块和GUI模块。模糊神 经网络参数训练模块对模糊神经网络决策模块的模糊化层的中心值、宽度值参数 和输出层的连接权值参数进行训练处理，本发明提高了半导体制造系统的重调度 决策的准确性。 【专利类型】发明授权 【申请人】上海交通大学 【申请人类型】学校 【申请人地址】200240上海市闵行区东川路800号 【申请人地区】中国 【申请人城市】上海市 【申请人区县】闵行区 【申请号】CN200810203013.3 【申请日】2008-11-20 【申请年份】2008 【公开公告号】CN100595700C 【公开公告日】2010-03-24 【公开公告年份】2010 【授权公告号】CN100595700C 【授权公告日】2010-03-24 【授权公告年份】2010.0 【IPC分类号】G05B13/02; G06N3/02 【发明人】张洁; 吴立辉; 翟文彬; 张功 【主权项内容】1、一种半导体制造系统的重调度决策系统，其特征在于，包括：GUI模块、 模糊神经网络决策模块和模糊神经网络参数训练模块，其中： GUI模块为客户所使用的图形用户界面，负责用户与模糊神经网络决策模块 和模糊神经网络参数训练模块等模块的人机交互操作，该模块接收人机交互过程 中输入的重调度决策的历史数据、半导体制造系统生产状态和干扰信息，接收人 机交互操作过程中输入的模糊神经网络参数训练模块和模糊神经网络决策模块 的初始化参数信息，并显示各模块的中间结果和最后的决策输出结果； 模糊神经网络决策模块一方面从GUI模块获得半导体制造系统的生产状态和 干扰信息数据，另一方面从模糊神经网络参数训练模块获得模糊化层的中心值参 数和宽度值参数信息、输出层的连接权值参数，进行半导体制造系统的重调度决 策处理，并将重调度决策处理的信息结果输出到模糊神经网络参数训练模块和 GUI模块； 模糊神经网络参数训练模块一方面接收模糊神经网络决策模块的重调度决 策处理的输出信息，一方面从GUI模块获取模糊神经网络训练初始化参数设定值 信息和重调度决策的历史数据，对模糊神经网络决策模块的模糊化层的中心值、 宽度值参数和输出层的连接权值参数进行训练处理，并将优化的模糊化层的中心 值、宽度值参数和输出层的连接权值参数传输给模糊神经网络决策模块，并传输 给GUI模块； 所述模糊神经网络决策模块，包括：输入层子模块、模糊化层处理子模块、 规则层处理子模块、归一化层处理子模块、输出层处理子模块和重调度决策输出 子模块，其中： 输入层子模块负责从GUI模块获取接收半导体制造系统的m个生产状态和干 扰信息，具体信息包括：受干扰的设备组平均队列长度L、半导体制造系统调度 的稳定性βc、受干扰的设备组平均相对负载η、受干扰的设备组工件后序平均 松弛时间ts和半导体制造系统的干扰参数T等，并输出给模糊化层处理子模块； 模糊化层处理子模块一方面从输入层子模块获得生产状态和干扰信息，一方 面从模糊神经网络参数训练模块获取高斯函数的中心值参数c和宽度值参数σ， 针对每一个输入的生产状态和干扰信息，根据3组对应的中心值参数c和宽度值 参数σ，分别采用3个高斯函数进行模糊变换处理，获得3m个模糊化处理输出 数据并输出到规则层处理子模块； 规则层处理子模块负责对从模糊化层处理子模块输入的数据进行规则乘积 处理，针对从模糊化处理子模块获得的3m个模糊化处理数据，首先按照从每一 生产状态和干扰信息所对应的3个模糊化处理数据中取一个数据的规则，挑选m 个模糊化处理数据，然后将挑选的m个数据进行乘积处理，按照该挑选规则，规 则层处理子模块共形成3m个规则乘积处理的输出数据并输出到归一化层处理子 模块； 归一化层处理子模块负责将规则层处理子模块输出的数据进行归一化处理， 针对规则层处理子模块输出的3m个规则乘积处理的输出数据，首先对这3m个输 出数据进行求和，然后将求和获得的值去除各个输出数据，获得归一化层处理子 模块的3m个归一化处理数据输出并输入到输出层处理子模块； 输出层处理子模块一方面从规一化层处理子模块获得规一化输出数据，一方 面从模糊神经网络参数训练模块获得输出层权值参数w数据，对归一化层处理子 模块输出的3m个归一化处理数据，将其与从模糊神经网络参数训练模块获得的输 出层训练权值参数w相乘并进行加权，加权的结果采用3个tansig函数进行输 出层函数变换处理，获得3个输出层处理子模块的处理输出变量数据，将处理的 数据变量输出到模糊神经网络参数训练模块和重调度决策输出子模块； 重调度决策输出子模块从输出层处理子模块获取3个输出变量数据后，将其 中绝对值最大的变量数据作为优化的重调度决策输出，输出到GUI模块； 所述模糊神经网络参数训练模块，包括：参数输入子模块、训练参数更新子 模块和参数输出子模块，其中： 参数输入子模块负责从GUI模块获取模糊神经网络训练的训练次数参数、初 始化学习率参数、模糊化层的中心值参数c和宽度值参数σ的初始值、输出层的 权值参数w的初始值和重调度决策的历史数据，从模糊神经网络决策模块的输出 层处理子模块获得加权函数变换处理的输出数据，并输入到训练参数更新子模 块； 训练参数更新子模块负责对模糊神经网络决策模块中的模糊化层的3m个中 心值参数c和宽度值参数σ、输出层的3m+1个权值参数w进行优化训练处理，该 子模块根据获得的加权函数变换处理的输出数据、模糊神经网络决策模块当前的 中心值参数c、宽度值参数σ和权值参数w，采用有监督的梯度下降寻优的方法 分别计算模糊神经网络决策模块中的模糊化层的3m个中心值参数c和宽度值参 数σ沿梯度方向的变化率的值，计算模糊神经网络决策模块中的输出层的3m+1个 权值参数w对应的沿梯度方向的变化率的值，并与当前的中心值参数c、宽度值 参数σ和权值参数w值进行累加，从而获得训练优化的中心值参数c、宽度值参 数σ和权值参数w的值，通过上述操作实现对模糊神经网络决策模块中的模糊化 层和输出层参数的优化训练处理，获得的优化训练处理值输出到参数输出子模 块； 参数输出子模块从训练参数更新子模块获得优化的模糊化层的中心值参数 c、宽度值参数σ，输出给模糊神经网络决策模块中的模糊化层处理子模块和GUI 模块；从训练参数更新子模块获得优化的输出层权值参数w，输出给模糊神经网 络决策模块中的输出层处理子模块和GUI模块。 【当前权利人】上海交通大学 【当前专利权人地址】上海市闵行区东川路800号 【统一社会信用代码】1210000042500615X0 【引证次数】4.0 【他引次数】4.0 【家族引证次数】4.0 【家族被引证次数】22
