杨雯惠， 陈 璐， 张昕莹

(上海交通大学 工业工程与管理系， 上海 200240)

面对日益激增的订单需求量和高昂的设备购置投入，半导体制造企业必须提高生产效率以应对高负荷的生产压力。半导体产品加工工艺复杂，其生产过程自动化水平高达95%以上。这些高度自动化加工设备内部结构十分复杂，在实际生产中，由于设备零部件连接松动、磨损、老化等原因[1]，设备状态处于“完好”和“故障”之间的不可见状态[2]。在某公司的离子注入车间中，由于设备状态不确定[3]导致3台离子注入机在生产制造中表现出显著的时变效应，造成加工任务分配不均，生产调度计划失效率高等问题，成为衔接上下游生产的瓶颈工位。因此，研究考虑设备时变效应的晶圆加工序列决策调度方法，是解决具有时变效应调度问题的关键，也是该车间解决瓶颈工位问题的核心。

文献中量化设备不可见状态的经典方法是使用设备可靠性识别设备状态[4]，设定设备的状态变化过程服从特定的规律[5-6]。但在实际生产中，设备状态的变化具有不确定性。机器学习模型需要大量数据的训练，以提取设备状态变化不确定性特征[7]。在数据缺失的情况下，可以使用隐式马尔可夫模型，其识别结果具有鲁棒性[8]。然而，以上研究主要聚焦于设备健康状态的监测，缺少通过和生产关键要素相关联而减少设备状态不确定因素对生产调度影响的深入研究。

设备状态退化使得加工时间具有可变特征，造成时变效应(time-changing effect)，主要分为位置效应[9]、开始时间效应[10]和累积效应[11]。……