Semiconductor Fab Scheduling with Self-Supervised and Reinforcement Learning

要約

半導体製造は、高価で数量が限られている機器での長い一連の操作を含む、複雑で費用のかかる多段階プロセスであることで有名です。
最近のチップ不足とその影響は、グローバル サプライ チェーンにおける半導体の重要性と、私たちの日常生活がどれだけ半導体に依存しているかを浮き彫りにしています。
投資コスト、環境への影響、および新しい工場の建設に必要な時間スケールのため、需要が急増したときに生産を増やすことは困難です。
この作業では、深層強化と自己教師あり学習を使用して、半導体製造施設をより効率的にスケジュールする方法を学習する方法を紹介します。
複雑で、連続的で、確率的で、動的で、最新の半導体製造モデルを処理するための最初の適応型スケジューリング アプローチを提案します。
当社の方法は、半導体製造工場で通常使用される従来の階層的な発送戦略よりも優れており、各注文の遅延と完了までの時間を大幅に削減します。
その結果、私たちの方法は、半導体製造プロセスにおけるリソースのより良い割り当てをもたらします。

要約(オリジナル)

Semiconductor manufacturing is a notoriously complex and costly multi-step process involving a long sequence of operations on expensive and quantity-limited equipment. Recent chip shortages and their impacts have highlighted the importance of semiconductors in the global supply chains and how reliant on those our daily lives are. Due to the investment cost, environmental impact, and time scale needed to build new factories, it is difficult to ramp up production when demand spikes. This work introduces a method to successfully learn to schedule a semiconductor manufacturing facility more efficiently using deep reinforcement and self-supervised learning. We propose the first adaptive scheduling approach to handle complex, continuous, stochastic, dynamic, modern semiconductor manufacturing models. Our method outperforms the traditional hierarchical dispatching strategies typically used in semiconductor manufacturing plants, substantially reducing each order’s tardiness and time until completion. As a result, our method yields a better allocation of resources in the semiconductor manufacturing process.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google