模拟为基础的解决方案中的负载平衡问题英文文献和中文翻译(4)

菜单

在第二次迭代中，它是必要的，以包括该模式中，为了提高前送晶圆该模型的准确性。有经验的人相比，在某些产品的大量观察周期时间从生产浓度那些从真正晶圆厂数据模型控制部门。我们还发现，我们的模型能够动态检测瓶颈，真正的晶圆厂。请注意，这附近的情况有道理第二组的步进电机具有过载，也就是说，我们有兴趣在降低的条目秒第二个行。我们定义一个合适的目标功能的变化

作为如下：在这里，我们由G1表示的性能措施第3节中介绍。

我们的方法只适用于其中一个很好的情况最初的解决方案存在需要注意的是GS算法不一定能保证检测（全局）最优（UN-在假设存在一个适当的居委会）这种行为所造成的事实，我们不允许非改进的算法中的步骤。这是未能避免这样的问题，通过使用更多的的本地搜索的方法，如模拟退火或禁忌搜索（参见的格洛弗和拉古纳1997）。然而，这样的先进的算法计算昂贵。在这它指向似乎是有用的考虑减少模拟模型所建议的。

五、结果

结果在本节中，我们提出我们的模拟实验结果。在图1中，我们看到了从WIP仿真模型。我们的工作与一个稳定的系统。在我们的模拟实验中，我们使用了一个模拟时间为112天。我们做了5个重复所有的模拟运行。上面的每个星期的开始，我们释放28批次产品的厂区，这应该被分布在步进机的两个不同的步进子群。我们表示两个亚组1G和2G。该步进电机的两个子组使用不同的面具尺寸的口罩。其他前现有ACTUAL步进子群记为0G。请注意，该工作量0G是高仿真开始。我们是互相关捐资在减少这个水平的添加新的步进电机群2G。

（1）

在表1中，我们发现某些情况下的描述不同比例矩阵。 6周后，我们分布批次产品上等份1G和2G在方案1至3。在方案4中，我们分发的地段在亚群比例1:2,1G和2G周后，直到第11周。在剩下的几个星期，我们分发很多等份1G和2G。释放大量群0G是在所有情况下相同。在场景1中，我们分配更多的地段，因为这个子工作量G在仿真开始组低。在方案2中我们分发地段的两个亚群等份。一个分配所有批次的产品1G至2G发生在第三个场景。情景4是类似的方案1中第6周，但后来我们分发更多的地段2G。

在表2和表3中，我们提出将所得的性能的实际的值的比例的措施方案中的相应值的1G在方案1。从表2和表3中，我们得出这样的结论：比例毫安TRIX从方案1是有利的，因为在这种情况下，我们获得最小（平均）值AT。的值CTML （1）几乎是相等的相关处理1G和2G在这种情况下。,源Z自+优尔=文)论(文]网[www.youerw.com请注意，我们获得这个矩阵GS算法的帮助下，经过十次迭代由从比例矩阵方案2。在情景4，我们在场景1中得到类似的结果，为CTML（1）和AT值略高。

在前面的清单中，我们也感兴趣三个步进群。图2,3,4和5，我们看到这些分布方案1与方案4。在这里，112天期间与数据的收集观察每三天。描述我们采取五项重复的模拟运行，然后我们计算平均期间内的平均手数三天。在图3中，我们看到的工作量DESIG经过NAT步进电机群2G是太低了。作为一个反面序列号完成很多小2G。在相反，在方案3中的子群的工作量2G是太高仿真时间开始（第1周，直到第4周）。从表2，我们可以确认，即数迟到很多高2G在这种情况下。生产控制经理可以使用这个模拟在滚动过程与模型重刑为了创造一个良好的地段分布不同的步进群。

六、结论

在本文中，我们提出了一个方法解决负载光刻区域的平衡问题，在FER晶圆中，我们建立了一个详细的模型光刻区域。我们描述了这种模式的发展，由美国专家的知识，仿真模型和本地改进方法，我们能够确定的情况下依赖有利的地段分布在不同的步进群。然而，更多的研究工作需要改进的局部搜索的性能，考虑更合适的地段并使用更先进的搜索策略。