【技术实现步骤摘要】
本公开涉及仿真，更具体地说，涉及机台建模方法、装置、电子设备和存储介质。
技术介绍
1、在半导体等制造行业中，排工、排产的合理性影响着生产流水线的效率。现有技术中，往往由经验丰富的技师设计排工、排产的方案，这种方式高度依赖于技师的经验，但是技师根据自己的经验所作出的判断可能并不准确，导致难以获得高效的排工、排产的方案。因此，随着人工智能(artificial intelligence，ai)技术的发展，人们想到利用ai技术对流水线环境进行仿真，在得到的仿真模型中模拟流水线的运转，以获得更加精准高效的排工、排产方案，从而提高实际生产流水线的效率。而对流水线生产环境进行高保真的仿真是获得精准高效的排工、排产方案的主要前提之一。
技术实现思路
1、本公开提供机台建模方法、装置、电子设备和存储介质，以至少解决上述相关技术中，难以对流水线生产环境进行高保真的仿真的问题。
2、根据本公开实施例的第一方面，提供一种机台建模方法，包括：基于目标机台的多个功能模块和所述多个功能模块的运行模式，构建机台模型，其中，所述机台模型包括多个子模型以及与所述机台模型的性能对应的至少一个第一参数，每个所述子模型包括用于表征所述子模型核心属性的至少一个第二参数，所述多个子模型分别对应所述多个功能模块；获取所述目标机台的历史运行数据，其中，所述历史运行数据包含在所述目标机台上被加工的产品对应的多个任务中每个任务的真实运行日志；基于所述目标机台的历史运行数据训练所述机台模型，获得所述至少一个第一参数和/或
3、可选地，所述基于所述目标机台的历史运行数据训练所述机台模型，获得所述至少一个第一参数和/或所述至少一个第二参数的值，包括：基于所述目标机台的历史运行数据，利用回归拟合方式训练所述机台模型，得到所述至少一个第一参数的值；基于所述目标机台的历史运行数据，利用模式匹配方式或者非梯度优化方式训练所述机台模型，得到所述至少一个第二参数的值。
4、可选地，所述至少一个第一参数包括：任务在机台上的加工时间函数。
5、可选地，所述历史运行数据还包含所述每个任务在进入所述目标机台的处理仓模块时所述目标机台的机台特征；所述基于所述目标机台的历史运行数据，利用回归拟合方式训练所述机台模型，得到所述至少一个第一参数的值，包括：针对所述多个任务中的每个任务，执行以下操作：将所述每个任务的真实运行日志以及所述目标机台的机台特征作为自变量x；将所述每个任务进入所述目标机台的处理仓模块的处理仓进入时间，以及，该任务被加工完成之后的处理仓离开时间作为因变量y；采用所述回归拟合方式获取所述多个任务对应的多对自变量x和因变量y之间的映射关系，作为所述任务在机台上的加工时间函数。
6、可选地，所述目标机台的机台特征包含所述目标机台是否正处于加工状态；以及，在所述目标机台正处于所述加工状态时，当前正在所述目标机台的处理仓模块中被加工任务的数量和每个所述被加工任务进入所述目标机台的处理仓模块的时间。
7、可选地，所述多个子模型包括机台端口子模型、进出仓子模型和处理仓子模型；所述机台端口子模型的第二参数包括：机台端口的类型参数和机台端口的数量参数；所述进出仓子模型的第二参数包括：进出仓的出入口的数量参数、进出仓的通过时间参数和进出仓的类型参数；所述处理仓子模型的第二参数包括：每种工序类型的处理仓的数量参数和处理仓的类型参数。
8、可选地，所述每个任务的真实运行日志包含该任务进入所述目标机台的进出仓模块的时间；所述基于所述目标机台的历史运行数据，利用模式匹配方式或者非梯度优化方式训练所述机台模型，得到所述至少一个第二参数的值，包括：针对所述多个任务中任意相邻的两个任务，确定所述相邻的两个任务对应的两个进入所述目标机台的进出仓模块的时间的时间差；基于所述任意相邻的两个任务对应的所述时间差，确定所述进出仓子模型的进出仓的类型参数的值。
9、可选地，所述基于所述任意相邻的两个任务对应的所述时间差，确定所述进出仓子模型的进出仓的类型参数的值，包括：在所述任意相邻的两个任务对应的所述时间差均大于预设阈值的情况下，确定所述进出仓子模型的进出仓的类型参数的值为阻塞类型；否则，确定所述进出仓子模型的进出仓的类型参数的值为非阻塞类型。
10、可选地，所述每个任务的真实运行日志包含该任务进入所述目标机台的多个功能模块中处理仓模块的处理仓进入时间，以及，该任务离开所述目标机台的离开机台时间；所述基于所述目标机台的历史运行数据，利用模式匹配方式或者非梯度优化方式训练所述机台模型，得到所述至少一个第二参数的值，包括：基于所述多个任务中任意相邻的两个任务中每个任务的处理仓进入时间以及离开机台时间，确定所述处理仓子模型的处理仓的类型参数的值。
11、可选地，所述基于所述多个任务中任意相邻的两个任务中每个任务的处理仓进入时间以及离开机台时间，确定所述处理仓子模型的处理仓的类型参数的值，包括：在所述任意相邻的两个任务中任务次序靠后的任务的处理仓进入时间，在任务次序靠前的任务的离开机台时间之后的情况下，确定所述处理仓子模型的处理仓的类型参数的值为串行类型；在所述任意相邻的两个任务中任务次序靠后的任务的处理仓进入时间，在任务次序靠前的任务的处理仓进入时间和离开机台时间之间的情况下，确定所述处理仓子模型的处理仓的类型参数的值为并行类型。
12、可选地，所述每个任务的真实运行日志包含该任务进入所述目标机台所使用的机台端口信息以及离开所述目标机台所使用的机台端口信息；所述基于所述目标机台的历史运行数据，利用模式匹配方式或者非梯度优化方式训练所述机台模型，得到所述至少一个第二参数的值，包括：基于所述每个任务进入所述目标机台所使用的机台端口信息以及离开所述目标机台所使用的机台端口信息，确定所述机台端口子模型的机台端口的类型参数的值。
13、可选地，所述基于所述目标机台的历史运行数据，利用模式匹配方式或者非梯度优化方式训练所述机台模型，得到所述至少一个第二参数的值，包括：针对所述机台端口的数量参数、所述进出仓的出入口的数量参数、所述进出仓的通过时间参数和所述每种工序类型的处理仓的数量参数中的每个第二参数，执行以下操作：基于所述每个任务的真实运行日志，确定该第二参数对应的真实取值范围；在所述真实取值范围中进行多次采样，获得多个真实采样值；针对所述多个真实采样值中的每个真实采样值，将所述机台模型的该第二参数的值设置为该真实采样值；将所述多个任务中每个任务的真实运行日志输入设置过该真实采样值的机台模型，获得仿真运行日志；基于所述仿真运行日志以及所述多个任务中每个任务的真实运行日志，确定所述机台模型的该第二参数的值。
14、可选地，所述基于所述仿真运行日志以及所述多个任务中每个任务的真实运行日志，确定所述机台模型的该第二参数的值，包括：基于所述仿真运行日志在预设时间段内的部分仿真运行日志，确定所述预设时间段内的仿真任务完成数量以及本文档来自技高网...
【技术保护点】
1.一种机台建模方法，其特征在于，包括：
2.如权利要求1所述的机台建模方法，其特征在于，所述基于所述目标机台的历史运行数据训练所述机台模型，获得所述至少一个第一参数和/或所述至少一个第二参数的值，包括：
3.如权利要求2所述的机台建模方法，其特征在于，所述至少一个第一参数包括：任务在机台上的加工时间函数。
4.如权利要求3所述的机台建模方法，其特征在于，所述历史运行数据还包含所述每个任务在进入所述目标机台的处理仓模块时所述目标机台的机台特征；
5.如权利要求2所述的机台建模方法，其特征在于，所述多个子模型包括机台端口子模型、进出仓子模型和处理仓子模型；
6.如权利要求5所述的机台建模方法，其特征在于，所述每个任务的真实运行日志包含该任务进入所述目标机台的进出仓模块的时间；
7.如权利要求5所述的机台建模方法，其特征在于，所述每个任务的真实运行日志包含该任务进入所述目标机台的多个功能模块中处理仓模块的处理仓进入时间，以及，该任务离开所述目标机台的离开机台时间；
8.一种机台建模装置，其特征在于，包
9.一种电子设备，其特征在于，包括：
10.一种计算机可读存储介质，其特征在于，当所述计算机可读存储介质中的指令由电子设备的处理器执行时，使得电子设备能够执行如权利要求1至7中任一项所述的机台建模方法。
...【技术特征摘要】
1.一种机台建模方法，其特征在于，包括：
2.如权利要求1所述的机台建模方法，其特征在于，所述基于所述目标机台的历史运行数据训练所述机台模型，获得所述至少一个第一参数和/或所述至少一个第二参数的值，包括：
3.如权利要求2所述的机台建模方法，其特征在于，所述至少一个第一参数包括：任务在机台上的加工时间函数。
4.如权利要求3所述的机台建模方法，其特征在于，所述历史运行数据还包含所述每个任务在进入所述目标机台的处理仓模块时所述目标机台的机台特征；
5.如权利要求2所述的机台建模方法，其特征在于，所述多个子模型包括机台端口子模型、进出仓子模型和处理仓子模型；
【专利技术属性】
技术研发人员：周浩，李佳骏，涂威威，
申请(专利权)人：第四范式北京技术有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。