Using evolution strategies to optimize the Flow Factor in semiconductor wafer fabrication

Semiconductor production is arguably one of the most complex processes that can be found in modern industry. In the last decades, it has also one of the most important in- dustrial activities for modern society due to the increasing number of aspects of life that depend on devices equipped with chips. There is a large demand for computing, sensing, and actuating devices across the world which is urging manufacturers to increase produc- tivity to satisfy the demand. Moreover, the trend of digitalizing already existing objects and machines requires manufacturers to differentiate production, thereby introducing a level of complexity in the production process. High complexity and the need for increased production volumes make semiconductor manufacturing a challenging environment that pushes the limit for industrial innovation. The aim of this thesis is to evaluate the effectiveness of an optimization method within the Evolution Strategies (ES) family, a subset of Stochastic Optimization (SO) algorithms, in the context of Work In Progress (WIP) flow management. The method under analysis is the Covariance Adaptation Matrix Evolution Strategy (CMA-ES). Optimization of lot dispatching in semiconductor manufacturing is essential for time and cost-efficient production. In contrast to constraint, mixed-integer, or answer set program- ming, which approach solving the problem in a static way, ES is a method that is used dynamically through the interaction with a industry grade discrete-event simulator (DES) which can simulate with high confidence the complex interactions of several machines and will be used as testing and training environment. The case studies will evaluate the robustness and effectiveness of the method in optimizing Flow Factor (FF) and other main performance indicators in different settings using as benchmark dynamic heuristics designed by experts in the field. The thesis will also compare the advantages and disadvantages of CMA-ES, by considering factors such as computational efficiency, robustness, scalability, adaptability and provide recommendations on which approach may be more suitable for different types of problems and applications.

La produzione di semiconduttori è indubbiamente uno dei processi più complessi che si possono trovare nell’industria moderna. Negli ultimi decenni, è diventata anche una delle attività industriali più importanti per la società moderna, a causa del crescente numero di aspetti della vita che dipendono da dispositivi dotati di chip. C’è una grande do- manda di dispositivi per il calcolo, il rilevamento e l’attuazione in tutto il mondo, il che spinge i produttori a incrementare la produttività al fine di soddisfare la domanda. In- oltre, la tendenza a digitalizzare oggetti e macchine già esistenti richiede ai produttori di differenziare la produzione, introducendo così un livello di complessità nel processo pro- duttivo. L’elevata complessità e la necessità di aumentare i volumi di produzione rendono la produzione di semiconduttori un ambiente sfidante che spinge i limiti dell’innovazione industriale. L’obiettivo di questa tesi è valutare l’efficacia di un metodo di ottimizzazione all’interno della famiglia delle Evolution Strategies, un sottoinsieme degli algoritmi di ottimizzazione stocastica, nel contesto della gestione del flusso di lavoro in corso. Il metodo in analisi è la Covariance Adaptation Matrix Evolution Strategy. L’ottimizzazione della distribuzione dei lotti nella produzione di semiconduttori è essen- ziale per una produzione efficiente in termini di tempo e costi. A differenza di constraint, mixed-integer, or answer set programming, metodi che affrontano il problema in modo statico, ES è un metodo che viene utilizzato dinamicamente attraverso l’interazione con un simulatore a eventi discreti industriale, in grado di simulare con elevata precisione le complesse interazioni di diverse macchine e che verrà utilizzato come ambiente di test e training. I casi di studio valuteranno la robustezza e l’efficacia del metodo nell’ottimizzazione del Flow Factor e di altri indicatori principali delle prestazioni in diverse configurazioni, uti- lizzando come benchmark euristiche dinamiche progettati da esperti del settore. La tesi analizzerà inoltre i vantaggi e gli svantaggi di CMA-ES, prendendo in consider- azione fattori come l’efficienza computazionale, la robustezza, la scalabilità, l’adattabilità e fornirà raccomandazioni su quale approccio potrebbe essere più adatto per diversi tipi di problemi e applicazioni