月度归档： 2024 年 12 月

晶圆厂中，每时每刻都有数百个满载晶圆的FOUP穿梭于复杂的物流搬运系统中，依靠天车、Lifter、AGV等多维度搬运设备运输。这些设备就像工蜂，在多层的生产空间中来回奔波，年复一年，默默的完成着繁重的搬运工作。在这一庞大而精密的系统中，MCS承担起了“蜂后”的重任，通过直接或间接的控制，从宏观层面巧妙指挥每一台AMHS设备协同作业，奏响高效率、高良率、高智能的交响乐。

而AMHS设备的路径规划其实可以简单理解为求解图中两点之间最短距离（当然这是在忽略规模和复杂度的情况下）。随着半导体制程的不断进步，晶圆厂的生产面积日益扩大，物料搬运复杂程度也在不断提升，寻路算法也从简单直接逐渐发展为复杂多样。作为AMHS设备控制的核心，MCS通过调控下级OCS、LCS等系统来协调和调度全部物料搬运网络。天车作为FOUP搬运的绝对“主力”已成为大型晶圆厂必不可少的关键，但如何通过MCS-OCS系统高效、智能管理和调度成千上万台天车，成为每个晶圆厂无法回避的重要课题。

▲MCS-OCS系统控制所有天车运行

01 寻路算法的迭代

早期的路径规划较为简单，通常是基于静态地图进行路线选择，它优点是计算速度较快，能够满足一些基础的路径选择需求。然而，这种算法需要假设厂区的交通状况和设备状态为理想情况，且不考虑交通拥堵、设备故障或生产排程的变化，具有有明显的缺陷，导致天车在运输过程中可能遇到不必要的交通阻塞，降低了生产效率。

▲数据结构“图”

后来天车系统的路径规划逐渐转向更为精确的图论算法，尊芯采用的Dijkstra算法成为了路径规划的关键。

Dijkstra算法是一种经典的最短路径算法，最早由荷兰计算机科学家Edsger W.Dijkstra于1956年提出。该算法采用动态规划的基本思想，从起点出发，逐步寻找到达各个节点的最短路径，并最终找到从起点到终点的最短路径。在晶圆前道制程中，天车的可用性、设备的状态和路径的交通情况会随时发生变化。通过实时更新路径图，Dijkstra算法能够根据当前的生产和交通状况重新计算最短路径，保证天车始终能够选择最优的行驶路线。

但仅依靠Dijkstra算法仍会有局限性——这条路最短，那它的权重始终为最大，若被多量车选中“堵车”也就无法避免。因此越来越多的晶圆厂希望OCS系统可以更多的考虑设备负载、搬送天车选择以及生产排程等参数，来进一步“榨干”天车的搬运能力。

02 机器学习与算法优化

在解决生产排程问题时，过去曾使用过数学规划、调度规则、专家系统和邻域搜索等多种方法。尽管它们也取得了一些成果，但在应对生产中不可预测的事件时仍显得力不从心。尤其在机器故障、临时插入的紧急任务以及任务日期的调整时都可能影响排程的准确性和效率，难以与复杂多变的实际情况完全契合。为了解决这一问题，工程师开始引入机器学习技术，以强化现有寻路算法。

▲人类思考与机器学习算法对比

前面提到，Dijkstra算法本质上是一种基于图论的最短路径算法，但在晶圆制造过程中，路径距离并不是唯一因素。在这一方面，尊芯通过引入了机器学习技术来提升天车路径规划的智能化和自适应能力。

通过对大量历史数据的学习，机器学习能够识别和提取影响路径选择的复杂模式和潜在关系。更关键的是，厂区中的每一条路径、每一台设备和每一个生产任务都受到特定生产环境的影响，使得路径的优化不仅仅是一个单纯的算法问题，更是一个复杂的工程实践问题。尊芯的核心技术团队拥有丰富导入经验，掌握know-how能力，这可以帮助机器学习系统在开始时识别出重要的特征，并通过反馈机制不断迭代优化。

例如光刻与刻蚀需要严格的时间衔接。由于光刻机数量较少且工艺处理时间长，因此设备负载较高，还有一点就是光刻工艺要求在设备间快速切换批次，光刻后需要尽快将晶圆运输至下一工艺阶段，也就是刻蚀。

刻蚀紧随光刻之后，但其处理时间和设备需求度明显低于光刻，不同批次晶圆还可能各自需要“湿法”与“干法”处理，这会导致刻蚀时间产生波动，进而导致两道工艺之间的空闲时间难以准确预测（如果考虑到设备的维修周期过程还会更复杂）。

机器学习可以当系统预判到光刻设备即将完成一批次的处理，且刻蚀设备尚未空闲时，系统可以通过学习历史数据来选择一个更优化的路径，而不单纯依赖于最短路径。因此结合工程师know-how与机器学习的寻路算法能进行流量预测和动态调整路径，避免传统算法的不稳定与低效。

03 引入分布式架构

传统的分层集中调度方法中，MCS系统负责整体的物流调度和任务分配，OCS负责执行MCS的指令，并进一步将任务细化到每台天车，并控制天车寻路。当天车数量超越500台时，OCS系统将面临巨大的计算压力和通信瓶颈，导致延迟增加，系统的响应速度变慢，甚至可能出现卡顿或系统崩溃的情况。

为了解决传统架构出现的问题，尊芯将分布式计算架构与智能化调度算法相结合，在天车控制的实时性、可扩展性上有了大幅改善。分布式计算架构将任务分配到多个计算节点，由多个处理单元并行运行，不再依赖于单一的中央计算资源，能够显著降低计算延迟，提高系统的整体响应速度。

目前物流行业中已有多家企业采用分布式架构来优化仓储管理系统，将库存数据和处理任务下发到各个计算节点，每个节点负责局部区域的库存管理和路径规划，这样能避免单点故障，并提高计算效率，大大提高了整个系统的吞吐量和可靠性。

▲尊芯独有VCU架构

在半导体晶圆厂的AMHS中，引入分布式架构的优势更为突出。尊芯在已有强大智能算法加持下，将原本OCS负责的寻路权限下放到每台车体中的VCU（Vehicle control unite）上，小车可以自行根据终点与当前位置智能寻路。

尊芯还创新性的将寻路与运动控制权分离，VCU仅需要寻路，运动控制则交由内置车体中的ZMC（ZUNXIN Move Controller）完成，进一步释放系统潜力。

相比于传统架构，尊芯的每台天车都可以基于实时数据和交通状态来快速调整自己的任务路径，而不需要等待OCS系统的决策反馈，从而大幅降低了系统的延迟。该方案大幅提高了寻路计算效率与系统承载力，满足复杂和动态的生产环境需求，确保系统能够高效处理千台天车。

此外，依托尊芯还将智能调度算法与负载均衡策略结合来合理分配任务，避免某些天车过载，有的天车“摸鱼”，降低系统运行成本。

总结

随着人工智能技术的发展，未来尊芯采用的分布式架构有望进一步通过AI优化路径规划和任务调度。

随着半导体行业的进一步发展，AMHS行业也在逐步变革，从最初的简单路径规划到如今采用基于机器学习的改进Dijkstra算法先进技术，极大的提升了路径规划和晶圆厂的生产效率。这场变革浪潮中，尊芯凭以卓越的技术水平与研发能力，成功应对复杂的晶圆厂生产环境，毫秒之间，智控千机，全面推动半导体制造向智能化、自动化迈进。

2024年12月6日，第三届创业安徽大赛在安徽合肥隆重举行，尊芯凭借核心项目《面向半导体晶圆厂的国产自动物料搬送系统（AMHS）的研发及产业化》在众多参赛项目中脱颖而出，荣获省外（海外）赛区铜奖。

▲第三届创业安徽大赛颁奖现场

省级创新创业舞台

第三届创业安徽大赛是安徽省人力资源社会保障厅主办的重点赛事，吸引了全球范围内4300余个优质项目参赛，涵盖京津冀、长三角、粤港澳以及海外等多个赛区，参赛项目涉及战略性新兴产业和先进制造业集群，科技含量较高，经过层层选拔，最终仅有20余个项目获得奖项。

本次大赛还吸引了众多社会资本与行业专家的关注，并通过资本对接会和集中签约，为优秀创业项目提供了产业化和商业化的全方位支持。尊芯获奖，彰显了社会各界对尊芯市场前景的高度肯定。

专注半导体晶圆厂的国产AMHS系统研发

尊芯此次参赛的项目为《面向半导体晶圆厂的国产自动物料搬送系统（AMHS）的研发及产业化》。AMHS系统是12吋晶圆制造中不可或缺的关键设备，承担着晶圆在生产过程中从前端生产工序到后端封装测试的全程搬运任务，对生产效率、工艺稳定性和产品良率产生重要影响，但目前国内90%以上的AMHS市场仍被日企垄断。尊芯AMHS系统实现了覆盖硬件、软件以及整体解决方案的全栈自主研发，突破AMHS市场垄断。项目的核心优势包括：

超大规模设备控制能力：尊芯自主研发的MCS系统能够高效管理超过1000台天车，支持复杂的路径规划和3D画面显示实时调度。

分布式架构：通过在天车中嵌入VCU与ZMC（车辆控制单元&尊芯运动控制模块），实现天车自主路径规划和运动控制，大幅降低MCS系统负载，提升运行效率。

国产化与高可靠性：尊芯打破了国外厂商对AMHS核心技术的垄断，提供更具性价比的解决方案，同时兼顾高稳定性和适配性，适应国内多样化的Fab需求。

安徽省近年来在半导体产业领域发展迅猛，以合肥长鑫、晶合集成、京东方为代表的众多大投资半导体项目的落地推动了安徽半导体产业链的快速成熟。作为国内领先的AMHS企业，尊芯高度重视以合肥为产业核心的安徽市场，本次获奖将进一步深化与安徽地区产业链的合作，推动区域半导体产业的高质量发展。

未来，尊芯将继续坚持自主研发，大力推动国产AMHS系统的发展进程，为国内半导体制造业的发展贡献更多力量。