晚餐接機大作戰(半導體廠製程排程): AI 協同軟體開發

半導體工廠中包含各種機台，EUVL,以及備料，封裝（包含CoWoS)

這些製程中發生的排程，如何優化產出（throughput)，減少機台怠機時間，縮短風險路徑（critical path)，以及容許有限度風險不確定性。

機器人可用於排程

Dinner Operation vs. Semiconductor Fab Scheduling Optimization

Scheduling Parallelism in Plans problem  (Eng) (from source)

From python to svg

Try ChatGPT o1, Claude

Try smart search. Prompt Claude to generate A* search Algorithm

Generate code base by using Claude Sonnet 3.5 (better than ChatGPT o1)

To run Python, use Google Colab

Tweak the program by trials and errors 

Visualize results as Python can generate complex states

state 

Dashboard

flow

Debug, Cleanup, Optimized by ChatGPT o1

最佳解 最高的平行度，throughput 高，idle time 減少，critical path 短

次佳解 因為James 似乎太奔波了，剛從機場回來，馬上得回去剛才的機場接人

在工廠等於也就是機器人來回運動，但是沒有產出

次佳解 Sarah 好忙，先烤火雞，換手給機場回來的 James，然後去機場接Emily，James 接手烤火雞，idle time 過長，而且造成沒有必要的 switchover 

                                                                            

 我將分享一篇關於處理現實世界排程問題的智慧代理式人工智慧論文。我不會著重於總結論文內容或解釋其數學原理，而是要帶各位了解如何運用當前可用的人工智慧工具來解決論文中的問題。

首先，我會展示為什麼 ChatGPT o1 的先進推理雖然能得出可行解，但無法獲得最佳解。接著，我會說明為什麼人工對程式的調整仍然很重要。最後，我將展示如何實現平行運算，以及如何實現智慧代理式人工智慧。

I will share the following paper focusing on agentic AI that deals with real world scheduling problem (for example those in foundries). Instead of summarizing the paper and explaining its mathematics, I will guide you through the details how the problem is the paper can be solved using AI tools available right now. I will first show why ChatGPT o1 reasoning cannot get an optimal solution although it works out a feasible solution. Then I will demonstrate why human tweaks on the program still mater. Finally, I will show how parallelism is implemented and agentic AI is achieved.

AI 可以生成 OK 解

Human 可以進一步優化

碰到瓶頸可以用AI

找到最佳解(Lucky)

More to explore

Solving river crossing puzzles

• Puzzle 1
• Puzzle 2
• Puzzle 3