随着制造业从大规模生产模式向智能制造模式转变,产品的生命周期时间越来越短,而市场对各种产品的需求量也越来越大,短周期大需求下导致生产系统也越来越复杂,生产过程中的不确定性因素也越来越多。为了解决生产过程中的不确定性,防止设备突发故障或随机断供等事件的连锁效应,生产过程中通常会保留一些在制品库存,但在制品库存数量过大会导致较长的生产周期,而半导体的需求者要求交货期较短。因此,在半导体生产线中,在保证生产速率的同时,需要保持合理的在制品水平。本文以国家自然科学基金项目“基于变动性的半导体制造系统性能预测与优化方法研究”(批准号:71671026)为依托,以半导体芯片封装测试生产线为研究对象,对整个生产线在制品的分布进行优化。首先根据约束理论分析瓶颈识别的重要性,采用本文研究对象所适用的多个指标建立综合瓶颈识别指标体系,在综合瓶颈识别指标体系基础上采用TOPSIS方法来计算瓶颈度。在瓶颈识别方案建立后,以某半导体封装测试生产线为例进行实践,获取原始加工数据,得到每个指标的值,建立初始决策矩阵,计算每个工站的瓶颈度,找到瓶颈工站,并通过Arena仿真验证瓶颈识别的准确性。由于生产线的瓶颈并非一成不变,随着生产线的运行会出现瓶颈漂移的现象,对此分析导致瓶颈漂移产生的因素,并对影响瓶颈漂移的变动性因素进行量化,在变动性量化基础上再次对瓶颈识别指标进行计算,构建瓶颈漂移预测模型。仍以半导体封装测试生产线为例,获取历史停机数据,计算各工站加工变动性及流动变动性结果,通过Arena仿真验证了变动性度量模型得到可用性,并求解变动性因素影响下的瓶颈识别指标及瓶颈度,预测得到漂移后的瓶颈工站。在前面瓶颈工站已经找出的基础上建立以相邻工站之间非增值时间最小及最小化相邻工站瓶颈度差距为约束的最优批量分割模型,使得工站之间生产节奏相近,避免在制品堆积。在批量分割模型建立后,对半导体芯片封装测试生产线应用该模型,并分析在传统方式下的在制品水平分布及批量分割后的在制品水平分布,得到批量分割后的在制品水平在生产线各工站分布优化的结果,并通过Arena仿真验证模型的可用性及优化效果。