晶圆厂的“空中交警”：AMHS搬送系统详解

一片晶圆的城市漫游

想象一下，你是一片12英寸晶圆，刚刚在光刻区完成了一层电路的刻画。接下来，你需要被送到刻蚀区、再到沉积区、再到清洗区……整个制造流程走完，你要经历数百道工序，在上千台设备之间往返穿梭。

而你脚下，没有路。

你头顶，是一条纵横交错的空中轨道。一辆辆天车（OHT）以每秒数米的速度飞驰而来，精准地停在设备上方，抓取你，然后汇入车流，在无数个岔路口做出选择，最终把你安全送到下一站。

问题是：这座“城市”里有几百辆天车同时运行，轨道总长可达数十公里。如果没有一套聪明的调度系统，结果只有一个——空中大堵车。

这就是AMHS（Automated Material Handling System，自动化物料搬送系统）要解决的核心问题。

AMHS并不只是“天车跑腿”那么简单。一套完整的AMHS包括：

在一条月产能10万片的先进晶圆产线上，AMHS每天要完成数十万次搬送任务。搬送效率每提升1%，对应的产能收益可能就是数千万元级别。

这也是为什么，AMHS被称为晶圆厂的“血液循环系统”——它一旦堵塞，整座工厂都会“缺氧”。

直觉上，给天车规划路径，就是找最短路线。但在实际产线中，最短路径往往不是最优解。

原因有三个：

第一，轨道是单向循环网络。 很多晶圆厂的OHT轨道设计为单向行驶，天车不能掉头。这意味着从A到B的最短路径，可能因为方向限制而根本走不通。

第二，拥堵是动态的。 某条轨道当前空闲，不代表30秒后还空闲。如果所有天车都走最短路径，热门路段必然瘫痪。

第三，搬送有优先级。 光刻区的晶圆可能比清洗区的更紧急，调度算法需要区分任务等级。

因此，现代AMHS的路径优化，本质上是一个动态加权图搜索问题。系统会实时计算每条路段的“代价”——不仅包括物理距离，还包括当前车流密度、历史拥堵概率、任务紧急程度等因子，然后用改进的Dijkstra或A*算法求解最优路径。

路径规划解决了“往哪走”，避碰调度解决的是“怎么不撞”。

天车在轨道上的碰撞风险主要有三种：

传统方案依赖区间锁——每段轨道同一时间只允许一辆车占用。但这种方式效率低，尤其在岔道密集区域，天车频繁等待，吞吐量急剧下降。

更先进的方案采用动态防撞曲线。系统根据每辆天车的速度、载重、前方路况，实时计算一条“安全制动曲线”。只要前车不侵入后车的安全曲线范围，就可以持续行驶，无需停车等待。

这背后的核心挑战是通信延迟。天车在移动中，位置信息通过无线网络回传，延迟通常在50-100毫秒。调度系统必须在这个时间窗口内完成冲突检测和指令下发，否则“安全曲线”就会失效。

在AMHS领域，吉之星积累了一套从调度算法到系统集成的完整能力。

在路径优化方面，我们开发了基于滚动时域优化的调度引擎。与传统静态规划不同，该引擎每隔200毫秒重新评估全厂天车分布和任务队列，动态调整路径分配。在某半导体客户的实际产线中，这套系统将平均搬送时间缩短了18%，高峰时段的拥堵等待时间下降32%。

在避碰调度方面，吉之星采用分布式协同架构。每辆天车具备本地避碰决策能力，同时与中央调度系统保持协同。即使无线通信出现短暂中断，天车也能依靠本地传感器和预设规则安全运行。这套架构的冲突检测响应时间控制在20毫秒以内，远低于行业平均水平。

在系统集成方面，吉之星将AMHS与数字孪生平台深度结合。通过构建全厂轨道和天车的虚拟镜像，我们可以在不影响实际生产的前提下，模拟不同调度策略的效果，提前发现潜在瓶颈。某客户在扩产前通过我们的数字孪生仿真，识别出3处轨道瓶颈，在施工阶段就完成了优化，避免了投产后的产能损失。

AMHS的调度问题，本质上是一个大规模多智能体协同问题。传统算法在规则明确时表现优异，但面对突发状况——设备宕机、轨道维修、紧急插单——往往需要人工干预。

强化学习正在改变这一局面。通过让调度算法在仿真环境中反复试错，系统可以学会人类调度员难以总结的“隐性经验”。比如：什么情况下宁可让天车绕远路，也要避开某个区域；什么情况下短暂排队比分散行驶更高效。

另一个方向是预测性调度。结合设备状态数据和历史搬送记录，AMHS可以提前预判未来几分钟的搬送需求，提前把空车调到热点区域附近。这就像出租车司机在演唱会散场前提前赶到场馆门口——不是等订单来了再出发，而是让运力主动靠近需求。

晶圆厂的“空中交警”，正在从被动响应走向主动预判。而这背后，是算法、通信、控制、仿真等多学科工程能力的综合较量。吉之星将继续深耕这一领域，让每一片晶圆的空中之旅，都更快、更稳、更聪明。