基于深度强化学习的半导体制造Q-time控制方法

本发明提供基于深度强化学习的半导体制造Q‑time控制方法，涉及半导体技术领域，包括获取工艺参数、设备状态、工序间等待时间和批次信息，输入到基于双重深度神经网络的深度强化学习模型中，计算Q‑time违规风险度，并选择调度动作；该模型采用包含Q‑time违规惩罚、生产效率奖励、设备利用率奖励和批次平衡奖励的综合奖励函数进行训练；最后，多目标优化决策模块根据实时监控数据和选择的调度动作，综合考虑产能最大化和Q‑time违规最小化生成调度指令，动态调整工序安排。