Les procédés de fabrication des semi-conducteurs sont parmi les plus complexes et les plus coûteux, composés de nombreuses étapes, un parc de machine important et des flux réentrants.

Le contrôle de la production compte deux principales approches que sont la métrologie et la défectivité. La métrologie consiste en des mesures des propriétés physiques et électriques des wafers (plaques de silicium sur lesquelles plusieurs milliers de puces peuvent être créées). La défectivité concerne l'identification de défauts appliqués par une machine de production qui impacteront potentiellement l'ensemble des lots passants par cette machine. Il est donc capital d'identifier des dysfonctionnements au plus vite afin de limiter la propagation de ces défauts et donc les pertes (en plaques ou en puces par plaque). La sélection des lots à mesurer (le "sampling") peut être effectuée de manière statique, adaptative ou dynamique.

Le travail présenté concerne l'identification dynamique des (ensembles de) lots à diriger vers l'atelier de défectivité pour minimiser un indicateur décrivant le niveau de risque global de l'atelier de fabrication.

Dans le cas théorique, l'utilisation de cet indicateur induit des propriétés qui se trouvent remises en question lorsque l'on considère les contraintes industrielles. Dans notre cas d'usage, plusieurs flux de lots convergent à l'atelier de défectivité relevant de décisions indépendantes. Suivant la technologie et l'étape de fabrication, les mesures de défectivité doivent s'effectuer sur des familles de machines d'inspection différentes. Chaque famille ayant une capacité de mesure limitée, une contrainte sur la sélection des lots (en nombre de lots ou en temps/machine) est à considérer.

Nous avons adapté et implémenté des algorithmes bien connus de la littérature à la sélection dynamique de lots à notre problème.

Des résultats concernant différents scénarios et plusieurs algorithmes (branch-and-bound, greedy, add/remove..) appliqués à des instances industrielles seront comparés et discutés.