产能管理决策问题正逐步成为半导体加工中最重要的调度决策问题之一。然而,由于其面临不同于传统生产流程的基本特征以及需要考虑较多不确定且复杂的环境因素等困难,该问题较少被人所研究。较少的理论研究致使其成为制约实际生产决策的关键瓶颈因素之一。为了弥补实际需求与理论研究之间的差距,本文致力于求解该问题。由于半导体加工行业中的复杂性,本研究主要利用两类互为补充互相促进的理论方法,即流程柔性理论与随机优化,对问题进行研究。基于半导体产能管理决策问题本身的基本特征,本文重点考虑了具有产能损失的前提条件以及三类具有实用意义的不确定性环境因素,即由产能测试(也称为资质测试)本身所造成的产能损失,由传统因素造成的产能损失以及随机的产品需求。半导体产能测试是半导体加工产业中必要的工艺要求之一,而就性质上而言,半导体产能测试过程本身就是一个不断增加柔性的过程,不需要额外为了增加系统柔性而付出成本。故而,将流程柔性研究领域中的相关理论概念以及设计有效配置结构的指导原则引入进来将有助于合理地解决产能管理决策问题,增加系统绩效,提高服务水平,因而有着重要意义。然而,传统的流程柔性领域里的理论研究没有考虑到因资质测试造成的产能损失等半导体加工产业中大量存在的特征现象,从而使得传统的理论和成果在该领域中失效。本文的主要贡献之一,就是针对于这些特征做了深入的理论分析和扩展,并将相关的流程柔性理论进行了改造,从而适应了实际应用的需要。在此扩展的基础上,本文还提出了有效的设计原则和方法,以用于指导和解决产能管理决策中的结构配置问题。另外,本文关于流程柔性理论扩展的另一个重要贡献在于基于它所开发的启发式算法为后文所设计的随机优化算法提供了一个有效的初始可行解,该初始解的开发将大大加快随机优化算法的收敛速度和求解效率。本文的另一主要贡献就是针对半导体产能管理决策问题提出了一个基于平行机的两阶段随机混合整数规划模型。该模型充分考虑了半导体加工行业中存在的特征,如不确定性等,并采用了可以为问题提供有效近似解的拉格朗日松弛技术以及可以有效求解不可微问题的可替代次梯度算法等,以针对大规模问题。该算法与诸如L型切平面法、拉格朗日对偶分解法等传统的随机优化方法相比,一个主要优势在于其充分利用了产能管理决策问题模型的结构特征,使得其求解效率远远高于传统的算法。另外,该算法允许使用随机变量的全部信息,即概率或密度分布,使得求解更精确。即使某些随机变量的部分信息暂不可得,也可以通过简化的方法来大致估计原问题的近似解。再次,该算法还具有广泛的适用性,只要随机优化模型满足某些特定的结构特征,即可使用该算法,从而用于加快问题的求解效率。