文本
Sam: Moyne 博士，感谢您抽出时间，我非常期待聆听您的见解和专业分析。
James: 请叫我 James 就好。
Sam: 谢谢，James。让我们首先探讨工业4. 0对半导体制造业的意义。总的来说，数据在排程与派工方面究竟有何联系？
James: 好的。智能制造其实是一个涵盖面很广的领域，不仅涉及排程与派工，还包括先进工艺控制、预测性维护、虚拟量测等当今半导体制造中的诸多高科技应用。这种趋势甚至开始渗透到供应链领域，我们不仅要管理上游供应链，还要确保向客户交付产品，甚至可能需要采取诸如潜在良率分析等措施来发现问题。假设在某汽车制造厂，车辆在运输过程中出现故障，我们必须追溯到芯片生产环节来查明问题根源。所有这些都属于智能制造范畴，而机器学习、人工智能和数据分析等技术正是实现这些应用的重要推动力。
排程派工只是其中的一个领域，但智能制造的核心在于纵向与横向的深度集成，这将为排程派工带来巨大裨益。纵向集成是指从传感器、设备、工站控制器，一直延伸到制造执行系统 (MES) 乃至企业资源计划 (ERP) 的全方位贯通；横向集成则涵盖从上游供应链，晶圆厂内部，再延伸到下游客户端的全链路协同。
因此，仔细想想，传统的排程派工系统基本上是从 ERP 系统接收订单，然后传递到制造执行系统 (MES)。它会计算如何分配资源来完成订单，对吧？接着进行排程派工。系统还包含规则，比如当某台设备性能下降时，就切换到其他设备。或者当某台机器的队列长度超过某个阈值时，就需要进行调整。
这主要是基于规则驱动并且很大程度上将工厂视为内部规则集合。它不会太多关注设备在运行控制或故障检测方面的表现，也不会考虑上游供应链的情况——比如某种特定组件是否会短缺，如果我们过度使用某台设备，是否会导致该设备突然不可用？更不会关注下游客户端的反馈，比如客户是否因零件质量不佳而要求减产。
因此，展望未来的智能制造，所有这些要素都将通过驱动数据和数据接口实现横向与纵向的全面整合。当然，这其中还有许多问题需要解决。
先说数据这件事：你得把数据拿到，而且得把它们整到一起。因为很多时候，设备层面用于故障检测的数据，不能只看设备本身；它往往还要和供应链那边的数据合并起来一起分析——这样你才能解决那些会进一步影响计划排程的问题。
