在我之前担任自动化物料搬运系统 (AMHS) 经理和自动化技术开发负责人期间，我参加过晶圆厂的“运营总结”会议，每位模块负责人需提出影响晶圆厂运营的相关问题。 在那些会议中，当处理三家不同的半导体公司的工作时，我发现这些不同的晶圆厂之间的一个共同之处——数据 可视化的一致性问题。 他们的数据存在一些共性，其中包括晶圆厂 30 天报告，显示每小时搬送 (MPH)、总搬送时间、随时间推移的 Paretos 警报以及按 bay 排序的存储利用率。
本文着重介绍 30 天的 AMHS 报告。 目的是在一张 30 天趋势价值图表上，一目了然地看出共性和异常情况。 图 1 是我在大多数晶圆厂看到的典型的图表报告。
图 1 中的图表报告由 x 轴、右轴和左轴构成，具体定义如下。
- 底部的 x 轴表示回顾的时间，在本例中为 24 小时搬送统计数据的 30 天趋势。
- 右轴显示通过消除异常值（顶部 5% 的时间）得到的平均搬送时间和第 95 百分位数搬送时间。 这在图中用两条折线表示，是 AMHS 优化中最基本的 KPI 指标。 它是工厂中存储优化效率和搬送的派工产能的滞后指标。 当然，关注的重点放在搬送时间趋长的异常值上。 这些趋势通常需要在运营总结会议中向管理层解释说明。 异常值有时与即将上线的新设备或 AMHS bay 相关，通常表明需要更好地组织上游存储地点或改进排程逻辑，以确保物料存储在更靠近设备的地方，从而缩短搬送时间。
- 左轴显示每 24 小时总搬送量 (MP24)，用一个叠加图显示三种搬送类型：储料机-储料机、储料机-设备以及设备-设备。 叠加的总数表示在 24 小时内的总搬送数。 叠加图是有趣的可视化数据，因为我们可以从中获取随时间推移的搬送类型趋势的线索。 例如，有些日期送入存储的量明显增多，而另一些日期向设备的搬送量更大。 这些趋势通常与工厂特定的里程碑相一致，可以根据需要突出显示。
解释这些图表元素——MP24、日均搬送时间以及 30 天趋势——十分重要，因为这样我们就能意识到它的价值。 例如，某位晶圆厂经理可能想知道，为什 19-Sep 么与其他日子相比 ，9 月 19 日的平均搬送时间飙升，这里您可以向运营团队回答具体原因，比如新产品导入 (NPI)、初制晶圆运行新测试或新 bay 上线。 通常，第 95 百分位数搬送时间与平均搬送时间之间的差距还可能表明，在特定日期可能出现了瓶颈，或某些偶发干扰导致了此事件，这可以在每日趋势中查看。
第1步 – 搬送分析
我们需要首先定义什么是搬送，并从 AMHS 的角度清楚理解构成一个搬送的所有要素。 图 2 显示了在一座 300mm 半导体工厂中进行搬送的详细拆解——从最初申请到搬送完成。
在图 2 中，总搬送时间是发生的几个事件的合并，尤其是等待分配、检索和搬送时间的总和。 另一个关键点是搬送的定义。 搬送从请求制造执行系统 (MES) 搬送开始，以天车 (OHT) 的搬送完成事件为结束。 这里要特别指出的是，从储料机到设备的搬送是一次整体层面的完成搬送（从 MES 的角度来看），同时意味着我们会有两次微设备搬送（一次从储料机，一次从天车）。 区分 MES 搬送和设备搬送是我们如何在物料控制系统 (MCS) 统计数据表中存储此信息的关键所在。
第2步 – 数据组织
接下来便是这一切的秘密武器——数据组织。 CLASS MCS 5 数据存储结构（如图 2 中的搬送拆解示意图所示）将全部包含在一个名为 SCARMOVE_SUMMARY 的表格中。 此表列出了我们客户用户组给出的意见和反馈，其中我们达成统一的存储组织策略。 该表格类似于如图 3 所示的表格。
此表会列出搬送的所有相关元素：MES 请求时间、载具分配时间、到达时间、搬送时间、命令 ID 等等。 需要构建这类图表的工厂数据分析师很快就会意识到其价值。 一份表格即可集中列出搬送拆解步骤中的所有数据，是 SmartFactory Material Control (CLASS MCS 5) 的独特成果。
第3步 – 数据可视化
近年来，我们的客户一直在寻求这项报告功能，现在，用于创建此图表的 APF 模板将于 2023 年 3 月随 MCS 5.14 版本一起提供。
准备好联系我们，了解更多有关此图表或其他图表的信息以提高生产效率吗？
