• 联系我们
  • 订阅

使用 SmartFactory 派工解决方案,让产出增加5-10%

集成 SmartFactory 排程和派工解决方案,让生产效率再提升 3-5%。

作者: Madhav Kidambi, Director, Technical Marketing, Automation Products Group

Improve Throughput by 5-10 Percent Using SmartFactory Dispatching Solutions
在半导体厂,“排程”和“派工”这两个术语通常是混用的。 在本篇博客中,我将借助语境定义这两个术语、概述与它们有关的常见误解和挑战、强调部署集成的排程和派工的价值。

排程:批次分配

在本篇博客中,排程指将批次分配给特定区域的一组给定设备。 批次分配是基于当前和预测的批次到达,以及当前和未来的设备状况。 制造商通常以 12 小时为单位创建班次排程表,每隔 10-15 分钟生成一份排程表。 通常,对瓶颈设备或具有复杂处理要求的区域实施排程解决方案。 具体例子包括光刻、湿刻/扩散、真空室设备、测试仪等。 排程解决方案可以基于优化方法,也可以基于启发式方法, 这两种选项都有助于提高产出。 众所周知,与启发式方法相比,以优化为基础的方法可使得产出多增加 3-5%。 关于产出提升的详细信息,请参考这篇 Michael Förster介绍英飞凌技术 的博客,了解他们如何利用 SmartFactory 集成解决方案优化生产效率。

派工:批次序列

派工 在本篇博客中,派工指特定设备上实时处理的批次序列。 派工规则在全厂范围内实施,且通常作为全厂和本地规则实施。 全厂规则包括能够管理客户承诺的产线平衡逻辑,本地规则包括优化给定区域(如光刻)产出的附加逻辑。

误解

一个常见误解是,为特定设备创建处理批次序列时,派工规则不理解上游和下游 WIP/设备的情况。 我们的 SmartFactory 派工解决方案整合了上游和下游 WIP 的工况,同时整合工厂的当前和未来状态,以便实时创建派工单。 按照当前的产能,我们的派工解决方案可视作为“实时排程”,而排程解决方案可视作为“近实时排程”。 表 1 总结了计划、排程和派工解决方案之间的区别。
Final Figure
表 1:计划、排程和派工解决方案的范畴

一个更常见的误解是,您只需要排程解决方案,而不需要派工解决方案。 通常,工厂每隔 5-15 分钟生成一份排程单。 而在此期间,工厂车间会发生许多变化。 设备状态可能会改变,某个批次可能会被暂停,或一个合格设备的流程可能会受到限制。 Govind 等人在关于近实时排程和派工的论文中,通过数据说明某个区域的状态变化频率1。 根据该数据,50% 的变更在不到<5 分钟内发生,80% 的变更在不到<15 分钟内发生。 鉴于上述发生的变更情况,公布的排程表对车间意味着不明确、不一致的决定。 部分挑战在于:

  • 手动调整。 执行 5-15 分钟间隔旧排程表的操作员,试图为该设备选择批次,却发现该批次现已暂停。 而屏幕上的为下一批次安排的设备则刚刚下线。 在这种情况下,操作员现在必须手动调整。 这种调整导致产生了更多手头有WIP的闲置设备,影响了产出和生产周期。
  • 排程单响应性。 发布的排程表无法实时响应以恢复关键良率的偏移。 在这种情况下,工程部门需要立即限制某些设备,并“在可能的情况下”将工作输送到黄金设备上。
  • 自动化运输。 在使用高架轨道 (OHT) 系统、自动导向车 (AGV) 或其他类型机器人进行自动化运输的工厂中,自动化运输系统经常无法将批次交付给正确的设备,导致大量异常处理场景,及出现设备空窗期的情况。

为克服这些挑战,需要集成的派工解决方案。 在制造商实施排程的区域,派工规则试图遵循排程结果,但由于前面提到的一些挑战,派工规则根据工厂实时状态调整排程结果。 图 1 显示 SmartFactory 集成的派工解决方案如何实施。

Final Table1
图 1:执行集成的派工和排程解决方案

部署集成的排程和派工解决方案可以确保:

  • 采用一致、基于启发式的方法对工厂中的动态事件进行实时调整。
  • 各项规则以快速逻辑执行时间(以秒为单位),结合全球和本地参数,实现最低的生产效率。
  • 当规则变得太复杂而无法提供最佳路径时,在高度受限区域实施排程可以提供额外价值。
  • 每个领域都与工厂目标和关键指标一致、紧密地关联起来。

使用 SmartFactory 派工解决方案的客户,通过集成这些解决方案,产出增加了 5-10%,生产效率又提升了 3-5%。[1]

参考

[1] Operations Management in Automated Semiconductor Manufacturing with Integrated Targeting, Near Real-Time Scheduling, and Dispatching, Nirmal Govind, Eric W. Bullock, Linling He, Bala Iyer, Murali Krishna, and Charles S. Lockwood, IEEE TRANSACTIONS ON SEMICONDUCTOR MANUFACTURING, VOL. 21, NO. 3, AUGUST 2008

关于作者

Picture of Madhav Kidambi, Director, Technical Marketing, Automation Products Group
Madhav Kidambi, Director, Technical Marketing, Automation Products Group
Madhav has been working in the semiconductor industry for the past 24 years in the areas of simulation modeling, dispatching /scheduling, and factory automation systems. He has led the deployment of the Dispatching and Full Auto solutions at numerous 200mm and 300mm front end manufacturing sites. He has also helped deploy scheduling and planning solutions from Applied Materials. Prior to joining Applied Materials, Mr. Kidambi worked at Infineon, Qimonda, and Spansion. He is currently leading the product management group for factory productivity and supply chain solutions within Applied Materials Automation Products Group. He has an MS in industrial and systems engineering from Virginia Tech University and a BE in mechanical engineering from VNIT, India.