CN101910962A - 瓶颈装置提取方法以及瓶颈装置提取辅助装置 - Google Patents

瓶颈装置提取方法以及瓶颈装置提取辅助装置 Download PDF

Info

Publication number
CN101910962A
CN101910962A CN2008801230249A CN200880123024A CN101910962A CN 101910962 A CN101910962 A CN 101910962A CN 2008801230249 A CN2008801230249 A CN 2008801230249A CN 200880123024 A CN200880123024 A CN 200880123024A CN 101910962 A CN101910962 A CN 101910962A
Authority
CN
China
Prior art keywords
production
unit
bottleneck
time
manufacturing installation
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN2008801230249A
Other languages
English (en)
Other versions
CN101910962B (zh
Inventor
野中洋一
阿蒂拉·伦杰尔
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hitachi Ltd
Original Assignee
Hitachi Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Hitachi Ltd filed Critical Hitachi Ltd
Publication of CN101910962A publication Critical patent/CN101910962A/zh
Application granted granted Critical
Publication of CN101910962B publication Critical patent/CN101910962B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
    • G05B19/4184—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by fault tolerance, reliability of production system
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/45—Nc applications
    • G05B2219/45031—Manufacturing semiconductor wafers
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Human Resources & Organizations (AREA)
  • Quality & Reliability (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • Automation & Control Theory (AREA)
  • Game Theory and Decision Science (AREA)
  • Manufacturing & Machinery (AREA)
  • General Engineering & Computer Science (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • General Factory Administration (AREA)

Abstract

本发明提供一种瓶颈装置提取方法以及瓶颈装置提取辅助装置，其是关于确定由于具备多工序的生产导致装置的生产能力变化的问题、以及多品种混合生产导致装置的生产能力变化的问题，发生了生产能力降低的装置是哪个装置这一课题，考虑生产变化的工序间相互影响来确定成为损害生产性的根本原因的装置的方法和系统。其具有：故意使各装置生产能力变化，模拟对生产系统全体的影响的手段；测量通过该模拟而表现出的生产变化的工序间相互影响的手段；以及根据该测量结果确定成为损害生产性的根本原因的装置的手段。

Description

瓶颈装置提取方法以及瓶颈装置提取辅助装置
本申请主张于2007年12月27日提交的日本专利申请第2007-335594号的优先权，其内容通过参照而并入本申请。
技术领域
本发明涉及，关于半导体元件、磁存储装置、平板显示器、印刷基板等电子设备产品，以及汽车、电梯、扶梯、建筑机械等工业机械产品，制油、制药、食品加工等的连续加工品等产品，提高由多个工序构成的生产系统的生产效率的方法以及系统。
背景技术
半导体元件、磁存储装置、液晶显示器、等离子体显示器、印刷基板等尖端设备产品，由于种类的多样化和短寿命化，当务之急是确立多品种少量生产体制。在成为这些尖端设备产品的生产的核心的制造中，重复进行在晶圆或玻璃基板等原材料上涂布感光性物质，使用曝光装置烧熔在掩膜上描绘的电路图形来形成电路图形的作业。为了重复该电路图形的形成，生产系统采用了作业车间(job shop)形态，其由数百个以上的工序构成，另外，一个装置具有多个工序，一个工序由具有同样功能的多个装置构成。而且，一个装置故障，与电路图形的层叠数成比例地影响工艺品质，因此会如实地影响产品成品率。
为了通过这样的大规模且容易改变的作业车间型生产系统确立多品种少量生产体制，必须形成持续的生产性提高活动的结构，该结构早期确定材料的品质变化、操作者的错误、装置的生产能力降低等损害生产系统的生产性的根本原因，迅速应对来解决问题。
特别是关于装置的生产能力降低，除了故障等突发事件以外，存在由于装置的具备多工序的生产或多品种混合生产导致生产能力变化的问题。例如当把生产能力设为单位时间的生产数时，当装置X中品种A的工序P中的处理时间为1小时，相同装置X中相同品种A的工序Q中的处理时间为2小时时，与工序P对应的装置X的生产能力为1个/小时，与工序Q对应的装置X的生产能力为0.5个/小时，二者不同。另外，当装置X中品种A的处理时间为1小时，品种B的处理时间为2小时时，与品种A对应的装置X的生产能力为1个/小时，与品种B对应的装置X的生产能力为0.5个/小时，二者不同。并且，当由于所述成品率的变化等原因，发生未预料到的半成品(Work In Process，WIP)的数量变化时，存在：(1)由于具备多工序的生产，装置的生产能力变化的问题；和(2)由于多品种混合生产，装置的生产能力变化的问题。这样，在作业车间型的生产系统以及多品种少量生产的生产系统中，由于所述(1)(2)的问题而发生未预料到的装置的生产能力降低(瓶颈)，成为阻碍生产系统的生产性提高的主要因素。
关于生产系统的生产性提高，作为确定由于所述(1)(2)的问题而发生了生产能力降低的装置的方法，存在如下现有技术。
在专利文献1中，以定量地评价生产系统的瓶颈状态并确定变化的瓶颈工序为目的，提出了作业车间型生产线的物流瓶颈诊断方法。该方法计算作业车间内的各装置的单位时间的生产数量(吞吐量)和生产系统全体的吞吐量的相关系数，将该相关系数针对每个装置进行图表化，在装置彼此间进行比较，由此确定处于瓶颈状态的装置。
在专利文献2中提出了如下方法：实时监视生产系统的吞吐量及其变化，判断装置的吞吐量相对于生产系统全体的吞吐量是否为既不多也不少、或者吞吐量变化是否不大。并且提出了把有问题的装置视为瓶颈装置，在有问题时对投入该装置的WIP加以限制的方法。
在非专利文献1中提出了，基于排队论中的到达频率分析，对以一个装置为对象的生产变化的程度进行分类的方法。并且，归入生产变化大的分类的装置，被定义为生产能力不足的瓶颈装置。
在非专利文献1中提出的统计分析方法、即CV(Coefficient of Variation)分析方法中，使用系数C将吞吐量或WIP的变化等生产系统内的一个装置的性能变化定量化。系数C成为数学式1那样将标准偏差s除以平均值r而得到的值。
(数学式1)C＝s/r
使用该系数C的值，把生产变化分类为：变化小到可以忽略的程度的状态LV(Low Variability)、容易发生变化的状态MV(Moderate Variability)、以及始终发生变化的状态HV(High Variability)等三类。
专利文献1：特开2004-13825号
专利文献2：特表2004-503837
非专利文献1：Wallance.J.Hopp，Mark.L.Spreaman，Variability Basics，FactoryPhysics，p248-286，Irwin Professional Pub，1995
非专利文献2：Youichi Nonaka，Attila Lengyel，Kouichi Sugimoto，MonitoringVariance in Manufacturing System Performance，40th CIRP International Seminaron Manufacturing Systems，2007
发明内容
专利文献1、专利文献2、非专利文献1中公开的技术，问题的着眼点与本发明相同。并且，三篇文献都是根据各装置的吞吐量相对于生产系统全体的吞吐量的多少来判断是否是瓶颈装置的方法。但是，如非专利文献2中所述，即使各装置的吞吐量相对于生产系统全体的吞吐量较小，也无法确定其是瓶颈装置。原因在于：当考虑多个工序相连的生产系统时，某个工序或装置中发生的生产变化沿着工序的连接对下游的工序或装置产生影响，因此即使在各个工序或装置中直接评价吞吐量或WIP，也无法确定损害生产性的要素。
即，本发明的课题为，关于确定由于所述(1)(2)的问题而发生生产能力降低的装置的问题，确立也考虑生产变化的工序间相互影响，确定成为损害生产性的根本原因的瓶颈装置的方法。
为了解决上述课题，本发明提出一种瓶颈装置提取辅助装置，其中具备：生产线实绩信息收集部，其以预定的收集时间间隔，针对每个生产工序分类收集生产线的各制造装置的生产指标；时间序列迁移生成·显示部，其根据所述取得的生产指标，求出每一预定时间区间以及生产工序的生产指标，针对每个生产工序重复多个时间区间来计算移动平均、标准差，求出每一预定时间区间以及生产工序的变化系数，使用预定的阈值决定所述各变化系数显示时的形态，设定以时间和工序为轴的坐标，在所述坐标的相应位置通过所述显示形态显示所述各变化系数；模拟模型生成部，其接受模拟模型的生成，所述模拟模型故意在生产线的特定的制造装置中在指定的日期时间使指定的生产指标发生任意变化；生产变化测量部，其使模拟装置执行所述模拟模型，根据模拟结果进行所述时间序列迁移的生成处理及其显示；生产变化传播长度测定部，其对于由存储了所述生产变化测量部生成的变化系数的二维数组要素构成的二维图形数据，提取图形数据的轮廓，作为上游工序的生产变化对下游工序的生产变化造成影响的最长的生产变化传播长度，搜索存在一系列连接关系的二维图形数据的从最上游工序到最下游工序的工序数；以及瓶颈装置提取部，其合计通过所述生产变化传播长度测定部得到的各二维图形数据的最长生产变化传播长度来进行比较，把它们中传播长度最大的二维图形数据的最上游工序的制造装置确定为瓶颈装置。
根据本发明，可以也考虑生产变化的工序间相互影响，早期确定成为损害生产性的根本原因的瓶颈装置。并且，可以构成关注该瓶颈装置进行应对来解决问题的、持续的生产性提高活动的结构，可以提高生产系统的生产性。
本发明的其它目的、特征以及优点，根据与附图相关的以下的本发明的实施例的记载，会更明了。
附图说明
图1是应用了本发明的一个实施方式的瓶颈装置提取辅助系统的概要结构图。
图2是说明在工序1中发生的装置故障导致的作业变化传播的状态的图。
图3表示利用系数Cia的可视化表的例子。
图4表示根据系数Cia的值改变了背景色的可视化表的例子。
图5是说明半导体制造前工序的概要工序的图。
图6是说明生产线实绩信息的数据记录的图。
图7是说明按品种分类的工序路径信息的数据记录的图。
图8是生产线的生产变化可视化表的显示处理的流程图。
图9表示将本发明应用于作业车间型的半导体制造前工序的生产线的例子。
图10是说明生产计划信息的数据记录的图。
图11表示模拟模型的一例。
图12是生产线的模拟模型的显示例。
图13A表示生产指标变化初始信息设定画面的例子。
图13B表示生产指标变化初始信息设定画面的例子。
图14是说明按品种分类的工序路径·制造装置信息的数据记录的图。
图15是说明模拟结果数据的数据记录的图。
图16表示模拟结果可视化表的显示例。
图17A是生产变化传播长度测定处理的流程图(其一)。
图17B是生产变化传播长度测定处理的流程图(其二)。
图18A是说明跟踪岛状图形的边界的处理的图。
图18B是说明跟踪岛状图形的边界的处理的图。
图18C是说明跟踪岛状图形的边界的处理的图。
图18D是说明跟踪岛状图形的边界的处理的图。
图18E是说明跟踪岛状图形的边界的处理的图。
图19A是使岛状图形的边界膨胀的处理。
图19B是使岛状图形的边界膨胀的处理。
图20是说明实施本发明的主要手段的图1。
图21是说明实施本发明的主要手段的图2。
图22说明实施本发明的流程图。
图23说明实施本发明的流程图中的从步骤C开始的后续操作。
图24说明实施本发明的流程图中的从步骤D开始的后续操作。
具体实施方式
以下，根据附图说明本发明的实施方式。
实施例1
(1)使生产系统内的生产变化可视化的方法的思路
说明本发明的瓶颈装置提取方法的思路。
图2说明了工序1中发生的装置故障导致的作业变化。图的纵轴表示从工序1到工序3相连的生产系统。并且，图的横轴表示从第一天到第三天的生产日程。在各个工序中分别有一个装置，通过工序1的装置完成了处理的WIP被送到工序2的装置，通过工序2的装置完成了处理的WIP被送到工序3的装置。并且，在由工序和生产日程划分的各个栏中表示该WIP增减。在此，表示第一天在工序1的装置中发生故障，结果，工序1的WIP中发生了变化。该WIP变化，随时间从工序1向工序2传播，在第三天传播到工序3。
在此，当使用在第三天计算特定的工序或生产系统全体的特定期间内的吞吐量或WIP的平均值来进行比较评价的现有方法时，由于工序3的装置中发生了WIP变化，因此，损害生产性的根本原因看起来好像在于工序3的装置。但是如上所述，该根本原因在于工序1的装置。即，存在某个工序或装置中发生的生产变化沿着工序的连接影响其它工序或装置的问题，判断出难以通过现有方法找到损害生产性的根本原因。
在本发明中，扩展在非专利文献1中提出的CV分析方法，开发出将生产系统内的生产变化随时间的经过而改变的状态可视化的方法。其处理步骤，为了可以分析生产系统内的工序间的相互影响，扩展为在系数C的定义式中可以沿时间轴分析变化状况，所述系数C是将生产系统内的一个装置的性能变化定量化的系数。
[数学式2]
r ia = 1 k Σ j = a - k + 1 a p ij
在数学式2中，i表示沿着工序路径从最初工序到最终工序赋予的一连串的工序号码，j表示以任意区间(时间区间Ts)划分生产线的运行时间的情况下的区间号码。并且，pij表示工序i、时间区间j的生产指标。该生产指标是工序或装置的吞吐量(生产量)、WIP(半成品)、运行率、成品率等。即，ria表示工序i中从时间区间a-k+1到时间区间a的生产指标的平均值。并且，当时间区间a变化时，其采样区间k也变化，因此，ria表示工序i的时刻Ta(通过时间区间a的最后的时刻Ta代表)的采样区间k的生产指标的移动平均。这样一来，就扩展为考虑了时间成分。
接着，生产指标pij的标准差成为数学式3。
[数学式3]
s ia = 1 k Σ j = a - k + 1 a ( p ij - r ia ) 2
在数学式3中，sia表示工序i中时刻Ta、采样区间k的生产指标的标准差。即，扩展为了可以分析沿时间轴的变化状况的系数Cia成为下式那样。
[数学式4]
C ia = s ia r ia
接着，为了将生产系统内的生产变化随时间的经过而改变的状态可视化，利用系数Cia生成图3所示的可视化表。图3的可视化表，横向表示沿工序路径从最初工序到最终工序的排列，纵向表示以任意区间划分时间的情况下的时间的排列。即，Pi表示工序i，时刻Ta表示时间区间a。并且，对通过该工序Pi和时间Ta(时间区间a)的组合而构成的图3的各个栏分配数学式4的系数Cia。
接着，根据数学式4的系数Cia改变各个栏的背景色。表1表示根据系数Cia的值将生产系统的变化状况分为三类时的例子。
[表1]
Figure BPA00001169638200072
此例中，当系数Cia未达到下限值BL时，作为生产系统的变化小到可以忽略的程度的区域，赋予某背景色，当系数Cia在下限值BL以下且未达到上限值BU时，作为生产系统的变化容易发生的区域，赋予别的背景色，当系数Cia在上限值BU以上时，作为生产系统的变化始终发生的区域，赋予另外的别的背景色。
当如此赋予背景色时，如图4所示，由同一背景色的系数Cia构成的图形具有宏观性的意思，例如可以表示生产变化随时间在工序间迁移的现象。于是，本发明的瓶颈装置提取辅助系统，即使在大规模的生产系统中也辅助迅速地分析沿时间轴的生产变化的相互影响。
(2)瓶颈装置提取辅助系统的概要结构
图1是表示应用本发明的一个实施方式的瓶颈装置提取辅助系统1的概要结构图。
通过网络30将瓶颈装置提取辅助装置10、模拟装置20、以及设置在生产线的各工序或者各装置中，收集装置状态、生产实绩，然后向瓶颈装置提取辅助装置10报告的装置状态·实绩监视器40连接而构成瓶颈装置提取辅助系统1。
瓶颈装置提取辅助装置10在其控制部50中具备：生成生产线的模拟模型的模拟模型生成部51；收集从设置在生产线中的装置状态·实绩监视器40报告的生产线实绩信息并向存储部60存储的生产线实绩信息收集部52；根据故意使特定制造装置的生产能力发生变化的模拟结果，测量生产能力变化沿生产路径传播的状态的生产变化测量部53；测定判定出发生了生产变化的传播区域的传播长度的生产变化传播长度测定部54；根据模拟结果提取瓶颈装置的瓶颈装置提取部55；根据生产线实绩信息生成生产指标的时间序列迁移图，并向输出部80进行显示的时间序列迁移生成·显示部56。另外，瓶颈装置提取辅助装置10在其存储部60中容纳了生产计划信息存储区域61；生产线实绩信息存储区域62；模拟模型数据存储区域63；生产变化测量信息存储区域64；模拟结果数据存储区域65；装置设定·运算参数存储区域66；按品种分类的工序路径信息存储区域67。另外，瓶颈装置提取辅助装置10具备由键盘、鼠标等输入装置组成的输入部70；由液晶显示器等显示装置组成的输出部80；和通信接口等通信部90。
模拟装置20在计算机上生成生产线·生产工艺的模拟模型，模拟该模型中的动态过程，输出例如按产品/品种、工艺、工序、制造装置等分类的各种生产性指标。根据在模型中考虑的实物的信息、精度，预测出在模拟结果的精度中也有差异，然而，在本发明中假定不确定地利用现有的模拟器的模拟方式。但是，在生成模拟模型时，可以执行具有本发明特有的输入技术规范、在模拟模型中包含通过该输入技术规范而输入的数据的模拟模型。在图1中表示了在与瓶颈装置提取辅助装置10不同的装置中实现模拟装置20的形态，但也考虑把模拟装置20的功能安装于瓶颈装置提取辅助装置10中的实现形态。
装置状态·实绩监视器40实现收集并报告生产线中的生产实绩或物流状况等的生产指标的功能，例如可以是针对每个制造工序，对应于多个制造装置而设置的形态，也可以是与每个制造装置独立连接而设置的形态。每个制造装置的生产指标以预定期间的间隔被自动收集，或者通过制造装置的操作员的输入从所连接的终端上报告。
(3)生产线的生产指标的实绩信息收集处理
从瓶颈装置提取辅助装置10的输入部70输入用于收集生产线的生产指标的初始设定信息。该初始设定信息是要收集的生产指标的类别、以及收集的频率、收集时间等。由用户输入的所述初始设定信息被存储在存储部60的装置设定·运算参数存储区域66中。另外，将所述输入的初始设定信息通知到各装置状态·实绩监视器40。
瓶颈装置提取辅助装置10按照所述设定的收集的频率、收集时间的信息，从设置在生产线中的装置状态·实绩监视器40收集各制造装置的实绩信息(所指定的生产指标的实绩值)，记录在存储部的生产线实绩信息存储区域62中。
使用图5说明生产线例如是半导体制造前工序的情况下的概要工序。晶圆制造工艺是投入由硅或玻璃等形成的圆盘状基板，在该基板上形成电子电路的图形或元件的工序。在基板投入工序中投入成为对象的基板(S11)。然后，在“成膜”工序中，在基板表面上形成氧化膜(S12)。进而，在“涂布光致抗蚀剂”工序中，涂布仅为了复制电路或元件构造的图形照射光的部分发生化学变化的材料(光致抗蚀剂)(S13)。接着，在“曝光”工序中，穿过描绘了电路或元件构造的被称为光掩膜的基板在基板上照射光来复制电路或元件构造后(S14)，在“显影”工序中，将该基板浸入显影液来除去未发生化学变化的光致抗蚀剂(S15)。由此，以与在光掩膜上描绘的电路或元件构造相同的图形，在基板上残留光致抗蚀剂。然后，在“蚀刻”工序中，使用药液或气体除去未覆盖光致抗蚀剂而在基板上露出的氧化膜后(S16)，在“光致抗蚀剂除去”工序中，通过除去光致抗蚀剂，形成想要生成的电路或元件构造的图形(S17)。一般，晶圆制造工艺，由于形成多层电路，因此将上述工序重复几次到几十次，形成了复杂的电路或元件构造。在基板上形成电路或元件构造后，在“检查”工序中判定电路或元件构造是否良好(S18)，将其排出(S19)。
瓶颈装置提取辅助装置10的生产线实绩信息收集部52，从设置在上述晶圆生产线中的装置状态·实绩监视器40，针对每个制造装置和/或每个工序，以用户指定的期间间隔(数据收集时间区间)Tg的频率收集用户指定的生产指标的值，在所述存储部60的生产线实绩信息存储区域62中，如图6所示那样例如分为产品(品种)名以及每个生产指标的数据表来存储。该实绩信息收集处理，在本实施例中，用户所指定的期间间隔(数据收集时间区间)Tg为两小时，如10:00、12:00、14:00、16:00那样每隔两小时设定数据收集时刻。并且，各装置状态·实绩监视器40报告的信息是以两小时的期间间隔收集并报告各制造装置的生产指标的实绩的信息。即，数据收集时刻10:00的信息为08:00到10:00间的各制造装置的生产指标的实绩值。但是，在生产线的运行时间中存在夜间等停止时间的情况下，若某天的运行开始时间从09:00开始，则作为数据收集时刻10:00的信息，报告在09:00到10:00间的生产指标的实绩值加上前一天的最终一小时的生产指标的实绩值而得到的两小时的期间间隔的信息。另外，也报告制造装置发生夜间停止的事件信息。
生产线实绩信息收集部52在各数据收集时刻接收全部制造装置的生产指标的实绩值的报告，将这些信息针对每个产品(品种)名以及生产指标，存储在图6所示的数据表中。生产线实绩信息62，以至少由数据ID、制造装置名、工序名称、数据收集日期时间、生产指标收集实绩值组成的数据记录形式记录数据项目。在图6的例子中是产品(品种)名为ASIC2007，生产指标为吞吐量(生产量)的实绩信息的情况，生产指标收集实绩值表示晶圆个数。
(4)生产线的生产指标的时间序列迁移生成·显示处理
图8是表示生产线的生产变化可视化表的显示处理的流程的流程图。
瓶颈装置提取辅助装置10的用户指示生成某产品(品种)名的沿着从最初工序到最终工序的制造路径的工序的列中的生产线的生产变化可视化表。按照该指示，时间序列迁移生成·显示部56启动，从输入部70接受产品(品种)名、生产指标、用于求出生产指标的移动平均的采样区间k、显示生产线的生产变化的对象期间(开始日·开始时刻T0、结束日·结束时刻Te)的用户输入(S801)。在此，所谓采样区间k，在计算各工序的生产指标的实绩值的移动平均的情况下，表示收集到成为计算对象的生产指标的实绩值的、沿时间轴决定的时间区间的数量。是将所述生产线的运行时间划分而得的时间区间Ts的数量。在本实施例中，时间区间Ts与用户指定的期间间隔(数据收集时间区间)Tg相同，因此是两小时。例如若将采样区间k指定为2，则表示2×Ts的时间间隔，计算4小时的生产指标的实绩值的移动平均。另外，作为确定时间轴上的某一个时间区间Ts的表现，通过该时间区间Ts的最后的时刻Ta来代表表示。即，某时间区间Ts的采样区间k表示从时刻Ta-k×Ts到时刻Ta之间的时间。
时间序列迁移生成·显示部56，读出在存储部60中预先存储的每个产品(品种)的工序路径信息67(S802)。按品种分类的工序路径信息67如图7所示，按每个产品(品种)名来划分，通过由工序NO(i)和工序名称的数据项目组成的数据表构成，记录了从原材料(晶圆等)的投入到产品完成为止的全部工序。
接着，时间序列迁移生成·显示部56，读出与所述指定的产品(品种)名、生产指标、显示生产变化的对象期间相对应的生产线实绩信息62(S803)。然后，按照所述指定的显示对象期间(开始日·开始时刻T0、结束日·结束时刻Te)以及采样区间k，把表示生产变化可视化表的纵轴的第一时间区间Ts的时刻Ta初始设定为Ta＝对象期间的开始日开始时刻T0+k×Ts(S804)。重复以下的计算处理。在此定义的各变量Ta、T0，Te为包含年、月、日以及时刻的信息的变量。
时间序列迁移生成·显示部56，从所述读出的生产线实绩信息62中读出收集了从时刻Ta-k ×Ts到时刻Ta之间的生产指标的相应数据记录，针对每个时间区间(时间区间号码j)统计工序名称相同的数据记录的生产指标收集实绩值，求出按工序、时间区间来分类的生产指标pij。在此，i表示从按品种分类的工序路径信息67中读出的工序NO，j表示被赋予通过对象期间的开始日·开始时刻T0+k×Ts指定的时刻Ta的初始值所表示的时间区间Ts以后的每个时间区间Ts的号码，其中k为时间区间号码。然后，通过数学式5计算工序i的时刻Ta(时间区间号码a)的采样区间k的生产指标的移动平均ria(S805)。
[数学式5]
r ia = 1 k Σ j = a - k + 1 a p ij
接着，通过数学式6计算工序i的时刻Ta(时间区间号码a)的采样区间k的按工序、时间区间分类的生产指标pij的标准差sia(S806)。
[数学式6]
s ia = 1 k Σ j = a - k + 1 a ( p ij - r ia ) 2
接着，通过数学式7计算工序i的时刻Ta(时间区间号码a)的采样区间k的变化系数Cia(S807)。
[数学式7]
C ia = s ia r ia
接着，根据计算出的变化系数Cia的值决定生产变化可视化表中的背景色。根据生产性提高活动的方针、状况，改变判定为小到可以忽略生产变化的程度的阈值、以及判定为始终发生变化的状态的阈值，来决定为决定背景色而使用的表1中的BL和BU的值。在本实施例中，假定生产指标的分布为正态分布，在从平均值±标准偏差σ的边界采用变化系数表示的值，设定为BL＝0.75，BU＝1.33。通过表2的判定式决定并记录各变化系数Cia的背景色(S808)。
[表2]
Figure BPA00001169638200123
更新下一时间区间的时刻Ta、时间区间号码j(S809)。当更新后的时刻Ta超过了显示对象期间的结束时刻Te时，结束以上的处理，进入下一步骤(S810)。当时刻Ta未超过显示对象期间的结束时刻Te时，为了评价更新后的时刻Ta、时间区间号码j表示的新的时间区间的生产指标的变化，返回S805，重复执行一连串的计算处理。
接着，根据按照用户指定的产品(品种)名、生产指标、采样区间k、显示生产线的生产变化的对象期间的信息，通过以上处理步骤所计算的结果，向输出部显示或输出生产变化可视化表(S811)。
(5)生产变化可视化表的分析例
生产变化可视化表的显示例如图4所示那样被显示。另外，图9是将本发明应用于有几百个工序的作业车间型半导体制造前工序的生产线的例子。横轴表示某产品的沿着从最初工序到最终工序的制造路径的工序的排列，纵轴表示制造中的以天为单位的时间轴(时间区间Ts＝1天)。通过变化系数Cia的因子pij表示的生产指标是每个工序的日吞吐量。
在图9中包含基于工厂操作日程表的生产线的停止和重启的事件，图中通过‘H’表示其实施日。并且，读取出若干由基于表2的定义的变化系数Cia构成的图形。特别是图中从左上到右下的箭头X表示若干图形，以图中‘H’的生产线的停止和重启的处理实施日为基点，随着时间的经过，从某工序向后面的工序形成了细长的岛那样的形状。形成该岛的原因可以推定为：在生产线的停止和重启的处理中，若干工序内的装置的停止和重启的处理未按计划进行，其影响表现为每个工序的日吞吐量的生产变化。随着时间经过，该生产变化从成为基点的工序向后面的工序传播，这点可以推定为岛形成了细长形状的理由。
(6)模拟模型生成处理
在前文中表示出了：在某个成为基点的工序中发生的装置故障等为原因的生产变化在后面的工序中随着时间经过而传播这一情况，从所述生产变化可视化表上，作为变化系数Cia的值较大的一组图形而被读取出来。本发明的目的是提供一种辅助优先找出被判断为更严重地影响生产线全体的吞吐量的降低的根本原因的工序，更早地采取对策的技术。因此，提供辅助观察所述生产变化可视化表的显示来选出用户应该应对的认为是根本原因的工序的候补，从这些瓶颈工序中早期确定应该最优先应对的作为根本原因的工序来迅速地应对的以下功能。
在本发明中，在模拟装置中故意使所述瓶颈工序的候补的各装置的生产能力变化，模拟该生产能力变化如何沿着生产路径传播。
图1的模拟装置20可以使用已有的(半导体)生产线模拟器的任何一种，尽管存在精度以及处理时间的差异，但能实现本发明的目的。但是，需要增加本发明特有的输入技术规范、以及数据模型管理功能。
瓶颈装置提取辅助装置10的模拟模型生成部51、生产计划信息存储区域61以及模拟模型数据存储区域63是与模拟装置20共享的结构要素，可以存在于两装置的任何一侧，但在本实施例中配备在瓶颈装置提取辅助装置10一侧。
瓶颈装置提取辅助装置10的模拟模型生成部51，在执行模拟前，辅助用户进行生产线的模型化所需要的信息(产品信息、工艺信息、制造装置信息、工序流程)的收集、以及建模的引导显示。模拟模型生成部51当启动时，例如按照所输入的产品信息(产品、品种名)读出图7所示的按品种分类的工序路径信息67，显示图12所示的生产线的全部工序的模拟模型。针对每个工序，连续显示用于进行输入来定义缓冲器Bi的容量等的图标、和用于按照工序名称对制造装置Mi进行选择、能力定义输入的图标。用户点击所显示的生产线的模拟模型的各图标，例如按照引导来选择·输入各缓冲器、各制造装置的信息。另外，工序间的路径的连接箭头，有的按照所述按品种分类的工序路径信息67由系统预先附加显示，有的由用户从显示画面上追加输入工序间的路径的指定。
模拟模型生成部51按照所述用户的选择·输入，生成模拟模型数据。图11所示的模拟模型，把成为一例的公知模拟器中的模拟模型作为参考，是增加了本发明固有的数据项目而生成的，未必限于图11的数据记录形式。
模拟模型生成部51按照产品信息生成产品数据记录1100。产品数据记录的数据项目“按品种分类的工序路径信息”1113中，存储了指向按品种分类的工序路径·制造装置信息1401(参照图14)的指针，所述按品种分类的工序路径·制造装置信息1401，是用户根据按品种分类的工序路径信息存储区域67的按品种分类的工序路径信息、和来自生产线实绩信息601的每个制造装置名·工序名称的生产指标收集实绩值的统计值，输入每个制造装置的单位时间的生产数量而生成的。将所述按品种分类的工序路径·制造装置信息1401存储在模拟模型数据存储区域63中。数据项目“半成品文件”1111存储指向自动仓储数据记录1140的数据项目“按工序分类的缓冲器”1141的指针，所述自动仓储数据记录1140的数据项目“按工序分类的缓冲器”1141定义图12所示的生产线的模拟模型的各个按工序分类的缓冲器。数据项目“要使用的工艺”1112，关于定义各工序中的工艺的工艺数据记录1120，存储指向从最初的工艺到最终的工艺的一组数据记录的指针。其它数据项目，通过用户输入来存储数据。
工艺数据记录1120针对1个工序的每一个工艺生成数据记录，数据项目“要使用的制造装置名”1121存储指向定义在该工艺中要使用的制造装置的制造装置数据记录1130的指针。
针对每个制造装置定义并生成制造装置数据记录。数据项目“调遣规则”1131定义从等待的批次中选择哪个批次的规则。数据项目“装载规则”1132定义向装置的装载规则、或可以一次处理一个以上批次的情况下的规则。数据项目“设置规则”1133定义在什么时刻执行装置的设置(设定)的规则，是在出现与此前不同的品种时、或者在技术规范不同时进行装置的设定的规则。数据项目“半成品文件”1134存储指向与该制造装置数据记录中记载的制造装置负责的工序对应的缓冲器的存储区域1141的指针。数据项目“生产指标变化初始信息”存储当故意使特定的制造装置发生生产指标的变化来进行生产线的模拟时设定的、本发明特有的信息。
模拟模型生成部51，在模拟处理前向用户提示图13所示的生产指标变化初始信息设定画面，接受故意使生产指标发生变化的初始信息的设定输入。用户可以从下拉形式的选择菜单、以及通过由系统提供的工具，设定输入任意的波形的变化，来输入在哪个制造装置中哪个生产指标在什么日期时间期间通过怎样的波形发生变化。图13A是设定输入了以下内容的例子：在成膜装置B中，在12月1日22:00到12月2日02:00的期间，单位时间的生产数(吞吐量)发生了从34个晶圆/hr降低到18个晶圆/hr的变化。另外，图13B是设定输入了以下内容的例子：在制造装置：曝光C中，发生了单位时间的运行率从12月5日10:00到11:00，从100％降低到38％，接着到12:00为止恢复到100％的变化。以上的波形输入，除了阶跃状或者近似直线的波形以外，可以进行由系统提供的工具所支持的任意形状的波形输入。
模拟模型生成部51接受以上由用户进行的生产指标变化初始信息的输入，存储在模拟模型数据63的制造装置数据记录1130的数据项目“生产指标变化初始信息”1135中。生产指标变化初始信息1135存储该制造装置从某日期时间向某日期时间发生某个生产指标种类的怎样的波形的生产变化的信息。
(7)通过模拟进行的生产变化测量处理
在生成模拟模型后，生产变化测量部53请求模拟装置20执行设想到故意在特定的制造装置中发生了生产能力变化的模拟，从模拟装置20接收其模拟结果数据，存储在模拟结果数据存储区域。
用户显示根据应该评价的生产线的实绩信息601而生成的生产变化可视化表(图9)，确定怀疑是瓶颈工序的(工序i，时间区间a)的单元。例如，在图9的箭头的起点描绘的圆形区域内选择瓶颈工序的候补，例如通过鼠标的点击操作确定任意数量的(工序i，时间区间a)的单元。通过用户确定的各瓶颈候补单元(工序i，时间区间a)被存储在模拟模型数据存储区域63中，对于各瓶颈候补单元(工序i，时间区间a)生成上述模拟模型数据，执行模拟处理。
模拟装置20接受来自生产变化测量部53的模拟执行的指示，从模拟模型数据存储区域63中读出相应的模拟模型数据，按照生产计划信息1001(参照图10)，针对每个预定的模拟单位时间，模拟生产线的全部制造装置、操作者、被加工物、运送装置等的行为，输出每个单位时间的按产品/品种、工艺、工序、制造装置等分类的各种生产性指标。
本发明的瓶颈装置提取辅助装置10，例如以收集生产线实绩信息时所指定的期间间隔(数据收集时间区间)Tg的频率，在与数据收集日期时间相同的日期时间，从模拟装置20取得所指定的生产指标的模拟值、和视为在每个制造装置·工序的缓冲器中剩余的半成品量来作为模拟结果数据，并存储在模拟结果数据存储区域65中。模拟结果数据1501例如如图15所示，针对每个产品(品种)名以及生产指标被存储在数据表中。模拟结果数据1501的时间轴的范围，在模拟时由用户指定模拟对象期间(开始日期时间Tss、结束日期时间Tse)，对该期间的数据添加数据ID。“模拟结果收集日期时间”表示各时间区间Ts的最后的时刻，表示报告了该时刻的模拟结果。“模拟生产指标值”表示在该制造装置中在“模拟结果收集日期时间”所表示的时间区间Ts内制造的生产指标值。另外，“缓冲器半成品量”表示“模拟结果收集日期时间”的该工序前的半成品量。
生产变化测量部53根据模拟结果数据1501执行与图8所示的生产线的生产变化可视化表的显示处理等同的处理。将计算出的变化系数Cia存储在二维数组S(i，j)(i表示工序号码，j表示时间区间号码)中。另外，为了决定Cia背景色而通过阈值对Cia进行分类时，代替Cia的值，例如在二维数组T(i,j)(i表示工序号码，j表示时间区间号码)中存储三值化为0、1、2的值。在以下的处理中使用以上的二维数组。图16表示模拟结果可视化表的显示例。
(8)瓶颈装置提取处理
图16的模拟结果可视化表是对于与(工序Pi、时刻Ta[时间区间a])的单元对应的工序的制造装置故意施加图13所示的生产指标变化，模拟生产线的行为而得到的结果。原则是使图13中定义的生产指标的波形变化的最终时刻与上述时刻Ta对应。
图16的模拟结果可视化表中表示了在(工序Pi，时刻Ta)的单元中发生的生产指标变化向后续工序传播的情况。根据本申请的发明人进行的生产线实绩信息的分析发现，某工序中发生的生产指标变化向后续工序传播得越远，对生产线的生产能力降低影响越大。因此，作为确定瓶颈装置的尺度，采用测定从发生了生产变化的工序(装置)到受其影响的最下游工序(装置)的工序长度来作为生产变化传播长度的处理。
在图16的模拟结果可视化表上说明生产变化传播长度测定部54以二维数组S(i，j)或者二维数组T(i，j)作为处理对象来测定生产变化传播长度的处理。把图16的(工序Pi，时刻Ta)的单元作为起点，把1.33≤Cia的单元相连的细长岛状的图形作为跟踪对象。从图16的(工序Pi，时刻Ta)的单元的中心点出发与纵轴的倾角为α0的直线表示标准LT的直线。即，表示通过多个被加工品，对于经过全部工序对某被加工品进行加工处理时所需的时间经过进行平均处理而得的标准LT。
另外，以δ表示遵从通过数学式8定义的生产线的平均运用方针的、岛状图形的跟踪边界角度。
(数学式8)tanδ＝(基于生产计划的制造装置处理能力)/(制造装置的最大能力)
在此所说的“能力”表示制造装置的单位时间的被加工品的处理量。
对于构成在从标准LT的中心线成±δ的角度的跟踪边界线所包围的区域中存在的岛状图形的1.33≤Cia的单元进行跟踪。其跟踪方法例如采用以下方法。
在图18A所示的9个单元的例子中，判定出与中央的单元a连接的单元，是包围中央的单元a的8个单元(与8个附近的单元的连接关系)。定义跟踪维持该连接关系的1.33≤Cia的单元相连的细长岛状的图形的边界的处理。跟踪的起点是(工序Pi，时刻Ta)的单元。如图18B所示，当把(工序Pi，时刻Ta)的单元作为中央的单元a时，作为搜索连接的单元的顺序，依次调查附加了号码[1]、[2]、[3]的单元。把满足条件1.33≤Cia、以及两跟踪边界线包围的区域中至少包含单元内的一部分区域的单元，判定为所连接的边界的单元。在图18B的例子中，单元[1]不满足1.33≤Cia的条件，因此移动到下一单元[2]。下一单元[2]满足1.33≤Cia、以及在两跟踪边界线包围的区域中至少包含单元内的一部分区域的两条件，因此判定为边界的单元。
接着，如图18C所示，若把通过图18B的跟踪而判定为边界单元的单元设为中央的单元b，则作为跟踪起点的单元a位于左上的位置。搜索下一边界单元的顺序，从单元b向单元a，从顺时针方向成为下一连接位置的单元[1]开始顺次调查。单元[1]、[2]都不满足1.33≤Cia的条件，因此移动到下一单元[3]的判定。然后，由于单元[3]满足条件，因此判定为边界单元。接着，如图18D所示，若把通过图18C的跟踪判定为边界单元的单元设为中央的单元c，则其前面的边界单元b位于左边的位置。搜索下一边界单元的顺序，从单元c向单元b，从顺时针方向成为下一连接位置的单元[1]开始依次调查。单元[1]、[2]、[3]、[4]都不满足1.33≤Cia的条件，因此移动到下一单元[5]的判定。然后，由于单元[5]满足条件，因此判定为边界单元。
如上所述，当继续边界单元的跟踪处理时，如图18E所示，对开始的单元标记[1]，以被判定为边界单元的顺序标记号码，提取到边界单元[13]为止。当进一步继续进行跟踪时，对单元[2]标记[14]，开始的单元[1]与单元[15]一致。如上所述那样继续边界单元的跟踪处理，在到达开始的单元为止结束跟踪处理。通过跟踪处理，重复的边界单元仅记录一方的单元时，在图18E的例子中提取出13个边界单元。在这些边界单元中，被赋予[7]的单元成为从开始单元[1]的工序起最下游的工序。
接着，生产变化传播长度测定部54进行追踪到在下游更远处存在的岛状图形的处理。进行岛状图形的膨胀处理，在该处理中认为生产变化从所述提取出的13个边界单元扩展到了各边界单元置于图18A的中央的情况下的周围的8个单元。但是，仅在可以膨胀的区域、即所述两条跟踪边界线包围的区域中至少包含单元内的一部分区域的单元，成为膨胀后的单元。
图19A表示添加了对所述提取出的13个边界单元执行膨胀处理而膨胀的单元所得到的岛状图形的状态。网格状地表示膨胀后的单元。接着，生产变化传播长度测定部54，也把膨胀后的单元作为满足1.33≤Cia的条件的单元，对扩大后的岛状图形再次执行所述边界单元的跟踪处理。图19B表示其结果。在图19B的例子中表示提取出标记到[20]的号码的边界单元。结果，与前一次的边界单元的跟踪处理相比，可知：除了把膨胀后的单元作为边界单元提取以外，从单元[10]开始与新的岛状图形连接来跟踪边界。如此，提取出扩大后的岛状图形的边界单元。在扩大后的岛状图形的全部边界单元中，最下游的工序成为被赋予[12]的单元。
如果对添加了膨胀后的单元的岛状图形执行了再次的边界单元的跟踪处理，则在除了将边界单元膨胀后的单元以外没有提取出新的单元时，判定为在下游工序中没有受生产变化的影响的其它工序，返回膨胀处理前的边界，把被赋予[7]的单元判定为从开始单元[1]的工序起最下游的工序，结束生产变化传播长度测定。
如果对添加了膨胀后的单元的岛状图形执行了再次的边界单元的跟踪处理，则在如图19B的例子那样提取出将边界单元膨胀后的单元以外的新的单元时，对于新提取出的全部边界单元执行膨胀处理，对于添加了膨胀后的单元的岛状图形进行再次的边界单元的跟踪处理，搜索更下游的受生产变化影响的工序。
生产变化传播长度测定部54对岛状图形的边界单元的跟踪处理进行结束判定，返回膨胀处理前的边界，选择视为从开始单元[1]的工序起最下游的工序的边界单元。包含该选择出的工序和开始单元[1]的工序之间的工序数、以及两端的工序，决定为生产变化传播长度。
图17A、图17B表示测定以上说明的生产变化传播长度的处理的流程图。
在本实施例中，通过一次边界单元的膨胀处理，填埋岛状图形分离的间隙，补充图形的连接关系来进行边界单元的跟踪处理。但是，也考虑：根据岛状图形的分离的程度，通过多次边界单元的膨胀处理补充图形的连接关系来进行边界单元的跟踪处理。
生产变化测量部53故意使所述的生产线的特定的制造装置的生产指标变化，根据所得到模拟结果数据生成生产变化可视化表，生产变化传播长度测定部54根据该生产变化可视化表的信息计算生产变化传播长度，瓶颈装置提取部55对其结果进行合计。并且，把引起最长的生产变化传播长度的工序判定为对生产线的生产能力降低造成最大影响的瓶颈工序。并且，根据生产线实绩信息601以及模拟结果数据1501确认该瓶颈工序中所使用的制造装置，将其判定为瓶颈装置。从输出部80例如图20的输出例115那样，把所研究的每个装置的生产变化传播长度制成图表来对判定结果进行比较显示，明示瓶颈装置。
实施例2
图20是说明成为对象的生产系统(101)的特征以及与其对应的本发明的主要手段的图。生产系统(101)由工序1(102)到工序6(103)的6个工序组成，各个工序包含装置1a(104)等多个装置。在生产系统(101)中，生产产品A(105)和产品B(106)，为此，将产品A用半成品(107)和产品B用半成品(108)投入生产系统(101)。另外，产品A(105)的生产路径为工序1、工序3、工序5或者工序6。并且，产品B(106)的生产路径成为工序2、工序4、工序2、工序4、工序5或者工序6。特别在产品B(106)的生产路径中，通过两次工序2和工序4。
此时，可知装置2a(110)或装置4a(111)在产品B的生产路径上分别承担两个工序。将其称为具备多工序的装置。并且，当第一次通过装置2a(110)以及装置4a(111)时存在未预料到的成品率降低时，第二次通过时的装置2a(110)以及装置4a(111)的生产能力与降低量相对应地提高。第一次的处理时间和第二次的处理时间不同，因此，第一次以及第二次的装置2a(110)以及装置4a(111)的吞吐量变化。即，存在由于具备多工序的生产导致装置的生产能力变化的问题。
另外，可知装置5b(109)从工序3以及工序4有半成品的输入，并且必须向产品A(105)以及产品B(106)输出。将其称为装置的多品种混合生产。并且，当装置3a(112)有未预料到的成品率降低时，来自装置3b(123)以及装置4a(111)的可接收数与降低量相对应地提高。产品A用半成品(107)和产品B用半成品(108)在装置5b(109)中的处理时间不同，因此，由于来自装置3a(112)的供给量降低和来自装置3b(123)以及装置4a(111)的供给量增加，装置5b(109)的吞吐量变化。即，存在由于多品种混合生产导致装置的生产能力变化的问题。
即，由于(1)具备多工序的生产导致装置的生产能力变化的问题、以及(2)多品种混合生产导致装置的生产能力变化的问题，发生未预料到的装置的生产能力降低(瓶颈)。在本发明中，目的在于形成早期确定该瓶颈装置并迅速地应对来解决问题的、持续的生产性提高活动的结构。
为了达到上述目的，在图20中使用本发明说明了在模拟系统中故意使各装置的生产能力变化，计算该生产能力变化如何沿着生产路径传播，在各装置中比较该传播长度的长短，提取出传播长度最长的装置作为瓶颈装置的方法。下面，使用图20进行详细说明。
模拟系统(113)具有生产变化测量功能(114)和瓶颈提取功能(115)，预先存储生产系统(101)的数值模型。在此所说的数值模型，除了按产品A(105)或产品B(106)等品种分类的工序路径以外，还包含按品种分类的单位时间的生产数量、生产系统内的各装置中的单位时间的生产数量或故障时间、产品A用半成品(107)或产品B用半成品(108)等半成品的按工序分类的半成品数等。
生产变化测量功能(114)利用该数值模型，具有由生产系统(101)的生产时刻(116)和列举的装置(117)组成的生产变化显示表(118)。该生产变化显示表(118)可以显示各装置的生产变化传播到其它装置的状况，因此，故意使各个装置的参数变化(119)，显示由此导致的生产变化传播到其它装置的状况(120)。并且，将直到从发生了生产变化的装置受到影响的最下游的装置为止的工序长度作为生产变化传播长度(121)进行测量。在本图中表示当故意使装置1a的参数变化时，其影响传播到装置6a的情况，将从装置1a到装置6a的工序长度作为生产变化传播长度(121)进行测量。
瓶颈提取功能(115)把通过生产变化测量功能(114)测量出的生产变化传播长度(121)排序，提取出产生最大传播长度的装置作为瓶颈装置。在本图中，装置2a具有最大的生产变化传播长度(122)，因此，将其作为瓶颈装置来提取。
实施例2中记载的发明可以通过实施例1中记载的发明的各个手段来实现。两发明的不同点在于，实施例2的生产变化显示表的横轴的排列，配置了在各工序中使用的制造装置。因此，实施例1中以工序单位进行了数据处理，但在实施例2中存在以装置单位进行数据处理的不同。
图21出于上述(1)(2)的目的，使用本发明说明了：在模拟系统中改变各装置的故障率或单位时间的生产数量等参数，来调查生产系统全体的半成品在制量或单位时间的生产数如何变化，由此提取瓶颈装置的方法。
作为图21的对象的生产系统(201)与作为图20的对象的生产系统(101)相同。并且在模拟系统(205)中具有生产变化测量功能(203)和瓶颈提取功能(204)。在生产变化测量功能(203)中，生成故障率(202)和装置(211)的对应表，在各装置(211)中，从0.01到0.08以0.01的间隔改变故障率(202)，以各个故障率执行模拟，测量充分经过了模拟中的生产时间的时刻的生产系统全体的半成品在制量或单位时间的生产数。使之变化的装置参数，除了本图的故障率(202)以外，还存在单位时间的生产数量等。并且，在瓶颈提取功能(204)中，将通过生产变化测量功能(203)测量出的在各装置(211)中改变故障率(202)时的生产系统全体的半成品在制量或单位时间的生产数图表化。即，把横轴作为故意变化的装置参数的值(在本图中是故障率)(210)，把纵轴作为生产系统全体的半成品在制量或单位时间的生产数(206)，将与装置2a相关的模拟结果(207)、与装置1a相关的模拟结果(208)、与装置1b相关的模拟结果(209)等图表化。并且，把生产系统全体的半成品在制量变得最大、或者半成品量增加趋势最明显、或者单位时间的生产数变得最小、或者单位时间的生产数的减少趋势最明显的装置作为瓶颈装置来提取。
图22说明在图20以及图21中说明的本发明的瓶颈装置提取方法的流程图。当瓶颈装置提取步骤(301)开始时，首先输入按品种分类的工序路径、按品种分类的单位时间的生产数量、装置的单位时间的生产数量和故障时间、半成品的按工序分类的半成品数的数据(302)。接着，接受是否选出发生生产变化的装置的用户的选择指定(303)。当选出时(304)，接受发生生产变化的装置的用户指定(306)。在未选出时(304)，把全部装置作为生产变化发生对象(305)。然后，就其为了发生生产变化而使装置参数变化的不同情况，接受用户进行的下述情况的选择(307)。
情况A：在生产过程中使装置参数变化，观察生产变化的迁移状态。
情况B：改变装置参数的值，观察使装置参数从开始变化、在经过了足够的时间时观察生产系统的状态的处理。
在情况A时(308)进入步骤C(309)。在情况B时进入步骤D(310)。
图23是图22的流程图中的从步骤C开始的后续流程。该流程图说明了图20的生产变化测量功能(114)和瓶颈提取功能(115)。在步骤C(401)后，决定在此次的模拟中关注的装置，并且在模拟中设定输入数据(402)。然后，执行模拟，在过程中故意使关注的装置的参数变化，而使其生产变化(403)。然后，提取出各装置、各时刻的生产变化，调查参数变更的装置的影响所导致的生产变化到达下游工序的哪个装置的模拟结果，将其作为生产变化传播长度(404)。此后，调查是否在选出的全部装置中结束模拟(405)。在未结束时(406)返回步骤(402)。在结束时(406)，提取出得到生产变化传播长度最长的模拟结果的装置作为瓶颈装置(407)，结束瓶颈装置提取的步骤(408)。
图24是图22的流程图中从步骤D开始的后续流程。该流程图说明了图21的生产变化测量功能(203)和瓶颈提取功能(204)。在步骤D(501)后，决定发生变化的装置参数的幅度和步骤(502)。然后，选择对象装置(503)，在模拟中设定输入数据，决定变化的装置参数的值(504)。接着，执行模拟，测量在经过了足够的时间的时刻的生产系统全体的半成品在制量以及单位时间的生产数(505)。然后，调查在变化的装置参数的全体步骤中是否结束(506)，在未结束时(507)返回步骤(504)。在已结束时(507)调查是否在选择出的全部装置中结束了模拟(508)。在未结束时(509)返回步骤(503)。在已结束时(509)，把横轴作为变化后的装置参数，把纵轴作为生产系统全体的半成品在制量或单位时间的生产数，生成各装置的图表，提取出斜度最陡峭的装置作为瓶颈装置(510)。在此，结束瓶颈装置提取的步骤(511)。
以上，根据实施方式具体说明了本发明人做出的发明，但本发明不限定于上述实施方式，当然在不脱离其主旨的范围内可以进行各种变更。
针对实施例进行了上述记载，但本发明不限于此，对本领域技术人员来说，显而易见，在本发明的主旨和附加的权利要求书的范围内可以进行各种变更以及修正。
根据本发明，可以还考虑生产变化的工序间相互影响，早期确定成为损害生产性的根本原因的瓶颈装置。并且，可以形成关注该瓶颈装置实施对策加以解决的、持续的生产性提高活动的结构，可以提高生产系统的生产性。

Claims (8)

1.一种瓶颈装置的提取方法，该瓶颈装置成为损害生产线的生产性的原因，该方法的特征在于，
从各制造装置收集、或者从模拟结果数据取得生产线上各制造装置的生产指标；
在横轴上沿着制造路径排列生产线的各工序、或者所使用的制造装置，并将纵轴的时间轴等分为预定的时间区间，对应地构成二维数组变量；
根据在每个所述时间区间中合计的生产指标，重复多个时间区间来计算移动平均、标准差、变化系数，并将相应的变化系数存储在所述二维数组变量中；
通过预先所给出的阈值将所述各变化系数的值进行分类，对于由存储了生产变化被分类为阈值以上的变化系数的二维数组要素构成的二维图形，提取出图形数据的轮廓；
作为上游工序的生产变化对下游工序的生产变化造成影响的最长的生产变化传播长度，搜索并输出一系列处于连接关系的二维图形数据的从最上游工序到最下游工序的工序数量。
2.根据权利要求1所述瓶颈装置的提取方法，其特征在于，
相对于由排列有所述工序或者装置的横轴、和作为时间轴的纵轴构成的坐标系，在相应的位置显示由二维数组要素构成的二维图形数据，所述二维数组要素存储了所述生产变化被分类为阈值以上的变化系数。
3.根据权利要求1所述的瓶颈装置的提取方法，其特征在于，
生成模拟模型，所述模拟模型设定了所述生产线上特定的制造装置在所指定的日期时间的、所指定的生产指标的任意波形的变化，
由模拟装置根据所述模拟模型模拟再现生产线的行为，生成其模拟结果。
4.根据权利要求1所述的瓶颈装置的提取方法，其特征在于，
对于所述一系列处于连接关系的二维图形数据执行轮廓提取处理后，为了进而将已切断了连接关系的其它二维图形数据所存在的工序与下游工序连接，对所述提取出的二维图形数据的轮廓进行膨胀处理，进行也包含了通过膨胀处理而产生了连接关系的其它二维图形数据的放大二维图形数据的轮廓提取处理，求出最长的生产变化传播长度。
5.根据权利要求1至4中任意一项所述的瓶颈装置的提取方法，其特征在于，
对各二维图形数据执行根据所述二维图形数据的轮廓提取处理来求出最长生产变化传播长度的处理，合计所得到的各二维图形数据的最长生产变化传播长度来进行比较，把它们中传播长度最大的二维图形数据的最上游工序的制造装置确定为瓶颈装置。
6.一种瓶颈装置的提取方法，其特征在于，
生成模拟模型，该模拟模型设定了生产线上特定的制造装置在所指定的日期时间以预定间隔宽度阶段性地改变指定生产指标的变化所得到的多阶段的变化，
由模拟装置根据所述模拟模型模拟再现生产线的行为，根据其模拟结果，针对所述各生产指标的每个变化阶段，计算出生产线全体的半成品量或单位时间的生产数，
针对每个制造装置中，对于所述指定生产指标的变化的阶段性增加，比较生产线全体的半成品量或单位时间的生产数的增加趋势、或者减少趋势，将所述增加趋势、或者减少趋势最显著的制造装置选择为瓶颈装置。
7.一种瓶颈装置提取辅助装置，其特征在于，
具备：
生产线实绩信息收集部，其以预定的收集时间间隔，针对每个生产工序分类收集生产线上各制造装置的生产指标；
时间序列推移生成·显示部，其根据所述取得的生产指标，求出每一预定时间区间以及生产工序的生产指标，针对每个生产工序重复多个时间区间来计算移动平均、标准差，求出每一预定时间区间以及生产工序的变化系数，使用预定的阈值决定所述各变化系数显示时的形态，设定以时间和工序为轴的坐标，在所述坐标的相应位置以所述显示形态显示所述各变化系数；
模拟模型生成部，其接受模拟模型的生成，所述模拟模型有意图地在生产线上特定的制造装置中在指定的日期时间使指定的生产指标发生任意变化；
生产变化测量部，其使模拟装置执行所述模拟模型，根据模拟结果进行所述时间序列推移的生成处理及其显示；
生产变化传播长度测定部，其对于由存储了所述生产变化测量部生成的变化系数的二维数组要素构成的二维图形数据，提取图形数据的轮廓，作为上游工序的生产变化对下游工序的生产变化造成影响的最长的生产变化传播长度，搜索一系列处于连接关系的二维图形数据的从最上游工序到最下游工序的工序数；以及
瓶颈装置提取部，其合计通过所述生产变化传播长度测定部得到的各二维图形数据的最长生产变化传播长度来进行比较，把它们中传播长度最大的二维图形数据的最上游工序的制造装置确定为瓶颈装置。
8.根据权利要求7所述的瓶颈装置提取辅助装置，其特征在于，
所述模拟装置作为所述瓶颈装置提取辅助装置中的控制部的模拟执行部构成。
CN2008801230249A 2007-12-27 2008-12-16 瓶颈装置提取方法以及瓶颈装置提取辅助装置 Active CN101910962B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2007-335594 2007-12-27
JP2007335594A JP5130037B2 (ja) 2007-12-27 2007-12-27 ボトルネック装置抽出方法およびボトルネック装置抽出支援装置
PCT/JP2008/072831 WO2009084423A1 (ja) 2007-12-27 2008-12-16 ボトルネック装置抽出方法およびボトルネック装置抽出支援装置

Publications (2)

Publication Number Publication Date
CN101910962A true CN101910962A (zh) 2010-12-08
CN101910962B CN101910962B (zh) 2012-08-15

Family

ID=40824144

Family Applications (1)

Application Number Title Priority Date Filing Date
CN2008801230249A Active CN101910962B (zh) 2007-12-27 2008-12-16 瓶颈装置提取方法以及瓶颈装置提取辅助装置

Country Status (6)

Country Link
US (1) US8423168B2 (zh)
EP (1) EP2228701A4 (zh)
JP (1) JP5130037B2 (zh)
KR (1) KR101189995B1 (zh)
CN (1) CN101910962B (zh)
WO (1) WO2009084423A1 (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102737141A (zh) * 2011-03-30 2012-10-17 拉碧斯半导体株式会社 处理辅助装置及方法、半导体的制造辅助装置及方法
CN105321024A (zh) * 2014-07-31 2016-02-10 宇清数位智慧股份有限公司 利用关键绩效指标衡量机台群的生产力的方法
CN111823138A (zh) * 2019-04-22 2020-10-27 株式会社捷太格特 网络物理系统型生产系统
CN116205023A (zh) * 2022-07-12 2023-06-02 上海奔曜科技有限公司 机器人智能实验室的设计方法、装置、设备和存储介质

Families Citing this family (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6047894B2 (ja) 2012-01-12 2016-12-21 オムロン株式会社 シミュレーション装置、シミュレーション方法、プログラムおよび記録媒体
JP5781631B2 (ja) * 2012-01-31 2015-09-24 シャープ株式会社 Ｌｅｄ分類方法、ｌｅｄ分類装置、ｌｅｄ分類プログラムおよび記録媒体
WO2014189500A1 (en) * 2013-05-22 2014-11-27 Hewlett-Packard Development Company, L.P. Production simulation
US9678505B2 (en) * 2013-10-14 2017-06-13 Invensys Systems, Inc. Line management in manufacturing execution system
US10054936B2 (en) * 2014-02-28 2018-08-21 Schneider Electric Software, Llc Manufacturing execution system and method of determining production metrics for a line
CN103971179B (zh) * 2014-05-09 2017-05-03 西北工业大学 基于过程调整的解决单瓶颈产品组合优化问题的TOCh方法
JP6387707B2 (ja) * 2014-07-01 2018-09-12 富士通株式会社 異常検出システム、表示装置、異常検出方法及び異常検出プログラム
US10191792B2 (en) * 2016-03-04 2019-01-29 International Business Machines Corporation Application abnormality detection
JP6457449B2 (ja) * 2016-09-05 2019-01-23 ファナック株式会社 数値制御装置、制御システム、制御方法及び制御プログラム
US20200160240A1 (en) * 2017-04-20 2020-05-21 Nec Corporation Transfer operation management device, system, method, and recording medium
US11526158B2 (en) * 2017-07-14 2022-12-13 Panasonic Intellectual Property Management Co., Ltd. Display device, manufacturing system, and display method
JP6981113B2 (ja) * 2017-09-05 2021-12-15 オムロン株式会社 情報処理装置および情報処理方法
US11619927B2 (en) * 2017-11-03 2023-04-04 Drishti Technologies, Inc. Automatic analysis of real time conditions in an activity space
EP3540661A1 (en) * 2018-03-15 2019-09-18 Siemens Industry Software Ltd. Method for balancing a production line
JP6754823B2 (ja) * 2018-12-26 2020-09-16 株式会社日立製作所 生産計画立案支援装置及び方法
WO2023158871A1 (en) * 2022-02-21 2023-08-24 Beet, Inc. Method to identify and prioritize a bottleneck in a process
JP2024048904A (ja) * 2022-09-28 2024-04-09 株式会社日立製作所 計画ロジック評価支援システムおよび方法

Family Cites Families (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2793442B2 (ja) * 1992-08-20 1998-09-03 山形日本電気株式会社 半導体ウェーハ生産ラインの管理方法
JPH09282359A (ja) * 1996-04-09 1997-10-31 Nippon Telegr & Teleph Corp <Ntt> ジョブショップスケジューリング装置
US5880960A (en) * 1997-01-27 1999-03-09 Taiwan Semiconductor Manufacturing Company, Ltd. Method to improve WIP balance in a manufacturing line
JPH11235648A (ja) * 1998-02-17 1999-08-31 Toshiba Corp 製造計画管理装置、製造計画管理方法、及び、製造計画管理プログラムを記録したコンピュータ読み取り可能な記録媒体
US6473721B1 (en) 1998-10-26 2002-10-29 Sony Corporation Factory traffic monitoring and analysis apparatus and method
US6519498B1 (en) * 2000-03-10 2003-02-11 Applied Materials, Inc. Method and apparatus for managing scheduling in a multiple cluster tool
US6631305B2 (en) * 2000-05-03 2003-10-07 General Electric Company Capability analysis of assembly line production
JP2004013825A (ja) * 2002-06-11 2004-01-15 Mitsubishi Electric Corp ジョブショップ型製造ラインの物流ネック診断方法および物流ネック診断装置
US6782302B1 (en) * 2002-08-30 2004-08-24 Advanced Micro Devices, Inc. Method and apparatus for scheduling workpieces with compatible processing requirements
US6904329B1 (en) * 2002-08-30 2005-06-07 Advanced Micro Devices, Inc. Method and apparatus for generating a multi-dimensional cost function
US6801819B1 (en) * 2002-08-30 2004-10-05 Advanced Micro Devices, Inc. Method and apparatus for evaluating bids for scheduling a resource
US7039632B2 (en) 2002-09-13 2006-05-02 Kimberly-Clark Worldwide, Inc. System and method for managing a manufacturing process operation
JP4218363B2 (ja) * 2003-02-10 2009-02-04 トヨタ自動車株式会社 生産ライン解析装置
JP4239932B2 (ja) * 2004-08-27 2009-03-18 株式会社日立製作所 生産管理システム
DE102005024915B4 (de) * 2005-05-31 2016-09-15 Advanced Micro Devices, Inc. Verfahren und System für eine fortschrittliche Prozesssteuerung mit anlagenabhängigen Maschinenkonstanten
WO2007036985A1 (ja) 2005-09-27 2007-04-05 Advantest Corporation 管理方法、及び管理装置
US7715936B2 (en) * 2006-08-25 2010-05-11 I-Factory Inc. System and method for the production of goods or products

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102737141A (zh) * 2011-03-30 2012-10-17 拉碧斯半导体株式会社 处理辅助装置及方法、半导体的制造辅助装置及方法
CN105321024A (zh) * 2014-07-31 2016-02-10 宇清数位智慧股份有限公司 利用关键绩效指标衡量机台群的生产力的方法
CN111823138A (zh) * 2019-04-22 2020-10-27 株式会社捷太格特 网络物理系统型生产系统
CN116205023A (zh) * 2022-07-12 2023-06-02 上海奔曜科技有限公司 机器人智能实验室的设计方法、装置、设备和存储介质
CN116205023B (zh) * 2022-07-12 2024-03-08 上海奔曜科技有限公司 机器人智能实验室的设计方法、装置、设备和存储介质

Also Published As

Publication number Publication date
JP5130037B2 (ja) 2013-01-30
US8423168B2 (en) 2013-04-16
KR20100086069A (ko) 2010-07-29
CN101910962B (zh) 2012-08-15
JP2009157673A (ja) 2009-07-16
WO2009084423A1 (ja) 2009-07-09
KR101189995B1 (ko) 2012-10-12
EP2228701A4 (en) 2012-08-22
EP2228701A1 (en) 2010-09-15
US20110022212A1 (en) 2011-01-27

Similar Documents

Publication Publication Date Title
CN101910962B (zh) 瓶颈装置提取方法以及瓶颈装置提取辅助装置
Persson et al. Performance simulation of supply chain designs
Backus et al. Factory cycle-time prediction with a data-mining approach
US7894926B2 (en) Global predictive monitoring system for a manufacturing facility
Khadem Efficacy of lean metrics in evaluating the performance of manufacturing system
JP4568786B2 (ja) 要因分析装置および要因分析方法
Nazzal et al. A simulation-based evaluation of the cost of cycle time reduction in Agere systems wafer fabrication facility—a case study
Bagchi et al. A full-factory simulator as a daily decision-support tool for 300mm wafer fabrication productivity
Reiner Supply chain management research methodology using quantitative models based on empirical data
Jeon et al. Measuring variability on electrical power demands in manufacturing operations
Schuh et al. Approach for reducing data inconsistencies in production control
CN112236798A (zh) 用于在生产产品的情形中的质量保证的方法以及计算设备和计算机程序
US20040078310A1 (en) System and method for determining a return-on-investment in a semiconductor or data storage fabrication facility
SHAMSUDIN A STUDY ON OVERALL EQUIPMENT EFFECTIVENESS (OEE) FOR PERFORMANCE MEASUREMENT: CASE STUDY FOR SURFACE MOUNT TECHNOLOGY (SMT) DEPARTMENT
JP2004227184A (ja) 品質データ管理方法およびその装置
Rath & Strong Rath & Strong's Six Sigma Pocket Guide
Ryu Developing an integrated capacity planning framework for production processes and demand supply chains
Ungern-Sternberg et al. Work Center Performance Measurement Based On Multiple Time Series
Shina et al. Data Presentations, Statistical Distributions, Quality Tools, and Relationship to DoE
Vaisi Simulation-Based Optimization of a Transport Robot via Super-Efficiency DEAGP Approach
Sharma et al. Analyzing the effect of different maintenance policies on the performance of flexible manufacturing cell
WO2006132000A1 (ja) ランダムトレーサビリティ層別平均対照分析方法とｘ－ｒ管理図機能部プログラムとランダムトレーサビリティ層別平均対照原因分析プログラム
JP2007323623A (ja) ランダムトレーサビリティ層別平均対照原因分析プログラム
Liou et al. Capacity forecast model for control and dummy wafers
Laure Cycle time and bottleneck analysis

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant