CN105988439B - 一种基于动态预测机台载荷量的产能优化方法 - Google Patents

一种基于动态预测机台载荷量的产能优化方法 Download PDF

Info

Publication number
CN105988439B
CN105988439B CN201510075982.5A CN201510075982A CN105988439B CN 105988439 B CN105988439 B CN 105988439B CN 201510075982 A CN201510075982 A CN 201510075982A CN 105988439 B CN105988439 B CN 105988439B
Authority
CN
China
Prior art keywords
board
production capacity
production
capacity
specified
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.)
Active
Application number
CN201510075982.5A
Other languages
English (en)
Other versions
CN105988439A (zh
Inventor
王静
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.)
Semiconductor Manufacturing International Shanghai Corp
Original Assignee
Semiconductor Manufacturing International Shanghai Corp
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 Semiconductor Manufacturing International Shanghai Corp filed Critical Semiconductor Manufacturing International Shanghai Corp
Priority to CN201510075982.5A priority Critical patent/CN105988439B/zh
Publication of CN105988439A publication Critical patent/CN105988439A/zh
Application granted granted Critical
Publication of CN105988439B publication Critical patent/CN105988439B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • YGENERAL 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
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02PCLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/02Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]

Landscapes

  • General Factory Administration (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供一种基于动态预测机台载荷量的产能优化方法,该方法包括:信息收集模块收集机台群组的额定产能;主生产计划模块依据预设值得到机台群组的预设产能;数据分析模块将对应机台的额定产能与预设产能作对比并得到预设产能大于额定产能的瓶颈机台;调整预设值并再次与各自机台的额定产能作对比;若瓶颈机台的数量不在容忍范围内则使预警系统做出预警并触发改善机制;之后继续调整预设值直至出现的瓶颈机台的数量在容忍范围内并使产能最大化为止,以实现合理的生产计划。本发明建立了一套以预设值得到的瓶颈机台的预设产能为突破口的调整全线WIP分布及下线计划的方法,监控和调整下线计划以最大程度提高机台产能并缩短生产周期。

Description

一种基于动态预测机台载荷量的产能优化方法
技术领域
本发明涉及一种半导体生产线的产能优化方法,特别是涉及一种基于动态预测机台载荷量的产能优化方法。
背景技术
集成电路芯片的制造工艺十分复杂,生产周期长,最终出货一般要经过几百个甚至上千个步骤,涉及几百个机台,而执行同一工艺步骤的机台通常被划分为一个机台群组;由于每个机台群组的产能不同,很可能发生在制品(WIP)堆积在某些瓶颈机台使得工艺步骤执行不下去,但其下游机台却产能过剩的情况。这将严重影响最终的出货量,最理想的情况是根据机台的产能状况,使WIP在每个站点平均分布,既保证产品的合理的生产周期,又不至于有长时间停止运行的机台,浪费宝贵的产能。
对于一个半导体生产厂而言,如何在缩短生产周期的同时提高整体的产能水平,成为一个关键的课题。生产周期短意味着能够获得更多订单,而缩短生产周期则要从每一个生产步骤入手,缩短等待时间,特别是瓶颈机台的等待时间,使全线WIP保持一个最优的分布,最终达到缩短生产周期和提高整体的产能的双赢。如何掌握当前线上产品的分布情况,并根据现有数据,通过有效合理地派工,使瓶颈机台不过多地堆积WIP,并将全线的生产周期控制在一个预期的指标内,就成为提高产能的关键问题。
当前的所有产品在下线前,由生产计划部门专人负责制定下线计划及下线时间,并在生产报表中输入生产计划,用于计算各类生产指标。但随着生产情况不断变化,每批产品的生产周期都各不相同,如何准确地预测出目前的下线计划对瓶颈机台产能的影响对产能及生产周期都有极其重要的意义。目前只能由专人定期整理产品的生产情况如生产周期(CT)及OTDO(中文),并判断紧急程度通知相关部门的进行调整改善。
面对繁杂的生产工艺及产品组成,迫切需要一个有效的技术手段对瓶颈机台的产能情况进行全面的跟踪,及时的分析预警。确保全线产品的WIP始终处于最优化的分布情况。因此,有必要提出一种新的预测机台载荷量的产能优化方法来解决上述问题。
发明内容
鉴于以上所述现有技术的缺点,本发明的目的在于提供一种基于动态预测机台载荷量的产能优化方法,用于解决现有技术中瓶颈机台过多堆积在制产品,在制产品不能在每个站点平均分布而严重浪费产能且影响产品出货周期的问题。
为实现上述目的及其他相关目的,本发明提供一种基于动态预测机台载荷量的产能优化方法,其特征在于,所述方法至少包括:(1)将生产线上同类型机台划分为机台群组;提供一信息收集模块,该信息收集模块收集生产线上机台群组中各个机台的额定产能;(2)提供一主生产计划设定模块;提供预设值和每个机台的生产工序信息;依据该预设值和所述每个机台的生产工序信息在所述生产计划设定模块中来设定主生产计划并得到每个机台在未来数个周期内的预设产能;(3)提供一数据分析模块,所述步骤(1)中的信息收集模块将机台群组中各个机台的额定产能信息发送至所述数据分析模块;所述步骤(2)中主生产计划设定模块将每个机台的预设产能发送至所述数据分析模块;所述数据分析模块将每个机台的额定产能与各自的预设产能进行对比,将预设产能大于额定产能的机台设为瓶颈机台;(4)依据所述群组机台当前的产能,在所述主生产计划设定模块中调整所述主生产计划的预设值,并得到所述机台群组中每个机台在近期未来的数个周期内每天的预设产能;(5)所述主生产计划设定模块将调整后的预设值发送至所述数据分析模块;所述数据分析模块将收到的每个机台的预设产能与各自的额定产能进行对比;(6)提供一预警系统,所述数据分析模块将步骤(5)中每个机台的预设产能与各自的额定产能对比的结果发送至所述预警系统;若预设产能大于额定产能的机台数量不在容忍范围内,所述预警系统做出预警并触发改善机制;(7)返回执行步骤(4)直至使得步骤(6)中预设产能大于额定产能的机台数量控制在所述容忍范围内并且使得所述机台群组的预设产能在所述的数个周期内最大化为止。
作为本发明的基于动态预测机台载荷量的产能优化方法的一种优选方案,所述步骤(1)中同类型机台为执行相同任务且具有同等功能的机台。
作为本发明的基于动态预测机台载荷量的产能优化方法的一种优选方案,所述相同任务为半导体工艺中的任意一个相同的工艺步骤。
作为本发明的基于动态预测机台载荷量的产能优化方法的一种优选方案,所述步骤(2)中所述设定主生产计划包括设定所述机台群组中每个机台每天的下线量以及不同产品的下线时间。
作为本发明的基于动态预测机台载荷量的产能优化方法的一种优选方案,所述下线数量为近期未来数个周期内每天的下线数量。
作为本发明的基于动态预测机台载荷量的产能优化方法的一种优选方案,所述步骤(2)和步骤(4)中的所述周期为一个月,所述周期数为1或2。
作为本发明的基于动态预测机台载荷量的产能优化方法的一种优选方案,所述步骤(5)中的改善机制为调整所述主生产计划中每个机台的下线量。
作为本发明的基于动态预测机台载荷量的产能优化方法的一种优选方案,所述步骤(7)中预设产能大于额定产能的机台数量在容忍范围内包括不产生预设产能大于额定产能的机台。
如上所述,本发明的基于动态预测机台载荷量的产能优化方法,具有以下有益效果:本发明建立了一套以预设值得到的瓶颈机台的预设产能为突破口的调整全线WIP分布及下线计划的方法,监控和调整下线计划以最大程度提高机台产能并缩短生产周期。
附图说明
图1显示为本发明的基于动态预测机台载荷量的产能优化方法的流程示意图。
元件标号说明
S1~S7 步骤
具体实施方式
以下通过特定的具体实例说明本发明的实施方式,本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用,本说明书中的各项细节也可以基于不同观点与应用,在没有背离本发明的精神下进行各种修饰或改变。
请参阅图1。需要说明的是,本实施例中所提供的图示仅以示意方式说明本发明的基本构想,遂图式中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制,其实际实施时各组件的型态、数量及比例可为一种随意的改变,且其组件布局型态也可能更为复杂。
参照图1,图1表示的是本发明的基于动态预测机台载荷量的产能优化方法的流程示意图。首先,实施步骤一:将生产线上同类型机台构成机台群组;优选地,所述同类型机台为执行相同任务且具有同等功能的机台。进一步优选地,所述相同任务指的是半导体工艺中的任意一个相同的工艺步骤。半导体工艺中的不同产品的工艺步骤不尽相同,执行每个工艺步骤所用的工艺设备亦即机台也不相同,例如,在晶圆的表面进行光刻工艺时,要用到光刻机台和刻蚀机台,在晶圆上沉积薄膜时会用到PVD机台或CVD机台;而这些机台的按照工艺不同各自的功能不同,因此,将实现相同功能的同一类机台划分为一个机台群组。
该步骤中还提供一信息收集模块,该信息收集模块收集生产线上机台群组中各个机台的额定产能信息;本实施例中所述的额定产能指的是根据产品的生产工序亦即工艺制程步骤以及所述群组机台中每个机台的历史产能所得出的各个机台在历史周期内能够承受的平均产能,因此,所述额定产能具有一定的经验性。
接着实施步骤二:提供一主生产计划设定模块;所述主生产计划设定模块用于设置主生产计划(Master Production Schedule,简称MPS),广义的MPS是闭环计划系统的一个部分。MPS的实质是保证销售规划和生产规划对规定的需求(需求什么,需求多少和什么时候需求)与所使用的资源取得一致。MPS考虑了经营规划和销售规划,使生产规划同它们相协调。它着眼于销售什么和能够制造什么,这就能为车间制定一个合适的“主生产进度计划”,并且以粗能力数据调整这个计划,直到负荷平衡。MPS是确定每一具体的最终产品在每一具体时间段内生产数量的计划;有时也可能先考虑组件,最后再下达最终装配计划。这里的最终产品是指对于企业来说最终完成、要出厂的完成品,它要具体到产品的品种、型号。这里的具体时间段,通常是以周为单位,在有些情况下,也可以是日、旬、月。主生产计划详细规定生产什么、什么时段应该产出,它是独立需求计划。主生产计划根据客户合同和市场预测,把经营计划或生产大纲中的产品系列具体化,使之成为展开物料需求计划的主要依据,起到了从综合计划向具体计划过渡的承上启下作用。MPS的作用是按时间分段方法,去计划企业将生产的最终产品的数量和交货期。主生产计划是一种先期生产计划,它给出了特定的项目或产品在每个计划周期的生产数量。这是个实际的详细制造计划。这个计划力图考虑各种可能的制造要求。
MPS的计划方式有以下几种,一是面向库存生产的计划方式;采用这种计划方式的公司,其组织生产的依据是需求预测,亦即在接到客户订单之前,根据需求预测,就开始采购原材料、组织生产、完成生产、把产成品放在库房里。一旦接到客户订单,就从库房里直接发货。从客户的观点来看,这些产品是现货供应的。二是面向订单设计;面向订单设计的产品或者是独特的(客户定制的),或者结构复杂而且生产量很小。在面向订单设计的公司中,只有在接到合同或客户订单,或至少接到一份意向书之后,才能开始设计过程,之后才是采购原材料、组织生产和向客户发运。三是面向订单生产。
该步骤还包括:提供预设值和每个机台的生产工序信息;依据该预设值和所述每个机台的生产工序信息在所述生产计划设定模块中来设定主生产计划并得到每个机台的预设产能;优选地,所述预设值包括根据客户在一定未来周期内要求完成的订单量;进一步优选地,所述设定主生产计划包括设定所述机台群组中每个机台每天的下线量以及不同产品的下线时间。本发明中该步骤中的下线量指的是近期的未来数个周期内各个机台每天的下线数量。进一步优选地,所述数个周期包括一个或两个周期,并且以一个月为一个周期。该步骤中的生产工序信息指的是不同产品对应不同的工艺步骤,每个工艺步骤采用不同的机台进行,因此,不同的产品在其生产周期内采用的机台不同。因此,生产不同的产品,则对不同的机台群组的产能影响也不同。最终采用预设值得到的不同的机台群组的预设产能也不相同。
接着实施步骤三:提供一数据分析模块,所述步骤一中的信息收集模块将所述机台群组中各个机台的额定产能信息发送至所述数据分析模块;所述步骤二中主生产计划设定模块将每个机台的预设产能发送至所述数据分析模块;所述数据分析模块将每个机台的额定产能与各自的预设产能进行对比,将预设产能大于额定产能的机台设为瓶颈机台;该步骤中对于同一机台群组中的同一机台而言,其预设产能大于其额定产能的情况表示在步骤二中给出的预设值与实际情况存在一定的偏差,并且给出的机台下线量在一定周期内超出了机台实际能承受的下线量。在一个机台群组中,无论该机台群组包含多少个机台,只要出现瓶颈机台并且所述瓶颈机台的数量不在合理的范围之内,则说明该主生产计划中预设值不合理还需要调整,而实际情况下,出现少量的瓶颈并且瓶颈机台的数量在合理的范围之内,有时也会被认为是主生产计划中给出的预设值是准确的。
接着实施步骤四:依据所述群组机台当前的产能,在所述主生产计划设定模块中调整所述主生产计划的预设值,并得到所述机台群组中每个机台在近期未来的数个周期内每天的预设产能;一般情况下,由于机台的历史产能不能够准确地一次被预测,因此,在实施步骤三之后,一般会出现的瓶颈机台的数量不能控制在合理的范围之内,还需要后续对其进行调整。该步骤依据群组机台当前的产能,进一步可结合对应机台历史产能进行调整预设值,所述预设值中包括机台群组在近期未来数个周期的下线量,优选地,该步骤中周期为一个月,周期数为一个或两个周期。
接着实施步骤五:所述主生产计划设定模块将调整后的预设值发送至所述数据分析模块;所述数据分析模块将收到的每个机台的预设产能与各自的额定产能进行对比;该步骤中将调整后所述机台群组中每个机台的预设值与其各自的额定产能再次对比。
接着实施步骤六:提供一预警系统,所述数据分析模块将步骤五中每个机台的预设产能与各自的额定产能对比的结果发送至所述预警系统;若预设产能大于额定产能的机台数量不在容忍范围内,所述预警系统做出预警并触发改善机制;该步骤中,所述数据分析模块再次对所述机台群组中每个机台调整后的预设产能与其各自的额定产能进行对比,并产生对比的结果,所述对比结果包括预设产能大于额定产能的机台数量;所述数据分析模块将对比结果发送至所述预警系统,所述预警系统对对比结果做出判断并采取行动:所述容忍范围指的是技术人员依据下线经验以及结合产能最优所设定的控制瓶颈机台数量的一个合理的数值范围。若预设产能大于额定产能的机台数量在容忍范围内,即使出现了瓶颈机台也不影响正常合理的出货。若预设产能大于额定产能的机台数量不在容忍范围内,则所述预警系统就会做出预警,优选地,该预警包括给出主生产计划不合理的指示,并且所述预警系统会触发改善机制;优选地,本发明中所述改善机制为调整所述主生产计划中每个机台的下线量。而实际情况中,改善机制由很多因素决定,除去机台下线量不合理之外,本发明不排除由其他不合理因素引起的预警系统触发改善机制的可能。
接着实施步骤七:返回执行步骤四直至使得步骤六中预设产能大于额定产能的机台数量控制在所述容忍范围内并且使得所述机台群组的预设产能在所述的数个周期内最大化为止。该步骤是在预警系统发出预警之后再次调整主生产计划的预设值,即返回步骤四继续调整预设值,之后再依次进行步骤五和步骤六,如此循环反复直到调整预设值在所述容忍范围内为止;优选地,预设产能大于额定产能的机台数量在容忍范围内包括不产生预设产能大于额定产能的机台。即该情况包括不产生瓶颈机台。预设值达到合理范围的同时会使得预设产能在其数个周期内最大化,才会实现合理的生产计划。
综上所述,本发明建立了一套以预设值得到的瓶颈机台的预设产能为突破口的调整全线WIP分布及下线计划的方法,监控和调整下线计划的方法,最大程度为提高机台产能缩短生产周期提供参考和帮助。所以,本发明有效克服了现有技术中的种种缺点而具高度产业利用价值。
上述实施例仅例示性说明本发明的原理及其功效,而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下,对上述实施例进行修饰或改变。因此,举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变,仍应由本发明的权利要求所涵盖。

Claims (8)

1.一种基于动态预测机台载荷量的产能优化方法,其特征在于,所述方法至少包括:
(1)将生产线上同类型机台划分为机台群组;提供一信息收集模块,该信息收集模块收集生产线上机台群组中各个机台的额定产能,所述额定产能指的是根据产品的生产工序亦即工艺制程步骤以及所述群组机台中每个机台的历史产能所得出的各个机台在历史周期内能够承受的平均产能;
(2)提供一主生产计划设定模块;提供预设值和机台群组中每个机台的生产工序信息;依据该预设值和所述每个机台的生产工序信息在所述主生产计划设定模块中来设定主生产计划并得到每个机台在未来数个周期内的预设产能;
(3)提供一数据分析模块,所述步骤(1)中的信息收集模块将机台群组中各个机台的额定产能信息发送至所述数据分析模块;所述步骤(2)中主生产计划设定模块将每个机台的预设产能发送至所述数据分析模块;所述数据分析模块将每个机台的额定产能与各自的预设产能进行对比,将预设产能大于额定产能的机台设为瓶颈机台;
(4)依据所述群组机台当前的产能,在所述主生产计划设定模块中调整所述主生产计划的预设值,并得到所述机台群组中每个机台在未来的数个周期内每天的调整预设产能;
(5)所述主生产计划设定模块将调整后的预设值发送至所述数据分析模块;所述数据分析模块将收到的每个机台的调整预设产能与各自的额定产能进行对比;
(6)提供一预警系统,所述数据分析模块将步骤(5)中每个机台的调整预设产能与各自的额定产能对比的结果发送至所述预警系统;若调整预设产能大于额定产能的机台数量不在容忍范围内,所述预警系统做出预警并触发改善机制;
(7)返回执行步骤(4)直至使得步骤(6)中调整预设产能大于额定产能的机台数量控制在所述容忍范围内并且使得所述机台群组的调整预设产能在所述的数个周期内最大化为止。
2.根据权利要求1所述的基于动态预测机台载荷量的产能优化方法,其特征在于:所述步骤(1)中同类型机台为执行相同任务且具有同等功能的机台。
3.根据权利要求2所述的基于动态预测机台载荷量的产能优化方法,其特征在于:所述相同任务为半导体工艺中的任意一个相同的工艺步骤。
4.根据权利要求1所述的基于动态预测机台载荷量的产能优化方法,其特征在于:所述步骤(2)中所述设定主生产计划包括设定所述机台群组中每个机台每天的下线量以及不同产品的下线时间。
5.根据权利要求4所述的基于动态预测机台载荷量的产能优化方法,其特征在于:所述下线量为未来数个周期内各个机台每天的下线数量。
6.根据权利要求1所述的基于动态预测机台载荷量的产能优化方法,其特征在于:所述步骤(2)和步骤(4)中的所述周期为一个月,周期数为1或2。
7.根据权利要求1所述的基于动态预测机台载荷量的产能优化方法,其特征在于:所述步骤(6)中的改善机制为调整所述主生产计划中每个机台的下线量。
8.根据权利要求1所述的基于动态预测机台载荷量的产能优化方法,其特征在于:所述步骤(7)中调整预设产能大于额定产能的机台数量在容忍范围内包括不产生预设产能大于额定产能的机台。
CN201510075982.5A 2015-02-12 2015-02-12 一种基于动态预测机台载荷量的产能优化方法 Active CN105988439B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510075982.5A CN105988439B (zh) 2015-02-12 2015-02-12 一种基于动态预测机台载荷量的产能优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510075982.5A CN105988439B (zh) 2015-02-12 2015-02-12 一种基于动态预测机台载荷量的产能优化方法

Publications (2)

Publication Number Publication Date
CN105988439A CN105988439A (zh) 2016-10-05
CN105988439B true CN105988439B (zh) 2018-10-19

Family

ID=57041247

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510075982.5A Active CN105988439B (zh) 2015-02-12 2015-02-12 一种基于动态预测机台载荷量的产能优化方法

Country Status (1)

Country Link
CN (1) CN105988439B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106991540A (zh) * 2017-04-12 2017-07-28 北京图文天地科技发展有限公司 一种按批次进行印刷工序管理系统及其使用方法
CN109741083B (zh) * 2018-11-29 2020-09-11 杭州览众数据科技有限公司 一种基于企业mrp的物料需求加权预测方法
CN113780892A (zh) * 2021-09-29 2021-12-10 上海华力微电子有限公司 基于整数规划的产品生产计划的制定方法
CN116544152A (zh) * 2023-07-06 2023-08-04 粤芯半导体技术股份有限公司 半导体机台组的投片量控制方法和装置

Also Published As

Publication number Publication date
CN105988439A (zh) 2016-10-05

Similar Documents

Publication Publication Date Title
CN105988439B (zh) 一种基于动态预测机台载荷量的产能优化方法
CN108009739A (zh) 一种智能机加车间生产计划与调度一体化方法
CN109583761A (zh) 一种锻钢工序的生产计划与调度系统
CN103197623A (zh) 一种流水线监控管理方法及装置
CN110501978A (zh) 一种机器人产品生产车间排产调度方法
Günther The block planning approach for continuous time-based dynamic lot sizing and scheduling
Kłos et al. Using the AHP method to select an ERP system for an SME manufacturing company
Kriett et al. Cycle time-oriented mid-term production planning for semiconductor wafer fabrication
Zhou et al. Modeling and solving the constrained multi-items lot-sizing problem with time-varying setup cost
CN116090676A (zh) 一种基于多目标优化的aps排产方法及aps排产系统
CN116415780A (zh) 一种智能排单的方法及系统
Cheikhrouhou et al. A Markovian model for the hybrid manufacturing planning and control method ‘Double Speed Single Production Line’
Kopp et al. Hierarchical decision-making for qualification management in wafer fabs: a simulation study
Modrák Case on manufacturing cell formation using production flow analysis
Tan et al. Work-in progress inventory control case study in lean management
Al-Ashhab An optimization model for multi-period multi-product multi-objective production planning
Plinta et al. Adaptive inventory control system for material items with continuous non-stationary demand
CN106327084A (zh) 一种铝型材产品订单完成时间的计算系统及方法
Zhou et al. Lean system design for engineer-to-order manufacturing
Kopp et al. Fast heuristics for making qualification management decisions in wafer fabs
Mao et al. Determination of number of kanban for classis control system production lines
Uhlmann et al. Production Rescheduling for Contract Manufacturing Industry based on Delivery Risks
Grewal et al. Dynamic adjustment of replenishment parameters using optimum-seeking simulation
JP2005228128A (ja) 生産スケジューリング方法、装置、及び、コンピュータプログラム
CN102004948A (zh) 换模时间控制方法和装置

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant