CN109657941A - 晶圆制造生产线的排货方法 - Google Patents
晶圆制造生产线的排货方法 Download PDFInfo
- Publication number
- CN109657941A CN109657941A CN201811479448.0A CN201811479448A CN109657941A CN 109657941 A CN109657941 A CN 109657941A CN 201811479448 A CN201811479448 A CN 201811479448A CN 109657941 A CN109657941 A CN 109657941A
- Authority
- CN
- China
- Prior art keywords
- wip
- board
- manufacturing line
- row
- wafer manufacturing
- 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
Links
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 71
- 238000000034 method Methods 0.000 title claims abstract description 62
- 230000007306 turnover Effects 0.000 claims abstract description 30
- 230000008569 process Effects 0.000 claims abstract description 29
- 238000013507 mapping Methods 0.000 claims abstract description 17
- 238000013528 artificial neural network Methods 0.000 claims description 5
- 238000009825 accumulation Methods 0.000 claims description 4
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 claims description 3
- 238000005229 chemical vapour deposition Methods 0.000 claims description 3
- 238000004140 cleaning Methods 0.000 claims description 3
- 238000005530 etching Methods 0.000 claims description 3
- 238000001259 photo etching Methods 0.000 claims description 3
- 230000009467 reduction Effects 0.000 claims description 3
- 229910052710 silicon Inorganic materials 0.000 claims description 3
- 239000010703 silicon Substances 0.000 claims description 3
- 239000000758 substrate Substances 0.000 claims description 3
- 238000002347 injection Methods 0.000 claims description 2
- 239000007924 injection Substances 0.000 claims description 2
- 238000004088 simulation Methods 0.000 claims 1
- 230000008859 change Effects 0.000 abstract description 3
- 235000012431 wafers Nutrition 0.000 description 41
- 230000006872 improvement Effects 0.000 description 12
- 238000012545 processing Methods 0.000 description 5
- 238000005240 physical vapour deposition Methods 0.000 description 4
- 238000013461 design Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000002860 competitive effect Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
Classifications
-
- 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
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06316—Sequencing of tasks or work
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
-
- 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
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Manufacturing & Machinery (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- General Factory Administration (AREA)
Abstract
本发明公开了一种晶圆制造生产线的排货方法,包括步骤:步骤一、收集FAB以往形成的WIP的数量、uptime、process time和机台数量和相应的跑货量并得到对应第一映射关系。步骤二、在第一映射关系的基础上,以uptime和process time的平均值为输入,改变WIP的数量并得到和WIP的数量相对应的跑货量,形成在uptime和process time的平均值的基础上的WIP的数量和跑货量的第二关系曲线。步骤三、在第二关系曲线上得到WIP的数量的转折点值以及饱和跑货量。步骤四、根据WIP的数量的转折点值以及饱和跑货量进行排货安排。本发明能提高排货的准确性和科学性。
Description
技术领域
本发明涉及一种半导体集成电路的制造方法,特别是涉及一种晶圆制造生产线(FAB)的排货方法。
背景技术
晶圆(wafer)制造生产线用于实现在晶圆上制造芯片产品,一片芯片产品完成生产往往需要经过多道如数百道工艺步骤,中间要经历过多个机台,且通常会在同一机台进行前后多次工艺。在晶圆制造生产线中,机台的设备成本本身昂贵,投资成本较大,一条晶圆制造生产线的设备投资成本往往需要数十亿美元,所以在生产过程中往往希望能提高机台的利用率,使机台的产能得到充分的利用。另外,一片芯片产品的工艺复杂,所经历的工艺步骤多,需要使用的机台多,在同一晶圆制造生产线往往会有众多的晶圆即在制品(WIP)同时进行生产,在不同的工艺阶段都有多片晶圆,当多片晶圆都需要使用到同一机台时,就会形成竞争关系;如果同一机台之前等待的晶圆数目较多,则晶圆的积累较多,而机台的负载也大,这些都会对产品的良率造成不必要的影响,产品的交付时间会延期;如果,在同一机台之前等待的晶圆数目较少或没有,往往容易造成机台闲置,这就不能有效利用机台的产能,机台的折旧成本高。
因此,在晶圆制造生产线进行排货是很重要的,排货合理,则能充分利用机台的产能,且又不会造成过多的WIP积累在等待时间内。其中,机台的产能和机台的跑货量(move)相关,一台机台的跑货量为机台在单位时间如一天内完成晶圆生产的数目,晶圆在一台机台中通常仅生产一种对应的工艺步骤。
现有方法中,在排货时,都会参考机台组群的安全WIP数量(Safety WIP)进行。但是现有方法中,Safety WIP都是靠人为经验判断,可能存在判断不准确的情况;而且经验本身是和人相关的,人有主观因素,同一个人在不同的时间阶段或不同的环境下以及不同的人之间不能保存一致的判断,难免会出现不同的误差,故出现判断不准确的情况是必然存在的。所以,如果能排除人为因素,采用科学的数据作为判断标准则比将会提高排货的准确性。
发明内容
本发明要解决的技术问题是提供一种晶圆制造生产线的排货方法,能提高排货的准确性和科学性。
为解决上述技术问题,本发明提供的晶圆制造生产线的排货方法包括如下步骤:
步骤一、收集晶圆制造生产线上以往形成的WIP的数量、uptime、process time和机台数量,其中WIP为在制品,uptime为机台的实际从事生产的时间,process time为制造时间;以及收集和WIP的数量、uptime、process time和机台数量相对应的跑货量;得到WIP的数量、uptime、process time和机台数量和对应的跑货量的第一映射关系。
步骤二、在所述第一映射关系的基础上,以uptime和process time的平均值为输入,改变WIP的数量并得到和WIP的数量相对应的跑货量,形成在uptime和process time的平均值的基础上的WIP的数量和跑货量的第二关系曲线。
步骤三、在所述第二关系曲线上得到WIP的数量的转折点值以及饱和跑货量。
步骤四、根据WIP的数量的所述转折点值以及饱和跑货量进行排货安排。
进一步的改进是,步骤一至四都通过人工神经网络算法模拟得到。
进一步的改进是,所述第二关系曲线中,当WIP的数量大于等于所述转折点值时所述跑货量保持为所述饱和跑货量;当WIP的数量小于所述转折点值时,WIP增加时所述跑货量也增加。
进一步的改进是,步骤四中,根据所述晶圆制造生产线的实际WIP的数量和所述第二关系曲线的关系对所述实际WIP的数量进行调节,当所述实际WIP的数量小于所述转折点值时,增加排货量以增加所述实际WIP的数量,提高所述晶圆制造生产线的机台的产能的利用率。
进一步的改进是,步骤四中,根据所述晶圆制造生产线的实际WIP的数量和所述第二关系曲线的关系对所述实际WIP进行调节,当所述实际WIP的数量大于所述转折点值时,减少排货量以减少所述实际WIP的数量,减少WIP的堆积,从而缩短生产周期(Cycle time)和提高效率。
进一步的改进是,所述晶圆为硅衬底晶圆。
进一步的改进是,所述晶圆制造生产线为8英寸以上的生产线。
进一步的改进是,所述晶圆制造生产线的机台分成多个机群组,一个机群组具有相同的一个以上的加工能力。
进一步的改进是,所述机台分组按照机台类型进行分组。
进一步的改进是,所述机台的类型包括光刻机台、刻蚀机台、清洗机台、炉管机台、化学机械研磨机台、化学气相沉积机台、物理气相沉积机台和离子注入机台。
进一步的改进是,按照所述机台的分组通过步骤一和步骤二得到每一组所述机台对应的所述第一映射关系和所述第二关系曲线,步骤三得到对应组的所述机台对应的WIP的数量的转折点值以及饱和跑货量,步骤四、根据各组的所述机台对应的WIP的数量的转折点值以及饱和跑货量安排排货。
进一步的改进是,在同一种类型的所述机台中,还能根据各所述机台所实际实现的工艺制程不同进行分组。
本发明对排货方法进行了特别的设计,首先,收集晶圆制造生产线上以往形成的数据,如WIP的数量、uptime、process time和机台数量以及对应的跑货量,并对收集到的数据进行组合形成第一映射关系。之后,根据得到的第一映射关系,得到在uptime和processtime为平均值的条件下WIP的数量和相对应的跑货量之间的第二关系曲线。通过第二关系曲线就能得到WIP的数量的转折点值以及饱和跑货量,这样根据WIP的数量的转折点值以及饱和跑货量就能进行排货安排;所以本发明的排货安排完全是在对大量数据进行收集的基础上并进行相应的映射组合得到的,这种排货安排具有准确性,不会受到人为因素的影响;且这种安排是在对大数据进行统计分析的基础上形成的,具有科学性。
另外,本发明的排货方法中涉及到对大数据的采集和分析以及学习过程都能通过人工神经网络算法实现,实现了机器学习和FAB生产的相结合,能进一步的提高生产效率。
附图说明
下面结合附图与具体实施方式对本发明作进一步详细的说明:
图1是本发明实施例晶圆制造生产线的排货方法的流程图;
图2是本发明实施例方法形成的第二关系曲线。
具体实施方式
如图1所示,是本发明实施例晶圆制造生产线的排货方法的流程图;本发明实施例晶圆制造生产线的排货方法包括如下步骤:
步骤一、收集晶圆制造生产线上以往形成的WIP的数量、uptime、process time和机台数量,其中WIP为在制品,uptime为机台的实际从事生产的时间,process time为制造时间;以及收集和WIP的数量、uptime、process time和机台数量相对应的跑货量;得到WIP的数量、uptime、process time和机台数量和对应的跑货量的第一映射关系。
步骤二、在所述第一映射关系的基础上,以uptime和process time的平均值为输入,改变WIP的数量并得到和WIP的数量相对应的跑货量,形成在uptime和process time的平均值的基础上的WIP的数量和跑货量的第二关系曲线。
步骤三、在所述第二关系曲线上得到WIP的数量的转折点值以及饱和跑货量。
步骤四、根据WIP的数量的所述转折点值以及饱和跑货量进行排货安排。
本发明实施例中,步骤一至三都通过人工神经网络算法模拟得到。
如图2所示,是本发明实施例方法形成的第二关系曲线101,所述第二关系曲线中,当WIP的数量大于等于所述转折点值时所述跑货量保持为所述饱和跑货量;当WIP的数量小于所述转折点值时,WIP增加时所述跑货量也增加。由曲线101所示可知,所述转折点值位于虚线圈102中,在标记103所示区域中,当WIP的数量小于所述转折点值时,WIP增加时所述跑货量也增加,所以增加WIP有利于提高跑货量;在标记104所示区域中,所述跑货量保持为所述饱和跑货量,也就WIP的数量增加时所述跑货量不再改变。
步骤四中,根据所述晶圆制造生产线的实际WIP的数量和所述第二关系曲线的关系对所述实际WIP的数量进行调节,当所述实际WIP的数量小于所述转折点值时,增加排货量以增加所述实际WIP的数量,提高所述晶圆制造生产线的机台的产能的利用率。
当所述实际WIP的数量大于所述转折点值时,减少排货量以减少所述实际WIP的数量,减少WIP的堆积,从而缩短生产周期和提高效率,最后能实现按期交货。
本发明实施例中,所述晶圆为硅衬底晶圆。所述晶圆制造生产线为8英寸以上的生产线。所述晶圆制造生产线的机台分成多个机群组,一个机群组具有相同的一个以上的加工能力。Fab定义机台的加工能力是用capability表示,一个capability包含一个或多个机台,也就一个以上的机台具有相同的capability时,就能组成一个机群组,机群组内的机台都可以实现相同的加工,使得晶圆可以根据机群组内的机台的空闲或工作的状态进行晶圆的生产安排,也即晶圆进行需要进行相应的工艺加工时,可以安排在相对空闲机台上进行生产。另外,同一机群组中可以包括多个capability,但一个capability只对应唯一的一个机群。
所述机台分组按照机台类型进行分组。所述机台的类型包括光刻机台、刻蚀机台、清洗机台、炉管机台、化学机械研磨机台、化学气相沉积机台、物理气相沉积机台和离子注入机台。
按照所述机台的分组通过步骤一和步骤二得到每一组所述机台对应的所述第一映射关系和所述第二关系曲线,步骤三得到对应组的所述机台对应的WIP的数量的转折点值以及饱和跑货量,步骤四、根据各组的所述机台对应的WIP的数量的转折点值以及饱和跑货量安排排货。
另外,也能为:在同一种类型的所述机台中,还能根据各所述机台所实际实现的工艺制程不同进行分组。
本发明实施例对排货方法进行了特别的设计,首先,收集晶圆制造生产线上以往形成的数据,如WIP的数量、uptime、process time和机台数量以及对应的跑货量,并对收集到的数据进行组合形成第一映射关系。之后,根据得到的第一映射关系,得到在uptime和process time为平均值的条件下WIP的数量和相对应的跑货量之间的第二关系曲线。通过第二关系曲线就能得到WIP的数量的转折点值以及饱和跑货量,这样根据WIP的数量的转折点值以及饱和跑货量就能进行排货安排;所以本发明的排货安排完全是在对大量数据进行收集的基础上并进行相应的映射组合得到的,这种排货安排具有准确性,不会受到人为因素的影响;且这种安排是在对大数据进行统计分析的基础上形成的,具有科学性。
另外,本发明实施例的排货方法中涉及到对大数据的采集和分析以及学习过程都能通过人工神经网络算法实现,实现了机器学习和FAB生产的相结合,能进一步的提高生产效率。
以上通过具体实施方式对本发明进行了详细的说明,但这些并非构成对本发明的限制。在不脱离本发明原理的情况下,本领域的技术人员还可做出许多变形和改进,这些也应视为本发明的保护范围。
Claims (12)
1.一种晶圆制造生产线的排货方法,其特征在于,包括如下步骤:
步骤一、收集晶圆制造生产线上以往形成的WIP的数量、uptime、process time和机台数量,其中WIP为在制品,uptime为机台的实际从事生产的时间,process time为制造时间;以及收集和WIP的数量、uptime、process time和机台数量相对应的跑货量;得到WIP的数量、uptime、process time和机台数量和对应的跑货量的第一映射关系;
步骤二、在所述第一映射关系的基础上,以uptime和process time的平均值为输入,改变WIP的数量并得到和WIP的数量相对应的跑货量,形成在uptime和process time的平均值的基础上的WIP的数量和跑货量的第二关系曲线;
步骤三、在所述第二关系曲线上得到WIP的数量的转折点值以及饱和跑货量;
步骤四、根据WIP的数量的所述转折点值以及饱和跑货量进行排货安排。
2.如权利要求1所述的晶圆制造生产线的排货方法,其特征在于:步骤一至四都通过人工神经网络算法模拟得到。
3.如权利要求2所述的晶圆制造生产线的排货方法,其特征在于:所述第二关系曲线中,当WIP的数量大于等于所述转折点值时所述跑货量保持为所述饱和跑货量;当WIP的数量小于所述转折点值时,WIP增加时所述跑货量也增加。
4.如权利要求3所述的晶圆制造生产线的排货方法,其特征在于:步骤四中,根据所述晶圆制造生产线的实际WIP的数量和所述第二关系曲线的关系对所述实际WIP的数量进行调节,当所述实际WIP的数量小于所述转折点值时,增加排货量以增加所述实际WIP的数量,提高所述晶圆制造生产线的机台的产能的利用率。
5.如权利要求3所述的晶圆制造生产线的排货方法,其特征在于:步骤四中,根据所述晶圆制造生产线的实际WIP的数量和所述第二关系曲线的关系对所述实际WIP进行调节,当所述实际WIP的数量大于所述转折点值时,减少排货量以减少所述实际WIP的数量,减少WIP的堆积,从而缩短生产周期和提高效率。
6.如权利要求1所述的晶圆制造生产线的排货方法,其特征在于:所述晶圆为硅衬底晶圆。
7.如权利要求1所述的晶圆制造生产线的排货方法,其特征在于:所述晶圆制造生产线为8英寸以上的生产线。
8.如权利要求1所述的晶圆制造生产线的排货方法,其特征在于:所述晶圆制造生产线的机台分成多个机群组,一个机群组具有相同的一个以上的加工能力。
9.如权利要求8所述的晶圆制造生产线的排货方法,其特征在于:所述机台分组按照机台类型进行分组。
10.如权利要求9所述的晶圆制造生产线的排货方法,其特征在于:所述机台的类型包括光刻机台、刻蚀机台、清洗机台、炉管机台、化学机械研磨机台、化学气相沉积机台、物理气相沉积机台和离子注入机台。
11.如权利要求10所述的晶圆制造生产线的排货方法,其特征在于:按照所述机台的分组通过步骤一和步骤二得到每一组所述机台对应的所述第一映射关系和所述第二关系曲线,步骤三得到对应组的所述机台对应的WIP的数量的转折点值以及饱和跑货量,步骤四、根据各组的所述机台对应的WIP的数量的转折点值以及饱和跑货量安排排货。
12.如权利要求10所述的晶圆制造生产线的排货方法,其特征在于:在同一种类型的所述机台中,还能根据各所述机台所实际实现的工艺制程不同进行分组。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811479448.0A CN109657941B (zh) | 2018-12-05 | 2018-12-05 | 晶圆制造生产线的排货方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811479448.0A CN109657941B (zh) | 2018-12-05 | 2018-12-05 | 晶圆制造生产线的排货方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109657941A true CN109657941A (zh) | 2019-04-19 |
CN109657941B CN109657941B (zh) | 2020-10-09 |
Family
ID=66112444
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811479448.0A Active CN109657941B (zh) | 2018-12-05 | 2018-12-05 | 晶圆制造生产线的排货方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109657941B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2007028158A2 (en) * | 2005-09-02 | 2007-03-08 | Lightridge Resources Llc | Energy and chemical species utility management system |
CN103000547A (zh) * | 2012-11-28 | 2013-03-27 | 上海华力微电子有限公司 | 一种优化cdsem跑货顺序的方法 |
CN104977903A (zh) * | 2014-04-03 | 2015-10-14 | 中芯国际集成电路制造(上海)有限公司 | 基于实时派工系统的机台组下的晶圆批次派工方法和系统 |
US20180321667A1 (en) * | 2016-05-09 | 2018-11-08 | StrongForce IoT Portfolio 2016, LLC | Methods and systems for data processing in an industrial internet of things data collection environment with large data sets |
-
2018
- 2018-12-05 CN CN201811479448.0A patent/CN109657941B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2007028158A2 (en) * | 2005-09-02 | 2007-03-08 | Lightridge Resources Llc | Energy and chemical species utility management system |
CN103000547A (zh) * | 2012-11-28 | 2013-03-27 | 上海华力微电子有限公司 | 一种优化cdsem跑货顺序的方法 |
CN104977903A (zh) * | 2014-04-03 | 2015-10-14 | 中芯国际集成电路制造(上海)有限公司 | 基于实时派工系统的机台组下的晶圆批次派工方法和系统 |
US20180321667A1 (en) * | 2016-05-09 | 2018-11-08 | StrongForce IoT Portfolio 2016, LLC | Methods and systems for data processing in an industrial internet of things data collection environment with large data sets |
Also Published As
Publication number | Publication date |
---|---|
CN109657941B (zh) | 2020-10-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104977903A (zh) | 基于实时派工系统的机台组下的晶圆批次派工方法和系统 | |
Chou et al. | Model modification in covariance structure modeling: A comparison among likelihood ratio, Lagrange multiplier, and Wald tests | |
CN105446281B (zh) | 工艺腔室的派货方法和系统 | |
CN104217978B (zh) | 半导体批次产品的处理系统和方法 | |
US20150241876A1 (en) | Clustering for Prediction Models in Process Control and for Optimal Dispatching | |
JPH03242953A (ja) | 半導体集積回路の論理セル配置方法 | |
CN110050125A (zh) | 信息处理装置、信息处理系统、信息处理方法、程序、基板处理装置、基准数据决定装置及基准数据决定方法 | |
CN101834160B (zh) | 一种提高芯片成品率的多项目晶圆切割方法 | |
CN105302078A (zh) | 一种半导体制造工艺中炉管机台运行的控制系统及方法 | |
CN101424919A (zh) | 半导体制造系统的重调度决策系统 | |
CN102436529A (zh) | 基于Weibull分布的MOS晶体管可靠性统计模型的建模方法 | |
CN108983722A (zh) | 一种用于集成电路芯片最终测试的优化调度方法 | |
CN108446814A (zh) | 同顺序流水线车间调度问题的树搜索方法及装置 | |
CN109657941A (zh) | 晶圆制造生产线的排货方法 | |
CN107480904A (zh) | 一种化合物半导体致命缺陷分析系统和分析方法 | |
CN102130050B (zh) | 一种支持芯片位置受约束限制的多项目晶圆切割方法 | |
CN105573269B (zh) | 半导体制造机台的参数监控系统及方法 | |
CN105096021B (zh) | 一种追踪半导体产品队列时间的系统及方法 | |
CN115471048A (zh) | 基于数字孪生的产线设备综合效率的监控与协同优化方法 | |
CN104900499B (zh) | 一种离子注入机的剂量匹配方法 | |
CN109150103B (zh) | 计算不同旁路二极管配置下光伏组件的阴影耐受性的方法 | |
CN106651207A (zh) | 计件系数统计方法及系统 | |
Chung et al. | The integrated room layout for a semiconductor facility plan | |
CN113159564A (zh) | 一种基于mes与cmms大数据的自动化生产线综合效能评价方法 | |
CN101989532B (zh) | 机台进行产品处理的方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |