CN112116119B - 机台负载的动态预测方法及装置、计算机可读存储介质 - Google Patents

机台负载的动态预测方法及装置、计算机可读存储介质 Download PDF

Info

Publication number
CN112116119B
CN112116119B CN201910532598.1A CN201910532598A CN112116119B CN 112116119 B CN112116119 B CN 112116119B CN 201910532598 A CN201910532598 A CN 201910532598A CN 112116119 B CN112116119 B CN 112116119B
Authority
CN
China
Prior art keywords
ith station
ith
station
standard
machine
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
CN201910532598.1A
Other languages
English (en)
Other versions
CN112116119A (zh
Inventor
刘智慧
张瀛
何旭栋
田华
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
Semiconductor Manufacturing International Beijing Corp
Original Assignee
Semiconductor Manufacturing International Shanghai Corp
Semiconductor Manufacturing International Beijing 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, Semiconductor Manufacturing International Beijing Corp filed Critical Semiconductor Manufacturing International Shanghai Corp
Priority to CN201910532598.1A priority Critical patent/CN112116119B/zh
Publication of CN112116119A publication Critical patent/CN112116119A/zh
Application granted granted Critical
Publication of CN112116119B publication Critical patent/CN112116119B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • 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

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

Abstract

一种机台负载的动态预测方法及装置、计算机可读存储介质，所述机台负载的动态预测方法包括：获取第i个站点的标准过货速度；根据所述第i个站点的标准过货速度，计算所述第i个站点的标准在制品数量；当检测到所述第i个站点的实际在制品数量与所述第i个站点的标准在制品数量不同时，获取预设敏感度调整系数；采用所述敏感度调整系数对所述第i个站点的标准过货速度进行调整，得到调整后的过货速度；采用所述调整后的过货速度对未来预设时长内所述第i个站点对应的机台的产品预测量进行预测；根据所述第i个站点对应的机台的产品预测量，预测所述第i个站点对应的机台的负载预测量并输出。采用上述方案，能够提高机台负载预测的准确度。

Description

机台负载的动态预测方法及装置、计算机可读存储介质
技术领域
本发明实施例涉及半导体技术领域，尤其涉及一种机台负载的动态预测方法及装置、计算机可读存储介质。
背景技术
一条半导体生产线通常由不同的设备及不同的产品组成。由于半导体生产是一个多重入式生产过程，同一个机组可能运行一条产品线的不同站点，也可以运行其他产品的站点。
为了确保半导体生产的有序进行，通常采用静态4M负载预测方法预测机台在未来一段时间内的负载预测量。然而，对于半导体生产线而言，由于生产线上的在制品数量每天在变化、产品投放的下线计划也在不断调整，因此，采用静态的4M负载预测方法得到的机台负载预测量准确度较低。
发明内容
本发明实施例解决的技术问题是预测得到的机台负载的准确度较低。
为解决上述技术问题，本发明实施例提供一种机台负载的动态预测方法包括：获取第i个站点的标准过货速度；根据所述第i个站点的标准过货速度，计算所述第i个站点的标准在制品数量；当检测到所述第i个站点的实际在制品数量与所述第i个站点的标准在制品数量不同时，获取预设敏感度调整系数；采用所述敏感度调整系数对所述第i个站点的标准过货速度进行调整，得到调整后的过货速度；采用所述调整后的过货速度对未来预设时长内所述第i个站点对应的机台的产品预测量进行预测；根据所述第i个站点对应的机台的产品预测量，预测所述第i个站点对应的机台的负载预测量并输出。
可选的，所述获取第i个站点的标准过货速度，包括：获取历史预设时间段内第i个站点的历史平均过货速度，作为所述第i个站点的标准过货速度。
可选的，所述获取预设敏感度调整系数，包括：当所述第i个站点的实际在制品数量与所述第i个站点的标准在制品数量的差值处于预设范围时，获取第一敏感度调整系数，其中，所述第一敏感度调整系数与所述差值正相关；当所述第i个站点的实际在制品数量与所述第i个站点的标准在制品数量的差值小于所述预设范围时，获取第二敏感度调整系数；当所述第i个站点的实际在制品数量与所述第i个站点的标准在制品数量的差值大于所述预设范围时，获取第三敏感度调整系数。
可选的，所述采用所述调整后的过货速度对未来预设时长内所述第i个站点对应的机台的产品预测量进行预测，包括：根据所述第i个站点的实际在制品数量以及所述第i个站点的标准过货速度，计算所述第i个站点的过货时间；当所述第i个站点的过货时间小于所述未来预设时长时，获取所述第i个站点之前的m个站点，其中，所述第i个站点的过货时间与所述第i个站点之前的m个站点的过货时间之和大于或等于所述未来预设时长，且所述第i个站点的过货时间与所述第i个站点之前的m-1个站点的过货时间之和小于所述未来预设时长；计算在所述未来预设时长内，第i-m个站点的实际在制品数量；获取在所述未来预设时长内的产品下线计划，确定预投放产品数量；将所述未来预设时长内的所述预投放产品数量、所述第i个站点的实际在制品数量、所述第i个站点之前的m-1个站点的实际在制品数量及所述第i-m个站点的实际在制品数量之和作为所述第i个站点对应的机台在所述未来预设时长内的产品预测量。
可选的，所述预测所述第i个站点对应的机台的负载预测量，包括：计算所述第i个站点对应的机组的日产量，每个机组包括若干个机台；根据所述第i个站点对应的机台的产品预测量以及所述第i个站点对应的机组的日产量，计算所述第i个站点对应的机组的负载预测量。
可选的，在计算得到所述第i个站点对应的机组的负载预测量之后，还包括：根据所述第i个站点对应的机组的负载预测量，调整所述机组中对应的机台的工作状态。
本发明实施例还提供一种机台负载的动态预测装置，包括：第一获取单元，适于获取第i个站点的标准过货速度；计算单元，适于根据所述第i个站点的标准过货速度，计算所述第i个站点的标准在制品数量；第二获取单元，适于当检测到所述第i个站点的实际在制品数量与所述第i个站点的标准在制品数量不同时，获取预设敏感度调整系数；第一调整单元，适于采用所述敏感度调整系数对所述第i个站点的标准过货速度进行调整，得到调整后的过货速度；第一预测单元，适于采用所述调整后的过货速度对未来预设时长内所述第i个站点对应的机台的产品预测量进行预测；第二预测单元，适于根据所述第i个站点对应的机台的产品预测量，预测所述第i个站点对应的机台的负载预测量；输出单元，适于输出所述第i个站点对应的机台的负载预测量。
可选的，所述第一获取单元，适于获取历史预设时间段内第i个站点的历史平均过货速度，作为所述第i个站点的标准过货速度。
可选的，所述第二获取单元，适于当所述第i个站点的实际在制品数量与所述第i个站点的标准在制品数量的差值处于预设范围时，获取第一敏感度调整系数，其中，所述第一敏感度调整系数与所述差值正相关；当所述第i个站点的实际在制品数量与所述第i个站点的标准在制品数量的差值小于所述预设范围时，获取第二敏感度调整系数；当所述第i个站点的实际在制品数量与所述第i个站点的标准在制品数量的差值大于所述预设范围时，获取第三敏感度调整系数。
可选的，所述第一调整单元，适于根据所述第i个站点的实际在制品数量以及所述第i个站点的标准过货速度，计算所述第i个站点的过货时间；当所述第i个站点的过货时间小于所述未来预设时长时，获取所述第i个站点之前的m个站点，其中，所述第i个站点的过货时间与所述第i个站点之前的m个站点的过货时间之和大于或等于所述未来预设时长，且所述第i个站点的过货时间与所述第i个站点之前的m-1个站点的过货时间之和小于所述未来预设时长；计算在所述未来预设时长内，第i-m个站点的实际在制品数量；获取在所述未来预设时长内的产品下线计划，确定预投放产品数量；将所述未来预设时长内的所述预投放产品数量、所述第i个站点的实际在制品数量、所述第i个站点之前的m-1个站点的实际在制品数量及所述第i-m个站点的实际在制品数量之和作为所述第i个站点对应的机台在所述未来预设时长内的产品预测量。
可选的，所述第二预测单元，适于计算所述第i个站点对应的机组的日产量，每个机组包括若干个机台；根据所述第i个站点对应的机台的产品预测量以及所述第i个站点对应的机组的日产量，计算所述第i个站点对应的机组的负载预测量。
可选的，所述机台负载的动态预测装置还包括：第二调整单元，适于根据所述第i个站点对应的机组的负载预测量，调整所述机组中对应的机台的工作状态。
本发明实施例还提供另一种机台负载的动态预测装置，包括存储器和处理器，所述存储器上存储有可在所述处理器上运行的计算机指令，所述处理器运行所述计算机指令时执行上述任一种机台负载的动态预测方法的步骤。
本发明实施例还提供一种计算机可读存储介质，计算机可读存储介质为非易失性存储介质或非瞬态存储介质，其上存储有计算机指令，所述计算机指令运行时执行上述任一种机台负载的动态预测方法的步骤。
与现有技术相比，本发明实施例的技术方案具有以下有益效果：
当第i个站点的实际在制品数量与第i个站点的标准在制品数量不同时，采用预设敏感度调整系数对第i个站点的标准过货速度进行调整，并采用调整后的过货速度对未来预设时长内第i个站点对应的机台的产品预测量进行预测，并根据第i个站点对应的机台的产品预测量，预测第i个站点对应的机台负载预测量，从而所得到的第i个站点对应的机台的产品预测量可以考虑第i个站点实际在制品数量以及产品下线计划的影响，实现对机台负载进行动态预测，因此，可以提高机台负载预测的准确度。
进一步，根据第i个站点对应的机组的负载预测量，调整机台的工作状态。有利于根据实际需要调整机台的产能配置、机台的维修、制定关键机组以及预测在制品的分布或者及时反馈调整下线等。
附图说明
图1是本发明实施例中的一种机台负载的动态预测方法的流程图；
图2是本发明实施例中的一种机台负载的动态预测装置的结构示意图。
具体实施方式
如上所述，对于半导体生产线而言，由于生产线上的在制品数量每天在变化、产品投放的下线计划也在不断调整，因此，采用静态的4M负载预测方法得到的机台负载预测量准确度较低。
本发明实施例中，当第i个站点的实际在制品数量与第i个站点的标准在制品数量不同时，采用预设敏感度调整系数对第i个站点的标准过货速度进行调整，并采用调整后的过货速度对未来预设时长内所述第i个站点对应的机台的产品预测量进行预测，并根据第i个站点对应的机台的产品预测量，预测第i个站点对应的机台负载预测量，从而所得到的第i个站点对应的机台的产品预测量可以考虑第i个站点实际在制品数量以及产品下线计划的影响，实现对机台负载进行动态预测，因此，可以提高机台负载预测的准确度。
为使本发明实施例的上述目的、特征和有益效果能够更为明显易懂，下面结合附图对本发明的具体实施例做详细的说明。
在具体实施中，半导体生产线通常为重入式生产线。一条半导体生产线上实际可能有多种产品以及多个站点。一种产品通常需要经过多种工艺加工，也即可能需要经过多个站点进行处理。每个站点拥有对应的机组，一个机组可以包括多个机台，不同的机台可以分别运行不同的工艺，也可以运行相同的工艺。下面以第i个站点为例，对机台负载的动态预测的流程进行说明。
参照图1，给出了本发明实施例中一种机台负载的动态预测方法的流程图。具体可以包括如下步骤：
步骤11，获取第i个站点的标准过货速度。
在具体实施中，可以获取历史预设时间段内第i个站点的历史平均过货速度，将其作为第i个站点的标准过货速度。
在实际应用中，过货速度可以是指一个产品从上一站点处理完成之后至第i个站点处理完成之后的时间，如第i个站点的标准过货速度为1小时/个。由于不同站点对应的工艺不同，其标准过货速度可以不同。
在具体实施中，一个半导体产品从开始生产到出货对应有出货周期。一个半导体产品通常有若干个黄光层，出货周期可以通过黄光层的处理速度进行表示，例如，一个半导体的出货周期为60天，包括40个黄光层，那么半导体的出货周期可以表示为1.5天/黄光层。在本发明实施例中，可以基于A天/黄光层的出货速度在历史预设时间段内的第i个站点的过货速度作为标准过货速度。
步骤12，根据所述第i个站点的标准过货速度，计算所述第i个站点的标准在制品数量。
在具体实施中，当计算得到第i个站点的标准过货速度之后，可以计算第i个站点的标准在制品数量。
例如，根据每月出货量(MPS)计算每天出货量，根据每天出货量计算每小时出货量。将每小时出货量与第i个站点的标准过货速度做乘积运算，得到第i个站点的标准在制品数量。
步骤13，当检测到所述第i个站点的实际在制品数量与所述第i个站点的标准在制品数量不同时，获取预设敏感度调整系数。
在具体实施中，获取第i个站点的实际在制品数量，当第i个站点的实际在制品数量与第i个站点的标准在制品数量不同时，获取预设敏感度调整系数。
在本发明实施例中，为了提高机台的产品预测量的预测的精准度，根据第i个站点的实际在制品数量与第i个站点的标准在制品数量的差值不同，所获取到的预设敏感度调整系数不同。当第i个站点的实际在制品数量大于第i个站点的标准在制品数量时，产品在第i个站点的等待时间变长；当第i个站点的实际在制品数量小于第i个站点的标准在制品数量时，产品在第i个站点的等待时间变短。
在本发明一实施例中，当所述第i个站点的实际在制品数量与所述第i个站点的标准在制品数量的差值处于预设范围时，获取第一敏感度调整系数，其中，所述第一敏感度调整系数与所述差值正相关，根据所述i个站点的实际在制品数量与所述第i个站点的标准在制品数量的差值的不同，所获取到的第一敏感度调整系数的具体取值不同。
在本发明另一实施例中，当所述第i个站点的实际在制品数量与所述第i个站点的标准在制品数量的差值小于所述预设范围时，获取第二敏感度调整系数。
在具体实施中，所述第二敏感度调整系数可以为固定值，且可以小于所述第一敏感度调整系数。可以理解的是，可以根据实际应用场景需求，设定第二敏感度调整系数的取值。
在本发明又一实施例中，当所述第i个站点的实际在制品数量与所述第i个站点的标准在制品数量的差值大于所述预设范围时，获取第三敏感度调整系数。
在具体实施中，所述第三敏感度调整系数可以为固定值，且大于所述第一敏感度调整系数。可以理解的是，可以根据实际应用场景需求，设定第三敏感度调整系数的取值。
步骤14，采用所述敏感度调整系数对所述第i个站点的标准过货速度进行调整，得到调整后的过货速度。
在具体实施中，可以将所述敏感度调整系数与第i个站点的标准过货速度做乘积运算，并将得到的乘积作为第i个站点调整后的过货速度。
例如，采用如下公式(1)对第i个站点的标准过货速度进行调整：
Adjuststagetime(i)＝WIP Sensitivecoefficient*STDstagetime(i)； (1)
其中，WIP Sensitivecoefficient为敏感度调整系数；Adjuststagetime(i)为第i个站点调整后的过货速度；STDstagetime(i)为第i个站点的标准过货速度。
通过敏感度调整系数，可以对第i个站点的标准过货速度进行调整，得到调整后的过货速度。根据第i个站点的实际在制品数量与第i个站点的标准在制品数量的差值不同，预设敏感度调整系数不同，从而可以控制调整后的过货速度线性降低的程度或者线性增长的程度，避免出现产品在站点的等待时间过长，或者出现产品不能及时供给的情况。
例如，第i个站点的实际在制品数量与第i个站点的标准在制品数量的差值的预设范围为(50，100)。若第i个站点的标准在制品数量为300片，当前计算得到第i个站点的实际在制品数量为500片，第i个站点的实际在制品数量与第i个站点的标准在制品数量的差值为200，获取第三敏感度度调整系数，将第三敏感度调整系数与第i个站点的标准过货速度进行乘积运算，得到调整后的过货速度，调整后的过货速度大于标准过货速度。通过增大第i个站点的实际过货速度，也即延长在制品在第i个站点的过货时间，可以对减小产品的投放量，从而可以缓解当前第i个站点的实际在制品数量较多造成的在制品积压，确保机台负载的稳定性。
又如，第i个站点的标准在制品数量为300片，当前计算得到第i个站点的实际在制品数量为360片。第i个站点的实际在制品数量与第i个站点的标准在制品数量的差值为60，处于预设范围(50，100)内，获取到的第一敏感度调整系数与第i个站点的实际在制品数量和第i个站点的标准在制品数量的差值正相关。例如，差值为60时对应的第一敏感度调整系数为A1，差值70时对应的敏感度调整系数为A2，差值75时对应的第一敏感度调整系数为A3，其中：且A1＜A2＜A3。
再如，第i个站点的标准在制品数量为300片，当前计算得到第i个站点的实际在制品数量为260片，第i个站点的实际在制品数量与第i个站点的标准在制品数量的差值为-40，小于预设范围(50，100)。获取第二敏感度调整系数对第i个站点的实际过货速度进行调整，调整后的过货速度小于标准过货速度，也即减小在制品在第i个站点的过货时间，从而可以增加产品的投放量，以使得第i个站点的实际在制品数量向标准在制品数量靠近，避免出现产品不能及时供给的情况。
在具体实施中，采用第三敏感度调整系数调整后的过货速度不高于标准过货速度的3倍，以避免出现过度调节的情况。
步骤15，采用所述调整后的过货速度对未来预设时长内所述第i个站点对应的机台的产品预测量进行预测。
在具体实施中，根据所述第i个站点的在制品数量以及所述第i个站点的标准过货速度，计算所述第i个站点的过货时间；当所述第i个站点的过货时间小于所述未来预设时长时，获取所述第i个站点之前的m个站点。所述第i个站点的过货时间与所述第i个站点之前的m个站点的过货时间之和大于或等于所述未来预设时长，且所述第i个站点的过货时间与所述第i个站点之前的m-1个站点的过货时间之和小于所述未来预设时长；计算在所述未来预设时长内，第i-m个站点的实际在制品数量。
在具体实施中，为了确保生产线的连续生产，可以周期性地进行产品投放。为了能够准确地预测得到第i个站点的机台的产品预测量，还可以获取未来预设时长内的产品下线计划，从所述产品下线计划中确定在未来预设时长内预投放的产品数量。
例如，产品下线计划中计划每天投放200件产品，未来五天内的预投放的产品数量为1000件。
将所述预投放产品数量、所述第i个站点的实际在制品数量、所述第i个站点之前的m-1个站点的实际在制品数量及所述第i-m个站点的实际在制品数量之和作为所述第i个站点对应的机台在所述未来预设时长内的产品预测量。
例如，对第n个站点未来24小时内的机台产品预测量进行预测。第n个站点的过货速度为V(m)，第n个站点的在制品(Work In Process，WIP)数量为W(n)，对应的过货时间为T(n)。第n个站点的前一站即第n-1个站点的过货时间为T(n-1)，第n-1站的WIP数量为W(n-1)，以此向前类推，判断T(n)+T(n-1)≥24小时是否成立，若不成立，则继续将前面站点对应的过货时间进行相加，直至T(n)+T(n-1)+……+T(n-m)≥24成立，则第n个站点在未来24小时内的产品预测量ComingWIP(n)采用如下公式(2)计算：
其中，为在未来24小时内第n-m个站点的实际在制品数量；adjuststagetime为调整后的过货速度。
步骤16，根据所述第i个站点对应的机台的产品预测量，预测所述第i个站点对应的机台的负载预测量并输出。
在具体实施中，在得到第i个站点对应的机台的产品预测量之后，可以根据所述第i个站点对应的机台的产品预测量，预测所述第i个站点对应的机台的负载预测量并输出。
在本发明实施例中，可以由工业工程(Industrial Engineering，IE)给出的标准设备的综合效率以及每道工序的机台速度，推导得到每个设备组中的机台产能。根据机组所包括的机台的数量以及每个机台的产能，可以计算出每个机组的日产量。
根据第i个站点对应的机台的产品预测量以及第i个站点对应的机组的日产量，计算第i个站点对应的机组的负载预测量。可以采用如下公式(3)计算第i个站点对应的机组的负载预测量：
其中，Group loading(n)为第i个站点对应的机组的负载预测量；Coming WIP(n)为第i个站点对应的机台的产品预测量；Group(n)daily supply为第i个站点对应的机组的日产量。
由于半导体工艺生产流程是一个多重入式生产过程，因此机组的负载预测量也可以表示为如下公式(4)：
Group loading(n)＝Group loading(p)+Group loading(j)+…+Group loading(k)
；(4)
其中，Group loading(n)为第i个站点对应的机组的负载预测量；p、j、k表示第i站点对应的机组在某产品生产工艺中的加工工艺流程。
在具体实施中，由于工厂内机台的制程复杂，机组中的一个机台可以运行制程A，也可以运行制程B，机组中的机台的数量随着当天的制程的摆放可以增加或减少，因此，在本发明实施例中，根据所计算得到的第i个站点对应的机组的负载预测量，可以对机组中对应的机台的工作状态进行调整。例如，生产线工作人员可以根据机组的负载，及时调整机台产能配置、合理安排机台维修、制定每天的关键机台、预测某产品的WIP分布或者及时反馈调整下线计划等。
由上述方案可知，当第i个站点的实际在制品数量与第i个站点的标准在制品数量不同时，采用预设敏感度调整系数对第i个站点的标准过货速度进行调整，并采用调整后的过货速度对未来预设时长内所述第i个站点对应的机台的产品预测量进行预测，并根据第i个站点对应的机台的产品预测量，预测第i个站点对应的机台负载预测量，从而所得到的第i个站点对应的机台的产品预测量可以考虑第i个站点实际在制品数量以及产品下线计划的影响，实现对机台负载进行动态预测，因此，可以提高机台负载预测的准确度。
为了便于本领域技术人员更好的理解和实现本发明实施例，本发明实施例还提供一种机台负载的动态预测装置。
参照图2，给出了本发明实施例中一种机台负载的动态预测装置的结构示意图。所述机台负载的动态预测装置20包括：第一获取单元21、计算单元22、第二获取单元23、第一调整单元24、第一预测单元25、第二预测单元26及输出单元27，其中：
第一获取单元21，适于获取第i个站点的标准过货速度；
计算单元22，适于根据所述第i个站点的标准过货速度，计算所述第i个站点的标准在制品数量；
第二获取单元23，适于当检测到所述第i个站点的实际在制品数量与所述第i个站点的标准在制品数量不同时，获取预设敏感度调整系数；
第一调整单元24，适于采用所述敏感度调整系数对所述第i个站点的标准过货速度进行调整，得到调整后的过货速度；
第一预测单元25，适于采用所述调整后的过货速度对未来预设时长内所述第i个站点对应的机台的产品预测量进行预测；
第二预测单元26，适于根据所述第i个站点对应的机台的产品预测量，预测所述第i个站点对应的机台的负载预测量；
输出单元27，适于输出所述第i个站点对应的机台的负载预测量。
在具体实施中，所述第一获取单元21，适于获取历史预设时间段内第i个站点的历史平均过货速度，作为所述第i个站点的标准过货速度。
在具体实施中，所述第二获取单元23，适于当所述第i个站点的实际在制品数量与所述第i个站点的标准在制品数量的差值处于预设范围时，获取第一敏感度调整系数，其中，所述第一敏感度调整系数与所述差值正相关；当所述第i个站点的实际在制品数量与所述第i个站点的标准在制品数量的差值小于所述预设范围时，获取第二敏感度调整系数；当所述第i个站点的实际在制品数量与所述第i个站点的标准在制品数量的差值大于所述预设范围时，获取第三敏感度调整系数。
在具体实施中，所述第一调整单元24，适于根据所述第i个站点的实际在制品数量以及所述第i个站点的标准过货速度，计算所述第i个站点的过货时间；当所述第i个站点的过货时间小于所述未来预设时长时，获取所述第i个站点之前的m个站点，其中，所述第i个站点的过货时间与所述第i个站点之前的m个站点的过货时间之和大于或等于所述未来预设时长，且所述第i个站点的过货时间与所述第i个站点之前的m-1个站点的过货时间之和小于所述未来预设时长；计算在所述未来预设时长内，第i-m个站点的实际在制品数量；获取在所述未来预设时长内的产品下线计划，确定预投放产品数量；将所述预设时长内的所述预投放产品数量、所述第i个站点的实际在制品数量、所述第i个站点之前的m-1个站点的实际在制品数量及所述第i-m个站点的实际在制品数量之和作为所述第i个站点对应的机台在所述未来预设时长内的产品预测量。
在具体实施中，所述第二预测单元26，适于计算所述第i个站点对应的机组的日产量，每个机组包括若干个机台；根据所述第i个站点对应的机台的产品预测量以及所述第i个站点对应的机组的日产量，计算所述第i个站点对应的机组的负载预测量。
在具体实施中，所述机台负载的动态预测装置20还可以包括：第二调整单元28，适于根据所述第i个站点对应的机组的负载预测量，调整所述机组中对应的机台的工作状态。
在具体实施中，所述机台负载的动态预测装置20的工作原理及工作流程，可以参考本发明实施例提供的上述任一种机台负载的动态预测方法中的描述，此处不再赘述。
本发明实施例还提供一种机台负载的动态预测装置，包括存储器和处理器，所述存储器上存储有可在所述处理器上运行的计算机指令，所述处理器运行所述计算机指令时执行本发明实施例提供的上述任一种机台负载的动态预测方法的步骤。
本发明实施例还提供一种计算机可读存储介质，计算机可读存储介质为非易失性存储介质或非瞬态存储介质，其上存储有计算机指令，所述计算机指令运行时执行本发明实施例提供的上述任一种机台负载的动态预测方法的步骤。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于任一计算机可读存储介质中，存储介质可以包括：ROM、RAM、磁盘或光盘等。
虽然本发明披露如上，但本发明并非限定于此。任何本领域技术人员，在不脱离本发明的精神和范围内，均可作各种更动与修改，因此本发明的保护范围应当以权利要求所限定的范围为准。

Claims (12)

1.一种机台负载的动态预测方法，其特征在于，包括：
获取第i个站点的标准过货速度；
根据所述第i个站点的标准过货速度，计算所述第i个站点的标准在制品数量；
当检测到所述第i个站点的实际在制品数量与所述第i个站点的标准在制品数量不同时，获取预设敏感度调整系数；
采用所述敏感度调整系数对所述第i个站点的标准过货速度进行调整，得到调整后的过货速度；
采用所述调整后的过货速度对未来预设时长内所述第i个站点对应的机台的产品预测量进行预测，包括：根据所述第i个站点的实际在制品数量以及所述第i个站点的标准过货速度，计算所述第i个站点的过货时间；当所述第i个站点的过货时间小于所述未来预设时长时，获取所述第i个站点之前的m个站点，其中，所述第i个站点的过货时间与所述第i个站点之前的m个站点的过货时间之和大于或等于所述未来预设时长，且所述第i个站点的过货时间与所述第i个站点之前的m-1个站点的过货时间之和小于所述未来预设时长；采用所述调整后的过货速度，计算在所述未来预设时长内，第i-m个站点的实际在制品数量；获取在所述未来预设时长内的产品下线计划，确定预投放产品数量；将所述未来预设时长内的所述预投放产品数量、所述第i个站点的实际在制品数量、所述第i个站点之前的m-1个站点的实际在制品数量及所述第i-m个站点的实际在制品数量之和作为所述第i个站点对应的机台在所述未来预设时长内的产品预测量；
根据所述第i个站点对应的机台的产品预测量，预测所述第i个站点对应的机台的负载预测量并输出。
2.根据权利要求1所述的机台负载的动态预测方法，其特征在于，所述获取第i个站点的标准过货速度，包括：获取历史预设时间段内第i个站点的历史平均过货速度，作为所述第i个站点的标准过货速度。
3.根据权利要求1所述的机台负载的动态预测方法，其特征在于，所述获取预设敏感度调整系数，包括：当所述第i个站点的实际在制品数量与所述第i个站点的标准在制品数量的差值处于预设范围时，获取第一敏感度调整系数，其中，所述第一敏感度调整系数与所述差值正相关；当所述第i个站点的实际在制品数量与所述第i个站点的标准在制品数量的差值小于所述预设范围时，获取第二敏感度调整系数；当所述第i个站点的实际在制品数量与所述第i个站点的标准在制品数量的差值大于所述预设范围时，获取第三敏感度调整系数。
4.根据权利要求1～3任一项所述的机台负载的动态预测方法，其特征在于，所述预测所述第i个站点对应的机台的负载预测量，包括：
计算所述第i个站点对应的机组的日产量，每个机组包括若干个机台；根据所述第i个站点对应的机台的产品预测量以及所述第i个站点对应的机组的日产量，计算所述第i个站点对应的机组的负载预测量。
5.根据权利要求4所述的机台负载的动态预测方法，其特征在于，在输出所述第i个站点对应的机组的负载预测量之后，还包括：根据所述第i个站点对应的机组的负载预测量，调整所述机组中对应的机台的工作状态。
6.一种机台负载的动态预测装置，其特征在于，包括：
第一获取单元，适于获取第i个站点的标准过货速度；
计算单元，适于根据所述第i个站点的标准过货速度，计算所述第i个站点的标准在制品数量；
第二获取单元，适于当检测到所述第i个站点的实际在制品数量与所述第i个站点的标准在制品数量不同时，获取预设敏感度调整系数；
第一调整单元，适于采用所述敏感度调整系数对所述第i个站点的标准过货速度进行调整，得到调整后的过货速度，所述第一调整单元还适于根据所述第i个站点的实际在制品数量以及所述第i个站点的标准过货速度，计算所述第i个站点的过货时间；
第一预测单元，适于采用所述调整后的过货速度对未来预设时长内所述第i个站点对应的机台的产品预测量进行预测，当所述第i个站点的过货时间小于所述未来预设时长时，获取所述第i个站点之前的m个站点，其中，所述第i个站点的过货时间与所述第i个站点之前的m个站点的过货时间之和大于或等于所述未来预设时长，且所述第i个站点的过货时间与所述第i个站点之前的m-1个站点的过货时间之和小于所述未来预设时长；采用所述调整后的过货速度，计算在所述未来预设时长内，第i-m个站点的实际在制品数量；获取在所述未来预设时长内的产品下线计划，确定预投放产品数量；将所述未来预设时长内的所述预投放产品数量、所述第i个站点的实际在制品数量、所述第i个站点之前的m-1个站点的实际在制品数量及所述第i-m个站点的实际在制品数量之和作为所述第i个站点对应的机台在所述未来预设时长内的产品预测量；
第二预测单元，适于根据所述第i个站点对应的机台的产品预测量，预测所述第i个站点对应的机台的负载预测量；
输出单元，适于输出所述第i个站点对应的机台的负载预测量。
7.根据权利要求6所述的机台负载的动态预测装置，其特征在于，所述第一获取单元，适于获取历史预设时间段内第i个站点的历史平均过货速度，作为所述第i个站点的标准过货速度。
8.根据权利要求6所述的机台负载的动态预测装置，其特征在于，所述第二获取单元，适于当所述第i个站点的实际在制品数量与所述第i个站点的标准在制品数量的差值处于预设范围时，获取第一敏感度调整系数，其中，所述第一敏感度调整系数与所述差值正相关；当所述第i个站点的实际在制品数量与所述第i个站点的标准在制品数量的差值小于所述预设范围时，获取第二敏感度调整系数；当所述第i个站点的实际在制品数量与所述第i个站点的标准在制品数量的差值大于所述预设范围时，获取第三敏感度调整系数。
9.根据权利要求6～8任一项所述的机台负载的动态预测装置，其特征在于，第二预测单元，适于计算所述第i个站点对应的机组的日产量，每个机组包括若干个机台；根据所述第i个站点对应的机台的产品预测量以及所述第i个站点对应的机组的日产量，计算所述第i个站点对应的机组的负载预测量。
10.根据权利要求9所述的机台负载的动态预测装置，其特征在于，还包括：第二调整单元，适于根据所述第i个站点对应的机组的负载预测量，调整所述机组中对应的机台的工作状态。
11.一种机台负载的动态预测装置，包括存储器和处理器，所述存储器上存储有可在所述处理器上运行的计算机指令，其特征在于，所述处理器运行所述计算机指令时执行权利要求1至5任一项所述的机台负载的动态预测方法的步骤。
12.一种计算机可读存储介质，计算机可读存储介质为非易失性存储介质或非瞬态存储介质，其上存储有计算机指令，其特征在于，所述计算机指令运行时执行权利要求1至5任一项所述的机台负载的动态预测方法的步骤。
CN201910532598.1A 2019-06-19 2019-06-19 机台负载的动态预测方法及装置、计算机可读存储介质 Active CN112116119B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910532598.1A CN112116119B (zh) 2019-06-19 2019-06-19 机台负载的动态预测方法及装置、计算机可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910532598.1A CN112116119B (zh) 2019-06-19 2019-06-19 机台负载的动态预测方法及装置、计算机可读存储介质

Publications (2)

Publication Number Publication Date
CN112116119A CN112116119A (zh) 2020-12-22
CN112116119B true CN112116119B (zh) 2023-11-24

Family

ID=73795635

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910532598.1A Active CN112116119B (zh) 2019-06-19 2019-06-19 机台负载的动态预测方法及装置、计算机可读存储介质

Country Status (1)

Country Link
CN (1) CN112116119B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113988462A (zh) * 2021-11-15 2022-01-28 无锡唯因特数据技术有限公司 生产控制方法、装置和存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TW200837646A (en) * 2007-03-13 2008-09-16 Powerchip Semiconductor Corp Method for reserving equipment and computer accessible storage media to store program thereof
CN103346105A (zh) * 2013-06-27 2013-10-09 上海华力微电子有限公司 一种可按照工艺晶圆数量负载动态调整的缺陷抽检方法
CN104217978A (zh) * 2013-06-05 2014-12-17 中芯国际集成电路制造(上海)有限公司 半导体批次产品的处理系统和方法
CN105988424A (zh) * 2015-01-28 2016-10-05 中芯国际集成电路制造(上海)有限公司 半导体工艺制程信息的生成方法与生成装置
JP2017045143A (ja) * 2015-08-24 2017-03-02 株式会社Sumco シリコンウェーハの工程計画立案システム、工程計画立案装置、工程計画立案方法及びプログラム

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TW200837646A (en) * 2007-03-13 2008-09-16 Powerchip Semiconductor Corp Method for reserving equipment and computer accessible storage media to store program thereof
CN104217978A (zh) * 2013-06-05 2014-12-17 中芯国际集成电路制造(上海)有限公司 半导体批次产品的处理系统和方法
CN103346105A (zh) * 2013-06-27 2013-10-09 上海华力微电子有限公司 一种可按照工艺晶圆数量负载动态调整的缺陷抽检方法
CN105988424A (zh) * 2015-01-28 2016-10-05 中芯国际集成电路制造(上海)有限公司 半导体工艺制程信息的生成方法与生成装置
JP2017045143A (ja) * 2015-08-24 2017-03-02 株式会社Sumco シリコンウェーハの工程計画立案システム、工程計画立案装置、工程計画立案方法及びプログラム

Also Published As

Publication number Publication date
CN112116119A (zh) 2020-12-22

Similar Documents

Publication Publication Date Title
US10088815B2 (en) Wire electric discharge machine performing machining while adjusting machining condition
DE102017001290B4 (de) Maschinenlernvorrichtung, Industriemaschinenzelle, Herstellungssystem und Maschinenlernverfahren zum Erlernen einer Aufgabenteilung unter einer Vielzahl von Industriemaschinen
Lu et al. Opportunistic preventive maintenance scheduling for serial-parallel multistage manufacturing systems with multiple streams of deterioration
US20140222376A1 (en) Method for searching, analyzing, and optimizing process parameters and computer program product thereof
US10139809B2 (en) Optimization based controller tuning systems and methods
CN112116119B (zh) 机台负载的动态预测方法及装置、计算机可读存储介质
DE102014222705A1 (de) Verfahren, Speichermedium und System zur Steuerung der Verarbeitung von Losen von Werkstücken
US11372396B2 (en) Control product flow of semiconductor manufacture process under time constraints
US10095199B2 (en) Energy consumption predicting device for rolling line
JP2009282740A (ja) 製品品質予測および制御方法
JP2007188306A (ja) 処理時間の確率分布を考慮したスケジューリング装置
TWI571908B (zh) 製程控制方法與製程控制系統
US10522427B2 (en) Techniques providing semiconductor wafer grouping in a feed forward process
US20100191363A1 (en) Method and system for estimating context offsets for run-to-run control in a semiconductor fabrication facility
US7937177B2 (en) Manufacturing work in process management system
Chang et al. A G&P EWMA algorithm for high-mix semiconductor manufacturing processes
US11501989B2 (en) Control product flow of semiconductor manufacture process
CN102478841B (zh) 一种平衡机台产能的方法和装置
GB2603400A (en) Tool control using multistage LSTM for predicting on-wafer measurements
JP2569081B2 (ja) 生産制御装置
JP2022508735A (ja) 金属ワークピースの製造方法
JP2009059045A (ja) 製品品質の制御方法及び制御装置
CN117891224B (zh) 一种口服液体瓶的生产控制方法、设备及介质
CN117973815B (zh) 自适应生产计划智能生成与调整系统及方法
CN105575838B (zh) 用于量测机台的派货的方法和系统

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