CN114742332A - 生产力分析方法及生产力分析系统 - Google Patents
生产力分析方法及生产力分析系统 Download PDFInfo
- Publication number
- CN114742332A CN114742332A CN202210659761.2A CN202210659761A CN114742332A CN 114742332 A CN114742332 A CN 114742332A CN 202210659761 A CN202210659761 A CN 202210659761A CN 114742332 A CN114742332 A CN 114742332A
- Authority
- CN
- China
- Prior art keywords
- production
- machine
- events
- event
- target
- 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
- 238000004458 analytical method Methods 0.000 title claims abstract description 89
- 238000004519 manufacturing process Methods 0.000 claims abstract description 347
- 238000012360 testing method Methods 0.000 claims abstract description 83
- 230000006872 improvement Effects 0.000 claims abstract description 53
- 230000006870 function Effects 0.000 claims description 14
- 230000036541 health Effects 0.000 claims description 8
- 238000012163 sequencing technique Methods 0.000 claims description 4
- 238000012216 screening Methods 0.000 abstract description 4
- 238000004140 cleaning Methods 0.000 description 45
- 235000012431 wafers Nutrition 0.000 description 37
- 238000012546 transfer Methods 0.000 description 22
- 238000000034 method Methods 0.000 description 21
- 238000002360 preparation method Methods 0.000 description 20
- 238000012545 processing Methods 0.000 description 14
- 230000008569 process Effects 0.000 description 11
- 230000009471 action Effects 0.000 description 10
- 230000009286 beneficial effect Effects 0.000 description 8
- 238000005530 etching Methods 0.000 description 8
- 230000005540 biological transmission Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 6
- 238000010923 batch production Methods 0.000 description 4
- 238000012805 post-processing Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 238000004590 computer program Methods 0.000 description 2
- 230000006866 deterioration Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000006399 behavior Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000010409 thin film Substances 0.000 description 1
Images
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
- 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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Manufacturing & Machinery (AREA)
- Primary Health Care (AREA)
- General Factory Administration (AREA)
Abstract
本公开涉及一种生产力分析方法及生产力分析系统。生产力分析方法包括:确定各机群的生产事件,并将生产事件划分为多个生产子事件;选择具有相同生产子事件的至少两个机群的机台作为测试机台,并将生产子事件作为目标事件;控制测试机台执行生产事件,以采集各测试机台执行目标事件时对应的目标结果;根据各测试机台的目标结果,确定出目标事件的理想指标,并将目标结果为理想指标的测试机台作为目标机台;分析目标机台达成理想指标的关键因素,以将关键因素作为生产子事件的改善要素。上述生产力分析方法不再局限于筛选同功能且同程式的机台用于比较,故可以找出更多潜在可能的改善机会点。
Description
技术领域
本公开涉及生产系统分析技术领域,特别是涉及一种生产力分析方法及生产力分析系统。
背景技术
目前大型工厂普遍拥有大量的机台,机台生产力攸关工厂的实际产出,为了提升机台生产力,需要准确获取每个机台的生产力,并从中找出可以改善机台的生产力的生产要素。
然而目前获取机台生产力的方法,主要是借助于机台报表或是利用人为捞取批货生产记录等。因此,目前的方法只能粗略地获取机台生产力信息,无法迅速定位提升机台生产力的改善机会点。若能及时发现机台生产力恶化或快速解析生产力提升机会点,便能有效地采取相关措施,进而提升机台生产力。
因此,如何迅速且准确地定位机台生产力提升的关键因素是亟需解决的问题。
发明内容
基于此,有必要提供一种生产力分析方法及生产力分析系统,以迅速且准确地定位机台生产力提升的关键因素。
本申请提供了一种生产力分析方法,应用于生产系统,生产系统包括由同一设备商供应且功能不同的至少两个机群,其中,任一机群包括至少两个机台;分析方法包括:确定各机群的生产事件,并将生产事件划分为多个生产子事件;选择具有相同生产子事件的至少两个机群的机台作为测试机台,并将生产子事件作为目标事件;控制测试机台执行生产事件,以采集各测试机台执行目标事件时对应的目标结果;根据各测试机台的目标结果,确定出目标事件的理想指标,并将目标结果为理想指标的测试机台作为目标机台;分析目标机台达成理想指标的关键因素,以将关键因素作为生产子事件的改善要素。
上述生产力分析方法,可以针对由同一设备商供应且具有不同功能的机群进行测试机台的选择,以增加测试机台可选择的样本总量。并且,在分析不同功能机群对应生产事件的生产子事件之后,选择具有相同生产子事件的至少两个机群的机台作为测试机台,可以将机台生产力的分析对象细化至任一生产子事件。基于此,在选定测试机台及目标事件后,控制测试机台执行生产事件,并采集各测试机台执行目标事件时对应的目标结果,便可以根据目标结果是否满足理想指标确定目标机台。如此,可以将机台生产力的分析对象进一步锁定至目标机台。这样通过分析目标机台达成理想指标时所具备的关键因素,便可以将该关键因素作为对应生产子事件的改善要素。也即,能够根据前述的关键因素对生产子事件进行改善,以有效提升机台的生产力。
本申请提供的生产力分析方法,通过对生产事件的拆分选择,可以将测试机台的筛选范围放宽,而不再局限于只针对具有相同功能且相同程式的机群。并且,通过对目标事件的确定以及对测试机台执行目标事件后所能实现目标结果的采集及分析,可以将机台生产力的分析对象细化至生产子事件及目标机台,从而能够迅速且准确地定位利于机台生产力有效提升的关键因素,以便于发现机台生产力更多潜在可能的改善机会点。
可选地,生产事件根据单个生产对象确定。如此,可以将机台生产力的分析对象进一步锁定至单个生产对象,而非局限于批量生产对象,能够实现机台生产力更为精细的分析。
可选地,不同机群中的机台是否具有相同的生产子事件,通过如下方法确定:分析各机台对应生产子事件的生产要素;确定不同机台对应生产子事件的生产要素是否相同或相似;若是,则不同机台对应的生产子事件相同;若否,则不同机台对应的生产子事件不同。如此,生产子事件是否相同,可以通过对其生产要素的分析比较确定,以将相同生产子事件的确定标准量化,从而提高机台生产力的分析效率及分析精度。
可选地,生产要素的数量为多个,且多个生产要素包括核心要素和非核心要素;确定不同机台对应生产子事件的生产要素是否相同或相似,包括:判断核心要素是否相同或相似。如此,将相同生产子事件的确定标准控制在核心要素,利于提高机台生产力的分析效率。
可选地,任一机群中的机台存在多个生产子事件与其他机群中机台的生产子事件相同;选择具有相同生产子事件的至少两个机群的机台作为测试机台,并将生产子事件作为目标事件,包括:选择具有相同生产子事件数量最多的至少两个机群的机台作为测试机台,并将相同的生产子事件按照执行顺序排序为多个目标事件。如此,有利于通过一次采集获取多个相同生产子事件对应的目标结果,以提高机台生产力的分析效率。
可选地,分析方法还包括:确定生产事件中各生产子事件的改善要素;将各生产子事件的改善要素汇总,作为生产事件的改善要素。如此,通过分别确定生产事件中各生产子事件的改善要素,并将其汇总作为生产事件的改善要素,可以使生产事件具有较为全面且更精细化的改善机会,以利于提高生产系统的生产力。
基于同样的发明构思,本申请还提供一种生产力分析系统,包括:生产系统,包括由同一设备商供应且功能不同的至少两个机群,其中,任一机群包括至少两个机台;生产力健检平台,与生产系统相连接,包括:采集模块、控制模块及分析模块;其中,采集模块被配置为:收集并存储生产系统中机群的生产事件,生产事件包括多个生产子事件;控制模块被配置为:选择具有相同生产子事件的至少两个机群的机台作为测试机台,将生产子事件作为目标事件,以及控制测试机台执行生产事件,并使采集模块采集各测试机台执行目标事件时对应的目标结果;分析模块被配置为:根据各测试机台的目标结果确定出目标事件的理想指标,将目标结果为理想指标的测试机台作为目标机台,以及分析目标机台达成理想指标的关键因素,以将关键因素输出为生产子事件的改善要素。
上述生产力分析系统,利用与生产系统相连的生产力健检平台,可以方便地确定出由同一设备商供应且功能不同的机群,以及各机群对应的生产事件及生产子事件等,以能够对生产系统执行前述一些实施例中所述的生产力分析方法,从而有利于及时发现机台生产力的提升机会点,以便有效地采取相关措施。
可选地,生产力健检平台还包括:与生产系统、采集模块、控制模块及分析模块分别连接的显示模块;显示模块被配置为:显示生产系统、采集模块、控制模块及分析模块的操作界面。
可选地,不同机群中的机台的型号相同;和/或,不同机群属于同一生产部门。
可选地,任一所述机群中的所述机台存在多个所述生产子事件与其他所述机群中所述机台的所述生产子事件相同。所述控制模块还被配置为:选择具有相同所述生产子事件数量最多的至少两个所述机群的所述机台作为所述测试机台,并将相同的所述生产子事件按照执行顺序排序为多个所述目标事件,以及控制所述测试机台执行所述生产事件,并使所述采集模块采集各所述测试机台执行所述目标事件时对应的所述目标结果。
附图说明
为了更清楚地说明本公开实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本公开的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为一实施例中提供的一种生产力分析方法的流程示意图;
图2为一实施例中提供的一组测试机台与作动时间的关系示意图;
图3为一实施例中提供的另一组测试机台与作动时间的关系示意图;
图4为一实施例中提供的一种生产力分析系统的结构示意图。
具体实施方式
为了便于理解本公开,下面将参照相关附图对本公开进行更全面的描述。附图中给出了本公开的实施例。但是,本公开可以以许多不同的形式来实现,并不限于本文所描述的实施例。相反地,提供这些实施例的目的是使本公开的公开内容更加透彻全面。
除非另有定义,本文所使用的所有的技术和科学术语与属于本公开的技术领域的技术人员通常理解的含义相同。本文中在本公开的说明书中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本公开。
目前大型工厂普遍拥有大量的机台,机台生产力攸关工厂的实际产出,为了提升机台生产力,需要准确获取每个机台的生产力,并从中找出可以改善机台的生产力的生产要素。
然而目前获取机台生产力的方法,主要是借助于机台报表或是利用人为捞取批货生产记录等。因此,目前的方法只能粗略地通过产品的批量生产来获取机台生产力的相关资讯,而无法针对具体的生产对象(例如单片晶圆)进行咨讯解析。并且,机台存在较多黑数(即不确定因素),机台生产力的分析往往需要挑选机台生产同程式 (Recipe)的产品并以批量为单位进行其生产行为过程的推理计算,导致机台生产力的分析结果往往存在较大误差(例如会有很多离群数据点)。如此,目前的方法很难迅速定位提升机台生产力的改善机会点。然而,若能及时发现机台生产力恶化或快速解析生产力提升机会点,便能有效地采取相关措施,进而提升机台生产力。
因此,如何迅速且准确地定位机台生产力提升的关键因素是亟需解决的问题。
鉴于上述现有技术的不足,本申请实施例的目的在于提供一种生产力分析方法及生产力分析系统,以能够迅速且准确地定位机台生产力提升的关键因素,从而有效改善机台的生产力。
请参阅图1,本申请实施例提供了一种生产力分析方法,应用于生产系统。生产系统包括由同一设备商供应且功能不同的至少两个机群,其中,任一机群包括至少两个机台。该生产力分析方法包括如下步骤。
S10,确定各机群的生产事件,并将生产事件划分为多个生产子事件。
S20,选择具有相同生产子事件的至少两个机群的机台作为测试机台,并将生产子事件作为目标事件。
S30,控制测试机台执行生产事件,以采集各测试机台执行目标事件时对应的目标结果。
S40,根据各测试机台的目标结果,确定出目标事件的理想指标,并将目标结果为理想指标的测试机台作为目标机台。
S50,分析目标机台达成理想指标的关键因素,以将关键因素作为生产子事件的改善要素。
上述生产力分析方法,可以针对由同一设备商供应且具有不同功能的机群进行测试机台的选择,以增加测试机台可选择的样本总量。并且,在分析不同功能机群对应生产事件的生产子事件之后,选择具有相同生产子事件的至少两个机群的机台作为测试机台,可以将机台生产力的分析对象细化至任一生产子事件。基于此,在选定测试机台及目标事件后,控制测试机台执行生产事件,并采集各测试机台执行目标事件时对应的目标结果,便可以根据目标结果是否满足理想指标确定目标机台。如此,可以将机台生产力的分析对象进一步锁定至目标机台。这样通过分析目标机台达成理想指标时所具备的关键因素,便可以将该关键因素作为对应生产子事件的改善要素。也即,能够根据前述的关键因素对生产子事件进行改善,以有效提升机台的生产力。
本申请实施例提供的生产力分析方法,通过对生产事件的拆分选择,可以将测试机台的筛选范围放宽,而不再局限于只针对具有相同功能且相同程式的机群。并且,通过对目标事件的确定以及对测试机台执行目标事件后所能实现目标结果的采集及分析,可以将机台生产力的分析对象细化至生产子事件及目标机台,从而能够迅速且准确地定位利于机台生产力有效提升的关键因素,以便于发现机台生产力更多潜在可能的改善机会点。
可以理解,生产系统包含不确定因素,即生产系统中的导致机台生产力恶化的因素具有不确定性。本申请实施例通过对生产事件的拆分选择,可以将测试机台的筛选范围放宽至由同一设备商供应且功能不同的多个机群。
基于此,可选地,用于选取测试机台的多个不同机群中的机台的型号相同。此处,型号相同是指:机台具有相同的设备参数及相同的生产出厂过程。
可选地,用于选取测试机台的多个不同机群属于同一生产部门。
为了方便说明本申请,以下一些示例中,生产系统中各机台生产力可以用机台每小时处理的晶圆数来表示,即机台生产力可以用机台的生产速度来表示。
在一个可选地实施例中,用于选取测试机台的机群数量例如为两个,并且两个不同机群中的机台可以分别用机台A和机台B表示。例如,一个机群内具有三台机台A,另一个机群中具有两台机台B。机台A和机台B可以具有相同的型号,但可以用于执行不同的功能。并且,可选地,机台A和机台B属于同一生产部门,例如均属于半导体芯片工厂中的薄膜生产部门。
在一些示例中,生产事件根据单个生产对象确定。
可选地,单个生产对象包括单个晶圆或单个芯片。也即,不再需要根据同功能同程式机台批量生产的产品确定生产事件。如此,可以将机台生产力的分析对象进一步锁定至单个生产对象,而非局限于批量生产对象,能够实现机台生产力更为精细的分析,有利于发现机台生产力更多潜在可能的改善机会点。
示例的,生产事件包括机台对晶圆的作动行为事件,生产子事件包括机台对晶圆作动行为事件中不同工序阶段对应的子作动行为事件。例如,生产事件为对晶圆执行清洗,生产子事件则可以包括:晶圆传送、清洗准备、清洗执行或清洗后处理中的任一者。
在一些示例中,在步骤S20中,不同机群中的机台是否具有相同的生产子事件,可以通过如下方法确定:分析各机台对应生产子事件的生产要素;确定不同机台对应生产子事件的生产要素是否相同或相似;若是,则不同机台对应的生产子事件相同;若否,则不同机台对应的生产子事件不同。如此,生产子事件是否相同,可以通过对其生产要素的分析比较确定,以将相同生产子事件的确定标准量化,从而提高机台生产力的分析效率及分析精度。
可选地,生产要素包括:工艺步骤、工艺环境、工艺设备以及加工方式等等。
可选地,不同机台对应的生产子事件相同,包括不同机台对应的生产子事件的生产要素相同或相似,也即:不同机台对应的生产子事件的若干生产要素均相同,可判定生产要素相同;或者,不同机台对应的生产子事件的若干生产要素不均相同但至少保证一个相同时,可判定生产要素相似;或者,不同机台对应的生产子事件的生产要素不相同但相对于彼此能够位于许可的偏差范围内,可判定生产要素相似;等等。如此,不同机台对应的生产子事件是否相同,可以根据实际需求选择设置判定标准。
可选地,生产要素的数量为多个,且多个生产要素包括核心要素和非核心要素。基于此,确定不同机台对应生产子事件的生产要素是否相同或相似,包括:判断核心要素是否相同或相似。如此,将相同生产子事件的确定标准控制在核心要素,利于提高机台生产力的分析效率。
在一个可选地实施例中,机台A例如为清洗机台,机台B例如为刻蚀机台。清洗机台和刻蚀机台可以由同一供应商供应且具备相同的机台型号。那么对于清洗机台和刻蚀机台中的晶圆传送这一生产子事件,二者的传送设备、传送距离及传送速度可以相同,传送环境可以不同。其中,传送设备、传送距离及传送速度例如为核心要素,传送环境例如为非核心要素。那么,在满足至少一个核心要素相同的情况下,则可判定清洗机台和刻蚀机台中的晶圆传送这一生产子事件的生产要素相似,进而可判定清洗机台和刻蚀机台中的晶圆传送这一生产子事件相同。
在一些示例中,任一机群中的机台存在多个生产子事件与其他机群中机台的生产子事件相同。在步骤S30中,选择具有相同生产子事件的至少两个机群的机台作为测试机台,并将生产子事件作为目标事件,包括:选择具有相同生产子事件数量最多的至少两个机群的机台作为测试机台,并将相同的生产子事件按照执行顺序排序为多个目标事件。如此,有利于通过一次采集获取多个相同生产子事件对应的目标结果,以提高机台生产力的分析效率。
在一个可选地实施例中,根据测试机台执行生产事件的执行结果,逐一确定目标事件对应的目标结果,并逐一分析以确定改善因素。
可选地,不同目标事件对应的目标机台可以相同或不同。
示例地,请参阅图2,一个机群内具有三台机台A(分别标识为:机台A1、机台A2和机台A3),另一个机群中具有两台机台B(分别标识为:机台B1和机台B2)。本申请实施例可以将该两个机群内的五台机台均作为测试机台,而不局限于必须找到五台机台A或五台机台B。其中,机台A对应的生产事件例如为晶圆清洗,机台B对应的生产事件例如为晶圆刻蚀。可以理解,晶圆刻蚀过程中存在晶圆清洗的工序。因此,可以将机台A和机台B的生产事件分别拆分为多个生产子事件,例如包括晶圆传送、清洗准备、清洗执行以及清洗后处理等生产子事件。这样在通过分析比较后,经判定,上述机台A和机台B执行的晶圆传送、清洗准备、清洗执行以及清洗后处理符合生产子事件相同的标准,可以分别作为目标事件。其中,晶圆传送对应的目标结果是晶圆传送作动时间,清洗准备对应的目标结果是清洗准备作动时间,清洗执行对应的目标结果是清洗执行作动时间,清洗后处理对应的目标结果是清洗后处理作动时间。
基于此,将相同的生产子事件按照执行顺序排序为多个目标事件。并且,控制测试机台执行生产事件,可以采集各测试机台执行目标事件时对应的目标结果。图2也分别示出了各机台A和各机台B执行目标事件时对应的目标结果。根据各目标结果,可以看出,机台B2对应的清洗准备作动时间和清洗执行作动时间最短;也即:机台B2对应的清洗准备作动时间可以作为清洗准备(生产子事件)的理想指标,机台B2对应的清洗执行作动时间可以作为清洗执行(生产子事件)的理想指标,机台B2则对应为清洗准备和清洗执行两生产子事件的目标机台。如此,通过分析机台B2在清洗准备和清洗执行这两件生产子事件上达成理想指标的关键因素,可以将前述关键因素作为对应生产子事件的改善要素,以应用至机台A1、机台A2、机台A3和机台B1中,从而完成对不同机台相同生产子事件的改善。
同理,机台A3对应的晶圆传送作动时间最短;也即:机台A3对应的晶圆传送作动时间可以作为晶圆传送(生产子事件)的理想指标,机台A3则对应为晶圆传送生产子事件的目标机台。如此,通过分析机台A3在晶圆传送生产子事件上达成理想指标的关键因素,可以将前述关键因素作为对应生产子事件的改善要素,以应用至机台A1、机台A2、机台B1和机台B2中,从而完成对不同机台相同生产子事件的改善。
同理,机台B1对应的清洗后处理作动时间最短;也即:机台B1对应的清洗后处理作动时间可以作为清洗后处理(生产子事件)的理想指标,机台B1则对应为清洗后处理生产子事件的目标机台。如此,通过分析机台B1在清洗后处理生产子事件上达成理想指标的关键因素,可以将前述关键因素作为对应生产子事件的改善要素,以应用至机台A1、机台A2、机台A3和机台B2中,从而完成对不同机台相同生产子事件的改善。
由上,可选地,本申请实施例提供的生产力分析方法还包括:确定生产事件中各生产子事件的改善要素;将各生产子事件的改善要素汇总,作为生产事件的改善要素。
示例地,请继续参阅图2,在确定每个目标事件对应的最优目标结果(即理想指标)后,将各理想指标汇总即可得到机台对应生产事件的最理想生产模式。例如,清洗准备的理想指标为10s,清洗执行的理想指标为50s,清洗后处理的理想指标为20s,晶圆传送的理想指标为10s。那么,由晶圆传送、清洗准备、清洗执行以及清洗后处理构成的生产事件的理想生产模式即为:90s(=10s+10s+50s+20s)。该理想生产模式可以分别应用至机台A所在机群和机台B所在机群。
基于此,通过分析各生产子事件对应目标机台所能达成理想指标的关键因素,可以确定生产事件中各生产子事件的改善要素。这样在将各生产子事件的改善要素汇总后作为生产事件的改善要素,便可以使生产事件达到理想生产模式,从而有效提升机台的生产力。
本申请实施例通过分别确定生产事件中各生产子事件的改善要素,并将其汇总作为生产事件的改善要素,可以使生产事件具有较为全面且更精细化的改善机会,以利于提高生产系统的生产力。
此外,在一个可选地实施例中,请参阅图3,不同机群中的机台可以仅针对任一生产子事件进行改善。例如,一个机群内具有三台机台A(分别标识为:机台A1、机台A2和机台A3),另一个机群中具有两台机台B(分别标识为:机台B1和机台B2)。本申请实施例可以将该两个机群内的五台机台均作为测试机台,而不局限于必须找到五台机台A或五台机台B。其中,机台A对应的生产事件例如为晶圆清洗,机台B对应的生产事件例如为晶圆刻蚀。在将机台A和机台B的生产事件分别拆分为多个生产子事件,二者相同的生产子事件例如为晶圆传送和待机准备,二者不同的生产子事件例如为加工执行和加工后处理。如此,上述机台A和机台B执行的晶圆传送和待机准备符合生产子事件相同的标准,可以分别作为目标事件。其中,晶圆传送对应的目标结果是晶圆传送作动时间,待机准备对应的目标结果是待机准备作动时间。
基于此,在控制测试机台执行生产事件后,可以采集获得各测试机台执行目标事件时对应的目标结果。图3也分别示出了各机台A和各机台B执行目标事件时对应的目标结果。
根据各目标结果,可以看出,机台A2对应的待机准备作动时间最短,例如为10s;也即:机台A2对应的待机准备作动时间可以作为待机准备(生产子事件)的理想指标。如此,通过分析机台A2在待机准备生产子事件上达成理想指标的关键因素,可以将前述关键因素作为对应生产子事件的改善要素,以应用至机台A1、机台A3、机台B1和机台B2中相同的生产子事件中,从而完成对不同机台相同生产子事件的改善。
并且,机台B1对应的晶圆传送作动时间最短,例如为10s;也即:机台B1对应的晶圆传送作动时间可以作为晶圆传送(生产子事件)的理想指标。如此,通过分析机台B1在晶圆传送生产子事件上达成理想指标的关键因素,可以将前述关键因素作为对应生产子事件的改善要素,以应用至机台A1、机台A2、机台A3和机台B2中相同的生产子事件中,从而完成对不同机台相同生产子事件的改善。
此外,在机台A所在机群中,机台A1、机台A2和机台A3对应加工执行的理想指标为:机台A3中的加工执行作动时间,例如为60s;机台A1、机台A2和机台A3对应加工后处理的作动时间相同,该加工后处理生产子事件的理想指标例如为30s。那么,机台A所在机群中各机台对应生产事件的理想生产模式则为:110s(=10s+10s+60s+30s)。
同理,在机台B所在机群中,机台B1和机台B2对应加工执行的作动时间相同,该加工执行生产子事件的理想指标例如为100s。机台B1和机台B2对应加工后处理的作动时间相同,该加工后处理生产子事件的理想指标例如为20s。那么,机台B所在机群中各机台对应生产事件的理想生产模式则为:140s(=10s+10s+100s+20s)。
基于此,通过分析相同生产子事件对应目标机台所能达成理想指标的关键因素,可以确定生产事件中相同生产子事件的改善要素。并且,在此基础上结合生产事件中其他生产子事件的可改善要素,也同样可以有效优化生产事件的作动,从而使生产事件达到理想生产模式,以便于有效提升机台的生产力。
基于同样的发明构思,请参阅图4,本申请还提供一种生产力分析系统,包括:生产系统1和生产力健检平台2。生产系统1包括由同一设备商供应且功能不同的至少两个机群11,其中,任一机群11包括至少两个机台111。生产力健检平台2与生产系统1相连接,包括:采集模块21、控制模块22及分析模块23。其中,采集模块21被配置为:收集并存储生产系统1中机群11的生产事件,生产事件包括多个生产子事件。控制模块22被配置为:选择具有相同生产子事件的至少两个机群11的机台111作为测试机台,将生产子事件作为目标事件,以及控制测试机台执行生产事件,并使采集模块21采集各测试机台执行目标事件时对应的目标结果。分析模块23被配置为:根据各测试机台的目标结果确定出目标事件的理想指标,将目标结果为理想指标的测试机台作为目标机台,以及分析目标机台达成理想指标的关键因素,以将关键因素输出为生产子事件的改善要素。
上述生产力分析系统,利用生产力健检平台2,可以方便地确定出由同一设备商供应且功能不同的机群11,以及各机群11对应的生产事件及生产子事件等,以能够对生产系统1执行前述一些实施例中所述的生产力分析方法,从而有利于及时发现机台111生产力的提升机会点,以便有效地采取相关措施。
可选地,生产事件根据单个生产对象确定。如此,可以将机台生产力的分析对象进一步锁定至单个生产对象,而非局限于批量生产对象,能够实现机台生产力更为精细的分析。
在一些示例中,采集模块21被配置为:针对同一生产部门且同一机台型号的多个机台111,收集并存储每一晶圆在机台111上的生产事件及对应的生产子事件。此外,采集模块21可以按照预设周期收集并存储前述生产事件及生产子事件,以构建生产对象资料库,从而能够为控制模块22和分析模块23提供数据资料依据。
在一些示例中,控制模块22还被配置为:分析各机台111对应生产子事件的生产要素;确定不同机台对应生产子事件的生产要素是否相同或相似;若是,则不同机台对应的生产子事件相同;若否,则不同机台对应的生产子事件不同选择具有相同生产子事件。基于此,控制模块22能够选择具有相同生产子事件的至少两个机群11的机台111作为测试机台,将生产子事件作为目标事件,以及控制测试机台执行生产事件,并使采集模块21采集各测试机台执行目标事件时对应的目标结果。可见,生产子事件是否相同,可以通过控制模块22对其生产要素的分析比较确定,以将相同生产子事件的确定标准量化,从而提高机台生产力的分析效率及分析精度。
可选地,生产要素包括:工艺步骤、工艺环境、工艺设备以及加工方式等等。
可选地,生产要素的数量为多个,且多个生产要素包括核心要素和非核心要素。控制模块22在确定不同机台对应生产子事件的生产要素是否相同或相似时,还可以表现为:判断核心要素是否相同或相似。如此,可以通过控制模块22将相同生产子事件的确定标准控制在核心要素,利于提高机台生产力的分析效率。
可选地,任一机群中的机台存在多个生产子事件与其他机群中机台的生产子事件相同。控制模块22还被配置为:选择具有相同生产子事件数量最多的至少两个机群的机台作为测试机台,并将相同的生产子事件按照执行顺序排序为多个目标事件,以及控制测试机台执行生产事件,并使采集模块21采集各测试机台执行目标事件时对应的目标结果。如此,有利于通过一次采集获取多个相同生产子事件对应的目标结果,以提高机台生产力的分析效率。
相应地,分析模块23还被配置为:确定生产事件中各生产子事件的改善要素;将各生产子事件的改善要素汇总,作为生产事件的改善要素。如此,通过分别确定生产事件中各生产子事件的改善要素,并将其汇总作为生产事件的改善要素,可以使生产事件具有较为全面且更精细化的改善机会,以利于提高生产系统的生产力。
在一个可选地实施例中,分析模块23可以根据测试机台执行生产事件的执行结果,逐一确定目标事件对应的目标结果,并逐一分析以确定改善因素。
可选地,不同目标事件对应的目标机台相同或不同。
可选地,不同机群11中的机台111的型号相同;和/或,不同机群11属于同一生产部门。
可选地,请继续参阅图4,生产力健检平台还包括:与生产系统1、采集模块21、控制模块22及分析模块23分别连接的显示模块24。显示模块24被配置为:显示生产系统1、采集模块21、控制模块22及分析模块23的操作界面。
此处,生产系统1、采集模块21、控制模块22及分析模块23的操作界面均可以根据实际需求选择设置。示例地,采集模块21的操作界面包括Pweb报表界面、机台Gannt图表操作界面、机台警报界面、每批次的流入历史与派工记录、装载箱负荷状况、在制品来货状况以及预留晶圆的总片数等。此外,采集模块21的操作界面还可以显示每片晶圆在机台上执行生产事件及生产子事件过程的历史记录,至少包括目标事件以及相应的目标结果。
在一些实施例中,生产力健检平台可以为一种计算机设备。该计算机设备可以是任一种电子终端,例如包括通过系统总线连接的处理器、存储器、通信接口、显示模块和输入装置等。其中,通信接口用于与外部的终端进行有线或无线方式的通信,无线方式可通过WIFI、移动蜂窝网络、NFC(近场通信)或其他技术实现。输入装置可以为多个信号传感器、显示屏上覆盖的触摸层、以及是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。存储器包括非易失性存储介质、内存储器;该非易失性存储介质存储有操作系统和计算机程序,该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。其中,通信接口、存储器及输入装置可以共同作为采集模块21使用。处理器用于提供计算和控制能力。处理器可以作为控制模块22和分析模块23使用。处理器例如为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器或基于量子计算的数据处理逻辑器等,且不限于此。显示模块可以是有机电致发光二极管显示屏、发光二极管显示屏、液晶显示屏或者电子墨水显示屏等。
在本说明书的描述中,上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本公开的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本公开构思的前提下,还可以做出若干变形和改进,这些都属于本公开的保护范围。因此,本公开专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种生产力分析方法,应用于生产系统,其特征在于,所述生产系统包括由同一设备商供应且功能不同的至少两个机群,其中,任一所述机群包括至少两个机台;
所述分析方法包括:
确定各所述机群的生产事件,并将所述生产事件划分为多个生产子事件;
选择具有相同所述生产子事件的至少两个所述机群的所述机台作为测试机台,并将所述生产子事件作为目标事件;
控制所述测试机台执行所述生产事件,以采集各所述测试机台执行所述目标事件时对应的目标结果;
根据各所述测试机台的所述目标结果,确定出所述目标事件的理想指标,并将所述目标结果为所述理想指标的所述测试机台作为目标机台;
分析所述目标机台达成所述理想指标的关键因素,以将所述关键因素作为所述生产子事件的改善要素。
2.如权利要求1所述的生产力分析方法,其特征在于,所述生产事件根据单个生产对象确定。
3.如权利要求1所述的生产力分析方法,其特征在于,不同所述机群中的所述机台是否具有相同的所述生产子事件,通过如下方法确定:
分析各所述机台对应所述生产子事件的生产要素;
确定不同所述机台对应所述生产子事件的所述生产要素是否相同或相似;
若是,则不同所述机台对应的所述生产子事件相同;
若否,则不同所述机台对应的所述生产子事件不同。
4.如权利要求3所述的生产力分析方法,其特征在于,所述生产要素的数量为多个,且多个所述生产要素包括核心要素和非核心要素;
所述确定不同所述机台对应所述生产子事件的所述生产要素是否相同或相似,包括:判断所述核心要素是否相同或相似。
5.如权利要求1所述的生产力分析方法,其特征在于,任一所述机群中的所述机台存在多个所述生产子事件与其他所述机群中所述机台的生产子事件相同;
所述选择具有相同所述生产子事件的至少两个所述机群的所述机台作为测试机台,并将所述生产子事件作为目标事件,包括:选择具有相同所述生产子事件数量最多的至少两个所述机群的所述机台作为测试机台,并将相同的所述生产子事件按照执行顺序排序为多个所述目标事件。
6.如权利要求1~5中任一项所述的生产力分析方法,其特征在于,所述分析方法还包括:
确定所述生产事件中各所述生产子事件的所述改善要素;
将各所述生产子事件的所述改善要素汇总,作为所述生产事件的改善要素。
7.一种生产力分析系统,其特征在于,包括:
生产系统,包括由同一设备商供应且功能不同的至少两个所述机群,其中,任一所述机群包括至少两个机台;
生产力健检平台,与所述生产系统相连接,包括:采集模块、控制模块及分析模块;
其中,所述采集模块被配置为:收集并存储所述生产系统中所述机群的生产事件,所述生产事件包括多个所述生产子事件;
所述控制模块被配置为:选择具有相同所述生产子事件的至少两个所述机群的所述机台作为测试机台,将所述生产子事件作为目标事件,以及控制所述测试机台执行所述生产事件,并使所述采集模块采集各所述测试机台执行所述目标事件时对应的目标结果;
所述分析模块被配置为:根据各所述测试机台的所述目标结果确定出所述目标事件的理想指标,将所述目标结果为所述理想指标的所述测试机台作为目标机台,以及分析所述目标机台达成所述理想指标的关键因素,以将所述关键因素输出为所述生产子事件的改善要素。
8.如权利要求7所述的生产力分析系统,其特征在于,所述生产力健检平台还包括:与所述生产系统、所述采集模块、所述控制模块及所述分析模块分别连接的显示模块;所述显示模块被配置为:显示所述生产系统、所述采集模块、所述控制模块及所述分析模块的操作界面。
9.如权利要求7或8所述的生产力分析系统,其特征在于,
不同所述机群中的所述机台的型号相同;
和/或,不同所述机群属于同一生产部门。
10.如权利要求7或8所述的生产力分析系统,其特征在于,
任一所述机群中的所述机台存在多个所述生产子事件与其他所述机群中所述机台的所述生产子事件相同;
所述控制模块还被配置为:选择具有相同所述生产子事件数量最多的至少两个所述机群的所述机台作为所述测试机台,并将相同的所述生产子事件按照执行顺序排序为多个所述目标事件,以及控制所述测试机台执行所述生产事件,并使所述采集模块采集各所述测试机台执行所述目标事件时对应的所述目标结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210659761.2A CN114742332B (zh) | 2022-06-13 | 2022-06-13 | 生产力分析方法及生产力分析系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210659761.2A CN114742332B (zh) | 2022-06-13 | 2022-06-13 | 生产力分析方法及生产力分析系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114742332A true CN114742332A (zh) | 2022-07-12 |
CN114742332B CN114742332B (zh) | 2022-09-13 |
Family
ID=82287124
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210659761.2A Active CN114742332B (zh) | 2022-06-13 | 2022-06-13 | 生产力分析方法及生产力分析系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114742332B (zh) |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102194655A (zh) * | 2010-03-15 | 2011-09-21 | 中芯国际集成电路制造(上海)有限公司 | 半导体工艺机台参数优化调整的方法 |
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 |
CN105425736A (zh) * | 2014-09-19 | 2016-03-23 | 宇清数位智慧股份有限公司 | 衡量机台群生产力及生产周期时间的方法 |
CN106600088A (zh) * | 2015-10-16 | 2017-04-26 | 中芯国际集成电路制造(上海)有限公司 | 一种用于提升生产能力的系统和用于提升生产能力的方法 |
US20180107737A1 (en) * | 2016-10-13 | 2018-04-19 | General Electric Company | Apparatus and Method for Determining Key Performance Indicators |
JP2019129255A (ja) * | 2018-01-25 | 2019-08-01 | 株式会社日立製作所 | 生産性評価システムおよびその方法 |
CN111209609A (zh) * | 2018-11-21 | 2020-05-29 | 长鑫存储技术有限公司 | 生产参数确定方法及装置、系统、存储介质和电子设备 |
CN111311071A (zh) * | 2020-01-20 | 2020-06-19 | 天津卓朗科技发展有限公司 | 设备能耗管理方法、装置和电子设备 |
CN112749867A (zh) * | 2019-10-31 | 2021-05-04 | 中国石油天然气股份有限公司 | 抽油机井系统效率的影响因素确定方法、装置及存储介质 |
CN113673842A (zh) * | 2021-07-31 | 2021-11-19 | 深圳镓芯半导体科技有限公司 | 基于大数据的生产效率诊断方法、装置、设备及存储介质 |
CN113780506A (zh) * | 2021-09-18 | 2021-12-10 | 重庆允成互联网科技有限公司 | 基于主动标识的生产管理方法、系统、设备及存储介质 |
CN114139945A (zh) * | 2021-11-30 | 2022-03-04 | 北京数码大方科技股份有限公司 | 制造业生产流程的适配方法、装置、存储介质及处理器 |
-
2022
- 2022-06-13 CN CN202210659761.2A patent/CN114742332B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102194655A (zh) * | 2010-03-15 | 2011-09-21 | 中芯国际集成电路制造(上海)有限公司 | 半导体工艺机台参数优化调整的方法 |
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 |
CN105425736A (zh) * | 2014-09-19 | 2016-03-23 | 宇清数位智慧股份有限公司 | 衡量机台群生产力及生产周期时间的方法 |
CN106600088A (zh) * | 2015-10-16 | 2017-04-26 | 中芯国际集成电路制造(上海)有限公司 | 一种用于提升生产能力的系统和用于提升生产能力的方法 |
US20180107737A1 (en) * | 2016-10-13 | 2018-04-19 | General Electric Company | Apparatus and Method for Determining Key Performance Indicators |
JP2019129255A (ja) * | 2018-01-25 | 2019-08-01 | 株式会社日立製作所 | 生産性評価システムおよびその方法 |
CN111209609A (zh) * | 2018-11-21 | 2020-05-29 | 长鑫存储技术有限公司 | 生产参数确定方法及装置、系统、存储介质和电子设备 |
CN112749867A (zh) * | 2019-10-31 | 2021-05-04 | 中国石油天然气股份有限公司 | 抽油机井系统效率的影响因素确定方法、装置及存储介质 |
CN111311071A (zh) * | 2020-01-20 | 2020-06-19 | 天津卓朗科技发展有限公司 | 设备能耗管理方法、装置和电子设备 |
CN113673842A (zh) * | 2021-07-31 | 2021-11-19 | 深圳镓芯半导体科技有限公司 | 基于大数据的生产效率诊断方法、装置、设备及存储介质 |
CN113780506A (zh) * | 2021-09-18 | 2021-12-10 | 重庆允成互联网科技有限公司 | 基于主动标识的生产管理方法、系统、设备及存储介质 |
CN114139945A (zh) * | 2021-11-30 | 2022-03-04 | 北京数码大方科技股份有限公司 | 制造业生产流程的适配方法、装置、存储介质及处理器 |
Non-Patent Citations (2)
Title |
---|
徐彤等: "航空制造企业工艺流程优化全过程管理与实践", 《航空制造技术》 * |
沈清泓等: "制造设备关键性能指标的基准设定", 《化工学报》 * |
Also Published As
Publication number | Publication date |
---|---|
CN114742332B (zh) | 2022-09-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Glock et al. | Decision support models for production ramp-up: a systematic literature review | |
CN111125444A (zh) | 大数据任务调度管理方法、装置、设备及存储介质 | |
CN108763093A (zh) | 一种自动化测试方法和系统 | |
CN103559081A (zh) | 移动终端工作模式的推荐方法、装置和移动终端 | |
CN111240876A (zh) | 微服务的故障定位方法、装置、存储介质及终端 | |
CN109684309A (zh) | 一种数据质量评测方法及装置、计算机设备和存储介质 | |
CN109960871B (zh) | 一种工业机器人精密减速器性能单工位测试建模调度方法 | |
CN108376320A (zh) | 履职数据管理方法及装置 | |
TWI739111B (zh) | 使用方塊式工作流程的限制編程的方法、系統及電腦可讀取媒體 | |
CN115657890A (zh) | 一种pra机器人可定制方法 | |
CN106933857B (zh) | 一种数据仓库中任务的调度方法、装置 | |
CN114742332B (zh) | 生产力分析方法及生产力分析系统 | |
CN115115190A (zh) | 一种基于工况的质量监控方法及相关装置和程序介质产品 | |
CN116757650A (zh) | 一种基于机器学习的项目管理及资源调度的方法 | |
US11610273B2 (en) | Enterprise-wide process stream analysis and grading engine with interactive user interface method, system, and computer program product | |
CN111309712A (zh) | 基于数据仓库的优化任务调度方法、装置、设备及介质 | |
CN104462116A (zh) | 数据选择的方法及装置 | |
CN113822379B (zh) | 工艺制程异常分析方法、装置、电子设备及存储介质 | |
CN115248782A (zh) | 一种自动化测试方法、装置及计算机设备 | |
US10901407B2 (en) | Semiconductor device search and classification | |
CN115523043A (zh) | 一种发动机加权工况点的确定方法、装置、设备及介质 | |
CN114219461A (zh) | 基于多生产工况的生产控制方法和装置 | |
CN114706905A (zh) | 数据预测方法、装置、电子设备及计算机可读存储介质 | |
CN114416561A (zh) | 一种压力测试配置方法和装置 | |
CN112262350A (zh) | 用于制造环境的基于块的预测 |
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 |