CN115407725A - 一种生产能力边界的确定方法和装置及设备 - Google Patents
一种生产能力边界的确定方法和装置及设备 Download PDFInfo
- Publication number
- CN115407725A CN115407725A CN202110606463.2A CN202110606463A CN115407725A CN 115407725 A CN115407725 A CN 115407725A CN 202110606463 A CN202110606463 A CN 202110606463A CN 115407725 A CN115407725 A CN 115407725A
- Authority
- CN
- China
- Prior art keywords
- time interval
- determining
- boundary
- current time
- distribution characteristics
- 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.)
- Pending
Links
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 206
- 238000000034 method Methods 0.000 title claims abstract description 70
- 238000009826 distribution Methods 0.000 claims abstract description 144
- 238000000605 extraction Methods 0.000 claims abstract description 129
- 230000008030 elimination Effects 0.000 claims abstract description 58
- 238000003379 elimination reaction Methods 0.000 claims abstract description 58
- 238000012163 sequencing technique Methods 0.000 claims abstract description 10
- 238000012886 linear function Methods 0.000 claims description 58
- 239000004065 semiconductor Substances 0.000 claims description 20
- 238000004590 computer program Methods 0.000 claims description 16
- 238000010923 batch production Methods 0.000 claims description 10
- 238000003860 storage Methods 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000012216 screening Methods 0.000 abstract 1
- 238000012545 processing Methods 0.000 description 17
- 238000010586 diagram Methods 0.000 description 13
- 230000008569 process Effects 0.000 description 9
- 238000004458 analytical method Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 238000001514 detection method Methods 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000002360 preparation method Methods 0.000 description 3
- 235000012431 wafers Nutrition 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000011176 pooling Methods 0.000 description 2
- 238000004886 process control Methods 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 108010063499 Sigma Factor Proteins 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000001174 ascending effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000036299 sexual function Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
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]
- G05B19/41865—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 job scheduling, process planning, material flow
-
- 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]
-
- 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
- G05B2219/32—Operator till task planning
- G05B2219/32252—Scheduling production, machining, job shop
-
- 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)
- General Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种生产能力边界的确定方法和装置及设备,所述方法包括:获取生产设备分批次生产固定数量元件的相关数据,根据相关数据确定相邻批次的生产结束时间之间的时间间隔;对确定的时间间隔进行排序,得到时间间隔序列;分别解析当前时间间隔序列两边界的时间间隔的分布特征,确定是否满足数据剔除条件;当满足时,根据当前时间间隔序列的平均值,确定离群值,剔除离群值所在的抽取步长的时间间隔,并重新确定是否满足数据剔除条件;当不满足时,根据当前时间间隔序列的最小、最大时间间隔及固定数量,确定生产设备的生产能力边界。利用本发明提供的方法,可以根据筛选后的时间间隔,确定生产能力边界,提升产能规划的准确性及决策效率。
Description
技术领域
本发明涉及半导体制造领域,尤其涉及一种生产能力边界的确定方法和装置及设备。
背景技术
目前在半导体制造领域中,在设备满载且稳定运行的情况下,面向某一确定的设备与确定的制造加工要求(recipe),习惯用单位时间内产出的晶圆数量(Wafer Per Hour,WPH)衡量设备的生产能力,其中,WPH=Run Size/Takt Time,Run Size表示每批次生产的晶圆数量,该值在设备满载且稳定运行的情况下是确定的,Takt Time表示相邻两批次生产的结束时间之间的时间间隔。因此,在设备满载且稳定运行的情况下,设备的生产能力由Takt Time决定。
在设备满载且稳定运行的情况下,上述Takt Time存在上下边界,因此设备的生产能力存在上下边界。又因为在半导体制造领域中产能规划的任务之一是根据产能扩充需求,规划生产设备的数量,并根据规划的生产设备数量,估计所需生产资源,进行生产准备,而上述生产设备的数量主要取决于设备的生产能力,因此,设备的生产能力可以间接的影响产能规划。半导体制造工艺流程复杂、产线状况动态多变,准确地确定设备的生产能力的边界可以为产能规划提供坚实的决策依据,并提升决策效率。
为了准确地确定设备的生产能力的边界,需要正确处理Takt Time数据。目前主要采用正态分布算法处理Takt Time数据,而正态分布算法基于多个批次分别对应的多个Takt Time,估算平均值确定最终Takt Time,仅能粗略描述平均水平,精确度不高,且无法评估设备生产能力的边界,将导致产能规划产生偏差,极大地影响生产准备工作的进行。因此,需要提供一种能准确评估设备生产能力边界的解决方案。
发明内容
本发明提供一种生产能力边界的确定方法和装置及设备,解决现有的Takt Time数据处理方案无法正确处理Takt Time数据,且无法评估生产设备的生产能力边界的问题。
第一方面,本发明提供一种生产能力边界的确定方法,该方法包括:
获取生产设备分批次生产固定数量元件的相关数据,根据所述相关数据确定相邻批次的生产结束时间之间的时间间隔;
对确定的时间间隔按时长大小进行排序,得到时间间隔序列;
分别解析当前时间间隔序列两边界的时间间隔的分布特征,确定是否满足数据剔除条件,其中,各边界的时间间隔为两个抽取步长的时间间隔;
当满足数据剔除条件时,根据当前时间间隔序列的平均值,确定解析的时间间隔中的离群值,剔除所述离群值所在的抽取步长的时间间隔,并重新分别解析当前时间间隔序列两边界的时间间隔的分布特征,确定是否满足数据剔除条件;
当不满足数据剔除条件时,根据当前时间间隔序列的最小时间间隔、最大时间间隔及所述固定数量,确定所述生产设备的生产能力边界。
可选地,分别解析当前时间间隔序列两边界的时间间隔的分布特征,确定是否满足数据剔除条件,包括:
确定各边界对应的两个抽取步长的时间间隔的分布特征,是否符合当前时间间隔序列的线性函数分布特征;
当任一边界对应的两个抽取步长的时间间隔的分布特征,不符合当前时间间隔序列的线性函数分布特征时,确定满足数据剔除条件;
当各边界对应的两个抽取步长的时间间隔的分布特征,符合当前时间间隔序列的线性函数分布特征时,确定不满足数据剔除条件。
本发明提供的生产能力边界的确定方法,通过比较各边界对应的两个抽取步长的时间间隔的分布特征,与当前时间间隔序列的线性函数分布特征是否相符,判定是否满足数据剔除条件,并具体限定了,当任一边界对应的两个抽取步长的时间间隔的分布特征,不符合当前时间间隔序列的线性函数分布特征时,满足数据剔除条件,提供了一种具体的数据剔除条件的判定方法和判定标准,以精确地确定当前时间间隔序列是否满足数据剔除条件,提升了生产能力边界的准确度,提高了上述生产能力边界的确定方法的可靠性及合理性。
可选地,确定各边界对应的两个抽取步长的时间间隔的分布特征,是否符合当前时间间隔序列的线性函数分布特征,包括:
对于时间间隔较小的第一边界,分别确定所述第一边界对应的两个抽取步长中各自的最小时间间隔Min1和Min2,所述Min1不大于所述Min2;
对于时间间隔较大的第二边界,分别确定所述第二边界对应的两个抽取步长中各自的最大时间间隔MaxN-1和MaxN,所述MaxN-1不大于所述MaxN;
当Min2-Min1<C0*σ时,确定所述第一边界对应的两个抽取步长的时间间隔的分布特征,符合当前时间间隔序列的线性函数分布特征;
当MaxN-MaxN-1<C0*σ时,确定所述第二边界对应的两个抽取步长的时间间隔的分布特征,符合当前时间间隔序列的线性函数分布特征;
所述C0为预设容忍系数,所述σ为当前时间间隔序列的标准差。
本发明提供的生产能力边界的确定方法,使用时间间隔较小的第一边界对应的两个抽取步长中各自的最小时间间隔Min1和Min2之间的差值,反应上述第一边界对应的两个抽取步长的时间间隔的分布特征;及使用时间间隔较大的第二边界对应的两个抽取步长中各自的最大时间间隔MaxN-1和MaxN之间的差值,反应上述第二边界对应的两个抽取步长的时间间隔的分布特征;并具体限定了当Min2-Min1<C0*σ且MaxN-MaxN-1<C0*σ时,符合当前时间间隔序列的线性函数分布特征,提供了一种具体的数据剔除条件的判定方法和判定标准,以精确地识别出当前时间间隔序列中是否存在不符合线性函数特征的离群值,提升了确定的生产能力边界的准确性,提高了上述生产能力边界的确定方法的可靠性、合理性及可实施性。
可选地,根据当前时间间隔序列的平均值,确定解析的时间间隔中的离群值,包括:
确定max{|MaxN-μ|,|Min1-μ|}为解析的时间间隔中的离群值;
其中,所述μ为当前时间间隔序列的平均值。
本发明提供的生产能力边界的确定方法,限定在上述第一边界对应的两个抽取步长中最小时间间隔Min1,及上述第二边界对应的两个抽取步长中最大时间间隔MaxN中确定离群值,并限定了将上述Min1和MaxN中,与当前时间间隔序列的平均值μ的差值的绝对值最大的时间间隔作为离群值,提供了一种具体的离群值的确定方法和确定标准,为在TaktTime数据中剔除上述离群值所在的抽取步长的时间间隔提供了实施基础,提升了确定的生产能力边界的准确性,提高了上述生产能力边界的确定方法的可靠性、合理性及可实施性。
可选地,所述抽取步长为当前时间间隔序列的时间间隔总数与预设分组数N的比值。
本发明提供的生产能力边界的确定方法,将当前时间间隔序列的时间间隔总数与预设分组数N的比值作为抽取步长,限定了上述抽取步长的确定方式,以每一抽取步长的时间间隔作为数据剔除条件判断的单位,及数据剔除的单位,提升了对上述Takt Time数据处理的效率,提高了上述生产能力边界的确定方法的合理性及可实施性。
可选地,根据当前时间间隔序列的最小时间间隔、最大时间间隔及所述固定数量,确定所述生产设备的生产能力边界,包括:
确定所述生产设备的生产能力边界WPH∈[Run Size/(M2*MaxN),Run Size/(M1*Min1)];
其中,所述Run Size为所述固定数量,所述Min1为当前时间间隔序列的最小时间间隔,所述MaxN为当前时间间隔序列的最大时间间隔,所述M1为预设第一包容系数,所述M2为预设第二包容系数。
本发明提供的生产能力边界的确定方法,将当前时间间隔序列的最小时间间隔Min1与预设第一包容系数M1相乘,及将当前时间间隔序列的最大时间间隔MaxN与预设第二包容系数M2相乘,可以将符合生产能力边界的确定要求的时间间隔的端点数据包含在分析范围之内,并提供了生产能力边界WPH的具体计算方法,提高了上述生产能力边界的确定方法的合理性及可实施性。
可选地,获取生产设备分批次生产固定数量元件的相关数据之后,所述方法还包括:
确定所述相关数据是否包括有效数据,所述有效数据为在所述生产设备满载且运行状态满足要求时获取的数据;
若不包括所述有效数据,重新获取生产设备分批次生产固定数量元件的相关数据。
本发明提供的生产能力边界的确定方法,对获取的相关数据进行有效性检测,确定获取到在生产设备满载且运行状态满足要求时获取的相关数据,否则,重新获取生产设备分批次生产固定数量元件的相关数据,可以保证获取到有效的相关数据,以确定有效的Takt Time数据,为后续Takt Time数据的处理,及利用处理后的Takt Time数据进行生产能力边界的确定,提供了必要的基础条件,提高了上述生产能力边界的确定方法的可靠性、合理性及可实施性。
可选地,所述元件为半导体元件。
本发明提供的生产能力边界的确定方法,限定了上述元件为半导体元件,提供了一种面向半导体制造领域的生产能力边界的确定方法,填补了半导体制造领域对半导体生产设备的生产能力边界的确定方法的空白。
第二方面,本发明提供一种生产能力边界的确定装置,包括:
间隔确定单元,用于获取生产设备分批次生产固定数量元件的相关数据,根据所述相关数据确定相邻批次的生产结束时间之间的时间间隔;
序列确定单元,用于对确定的时间间隔按时长大小进行排序,得到时间间隔序列;
条件判断单元,用于分别解析当前时间间隔序列两边界的时间间隔的分布特征,确定是否满足数据剔除条件,其中,各边界的时间间隔为两个抽取步长的时间间隔;
间隔剔除单元,用于当满足数据剔除条件时,根据当前时间间隔序列的平均值,确定解析的时间间隔中的离群值,剔除所述离群值所在的抽取步长的时间间隔,并重新分别解析当前时间间隔序列两边界的时间间隔的分布特征,确定是否满足数据剔除条件;
边界计算单元,用于当不满足数据剔除条件时,根据当前时间间隔序列的最小时间间隔、最大时间间隔及所述固定数量,确定所述生产设备的生产能力边界。
可选地,所述条件判断单元分别解析当前时间间隔序列两边界的时间间隔的分布特征,确定是否满足数据剔除条件,包括:
确定各边界对应的两个抽取步长的时间间隔的分布特征,是否符合当前时间间隔序列的线性函数分布特征;
当任一边界对应的两个抽取步长的时间间隔的分布特征,不符合当前时间间隔序列的线性函数分布特征时,确定满足数据剔除条件;
当各边界对应的两个抽取步长的时间间隔的分布特征,符合当前时间间隔序列的线性函数分布特征时,确定不满足数据剔除条件。
可选地,所述条件判断单元确定各边界对应的两个抽取步长的时间间隔的分布特征,是否符合当前时间间隔序列的线性函数分布特征,包括:
对于时间间隔较小的第一边界,分别确定所述第一边界对应的两个抽取步长中各自的最小时间间隔Min1和Min2,所述Min1不大于所述Min2;
对于时间间隔较大的第二边界,分别确定所述第二边界对应的两个抽取步长中各自的最大时间间隔MaxN-1和MaxN,所述MaxN-1不大于所述MaxN;
当Min2-Min1<C0*σ时,确定所述第一边界对应的两个抽取步长的时间间隔的分布特征,符合当前时间间隔序列的线性函数分布特征;
当MaxN-MaxN-1<C0*σ时,确定所述第二边界对应的两个抽取步长的时间间隔的分布特征,符合当前时间间隔序列的线性函数分布特征;
所述C0为预设容忍系数,所述σ为当前时间间隔序列的标准差。
可选地,所述间隔剔除单元根据当前时间间隔序列的平均值,确定解析的时间间隔中的离群值,包括:
确定max{|MaxN-μ|,|Min1-μ|}为解析的时间间隔中的离群值;
其中,所述μ为当前时间间隔序列的平均值。
可选地,所述抽取步长为当前时间间隔序列的时间间隔总数与预设分组数N的比值。
可选地,所述边界计算单元根据当前时间间隔序列的最小时间间隔、最大时间间隔及所述固定数量,确定所述生产设备的生产能力边界,包括:
确定所述生产设备的生产能力边界WPH∈[Run Size/(M2*MaxN),Run Size/(M1*Min1)];
其中,所述Run Size为所述固定数量,所述Min1为当前时间间隔序列的最小时间间隔,所述MaxN为当前时间间隔序列的最大时间间隔,所述M1为预设第一包容系数,所述M2为预设第二包容系数。
可选地,获取生产设备分批次生产固定数量元件的相关数据之后,所述间隔确定单元还用于:
确定所述相关数据是否包括有效数据,所述有效数据为在所述生产设备满载且运行状态满足要求时获取的数据;
若不包括所述有效数据,重新获取生产设备分批次生产固定数量元件的相关数据。
可选地,所述元件为半导体元件。
第三方面,本发明提供一种生产能力边界的确定设备,包括存储器和处理器,其中:
所述存储器用于存储计算机程序;
所述处理器用于读取所述存储器中的程序并执行如下步骤:
获取生产设备分批次生产固定数量元件的相关数据,根据所述相关数据确定相邻批次的生产结束时间之间的时间间隔;
对确定的时间间隔按时长大小进行排序,得到时间间隔序列;
分别解析当前时间间隔序列两边界的时间间隔的分布特征,确定是否满足数据剔除条件,其中,各边界的时间间隔为两个抽取步长的时间间隔;
当满足数据剔除条件时,根据当前时间间隔序列的平均值,确定解析的时间间隔中的离群值,剔除所述离群值所在的抽取步长的时间间隔,并重新分别解析当前时间间隔序列两边界的时间间隔的分布特征,确定是否满足数据剔除条件;
当不满足数据剔除条件时,根据当前时间间隔序列的最小时间间隔、最大时间间隔及所述固定数量,确定所述生产设备的生产能力边界。
可选地,所述处理器分别解析当前时间间隔序列两边界的时间间隔的分布特征,确定是否满足数据剔除条件,包括:
确定各边界对应的两个抽取步长的时间间隔的分布特征,是否符合当前时间间隔序列的线性函数分布特征;
当任一边界对应的两个抽取步长的时间间隔的分布特征,不符合当前时间间隔序列的线性函数分布特征时,确定满足数据剔除条件;
当各边界对应的两个抽取步长的时间间隔的分布特征,符合当前时间间隔序列的线性函数分布特征时,确定不满足数据剔除条件。
可选地,所述处理器确定各边界对应的两个抽取步长的时间间隔的分布特征,是否符合当前时间间隔序列的线性函数分布特征,包括:
对于时间间隔较小的第一边界,分别确定所述第一边界对应的两个抽取步长中各自的最小时间间隔Min1和Min2,所述Min1不大于所述Min2;
对于时间间隔较大的第二边界,分别确定所述第二边界对应的两个抽取步长中各自的最大时间间隔MaxN-1和MaxN,所述MaxN-1不大于所述MaxN;
当Min2-Min1<C0*σ时,确定所述第一边界对应的两个抽取步长的时间间隔的分布特征,符合当前时间间隔序列的线性函数分布特征;
当MaxN-MaxN-1<C0*σ时,确定所述第二边界对应的两个抽取步长的时间间隔的分布特征,符合当前时间间隔序列的线性函数分布特征;
所述C0为预设容忍系数,所述σ为当前时间间隔序列的标准差。
可选地,所述处理器根据当前时间间隔序列的平均值,确定解析的时间间隔中的离群值,包括:
确定max{|MaxN-μ|,|Min1-μ|}为解析的时间间隔中的离群值;
其中,所述μ为当前时间间隔序列的平均值。
可选地,所述抽取步长为当前时间间隔序列的时间间隔总数与预设分组数N的比值。
可选地,所述处理器根据当前时间间隔序列的最小时间间隔、最大时间间隔及所述固定数量,确定所述生产设备的生产能力边界,包括:
确定所述生产设备的生产能力边界WPH∈[Run Size/(M2*MaxN),Run Size/(M1*Min1)];
其中,所述Run Size为所述固定数量,所述Min1为当前时间间隔序列的最小时间间隔,所述MaxN为当前时间间隔序列的最大时间间隔,所述M1为预设第一包容系数,所述M2为预设第二包容系数。
可选地,获取生产设备分批次生产固定数量元件的相关数据之后,所述处理器还用于:
确定所述相关数据是否包括有效数据,所述有效数据为在所述生产设备满载且运行状态满足要求时获取的数据;
若不包括所述有效数据,重新获取生产设备分批次生产固定数量元件的相关数据。
可选地,所述元件为半导体元件。
第四方面,本发明提供一种计算机可读存储介质,其上存储有计算机程序指令,该计算机程序指令被处理器执行时实现如上述第一方面提供的所述生产能力边界的确定方法的步骤。
第五方面,本发明提供一种芯片,所述芯片与设备中的存储器耦合,使得所述芯片在运行时调用所述存储器中存储的程序指令,实现本申请实施例上述各个方面以及各个方面涉及的任一可能涉及的方法。
第六方面,本发明提供一种计算机程序产品,当所述计算机程序产品在电子设备上运行时,使得所述电子设备执行实现本申请实施例上述各个方面以及各个方面涉及的任一可能涉及的方法。
本发明提供的一种生产能力边界的确定方法和装置及设备,具有以下有益效果:
首次提出了生产设备的生产能力边界的概念;并通过对相邻批次的生产结束时间之间的时间间隔进行数据剔除条件判断,并在满足上述数据剔除条件时,剔除离群值所在的抽取步长的时间间隔,对上述时间间隔进行了精确的数据处理,获取反映上述生产设备的生产能力的时间间隔;并提供了根据上述确定的时间间隔,确定生产设备的生产能力边界的具体方法,可以提升产能规划的准确性和决策效率,提升生产准备工作的实现效果,减少生产资源的浪费。
附图说明
图1为本发明实施例提供的一种生产能力边界的确定方法的流程图;
图2为本发明实施例提供的一种各批次序列号与确定的时间间隔的线性函数关系的示意图;
图3为本发明实施例提供的一种生产能力边界的确定方法的实施方式的流程图;
图4为本发明实施例提供的一种生产能力边界的确定装置的示意图;
图5为本发明实施例提供的一种生产能力边界的确定设备的示意图。
具体实施方式
为了使本领域普通人员更好地理解本申请的技术方案,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述。
需要说明的是,本公开的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本公开的实施例能够以除了在这里图示或描述的那些以外的顺序实施。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
在本申请实施例的描述中,除非另有说明,“/”表示或的意思,例如,A/B可以表示A或B;文本中的“和/或”仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况,另外,在本申请实施例的描述中,“多个”是指两个或多于两个,其它量词与之类似应当理解,此处所描述的优选实施例仅用于说明和解释本申请,并不用于限定本申请,并且在不冲突的情况下,本申请的实施例及实施例中的特征可以相互组合。
鉴于现有的Takt Time数据处理方案存在的上述问题,本申请提出一种生产能力边界的确定方法和装置及设备。
下面结合附图对本申请实施例中的一种生产能力边界的确定方法和装置及设备进行详细说明。
实施例1
本发明实施例提供一种生产能力边界的确定方法的流程图,如图1所示,包括:
步骤S101,获取生产设备分批次生产固定数量元件的相关数据,根据所述相关数据确定相邻批次的生产结束时间之间的时间间隔;
作为一种可选的实施方式,所述元件为半导体元件。面向半导体生产领域,确定半导体生产设备的生产能力边界。
针对预设生产设备在预设加工步骤,收集上述生产设备分批次生产固定数量元件的相关数据。
实施方式1:上述相关数据包括相邻批次的生产结束时间之间的时间间隔。
在获取上述相关数据后,可以直接在上述相关数据中获取相邻批次的生产结束时间之间的时间间隔,不需要额外的计算过程。
实施方式2:上述相关数据不包括相邻批次的生产结束时间之间的时间间隔,但是包括计算相邻批次的生产结束时间之间的时间间隔的时间数据。
例如,上述相关数据包括每一批次生产的结束时间,通过将相邻批次的生产结束时间进行差值计算,确定相邻批次的生产结束时间之间的时间间隔。
上述相关数据除了包括上述时间间隔和上述计算相邻批次的生产结束时间之间的时间间隔的时间数据之外,还可以包括其他与生产设备或生产特征相关的数据,例如,生产设备的编号、生产批次的序列号、每一批次生产元件的数量、生产日期、加工步骤、批量标识等。
如表1所示,本发明实施例提供一种相关数据的示意表格。
表1:相关数据的示意表
上述表1提供了某一生产设备在加工步骤stepA中分批次生产固定数量元件时,批次1至批次1709的相关数据。
步骤S102,对确定的时间间隔按时长大小进行排序,得到时间间隔序列;
在进行时间间隔剔除时,将每一批次对应的时间间隔作为一个分析对象,对确定的时间间隔进行排序。
在按时长大小对确定的时间间隔进行排序时,可以按照时长从小到大的顺序进行升序排序,也可以按照时长从大到小的顺序进行降序排序。
本发明实施例对排序的具体实现方式不进行任何限定,任意可以实现按时长大小对确定的时间间隔进行排序的实现方式都可以应用到本发明实施例中,在此不作赘述。
步骤S103,分别解析当前时间间隔序列两边界的时间间隔的分布特征,确定是否满足数据剔除条件,当满足数据剔除条件时,执行步骤S104,否则,执行步骤S105;
其中,各边界的时间间隔为两个抽取步长的时间间隔;
上述分布特征指不同时间间隔之间的偏离程度,可以用不同时间间隔之间的差值进行衡量。
为了提升数据处理的效率,并降低计算量,在两个边界分别取两个抽取步长的时间间隔,进行分布特征解析。
上述抽取步长是一个数量值,例如,当上述抽取步长为1时,在当前时间间隔序列的两边界中的每一个边界,分别取两个抽取步长的时间间隔,每一个抽取步长的时间间隔包括1个时间间隔,共解析4个时间间隔的分布特征;当上述抽取步长为2时,在当前时间间隔序列的两边界中的每一个边界,分别取两个抽取步长的时间间隔,每一个抽取步长的时间间隔包括2个时间间隔,共解析8个时间间隔的分布特征;当上述抽取步长为3时,在当前时间间隔序列的两边界中的每一个边界,分别取两个抽取步长的时间间隔,每一个抽取步长的时间间隔包括3个时间间隔,共解析12个时间间隔的分布特征,以此类推。
在解析分布特征时,将每一抽取步长的时间间隔作为一个整体,相比于将时间间隔作为解析对象的方案,可以避免因某一数据偏差较大而导致的生产能力边界值的误判,降低生产能力边界值的确定方法的敏感性。
需要说明的是,当满足数据剔除条件时,需要进行时间间隔剔除,在进行时间间隔剔除之后,当前时间间隔序列包含的时间间隔总数发生了变化,上述抽取步长可以根据上述时间间隔序列的变化,进行具体取值的调整。
步骤S104,根据当前时间间隔序列的平均值,确定解析的时间间隔中的离群值,剔除所述离群值所在的抽取步长的时间间隔,执行步骤S103;
通过计算当前时间间隔序列两边界的时间间隔与当前时间间隔序列的平均值的差值,确定差值最大的时间间隔为离群值。
确定离群值后,在当前时间间隔序列中剔除上述离群值所在的抽取步长的时间间隔,按照抽取步长进行时间间隔的剔除,可以降低计算量,提升算法效率。
在设备实际运行过程中,由于某些因素例如设备宕机等的存在,时间间隔随着生产批次的变化会产生非常大波动,这种异常波动的数据并不能反映生产设备正常水平,通过上述步骤,在满足数据剔除条件时,剔除离群值所在的抽取步长的时间间隔,可以剔除异常波动的数据,提高对时间间隔进行数据处理的精度,保证时间间隔的有效性。
在进行时间间隔剔除后,执行步骤S103,重新进行数据剔除条件的判断,如果仍然满足数据剔除条件,继续按照上述方法进行时间间隔剔除,直至不满足数据剔除条件,采用上述循环判断是否满足数据剔除条件,并循环进行时间间隔剔除的方法,可以在保证使用尽量多的时间间隔进行判断的同时降低计算量。
步骤S105,根据当前时间间隔序列的最小时间间隔、最大时间间隔及所述固定数量,确定所述生产设备的生产能力边界。
将上述固定数量和上述当前时间间隔序列的最小时间间隔的比值,及上述固定数量和上述当前时间间隔序列的最大时间间隔的比值,作为上述生产设备的生产能力边界的两个边界值。
为了确定上述生产设备的生产能力边界,要求上述相关数据为在上述生产设备满载且稳定运行状态下获得的相关数据,且要求使用上述相关数据,可以确定出符合预设数据特征的时间间隔,因此,需要对获取的相关数据进行有效性检测:
在获取生产设备分批次生产固定数量元件的相关数据之后,确定所述相关数据是否包括有效数据,若不包括所述有效数据,重新获取生产设备分批次生产固定数量元件的相关数据。
其中,上述有效数据为在上述生产设备满载且运行状态满足要求时获取的数据。
上述运行状态需要满足的要求可以根据具体的实施情况进行具体的限定,例如,设置上述运行状态为稳定运行状态,具体的,在上述生产设备进行元件加工生产时,未发生设备宕机等设备自身因素引起的意外情况,及断电掉电等环境因素引起的意外情况。
通过上述有效性检测,确定获取的上述相关数据包含在上述生产设备满载且运行状态满足要求时获取的有效数据,并且在上述相关数据不包括上述有效数据时,重新获取生产设备分批次生产固定数量元件的相关数据。
需要说明的是,在重新获取生产设备分批次生产固定数量元件的相关数据时,可以扩大或改变上述相关数据的数据获取范围,以获得上述有效数据。
在进行上述相关数据的数据获取时,可能会获取到不同生产设备,在不同加工步骤,每一批次生产不同的固定数量的相关数据,因此在进行数据获取时需要进行数据有效性检测,并对无效数据进行剔除:
是否可以根据上述相关数据确定出不符合预先定义的数据特征的时间间隔;
若是,剔除可以确定出不符合预先定义的数据特征的时间间隔的相关数据。
上述预先定义的数据特征可以根据具体的实施情况进行具体的设置,例如,上述生产设备的设备号码为预设设备号码、在上述时间间隔内生产的元件数量为预设固定数量等,本发明实施例对此不进行任何限定。
由于半导体的制程极其精密,理论上相邻批次的生产结束时间之间的时间间隔,即Takt Time只有两种表现形式:(1)Takt Time由设备内部的时钟控制(processcontrolled by clock),对于确定的recipe,Takt Time是常数,此时可用水平直线函数关系描述Takt Time与加工批量之间的关系;(2)Takt Time由设备内部的先进制程控制系统控制(process controlled by advanced process control),在采集数据的过程中通过反馈制程的关键参数不断修正Takt Time相关数据,此时可用线性函数关系描述Takt Time与加工批次之间的关系。
如图2所示,本发明实施例提供一种各批次序列号与确定的时间间隔的线性函数关系的示意图。
上述图2为根据上述表1中的数据制作的示意图,横坐标为各批次序列号,纵坐标为时间间隔。
通过上述图2可知,在[0.478,0.6178]的纵坐标范围内,时间间隔虽然有变化,但是变化较为平缓,数据之间的差距较小,时间间隔呈现线性函数分布特征;在小于0.478,或大于0.6178的纵坐标范围内,时间间隔变化较大,且与上述[0.478,0.6178]范围内的时间间隔差距较大,不符合线性函数分布特征,属于离散值,会影响生产能力边界的确定,需要被剔除。
由上述图2可知,待剔除的离散值在上述时间间隔序列的两个边界,因此,可以通过解析当前时间间隔序列两边界的时间间隔的分布特征,确定是否满足数据剔除条件,即,是否存在需要剔除的时间间隔。
解析得到当前时间间隔序列两边界的时间间隔的分布特征后,通过将各边界对应的两个抽取步长的时间间隔的分布特征,与当前时间间隔序列的线性函数分布特征进行比较,确定是否满足数据剔除条件:
确定各边界对应的两个抽取步长的时间间隔的分布特征,是否符合当前时间间隔序列的线性函数分布特征,具体地:
对于时间间隔较小的第一边界,分别确定所述第一边界对应的两个抽取步长中各自的最小时间间隔Min1和Min2,所述Min1不大于所述Min2;
对于时间间隔较大的第二边界,分别确定所述第二边界对应的两个抽取步长中各自的最大时间间隔MaxN-1和MaxN,所述MaxN-1不大于所述MaxN;
当Min2-Min1<C0*σ时,确定所述第一边界对应的两个抽取步长的时间间隔的分布特征,符合当前时间间隔序列的线性函数分布特征;
当MaxN-MaxN-1<C0*σ时,确定所述第二边界对应的两个抽取步长的时间间隔的分布特征,符合当前时间间隔序列的线性函数分布特征;
上述C0为预设容忍系数,表征在生产设备满载且稳定运行状态下,可以接受的时间间隔的变化程度,上述C0的具体数值可以根据具体的实施情况,例如生产设备长期运行的实际情况,进行具体设置,作为一种可选的实施方式,上述C0∈[0.001,0.05]。
在分别确定各边界对应的两个抽取步长的时间间隔的分布特征,是否符合当前时间间隔序列的线性函数分布特征之后,采用如下判定标准确定是否满足数据剔除条件:
当任一边界对应的两个抽取步长的时间间隔的分布特征,不符合当前时间间隔序列的线性函数分布特征时,确定满足数据剔除条件;
当各边界对应的两个抽取步长的时间间隔的分布特征,符合当前时间间隔序列的线性函数分布特征时,确定不满足数据剔除条件。
每一边界的对应的两个抽取步长的时间间隔之间存在分布特征,当任一边界的分布特征,与当前时间间隔序列的线性函数分布特征不相符时,确定满足数据剔除条件。
根据时间间隔序列的线性函数特征,本发明实施例提供了一种数据剔除条件的确定方法:当Min2-Min1≥C0*σ,或MaxN-MaxN-1≥C0*σ时,确定满足数据剔除条件,需要进行离群值对应的抽取步长的时间间隔的剔除;当Min2-Min1<C0*σ,且MaxN-MaxN-1<C0*σ时,确定不满足数据剔除条件,可以进行生产边界值的计算。
需要说明的是,因为当前时间间隔序列为通过排序确定的,并且限定了Min1和Min2位于时间间隔较小的第一边界,MaxN-1和MaxN位于时间间隔较大的第二边界,因此,上述数据之间的大小关系为:Min1≤Min2≤MaxN-1≤MaxN。
上述抽取步长为当前时间间隔序列的时间间隔总数与预设分组数N的比值。
上述预设分组数N的确定方式可以根据具体的实施情况进行具体设置,例如,通过测试预设分组数N的数据敏感性确定上述预设分组数N的具体数值;上述预设分组数N的具体数值可以根据具体的实施情况进行具体设置,例如,设置N≥100。
上述抽取步长的时间间隔的确定方式,可以只在当前时间间隔序列的两个边界分别确定两个抽取步长的时间间隔,例如,在当前时间间隔序列的两边界,分别抽取两个抽取步长的时间间隔;也可以将当前时间间隔序列池化(pooling)分为N组,将两边界的第1组、第2组、第N-1组、第N组作为上述抽取步长的时间间隔,其中,上述N组内的时间间隔数量可以相同,也可以不同。
采用如下方式根据当前时间间隔序列的平均值,确定解析的时间间隔中的离群值,包括:
在(1)上述第一边界对应的两个抽取步长中最小时间间隔Min1,也就是,当前时间间隔序列的最小时间间隔;(2)上述第二边界对应的两个抽取步长中最大时间间隔MaxN,也就是,当前时间间隔序列的最大时间间隔;中确定离群值:确定max{|MaxN-μ|,|Min1-μ|}为解析的时间间隔中的离群值,其中,所述μ为当前时间间隔序列的平均值。
将上述Min1和MaxN与当前时间间隔序列的平均值μ分别做差后再取绝对值,得到|Min1-μ|和|MaxN-μ|;当|Min1-μ|大于|MaxN-μ|时,将上述Min1作为离群值;当|Min1-μ|小于|MaxN-μ|时,将上述MaxN作为离群值;当|Min1-μ|等于|MaxN-μ|时,将上述Min1和MaxN中的至少一个作为离群值。
确定离群值后,在当前时间间隔序列中剔除上述离群值所在的抽取步长的时间间隔:确定上述Min1为离群值时,剔除上述Min1所在的抽取步长的时间间隔;确定上述MaxN为离群值时,剔除上述MaxN所在的抽取步长的时间间隔。
采用如下方式根据当前时间间隔序列的最小时间间隔、最大时间间隔及所述固定数量,确定所述生产设备的生产能力边界,包括:
实施方式1:确定所述生产设备的生产能力边界WPH∈[Run Size/MaxN,Run Size/Min1]。
其中,所述Run Size为所述固定数量,所述Min1为当前时间间隔序列的最小时间间隔,所述MaxN为当前时间间隔序列的最大时间间隔。
通过将上述固定数量和上述Min1做比,获得生产设备的较大生产能力边界;将上述固定数量和上述MaxN做比,获得生产设备的较小生产能力边界。
为了将临界值包含在分析范围之内,对上述实施方式1的计算方法进行了进一步的改进。
实施方式2:确定所述生产设备的生产能力边界WPH∈[Run Size/(M2*MaxN),RunSize/(M1*Min1)]。
其中,所述Run Size为所述固定数量,所述Min1为当前时间间隔序列的最小时间间隔,所述MaxN为当前时间间隔序列的最大时间间隔,所述M1为预设第一包容系数,所述M2为预设第二包容系数。
通过将上述固定数量和上述M1*Min1做比,获得生产设备的较大生产能力边界;将上述固定数量和上述M2*MaxN做比,获得生产设备的较小生产能力边界。
上述M1为接近1且小于1的小数,上述M2为接近1但大于1的小数,上述M1和M2的具体数值可以根据具体的实施情况进行具体设置,作为一种可选的实施方式,上述M1∈(0.999,1.0),上述M2∈(1.0,1.001)。
将上述Min1和上述M1相乘,将上述MaxN和上述M2相乘,可以将有效端点数据包含在分析范围之内,获得有效的生产能力边界。
如图3所示,本发明实施例提供一种生产能力边界的确定方法的实施方式的流程图,包括:
步骤S301,获取生产设备分批次生产固定数量元件的相关数据;
步骤S302,判断上述相关数据是否包括有效数据,若是,执行步骤S303,否则,执行步骤S301;
上述有效数据为在上述生产设备满载且运行状态满足要求时获取的数据。
步骤S303,判断是否可以根据上述相关数据确定出不符合预先定义的数据特征的时间间隔,若是,执行步骤S304,否则,执行步骤S305;
步骤S304,剔除可以确定出不符合预先定义的数据特征的时间间隔的相关数据,执行步骤S303;
步骤S305,根据上述相关数据确定相邻批次的生产结束时间之间的时间间隔;
步骤S306,对确定的时间间隔按时长大小进行排序,得到时间间隔序列;
步骤S307,通过计算当前时间间隔序列的时间间隔总数与预设分组数N的比值,获得抽取步长;
根据当前时间间隔序列的时间间隔总数的变化,上述抽出步长的具体取值得到调整。
步骤S308,分别确定时间间隔较小的第一边界对应的两个抽取步长中各自的最小时间间隔Min1和Min2,及分别时间间隔较大的第二边界对应的两个抽取步长中各自的最大时间间隔MaxN-1和MaxN。
步骤S309,判断上述Min1、Min2、MaxN-1、MaxN是否满足条件:Min2-Min1<C0*σ,且MaxN-MaxN-1<C0*σ,若是,执行步骤S311,否则,执行步骤S310;
上述C0为预设容忍系数,上述σ为当前时间间隔序列的标准差。
步骤S310,在当前时间间隔序列中剔除max{|MaxN-μ|,|Min1-μ|}所在的抽取步长的时间间隔,执行步骤S307;
上述μ为当前时间间隔序列的平均值。
步骤S311,确定所述生产设备的生产能力边界WPH∈[Run Size/(M2*MaxN),RunSize/(M1*Min1)]。
上述M1为预设第一包容系数,上述M2为预设第二包容系数。
实施例2
本发明实施例提供一种生产能力边界的确定装置的示意图,如图4所示,包括:
间隔确定单元401,用于获取生产设备分批次生产固定数量元件的相关数据,根据所述相关数据确定相邻批次的生产结束时间之间的时间间隔;
序列确定单元402,用于对确定的时间间隔按时长大小进行排序,得到时间间隔序列;
条件判断单元403,用于分别解析当前时间间隔序列两边界的时间间隔的分布特征,确定是否满足数据剔除条件,其中,各边界的时间间隔为两个抽取步长的时间间隔;
间隔剔除单元404,用于当满足数据剔除条件时,根据当前时间间隔序列的平均值,确定解析的时间间隔中的离群值,剔除所述离群值所在的抽取步长的时间间隔,并重新分别解析当前时间间隔序列两边界的时间间隔的分布特征,确定是否满足数据剔除条件;
边界计算单元405,用于当不满足数据剔除条件时,根据当前时间间隔序列的最小时间间隔、最大时间间隔及所述固定数量,确定所述生产设备的生产能力边界。
可选地,所述条件判断单元403分别解析当前时间间隔序列两边界的时间间隔的分布特征,确定是否满足数据剔除条件,包括:
确定各边界对应的两个抽取步长的时间间隔的分布特征,是否符合当前时间间隔序列的线性函数分布特征;
当任一边界对应的两个抽取步长的时间间隔的分布特征,不符合当前时间间隔序列的线性函数分布特征时,确定满足数据剔除条件;
当各边界对应的两个抽取步长的时间间隔的分布特征,符合当前时间间隔序列的线性函数分布特征时,确定不满足数据剔除条件。
可选地,所述条件判断单元403确定各边界对应的两个抽取步长的时间间隔的分布特征,是否符合当前时间间隔序列的线性函数分布特征,包括:
对于时间间隔较小的第一边界,分别确定所述第一边界对应的两个抽取步长中各自的最小时间间隔Min1和Min2,所述Min1不大于所述Min2;
对于时间间隔较大的第二边界,分别确定所述第二边界对应的两个抽取步长中各自的最大时间间隔MaxN-1和MaxN,所述MaxN-1不大于所述MaxN;
当Min2-Min1<C0*σ时,确定所述第一边界对应的两个抽取步长的时间间隔的分布特征,符合当前时间间隔序列的线性函数分布特征;
当MaxN-MaxN-1<C0*σ时,确定所述第二边界对应的两个抽取步长的时间间隔的分布特征,符合当前时间间隔序列的线性函数分布特征;
所述C0为预设容忍系数,所述σ为当前时间间隔序列的标准差。
可选地,所述间隔剔除单元404根据当前时间间隔序列的平均值,确定解析的时间间隔中的离群值,包括:
确定max{|MaxN-μ|,|Min1-μ|}为解析的时间间隔中的离群值;
其中,所述μ为当前时间间隔序列的平均值。
可选地,所述抽取步长为当前时间间隔序列的时间间隔总数与预设分组数N的比值。
可选地,所述边界计算单元405根据当前时间间隔序列的最小时间间隔、最大时间间隔及所述固定数量,确定所述生产设备的生产能力边界,包括:
确定所述生产设备的生产能力边界WPH∈[Run Size/(M2*MaxN),Run Size/(M1*Min1)];
其中,所述Run Size为所述固定数量,所述Min1为当前时间间隔序列的最小时间间隔,所述MaxN为当前时间间隔序列的最大时间间隔,所述M1为预设第一包容系数,所述M2为预设第二包容系数。
可选地,获取生产设备分批次生产固定数量元件的相关数据之后,所述间隔确定单元401还用于:
确定所述相关数据是否包括有效数据,所述有效数据为在所述生产设备满载且运行状态满足要求时获取的数据;
若不包括所述有效数据,重新获取生产设备分批次生产固定数量元件的相关数据。
可选地,所述元件为半导体元件。
本发明实施例提供一种生产能力边界的确定设备500的示意图,包括存储器501和处理器502,如图5所示,其中:
所述存储器501用于存储计算机程序;
所述处理器502用于读取所述存储器中的程序并执行如下步骤:
获取生产设备分批次生产固定数量元件的相关数据,根据所述相关数据确定相邻批次的生产结束时间之间的时间间隔;
对确定的时间间隔按时长大小进行排序,得到时间间隔序列;
分别解析当前时间间隔序列两边界的时间间隔的分布特征,确定是否满足数据剔除条件,其中,各边界的时间间隔为两个抽取步长的时间间隔;
当满足数据剔除条件时,根据当前时间间隔序列的平均值,确定解析的时间间隔中的离群值,剔除所述离群值所在的抽取步长的时间间隔,并重新分别解析当前时间间隔序列两边界的时间间隔的分布特征,确定是否满足数据剔除条件;
当不满足数据剔除条件时,根据当前时间间隔序列的最小时间间隔、最大时间间隔及所述固定数量,确定所述生产设备的生产能力边界。
可选地,所述处理器502分别解析当前时间间隔序列两边界的时间间隔的分布特征,确定是否满足数据剔除条件,包括:
确定各边界对应的两个抽取步长的时间间隔的分布特征,是否符合当前时间间隔序列的线性函数分布特征;
当任一边界对应的两个抽取步长的时间间隔的分布特征,不符合当前时间间隔序列的线性函数分布特征时,确定满足数据剔除条件;
当各边界对应的两个抽取步长的时间间隔的分布特征,符合当前时间间隔序列的线性函数分布特征时,确定不满足数据剔除条件。
可选地,所述处理器502确定各边界对应的两个抽取步长的时间间隔的分布特征,是否符合当前时间间隔序列的线性函数分布特征,包括:
对于时间间隔较小的第一边界,分别确定所述第一边界对应的两个抽取步长中各自的最小时间间隔Min1和Min2,所述Min1不大于所述Min2;
对于时间间隔较大的第二边界,分别确定所述第二边界对应的两个抽取步长中各自的最大时间间隔MaxN-1和MaxN,所述MaxN-1不大于所述MaxN;
当Min2-Min1<C0*σ时,确定所述第一边界对应的两个抽取步长的时间间隔的分布特征,符合当前时间间隔序列的线性函数分布特征;
当MaxN-MaxN-1<C0*σ时,确定所述第二边界对应的两个抽取步长的时间间隔的分布特征,符合当前时间间隔序列的线性函数分布特征;
所述C0为预设容忍系数,所述σ为当前时间间隔序列的标准差。
可选地,所述处理器502根据当前时间间隔序列的平均值,确定解析的时间间隔中的离群值,包括:
确定max{|MaxN-μ|,|Min1-μ|}为解析的时间间隔中的离群值;
其中,所述μ为当前时间间隔序列的平均值。
可选地,所述抽取步长为当前时间间隔序列的时间间隔总数与预设分组数N的比值。
可选地,所述处理器502根据当前时间间隔序列的最小时间间隔、最大时间间隔及所述固定数量,确定所述生产设备的生产能力边界,包括:
确定所述生产设备的生产能力边界WPH∈[Run Size/(M2*MaxN),Run Size/(M1*Min1)];
其中,所述Run Size为所述固定数量,所述Min1为当前时间间隔序列的最小时间间隔,所述MaxN为当前时间间隔序列的最大时间间隔,所述M1为预设第一包容系数,所述M2为预设第二包容系数。
可选地,获取生产设备分批次生产固定数量元件的相关数据之后,所述处理器502还用于:
确定所述相关数据是否包括有效数据,所述有效数据为在所述生产设备满载且运行状态满足要求时获取的数据;
若不包括所述有效数据,重新获取生产设备分批次生产固定数量元件的相关数据。
可选地,所述元件为半导体元件。
本发明还提供本发明提供一种计算机可读存储介质,其上存储有计算机程序指令,该计算机程序指令被处理器执行时实现如上述实施例1中提供的生产能力边界的确定方法的步骤。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个模块或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或模块的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理模块,即可以位于一个地方,或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能模块可以集成在一个处理模块中,也可以是各个模块单独物理存在,也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。
所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时,全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存储的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如固态硬盘(solid state disk,SSD))等。
以上对本申请所提供的技术方案进行了详细介绍,本申请中应用了具体个例对本申请的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请的方法及其核心思想;同时,对于本领域的一般技术人员,依据本申请的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本申请的限制。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样,倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内,则本申请也意图包含这些改动和变型在内。
Claims (18)
1.一种生产能力边界的确定方法,其特征在于,包括:
获取生产设备分批次生产固定数量元件的相关数据,根据所述相关数据确定相邻批次的生产结束时间之间的时间间隔;
对确定的时间间隔按时长大小进行排序,得到时间间隔序列;
分别解析当前时间间隔序列两边界的时间间隔的分布特征,确定是否满足数据剔除条件,其中,各边界的时间间隔为两个抽取步长的时间间隔;
当满足数据剔除条件时,根据当前时间间隔序列的平均值,确定解析的时间间隔中的离群值,剔除所述离群值所在的抽取步长的时间间隔,并重新分别解析当前时间间隔序列两边界的时间间隔的分布特征,确定是否满足数据剔除条件;
当不满足数据剔除条件时,根据当前时间间隔序列的最小时间间隔、最大时间间隔及所述固定数量,确定所述生产设备的生产能力边界。
2.根据权利要求1所述的方法,其特征在于,分别解析当前时间间隔序列两边界的时间间隔的分布特征,确定是否满足数据剔除条件,包括:
确定各边界对应的两个抽取步长的时间间隔的分布特征,是否符合当前时间间隔序列的线性函数分布特征;
当任一边界对应的两个抽取步长的时间间隔的分布特征,不符合当前时间间隔序列的线性函数分布特征时,确定满足数据剔除条件;
当各边界对应的两个抽取步长的时间间隔的分布特征,符合当前时间间隔序列的线性函数分布特征时,确定不满足数据剔除条件。
3.根据权利要求2所述的方法,其特征在于,确定各边界对应的两个抽取步长的时间间隔的分布特征,是否符合当前时间间隔序列的线性函数分布特征,包括:
对于时间间隔较小的第一边界,分别确定所述第一边界对应的两个抽取步长中各自的最小时间间隔Min1和Min2,所述Min1不大于所述Min2;
对于时间间隔较大的第二边界,分别确定所述第二边界对应的两个抽取步长中各自的最大时间间隔MaxN-1和MaxN,所述MaxN-1不大于所述MaxN;
当Min2-Min1<C0*σ时,确定所述第一边界对应的两个抽取步长的时间间隔的分布特征,符合当前时间间隔序列的线性函数分布特征;
当MaxN-MaxN-1<C0*σ时,确定所述第二边界对应的两个抽取步长的时间间隔的分布特征,符合当前时间间隔序列的线性函数分布特征;
所述C0为预设容忍系数,所述σ为当前时间间隔序列的标准差。
4.根据权利要求3所述的方法,其特征在于,根据当前时间间隔序列的平均值,确定解析的时间间隔中的离群值,包括:
确定max{|MaxN-μ|,|Min1-μ|}为解析的时间间隔中的离群值;
其中,所述μ为当前时间间隔序列的平均值。
5.根据权利要求1所述的方法,其特征在于,所述抽取步长为当前时间间隔序列的时间间隔总数与预设分组数N的比值。
6.根据权利要求1所述的方法,其特征在于,根据当前时间间隔序列的最小时间间隔、最大时间间隔及所述固定数量,确定所述生产设备的生产能力边界,包括:
确定所述生产设备的生产能力边界WPH∈[Run Size/(M2*MaxN),Run Size/(M1*Min1)];
其中,所述Run Size为所述固定数量,所述Min1为当前时间间隔序列的最小时间间隔,所述MaxN为当前时间间隔序列的最大时间间隔,所述M1为预设第一包容系数,所述M2为预设第二包容系数。
7.根据权利要求1所述的方法,其特征在于,获取生产设备分批次生产固定数量元件的相关数据之后,还包括:
确定所述相关数据是否包括有效数据,所述有效数据为在所述生产设备满载且运行状态满足要求时获取的数据;
若不包括所述有效数据,重新获取生产设备分批次生产固定数量元件的相关数据。
8.根据权利要求1所述的方法,其特征在于,所述元件为半导体元件。
9.一种生产能力边界的确定装置,其特征在于,包括:
间隔确定单元,用于获取生产设备分批次生产固定数量元件的相关数据,根据所述相关数据确定相邻批次的生产结束时间之间的时间间隔;
序列确定单元,用于对确定的时间间隔按时长大小进行排序,得到时间间隔序列;
条件判断单元,用于分别解析当前时间间隔序列两边界的时间间隔的分布特征,确定是否满足数据剔除条件,其中,各边界的时间间隔为两个抽取步长的时间间隔;
间隔剔除单元,用于当满足数据剔除条件时,根据当前时间间隔序列的平均值,确定解析的时间间隔中的离群值,剔除所述离群值所在的抽取步长的时间间隔,并重新分别解析当前时间间隔序列两边界的时间间隔的分布特征,确定是否满足数据剔除条件;
边界计算单元,用于当不满足数据剔除条件时,根据当前时间间隔序列的最小时间间隔、最大时间间隔及所述固定数量,确定所述生产设备的生产能力边界。
10.根据权利要求9所述的装置,其特征在于,所述条件判断单元分别解析当前时间间隔序列两边界的时间间隔的分布特征,确定是否满足数据剔除条件,包括:
确定各边界对应的两个抽取步长的时间间隔的分布特征,是否符合当前时间间隔序列的线性函数分布特征;
当任一边界对应的两个抽取步长的时间间隔的分布特征,不符合当前时间间隔序列的线性函数分布特征时,确定满足数据剔除条件;
当各边界对应的两个抽取步长的时间间隔的分布特征,符合当前时间间隔序列的线性函数分布特征时,确定不满足数据剔除条件。
11.根据权利要求10所述的装置,其特征在于,所述条件判断单元确定各边界对应的两个抽取步长的时间间隔的分布特征,是否符合当前时间间隔序列的线性函数分布特征,包括:
对于时间间隔较小的第一边界,分别确定所述第一边界对应的两个抽取步长中各自的最小时间间隔Min1和Min2,所述Min1不大于所述Min2;
对于时间间隔较大的第二边界,分别确定所述第二边界对应的两个抽取步长中各自的最大时间间隔MaxN-1和MaxN,所述MaxN-1不大于所述MaxN;
当Min2-Min1<C0*σ时,确定所述第一边界对应的两个抽取步长的时间间隔的分布特征,符合当前时间间隔序列的线性函数分布特征;
当MaxN-MaxN-1<C0*σ时,确定所述第二边界对应的两个抽取步长的时间间隔的分布特征,符合当前时间间隔序列的线性函数分布特征;
所述C0为预设容忍系数,所述σ为当前时间间隔序列的标准差。
12.根据权利要求11所述的装置,其特征在于,所述间隔剔除单元根据当前时间间隔序列的平均值,确定解析的时间间隔中的离群值,包括:
确定max{|MaxN-μ|,|Min1-μ|}为解析的时间间隔中的离群值;
其中,所述μ为当前时间间隔序列的平均值。
13.根据权利要求9所述的装置,其特征在于,所述抽取步长为当前时间间隔序列的时间间隔总数与预设分组数N的比值。
14.根据权利要求9所述的装置,其特征在于,所述边界计算单元根据当前时间间隔序列的最小时间间隔、最大时间间隔及所述固定数量,确定所述生产设备的生产能力边界,包括:
确定所述生产设备的生产能力边界WPH∈[Run Size/(M2*MaxN),Run Size/(M1*Min1)];
其中,所述Run Size为所述固定数量,所述Min1为当前时间间隔序列的最小时间间隔,所述MaxN为当前时间间隔序列的最大时间间隔,所述M1为预设第一包容系数,所述M2为预设第二包容系数。
15.根据权利要求9所述的装置,其特征在于,获取生产设备分批次生产固定数量元件的相关数据之后,所述间隔确定单元还用于:
确定所述相关数据是否包括有效数据,所述有效数据为在所述生产设备满载且运行状态满足要求时获取的数据;
若不包括所述有效数据,重新获取生产设备分批次生产固定数量元件的相关数据。
16.根据权利要求9所述的装置,其特征在于,所述元件为半导体元件。
17.一种生产能力边界的确定设备,其特征在于,包括存储器和处理器,其中:
所述存储器用于存储计算机程序;
所述处理器用于读取所述存储器中的程序并执行如权利要求1~8任一项所述生产能力边界的确定方法的步骤。
18.一种计算机可读存储介质,其上存储有计算机程序指令,其特征在于,该计算机程序指令被处理器执行时实现权利要求1~8任一项所述生产能力边界的确定方法的步骤。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110606463.2A CN115407725A (zh) | 2021-05-27 | 2021-05-27 | 一种生产能力边界的确定方法和装置及设备 |
PCT/CN2021/101251 WO2022246936A1 (zh) | 2021-05-27 | 2021-06-21 | 一种生产能力边界的确定方法和装置及设备 |
US17/396,899 US11734622B2 (en) | 2021-05-27 | 2021-08-09 | Method, apparatus and device for determining production capacity boundaries |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110606463.2A CN115407725A (zh) | 2021-05-27 | 2021-05-27 | 一种生产能力边界的确定方法和装置及设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115407725A true CN115407725A (zh) | 2022-11-29 |
Family
ID=84155797
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110606463.2A Pending CN115407725A (zh) | 2021-05-27 | 2021-05-27 | 一种生产能力边界的确定方法和装置及设备 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN115407725A (zh) |
WO (1) | WO2022246936A1 (zh) |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5862054A (en) * | 1997-02-20 | 1999-01-19 | Taiwan Semiconductor Manufacturing Company, Ltd. | Process monitoring system for real time statistical process control |
US6739947B1 (en) * | 1998-11-06 | 2004-05-25 | Beaver Creek Concepts Inc | In situ friction detector method and apparatus |
CN101866171B (zh) * | 2010-04-28 | 2012-08-22 | 北京北方微电子基地设备工艺研究中心有限责任公司 | 一种生产线设备的计时控制方法及装置 |
CN103293878B (zh) * | 2013-05-31 | 2015-07-15 | 上海华力微电子有限公司 | 光刻机产能监测系统 |
-
2021
- 2021-05-27 CN CN202110606463.2A patent/CN115407725A/zh active Pending
- 2021-06-21 WO PCT/CN2021/101251 patent/WO2022246936A1/zh active Application Filing
Also Published As
Publication number | Publication date |
---|---|
WO2022246936A1 (zh) | 2022-12-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115639470B (zh) | 一种基于数据趋势分析的发电机监测方法及系统 | |
CN104217978A (zh) | 半导体批次产品的处理系统和方法 | |
CN107292455A (zh) | 用电量预测方法、装置、可读存储介质和计算机设备 | |
CN102521080A (zh) | 电力用户用电信息采集系统的计算机数据修复方法 | |
CN111198891B (zh) | 数据源融合方法、电子设备及非暂态计算机可读存储介质 | |
CN114764535A (zh) | 用于仿真的电力数据处理方法、装置、设备及存储介质 | |
JP2023120168A (ja) | 半導体工場における待ち時間予測のための方法 | |
KR20190060548A (ko) | 변수 구간별 불량 발생 지수를 도출하여 공정 불량 원인을 파악하고 시각화하는 방법 | |
CN112308636B (zh) | 一种基于市场需求变化的市场需求值的计算方法和装置 | |
CN115407725A (zh) | 一种生产能力边界的确定方法和装置及设备 | |
CN117233645A (zh) | 一种储能逆变器电池异常判定方法、系统及介质 | |
US20060100844A1 (en) | Test time forecast system and method thereof | |
CN115801589A (zh) | 一种事件拓扑关系确定方法、装置、设备及存储介质 | |
Peralta et al. | Unit commitment with load uncertainty by joint chance-constrained programming | |
CN109492913B (zh) | 一种配电终端的模块化风险预测方法、装置及可存储介质 | |
Piplani et al. | Simplification strategies for simulation models of semiconductor facilities | |
CN113065234A (zh) | 一种智能电表的批次可靠性风险等级评估方法及系统 | |
CN113850289A (zh) | 一种射频微波件产品的工序工时定额测算方法及系统 | |
KR20120042528A (ko) | 계측 방법 및 이를 이용한 계측 시스템 | |
CN109426890B (zh) | 从多维变量推算生产力、排程优先级、优化配置的方法 | |
US20220383214A1 (en) | Method, apparatus and device for determining production capacity boundaries | |
EP4053657A1 (en) | Method for allocating resources to machines of a production facility | |
US20230384759A1 (en) | Information processing method and information processing device | |
CN111985704A (zh) | 预测晶圆失效率的方法及其装置 | |
CN116011650A (zh) | 用于电力设备的订单交付时间的预测方法与预测装置 |
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 |