DE102022201649A1

DE102022201649A1 - Verfahren zur Wartezeit-Vorhersage in einer Halbleiterfabrik

Info

Publication number: DE102022201649A1
Application number: DE102022201649.1A
Authority: DE
Inventors: Michel Janus; Kai Schelthoff
Original assignee: Robert Bosch GmbH
Current assignee: Robert Bosch GmbH
Priority date: 2022-02-17
Filing date: 2022-02-17
Publication date: 2023-08-17

Abstract

Computer-implementiertes Verfahren zum Trainieren (20) eines maschinellen Lernsystems (51) für eine Vorhersage der erwarteten Wartezeit von Herstellungsoperationen bei der Fertigung, das die folgenden Schritte umfasst: Bereitstellen von Trainingsdaten, wobei die Trainingsdaten mehrere Fertigungsrouten eines Loses umfassen; Trainieren (S21) des maschinellen Lernsystems (51) an mindestens einem ersten Teil der Trainingsdaten; Bestimmen (S22) einer Relevanz für jede Eingabe des Maschinellen Lernsystems; Einstufen (S23) der Merkmale gemäß ihrer Relevanz und Prüfen auf die minimale Menge eingestufter Merkmale unter der Einschränkung, dass die Genauigkeit der ausgegebenen erwarteten Wartezeit nicht verschlechtert wird.

Description

Die Erfindung betrifft ein Verfahren zur Wartezeit-Vorhersage für eine Route, die mehrere Produktionsoperationen in der Fertigung umfasst, und ein Verfahren zum Trainieren eines maschinellen Lernsystems für eine Vorhersage der erwarteten Wartezeit von Produktionsoperationen in der Fertigung und ein Computerprogramm und ein maschinen-lesbares Speichermedium, ein System, ausgelegt zum Ausführen solcher Verfahren.
Stand der Technik
Der Kontext der Erfindung ist die Fertigung und spezieller die Planung und Vorhersage, wann die Verarbeitung eines Produktloses in der Fertigung beendet sein wird. Speziell sind bei der Halbleiterfertigung, wobei die Herstellung eines Loses mehrere Wochen bis Monate dauern kann, genaue Vorhersagen für den Abschluss der Herstellung für ein gegebenes Los sehr wünschenswert. Trotz der Notwendigkeit genauer Vorhersagen von Abschlussterminen gerät der industrielle Stand der Technik ins Hintertreffen. Es ist üblich, mittlere Zykluszeiten für diese Vorhersagen ungeachtet der aktuellen fab.-Situation zu verwenden. Ein aufwendigeres Standardverfahren verwendet die mittlere Verweildauer für alle Prozessschritte in einem definierten Zeitfenster, um diese zu einer Zykluszeit aufzusummieren.
Eine andere Lösung auf dem Stand der Technik wäre, den Fertigungsprozess in einer ereignisdiskreten Simulation abzudecken, die dann die Zykluszeit vorhersagen kann. Während dieses Verfahren theoretisch so genau wie möglich ist, ist es mit einigen Nachteilen verbunden. Als erstes ist es zeit- und kapitalintensiv, eine solche Simulation aufzubauen und aufrechtzuerhalten, da die extrem komplexen Herstellungsprozesse in jedem Detail verstanden und digital modelliert werden müssen. Selbst wenn die Simulation verfügbar ist, nimmt ferner ihre Ausführung eine lange Zeit in Anspruch, da sie ein komplexes rechnerisches Problem ist. Daher können nur einige Szenarien in einer vernünftigen Zeit ausgeführt werden, insbesondere wenn es zur Herstellungssteuerung verwendet werden soll.
Es gibt Ansätze bezüglich Wartezeitvorhersagen durch Vorhersagemodelle, wobei die Vorhersagemodelle neuronale Netze oder Daten-Mining-Modelle zur Vorhersage von Zykluszeiten sein können.
Chen, T. und Wang, Y.-C. und Lin, Y.-C. und Yang, K.-H., Estimating job cycle time in semiconductor manufacturing with an ANN approach equally dividing and post-classifying jobs, Materials Science Forum, Band 594, S. 469-474, offenbart beispielhafte Modelle zur Schätzung von Zyklus- und Wartezeiten in Halbleiter-fab.
Vorteile der Erfindung
Ein Ziel der vorliegenden Erfindung ist die Bereitstellung einer Lösung, die genauer als einfache (Rollender-) Mittelwert-Vorhersagen, aber leichter zu warten und schneller auszuführen ist als eine vollständige Simulation.
Die vorliegende Erfindung hat im Prinzip drei Vorteile. Erstens ist sie genauer als Mittelwert- oder Rollender-Mittelwert-Schätzer. An Betriebsdaten vorgenommene Analysen haben gezeigt, dass die entwickelte Methodologie diese Schätzer in Bezug auf den mittleren quadratischen Fehler um drei Tage übertrifft, während die mittlere Zykluszeit gleich gut vorhergesagt wird. Dieser Effekt ist sogar noch stärker, wenn Lose von ihrer mittleren Zykluszeit abweichen. Die mittlere absolute Abweichung der Schätzung, verglichen mit der tatsächlichen Zykluszeit, ist daher mit dieser Methodologie sieben Tage genauer, wenn ein Los eine Zykluszeit >48 Tage aufweist. Zweitens ist sie schneller als ereignisdiskrete Simulationen, da keine gegenseitigen Abhängigkeiten modelliert werden müssen. Deshalb kann ein Durchlauf in Minuten statt Stunden ausgeführt werden, wodurch sich Möglichkeiten für die Untersuchung von mehr Szenarien in derselben Zeitdauer eröffnen. Drittens ist die Methodologie leicht zu warten, weil sie auf dem Betriebsniveau aufgebaut ist und nur Eingaben aus aktuellen Herstellungsdaten sowie ein Prädiktionsmodell pro Operation verwendet. Daher ist sie insofern modular, als, wenn eine Operation geändert wird, nur das Modell dieser Operation neu trainiert werden muss, während der Rest bleiben kann, wie er ist.
Offenbarung der Erfindung
In einem ersten Aspekt wird ein Verfahren für Wartezeitschätzung für eine Route, die mehrere Herstellungsoperationen bei der Fertigung umfasst, vorgeschlagen. Die Wartezeit kann als vergangene Zeit zwischen Abschluss der vorherigen Operation und Beginnen der nächsten definiert werden.
Das Verfahren beginnt mit Empfang einer sortierten Liste von Herstellungsoperationen, wobei die Liste die Route für Herstellung eines Loses charakterisiert. Danach folgt Definieren eines Zeitpunkts einer Losherstellungs-Startzeit.
Dann wird eine Schleife zur Bestimmung der erwarteten Wartezeiten für jede Herstellungsoperation in der sortierten Liste ausgeführt. Die Schleife beginnt mit dem Sampeln von Merkmalwerten für mehrere Merkmale durch Sampeln aus einer Datenbank zuvor gesammelter Merkmalwerte für die gemessenen Merkmalwerte der Operation abhängig von dem Startzeitpunkt. Die Merkmale charakterisieren eine Eigenschaft und/oder einen Zustand des Loses und/oder eine Eigenschaft und/oder einen Zustand einer Fabrik zum Fertigen des Loses. Der zweite Schritt der Schleife betrifft die Vorhersage erwarteter Wartezeit abhängig von den gesampelten Merkmalwerten.
Die erwarteten Vorhersage-Wartezeiten werden über die Operationen akkumuliert. Gegebenenfalls wird die akkumulierte erwartete Wartezeit als Gesamtwartezeit für die Route ausgegeben.
Vorteilhafterweise werden keine Informationen über Prozessflüsse anderer Lose betrachtet, was verglichen mit ereignisdiskreten Simulationen zu der verringerten Berechnungszeit führt.
Es wird vorgeschlagen, dass das Sampeln von Merkmalwerten entweder durch zufälliges Sampeln gesammelter Merkmalwerte aus der Datenbank oder durch Bestimmen der Merkmalwerte durch einen Mittelwert gesammelter Merkmalwerte aus der Datenbank oder durch Bestimmen der Merkmalwerte durch einen rotierenden Mittelwert gesammelter Merkmalwerte aus der Datenbank ausgeführt wird, wobei die gesammelten Merkmalwerte der Datenbank für in der Vergangenheit ausgeführte Operationen gesammelt wurden.
Ferner wird vorgeschlagen, dass die vorhergesagten Wartezeiten mittels einem trainierten maschinellen Lernsystem vorhergesagt werden, wobei das Maschinenlernsystem als Eingabe die Merkmalwerte erhält und die erwartete Wartezeit ausgibt.
Ferner wird vorgeschlagen, dass es mehrere trainierte Maschinenlernsysteme gibt, wobei jedes Maschinenlernsystem einer der Herstellungsoperationen zugwiesen wird und jedes Maschinenlernsystem dafür trainiert wurde, die erwartete Wartezeit für seine zugewiesene Herstellungsoperation abhängig von seinem Eingangsmerkmal vorherzusagen. Vorzugsweise kann das Maschinenlernsystem verschiedene Merkmalmengen als Eingaben nehmen. Das heißt, dass die Eingaben des jeweiligen maschinellen Lernsystems aktiv auf eine Menge notwendiger Merkmale reduziert werden können.
Ferner wird vorgeschlagen, dass die sortierte Liste von Operationen der Route auf der Basis historischer Wahrscheinlichkeiten der Route bestimmt wird. Die Datenbank umfasst mehrere zuvor verfolgte Routen und davon entsprechend gesammelte Merkmalwerte und Wartezeiten und vorzugsweise Verarbeitungszeiten der Operationen der verfolgten Routen. Auf der Basis einer probabilistischen Verteilung der verfolgten Routen können die historischen Wahrscheinlichkeiten bestimmt werden, um eine Menge von für diese Route ausgeführten Operationen zu schätzen. Die historischen Wahrscheinlichkeiten können Wahrscheinlichkeiten sein, die die Wahrscheinlichkeit des Loses zur Wahl der Route auf der Basis zuvor gemessener Daten in der Datenbank charakterisieren.
Ferner wird vorgeschlagen, dass zusätzlich zu der erwarteten Wartezeit auch eine erwartete Verarbeitungszeit der jeweiligen Operation abhängig von den gesampelten Merkmalwerten bestimmt wird, wobei auch die erwarteten Herstellungszeiten akkumuliert werden, wobei vorzugsweise eine Zykluszeit durch Summieren des akkumulierten erwarteten Wartens mit den akkumulierten erwarteten Verarbeitungszeiten berechnet wird. Vorzugsweise sind das trainierte Maschinenlernsystem oder die mehreren trainierten Maschinenlernsysteme dafür ausgelegt, zusätzlich die erwarteten Verarbeitungszeiten auszugeben.
In einem zweiten Aspekt der Erfindung wird ein Verfahren zum Trainieren des maschinellen Lernsystems zur Vorhersage einer erwarteten Wartezeit von Herstellungsoperationen bei der Fertigung vorgeschlagen.
Das Verfahren beginnt mit dem Bereitstellen von Trainingsdaten, wobei die Trainingsdaten mehrere Fertigungsrouten eines Loses umfassen, wobei für jede Herstellungsoperation der Routen Merkmalwerte gesammelt und entsprechende Wartezeiten des Loses gemessen werden, wobei die Merkmale eine Eigenschaft und/oder einen Zustand des Loses und/oder eine Eigenschaft und/oder einen Zustand einer Fabrik zur Fertigung des Loses charakterisieren.
Dann wird ein Training des maschinellen Lernsystems an mindestens einem ersten Teil der Trainingsdaten ausgeführt. Es können bekannte Trainingsverfahren für Maschinenlernsysteme angewandt werden. Das Training wird so angewandt, dass das maschinelle Lernsystem die gemessenen Wartezeiten abhängig von den eingegebenen Merkmalen ausgibt. Außerdem kann das Training dafür ausgelegt werden, das Maschinenlernsystem dafür zu trainieren, auch die erwartete Verarbeitungszeit auszugeben, wenn die Trainingsdaten auch gesammelte Verarbeitungszeiten des Loses umfassen.
Dann wird eine Relevanz für jedes Merkmal durch Verwerfen des jeweiligen Merkmals als Eingabe für das Maschinenlernsystem und Messen der relativen Leistungsfähigkeitsabnahme des maschinellen Lernsystems für die Wartezeitvorhersage mit der manipulierten Eingabe bestimmt. Es folgt eine Einstufung der Merkmale gemäß ihrer Relevanz und Prüfung der eingestuften Merkmale schrittweise für eine minimale Menge der eingestuften Merkmale unter der Einschränkung, dass die Genauigkeit der ausgegebenen erwarteten Wartezeit nicht verschlechtert wird, wobei die Evaluierung ein dritter Teil der Trainingsdaten ausgeführt wird. Der Vorteil davon ist, dass die Merkmalmenge signifikant reduziert werden kann, während die Vorhersageleistungsfähigkeit gleich bleibt.
Es wird vorgeschlagen, dass die Relevanz durch einen Permutations-Merkmal-Wichtigkeitsalgorithmus bestimmt wird.
Ferner wird vorgeschlagen, dass dann eine optimale Teilmenge von Merkmalen durch eine sequenzielle Rückwärtssuche auf der Basis der bestimmten Relevanz der Merkmale gewählt wird.
Ferner wird vorgeschlagen, dass nach dem Training des maschinellen Lernsystems das trainierte Maschinenlernsystem an einem zweiten Teil der Trainingsdaten evaluiert wird, und wenn die Modellleistungsfähigkeit unter einer vordefinierten Schwelle liegt, der Schritt des Trainings nochmals ausgeführt wird.
Ferner wird vorgeschlagen, dass eine Hyperparameter-Optimierung der Maschinenlernsysteme an einen Teil der Trainingsdaten ausgeführt wird, der nicht zum Training der Maschinenlernsysteme verwendet wurde.
Ferner wird vorgeschlagen, dass es mehrere verschiedene Herstellungsoperationen und mehrere verschiedene Produkte gibt, wobei für jede Kombination von Herstellungsoperation und Produkt ein Maschinenlernsystem trainiert wird. Dies hat den Vorteil, dass eine leichte Wartung des Ansatzes im Fall einer Abänderung oder Ersetzung einer Herstellungsoperation oder eines Produkts gewährleistet wird. Denn dann muss nur das entsprechende Maschinenlernsystem neu trainiert werden.
Ferner wird vorgeschlagen, dass das Verfahren des ersten und zweiten Aspekts der Erfindung für Wartezeitschätzung von Operationen in Halbleiter-Fertigungsfab. mit hoher Produktmischung/niedrigem Volumen angewandt wird.
Ferner wird für den ersten und zweiten Aspekt vorgeschlagen, dass das Los eine elektronische Vorrichtung ist, insbesondere eine industrielle oder Kraftfahrzeugsteuerung oder ein Sensor, eine Logikvorrichtung oder ein Leistungshalbleiter.
Ferner wird für den ersten und zweiten Aspekt vorgeschlagen, dass die Herstellungsoperationen Halbleiter-Fertigungsoperationen sind, insbesondere Diffusions- und Lithographieoperationen oder vorzugsweise Teilschritte von Fertigungsoperationen.
Ferner wird für den ersten und zweiten Aspekt vorgeschlagen, dass abhängig von den akkumulierten erwarteten Wartezeiten oder der bestimmten Zykluszeit Geräte für die Herstellungsoperation der Fabrik zur Fertigung des Loses gesteuert oder eine Priorität des Loses abhängig von seiner Wartezeit angepasst werden. Der Vorteil ist eine bessere Auslastungsrate und Kontrolle der Fabrik.
Ferner wird für den ersten und zweiten Aspekt vorgeschlagen, dass abhängig von den akkumulierten erwarteten Wartezeiten oder der bestimmten Zykluszeit für verschiedene Produktmischungsszenarien eine optimale Mischung verschiedener Lose bestimmt wird oder abhängig von den akkumulierten erwarteten Wartezeiten oder dem bestimmten Zykluszeitpunkt die rechte Zeit, wann die Produktion des Loses abgeschlossen ist, vorhergesagt wird. Durch diese Art der Steuerung der Fabrik können die Materialverschwendung usw. optimiert werden.
Ferner wird für den ersten und zweiten Aspekt vorgeschlagen, dass abhängig von den akkumulierten erwarteten Wartezeiten oder der bestimmen Zykluszeit das Los mehrerer Lose mit der niedrigsten oder höchsten Warte- oder Zykluszeit weiter verarbeitet wird oder eine Optimierung einer Sequenz der Operationen der Routen zur Minimierung eines Gesamtwartens der Lose ausgeführt wird.
Ausführungsformen der Erfindung werden unter Bezugnahme auf die folgenden Figuren ausführlicher besprochen. Es zeigen:

1 eine Tabelle von Merkmalen;
2 eine Tabelle von Hyperparametern;
3 ein Flussdiagramm zum Trainieren eines maschinellen Lernsystems;
4 ein Flussdiagramm zum Anwenden des maschinellen Lernsystems;
5 ein Trainingssystem des maschinellen Lernsystems.

Beschreibung der Ausführungsformen
Halbleiterhersteller sehen sich zunehmenden Kundenanforderungen hinsichtlich Bedarf, Funktionalität, Qualität und Lieferzuverlässigkeit von Mikrochips gegenüber. Dieser andauernd wachsende Marktdruck erfordert genaue und präzise Leistungsfähigkeitsschätzung für Entscheidungsträger, um Lieferverpflichtungen mit Kunden einzugehen. Ein signifikantes Leistungsfähigkeitsmaß ist die Wartezeit, die oft den höchsten Anteil der Zykluszeit ausmacht und am meisten zu ihrer Varianz beiträgt.
Obwohl es viele Studien gibt, die die Zykluszeit vorhersagen, wird bevorzugt, die Wartezeit als die interessierende Variable zu betrachten und es dem Praktiker zu erlauben, zu entscheiden, wie er Verarbeitungszeiten schätzen möchte (d.h. deterministisch oder stochastisch).
Um die akkumulierte Gesamtwartezeit in einer Halbleiter-fab. zu erhalten, könnte man für jede Operation einzelne Vorhersagen durchführen und sie für den gesamten Herstellungszyklus eines Loses aufsummieren.
Die Vorhersage von Wartezeiten ist jedoch eine nicht triviale Aufgabe, da zahlreiche potenziell wichtige Einflussmerkmale berücksichtigt werden müssen.
Vorhersagemodelle, die eine große Vielfalt von Merkmalen berücksichtigen, sind rechnerisch extensiv und anfällig für Überanpassung, während im Gegensatz dazu einfache Modelle keine wertvollen Vorhersagen bereitstellen. Dementsprechend sind Halbleiterhersteller mit der Aufgabe konfrontiert, die relevante Merkmalmenge für Wartezeitvorhersage zu identifizieren.
Ferner sind Halbleiterhersteller mit einer schwankenden Nachfrage nach einer Vielzahl von Produkten konfrontiert. Dementsprechend werden Halbleiter in sogenannten HMLV (Halbleiter-Wafer-Fabriken) hergestellt.
In einer HMLV-Wafer-fab. entwickeln sich die Produktmischung, verfügbare Technologien und Herstellungskapazitäten andauernd mit der Zeit, und es werden sehr viele Operationen gleichzeitig an heterogenen Werkzeugsätzen verarbeitet. Deshalb nehmen die Anforderung bezüglich präziser und leichtgewichtiger Vorhersagemodelle für Leistungsfähigkeitsmaße zu. Aus dieser komplexen Herstellungsumgebung folgt eine Vielzahl zusätzlicher Merkmale, die mit der Wartezeit korreliert sind, es ist aber bisher unklar, wie diese Merkmale zur Vorhersagequalität beitragen.
Obwohl eine Maschine als in dem MES (Fertigungs-Ausführungssystem) als verfügbar gezeigt ist, kann die Prozessqualität aufgrund von Maschinenverschlechterung nicht garantiert werden. Dies ist ein weiterer Grund dafür, dass die Vorhersage der Wartezeit aufgrund der wiedereintretenden Flüsse, der verschiedenen Schichten, der begrenzten Maschinenkapazitäten und komplexen Prozessflüsse ein hochkomplizierter Prozess ist.
Um dieses Problem anzugehen, wird ein Rahmen für die Wartezeitschätzung von Operationen in Halbleiter-Wafer-fab., vorzugsweise HMLV-fab., präsentiert und ein Auswahlrahmen zur Bestimmung signifikanter Vorhersagemerkmale und Herstellung leichtgewichtiger Modelle für die Wartezeitvorhersage eingeführt. Genauer gesagt, wird ein Verfahren zum Vorhersagen einzelner Wartezeiten pro Los und Operation am Punkt des Abschlusses der vorherigen Operation vorgeschlagen. Das Verfahren wird mit echten Betriebsdaten aus zwei Herstellungsgebieten demonstriert, nämlich Lithographie und Diffusion.
Es ist wohl bekannt, dass die Zykluszeit eines der relevantesten Leistungsfähigkeitsmaße für Halbleiter-Fertigungsprozesse ist. Die Zykluszeit kann als vergangene Zeit zwischen Start und Abschluss einer Aufgabe definiert werden, die aus Transportzeit, Wartezeit, Verarbeitungszeit und Zeit für zusätzliche Schritte zusammengesetzt ist.
Das MES (Fertigungs-Ausführungssystem) einer fab. verfolgt Ein- und Ausfahrzeiten jeder Maschine (das heißt, Start und Ende jedes Verarbeitungsschritts). Nach dem Abschluss der vorherigen Aufgabe treten die Lose in den gemeinsamen Warteraum der Werkzeuggruppe des nächstens Verarbeitungsschritts ein und warten auf Verarbeitung. Man beachte, dass der Warteraum nicht physisch mit der Werkezuggruppe kolokalisiert ist und bei Ankunft eines Loses nicht bestimmt ist, welche Maschine das Los verarbeiten wird. Folglich können die Wartezeiten auch Transportzeiten zwischen den Werkzeuggruppen umfassen. Die Entsendestrategie des Warteraums hängt von verschiedenen Faktoren ab, nicht FIFO.
Bei vorherigen Ansätzen wurde angenommen, dass Verarbeitungszeiten für einen gegebenen Verarbeitungsschritt konstant sind. Im vorliegenden Benutzungsfall zeigt sich jedoch, dass die Verarbeitungszeiten einigen Schwankungen unterliegen. Trotzdem übertrifft die Schwankung der Wartezeit die Schwankung der Verarbeitungszeit bei weitem. Bei diesem Ansatz konzentriert man sich deshalb auf das Analysieren und Vorhersagen der Wartezeiten, während das Verhalten der Verarbeitungszeit in der Vergangenheit als unabhängige Variable verwendet wird. Bei einer weiteren Ausführungsform können auch die Verarbeitungszeiten vorhergesagt werden.
Man definiert die abhängige Variable in den vorliegenden Modellen als die erwartete Wartezeit pro Los an einer gegebenen Werkzeuggruppe bei Ankunft an der Werkzeuggruppe zum Zeitpunkt t₀.
Der vorgeschlagene Ansatz kann in zwei Teile aufgeteilt werden. Zuerst identifiziert man die Merkmalmenge für den vorliegenden Ansatz. Zweitens schlägt man eine Merkmalwichtigkeits-Berechnungsmethodologie vor, wobei eine Menge von Merkmalen und das am besten funktionierende Modell für den jeweiligen Problembereich auf der Basis einer sequenziellen Rückwärtssuche ausgewählt werden, die mit den jeweiligen Werten der PFI (Permutationsmerkmalwichtigkeit) initialisiert wird.
In 1 zeigt die Tabelle die Merkmalmenge des vorliegenden Ansatzes. Die Merkmalmenge gibt die Mannigfaltigkeit dieses Merkmals an, entweder für nominale Kategorien (nominale Kat.) die in einem Schritt codiert werden müssen, oder für Ordinalkategorien (Ordinal-Kat.) und stetige (stet.), die oftmals Ansammlungen von Merkmalen sind. Die aufgelisteten Merkmale sind lediglich beispielhaft.
Im Folgenden wird jedes Merkmal kurz erläutert, einschließlich seiner möglichen Wichtigkeit und gegebenenfalls Anpassungsmechanik.

a. Lospriorität (P): Jedem Los wird bei fab.-Eintritt eine Priorität zugewiesen. Diese Priorität bezieht sich auf eine Wichtigkeit und Dringlichkeit des Loses, was insbesondere für die Ablaufplanung während der Fertigung wichtig ist und deshalb als Einflussmerkmal betrachtet wird.
b. Laufende Arbeiten (WIP): Die WIP sind als die Anzahl der aktuell in einer Maschinengruppe bearbeiteten Lose und die Anzahl der aktuell vor der Maschinengruppe wartenden Lose definiert. Da es produktive und nicht produktive Lose, d.h. für Prüf- und Wartungszwecke verwendete Lose, gibt, können die WIP für alle Jobs für produktive Lostypen (wip_p) und für nicht produktive Lostypen (wip_{np}) einzeln berechnet werden. Die resultierenden Gesamt-WIP in der Maschinengruppe sind gleich der Summe beider Merkmale, werden aber nicht als Merkmal benutzt, um redundante Informationen zu vermeiden. Außerdem können die WIP der Gesamt-fab. (WIP) betrachtet werden.
c. Ankunftszeit am Tag (qt): Es ist für Operationen des Batch-Aufbaus (zusammen zu verarbeitende Gruppe von Losen) von Relevanz, mit welcher Rate andere Lose ankommen oder abgehen.
d. Zeiten von Inter-Ankunft (IA) und Inter-Abgang (ID): Es sei at_l. die Ankunftszeit und d_tl die Abgangszeit des Loses l. IA und ID sind als die Zeit zwischen Ankunft/Abgang des aktuellen und vorherigen Loses desselben Operationstyps definiert: $I A_{l} = a t_{l} - a t_{l - 1}$
$I D_{l} = d t_{l - 1} - d t_{l - 2}$
- Die Reihenfolge der Lose wird durch den entsprechenden Ankunftszeitstempel definiert.
- Für Batch-Operationen ist es wichtig, mit welcher Frequenz andere Lose ankommen. Für beide Merkmale werden sowohl die letzte Zeit von Inter-Ankunft (IA_pre1) als auch Inter-Abgang (ID_pre1) als auch der rollende Mittelwert der letzten 10 Werte (IA_pre10; ID_pre10) als Merkmale benutzt.
e. Auslastung von Maschinengruppen (u): Für jede Maschine m in der Maschinengruppe M (z.B. alle Lithographiegeräte) gibt es eine verfügbare Verarbeitungszeit (ca_(t|m)) und eine belegte Zeit (cu_(t|m)) in einem definierten Zeitfenster t = t₀ - x bis t₀, z.B. einer Stunde. Sie können folgendermaßen ausgedrückt werden, mit M als Gruppe von Maschinen mit der Fähigkeit zur Verarbeitung von o: $c a_{(t | M)} = \sum_{m \in M} c a_{(t | m)}$
$c u_{(t | M)} = \sum_{m \in M} c u_{(t | M)}$
f. Die Auslastung (u_preH) ist der Anteil der belegten Zeit an der verfügbaren Verarbeitungszeit: $u_{p r e x} = \sum_{t = - X}^{t_{0}} (c u_{(t | m)}) / (c a_{(t | m)})$
- Die Auslastung der Geräte gibt die verfügbare Kapazität für die Prozessausführung an. Man erhält sowohl die Auslastung in der vergangenen Stunde (u_preH) als auch am vergangenen Tag (u_preD) zur Angabe jüngster Entwicklungen in der Auslastung der Geräte.
g. Verfügbarkeit von Maschinen (a): Die Verfügbarkeit ist definiert durch die Anzahl verfügbarer Maschinen, die die Operation ausführen können. Vorzugsweise erhält man die Anzahl der Maschinen in jedem Gerätezustand („Verfügbar“, „Reparatur“, „Wartung“, „Einrichtung“ und „Herunterfahren“) als Merkmale, um Lernen an der Zusammensetzung der Maschinenzustände in der Maschinengruppe und ihren Konsequenzen bezüglich der Wartezeit zu ermöglichen.
h. Verarbeitungszeit (pt_preX) und Wartezeit (wt_preX): Man teilt die Zykluszeit auf, um den Umstand zu berücksichtigen, dass sich beide Werte nicht dieselbe Verteilung teilen. Außerdem gibt man beide Werte der letzten beendeten Operation der vorherigen 3 und der vorherigen 10 zuletzt beendeten Operationen derselben Kombination von Produkt und Operation an, weil es hilfreich sein könnte, neuere Trends in beiden Werten anzugeben. Da diese Merkmale variieren (mit Ausnahme der sehr vorherigen Warte- und Verarbeitungszeit), werden der minimale (min) und maximale (max) Wert, der Mittelwert (µ) und die Varianz (σ²) von wt und pt als Merkmale hinzugefügt.
i. Produktmischung in der fab. (pm_fab): Eine zunehmend komplexe Produktmischung ist problematischer und steigert deshalb die Planungskomplexität weiter. Da sich gesteigerte Komplexität auf die Leistungsfähigkeit von Entsendungsalgorithmen auswirkt, kann sie als ein Indikator für das Stressniveau der Herstellungsplanung verwendet werden, kombiniert mit den Gesamt-fab.-WIP. Die Komplexität eines Produkts kann durch die Menge an für seinen Abschluss notwendigen Schichten gemessen werden. Daher gibt man die Produktmischung durch die Dezile der Schichten an, die für die Fertigstellung aller Produkte in der fab. zur Ankunftszeit notwendig sind, sowie alle Lose in der Warteschlange von Geräten, die in der Lage sind, die Operation auszuführen.
j. Anzahl von Werkzeugschleifen (l): Dieses Merkmal gibt an, ob eine Operation zum ersten Mal ausgeführt wird oder als Nacharbeitsschritt wiederholt wird. Die zugrundeliegende Annahme ist, dass ein Nacharbeitsschritt dringlich werden oder zusätzliche Aufmerksamkeit von Planern erhalten könnte, da er ein unvorhergesehenes Ereignis ist.
k. Produktmischung in der Warteschlange (pm_{warteschlange}): Trotz des oben erwähnten pm_(fab) wird dieses Merkmal unter Verwendung desselben Berechnungsmusters durchgeführt. Ähnlich wie bei pm_fab ist pm_{warteschlange} ein Indikator für die Planungskomplexität der Maschinengruppe und kann in stark sequenzabhängigen Herstellungsbereichen von Interesse sein, weil es die Heterogenität einer Warteschlange angibt. Daher kann es für Wartezeitschätzungen von Relevanz sein.
l. Anzahl verschiedener Produkte in der Warteschlange (n_{warteschlange}): Kann in Bereichen mit sequenzabhängigen Einrichtzeiten von Wichtigkeit sein, da eine schwere Vielfalt von Produkten zu erhöhten Einrichtzeiten und deshalb höherer Wartezeit führen kann.
m. WIP-Profil (WIP_dist): Dieses Merkmal ist eine Messung des Grads des Abschlusses aller Lose in der fab. zum Zeitpunkt t_0. Es kann als der Bruchteil abgeschlossener Schichten und aller notwendigen Schichten eines Loses berechnet werden. Statt alle Lose der aktuellen WIP gleich zu behandeln, kann man jedes Los durch die Anzahl der aufzutragenden Schichten valuieren. Das Merkmal kann als der Prozentsatz von abgeschlossenen Schichten in Bezug auf die Gesamtzahl der durch das Rezept aller Lose aufzutragenden Schichten erhalten werden. Man führt das WIP-Profil als Dezile für die gesamte fab. sowie für Lose in der Warteschlange der Maschinengruppe ein. Produkte, die der Fertigstellung nahe sind (das heißt, Produkte, die einen hohen WIP-Profilwert aufweisen) werden wahrscheinlich von dem Entsendealgorithmus bevorzugt, da sein Abschluss direkt die Ausgabe der fab. beeinflusst, die eine Schlüssel-Leistungsfähigkeitsmetrik ist.
n. Grad der Fertigstellung (compl_t0): Dieses Merkmal gibt den Anteil der bereits abgeschlossenen Schichten und der Gesamtmenge von Schichten des Loses, die man aktuell vorhersagt, an. Mit diesem Merkmal kann man die Wichtigkeit des Fertigstellungsgrads nicht nur für alle übereinstimmenden Lose, sondern auch für das vorherzusagende Los bestätigen.
o. Menge ähnlicher Operationen in der Warteschlange (ql_sim): Ähnliche Operationen sind vom selben Operationstyp (unabhängig von ihrem Produkt) und können deshalb in Batches hergestellt werden, wenn die Geräte zur Verarbeitung von Batches fähig sind. Daher kann ein Los bevorzugt sein, wenn viele ähnliche Operationen auf Ausführung warten, um volle Batches zu erzeugen.
p. Wartezeiten aller Lose, die in der Warteschlange zum Zeitpunkt t₀ warten (wt_(dist|t0)): Um eine feste Form von Eingangsmerkmalen zu behalten, gruppiert man die wartenden Lose in der Warteschlange zu Dezilen von Wartezeiten. Dieses Merkmal dient zum Extrahieren weiterer Informationen über die Warteschlangenteilnehmer.
q. Schicht bei t₀ (S): z.B. Früh: 6:00-14:00, Spät: 14:00-22:00 und Nacht: 22:00-6:00. Außerdem Wochenende bei t₀ (w): 1, wenn Los an einem Wochenende in die Warteschlange eintritt, andernfalls 0. Feiertage (h): 1, wenn Los während nationaler Feiertage des fab.-Orts in die Warteschlange eintritt, andernfalls 0. Man nimmt an, dass sich Personalressourcen zwischen Schichten, Wochenenden und Feiertagen unterscheiden.
r. Vorherige-Operation-ID (o_prev): Dieses kategorische Merkmal wird eingeführt, da im vorliegenden Benutzungsfall die Transportzeit in der Wartezeit enthalten ist. Man nimmt an, dass sie als Schätzer für die in der fab. zu transportierende Distanz funktionieren kann.
s. Zeitspanne seit dem letzten Abgang eines Produkts mit derselben Operation (dt): Dieses Merkmal gibt an, ob eine Operation regelmäßig oder selten ausgeführt wird oder ob die Operation neu ist. Die zugrundeliegende Annahme ist, dass die Herstellungseffizienz für Produkte mit hohem Durchsatz höher ist.
t. Schicht (L) und Stufe (St_cur) der aktuellen Operation: Dieses Merkmal gibt die Position des Loses in der fab. an. Diese Merkmale könnten von Interesse sein, da Produkte anders behandelt werden, wenn sie der Fertigstellung nahe sind oder eine kapitalintensive Phase oder Schicht erwartet.
u. Gesamtanzahl der zur Fertigstellung notwendigen Phasen (St_total): Dieses Merkmal soll angeben, wie komplex das jeweilige Los ist, unter der Annahme, dass komplexere Produkte in bestimmten Entsendesituationen von höherer Priorität sein sollen.

Der vorgeschlagene Merkmalauswahlprozess ist aus drei Schritten zusammengesetzt, die für jede hier als Merkmalauswahlrahmen bezeichnete Produkt-Operation-Kombination ausgeführt werden.
Der folgende Ansatz wurde aus einer Kombination einer Permutations-Merkmal-Wichtigkeitsberechnung und einer sequenziellen Rückwärtssuche auf der Basis der Permutations-Merkmal-Wichtigkeitswerte abgeleitet. Die Datenmenge für jede Teil-Operation-Kombination wird durch eine zufällige Aufteilung in eine Trainings- (z.B. 50%), eine Prüf- (25%) und eine Validierungsmenge (25%) aufgeteilt. In der Einrichtphase dieses Ansatzes wurden die Ergebnisse unter Verwendung einer zufälligen Aufteilung mit einer zeitabhängigen Aufteilung verglichen. Die Ergebnisse waren vergleichbar, da aber die Datenmenge mit der Zeit verschiedene Wertebereiche enthält, wurde entschieden, mit einer zufälligen Aufteilung zu arbeiten.
3 zeigt schematisch die Trainingsprozedur.
Für jede Produkt-Operation-Kombination trainiert (S21) man zuerst einen Zufalls-Forest-Klassifizierer mit der Trainingsdatenmenge und führt vorzugsweise Hyperparameterabstimmung unter Verwendung der Testmenge aus. In der Einrichtphase dieses Ansatzes können als Alternative auch andere Modellierungstechniken benutzt werden (z.B. Mehrschicht-Perzeptrons, rekurrente neuronale Netze), und die Ergebnisse erweisen sich als vergleichbar.
Die Eingabe des Modells sind die Merkmalwerte. Bei einer Ausführungsform empfängt der Zufalls-Forest alle Merkmalwerte der Merkmale, die oben besprochen werden. Bei einer anderen Ausführungsform empfängt der Zufalls-Forest mehrere der oben besprochenen Merkmale. Der Zufalls-Forest ist ausgelegt zum Vorhersagen eines Werts, der die erwartete Wartezeit charakterisiert. Außerdem kann der Zufalls-Forest auch eine Produktionszeit für seine entsprechende Operation vorhersagen.
Das Modell wurde für jede Produkt-Operation-Kombination als das sogenannte Grundlinienmodell unter Verwendung aller zuvor eingeführten Merkmale trainiert. Als zweites wurde die Leistungsfähigkeit des Grundlinienmodells an der Validierungsmenge evaluiert, um sicherzustellen, dass das Modell an ungesehenen Daten evaluiert wird. Man beachte, dass vorzugsweise Grundlinienmodelle mit ausreichender Leistungsfähigkeitsbewertung (z.B. Bestimmungskoeffizient, der angibt, wie gut die Vorhersagen die Schwankung der Zielwerte abdecken, auf einem Maßstab von 0 bis 1) zur Merkmalauswahl verwendet werden und die anderen Modelle mit niedriger Vorhersagefähigkeit aus der weiteren Analyse gelöscht werden.
Im dritten Schritt wird eine Merkmalreduktion auf der Basis der PFI (Permutationsmerkmalwichtigkeit) für jedes Modell ausgeführt (S22). Weitere Informationen über Permutationsmerkmalwichtigkeit: Altmann, Andre, et al. „Permutation importance: a corrected feature importance measure.“ Bioinformatics 26.10 (2010): 1340-1347.
Ein Modell mit optimierten Hyperparametern wird vorzugsweise nur mit den identifizierten relevanten Merkmalen trainiert. Als Letztes kann man die Leistungsfähigkeit des optimierten Modells einer gegebenen Teil-Operation-Kombination gegenüber dem entsprechenden Grundlinienmodell an der Validierungsmenge evaluieren.
Im Folgenden wird das Training des Grundlinienmodells beschrieben. Die optimale Menge von Hyperparametern kann durch eine Gittersuche gewählt werden. Mögliche Grenzen der Gittersuche sind in der Tabelle von 2 zu sehen. Die optimierten Hyperparameter werden im Folgenden beschrieben, alle anderen Parameter des Verfahrens sollten auf Vorgabewerten gelassen werden.
Ein Zufalls-Forest wird neben verschiedenen Hyperparametern aufgebaut. Als Erstes bestimmt die Anzahl von Schätzern die Anzahl der Entscheidungsbäume in dem Zufalls-Forest. Als Zweites bestimmt max_tiefe die maximal zulässige Tiefe jedes Entscheidungsbaums. Als Drittes bestimmt max_merkmale die Anzahl der zu betrachtenden Merkmale beim Suchen nach der besten Aufteilung. Wenn dies „Auto“ ist, sind die maximalen Merkmale die Gesamtzahl der Merkmale. Wenn dies „sqrt“ ist, wird die Quadratwurzel der Gesamtzahl von Merkmalen gewählt.
Der Hyperparameter min_samples_split bestimmt die Mindestanzahl von zum Aufteilen eines internen Knotens erforderlichen Samples. Der Hyperparameter min_samples_blatt bestimmt die Mindestanzahl von zum Aufbau eines Blatts erforderlichen Samples. Aufteilungspunkte werden daher für die Implementierung in dem Baum nur betrachtet, wenn dies die definierte Menge an Trainings-Samples für die anderen Zweige lässt. Der Hyperparameter Bootstrap definiert, ob Bootstrap-Samples zum Aufbau der Bäume verwendet werden.
Als Letztes definiert der Hyperparameter warm_start, ob die Lösung des vorherigen Aufrufs beim Aufbau des Forest wieder zu verwenden ist oder ob ein ganz neuer Forest gefittet wird.
Im Folgenden wird die Grundlinienmodell-Evaluierung beschrieben. Da man sich einem Regressionsproblem gegenübersieht, evaluiert man die Modellleistungsfähigkeit auf der Basis des Bestimmungskoeffizienten (R²). Es sei y der Mittelwert von n Beobachtungen $\bar{y} = \frac{1}{n} \sum_{i = 1}^{n} y_{i},$
und f_i die entsprechende Vorhersage des Zufalls-Forest-Grundlinienmodells. R² ist definiert als eins minus der Anteil der erläuterten Summe von Quadraten (SS_res) in der Gesamtsumme von Quadraten (SS_tot): $R^{2} = 1 - \frac{S S_{r e s}}{S S_{t o t}} = 1 - {\sum_{i} (y_{i} - f_{i})}^{2} / {\sum_{i} (y_{i} - \bar{y})}^{2}$
Daher ist R² für ein gegebenes Modell 1, wenn alle Schätzungen f_i gleich den Beobachtungen y_i sind, und 0, wenn alle Schätzungen gleich dem Mittelwert y sind.
Im Folgenden wird ein Permutationsmerkmal-Wichtigkeitsalgorithmus ausgeführt, der dann als Sortierer in einer sequenziellen Rückwärtssuche verwendet wird. Weitere Informationen über sequenzielle Rückwärtssuche: Huang, Nantian, Guobo Lu, und Dianguo Xu. „A permutation importance-based feature selection method for short-term electricity load forecasting using random forest.“ Energies 9.10 (2016): 767.
Beginnend mit dem beschriebenen Grundlinienmodell und seiner Leistungsfähigkeit s werden für jedes Merkmal j die Werte in der Datenmenge K-mal zufällig permutiert, und die resultierende Modellleistungsfähigkeit s_kj wird berechnet. Es wird der oben erwähnte Bestimmungskoeffizient R² als Leistungsfähigkeitsmaß s_kj eingesetzt. Die Wichtigkeit i_j des Merkmals j ist definiert als die resultierende Abnahme der Modellleistungsfähigkeit durch dieses Shuffle: $i_{j} = s - \frac{1}{K} \sum_{k = 1}^{K} s_{k j}$
Um den Einfluss von zufälligen Schwankungen in der PFI zu verringern, kann dieser Prozess K = 1000 mal für jedes Merkmal in jedem Modell ausgeführt werden.
Danach verwendet man zum Identifizieren (S23) der optimalen Merkmalmenge für ein gegebenes Problem eine sequenzielle Rückwärtssuche, wie vorgeschlagen von Huang et al. ‚A permutation importance-based feature selection method for short-term electricity load forecasting using random forest‘, in Energies, Band 9, Nr. 10, S.767, 2016}, wobei die PFI als Sortierer verwendet wird.
4 zeigt schematisch ein Flussdiagramm (30) einer Anwendung der trainierten Modelle gemäß 3.
Das Verfahren beginnt mit Empfangen (S31) einer sortierten Liste von Herstellungsoperationen und Definieren des Zeitpunkts (t) einer Losherstellungs-Startzeit.
Dann wird eine Schleife zur Bestimmung der Wartezeit für jede Herstellungsoperation in der sortierten Liste ausgeführt.
Der erste Schritt der Schleife ist Sampeln (S32) von Merkmalwerten für mehrere Merkmale durch Sampeln aus einer Datenbank (51) gesammelter Merkmalwerte für die operations-gemessenen Merkmalwerte abhängig vom Startzeitpunkt. Der zweite Schritt der Schleife umfasst Vorhersagen (S33) der erwarteten Wartezeit abhängig von gesampelten Merkmalwerten.
Als Letztes wird die erwartete Wartezeit jeder Operation akkumuliert (S34).
In 5 ist eine Ausführungsform eines Trainingssystems 500 gezeigt. Das Trainingssystem 500 umfasst ein Bereitstellersystem 51, das Eingangsmerkmale aus einer Trainingsdatenbasis bereitstellt. Eingangsmerkmale werden zur Trainierung dem Maschinenlernsystem 52 zugeführt, das erwartete Wartezeit aus ihnen bestimmt. Erwartete Wartezeiten und gemessene Wartezeiten werden an einen Bewerter 53 geliefert, der akute Hyper-/Parameter für das Maschinenlernsystem 52 daraus bestimmt, die zu dem Parameterspeicher P gesendet werden, wo sie die aktuellen Parameter ersetzen. Der Bewerter 53 ist ausgelegt zum Ausführen der Schritte S21 des Verfahrens gemäß 3.
Die durch die Trainingsvorrichtung 500 ausgeführten Prozeduren können als ein Computerprogramm implementiert werden, das auf einem maschinenlesbaren Speichermedium 54 gespeichert ist und durch einen Prozessor 55 ausgeführt wird. Bei einer weiteren Ausführungsform kann das Computerprogramm Anweisungen zum Ausführen des Verfahrens von 4 mit dem trainierten Maschinenlernsystem 52 umfassen.
Der Ausdruck „Computer“ deckt jede Vorrichtung zum Verarbeiten vordefinierter Berechnungsanweisungen ab. Diese Berechnungsanweisungen können in Form von Software oder in Form von Hardware oder auch in gemischter Form von Software und Hardware vorliegen.
Ferner versteht sich, dass die Prozeduren nicht nur vollständig in Software, wie beschrieben, implementiert werden können. Sie können auch in Hardware oder in einer gemischten Form von Software und Hardware implementiert werden.

Claims

Computer-implementiertes Verfahren zum Trainieren (20) eines maschinellen Lernsystems (51) für eine Vorhersage einer erwarteten Wartezeit von Herstellungsoperationen bei der Fertigung, das die folgenden Schritte umfasst: Bereitstellen von Trainingsdaten, wobei die Trainingsdaten mehrere Fertigungsrouten eines Loses umfassen, wobei für jede Herstellungsoperation der Routen Merkmalwerte gesammelt und entsprechende Wartezeiten des Loses gemessen werden, wobei die Merkmale eine Eigenschaft und/oder einen Zustand des Loses und/oder eine Eigenschaft und/oder einen Zustand einer Fabrik zum Fertigen des Loses charakterisieren; Trainieren (S21) des maschinellen Lernsystems(51) an mindestens einem ersten Teil der Trainingsdaten dergestalt, dass das maschinelle Lernsystem abhängig von Merkmalen die entsprechenden gemessenen Wartezeiten ausgibt; Bestimmen (S22) einer Relevanz für jedes Merkmal durch Verwerfen des jeweiligen Merkmals als Eingabe für das Maschinenlernsystem und Messen der relativen Leistungsfähigkeitsabnahme des Maschinellen Lernsystems für die Wartezeitvorhersage mit dieser Eingabe; Einstufen (S23) der Merkmale gemäß ihrer Relevanz und Bestimmen einer minimalen Menge eingestufter Merkmale durch Verwerfen von Merkmalen mit niedriger Relevanz gemäß der Einstufung unter der Einschränkung, dass die Genauigkeit der ausgegebenen erwarteten Wartezeit nicht verschlechtert wird.
Verfahren nach Anspruch 1, wobei die Relevanz durch einen Permutations-Merkmal-Wichtigkeitsalgorithmus bestimmt wird.
Verfahren nach Anspruch 2, wobei eine optimale Teilmenge von Merkmalen dann auf Basis der bestimmten Relevanz der Merkmale durch eine sequenzielle Rückwärtssuche gewählt wird.
Verfahren nach einem der vorhergehenden Ansprüche, wobei nach dem Training des maschinellen Lernsystems (51) das trainierte Maschinenlernsystem (51) an einem zweiten Teil der Trainingsdaten evaluiert wird, und wenn die Modellleistungsfähigkeit unter einer vordefinierten Schwelle liegt, der Schritt des Trainings nochmals ausgeführt wird.
Verfahren nach einem der vorhergehenden Ansprüche, wobei eine Hyperparameter-Optimierung der Maschinenlernsysteme an einem Teil der Trainingsdaten ausgeführt wird, der nicht zum Training des maschinellen Lernsystems verwendet wurde.
Verfahren nach einem der vorhergehenden Ansprüche, wobei es mehrere verschiedene Herstellungsoperationen und mehrere verschiedene Produkte gibt, wobei für jede Kombination von Herstellungsoperation und Produkt ein maschinelles Lernsystem trainiert wird.
Computerprogramm, das dafür ausgelegt ist, zu bewirken, dass ein Computer das Verfahren nach einem der Ansprüche 1 bis 6 mit allen seinen Schritten ausführt, wenn das Computerprogramm durch einen Prozessor (54) ausgeführt wird.
Maschinenlesbares Speichermedium (55), auf dem das Computerprogramm nach Anspruch 7 gespeichert ist.
Vorrichtung, die dafür ausgelegt ist, das Verfahren nach einem der Ansprüche 1 bis 6 auszuführen.