JP2013033466A - 最適指標生成装置、最適指標生成方法、最適指標生成プログラム及び最適指標生成サーバ - Google Patents
最適指標生成装置、最適指標生成方法、最適指標生成プログラム及び最適指標生成サーバ Download PDFInfo
- Publication number
- JP2013033466A JP2013033466A JP2012148004A JP2012148004A JP2013033466A JP 2013033466 A JP2013033466 A JP 2013033466A JP 2012148004 A JP2012148004 A JP 2012148004A JP 2012148004 A JP2012148004 A JP 2012148004A JP 2013033466 A JP2013033466 A JP 2013033466A
- Authority
- JP
- Japan
- Prior art keywords
- time
- information
- index
- devices
- optimal
- 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
- 238000000034 method Methods 0.000 title claims description 963
- 230000003287 optical effect Effects 0.000 title 1
- 238000004519 manufacturing process Methods 0.000 claims abstract description 1022
- 238000004364 calculation method Methods 0.000 claims abstract description 495
- 238000007726 management method Methods 0.000 claims abstract description 338
- 238000012545 processing Methods 0.000 claims abstract description 325
- 238000004458 analytical method Methods 0.000 claims abstract description 104
- 230000008569 process Effects 0.000 claims description 414
- 238000012423 maintenance Methods 0.000 claims description 223
- 230000003449 preventive effect Effects 0.000 claims description 100
- 238000010206 sensitivity analysis Methods 0.000 claims description 87
- 230000008859 change Effects 0.000 claims description 72
- 230000006854 communication Effects 0.000 claims description 42
- 238000004891 communication Methods 0.000 claims description 41
- 238000003754 machining Methods 0.000 claims description 12
- 238000002347 injection Methods 0.000 claims description 2
- 239000007924 injection Substances 0.000 claims description 2
- 230000007423 decrease Effects 0.000 abstract description 28
- 230000009467 reduction Effects 0.000 abstract description 25
- 230000002950 deficient Effects 0.000 abstract description 20
- 230000006872 improvement Effects 0.000 abstract description 18
- 230000007613 environmental effect Effects 0.000 abstract description 15
- 238000007796 conventional method Methods 0.000 abstract description 14
- 239000000047 product Substances 0.000 description 254
- 238000003860 storage Methods 0.000 description 76
- 238000004140 cleaning Methods 0.000 description 74
- 238000010438 heat treatment Methods 0.000 description 70
- 238000010586 diagram Methods 0.000 description 55
- 238000009826 distribution Methods 0.000 description 54
- 238000011156 evaluation Methods 0.000 description 51
- 239000004065 semiconductor Substances 0.000 description 42
- 238000005336 cracking Methods 0.000 description 41
- 238000004088 simulation Methods 0.000 description 31
- 238000002474 experimental method Methods 0.000 description 28
- 230000002829 reductive effect Effects 0.000 description 28
- 238000006467 substitution reaction Methods 0.000 description 28
- 238000001514 detection method Methods 0.000 description 25
- 230000000694 effects Effects 0.000 description 22
- 239000006185 dispersion Substances 0.000 description 20
- 238000012544 monitoring process Methods 0.000 description 18
- 238000011084 recovery Methods 0.000 description 18
- 230000006870 function Effects 0.000 description 16
- 238000012986 modification Methods 0.000 description 13
- 230000004048 modification Effects 0.000 description 13
- 238000012384 transportation and delivery Methods 0.000 description 11
- 238000005457 optimization Methods 0.000 description 10
- 230000007704 transition Effects 0.000 description 9
- 238000010521 absorption reaction Methods 0.000 description 8
- 239000006227 byproduct Substances 0.000 description 8
- 230000000737 periodic effect Effects 0.000 description 8
- 230000003247 decreasing effect Effects 0.000 description 7
- 230000015654 memory Effects 0.000 description 7
- 238000010923 batch production Methods 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 6
- 238000000206 photolithography Methods 0.000 description 6
- 230000004044 response Effects 0.000 description 6
- 239000011159 matrix material Substances 0.000 description 5
- 238000007781 pre-processing Methods 0.000 description 5
- 230000005526 G1 to G0 transition Effects 0.000 description 4
- 239000002131 composite material Substances 0.000 description 4
- 238000010276 construction Methods 0.000 description 4
- 238000010924 continuous production Methods 0.000 description 4
- 230000006866 deterioration Effects 0.000 description 4
- 239000004973 liquid crystal related substance Substances 0.000 description 4
- 238000000275 quality assurance Methods 0.000 description 4
- 230000008439 repair process Effects 0.000 description 4
- 230000003252 repetitive effect Effects 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 230000003068 static effect Effects 0.000 description 4
- 101100011892 Arabidopsis thaliana SQE1 gene Proteins 0.000 description 3
- 230000005856 abnormality Effects 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 3
- 230000010365 information processing Effects 0.000 description 3
- 230000000670 limiting effect Effects 0.000 description 3
- 238000011068 loading method Methods 0.000 description 3
- 238000013439 planning Methods 0.000 description 3
- 238000004904 shortening Methods 0.000 description 3
- 238000012916 structural analysis Methods 0.000 description 3
- 239000000126 substance Substances 0.000 description 3
- 238000011282 treatment Methods 0.000 description 3
- 238000012369 In process control Methods 0.000 description 2
- YTAHJIFKAKIKAV-XNMGPUDCSA-N [(1R)-3-morpholin-4-yl-1-phenylpropyl] N-[(3S)-2-oxo-5-phenyl-1,3-dihydro-1,4-benzodiazepin-3-yl]carbamate Chemical compound O=C1[C@H](N=C(C2=C(N1)C=CC=C2)C1=CC=CC=C1)NC(O[C@H](CCN1CCOCC1)C1=CC=CC=C1)=O YTAHJIFKAKIKAV-XNMGPUDCSA-N 0.000 description 2
- 238000007792 addition Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 230000007717 exclusion Effects 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 238000009499 grossing Methods 0.000 description 2
- 238000010965 in-process control Methods 0.000 description 2
- 238000001459 lithography Methods 0.000 description 2
- 230000002265 prevention Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000002441 reversible effect Effects 0.000 description 2
- 239000011265 semifinished product Substances 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 208000034530 PLAA-associated neurodevelopmental disease Diseases 0.000 description 1
- 101150040829 WIP2 gene Proteins 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 239000000356 contaminant Substances 0.000 description 1
- 238000011109 contamination Methods 0.000 description 1
- 239000013078 crystal Substances 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 230000000593 degrading effect Effects 0.000 description 1
- 238000000280 densification Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000011143 downstream manufacturing Methods 0.000 description 1
- 238000004836 empirical method Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000011049 filling Methods 0.000 description 1
- 238000005206 flow analysis Methods 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 238000003780 insertion Methods 0.000 description 1
- 230000037431 insertion Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000003012 network analysis Methods 0.000 description 1
- 230000007935 neutral effect Effects 0.000 description 1
- 230000036961 partial effect Effects 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 238000011158 quantitative evaluation Methods 0.000 description 1
- 230000000284 resting effect Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 230000009291 secondary effect Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000020509 sex determination Effects 0.000 description 1
- 238000002948 stochastic simulation Methods 0.000 description 1
- 230000026676 system process Effects 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
- 238000005406 washing Methods 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
-
- 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
-
- 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
- Y02P90/80—Management or planning
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Economics (AREA)
- Quality & Reliability (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Manufacturing & Machinery (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- General Factory Administration (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
【解決手段】複数の装置に関する指標情報を供給する最適指標生成装置11であって、生産実行システムに含まれる複数の装置に関する情報を生産管理システム10を介して入力する情報入力部12と、入力された情報から複数の装置による加工工程間の滞在時間の上限値や下限値を示すQ−time制約を分析するQ−time構造分析部14と、入力された情報およびQ−time構造に基づいて、品種別の最適なカンバン枚数およびバッファサイズを計算して指標情報として出力する指標算出部17と、を備え、指標算出部17により算出された最適な指標情報を生産管理システム10に供給する。
【選択図】図1
Description
しかし、加工寸法の微細化(数十ナノメートル単位)や単位製品の大型化に伴い、ある処理と他の処理の開始/終了の間の滞在時間も厳密に管理しなければ設計通りの製品品質を達成できなくなってきた。この滞在時間の上限値または下限値をQ−time制約(または時間制約)と呼び、あらゆる製品の製造において欠かせない製造条件となっている。
このような損失としては例えば、昨今の大口径・高集積の製品ウエハ単価は100万円から数1000万円と高額である。また、生産設備単価も数千万円〜数十億円と高額であり、その減価償却費用は年間の製造コストの50%以上を占めているため、単位時間当たりの良品生産量の確保が極めて重要な課題である。
加えて、リワークの発生により処理工程の負荷が高まり、副次的なリワークの増加にもつながる。
このような現状に留まっている理由は、主に次の3つの問題点による。
予防保全時期には、稼働台数が減り、当該工程(装置群)の生産能力が著しく低下する。また、予防保全終了後には、装置を高い稼働率で運用するため、後続工程の物流に大きな変動をもたらす。このように生産能力や物流の変動が大きい状況下では、Q−time制約割れが起こりやすく副次的に他の生産目標にも負の影響をもたらす。しかし、従来の生産管理体系では、生産物流等を主に扱う第1次管理と装置の予防保全等を扱う第2次管理が業務上独立しており、両者の総合的管理がなされていない。例えば、予防保全の計画では、予防保全関連コストの最小化を目的とし、Q−time制約を考慮に入れていない[非特許文献2等]。
上記Q−time制約は、例えば700工程ほどのメモリ製造フロー上にQ−time制約が60箇所以上存在する。相互干渉する場合には、片方のQ−time制約は守れるが他方のQ−time制約は守れない等の問題が起こるため同時管理する必要がある。
第4問題点として、先行技術に共通する問題点に、実時間管理に適応可能な計算時間を実現すること問題がある。
例えば、非特許文献1や非特許文献2で応用されている混合整数計画法の計算オーダーは指数時間であり、そのため、生産工程の一部分に対する1週間程度の生産期間を対象にした生産スケジュールに限定しなければ現実的な時間内に算定することができない。半導体製造のように、生産期間が1.5ヵ月から2.5ヵ月程度と長く、また、生産工程に含まれる工程数が300から1000工程程度と大規模な生産システムの最適管理には、高速な計算方法が必要である。また、日々起こる動的な変化に対応するための再計算を実時間に実現する計算の高速性が求められる。
同一装置群iを共用する全ての工程の平均処理時間から装置群iの平均処理時間を計算した上で、Q−time制約時間を守るための仕掛ロット数上限値WL(i)を計算し、待ち行列M/M/1モデルを用いて計算した装置群iの待ちロット数の期待値Wρと上限値WL(i)などを比較して、リスクの大きさを判断している。工程のスラックと稼働率を用いて定量的に評価し、装置をQ−time制約を遵守しない可能性(リスク)の高低で分類し改善指針とする。工程処理時間、工程数、装置数について、複数個の改善案候補の算定とその実現可能性の判定を行い、実行可能な改善案が1つでもあれば改善を施し、なければ改善しない。
特許文献2では、搬送等の管理システム(情報システム)に重点が置かれ、生産効率の向上という観点で実用性に欠ける技術であった。
例えば、非特許文献1では、典型的な1種類のQ−time制約区間のみを課題にしている。また、特許文献1では、4種類の構造を課題に取り上げているが、管理方法を提供しているのは1種類の構造のみに留まる。この結果、両先行技術とも、全てのQ−time制約の構造を網羅的に定義して全体管理する方法を提供してはいない。
<第1実施形態>
図1を参照して、本発明の第1実施形態に係る最適指標生成装置について説明する。
本発明の第1実施形態に係る最適指標生成装置11は、例えば、半導体を生産するための生産工程#1にそれぞれ設けられた処理工程(装置群)2および処理工程(装置群)3の生産スケジュールを管理する生産管理システム10を制御の対象としている。
生産管理システム10は、最適指標生成装置11から各種生産管理データおよびCKB法理論値計算結果を入力し、CKB法計算に必要なデータを抽出して入力部12、13に引き渡すとともに、CKB法理論値を用いて、Q−time制約区間を含む生産フローのスケジュールを算出する。生産管理システム10は、CKB法理論値計算結果と、スケジューリングアルゴリズム(ディスパッチングルール、セットアップルールなど)を元に最適スケジュールを計算する。生産管理システム10は、生産スケジュールに関する情報を各入力部12、13に出力する。
入力部12は、生産管理システム10や生産計画装置を介して生産計画、製品情報、工程計画などに関わる情報である、各品種の生産時期・数量、製造フロー(品種別)、各工程の装置の種類と台数、品種―装置対応表、各品種に対する処理時間、ロードサイズ、ロード間隔、主処理以外の最低限必要な時間(搬送時間、段取り時間など)、Q−time制約時間(上限、下限)を入力する。
CKB最適論理値計算部15は、入力部12からのデータ、補助入力部13からのデータ、およびQ−time構造分析部からのデータを全て入力する。入力データから、最適カンバン枚数を算出するとともに、最適バッファサイズを算出し、最適カンバン枚数および最適バッファサイズなどを出力する。この際、感度解析部(CKB特性)16の内部記憶16aの情報を利用することにより、より高速な算出が可能となる。
感度解析部(性能特性)18は、CKB法に使用した入力データ、CKB法最適理論値の条件を入力し、決定されたCKB法最適理論値の条件の下で、工程の性能評価のための計算を行い、性能特性として、トラフィック強度、到着率、および工程処理能力に対する各種性能評価指標を生産管理システム10などに出力する。
生産実行システムに含まれる複数の装置に関する情報を生産管理システム10を介して情報入力部12により入力し、入力された情報から複数の装置による加工工程間の滞在時間の制限値を示すQ−time制約の構造をQ−time構造分析部14により分析し、入力された情報およびQ−time構造に基づいて、品種別の最適なカンバン枚数およびバッファサイズを計算して指標情報として指標算出部17により出力し、指標算出部17により算出された最適な指標情報を生産管理システム10に供給する。
また、Q−time制約割れの主要な原因である、多品種生産の扱い、複数のQ−time制約の相互干渉に対しても、解析方法と適正な管理手法を与えることで、Q−time制約遵守しつつ良品スループットの向上とコスト低減・環境負荷低減を同時に達成することができる。
最適指標生成装置11は、例えば、図2に示す半導体前工程のQ−time制約区間を制御の対象とする。この工程区間は、洗浄工程と熱処理工程が連続している工程区間で、その特徴として以下のことがあげられる。なお、本実施形態では、最適指標生成装置11の制御対象を半導体前工程のQ−time制約区間として扱うが、本発明はこのような対象に限定されるものではなく、例えば、液晶製造工程、情報通信プロセスに適用することができる。
(1)Q−time制約の存在によりこの工程区間が生産実行システム全体のボトルネックになる場合があるため、スループットに影響を及ぼす。
(2)バッチ処理ラインであるので、ロードルールによって決まるロードサイズ(バッチ)がスループットや装置の利用率および単位製品当たりを処理するためのコストに影響する。
製品には「パーツ(ウエハ)」「ロット」「バッチ」のように様々な処理単位がある。
本実施形態では、一般的な工場の処理や搬送の単位である25パーツを1ロットとし、複数のロットを同時に処理できる場合、その処理できる複数のロットをまとめてバッチと呼ぶ。同時に処理できるロットの最大数(バッチサイズ)は工程によって異なる。例えば、本実施形態の対象とする洗浄工程のバッチサイズは2ロットで、熱処理工程のバッチサイズは6ロットである。このようにバッチ単位での処理が可能な工程が連続している処理ラインを「バッチ処理ライン」と呼ぶこととする。なお、洗浄工程、熱処理工程については後述する。
ロードルールとは、バッチ処理装置において、何ロットあれば処理開始可能か、他品種であっても同じスペック(処理条件)であれば同時に処理可能か、などバッチ組の方針を決めるルールである。
実工場において重要となる生産目標は、
(1)Q−time制約遵守率の最大化
(2)納期遵守率の最大化
(3)スループット最大化
(4)段取りコスト最大化
(5)装置の利用率適正化
(6)トータルコスト最小化
である。本実施形態では、生産目標(1)、(2)、(3)、(5)、(6)(段取りコスト以外)を取り上げる。これらの目標を達成するために鍵となる性能評価指標とその計算方法を、図3に示す。
[洗浄工程]
洗浄工程は各工程の前あるいは後に必ず用いられ、数十回繰り返し使用される工程である。半導体製品の表面の汚染は、半導体製造技術の微細化が進行するに従って、歩留り(良品率)などに直接的に大きな影響を及ぼすようになっている。洗浄の目的はその表面から汚染物質を除去することである。
図4は、バッチ連続マルチタスク処理装置(洗浄工程)を示す図である。
洗浄工程には、バッチ・マルチタスク(バッチ・マルチチャンバー)型と呼ばれる装置が使われている。図4に示すように、バッチ・マルチタスク(バッチ・マルチチャンバー)型は、1つの装置の中に複数の洗浄槽(ユニットと呼ぶ)を有し、バッチを処理条件で定められた一連の順番(槽)で処理し終えると、バッチを装置からはき出す。従って、装置で処理を開始してから処理を終えるまでの処理時間と、装置へのバッチの投入や装置からのバッチの出力の間隔は異なる。
バッチ連続マルチタスク処理装置では、ユニット単位でWIP(バッチ)が装置内に収納されたまま、所定の複数のユニットを通過して処理が進む。バッチは処理時間間隔ではなくロード間隔(Load Interval)で投入される。一般的に、洗浄工程の処理能力は、次工程の熱処理工程よりも処理能力が高いとされている。
熱処理工程の目的は表面の酸化膜の形成、疎な膜の緻密化などがある。
図5は、バッチ装置(熱処理工程)を示す図である。
熱処理工程は、バッチと呼ばれる装置が使われている。図5に示すように、このバッチ装置はバッチ単位での処理が可能な装置のことを言う。また、この装置では、処理時間間隔でロットの投入が可能である。
このように異なるバッチサイズでロードされる装置(工程)が連続するバッチ処理ラインにおいては、バッチ組によっても待ち(Queue)が発生する。また、ロードルールによってそれらのバッチ組待ち時間が変化するため、滞在時間が変化する。
本実施形態では、カンバン方式と待ち行列理論を応用して、バッチ処理ラインにおいてQ−time制約を遵守しつつ、他の工程性能の悪化を抑えるための生産スケジューリング手法を考える。ここでは、予備知識としてカンバン方式と待ち行列理論の中で特に応用するリトルの公式について説明する。
ここで、カンバン方式とは、トヨタ生産方式、特にジャスト・イン・タイム方式の一部分としての在庫システムであり、いわゆる「後補充」(部品在庫が減った分だけ部品を発注・補充して元の在庫量に戻す方式)を原則とする、一種の定量発注方式の従属需要版である。また、本実施形態で用いるカンバンは、生産指示に使われる、繰り返し利用可能な「仕掛りカンバン」のことを言う。カンバン方式の基本は「後工程引き取り」、つまり「下流工程が必要な部品を必要なだけ上流工程へ取りに行く」というやり方である。言い方を変えれば前工程が後工程の指示なしに勝手に生産開始・出荷することは許されないということである。後工程から引っ張るという意味で、「引っ張り方式」(プル・システム)とも呼ばれる。
リトルの公式とは、Lを平均系内人数、Uを平均滞在時間、λを到着率としたときに、
L=λU (1)
が成り立つという公式で、平均系内人数が、平均滞在時間の比例式で表すことができることを示した式である。
[Q−time制約遵守と仕掛り数上限値]
本実施形態では、生産システムの全体機能として、Q−time制約を守りつつ、他の性能評価指標も悪化させない生産スケジューリング手法を考える。Q−time制約割れは、WIPが熱処理工程の処理能力を考慮せずに、洗浄工程で次々と処理されて熱処理工程に到着し、熱処理エ程の前で多くのWIPが待機した結果として起こる。ゆえに、熱処理工程の処理能力を考慮に入れ、待ちWIP数を制限し、あらかじめ洗浄工程の前で待機させることでQ−time制約割れが抑えられると考えられる。その実現のために、待ち行列の理論におけるリトルの公式から、Q−time制約を遵守できるような最大仕掛り数を求め、また、カンバン方式による仕掛り数の制御を考える。
(1)リトルの公式を用いてQ−time制約を遵守できる最大の待ちロット数を算出する。
(2)その最大待ちロット数をもとに、洗浄工程から熱処理工程にかけての仕掛りを制御するようにカンバンの枚数を決定する。ここで、CKB法では、カンバンの枚数を品種(スペック)ごとにカンバン枚数を設定することであり、CKB−(マイナス)法は、品種を区別せずに、工程でまとめてカンバン枚数を設定することであり、品種別に管理する効果を確かめるために使用することとした。
(3)洗浄工程の処理能力の高さから、カンバンの枚数だけでは最大仕掛り数の制限が不十分であるため、熱処理工程にバッファサイズ(それ以上待ちロット数が増えると前の工程をダウンさせる最大待ちロット数)を設けることによって最大仕掛り数の制限を確実なものにする。
(1)最大待ちロット数の計算(リトルの公式)
最大待ちロット数は、リトルの公式を用いて算出する。本実施形態では、リトルの公式の滞在時間の定義を待ち時間の定義に置き換えたものを用いる。
待ちロット数は、
を単位時間当たりの待ちロット数[lot]、Wを1ロットあたりの平均待ち時間[分]、λを単位時間当たりの平均到着ロット数(到着率)[lot/分]とすると、
で表される。
を求める。これが熱処理工程の前で待つことができる最大ロット数を表す。
なお、
トラフィック強度(ρ)=(到着率(λ))/{(サービス率(μ))×(装置台数(m))}
バッチ装置のサービス率(μ)=(ロードサイズ)/(平均処理時間)
バッチ連続マルチタスク装置のサービス率(μ)=(ロードサイズ)/(ロードインターバルLI) (3)
上記で求めた最大待ちロット数をもとにカンバンの枚数を決めていく。図6をみるとわかるように、カンバンによる仕掛り数制御可能区間のロット数は最大待ちロット数だけでなく、そのとき洗浄工程で処理しているロット数も含んでいる。よってカンバンの枚数は平均的に洗浄工程で処理中のロット数を考慮したうえで決定しなければならない。洗浄工程の平均処理中ロット数を以下の式で求める。
LW=Tp/LI×ρ1×L1×m1 (4)
と表される。
ここで、洗浄装置の平均ロードサイズは、洗浄装置が100%稼働になるようにロットを投入した場合の平均値を示す。
リトルの公式は、1ロットずつの処理を前提としているため、バッチ処理によって生じるバッチ組を待つ時間が考えられていない。バッチ処理では1ロットずつではなく、ロードサイズ(バッチ)ごとに処理がなされる。よって、図8に示すように、洗浄工程からロットが熱処理工程に到着しても、規定のロードサイズに達するまで、リトルの公式によって定義される待機時間よりも余分に待つことになる。このバッチ処理を始める前に必要となる待ち時間を、バッチ組待ち時間と呼ぶことにする。
以下の式(5)〜(7)で、熱処理工程のロードルール別に、バッチ組の最初に到着したロットが待つ最大のバッチ組待ち時間を求める。
また、規定のロードサイズはロードルールによって異なる。本実施形態で用いるロードルールを図7に示す。
(ア)「洗浄工程:Full load熱処理工程:Full load」の場合
TBをバッチ組待ち時間[分]、L1を洗浄工程の装置のロードサイズ[lot/台]、L2を熱処理工程の装置のロードサイズ[lot/台]、L2/L1を熱処理工程の装置の処理可能なロードサイズを満たすまでの洗浄工程からの到着回数、λを洗浄工程の到着率[lot/分]、L1/λを洗浄工程からのロットの到着間隔[分/lot]とすると、図9に示すように、洗浄工程に到着間隔(1/λ)で到着したロットはロードサイズL1で処理され、到着間隔(L1/λ)で熱処理工程に到着する。
以上のことからバッチ組の最初に到着したロットが待つ最大のバッチ組待ち時間は、
TB=(L2/L1−1)×(L1/λ) (5)
と表すことができる。
(イ)「洗浄工程:Full load熱処理工程:Partial load allowed」の場合
TBをバッチ組待ち時間[分]、L1を洗浄工程の装置のロードサイズ[lot/台]、L2を熱処理工程の装置のロードサイズ[lot/台]、ρ2を熱処理工程のトラフィック強度(利用率)、ρ2L2/L1を熱処理工程の処理可能なロードサイズを満たすまでの洗浄工程からの到着回数、λを洗浄工程の到着率[lot/分]、L1/λを洗浄工程からのロットの到着間隔[分/lot]とすると、
TB=(ρ2L2/L1−1)×(L1/λ) (6)
と表すことができる。
TBをバッチ組待ち時間[分]、L1を洗浄工程のロードサイズ[lot/台]、Avg・L2を熱処理工程の平均ロードサイズ[lot/台]、Avg・L2/L1を熱処理工程の処理可能なロードサイズを満たすまでの洗浄工程からの到着回数、λを洗浄工程の到着率[lot/分]、L1/λを洗浄工程からのロットの到着間隔[分/lot]とすると、
TB=(Avg・L2/L1−1)×(L1/λ) (7)
と表すことができる。
上記の2点を考慮に入れて、以下の計算でカンバンの枚数を求める。
N**をカンバン枚数[lot]、N*をバッチ組待ち時間を考慮した最大待ちロット数[lot]、TQ+をQ−time(最大滞在時間)[分]、TQ−をQ−time(最小滞在時間)[分]、TBをバッチ組待ち時間[分]、Eを最低限必要な搬送時間等、λを到着率[lot/分]、LWを洗浄工程の平均処理中ロット数[lot]とすると、
N*=(TQ−max(TB,TQ−)−E)×λ (8)
となり、
N**=N*+LW (9)
でカンバンの枚数が表される。
ただし、トラフィック強度(ρ)が1より大きい場合には、λはトラフィック強度(ρ)が1の時の到着率とする。
また、干渉する後続のQ−time制約に律速される区間では、カンバンの枚数は、式(10)で算定される。
バッファサイズは、Q−time制約遵守のための物流制御をより確実にするために用いる。図6で示したように、カンバン方式で制御できる仕掛り数は、熱処理工程の待ちロット数と洗浄工程の処理中ロット数の和のみである。ゆえに、熱処理工程よりも洗浄工程の方が高い処理能力をもつ場合には、洗浄工程で処理されているロットはすべて早々にアウトプットされ、カンバンを与えられたロットすべてが熱処理工程の待ちロットとなってしまうことがある。
このような場合、リトルの公式で求めた熱処理工程の前で待つことができる最大ロット数を超えてしまい、結果としてリワークが起こってしまう。現実の工場では、一般に熱処理工程よりも洗浄工程の方が高い処理能力ともっているため、このような状況になることが多々あると考えられる。ただし、処理能力の大小関係が逆の状況の場合には熱処理工程の装置が空き状態である時間が発生しないため、バッファサイズは必ずしも必要なものではないことを付け加えておく。なお、生産物流の変動に対応する場合や実施形態3では、この限りではない。
すなわち、B*をバッファサイズ[lot]、TQをQueue Time(最大滞在時間)[分]、λiを品種iの到着率[lot/分]とすると、
以上の手順で仕掛り数上限値を算出する。
また、複数のQ−time制約が干渉するQ−time制約区間において、生産率が最も低い後続の生産工程(以下、ボトルネック工程と呼ぶ)に律速される先行のQ−time制約では、カンバンの枚数の算定方法が異なる。ボトルネック工程より前のQ−time制約区間jのカンバン枚数Ns**(j)は、Q−time制約区間jのバッファサイズB*(j)とボトルネック工程のロードサイズの和として式(10)で表すことができる。
(カンバンの枚数Ns**(j))=(バッファサイズB*(j))+(ボトルネック工程のロードサイズL) (10)
以下、単一品種シミュレーション実験について説明する。
[目的と方法]
単一品種シミュレーション実験を行う目的は、まず単一品種において、算出したカンバン枚数、バッファサイズの設定がQ−time制約を守りつつ他の性能指標も悪化させないことを確かめるためである。
図10は、単一品種基本モデルを示す図である。図11は、単一品種基本モデル(工程)を示す図である。図12は、単一品種基本モデル(品種)を示す図である。
実験方法として、図10、図11、図12に示す通り、洗浄工程・熱処理工程のバッチ処理ライン、1品種、洗浄工程の装置台数4台、熱処理工程の装置台数5台の複数装置群を想定したシミュレーション実験を行う。洗浄工程は、バッチ・マルチタスク型の装置群で構成され、実効処理時間90分、他方の熱処理工程は、バッチ装置で構成され、実効処理時間240分のである。また、図11、図12に示す通りバッチサイズと装置台数も異なる。
また、ロットの処理順序は先入れ先出し順(First In First Out)とし、ロードルールは洗浄工程、熱処理工程ともに、ロット数がバッチサイズを満たした場合にのみ処理を開始するフルロード(Full Load)を用いる。
シミュレーション実験によって得られた結果の中から、Q−time制約割れが発生していない工場の定常状態を想定したトラフィック強度0.8の非ボトルネックの状態と、故障などによってサービス能力が低下し、一時的に到着率がサービス能力を上回ったためにQ−time制約割れが発生しやすい状況とを想定したトラフィック強度1.2のボトルネックの状態の結果を以下に示す。
図13は、評価比較(単一品種、定期投入、非ボトルネック、ρ=0.8)を示す図である。図14は、評価比較(単一品種、定期投入、ボトルネック、ρ=1.2)を示す図である。図15は、評価比較(単一品種、指数投入、非ボトルネック、ρ=0.8)を示す図である。図16は、評価比較(単一品種、指数投入、ボトルネック、ρ=1.2)を示す図である。
図13と図14が定期投入の場合の結果を表し、図15、図16が指数投入の場合の結果を表す。ここでは、性能が良かったものをアンダーラインで、性能が悪かったものを太字で示している。
以上の実験結果から、定期投入・指数投入どちらの場合であっても、トラフィック強度0.8の非ボトルネックの状態においては、カンバンの枚数とバッファサイズを設定しても、性能が低下していないことが見て取れる。また、この状態ではどの機能においてもリワークが発生していないため、Q−time制約割れが起こっていないことがわかる。トラフィック強度1.2のボトルネックの状態においてはQTのモデルでは定期投入・指数投入にかかわらず多数のQ−time制約割れが起こっているが、CKB法、CTのモデルではリワークがゼロに抑えられている。
単一品種における実験では、カンバンとバッファサイズで大きく性能を落とさずQ−time制約割れを防ぐことができたが、現段階では必ずしもそれが最善の方法とは言えない。複数品種が混在する場合においても実験を行い、その性能を比較していく。
[目的と方法]
複数品種シミュレーション実験を行う目的は、単一品種で行った実験が、複数の品種が混在し、装置を共有している場合でも同様の目的が達成できていることを確かめるためである。なお、この実験のモデルは実際の工場で使われている洗浄工程・熱処理工程のバッチ処理の連続工程である。
図17は、複数品種基本モデルを示す図である。図18は、複数品種基本モデル(工程)を示す図である。図19は、複数品種基本モデル(品種)を示す図である。図20は、処理可能装置(洗浄)を示す図である。図21は、処理可能装置(熱処理)を示す図である。
実験方法として、図17、図18、図19に示す通り、単一品種の場合と同様、洗浄工程・熱処理工程のバッチ処理の連続工程、3品種、洗浄工程・装置台数5台、熱処理工程・装置台数6台の複数装置群を想定したシミュレーション実験を行う。
しかし、複数の品種が混在する場合は品種ごとに、実効処理時間・使用できる装置台数が異なるため、それぞれ別々に到着率を求める必要がある。図15に示すように、品種の到着率は前もってトラフィック強度を決めて品種ごとに処理能力(μ:(μ=LTp/L:ロードサイズTp:処理時間))、使用装置台数(m)から逆算をして決定する。到着率を決める際の前提として、装置が複数の品種を処理する場合、それらを均等の割合で処理をすることを仮定した。
(1)ρ>1の場合、ρを1として計算を行う
(2)各共用装置における各品種の生産比率から、各品種の投入率を計算
(3)品種ごとに、全ての装置における投入率を足し合わせる
(4)足し合わせた投入率から、品種の投入率を算定する
これらのことを踏まえたうえで、先ほどと同様のQT、CTのモデル、品種ごとにカンバン枚数を設定し、バッファサイズを設けたCKB法のモデル、品種ごとの差別を設けず工程全体でカンバン枚数を設定し、バッファサイズを設けたCKB−法のモデルの4つのモデルにおいて実験をし、その性能を比較する。
図23は、評価比較(複数品種、指数投入、非ボトルネック、ρ=0.8)を示す図である。図24は、評価比較(複数品種、指数投入、ボトルネック、ρ=1.2)を示す図である。
まず、トラフィック強度が0.8、1.2の両方の場合において、CKB法がQ−time制約割れを抑制している。
複数品種が混在しているモデルにおける実験では、指数投入の場合トラフィック強度が0.3、0.6の場合に、全てのモデルにおいてQ−time制約割れが発生していた。
定期投入でトラフィック強度0.8の非ボトルネックの状態のときはCT、CKB法、CKB−法において1%稼働当たりのスループットが高くなっており、平均仕掛りも低く抑えられている。どれもリワークが起きておらず、性能の悪化も見られない。ここで、サイクルタイムと仕掛りは片方が小さくなれば、もう一方も小さくなる対応関係にあるはずなのにもかかわらず、その挙動が結果からみられないのは、その差が小数点第二位以下のためである。トラフィック強度1.2(ボトルネックの状態)では、図27の通りQTに比べてCT、CKB法、およびCKB−法でQ−time制約割れを大幅に抑えられている。特に、CKB法では、Q−time割れをゼロに抑え、基準となるQTに比べてリワークを完全抑制しつつ、スループットを高く、平均サイクルタイムは短く、仕掛数も少なくなる性能改善を果たしている。
以上の実験結果から、極端にWIPの到着が少ない場合を除けば品種ごとに仕掛り数上限値を設定するCKB法の性能が最も良いことが明らかになった。
ここからは、前述した指数投入でトラフィック強度が0.3のときに発生しているリワークについて考察する。この場合のリワーク発生は、本実施形態の仕掛り数上限値の制御とは直接関係がない。そこで別のアプローチによって問題を解決していく。
まず、トラフィック強度0.3のときにリワークが発生する理由について、ロットの到着が遅いため、Q−time制約の時間以内にバッチが組めず(バッチサイズ分のロットが到着せず)、処理開始ができないためだと考えられる。
このようなロットの到着が少ない状況で、到着のばらつきによって生じてしまうQ−time制約割れを防ぐために、ロードルールを変えて実験を行う。各ロードルールの説明は図7に示す。これまでの実験では、ロードルールはすべてフルロードで行ってきた。
以上より、トラフィック強度が0.3の場合でもPLA、AFLのロードルールを用いればQ−time制約割れを起こさず、かつ性能評価指標も悪化しないことが明らかになった。しかし、トラフィック強度が0.8の場合はFullのロードルールの方が性能は良いことからより良い生産スケジューリングを行うためには、工程の状態を監視し、トラフィック強度の変化によってロードルールを変化させる必要があると考えられる。
本実施形態では、半導体製造において重要性の高いQ−time制約に焦点を当て、特に重要性が指摘されている洗浄・熱処理工程のバッチ処理の連続工程のQ−time制約区間を取り上げた。現在までのQ−time制約に関する先行技術では厳密性・精度が不十分で、Q−time制約遵守以外の他の性能指標に対する影響が考慮されていなかった。本実施形態では、Q−time制約を守りつつ、他の性能指標も極力悪化させない生産スケジューリング手法として、Q−time制約区間の仕掛り数の上限値を制御するCKB法を構築し、その性能を確率的シミュレーション実験により評価した。CKB法は、カンバン方式と待ち行列理論を基礎として理論的にカンバン枚数や仕掛数上限値を計算するため信頼性と汎用性が高い。また、特に通常の工場で多い工程利用率60%以上の状況で特に効果を発揮することが確かめられた。
以上のようにQ−time制約を守りつつ他の性能指標も悪化させない生産スケジューリング手法として、計算スピード、精度、実用性などの定性的評価も高いCKB法の構築と性能評価と通して目的を達成することができた。
多品種生産において、Q−time制約を遵守しつつ高いスループットを達成する実用的な生産物流管理方法を、CKB(Control of Kanban and Buffer sizes)法と名付けた。第1実施形態では、CKB法のプログラムとそれを用いた性能評価結果(実際の工場のデータを用いた確率的シミュレーションによる)である。この性能評価結果から、CKB法を適用しない場合に約32%であるリワーク率(Q−time制約割れ率)を確実にゼロに抑えて製品品質の劣化を防ぎ、かつ、スループット、平均サイクルタイム、仕掛在庫等も改善でき、従来法より優れた生産率(=生産量/投入量)を達成する結果を得ている。
図30を参照して、本発明の第2実施形態に係る最適指標生成装置について説明する。 本発明の第2実施形態に係る最適指標生成装置21は、例えば、製造装置の予防保全時期を分散化する運用方法について、生産工程#1にそれぞれ設けられた装置群5の保全スケジュールを管理する生産管理システム10およびエンジニアリング業務システム29を制御の対象としている。本実施形態では、保全時期分散化のための生産負荷配分方法(以下、JAMP法という)について説明する。
入力部22は、生産管理システム10やエンジニアリング業務システム29からメンテナンス時間、メンテナンス指針(定量メンテナンスでは、メンテナンス開始までの処理数、定期メンテナンスではメンテナンス周期など)、装置群(工程)の装置台数、装置群(工程)の製品品種別生産数量または到着率、品種・工程/装置別の処理時間、装置で処理可能な品種情報、装置種別を入力する。
感度解析部(JAMP特性)25は、JAMP最適論理値計算部24から入力されるJAMP法理論値計算結果、各装置の処理負荷(回数)とその処理時期が変動した場合のJAMP法理論値計算の結果の変化特性を算定する。感度解析部(JAMP特性)25は、この感度解析結果を、内部記憶部25aに記録しておき、JAMP法理論値計算結果、各装置の処理負荷(回数)とその処理時期が動的に変化した場合に、即時に更新データとして使用することもできる。
感度解析部(性能特性)27は、JAMP法に使用した入力データ、JAMP法最適理論値の条件を入力し、決定されたJAMP法最適理論値の条件の下で、工程の性能評価のための計算を行い、性能特性として、トラフィック強度v.s.各種性能評価指標を生産管理システム10に出力する。
台となる。この時、代替能力は(m−Λ/μ)で、代替装置は、
台となる。
生産実行システムに含まれる複数の装置に関する情報を生産管理システム10を介して入力部22により入力し、また、装置区分算定部28により複数の装置を常用能力を有する常用装置と代替能力を有する代替装置とに区分し、装置能力区分と入力された情報から複数の常用装置と代替装置(および常用能力と代替能力)の稼働回数と稼働時期を算出するとともに、常用装置と代替装置とに関する予防保全開始・終了時期を開始終了時期算出部26により算出し、開始終了時期算出部26により算出された最適な開始終了時期情報を生産管理システム10やエンジニアリング業務システム29に供給する。
まず、最適指標生成装置21による製造装置の予防保全時期を分散化する運用方法について説明する。
[生産設備管理の重要性]
半導体製造において、製造コストの4割〜6.5割は機械設備の減価償却であり、重要な管理対象である。一般に、化学物理的な処理を施す生産設備では、故障や異常状態に陥った場合に、半製品をスクラップまたは再生処理(リワークと呼ぶ)する必要があり、これらスクラップやリワークは時間とコストの浪費になる。
また、設備状態が故障や異常になった後に正常に復帰させるための事後保全に費やす時間に比べて、故障や異常が起こらないうちに設備の保全を行った方が結果的に設備の動作時間を長くすることが可能になるため、予防保全(Preventive maintenance:PMと呼ばれる)が行われている。
予防保全には、一定時間ごとに所定のメンテナンスを行う定期メンテナンスが行われることが多いが、化学物理的な処理を行う装置に対しては、処理した回数に応じてメンテナンスを行う定量メンテナンスが行われる場合が多い。本実施形態では、半導体工場の定量メンテナンスを主に取り上げる(なお、定期メンテナンスにも適用可能である)。
予防保全の期間(Mean Time to Repair:MTTRと呼ばれる)は、生産設備は停止し、仕掛品(Work-in-process:WIP)を処理することができない。そのため、MTTRの間は、その他の生産設備を使用して、WIPを処理していく必要がある。通常、工場内物流の混雑の程度(トラフィック)は、定常的可動状態における平均として工程利用率(トラフィック強度)を100%(1)未満として計画される。ここで、工程を実際に運用する際に、同時期にPMになる装置台数が多いと、残りの可動装置だけではWIPを処理しきれずに工程利用率が100%を超える。この状況になった場合、WIPの待ち時間が急激に長大化することが知られている。待ち時間の長大化は、コスト増加、納期遵守率やQ−time制約遵守に負の影響を及ぼす。
そのため、複数の装置のPMができるだけ同時期に発生しないよう分散化することが望まれる。
半導体の加工寸法は技術ロードマップに従い、微細化が進んでいる。現在、その加工寸法は髪の毛の太さの1000分の1の太さにまで小さくなってきている。これは、半導体の加工寸法を2分の1の大きさにすると、速度が2倍、消費電力が4分の1になるなど、半導体は微細化をするだけで、高性能・低コストが実現できるからである。しかし、このような加工寸法の微細化は、製造面において歩留り(良品率)の確保を困難にした。設計通りのサイズ、機能を持った製品(良品)を生産するために、加工時間と同様に工程間の滞在時間も厳密に管理しなければならなくなったのである。そのため、Q−time制約(加工と加工の間の滞在時間の上限値と下限値)を考慮した生産スケジューリングが重要になっている。本実施形態1で述べた通り、製造装置の予防保全(PM)によって待ち時間が長大化する状況では、Q−time制約割れが起こりやすくなるため、装置PMの分散化は品質保証やコストの観点からも非常に重要な課題である。
定量メンテナンスの特徴は、当該装置で処理した回数が規定値に達した場合に、メンテナンスを開始することにある。言い換えれば、装置へのWIPの割り付けを制御して各装置の処理回数を制御し、複数の装置の予防保全期間が重ならないようにできる可能性がある。本実施形態では、その点に着目して、装置を常用装置と代替装置に区分し、代替装置を活用してPMの時期を分散化し、かつPM以外の時期にもジョブに余計な待ち時間を発生させない負荷分散方法を考える。
[問題設定]
本実施形態では、対象として、定量メンテナンスを必要とする複数のロット・シングルタスク型装置で構成される単一工程について取り上げる。
製品には「パーツ(ウエハ)」「ロット」「バッチ」のように様々な処理単位がある。本実施形態では、25パーツを1ロットとして処理単位として「ロット(lot)」を使用する。半導体工場では、通常、ロットが搬送の単位となる。
ロット・シングルタスク型装置とは、図31のように装置の処理単位が1つのWIP(例えばロット)である装置を指す。所定の処理時間を経過した後、WIPを掃出し、空き状態になると、次のロットの処理を開始することができる。
半導体の生産ラインにおいてその工場の有能性を図るものとして様々な性能評価指標がある。本研究で取り上げる性能評価指標とその定義を示す。
性能指標において、待ち時間の総計[分]は、各ロットで発生した待ち時間の総和として計算し、小さいほうがよい。待ちロット数[lot]は、待ち時間が発生したロットの数の総数として計算し、小さいほうがよい。Q−time制約割れロット数[lot]は、Q−time制約割れになったロット数として計算し、小さいほうが良い。
図32は、定量メンテナンス例を示す図である。
装置が事前に設定した処理回数(ロット数)に達する度に、図の例では100lot処理する毎に、メンテナンスを行う方式を定量メンテナンスという。図32に示すように、メンテナンスに入るとPMになる期間が一定期間(平均的にはMTTR)あり、その間装置は休止状態になる。PMが終了した時点から再び処理を開始する。
定量メンテナンスの特徴は、当該装置で処理した回数が規定値に達した場合に、メンテナンスを要することにある。言い換えれば、装置へのWIPの割り付けを制御して各装置の処理回数を制御し、複数の装置の予防保全期間が重ならないようにできる可能性がある。
図33は、通常時の装置群(m1〜m6)を示す図である。図34は、装置m6が予防保全中のm2を代替するときを示す図である(WIP2以外m1、m3、m4、m5、m6)。
本実施形態では、新たに考えた定量メンテナンス(以下PMと呼ぶ)を考慮した負荷分散方法(Job Allocation for Maintenance in Parallel(以下、略称JAMPと呼ぶ)について、全体機能、サブ機能の順に、図33に示す装置6台のモデル(実際の工場のモデル)の事例を取り上げながら説明する。
前提として、どの装置もPMを行っていない状況では、工程へのジョブの到着率Λと工程のサービス能力Μの比であるトラフィック強度Λ/Μ(工程の混雑の程度を示す)は、1(100%)より小さくなるように設備計画・負荷計画が行われている。言い換えると、余剰のサービス能力がある。例えば、図33に示す工程では能力が同じ装置が6台あり、通常はそのうち5台(m1、m2、…、m5)で処理を行えば全てのロットの処理を滞りなく行うことができ、残りの1台(m6)の装置は代替装置(代替能力)として使用することができる。これは、この工程のトラフィック強度が0.8の場合で、ジョブを処理するために必要な装置台数は理論的に4.8台、つまり5台となるためである。その残りの装置1台を代替装置として使うことができる。
ここで、ジョブの到着に対応して、通常使用される装置5台(これを常用装置とよぶこととする)を、並列的に順次使用していった場合には、同時期に複数台の装置がPMになる期間(MTTR:Mean time to repair)が発生する。図33に示す工程モデルでは、ジョブの到着に対する処理能力比が4.8であるため、最低でも5台の装置が必要であり、同時に2台以上の装置が停止した(すなわち使用できる装置が4台以下になった)場合には、トラフィック強度が1を超える(図35)。トラフィック強度が1より大きい場合、ジョブの待ち時間が急激に長大化することが知られている。待ち時間の長大化は、コスト増加、納期遵守やQ−time制約遵守に負の影響を及ぼす。
本実施形態では、その点に着目して、代替装置を活用してPMの時期を分散化し、かつPM以外の時期にもジョブに余計な待ち時間を発生させない方法を考える。ここでは、事例として、図33に示す6台の装置の場合を用いて説明する。
[負荷分散方法1]
(1)1台目の装置がPMを開始してからMTTRの期間、他の常用装置がPMを開始しないように、1台目の装置がPMを開始する前に、他の常用装置同士のMTTRと重なる時間の分、あらかじめ代替装置に処理を代替させておくことにより、PM開始時期を後ろにずらす。この時、その代替装置での代替処理回数の合計が、1台目の常用装置のPM開始までの残り処理回数規定値以下になれば、常用装置のPM時期をずらせる。
(2)常用装置がPMを行う期間内に、代替装置がPMを開始しないこと
加えて、
(3)代替装置のPM時期が他の装置のPM時期と重ならないよう調整可能であること
以上、条件(1)、(2)および(3)を満たす時、1周期で常用装置および代替装置PMの完全な分散化が可能となる。完全に分散化できない場合にも、可能な限り負荷分散を行うことによってPM時期が重なる期間を短くする。
条件(1)および(2)を完全に満たさない場合とは、1周期では、全ての常用装置のPMの重複時間をゼロにすることができない場合に該当する。ここで、1周期とは、第1の装置(m1)が稼働し始めてから全ての常用装置が1回ずつPMを終了するまでの期間を指す.例えば、MTTRの時間長が比較的長い場合などに該当する。
1周期目で、JAMP法による負荷分散を可能な限り適用し、PMの重複時間を低減かつ分散化する。
2周期目以降で、条件の範囲内で代替処理を行い、完全分散化をはかっていく。
JAMP法のコンセプトに基づき、代替装置を用いて負荷を分散させ、可能な限り同時期にPMになる台数および時間長を抑える(1周期目)。
[指針2:重複時間の分散化]
PM時期の重複期間が、出来るだけ連続しないよう、重なる時期を分散化する(1周期目)。
[指針3:PMの分散化]
2周期目以降で、完全分散化のために代替処理を施し、各装置のPM時期をずらす。
[PMの分散化に必要な条件]
ここでは、上述の条件(1)、(2)、(3)について詳しく説明する。
条件(1)について、図38に示すモデルの場合では、λjを装置j一台当たりの到着率[lot/分]、Λを工程へのロット到着率[lot/分]、μを単一装置の平均サービス率1/Tp[lot/分]、Mを工程サービス率==mμ=m/Tp[lot/分](m:装置台数、Tp:平均処理時間)、(ただし、λj=Λ/[Λ/μ]とする)、Nを定量メンテナンスの基準値[lot]、MTTRjを装置jの予防保全(PM)の所要時間[分](この期間は装置は停止し、生産ロットを処理することはできない)とする、常用装置台数は[Λ/μ]台、代替装置は(m−[Λ/μ])台となる。
以上、(1)、(2)の計算の結果得られた装置jに対して必要な代替回数を改めてnjとすると、その総和が、(N−1)以下となる必要がある(条件(1))
条件(2)は1台目の装置がPMを開始してから順次[Λ/μ]台目までの装置がPMを終えるまでの期間、代替装置がPMを開始しないことを意味する。図38の右側にこの代替の様子を示した。
条件(2)は、下式のように表される。
ここで、実際には、代替装置は、条件(1)に必要な処理回数を消化しているため、これら(1)と(2)の条件を合わせて、代替装置の処理回数がPMを始める規定数以下にならなければ常用装置のPMの完全な分散化はできない。この条件式は、下式のようになる。
条件(3)は、代替装置のPMと他の装置のPMが重ならないように、代替装置のジョブの割り付けを調整できることである。本実施形態では、以下2つの場合に分けて考える。
[1]常用装置で最後にPMを開始する装置(図33に示すm5)でPMを終了した時点に、代替装置(図33に示すm6)がPMを開始する場合、下式として表せる。
[2]代替装置(図33に示すm6)が、常用装置で最後にPMを開始する装置(図33ではm5)でPMを終了した後に、後続周期で1回以上処理を行った後にPMを行う場合、代替装置が第1周期で代替する回数は、条件(1)と(2)を合わせて、
となる最小のk’周期目に、代替装置のPMをする必要がある。
さて、ここで、図38の右側で示したように常用装置のPMを順次実施し、その期間に処理すべきロットを代替装置で処理していくと、[Λ/μ]台目の装置のPMを終了する前に、代替装置でPMが必要になる。これは、常用装置と代替装置が同時期にPMになることを意味するため、望ましくない。そこで、代替装置のPMが必要になるk’周期目では、常用装置のPMが開始する前に、代替装置のPMを終える必要がある。
この回数分を、常用装置がPMを開始する前に、意図的に処理し終えて、代替装置がPMを終了することができれば、代替装置のPMと常用装置のPMを同時期に発生せずに済む。
そこで、代替装置の残り可能処理数を常用装置の代替処理にあて、代替装置を意図的に事前にPMさせることを考える。常用装置は、第1周期ですでにそれぞれのPMが分散化するように調整がなされているため、最後にPMを終了する装置から順次、代替装置に処理を代替させる。
ここで、常用装置の台数は、[Λ/μ]であるので、通常最初にPMを開始する常用装置(図40に示す例ではm1)に対する代替回数N’1は、
である。
ここで、ある周期において、常用装置の中でPMを最初に終了する装置(図40に示す例ではm1)が、PMを最後に終了する常用装置(図40に示す例ではm5)のPM終了時刻までに処理するロット数は、下式で表される。
条件(1)は、
条件(3)の[1]は、
本実施形態では、負荷分散方法2(条件(1)および(2)を満たさない場合)の基本的な考え方は、以下2点に集約される。
1周期目で、JAMP法による負荷分散を可能な限り適用し、PMの重複時間を低減かつ分散化する。
2周期目以降で、条件の範囲内で代替処理を行い、完全分散化をはかる。
[指針1:重複する台数・時間長の低減]
図41は、1周期で完全分散化できない場合の装置運用指針1について説明するための図である。
JAMP法のコンセプトに基づき、代替装置を用いて負荷を分散させ、可能な限り同時期にPMになる台数および時間長を抑える。
ただし、
図41は、1周期で完全分散化できない場合の装置運用指針2について説明するための図である。
PM時期の重複期間が、出来るだけ連続しないよう、重なる時間長を分散化する。
第1周期において完全には代替しきれない
回の処理がある。
これを、1台目以外の残りの装置([Λ/μ]−1)台と代替装置(m−[Λ/μ])台でのPM時期の重なりとして分散し、工程性能が低下した状態が連続すること防ぐ。
常用装置において、PM期間が重なる処理回数
装置jの代替回数(最大)を、nj’=nj’−r(j=2、・・・[Λ/μ])とする。全てr回分ずれることになるので、実際に待ちロットを発生させるのはm1とm2の重なり部分になる。
また、残りの重なり期間の処理回数
の重なり分を以下のように配分する。なお、より細かな設定条件もあるが、ここでは省略する。
(1)e≦(m−[Λ/μ])ならば、代替装置に残り不足回数によるPM重なり期間を分配する。
(2)e>(m−[Λ/μ])ならば、常用装置に残り不足回数によるPM重なり期間を分配する。r’=r+1とし、nj’’=nj’−r’とする。
第一周期において完全には代替しきれなかったR回分を含めて、PM時期の重複時間をなくしていく。
装置jの代替回数(最大)は、nj’’=nj’−rまたはnj’−r’となっている。これは、各装置で、完全なPM分散化に必要な回数よりも最低r(またはr’)回の処理時間分ずつ前にずれていることになる。
ここで、第2周期目以降で、そのずれを後ろにずらし、完全分散化を図る。
ただし、JAMP法の条件を満たす範囲内で代替していく(必ず2周期目で完全分散化できるわけではない。必要な周期を使って分散化を図る。)。
[目的と方法]
今回のシミュレーション実験の目的は、複数の装置が存在する工程において、単純に並列処理させた場合(以下、単純並列ルールと呼ぶ)と、定量メンテナンスを考慮して事前に各装置に負荷分散を行うJAMPルールの性能を比較することで、JAMPルールの効果を確かめることにある。
実験方法としては、図33に示した、ロット・シングルタスク型装置6台、一品種を想定したシミュレーション実験を行う。ここで、ロット・シングルタスク型装置とは、1ロットずつ処理を行う装置をさす。ロットは定期投入によってトラフィック強度に応じた一定間隔で到着するものとする。6台の装置の単純並列ルールによる運用については、トラフィック強度が0.8の場合、図33に示した通り通常は5台を使用し、いずれかの装置がPMなどで使用ができないときには代替装置として残りの1台を使用する。
図43に、処理時間、工程のトラフィック強度、定量メンテナンスの開始の指針となるlot数(PM指針lot数)、予防保全の所要時間(MTTR)を示す。
MTTRの設定には、JAMPルールの条件(1)および(2)が満たせる場合が2つ(S1、S2)と、条件(1)、(2)を合わせた条件が満たせなくなる場合(S3)の計3つのシナリオを使用する。シナリオS1とS2の違いは、S1では代替装置のPMがちょうど常用装置のPMの終了時に発生する場合で、条件(3)の[1]に該当する。
S2は代替装置のPMが何も調整を加えないと他の装置のPMの時期と重なってしまうため条件(3)の[2]を適用して待ち時間の発生を抑える必要がある場合となっている。S3は、必ず2台以上のPMが同時に発生する必要がある場合となっている。S3は、実際の工場のPM条件設定(100lot処理を終える毎にPMのため24時間停止する)に相当する。
以上のようなモデルを用いて、単純並列とJAMPの二つのルールについて実験を行い、結果について比較する。
単純並列ルールは、図37のように最初にm1、m2、…、m5の5台で、到着間隔に起因して1/Λずつズレが起きる以外は、100lot目までm1〜m5台目の5台で単純に並列処理を行い、1〜5台目のいずれかがPMを行う期間はm6または他の装置の中で最も早く処理を開始できる装置が処理を代替する。
[結果・考察]
図44は、JAMP法における代替え回数の設定について説明するための図である。図51は、単純並列ルールとJAMPルールの比較について説明するための図である。
図43、図44で示した設定で、2つのルールについて3つのシナリオでシミュレーション実験を行った。代替装置がPMを実施する周期の終了までの結果を図45に示す。ここでは、性能評価指標として、PMによる待ちが発生したロット数、サイクルタイム、Q−time制約を超過したロット数の3点を挙げた。
生産期間(観測周期)が長くなると、上表の値に比例して、単純並列とJAMPとの差が広がっていく。
以上の実験結果からJAMPルールでは、シナリオS1、S2ではPMによるロットの待ちが発生せず、Q−time制約を超過するロットがないことがわかる。特に待ち時間の総計から、単純並列ルールでは、長時間の待ちが発生している一方でJAMPルールでは待ちを発生せずに済んだことが分かる。
また、待ちが発生したロット数の総計から、単純並列ルールでは、毎周期待ちlotが発生しており、時間を追うごとにこの差は広がっていく。これらの性能評価の結果から、JAMPルールではPMを分散することによって、トラフィック強度が1より大きくなることを抑え、PMに起因するロットの待ち時間の発生を抑え、Q−time制約を超過するロットの発生も抑えることができること、を確かめることができた。
図46は、ロットの到着と退去の時刻(JAMP法と単純並列ルールの比較)を示す図である。他方の単純並列の問題として、生産の能力の増減(変動)が大きく(下図)、仕掛数の急激な増加と、後続工程への流量の変動(上図)をもたらす。
図47は、装置台数の稼働状況の変動(単純並列 MTTR=1380[分]の場合)を示す図である。以上のことから定量メンテナンスを考慮したジョブの割り付け方法JAMPの効果が示された。
本実施形態では、定量メンテナンスのある処理工程を取り上げ、同時期に予防保全になる装置台数を出来るだけ少なくする装置の負荷分散方法を開発し、その効果を確かめることを目的として研究を行った。
本実施形態では、新たに、負荷分散法JAMP(Job Allocation for Maintenance in Parallel)法を提案した。JAMP法の効果を確かめるために、実際の工場の工程モデルを参考にして、シミュレーション実験により単純並列ルールとの比較を行った。シミュレーションモデルは、6台の装置で処理時間が所与の1品種を処理する工程で、工程のトラフィック強度が0.8になるよう定期投入が行われる連続処理のモデルを用いた。
実験では、JAMPによって同時期にPMになる装置台数を1台以下に抑え完全に分散化できる(トラフィック強度を常に1未満に抑えられる)場合と、完全にはPMの分散化ができない(常にはトラフィック強度を1未満に抑えられない)場合の2つの場合を設定して、それぞれにおけるJAMPの効果を確かめた。
ここで、特にMTTRが大きい場合には、PMによるロットの待ち時間が長くなり、Q−time制約を割ってリワークが発生する事態が生じやすくなる。リワークの発生は生産上のロスでしかなく、副次的に正規ロットの生産物流を阻害するため望ましくない。このQ−time制約割れを防ぐためにも、同時期にPMになる台数を少なくすることで工程のトラフィック強度を常にできる限り低く抑え、余計な待ち時間を発生させないことによって、Q−time割れロットの数を抑えることができることが確認できた。
本提案法は、定量メンテナンスだけでなく、定期メンテナンスの分散化にも活用できる。
その場合の条件を以下に示す。
λjを装置j一台当たりの到着率[lot/分]λj=Λ/[Λ/μ]、Λを装置群全体の到着率[lot/分]、Mを工程サービス能力=m/Tp[lot/分]、(m:装置台数、Tp:平均処理時間)、Nを定量メンテナンスの基準値[lot]、MTTRを予防保全(PM)の所要時間[分]、Ts1、Ts2を段取り時間等の合計とするとき、多品種生産における段取りを考慮した場合の条件は、以下のように表せる。
条件(1)は、
バッチ装置においては、ロードルールによって処理開始間隔(ロード間隔)と処理単位(ロードサイズ)が異なる。1台あたりの実行サービス率は、以下の式で表せる。
1台当たりの実行サービス率=(ロードサイズ)/(ロード間隔)
装置からみた場合のロード間隔は、ロードサイズをLaとしたとき、以下のように算出できる。
1ロットが到着する時間間隔が1/Λなので、サイズLaのバッチを1つ組むまでの時間間隔は、La/Λとなる。装置のロード間隔TLは、
La/Λ>T/pm(すなわちρ<1)のときTL=Tp+(La/Λ−Tp/m)
La/Λ≦Tp/m(すなわちρ≧1)のときTL=Tp
このTLをTpの代わりに使用して工程能力Μを計算することで、バッチ組時間を考慮することが可能となる。
なお、Laはロードルールとトラフィック強度に依存する。最大バッチサイズを満たさなくても処理を開始できるロードルールとすると、装置が空くとすぐに装置での処理が開始する(常に装置が稼働する)ように作用する。
1台の装置が空く平均時間間隔は、Tp/mで、その期間に到着するWIP数は、Tpm×Λ
計画上のサービス率μ=LTp
このLaを用いる。
なお、各変数の定義は、次の通りである。
ρ:工程利用率、L:最大バッチサイズ[lot]、La:平均ロードサイズ[lot]、Λ:装置群全体の到着率[lot/分]、λj=Λ/[Λ/μ]、ρ=Λ/mμ
Q−time制約割れの主要な原因のである装置の予防保全時期を分散化するための装置への負荷配分方法を、JAMP(Job Allocation for Maintenance in Parallel)法と名付けた。JAMP法で、同時期に停止する装置台数を最小限に抑え、高い生産能力の維持と生産の平準化を図り、製品ロットの無駄な待ちやQ−time制約割れを抜本的に防ぐ。第2実施形態は、JAMP法のプログラムとそれを用いた性能評価結果(実際の工場のデータを用いた確定的シミュレーションによる)である。性能評価結果から、JAMP法が並列装置を順々に均等に使用する単純並列ルールに比べて、2.5ヵ月当たり188ロットのリワークを削減し、2千万円以上のリワーク費用の削減効果が見込まれ、かつ、待ちロット数を172分の1、ロットの待ち時間総計を13805分の1にまで大幅に低減できるため納期遵守にも効果がある。CKB法とJAMP法とを組み合わせて用いることで、単一Q−time制約区間の最適管理が実現される。
図48を参照して、本発明の第3実施形態に係る最適指標生成装置について説明する。 本発明の第3実施形態に係る最適指標生成装置31は、例えば、半導体を生産するための生産工程#1にそれぞれ設けられた処理工程(装置群)2および処理工程(装置群)3の生産スケジュールを管理する生産管理システム10を制御の対象としている。同時に、製造装置の予防保全時期を分散化する運用方法について、生産工程#1にそれぞれ設けられた装置群5の保全スケジュールを管理する生産管理システム10やエンジニアリング業務システム29を制御の対象としている。本実施形態では、生産物流制御法と生産負荷配分法(以下、CKB−JAMP法という)について説明する。
また、最適指標生成装置31は、図30に示す最適指標生成装置21(第2実施形態)と同様に、入力部22、補助入力部(JAMP法)23、開始終了時期算出部26、装置区分算定部28を備えている。
第1および第2実施形態と比較して、第3実施形態に特徴的な構成は、図48に示すように、変動監視検出部32、入力変更検出部33、再計算必要性判断部34、感度解析部(CKB+JAMP特性)35、CKB+JAMP最適論理値計算部36、感度解析部(CKB+JAMP性能特性)37を備えていることにある。
変動監視検出部32は、ロットの処理開始・終了、装置の状態変化(故障等に伴う)と装置群の処理能力の変化など、イベント・状態データ更新による変動を監視・検出し、変動情報を計算必要性判定部34に出力する。
更に、CKB+JAMP最適理論値計算では、装置群の処理能力の変化に応じて、予めQ−time制約区間における投入量をQ−time制約を遵守できる値として変更する機能を備え、円滑なQ−time区間の管理を実現する。
そのため、処理能力が低下する前に、予め適切な時期にQ−time制約区間へのロットの投入率を減らす。
他方で、予防保全が完了した後には、処理能力が向上し、装置を可能な限り稼働させて溜まった中間在庫を解消しようとする。この時も、予め当該工程へのロット投入を増加させておかなければ、装置復旧後の処理能力・時間が無駄になる。
これらを考慮の上、工程能力が異なる各期間に合わせた、それぞれの適正理論値計算を行い、かつ、その工程能力の変化に合わせて投入を調整するための移行期間も含めて理論値の改編時期を適切に算定する。
まず、JAMP法により予防保全の時期と各期の工程能力が決定される。この算定結果に基づき、工程能力の異なる期間を大区分で3つに分ける。第1期間は定常期で、ロットの到着率をΛ、定常期の処理工程のサービス率をμ1、とすると平均的にμ1=Λの状態である。
次に、第2期間は低下期で、予防保全等により処理工程のサービス率が低下する期間である。低下期のサービス率をμ2とすると平均的にμ2<Λの状態にある(JAMP法などによりこのような状態の発生を防ぐことができなかった場合)。
次に、第3期は復旧期で、第2期の低下期にたまった中間在庫を早急に解消するために、最大限のサービス率で処理工程を運用する。復旧期のサービス率をμ3とするとき、平均的にμ3>Λの状態にある。
ここで、定常期から低下期へ切り替わる時点をT1、低下期から定常記に切り替わる時点をT2、復旧期から定常期に切り替わる時点をT3とする。定常期において、ロットの到着から処理開始までの滞在時間をTwと設定しているものとし、この区間でのQ−time制約による制限時間がTqであるとする。
(A)Tw=Tqの場合には、Td=T1−Tw
(B)Tw<Tqの場合には、Td=T1+(μ2Tq−μ1Tw)/(μ1−μ2)
滞在時間をTq以下に抑えるためには、遅くともTdの時点で、到着率をμ1からμ2へ変更するよう制御する。
なお、
(C)Tw>Tqの場合には、常にQ−time制約が遵守できなくなるので、この場合はまずCKB法により(A)または(B)の条件を満たす状態になるように物流制御する必要がある。
(A)Tw=Tqの場合には、Tr=T2−Tw
(B)Tw<Tqの場合には、Tr=T2−Tq
早くともTrの時点以降で、到着率をμ2からμ3へ変更するよう制御する。
(A)Tw=Tqの場合には、Tk=T3−Tw
(B)Tw<Tqの場合には、Tk=T3−(μ3Tq−ΛTw)/(μ3−Λ)
早くともTkの時点以降で、到着率をμ3からΛ(=μ1)へ変更するよう制御する。
感度解析部(CKB+JAMP性能特性)37は、CKB法、JAMP法の感度分析部に基づいているが、本感度分析(CKB+JAMP性能特性)の特徴は、前記感度解析部(CKB+JAMP特性)35での特徴と同様に、工程能力が異なる各期間やその移行期間別に、全ての対象期間について、感度解析における性能評価を行うことを特徴とする。
生産実行システムに含まれる複数の装置に関する情報を生産管理システム10を介して入力部12、により入力し、入力された情報から複数の装置による加工工程間の滞在時間の上限値や下限値を示すQ−time構造をQ−time構造分析部14により分析し、各Q−time制約に対して、製品の到着に関連するバッチ組待ち時間とQ−time制約の上限値との大小関係が切り替わる到着率の境界値を算定し、適切なロードルールを判定し、生産管理システム10を介して入力部22から入力された生産実行システムに含まれる複数の常用装置と代替装置に関する情報から複数の装置を装置区分算定部28により常用装置と代替装置とに区分し、複数の装置の稼働回数と稼働時期を算出するとともに、常用装置と代替装置とに関する予防保全開始時間を算出し、算出された予防保全時期と入力された情報およびQ−time構造に基づいて、品種別の最適なカンバン枚数およびバッファサイズを計算して指標情報として指標算出部17により出力し、常用装置と代替装置とに関する稼働回数と稼働時期と予防保全開始時間を開始終了時期算出部26により算出し、指標算出部17により算出された最適な指標情報を生産管理システム10に供給するとともに、開始終了時期算出部26により算出された最適な開始終了時期情報を生産管理システム10に供給する。
また、Q−time制約割れの主要な原因である、多品種生産の扱い、装置の予防保全、複数のQ−time制約の相互干渉に対しても、解析方法と適正な管理手法を与えることで、Q−time制約遵守しつつ良品スループットの向上とコスト低減・環境負荷低減を同時に達成することができる。
図50を参照して、本発明の第4実施形態に係る最適指標生成装置について説明する。 本発明の第4実施形態に係る最適指標生成装置41は、例えば、半導体を生産するための生産工程#1にそれぞれ設けられた処理工程(装置群)2および処理工程(装置群)3の生産スケジュールを管理する生産管理システム10を制御の対象としている。同時に、製造装置の予防保全時期を分散化する運用方法について、生産工程#1にそれぞれ設けられた装置5の保全スケジュールを管理する生産管理システム10を制御の対象としている。本実施形態では、連動型生産物流制御法(以下、手続き型CKB法という)について説明する。
また、最適指標生成装置41は、図30に示す最適指標生成装置21(第2実施形態)と同様に、入力部22、補助入力部23、開始終了時期算出部26を備えている。
さらに、最適指標生成装置41は、図48に示す最適指標生成装置31(第3実施形態)と同様に、変動監視検出部32、入力変更検出部33、再計算必要性判断部34、感度解析部(CKB+JAMP特性)35、CKB+JAMP最適論理値計算部36、感度解析部(CKB+JAMP性能特性)37を備えている。
第1、第2および第3実施形態と比較して、第4実施形態に特徴的な構成は、図50に示すように、生産フローボトルネック・流量解析部42、Q−time構造分析部43、装置区分算定部44、補助入力部(手続き型CKB法)45、駆動制御部46、余裕時間配分解析部47、手続き実行制御部(CKB+PS法)48を備えていることにある。なお、駆動制御部46は、変動監視検出部32、入力変更検出部33、再計算必要性判断部34、感度解析部(CKB+JAMP特性)35から構成されている。
生産フローボトルネック・流量解析部42は、生産実行システムに含まれる製造フロー全体における生産流量や工程能力の変動に対応してQ−time制約を同時に管理するために、工程の接続行列(生産フロー)、工程の処理容量行列、Q−time制約区間の許容流量を入力し、TOC理論または最大流問題・最小カット定理などを用いて、生産フロー統合解析、ボトルネック箇所検出、最大流量計算を行う。生産フローボトルネック・流量解析部42は、ボトルネック箇所(最小カットに該当する工程群)、各処理工程における流量(処理負荷)を出力する。
Q−time構造分析部43は、各Q−time制約区間の範囲と構造(Q−time制約区間の開始・終了工程、構造No、など)を出力し、特別構造フラグ(ON=1)を立てる。
駆動制御部46は、生産工程の動的変化に合わせて管理をするために、変動監視検出部32で生産管理システムから最新の生産計画・実績情報を入力して、入力変更検出部33で各Q−time制約区間に対する変化を検出して、再計算必要性判定部34でCKB法の再計算が必要か否かを判定する。必要であると判定された場合には、手続き実行制御部48などに再計算指示を入力し、図53に示す手続き型CKB法のS22からS25までの処理を再実行し、CKB法の最適理論値を再計算する。
これら追加の手続きを要する構造を含む生産工程の場合には、図55の処理の流れを使用する。図54との特徴的な違いは、S35の時間割り当て箇所決定とS36余裕時間配分決定にある。余裕時間配分解析部47が、これらの処理機能を担う。
図54の処理フローを用いて、手続き型CKB法の基本的な処理の流れを説明する。
図54においては、まずS21で処理が行われる。これは、Q−time構造分析部43で、Q−time制約区間を全て検出し、その構造を検出した情報とQ−time制約区間に含まれる処理工程の集合を生産工程のサブ集合として設定し、手続き型CKB法のメイン処理フローの対象データを初期化する。すべてのQ−time制約区間の構造や時間長等が変更されない間は、S21で検出された全てのQ−time制約区間に関する情報を要素とする集合サブ集合を内 部記憶部S21aに記録しておく。次のS22では、生産工程におけるボトルネック箇所の検出と各処理工程における最大流量の算出を行う。S22は、図50に示す生産フローボトルネック・流量解析部42によるほか、直列構造の生産工程フローの場合には生産計画と処理工程のサービス能力等からより簡単に算定することもできる。このS22の計算結果を内部記憶部S22aに記憶しておく。
S25では、内部記憶部S21aに記録された全てのQ−time制約区間を読み込んでおき、S23およびS24の処理を全てのQ−time制約区間に対して行ったか否かを判定する。S25では、S23およびS24の処理が終了していないQ−time制約区間が一つ以上ある間は、S23およびS24の処理を実行する。
こうして、全てのQ−time制約区間について最適指標計算が完了した後、S26で、全てのQ−time制約区間の最適指標算出結果を生産管理システムに出力し、管理を実行させる。
図50の再計算必要性判定部34では、前回の生産工程モデルに基づく感度解析結果(特に再計算の指針となる閾値)と、今回評価したい生産工程モデルとを用いる。
図50において、再計算必要性判定部34に、感度解析部35の内部記憶部35aから前回の感度解析結果(特に再計算の指針となる閾値)が入力され、変動監視検出部32から今回の生産工程モデルに関する情報が入力される。
これら追加の手続きを要する構造を含む生産工程の場合には、図55の処理の流れを使用する。図54との特徴的な違いは、S35の時間割り当て箇所決定とS36余裕時間配分決定にある。
S35では、余裕時間配分解析部47により、Q−time制約区間における余裕時間をどの処理工程間に割り当てるかを決定する。一般には、ボトルネック箇所の前後により重点的に割り当てることが望ましいが、Q−time制約区間においては、Q−time制約の遵守とボトルネック箇所の生産率の向上との2点を考慮する。
S36では、余裕時間配分解析部47により、Q−time制約区間における余裕時間の配分を、S35での決定結果と各工程の装置台数やサービス能力および生産物流の状態などから算定する。
生産実行システムに含まれる複数の装置に関する情報を生産管理システムを介して入力部12および補助入力部13により入力し、入力される情報から複数の装置による生産工程の中のボトルネック箇所および最大流量を生産ボトルネック・流量解析部42により解析し、入力された情報から複数の装置による処理工程間の滞在時間の上限値または下限値を示すQ−time構造をQ−time構造分析部43により分析して内部記憶に記憶し、各Q−time制約に対して、製品の到着に関連するバッチ組待ち時間とQ−time制約の上限値との大小関係が切り替わる到着率の境界値を算定し、適切なロードルールを判定し、入力部22により入力された生産実行システムに含まれる複数の装置に関する情報から装置区分算定部44により装置を常用装置と代替装置に区分し、前記算定された装置区分と入力された情報からCKB+JAMP最適理論値計算部36を用いて前記複数の常用装置と代替装置の稼働回数と稼働時期を算出するとともに、常用装置と代替装置とに関する予防保全開始時期を開始終了時期算出部26の内部記憶26aに記憶し、算出された予防保全時期と判定された最適なロードルール、ボトルネック箇所、最大流量およびQ−time構造に基づいて、品種別の最適なカンバン枚数およびバッファサイズを計算する。実施形態3と同様に、開始終了時期算定部26で算定された工程能力が異なる各期に対して指標算出部17により算出された最適な指標情報を生産管理システム10に供給するとともに、開始終了時期算定部26により算出された最適な指標情報を生産管理システム10に供給する。
また、Q−time制約割れの主要な原因である、多品種生産の扱い、装置の予防保全、複数のQ−time制約の相互干渉に対しても、解析方法と適正な管理手法を与えることで、Q−time制約遵守しつつ良品スループットの向上とコスト低減・環境負荷低減を同時に達成することができる。
そして、動的な生産工程の生産物流の変化に対応して、最適なオペレーション管理条件を更新し、常に生産工程の状態に合った最適なオペレーション管理条件を提供することができる。
まず、第4実施形態における、複数のQ−time制約の構造分析と同時管理の方法、および製造フロー上の生産物流や生産能力の変動への対応方針について説明する。
複数のQ−time制約の形成する構造の分析および同時管理の方法をMNA1法、生産ライン全体の生産流量の検出の結果を元に動的に複数のQ−time制約を同時管理する方法をMNA2法とし、MNA1法とMNA2法を総称してMNA法と名付けた。
そして、MNA法(MNA1法とMNA2法)を用いて、生産フロー全体のQ−time制約区間を管理する方法を手続き型CKB(CKB with Procedure and Structure:CKB−PS)法として定めた。これらにより、独立するQ−time制約区間を分散管理することで計算量を減らしつつ、干渉関係も考慮するため全体最適化を図ることができる。
次に、MNA1法、MNA2法、および手続き型CKB法について、以下に説明する。
(1)MNA1法は、複数のQ−time制約の構造分析、および構造に応じた同時管理の方法である。
複数のQ−time制約が干渉し合う構造を持つ場合、それらを同時に管理しなければ、片方を守れても他方が守れないといった問題が起こり得る。
そこで、MNA1法として、Q−time制約の種類と変換方法(図51)を定めた上で、複数のQ−time制約が成す構造(直列型4種)(図52)、および並列型5種(図53)で網羅的に定義し、各構造における複数のQ−time制約をCKB−PS法を活用して同時管理する方法を定めた。
これにより、生産フロー上に点在するあらゆるQ−time制約を網羅的に管理することが可能になる。新たに追加されるQ−time制約についても同様に扱うことができる。このようにQ−time制約の構造を網羅的に定義し、管理方法を体系づけた先行技術は存在しないため新規性は高い。MNA1法とCKB−PS法との融合によって、生産フロー上で干渉をもつQ−time制約を同時管理し、全ての構造のQ−time制約の遵守と生産性向上の達成が期待できる。
ここで、簡単に各構造の管理方法を述べる。
(ST1)直列型(A)排他では、其々のQ−time制約区間をCKB法で管理可能する。
(ST2)直列型(B)点共通では、ボトルネック箇所に合わせて投入し、それぞれのQ−time制約区間をCKB法で管理する。CKB法を通して先行Q−time制約区間が後続のQ−time制約区間と連動する。(後続区間の投入率が低下した場合にはバッファサイズによる連動制御、増加した場合にはカンバンによる連動制御が即座に働く)(ST3)直列型(C)−1工程重複(包囲)では、この「工程重複(包囲)」構造を「点共通」の構造に変換して、被包囲Q−time制約区間以外に包囲Q−time制約時間の残り時間を割り当てる。ボトルネック箇所に合わせて投入し、それぞれのQ−time制約区間をCKB法で管理する(点共通と同様)。
(ST6)並列型(E)−1(1)点合流=(2)工程合流では、多品種のCKB法と同様に扱う。合流開始工程での能力配分比率を決定して其々を独立に(直列型として)管理する。
(ST7)並列型(E)−2区間合流では、多品種のCKB法と同様に扱う。合流開始以降の重複工程で能力配分比率を決定して其々を独立に(直列型として)管理する。
(ST8)並列型(F)−1(1)点分岐=(2)工程分岐では、多品種のCKB法と同様に扱う。分岐開始工程での能力配分比率を決定して独立に(直列型として)管理する。
(ST9)並列型(F)−2区間分岐では、多品種のCKB法と同様に扱う。分岐開始以前の重複工程で能力配分比率を決定して其々を独立に(直列型として)管理する。
実際の生産システムでは、動的な状況の変化が起こり、ボトルネック箇所も変化することがある。したがって、ボトルネック箇所を監視して、ボトルネック箇所に合わせた適切な対処をとることが実践において必要となる。
そこで、単位時間当たりのロットの到着数と工程能力を算出し、ボトルネック箇所を検出する方法を定めた。生産フローが直列の場合と並列の場合に応じてボトルネック箇所の検出方法を分け、直列型の場合の計算負荷を減らすことができる。
(ST21)直列型の場合には到着率と工程サービス率の最小値をもつ箇所を算定する。
(ST22)並列型の場合には最大流問題―最小カット定理を応用した高速アルゴリズムでボトルネック箇所を抽出する。
生産ラインのボトルネック箇所がQ−time区間の前にある場合、到着率Λの増減が起こるが、特に問題ない。到着率Λを常に監視(または予測)し、到着率Λに合わせて調整可能とする。
生産ラインのボトルネック箇所がQ−time区間の中にある場合で、サービス能力Μの増減が起こる場合。これは、問題ない。Μを常に監視(または予測)し、Μに合わせて調整可能とする。
ボトルネック箇所がQ−time区間の後ろにある場合、スループットの増減要求が起こる。増加については、投入計画の見直しに合わせて、調整を行う。減少については、減らさなければならない場合を考慮に入れておく必要がある。投入計画の見直し後に再調整することが望ましいが、生産性を低下させないために当該区間で実時間の調整がなされるなどが必要となる。この場合、CKB法のカンバン枚数およびバッファサイズを当該区間へのロット到着や工程処理能力の変動以外の要因で調整する必要がでる。そのため、MNA2法で生産工程全体のボトルネック箇所とそれに合わせた生産流量を算定する機能が必要である。
MNA1法やMNA2法を融合して、製造フロー全体に対して、動的な状態変化の監視・予測等に基づいてQ−time制約を同時管理する手続き(標準、条件分岐付き(直列型、並列型))を、統一的に「手続き型CKB法」として定めた。
図54は、手続き型CKB法(標準)のフローチャート(その1)である。なお、最適指標生成装置
41は、フローチャートで表される制御プログラムを記憶したHDD、RAM、CPUを備え、CPUはHDDまたはROM、またはCDROMなどの記憶媒体から制御プログラムを読み出して装置41を制御することとする。
次いで、ステップS22では、制御部は、各Q−time制約区間への流量を検出(生産ライン全体のボトルネック箇所(BN)と各区間の流量の検出)する。ここで、静的には、生産計画、工程能力等から決定する。動的には、MNA2法を用いて算定する。
次いで、ステップS24では、制御部は、当該Q−time制約区間についてCKB法の計算を行う。
次いで、ステップS25では、制御部は、全区間について上記処理を実行したか否かを判断する。全区間について上記処理を実行していない場合には、繰り返しループのカウンタに対して、カウンタ値をデクリメント(−1)し、ステップS23に戻り、全てのQ−time制約区間(構造別)についてステップS23〜S25を実行する。
全区間について上記処理を実行した場合、ステップS26では、計算結果に基づいて管理を実行する。
なお、動的管理では、変化を監視して、S22〜S27を繰り返して再調整を加える。
図55に示すフローチャート(その2)を参照して、手続き型CKB法(条件分岐付き)について説明する。
まず、ステップS31では、制御部は、入力部12により入力される情報をMNA1法に基づき、Q−time制約区間の構造の検出し、Q−time制約サブ集合を検出する。この際、繰り返しループのカウンタ値を初期化する。
次いで、ステップS32では、制御部は、各Q−time制約区間への流量を検出(生産ライン全体のボトルネック箇所(BN)と各区間の流量の検出)する。なお、静的には、生産計画、工程能力等から決定する。一方、動的には、MNA2法を用いて算定する。
次いで、ステップS34では、制御部は、設定された投入率から、当該区間内の全ての工程のトラフィック強度、待ちWIP数および待ち時間(期待値)を計算する。
次いで、ステップS35では、制御部は、Q−time制約余裕時間の割り当て箇所を判断する。
次いで、ステップS36では、制御部は、S34〜S35の結果と配分の制約・ルールに基づいて、Q−time制約の余裕時間の配分を決める。
次いで、ステップS37では、制御部は、当該区間内の各s−s区間(連続する2つの処理工程で、第1工程の処理開始から第2工程の処理開始まで)についてCKB法の計算を行う。
全区間について上記処理を実行した場合、ステップS39では、計算結果に基づいて管理を実行する。なお、動的管理では、実績を監視して、S32〜37を繰り返して再調整を加える。
以上、MNA1法とMNA2法を融合した手続き型CKB法によって生産フロー全体を統一的に管理でき、更なる実践的効果が期待できる。
生産流量のボトルネック箇所を評価するためには、製造フロー上で最大流量を決定づけている箇所を見つけなければならないが、図56と図57に示す事例の通り、並列構造を含む場合には、ボトルネック箇所を特定することは容易ではない(複数の枝によってボトルネック箇所を形成しているため)。そこで、最大流問題として定式化し、最大流−最小カットの定理を高速な計算アルゴリズムに落とし込み、ボトルネック箇所および各枝の流量を特定する。最大流−最小カット定理では、ネットワークの始点sと終点tの間のフローの最大値は、図56の点線のような始点sと終点tを分離するカットセットのカット容量の最小値(最小カット)に等しいとされる。つまり製造ネットワークの最大流量は最小カット(=ボトルネック)に制約されることを意味している。
複数のQ−time制約の構造分析(MNA1法)と製造フロー全体の生産物流の解析(MNA2法)とに基づいて、製造フロー全体のQ−time制約区間を同時管理する方法(手続き型CKB法)を提案した。ここで、MNA法は、Manufacturing Network Analysisの略称で、MNA1法とMNA2法の総称をMNA法とした。第4実施形態では、これらの仕様書とプログラムフロー等を対象とする。
これら3つの方法により、製造フローの全体の生産流量に合わせて各Q−time制約区間の分散管理を実現し、生産変動に実時間で対応できる計算の高速性と全体最適化の両方が達成できる。なお、MNA1法やMNA2法は、単独でも使用可能である。
[目的と方法]
今回のシミュレーション実験の目的は、複数のQ−time制約が存在する生産工程において、複数のQ−time制約が成す干渉構造を考慮せずに意図的な生産物流制御を行う非特許文献1に記載の方法の場合(以下、従来型Q−time制約区間管理ルールと呼ぶ)と、複数のQ−time制約が成す干渉構造を考慮して同時に管理する手続き型CKB法の性能を比較することで、手続き型CKB法の効果を確かめることにある。
実験方法には、図58に示した、5つの装置群、7つの処理工程、および5つのQ−time制約が設定された非特許文献1に記載の実工場の生産工程のモデルと設定条件を用いたシミュレーション実験を行う。このモデルでは、同一装置群が繰返し処理のために共用される。生産工程におけるトラフィックを非特許文献1と同様に設定し、ロットは定期到着およびポアソン到着としてシミュレーション実験を行った。
また、最適指標生成にかかる計算時間に関する性能評価結果から、非特許文献1で3秒を要していた計算時間を0.005秒程に抑え、600分の一の計算時間を実現することが確かめられた。なお、この性能評価は、同程度性能以下の計算機(パーソナルコンピューター)を用いて実験した結果である。
[第2実施形態での問題点と課題]
第2実施形態では、図64に示すような段取り時間による保全時期のずれやその影響を考慮していない点に問題があった。また、半導体製造における段取り時間は、生産期間のうち4分の1を占める重要な管理対象であり、最大の非生産期間である段取り時間を低減する方法を提供する課題が残されていた。第5実施形態は、第2実施形態の変形例で、段取り業務最小化法を保全管理法と統合した装置業務管理法により問題・課題を解決している。半導体製造の生産工程における生産期間の4分の1を占める製造装置の段取り時間を低減し、また逆手に活用する特徴を持つ。本実施形態では、装置業務管理法(以下、JAMP−wS法という)について説明する。
本発明の第5実施形態に係る最適指標生成装置51は、例えば、装置の保全や多品種生産におけるプロセス切り替えのための段取りなど製造エンジニアリング業務の運用方法について、生産工程#1にそれぞれ設けられた装置群5に関わるエンジニアリング業務のスケジュール等を管理する生産管理システム10を制御の対象としている。同時に、製造装置の予防保全や段取りの時期を適正化する運用方法ついて、生産工程#2にそれぞれ設けられた装置群5の装置関連業務の計画や指示や実績を管理する生産管理システム10やエンジニアリング業務システム29を制御の対象としている。
補助入力部(JAMP−wS法)52は、装置使用可能品種/スペック対応、多品種・繰返し処理における段取り替え時間、段取り活用方法(3種類ほかから選択)、装置−品種スペック割当ルール(3種類ほかから選択)、装置−品種割当(固有条件)、多品種仕掛り、などの情報を入力する。
段取り活用方法の設定によって、最適理論値計算部55における計算結果が変わる。段取り活用方法は、不可避な段取り時間の活用方法を規定するもので、例えば、JAMP法における保全時期分散化率を高める目的、保全時間の長大化に対応する余裕時間を配置する目的、およびそれら両方を融合した目的、などがある。最適指標生成装置51のユーザーが選択した段取り活用ルールを、補助入力部(JAMP−wS法)52から入力する。
開始終了時期算出部56では、第2実施形態の開始終了時期算出部26とは異なり、保全に加えて段取り業務の情報が追加されている。
ステップS51では、Q−time制約に関する情報を生産管理システム10を介して入力部12により入力する。ステップS52では、Q−time構造分析部43を経て算出した情報と、生産実行システムに含まれる複数の装置に関する情報を生産管理システム10を介して入力部22と補助入力部23により入力する。
さらに、ステップS53では、装置の段取り替えや段取り活用方法に関する情報を補助入力部52から入力した情報を用いて、段取り替えサイクル算定部53により、Q−time制約や工程納期を遵守しつつ各装置の段取り率最小となる多品種生産サイクルおよび段取り周期等を算出し、装置区分算定部54に入力する。
次に、ステップS54では、装置区分算定部54により複数の装置を常用能力を有する常用装置と代替能力を有する代替装置とに区分する。ステップS55では、装置能力区分と入力された情報および各装置の段取り情報からJAMP-wS最適論理値計算部55により複数の常用装置と代替装置(および常用能力と代替能力)に対する生産負荷・稼働回数と稼働時期を算出する。
ステップS56では、常用装置と代替装置とに関する予防保全開始・終了時期および各装置の段取り周期や品種生産サイクルを開始終了時期算出部56により算出すると共に内部記憶56aに記憶する。
ステップS57では、開始終了時期算出部56により算出された製品処理・段取り・保全の最適な開始終了時期情報を生産管理システム10やエンジニアリング業務システム29に供給する。
これら生産や業務の最適な開始終了時期情報それぞれに固有の識別番号等が付され、生産管理システム10やエンジニアリング業務システム29で管理される生産実績や業務実績と内部記憶部56aとの照合に利用することができる。
まず、ステップS61では、段取り替えサイクル算定の前処理で、補助入力部52から固有の割当て情報が入力された場合は、入力された情報を使う。固有の割当てが指定されない場合は、補助入力部(JAMP−wS法)52から入力された装置−品種割当ルールと装置使用可能品種/スペック対応に従って品種−装置割当を算定する。装置−品種割当ルールでは、ある品種の生産率が一定期間に渡って大幅に減少するまたはゼロになる生産リスクと段取り時間の低減とが考慮される。
次に、ステップS62では、多品種生産サイクル検出では、装置を共用するn品種に対する(n−1)!個の生産サイクルを抽出し、各サイクルについて、其々の段取り替えが1回ずつ行われる1周期における総段取り時間を算定する。
次に、ステップS63では、多品種生産周期算定では、ステップS62で抽出した生産サイクル毎に、多品種ロットのQ−time制約を遵守しつつ段取りを最小化する生産周期を算定する。最後に、多品種生産周期算定と1周期における段取り時間から、最小段取り率サイクルを算定する。
ステップS64では、段取り替えサイクル算定部53では、3品種以上の生産ロットに共用される製造装置において、Q−time制約等の滞在時間制約を遵守しつつ段取りを最小化することを可能にしている。
装置区分算定部54の手続きは、(S71)装置区分別必要台数算出→(S72)段取り順ソート→(S73)装置区分と保全順序決定、の3段階で構成される。まず、(S71)装置区分別必要台数算出では、第2実施形態と同様に、常用装置(常用能力)と代替装置(代替能力)の区分別の数量を算定する。(S72)段取り順ソートでは、生産工程#1の装置群5に属する各装置について、段取り替えサイクル算定部53で算定された段取り率の大小順に並べ替える。(S73)装置区分と保全順序決定で、(S72)段取り順ソートの結果に基づき、各装置の装置区分と保全順序を決定する。
連続生産期間Tp、待ち時間Tw、製品ロット到着率λ0、製品サービス率μ、生産周期Tc、基本割当装置台数nとすると、ある品種の仕掛品のバッファ内での平均滞在時間WBは、数式38で表せる。
最適化問題の定式化(例えば、図66に示すように3品種で生産順序がA、B、Cの場合)
感度解析部(JAMP−wS特性)58は、JAMP−wS最適論理値計算部55から入力される処理負荷(回数)とその処理時期、生産サイクルや段取り時間、保全時間、が変動した場合のJAMP−wS法理論値計算の結果の変化特性を算定する。感度解析部(JAMP−wS特性)58は、この感度解析結果を、内部記憶部58aに記録しておき、JAMP−wS法理論値計算結果、各装置の処理負荷(回数)とその処理時期、生産サイクルや段取り時間、保全時間が動的に変化した場合に、即時に更新データとして使用することもできる。内部記憶部58aの情報は、最適指標生成51の実行必要性の判定にも用いられる。この必要性の判定は、管理対象の生産工程#1における各種の変動(装置群の処理能力の変化や、目標生産率の変更、トラフィックの変動など)に対応して判断される。必要性が確認された場合、最適指標生成51に計算指示が出される。
となる。ここで、
の場合、負になるため代替回数の軽減が可能になる。これは、即ち、段取り時間を逆手に活用することによって、保全時期の分散化の可能性を高められることを意味する。常用装置m’台全体としては代替処理個数は、段取りを活用することにより、
回減らすことが可能となる。これを利用して、図69に示す段取り活用法(1)を定めた。また、一方で、実際の工場では、保全時間が予定より長大化することが少なくない。JAMP法が提供する保全時期分散化方法は、ある保全が終了した後に次の保全が開始するまでの時間間隔をゼロから可能な範囲まで代替回数や段取り時間を用いて柔軟に調整できる。そこで、保全時間の長大化へ対応するために段取り時間を活用する図69に示す段取り活用(2)を定めた。段取り活用法(3)は、段取り活用方法(1)と段取り活用法(2)を合体させたものである。
[目的と方法]
図17(Q−time制約区間)に示した実際の生産工程モデルを用いて、典型的ルール(先着順(FCFS))や、Q−time制約区間投入制御付き先着順(以下、FCFS−CT)、投入制御付き最短処理時間順(以下、SPT−CT)などの従来法と、本発明の段取り低減・活用方法の性能を比較する。性能指標には、単位生産期間あたりの段取り時間の占める割合として定義される段取り率、生産ロット投入率と工程の良品出力率の比を表す良品生産率、ならびに、良品生産率と稼動率の総合的指標である総合設備効率(以下OEE)を用いた。総合設備効率は、実用上重要な性能指標で、半導体製造等のように製造コストに占める設備の減価償却費が非常に高い産業において重要視されている。なお、ここでは、Q−time制約を遵守した非リワークロットを良品とした。また、先行技術(非特許文献1や非特許文献2など)との計算時間の比較を行う。
図71に示す通り、本発明の提案手法が、総合設備効率(OEE)を高められる方法であることが確かめられた。
計算時間に関しては、非特許文献1で3秒を要していた計算を0.01秒以内に抑え、つまり300分の1の計算時間を実現した。これにより、保全等を含むまとまった生産期間を対象にした生産業務やエンジニアリング業務の実時間での最適管理を実現できる(実工場では、実時間管理のために各生産指示を約3秒以内に高速行えることが期待されている)。また、非特許文献1や非特許文献2に応用されている混合整数計画法の計算オーダーが指数時間に従うのに対して、本発明の第5実施形態の計算オーダーは線形時間を実現する方法であり、計算の高速性を実現している。例えば、非特許文献1の計算では、対象とする生産工程の一部(5装置群7工程)について生産期間10時間分の生産スケジュールの計算に3秒かかり、その計算時間は指数時間に従うことから原理的に6日以上の計算を6日以内に終えることが難しい。しかし、本発明の第5実施形態の方法では、数カ月の生産期間を対象にした生産業務とエンジニアリング業務の計画を数秒以内に計算することを可能にしている。こうして、現実に生じる動的な変化に対応するための再計算を即時に行う性能も実現している。
特に、フォトリソグラフィー装置群は、単価が高額で台数が限られており、生産工程全体の生産率を決定づけるボトルネックとなっている。また、フォトリソグラフィー工程では、マスク(工場ではレチクルと呼ばれる)という集積回路製造の原版を複数の装置で共有し、その交換のための段取り時間などが生産率に影響している。このようなボトルネックの生産率を高め、生産工程における製造装置の生産率を抜本的に向上し、また適切な多品種生産における段取り作業の最小化に基づく、適切なレチクル枚数の削減などのコスト削減の問題の解決に資するものである。
[第3実施形態と第5実施形態での問題点と課題]
第3実施形態では、滞在時間に制約が付された生産工程における生産物流・在庫管理と製造設備の保全業務の最適化方法とを統合的に管理する方法を示した。また、第5実施形態では、製造設備に関わる段取り業務と保全業務を統合的に最適化する方法を示した。しかし、製造設備に関わる業務の統合的最適化方法と生産物流・在庫の最適管理方法を総合的に管理する技術として統合されていない点が課題であった。また他方で、プロセスの高度化・自動化に伴う製造設備の予定外停止への対応もまた重要な問題であり、予定された保全や段取りに加えて、突発的な故障や予知保全などによる動的な装置停止による生産能力の低下なども考慮できるような技術の改良が求められる。そこで、第6実施形態では、第3実施形態と第5実施形態の変形例として、段取り業務と全般的保全管理法を生産物流・在庫管理と統合した製造業務統合管理法を示し、これらの課題を解決する方法を示す。
これらを踏まえた第6実施形態の動的装置業務・生産物流の最適管理方法を、CKB=JAMP-with Setup and Stop(以下、CKB=JAMP−wS2)法と呼ぶ。
第6実施形態では、多品種・繰返し処理ロットのQ−time制約を遵守しつつ段取りや保全業務の実施時期を最適化し、装置稼動率の向上と良品率向上と目標生産達成率向上を同時に達成することを目的とする。
また、最適指標生成装置61は、図60に示す最適指標生成装置51(第5実施形態)と同様に、入力部22、補助入力部(JAMP法)23、補助入力部(JAMP−wS法)52、段取り替えサイクル算定部53、装置区分算定部54、JAMP−wS最適論理値計算部55、感度解析部(JAMP−wS特性)58、など最適指標生成装置51の全体、を備えている。なお、図72では、入力部12と補助入力部13をまとめて入力モジュール(CKB法)12Aに、入力部22、補助入力部(JAMP法)23、補助入力部(JAMP−wS法)52をまとめて入力モジュール22Aとして表している。
第3および第5実施形態と比較して、第6実施形態に特徴的な構成は、図72に示すように、補助入力部(CKB=JAMP−wS2法)62、装置群生産周期位相設定部63、生産スパイク算定部64、CKB=JAMP−wS2最適理論値計算部65、指標算出部66、感度解析部(CKB=JAMP−wS2性能特性)67、感度解析部(CKB=JAMP−wS2特性)68、を備えていることにある。
第5実施形態では、予防保全時期の決定に際して、各装置で処理する多品種生産ロットのQ−time制約を遵守しつつ段取り時間の最小化を図り、さらに、不可避な段取り時間を逆手に活用して予防保全時期の分散化の進展や生産リスク提言を図る方法を示した。第5実施形態の最適指標生成装置51により、図75に示すような生産スパイクを可能な限り減じて、常に生産能力を高く維持することが可能となる。ここで、第5実施形態で算定された多品種生産の段取りや予防保全を考慮した各装置の生産負荷配分方法を用いることによって、第1実施形態、第3実施形態、ならびに第4実施形態に示した最適指標生成装置11、最適指標生成装置31、ならびに最適指標生成装置41の機能・性能を高める方法を第6実施形態で示す。第6実施形態では、製造設備の保全と多品種・繰返し生産の段取りを考慮してQ−time制約区間等の工程間滞在時間制限が付された生産工程を管理する方法を示す。
他方、最適指標生成装置31(第3実施形態)ほかでは、管理対象とする生産工程のボトルネックに合わせたQ−time制約区間の生産物流・在庫管理のための最適指標とその置き換え条件を生成した。第6実施形態では、第5実施形態の最適指標生成装置51で生成される保全や段取りや各装置への生産負荷配分に伴う各時点の装置群の生産能力や生産負荷の情報を元に、(1)ボトルネックの箇所や生産能力の変化を予期・分析し(生産スパイク算定部64)、第3実施形態や図49に示した生産スパイクの発生原因と分析方法を具体的に示し、Q−time制約区間の生産物流・在庫管理の応用例を具体化する(CKB=JAMP−wS2最適理論値計算部65)。(2)この時、最適指標生成装置51(第5実施形態)で算定される各装置の多品種生産サイクルに位相を導入することによって、生産工程の生産リスクを減じて生産率を高めるよう、生産スパイクを変形する(装置群生産周期位相設定部63)。
(3)また、第5実施形態で取り上げた予防保全や段取りや生産負荷配分に加えて、製造装置の異常の監視・予測に基づく予知保全や突発的な故障による生産スパイクの動的変化への対応方法についての記述を加える。
まず、第5実施形態の最適指標生成装置51の主要な処理を実行する。具体的には、ステップS81では、入力部12や補助入力部13を介して生産管理システム10やエンジニアリング業務システムから入力された情報に基づいてQ−time構造分析部43でQ−time構造を分析する。
ステップS82では、Q−time構造分析の結果と、入力部22や補助入力部(JAMP法)23や補助入力部(JAMP−wS法)52を介して生産管理システム10やエンジニアリング業務システムから入力された情報に基づいて、段取り替えサイクル算定部53、装置区分算定部54、JAMP−wS最適論理値計算部55の計算を実行する。
ステップS83では、JAMP−wS最適論理値計算部55の算出結果と感度解析部(JAMP−wS特性)58の算出結果が内部記憶58aに記憶される。
ステップS84では、JAMP−wS最適論理値計算部55から算出される複数の常用装置と代替装置(および常用能力と代替能力)の稼働回数と稼働時期、常用装置と代替装置とに関する予防保全開始・終了時期および各装置の段取り周期や品種生産サイクルを、開始終了時期算出部56を介して入力して、生産スパイク算定部64では、生産スパイクを算出し、内部記憶64aに記憶する。
ステップS85では、生産スパイク算定部64は、補助入力部(CKB=JAMP−wS2法)62と内部記憶64aから入力された情報を元に、感度解析部(JAMP−wS特性)58の内部記憶58aと照合して、動的な生産スパイクなどを算出し、内部記憶64aに記憶する。
また、ステップS86では、生産スパイク算定部64での計算に装置群生産周期位相設定部63の算定結果を用いて生産スパイクの変形することができる。
ステップS87、S88では、各入力部やQ−time構造分析部14や最適ロードルール判定部19ならびに生産スパイク算定部64から入力される情報に基づいて、CKB=JAMP−wS2最適理論値計算部65では、対象とする生産工程のQ−time制約区間における生産物流・在庫管理のための最適指標を生成し、生産管理システム10やエンジニアリング業務システム29、または生産工程#1のエンジニアやオペレータに指標算出部66を介して出力すると共に、内部記憶66aに記憶する。
また、ステップS89では、指標算出部66は、内部記憶部66aと生産管理システム10やエンジニアリング業務システム29などの生産実績や装置関連業務実績の情報を照合して、生産管理システム10における生産指示やエンジニアリング業務システム29における業務指示のための情報を出力する。これら生産指示や業務指示のそれぞれに固有の識別番号等が付され、生産実績や業務実績と内部記憶部66aとの照合に利用することができる。
指標算出部66では、第3実施形態の算出部17A、ならびに、第5実施形態の56と同様であるが、保全や段取り業務の情報と、生産物流・在庫管理に関する情報とが含まれた総合的な生産・業務指示情報を出力する点が異なる。
補助入力部62では、生産管理システム10やエンジニアリング業務システム29などを介して、動的な故障や予知保全の発生箇所や発生時期や保全終了予定時期、目標生産負荷(投入)計画の変更、生産工程の多品種ロットの仕掛り数量、などの情報を入力する。また、生産周期位相設定部63で用いる生産周期位相設定ルールに関する情報を入力する。
生産スパイクは、生産目標率や実績生産投入率に対する生産能力(装置群や工程のスループット)の差を示す。生産リスクとして、図75に示すような生産率(と在庫)に関する生産リスクと時間(と在庫)に関する生産リスクの2種類のリスクを分析する。
また、補助入力部62から動的な故障や予知保全の情報入力を受けて、記憶部64aの生産スパイクを更新した場合の生産スパイクを、動的生産スパイクと呼ぶ。
生産スパイクの算定単位には、装置、装置群、複数装置群、処理工程、複数処理工程、などがある。
単一のスパイクに、複数個の異なる低下期や復旧期が重なることもある。このような生産スパイクは、例えば、段階的に保全対象装置台数が増えていった後、保全を終了した装置が段階的に製造処理を再開するような場合などに発現する他、図78のように複数工程のスパイクを重ねた複合スパイクに発現する。
(1)各装置群のJAMP−wS法に基づく算出結果を入力する
(2)各装置群jで予防保全、故障や予知保全などにより発生するスパイクk(低下期と復旧期)の深さと長さを算定する。
(A)低下期のスパイクの深さ(μ1(j,k)−μ2(j,k))と長さTr(j,k)によって定まる低下期終了点と目標生産率線(または生産工程の生産率容量など)の時間差:
この面積分が在庫ロスや生産期間ロスを引き起こす。これは、理想の生産能力や生産目標に対する生産実績の差を表し、各種生産目標割れの可能性(生産リスク)を定量化したものである。
(D)生産スパイクを用いた生産リスクの分析:
図74や図75に示すような生産スパイク図を用いて、生産リスクを以下(あ)と(い)の観点で定量的に分析する。
(あ)生産率(と在庫)に関する生産リスク:生産スパイクの面積
生産スパイクに与える目標生産率を、工程区間や生産工程全体のボトルネックにおける生産率とした場合、工程区間や生産工程全体の生産率を更に低下させる生産リスクを定量的に分析することができる。当該リスクの大きさSA(j,k)は、数式50で示した式で算定する。
(い)時間(と在庫)に関する生産リスク:限界線と実績の差分
対象とする装置群j、工程kにおける滞在時間の制約tdd(j,k)とtd(j,k)を比較してtdd(j,k)<td(j,k)である場合、滞在時間の制約を超過する生産リスクが発生する。この生産リスクの大きさを面積の差分SB(j,k)として計算する。
(3)(2)で算定された各装置群jで最大スパイクや生産リスクの大きな順に並べる。
(4)(2)で算定された各装置群jのスパイク(時刻tに依存)や生産リスクを重ね合わせ、図78に示すような生産工程を通した複合生産スパイクや複合生産リスクを算定する(Q−time制約区間、ボトルネック−ボトルネック区間、生産工程全体、など)。
なお、最適指標生成装置21(第2実施形態)の性能評価事例で図46に示したように、JAMP法を用いて保全時期を分散化(すなわち生産能力の平準化)を図ることによって生産スパイクが発生しない場合もある。このように、生産スパイク図は、最適指標生成装置の性能評価指標としても用いることができる。
例えば、図22のような装置−品種割当がなされた装置群(処理工程)で、製品p1、p2、p3の3品種に共用される装置が3台(624、625、627)ある。これらの装置では、最適指標生成装置51(第5実施形態)を用いて、Q−time制約等の滞在時間制約を遵守しながら段取りを最小化する生産サイクルが算定される。例えば、p1、p2、p3の生産順序が最適と算定されたとする。ここで、3台が全て設定条件が同じのため最適生産順序もp1、p2、p3の同順で、其々の品種の継続可能生産時間がTp(p1)、Tp(p2)、Tp(p3)である場合、全ての装置で同一の生産サイクルを同じ生産サイクル開始点の設定下で用いると、最初のTp(p1)時間は、3台全てで品種p1を処理し、他の品種p2とp3の仕掛りロットはTp(p1)の時間待たされる。すると、このTp(p1)期間の品種p2とp3の処理工程では生産能力が低下し、生産スパイクや生産リスクが発生する可能性が高まる。このような事態を避け、全ての製品ロットに対して配分する生産能力を平準化するために、装置群生産周期位相設定部63を用いて、適切な位相を算定する。この位相の設定には、補助入力部62で入力される生産周期位相設定ルールを用いる。
更に、CKB=JAMP−wS2法最適理論値計算では、最適指標生成装置31(第3実施形態)のように、装置群の処理能力の変化に応じて、予めQ−time制約区間における投入量をQ−time制約を遵守できる値として変更する機能を備え、円滑なQ−time区間の生産物流・在庫管理を実現する。
ここで、第5実施形態のCKB=JAMP−wS法最適理論値計算と異なる点は、生産スパイクや生産リスクの分析に基づいて生産サイクルの位相を適切に調整して多品種・繰返し生産の平準化を図るように多品種の投入・生産の時期を具体的に定める点、および、予防保全や段取りに加えて、装置の突発故障や予知保全、あるいは各種生産目標の変更などに伴う動的な処理能力や生産負荷の変化を加味する点にある。この動的な変化が、補助入力部(CKB=JAMP−wS2法)62を介して、装置群生産周期位相設定部63や生産スパイク算定部64などに入力される。
また、第6実施形態は、予定された保全や段取りに加えて、突発的な故障や予知保全などによる動的な生産能力の低下を加味して、生産スパイクに基づく装置群・生産工程の生産リスクを定量的に分析する評価指標を備える。装置停止などによって発生する生産スパイクや生産リスクの分析に基づいて、生産物流・在庫を最適管理する方法を提供する。
[第4実施形態と第6実施形態での問題点と課題]
第4実施形態では、Q−time制約区間の構造分析に関わる情報処理手続きや、並列構造を直列構造に変換する生産能力配分の方法を明示していなかった。特に、複数の工程が同一装置群を共用し、かつ、各工程でのQ−time制約時間が異なる場合に、段取り時間の短縮とQ−time制約の遵守と生産率最大化を同時に達成する管理方法を定めることが課題であった。また、第6実施形態では、対象とする生産工程全体における多品種ロットの生産期間を短縮する方法の構築などの課題が残されていた。
第7実施形態では、第4実施形態と第6実施形態の変形例として、管理対象とする生産工程の全ての装置群についてJAMP−wS法により算定される保全や段取り時期により発生する静的生産スパイクに動的な故障などを合わせた動的生産スパイクを複数の生産工程について重ね合わせた複合スパイクを分析し、対象とする生産工程における生産スパイクを最小の安全在庫で吸収して、生産工程全体の生産率を決定づける資源的ボトルネックにおける生産率低下を防ぎながら、在庫の削減と生産期間の短縮を実現することを目的としている。
また、最適指標生成装置71は、図50に示す最適指標生成装置41(第4実施形態)と同様に、最適ロードルール判定部19、生産フローボトルネック・流量解析部42、補助入力部(手続き型CKB法)45、駆動制御部46、余裕時間配分解析部47、手続き実行制御部(CKB+PS法)48、を備えている。これらの全体を、最適指標生成成装置41計算モジュール73とする。なお、駆動制御部46は、変動監視検出部32、入力変更検出部33、再計算必要性判断部34、感度解析部(CKB+JAMP特性)35から構成されている。
第4および第6実施形態と比較して、第7実施形態に特徴的な構成は、図79に示すように、最適指標生成成装置61計算モジュール72、最適指標生成成装置41計算モジュール73、最適指標計算部(手続き型CKB=JAMP−wS2法)75、指標算出部76、感度解析部(手続き型CKB=JAMP−wS2法)77、感度解析部(手続き型CKB=JAMP−wS2性能)78から構成されている。
まず、最適指標生成装置61計算モジュール72において、最適指標生成装置61(第6実施形態)の特徴的な処理を実行する。
具体的には、ステップS91では、入力部12や補助入力部13を介して生産管理システム10やエンジニアリング業務システムから入力された情報に基づいてQ−time構造分析部43でQ−time構造を分析する。 次いで、ステップS92では、Q−time構造分析の結果と入力部22や補助入力部(JAMP法)23や補助入力部(JAMP−wS法)52を介して生産管理システム10やエンジニアリング業務システムから入力された情報に基づいて、段取り替えサイクル算定部53、装置区分算定部54、JAMP−wS最適論理値計算部55の計算を実行する。ここで、JAMP−wS最適論理値計算部55の算出結果と感度解析部(JAMP−wS特性)58の算出結果が内部記憶58aに記憶される。
次いで、ステップS93では、JAMP−wS最適論理値計算部55から算出される複数の常用装置と代替装置(および常用能力と代替能力)の稼働回数と稼働時期、常用装置と代替装置とに関する予防保全開始・終了時期および各装置の段取り周期や品種生産サイクルを、開始終了時期算出部56を介して入力して、生産スパイク算定部64では、生産スパイクと各種生産リスクを算出し、内部記憶64aに記憶する。
次いで、ステップS94では、生産スパイク算定部64は、補助入力部(CKB=JAMP−wS2法)62と内部記憶64aから入力された情報を元に、感度解析部(JAMP−wS特性)58の内部記憶58aと照合して、動的な生産スパイクなどを算出し、内部記憶64aに記憶する。
また、ステップS95では、生産スパイク算定部64での計算に装置群生産周期位相設定部63の算定結果を用いて生産スパイクの変形することができる。
具体的には、ステップS96では、生産実行システムに含まれる複数の装置に関する情報を生産管理システムを介して入力部12や補助入力部13や補助入力部(手続き型CKB法)45により入力し、さらに生産スパイク算定部64から入力される情報から生産ボトルネック・流量解析部42により解析した複数の装置による生産工程の中のボトルネック箇所および最大流量と、Q−time構造分析部43による分析結果を入力し、手続き実行制御部(CKB+PS法)48を用いて全ての各Q−time区間の最適管理指標を計算する指示を出す。
次いで、ステップS97では、最適管理指標の計算においては、最適ロードルール判定部19やQ−time構造分析部43や生産スパイク算定部64からの情報を入力して、手続き型CKB=JAMP−wS2最適理論値計算部75において、対象とする生産工程の全てのQ−time制約区間における生産物流・在庫管理のための最適指標を生成し、生産管理システム10やエンジニアリング業務システム29や生産工程#1のエンジニアやオペレータに指標算出部76を介して出力すると共に、内部記憶76aに記憶する。
また、指標算出部76は、内部記憶部76aと生産管理システム10やエンジニアリング業務システム29などの生産実績や装置関連業務実績の情報を照合して、生産管理システム10における生産指示やエンジニアリング業務システム29における業務指示のための情報を出力する。これら生産指示や業務指示のそれぞれに固有の識別番号等が付され、生産実績や業務実績と内部記憶部76aとの照合に利用することができる。
感度解析部(手続き型CKB=JAMP−wS2法)77や感度解析部(手続き型CKB=JAMP−wS2性能)78は、感度解析部(CKB=JAMP−wS2法)67や感度解析部(CKB=JAMP−wS2性能)68と同様の機能をもつが、それらの内部記憶部77aや78aには生産工程の全体に対する感度解析結果が記憶される。
最適指標生成成装置61計算モジュール72は、生産管理システム10やエンジニアリング業務システム29を介して入力部22や補助入力部(JAMP法)23や補助入力部(JAMP法)45や補助入力部(JAMP−wS法)52から入力された情報と、入力部12から入力された情報に基づいてQ−time構造分析部43を行った結果を入力し、段取り替えサイクル算定部53、装置区分算定部54、JAMP−wS最適論理値計算部55の計算を実行する。JAMP−wS最適論理値計算部55の算出結果と感度解析部(JAMP−wS特性)58の算出結果が内部記憶58aに記憶される。JAMP−wS最適論理値計算部55から算出される複数の常用装置と代替装置(および常用能力と代替能力)の稼働回数と稼働時期、常用装置と代替装置とに関する予防保全開始・終了時期および各装置の段取り周期や品種生産サイクルを、開始終了時期算出部56を介して入力して、生産スパイク算定部64では、生産スパイクと各種生産リスクを算出し、内部記憶64aに記憶する。生産スパイク算定部64は、補助入力部(CKB=JAMP−wS2法)62と内部記憶64aから入力された情報を元に、感度解析部(JAMP−wS特性)58の内部記憶58aと照合して、動的な生産スパイクなどを算出し、内部記憶64aに記憶する。また、生産スパイク算定部64での計算に装置群生産周期位相設定部63の算定結果を用いて生産スパイクの変形することができる。
生産工程の並列構造は、同一装置群を共用する多品種ロットや繰返し処理ロットによって発生する。並列構造には、第4実施形態に示した通り、合流や分岐を含む。これは、異なる属性をもつ仕掛りロットが同一装置(同一装置群)を用いた処理のために合流する場合や、逆に、同一装置(同一装置群)で処理された仕掛りロットが、次に異なる処理のために異なる装置(装置群)へと分岐していくことなどに該当する。一般には、多品種生産ロットの製造プロセスフローの違いが、生産工程上での合流や分岐として現れる。さらに、電子デバイス製造(半導体・フラッドパネルディスプレイ等)では、また、3次元構造を形成するために各層を形成する処理を繰返すために、処理ロットの合流・分岐が発生する。
複数Q−time制約区間への生産能力の最適な配分方法を、以下(A)、(B)の前提をおいて、(i)、(ii)の場合分けを用いて実現する。このように、複数の工程が同一装置群を共用し、かつ、各工程での−time制約時間が異なる場合の扱いを定めた。
(A)各工程j1、j2へ配分される機械台数αj1m、αj2mは整数とは限らない。
(B)整数でない場合、図82ように[αj1m]台を用いる期間と([αj1m]+1)台を用いる期間を切り替えて処理する。ここで、[αjim]<αjim<[αjim]+1。この時、それぞれの工程jにおけるQ−time制約TQjを遵守する条件は、以下(i)または(ii)で記述できる。ここで、λjをロットの平均到着率、μjを工程jの平均処理時間から換算した平均サービス率、[αjim]=nj、とする。
生産工程で起こった装置停止(予防保全時)による生産物流率のスパイクを、Q−time制約などの製造条件としての時間的制約が付されていない工程区間にまとめて中間在庫を持たせて取り除き、後続の資源的ボトルネック工程(リソグラフィー工程)などへ当該装置停止による物流変動を伝搬させない方式を指す。ここで、工場では、基本的に同様の考え方で「大量の在庫」を抱えていることが本質的に問題であるので、このスパイク除去のための在庫量を適正化(最小化)することが課題になる。到着連動集中在庫型方式では、変動が少なくQ−time制約などが設定されていないような生産リスクの小さい工程区間に安全在庫を置き、能力低下が発生した工程のロット退去(生産物流率)の変化に関わらず、安全在庫を配置した工程以降では生産率が一定(平準)になるように制御する。なお、この方法では、Q−time制約区間では、原則として、手続き型CKB=JAMP−wS2法で、装置停止によって発生する低下期と復旧期の生産能力(生産率)に連動して各Q−time制約のCKB法最適管理値が再計算・再設定される。各工程間に余計な在庫を配置しない場合、工程の利用率が100%を超えない限りはロットの到着に追従するように連動して稼動する。図83のように、装置集中停止時間tdによって発生するスパイクを取り除くための中間在庫LrはLr=λ0trとなる。ここで、制約が付されていない工程区間にまとめて取り除くためtr=td。
到着連動集中在庫型方式の利点は、在庫集約により同一サービスレベルをより少ない在庫で達成することが可能になる点である。手前の複数の工程での装置停止の影響を一手に吸収する点にある。到着連動集中在庫型方式に想定される欠点は、バッチ処理工程のように一定の在庫を要する工程の中間在庫を活用しないことや、全ての区間にQ−time制約が付された場合、対応できない点が挙げられる。
フォトリソグラフィー〜「DRY1−WET(1)−Fur(1)−DRY2−WET(2)−N2−Fur(2)」〜フォトリソグラフィーの区間で、Fur(1)の予防保全が起こる場合を例に説明を加える。
Fur(1)は、定常時は、利用率80%程度である。
ここで、Fur(1)において、Fur(1)の利用率100%を超えるような装置停止が起こったとする。これは、前述の通り、同時に一定台数以上が保全や故障などのため停止する場合である(このような低下が起こらないように保全時期を分散化するが、万一起こった場合について)。
予め、このような低下期に陥ることが分かっている場合には、第3実施形態で示したように、所定の時点で予め、Fur(1)に関わるQ−time制約区間:DRY1−WET(1)−Fur(1)の最適仕掛管理値を再計算して置き換えることで、Q−time制約の超過を防ぐと共に目標生産率の達成を目指す(第3実施形態)。
ここで、Q−time制約区間の最終工程:Fur(1)のロット退出率は、処理開始と同様の形となり、定常期、低下期、復旧期と大きく変化する。この生産物流率の生産スパイクを、次の資源的ボトルネック装置群(フォトリソグラフィー工程)に伝搬させないよう、速やかに後続の非Q−time制約区間:Fur(1)−Dry(2)で除去する。そのためにDry(2)の仕掛りロット(中間在庫)を最大の生産スパイクを吸収する程度溜めておく。
このような中間在庫は、常にためておく必要はない。仮に予防保全など予め実施時期が決められた場合には、その時期に合わせて溜めてゆけばよい(例えば、Dry(2)では、偶発故障が起こるため、その際に処理しきれなかった分が溜まる機会もある。)。
到着連動集中在庫型方式との違いは、Q−time制約の有無に関わらずバッチ処理工程など一定の在庫を要する工程区間の在庫を活用して、順次可能な限り生産スパイクを低減していく点である。また、資源的ボトルネック工程の目標生産率との乖離を減らすために、バッチ工程でのロードサイズを適切に変更する。
図84のような装置集中停止時間tdによって発生するスパイクを取り除くための中間在庫LriはLri=λ0triとなる。
ここで、制約が付されてるため、制約時間Tqi<tr1のときtr1=Tq1。
そして、後継制約区間の時間長tr(i+1)は
となる。
段階的変動吸収分散在庫型方式の利点は、プロセスの高度化の影響で増加の一途にあるQ−time制約が点在する生産工程でも、各工程の中間在庫を活用して可能な限り生産スパイクを段階的に低減し、資源的ボトルネック工程へのスパイクの伝搬を早い段階で防ぐ可能性を高める点にある。また、バッチ工程でのローディングを生産工程全体に合致させるよう適正化する。段階的変動吸収分散在庫型方式の想定される欠点は、バッチ工程でローディングサイズを小さくすることを許容すると、同一期間長におけるローディング回数を増やすことになり、熱処理炉(Fur)などの装置群では予防保全周期が短くなることがあり、注意を払う必要がある。
先の図58の生産工程モデルのDRY1とDRY2は、不安定なプラズマ系プロセスを採用している装置のため偶発故障が発生する。なお、DRY1、DRY2共にQ−time制約区間の先頭工程であるためQ−time制約の遵守には問題ない。故障により処理中止などを強いられたロット(ウェハ群)は没となる。
一般的な運用条件としてFurの稼働率が80%(通常可動、停止無し)となるリソグラフィー工程の平均生産率である場合に、DRY1で低下期が発生するのは、同時に10台以上ダウンした場合である。(全部でDRY1は装置16台、DRY2も別の装置16台があるモデル)
前の工程j(例えばDRY1)で故障による装置停止の影響で低下期(生産率μ_(d,j)<当初目標生産率(平均)λ)になる。低下期が始まっても、次の工程(WET(1))以降ではQ−time制約を守りつつ、中間在庫(仕掛りロット)が一定以下(特段の定めなえればゼロ)になるまで同じ生産率(当初目標生産率(平均)λ)で処理を続ける。
中間在庫が一定以下(特段の定めなえればゼロ)になった後は、到着ロットに合わせて処理を開始する(低下期の終了時点=復旧期の開始時点まで)。
もし、復旧期のDRY1の生産率μ_(r,j)(=WET(1)へのロット到着率)がWET(1)の平均処理能力より勝っていた場合、WET(1)でのロット仕掛数が増えていく。その仕掛数がQ−time制約を遵守するための最大ロット数に達したら、再度CKB法の上限管理が機能し始める(図84の変化点)。
この場合、CKB法最適値計算に使用する平均到着率は前の工程(Dry1)の復旧期の生産率μ_(r,j)(>λ)となる。低下期の期間tdと当初目標生産率(平均)λがわかっているので、復旧期の長さYは見積もることができる。Y=td(λ―μ_(d,j))/μ_(r,j)。偶発故障時でも復旧終了時点で見積もることができる。
こうして、装置停止の後続工程でQ−time制約区間でもQ−time制約を守りつつ、段階的に生産物流のスパイクを減らしていく。
図85を参照して、本発明の第8実施形態に係る最適指標生成方法について説明する。なお、本実施形態は、第1実施形態に係る最適指標生成装置を構成する各部の動作について、下記のフローチャートで示すプログラムをプロセッサに実行させたことを特徴としている。各ステップはソフトウエアモジュールの動作内容を示しており、詳細な動作内容については第1実施形態に記載しているので、その説明を省略する。
最適指標生成装置に電源が投入されると、CPUは、補助記憶部から読み込んだOSをRAM上にブートして実行する。そして、CPUは、このOS上で補助記憶部からRAM上に読み出したアプリケーションソフトウエアの一例として下記の最適指標生成アプリケーションプログラムを実行する。
まず、ステップS301では、複数の装置と製品に関する情報を生産管理システムを介して入力する。次いで、ステップS303では、製品の到着に関連するバッチ組待ち時間とQ−time制約の上限値との大小関係が切り替わる到着率の境界値を算定し、適切なロードルールを判定する。
次いで、ステップS303では、入力された情報から複数の装置による加工工程間の滞在時間の制限値を示すQ−time構造を分析し、内部記憶部14aに記憶する。
次いで、ステップS304では、入力された情報およびQ−time構造に基づいて、品種別の最適なカンバン枚数およびバッファサイズを計算する。
次いで、ステップS305では、計算された情報を指標情報として出力する。次いで、ステップS306では、算出された最適な指標情報とロードルールとを生産管理システムに供給する。
また、図87に示すフローチャートを参照すると、ステップS315では、後続工程区間または先行工程区間のスループットの変化に連動してカンバン枚数やバッファサイズを変更する。
また、図88に示すフローチャートを参照すると、ステップS317では、加工工程間で待つことが可能な最大ロット数を超えないように、複数の装置による加工工程間に設けられたバッファのサイズを制限することにより、先行工程の製品の出力を制御する。
また、図90に示すフローチャートを参照すると、ステップS320では、Q−time制約区間内に滞在するロットの数を製品品種および処理条件別のカンバン枚数によって制限し、各ロットの処理開始時期を空きカンバンによって制御する。
なお、本変形例であっては、多品種の製品を生産するため複数の装置を制御する生産管理システムに対して、通信回線を介して複数の装置と製品に関する指標情報を送信するサーバが実行することを特徴とする。また、サーバには通信制御部が設けられており、通信制御部が生産管理システムと通信回線を介して情報を通信することとする。
次いで、ステップS323では、計算された情報を指標情報として出力する。
次いで、ステップS324では、製品の到着に関連するバッチ組待ち時間とQ−time制約の上限値との大小関係が切り替わる到着率の境界値を算定し、適切なロードルールを判定する。
次いで、ステップS325では、受信された情報およびQ−time構造に基づいて、品種別の最適なカンバン枚数およびバッファサイズを計算する。次いで、ステップS326では、算出された最適な指標情報とロードルールとを生産管理システムに送信する。
図92を参照して、本発明の第9実施形態に係る最適指標生成方法について説明する。なお、本実施形態は、第4実施形態に係る最適指標生成装置を構成する各部の動作について、下記のフローチャートで示すプログラムをプロセッサに実行させたことを特徴としている。各ステップはソフトウエアモジュールの動作内容を示しており、詳細な動作内容については第1実施形態に記載しているので、その説明を省略する。
最適指標生成装置に電源が投入されると、CPUは、補助記憶部から読み込んだOSをRAM上にブートして実行する。そして、CPUは、このOS上で補助記憶部からRAM上に読み出したアプリケーションソフトウエアの一例として下記の最適指標生成アプリケーションプログラムを実行する。
次いで、ステップS331では、生産実行システムに含まれる複数の装置と製品に関する情報を生産管理システムを介して入力する。
次いで、ステップS332では、入力された情報から複数の装置による加工工程の中のボトルネック箇所および最大流量を解析する。
次いで、ステップS333では、入力された情報から1つ以上のQ−time制約が存在しているQ−time制約区間の構造を分析し、内部記憶部に記憶する。
次いで、ステップS334では、S333で内部記憶部に記憶した情報を用いて、全てのQ−time制約区間について最適指標計算を完了したか否かを判断する。最適指標計算を完了した場合には、ステップS339に進む。最適指標計算を完了していない場合には、ステップS335に進む。
次いで、ステップS336では、複数の装置を常用能力を有する常用装置と代替能力を有する代替装置とに区分する。
次いで、ステップS337では、Q−time制約区間の中のボトルネック箇所および最大流量を解析する。
次いで、ステップS338では、ボトルネック箇所、最大流量および前記Q−time構造に基づいて、品種別の最適なカンバン枚数およびバッファサイズと、常用装置と代替装置とに関する生産負荷と予防保全開始時期を計算して指標情報として内部記憶部に記憶し、ステップS334に進む。
次いで、ステップS339では、S338で内部記憶部に記憶された最適な指標情報を生産管理システムやエンジニアリング業務システムに供給するとともに、時間指標算出ステップにより算出された最適な指標情報を生産管理システムに供給し、処理を終了する。
また、図94に示すフローチャートを参照すると、ステップS343では、生産実行システムに含まれる製造フロー全体における生産流量や工程能力の変動に対応してQ−time制約を同時に管理するために、製造フローにおけるボトルネック箇所と各工程の最大流量を解析する。
なお、本変形例であっては、多品種の製品を生産するための生産実行システムに設けられた複数の装置を制御する生産管理システムに対して、通信回線介して前記複数の装置に関する指標情報を送信するサーバが実行することを特徴とする。また、サーバには通信制御部が設けられており、通信制御部が生産管理システムと通信回線を介して情報を通信することとする。
次いで、ステップS352では、受信された情報から複数の装置による加工工程の中のボトルネック箇所および最大流量を解析する。
次いで、ステップS353では、受信された情報から1つ以上のQ−time制約が存在しているQ−time制約区間の構造を分析し、内部記憶部に記憶する。
次いで、ステップS354では、S353で内部記憶部に記憶した情報を用いて、全てのQ−time制約区間について最適指標計算を完了したか否かを判断する。最適指標計算を完了した場合には、ステップS359に進む。最適指標計算を完了していない場合には、ステップS355に進む。
次いで、ステップS356では、複数の装置を常用能力を有する常用装置と代替能力を有する代替装置とに区分する。
次いで、ステップS357では、Q−time制約区間の中のボトルネック箇所および最大流量を解析する。
次いで、ステップS358では、ボトルネック箇所、最大流量および前記Q−time構造に基づいて、品種別の最適なカンバン枚数およびバッファサイズを計算して指標情報として内部記憶部に記憶し、ステップS354に進む。
次いで、ステップS359では、S358で内部記憶部に記憶された最適な指標情報を生産管理システムやエンジニアリング業務システムに送信するとともに、時間指標算出ステップにより算出された最適な指標情報を生産管理システムに送信し、処理を終了する。
また、Q−time制約割れの主要な原因である、多品種生産の扱い、装置の予防保全、複数のQ−time制約の相互干渉に対しても、解析方法と適正な管理手法を与えることで、Q−time制約遵守しつつ良品スループットの向上とコスト低減・環境負荷低減を同時に達成することができる。
図96を参照して、本発明の第10実施形態に係る最適指標生成方法について説明する。なお、本実施形態は、第2実施形態に係る最適指標生成装置を構成する各部の動作について、下記のフローチャートで示すプログラムをプロセッサに実行させたことを特徴としている。各ステップはソフトウエアモジュールの動作内容を示しており、詳細な動作内容については第1実施形態に記載しているので、その説明を省略する。
最適指標生成装置に電源が投入されると、CPUは、補助記憶部から読み込んだOSをRAM上にブートして実行する。そして、CPUは、このOS上で補助記憶部からRAM上に読み出したアプリケーションソフトウエアの一例として下記の最適指標生成アプリケーションプログラムを実行することを特徴とする。
まず、ステップS361では、複数の装置に関する情報を生産管理システムを介して入力する。次いで、ステップS362では、複数の装置を常用能力を有する常用装置と代替能力を有する代替装置とに区分する。次いで、ステップS363では、算定された装置区分と入力された情報から複数の常用装置と代替装置の稼働回数(生産負荷)と稼働時期を算出する。
次いで、ステップS364では、計算出結果から常用装置と代替装置とに関する予防保全開始・終了時期を算出する。次いで、ステップS365では、算出された最適な開始終了時期情報を生産管理システムやエンジニアリング業務システムに供給する。
なお、本変形例であっては、多品種の製品を生産するための複数の装置を制御する生産管理システムに対して、通信回線を介して複数の装置に関する指標情報を送信するサーバが実行することを特徴とする。また、サーバには通信制御部が設けられており、通信制御部が生産管理システムと通信回線を介して情報を通信することとする。
まず、ステップS381では、複数の装置に関する情報を生産管理システムを介して受信する。次いで、ステップS382では、複数の装置を常用能力を有する常用装置と代替能力を有する代替装置とに区分する。次いで、ステップS383では、算定された装置区分と受信された情報から複数の常用装置と代替装置の稼働回数(生産負荷)と稼働時期を算出する。
次いで、ステップS384では、計算出結果から常用装置と代替装置とに関する予防保全開始・終了時期を算出する。次いで、ステップS385では、算出された最適な開始終了時期情報を生産管理システムやエンジニアリング業務システムに送信する。
図99を参照して、本発明の第11実施形態に係る最適指標生成方法について説明する。なお、本実施形態は、第3実施形態に係る最適指標生成装置を構成する各部の動作について、下記のフローチャートで示すプログラムをプロセッサに実行させたことを特徴としている。各ステップはソフトウエアモジュールの動作内容を示しており、詳細な動作内容については第1実施形態に記載しているので、その説明を省略する。
最適指標生成装置に電源が投入されると、CPUは、補助記憶部から読み込んだOSをRAM上にブートして実行する。そして、CPUは、このOS上で補助記憶部からRAM上に読み出したアプリケーションソフトウエアの一例として下記の最適指標生成アプリケーションプログラムを実行する。
次いで、ステップS391では、生産実行システムに含まれる複数の装置や製品に関する情報を生産管理システムを介して入力する。
次いで、ステップS392では、入力された情報から複数の装置による加工工程間の滞在時間の制限値を示すQ−time制約を分析し、内部記憶部に記憶する。
次いで、ステップS393では、生産実行システムに含まれる複数の装置に関する情報を生産管理システムから入力する。次いで、ステップS394では、複数の装置を常用能力を有する常用装置と代替能力を有する代替装置とに区分する。
次いで、ステップS397では、入力された情報とQ−time構造および予防保全開始時期に基づいて、品種別の最適なカンバン枚数およびバッファサイズを計算して指標情報として出力する。
次いで、ステップS398では、算出された最適な開始終了時期情報を生産管理システムやエンジニアリング業務システムに供給するとともに、算出された開始終了時期により定まる工程能力が異なる各期に対して最適な指標情報を生産管理システムに供給する。
次いで、でステップS402では、各種入力情報の変動に対応した最適な指標情報および開始終了時期情報を即時に生産管理システムに供給する。
なお、本変形例であっては、多品種の製品を生産するための生産実行システムに設けられた複数の装置を制御する生産管理システムに対して、通信回線を介して前記複数の装置に関する指標情報を送信するサーバが実行することを特徴とする。また、サーバには通信制御部が設けられており、通信制御部が生産管理システムと通信回線を介して情報を通信することとする。
まず、ステップS411では、生産実行システムに含まれる複数の装置に関する情報を生産管理システムを介して受信する。次いで、ステップS412では、受信された情報から前記複数の装置による加工工程間の滞在時間の制限値を示すQ−time制約を分析し、内部記憶部に記憶する。
次いで、ステップS146では、常用装置と代替装置とに関する予防保全開始時期を算出する。
次いで、ステップS417では、受信された情報と前記Q−time構造および予防保全開始時期に基づいて、品種別の最適なカンバン枚数およびバッファサイズを計算して指標情報として出力する。
次いで、ステップS418では、算出された最適な開始終了時期情報を生産管理システムやエンジニアリング業務システムに送信するとともに、算出された開始終了時期により定まる工程能力が異なる各期に対して最適な指標情報を生産管理システムに送信する。
Claims (33)
- 多品種の製品を生産するため複数の装置を制御する生産管理システムに対して、前記複数の装置と製品に関する指標情報を供給する最適指標生成装置であって、
前記複数の装置と製品に関する情報を前記生産管理システムを介して入力する情報入力部と、
前記入力された情報から前記複数の装置による加工工程間の滞在時間の制限値を示すQ−time構造を分析するQ−time構造分析部と、
前記入力された情報および前記Q−time構造に基づいて、品種別の最適なカンバン枚数およびバッファサイズを計算する最適理論値計算部と、
前記計算された情報を指標情報として出力する指標算出部と、
製品の到着に関連するバッチ組み待ち時間とQ−time制約の上限値との大小関係が切り替わる到着率の境界値を算定し、適切なロードルールを判定する最適ロードルール判定部と、を備え、
前記指標算出部により算出された最適な指標情報とロードルールとを前記生産管理システムに供給することを特徴とする最適指標生成装置。 - 前記最適理論値計算部により算出された最適な指標情報に対して、感度解析を予め行っておく感度解析部と、
各種入力情報の変動に対応した最適な指標情報を即時に生産管理システムに供給する指標算出部と、をさらに備え、
前記指標算出部は、後続工程区間または先行工程区間のスループットの変化に連動してカンバン枚数やバッファサイズを変更することを特徴とする請求項1記載の最適指標生成装置。 - 多品種の製品を生産するため複数の装置を制御する生産管理システムに対して、前記複数の装置と製品に関する指標情報を供給する最適指標生成方法であって、
前記複数の装置と製品に関する情報を前記生産管理システムを介して入力する情報入力ステップと、
前記入力された情報から前記複数の装置による加工工程間の滞在時間の制限値を示すQ−time構造を分析するQ−time構造分析ステップと、
前記入力された情報および前記Q−time構造に基づいて、品種別の最適なカンバン枚数およびバッファサイズを計算する最適理論値計算ステップと、
前記計算された情報を指標情報として出力する指標算出ステップと、
製品の到着に関連するバッチ組み待ち時間とQ−time制約の上限値との大小関係が切り替わる到着率の境界値を算定し、適切なロードルールを判定する最適ロードルール判定ステップと、を実行し、
前記指標算出ステップにより算出された最適な指標情報とロードルールとを前記生産管理システムに供給することを特徴とする最適指標生成方法。 - 前記最適理論値計算ステップにより算出された最適な指標情報に対して、感度解析を予め行っておく感度解析ステップと、
各種入力情報の変動に対応した最適な指標情報を即時に生産管理システムに供給する指標算出ステップをさらに行うことを特徴とする請求項3記載の最適指標生成方法。 - 前記指標算出ステップは、後続工程区間または先行工程区間のスループットの変化に連動してカンバン枚数やバッファサイズを変更することを特徴とする請求項3記載の最適指標生成方法。
- 前記指標算出ステップは、前記加工工程間で待つことが可能な最大ロット数を超えないように、前記複数の装置による加工工程間に設けられたバッファのサイズを制限することにより、先行工程の製品の出力を制御する、ことを特徴とする請求項3記載の最適指標生成方法。
- 前記Q−time制約区間内のボトルネック箇所のトラフィック強度が1を超えないように制御することを特徴とする請求項3記載の最適指標生成方法。
- 前記トラフィック強度が1より大きくなる場合には、トラフィック強度が1になるようにQ−time制約区間へのロットの投入率を制御する、ことを特徴とする請求項3記載の最適指標生成方法。
- 前記Q−time制約区間内に滞在するロットの数を製品品種および処理条件別のカンバン枚数によって制限し、各ロットの処理開始時期を空きカンバンによって制御することを特徴とする請求項3記載の最適指標生成方法。
- 請求項3乃至9の何れか1項記載の最適指標生成方法におけるステップをプロセッサに実行させることを特徴とする最適指標生成プログラム。
- 多品種の製品を生産するため複数の装置を制御する生産管理システムに対して、通信回線を介して前記複数の装置と製品に関する指標情報を送信する最適指標生成サーバであって、
前記複数の装置と製品に関する情報を前記生産管理システムを介して受信する情報受信部と、
前記受信された情報から前記複数の装置による加工工程間の滞在時間の制限値を示すQ−time構造を分析するQ−time構造分析部と、
前記受信された情報および前記Q−time構造に基づいて、品種別の最適なカンバン枚数およびバッファサイズを計算する最適理論値計算部と、
前記計算された情報を指標情報として出力する指標算出部と、
製品の到着に関連するバッチ組み待ち時間とQ−time制約の上限値との大小関係が切り替わる到着率の境界値を算定し、適切なロードルールを判定する最適ロードルール判定部と、を備え、
前記指標算出部により算出された最適な指標情報とロードルールとを前記生産管理システムに送信することを特徴とする最適指標生成サーバ。 - 多品種の製品を生産するため複数の装置を制御する生産管理システムに対して、通信回線を介して前記複数の装置と製品に関する指標情報を送信するサーバが実行する最適指標生成方法であって、
前記複数の装置と製品に関する情報を前記生産管理システムを介して受信する情報受信ステップと、
前記受信された情報から前記複数の装置による加工工程間の滞在時間の制限値を示すQ−time構造を分析するQ−time構造分析ステップと、
前記受信された情報および前記Q−time構造に基づいて、品種別の最適なカンバン枚数およびバッファサイズを計算する最適理論値計算ステップと、
前記計算された情報を指標情報として出力する指標算出ステップと、
製品の到着に関連するバッチ組み待ち時間とQ−time制約の上限値との大小関係が切り替わる到着率の境界値を算定し、適切なロードルールを判定する最適ロードルール判定ステップと、を実行し、
前記指標算出ステップにより算出された最適な指標情報とロードルールとを前記生産管理システムに送信することを特徴とする最適指標生成方法。 - 多品種の製品を生産するための生産実行システムに設けられた複数の装置を制御する生産管理システムに対して、前記複数の装置に関する指標情報を供給する最適指標生成装置であって、
前記生産実行システムに含まれる複数の装置に関する情報を前記生産管理システムを介して入力する情報入力部と、
前記入力された情報から前記複数の装置による加工工程の中のボトルネック箇所および最大流量を解析するボトルネック箇所解析部と、
前記入力された情報から1つ以上のQ−time制約が存在しているQ−time制約区間の構造を分析するQ−time制約構造分析部と、
前記生産実行システムに含まれる複数の装置に関する情報を前記生産管理システムを介して入力する情報入力部と、
前記複数の装置を常用能力を有する常用装置と代替能力を有する代替装置とに区分する装置区分算定部と、
前記算定された装置区分と入力された情報から前記複数の常用装置と代替装置の稼働回数と稼働時期を算出する最適理論値計算部と、
前記常用装置と代替装置とに関する予防保全開始時期を算出する時間指標算出部と、
前記ボトルネック箇所、最大流量、前記Q−time構造および前記装置区分と前記時間指標に基づいて、品種別の最適なカンバン枚数およびバッファサイズを算出する最適理論値計算部と、前記算出された最適理論値を指標情報として出力する指標算出部と、 前記生産実行システムに含まれる製造フロー全体に点在するすべてのQ−time制約を同時に管理する手続き実行制御部と、を備え、
前記時間指標算出部と指標算出部により算出された最適な指標情報を前記生産管理システムやエンジニアリング業務システムに供給するとともに、前記時間指標算出部により算出された最適な指標情報を生産管理システムに供給することを特徴とする最適指標生成装置。 - 多品種の製品を生産するための生産実行システムに設けられた複数の装置を制御する生産管理システムに対して、前記複数の装置に関する指標情報を供給する最適指標生成方法であって、
前記生産実行システムに含まれる複数の装置に関する情報を前記生産管理システムを介して入力する情報入力ステップと、
前記入力された情報から前記複数の装置による加工工程の中のボトルネック箇所および最大流量を解析するボトルネック箇所解析ステップと、
前記入力された情報から1つ以上のQ−time制約が存在しているQ−time制約区間の構造を分析するQ−time制約構造分析ステップと、
前記生産実行システムに含まれる複数の装置に関する情報を前記生産管理システムを介して入力する情報入力ステップと、
前記複数の装置を常用能力を有する常用装置と代替能力を有する代替装置とに区分する装置区分算定ステップと、
前記算定された装置区分と入力された情報から前記複数の常用装置と代替装置の稼働回数と稼働時期と稼動条件を算出する最適理論値計算ステップと、
前記常用装置と代替装置とに関する予防保全開始時期を算出する時間指標算出ステップと、
前記ボトルネック箇所、最大流量、前記Q−time構造および前記装置区分と時間指標に基づいて、品種別の最適なカンバン枚数およびバッファサイズを算出する最適理論値計算ステップと、前記算出された最適理論値を指標情報として出力する指標算出ステップと、を実行し、
前記時間指標算出ステップと指標算出ステップにより算出された最適な指標情報を前記生産管理システムやエンジニアリング業務システムに供給するとともに、前記時間指標算出ステップにより算出された最適な指標情報を生産管理システムに供給することを特徴とする最適指標生成方法。 - 前記生産実行システムに含まれる製造フロー全体に点在するすべてのQ−time制約を同時に管理する手続き実行制御ステップをさらに行う、ことを特徴とする請求項14記載の最適指標生成方法。
- 前記生産実行システムに含まれる製造フロー全体における生産流量や工程能力の変動に対応してQ−time制約を同時に管理するために、製造フローにおけるボトルネック箇所と各工程の最大流量を解析する生産フローボトルネック・流量解析ステップをさらに行う、ことを特徴とする請求項14記載の最適指標生成方法。
- 請求項14乃至16の何れか1項記載の最適指標生成方法におけるステップをプロセッサに実行させることを特徴とする最適指標生成プログラム。
- 多品種の製品を生産するための生産実行システムに設けられた複数の装置を制御する生産管理システムに対して、通信回線介して前記複数の装置に関する指標情報を送信する最適指標生成サーバであって、
前記生産実行システムに含まれる複数の装置に関する情報を前記生産管理システムを介して受信する情報受信部と、
前記受信された情報から前記複数の装置による加工工程の中のボトルネック箇所および最大流量を解析するボトルネック箇所解析部と、
前記受信された情報から1つ以上のQ−time制約が存在しているQ−time制約区間の構造を分析するQ−time制約構造分析部と、
前記生産実行システムに含まれる複数の装置に関する情報を前記生産管理システムを介して受信する情報受信部と、
前記複数の装置を常用能力を有する常用装置と代替能力を有する代替装置とに区分する装置区分算定部と、
前記算定された装置区分と受信された情報から前記複数の常用装置と代替装置の稼働回数と稼働時期と稼動条件を算出する最適理論値計算部と、
前記常用装置と代替装置とに関する予防保全開始時間を算出する時間指標算出部と、
前記ボトルネック箇所、最大流量、前記Q−time構造および前記装置区分と前記時間指標に基づいて、品種別の最適なカンバン枚数およびバッファサイズを算出する最適理論値計算部と、前記算出された最適理論値を指標情報として出力する指標算出部と、
を備え、
前記時間指標算出部と指標算出部により算出された最適な指標情報を前記生産管理システムやエンジニアリング業務システムに送信するとともに、前記時間指標算出部により算出された最適な指標情報を生産管理システムに送信することを特徴とする最適指標生成サーバ。 - 多品種の製品を生産するための生産実行システムに設けられた複数の装置を制御する生産管理システムに対して、通信回線介して前記複数の装置に関する指標情報を送信するサーバが実行する最適指標生成方法であって、
前記生産実行システムに含まれる複数の装置に関する情報を前記生産管理システムを介して受信する情報受信ステップと、
前記受信された情報から前記複数の装置による加工工程の中のボトルネック箇所および最大流量を解析するボトルネック箇所解析ステップと、
前記受信された情報から1つ以上のQ−time制約が存在しているQ−time制約区間の構造を分析するQ−time制約構造分析ステップと、
前記ボトルネック箇所、最大流量および前記Q−time構造に基づいて、品種別の最適なカンバン枚数およびバッファサイズを計算して指標情報として出力する指標算出ステップと、
前記生産実行システムに含まれる複数の装置に関する情報を前記生産管理システムを介して受信する情報受信ステップと、
前記複数の装置を常用能力を有する常用装置と代替能力を有する代替装置とに区分する装置区分算定ステップと、
前記算定された装置区分と受信された情報から前記複数の常用装置と代替装置の稼働回数と稼働時期と稼動条件を算出する最適理論値計算ステップと、
前記常用装置と代替装置とに関する予防保全開始時間を算出する時間指標算出ステップと、を実行し、
前記指標算出ステップにより算出された最適な指標情報を前記生産管理システムやエンジニアリング業務システムに送信するとともに、前記時間指標算出ステップにより算出された最適な指標情報を生産管理システムに送信することを特徴とする最適指標生成方法。 - 多品種の製品を生産するための複数の装置を制御する生産管理システムに対して、前記複数の装置に関する指標情報を供給する最適指標生成装置であって、
前記複数の装置に関する情報を前記生産管理システムを介して入力する情報入力部と、
前記複数の装置を常用能力を有する常用装置と代替能力を有する代替装置とに区分する装置区分算定部と、
前記算定された装置区分と入力された情報から前記複数の常用装置と代替装置の稼働回数と稼働時期と稼動条件を算出する最適理論値計算部と、
前記計算出結果から前記常用装置と代替装置とに関する予防保全開始・終了時期を算出する開始終了時期算出部と、を備え、
前記開始終了時期算出部により算出された最適な開始終了時期情報を前記生産管理システムやエンジニアリング業務システムに供給することを特徴とする最適指標生成装置。 - 前記最適理論値計算部により算出された最適な開始終了時期情報に対して、感度解析を予め行っておく感度解析部と、
各種入力情報の変動に対応した最適な指標情報を即時に前記生産管理システムに供給する開始終了時期算出部をさらに備えることを特徴とする請求項20記載の最適指標生成装置。 - 多品種の製品を生産するための複数の装置を制御する生産管理システムに対して、前記複数の装置に関する指標情報を供給する最適指標生成方法であって、
前記複数の装置に関する情報を前記生産管理システムを介して入力する情報入力ステップと、
前記複数の装置を常用能力を有する常用装置と代替能力を有する代替装置とに区分する装置区分算定ステップと、
前記算定された装置区分と入力された情報から前記複数の常用装置と代替装置の稼働回数と稼働時期と稼動条件を算出する最適理論値計算ステップと、
前記計算出結果から前記常用装置と代替装置とに関する予防保全開始・終了時期を算出する開始終了時期算出ステップと、を実行し、
前記開始終了時期算出ステップにより算出された最適な開始終了時期情報を前記生産管理システムやエンジニアリング業務システムに供給することを特徴とする最適指標生成方法。 - 前記最適理論値計算ステップにより算出された最適な開始終了時期情報に対して、感度解析を予め行っておく感度解析ステップと、
各種入力情報の変動に対応した最適な指標情報を即時に前記生産管理システムに供給する開始終了時期算出ステップとをさらに行うことを特徴とする請求項8記載の最適指標生成方法。 - 請求項22または23記載の最適指標生成方法におけるステップをプロセッサに実行させることを特徴とする最適指標生成プログラム。
- 多品種の製品を生産するための複数の装置を制御する生産管理システムに対して、通信回線を介して前記複数の装置に関する指標情報を送信する最適指標生成サーバであって、
前記複数の装置に関する情報を前記生産管理システムを介して受信する情報入力部と、
前記複数の装置を常用能力を有する常用装置と代替能力を有する代替装置とに区分する装置区分算定部と、
前記算定された装置区分と入力された情報から前記複数の常用装置と代替装置の稼働回数と稼働時期と稼動条件を算出する最適理論値計算部と、
前記計算出結果から前記常用装置と代替装置とに関する予防保全開始・終了時期を算出する開始終了時期算出部と、を備え、
前記開始終了時期算出部により算出された最適な開始終了時期情報を前記生産管理システムやエンジニアリング業務システムに送信することを特徴とする最適指標生成サーバ。 - 多品種の製品を生産するための複数の装置を制御する生産管理システムに対して、通信回線を介して前記複数の装置に関する指標情報を送信するサーバが実行する最適指標生成方法であって、
前記複数の装置に関する情報を前記生産管理システムを介して受信する情報受信ステップと、
前記複数の装置を常用能力を有する常用装置と代替能力を有する代替装置とに区分する装置区分算定ステップと、
前記算定された装置区分と受信された情報から前記複数の常用装置と代替装置の稼働回数と稼働時期と稼動条件を算出する最適理論値計算ステップと、
前記計算出結果から前記常用装置と代替装置とに関する予防保全開始・終了時期を算出する開始終了時期算出ステップと、を実行し、
前記開始終了時期算出ステップにより算出された最適な開始終了時期情報を前記生産管理システムやエンジニアリング業務システムに送信することを特徴とする最適指標生成方法。 - 多品種の製品を生産するための生産実行システムに設けられた複数の装置を制御する生産管理システムに対して、前記複数の装置に関する指標情報を供給する最適指標生成装置であって、
前記生産実行システムに含まれる複数の装置に関する情報を生産管理システムを介して入力する情報入力部と、
前記入力された情報から前記複数の装置による加工工程間の滞在時間の制限値を示すQ−time制約を分析するQ−time構造分析部と、
前記生産実行システムに含まれる複数の装置に関する情報を生産管理システムから入力する情報入力部と、
前記複数の装置を常用能力を有する常用装置と代替能力を有する代替装置とに区分する装置区分算定部と、
前記算定された装置区分と入力された情報から前記複数の常用装置と代替装置の稼働回数と稼働時期と稼動条件を算出する最適理論値計算部と、
前記常用装置と代替装置とに関する予防保全開始時間を算出する開始終了時期算出部と、 前記入力された情報、前記Q−time構造および前記装置区分と前記開始終了時期に基づいて、品種別の最適なカンバン枚数およびバッファサイズを算出する最適理論値計算部と、前記算出された最適理論値を指標情報として出力する指標算出部と、
を備え、
前記開始終了時期算出部により算出された最適な開始終了時期情報を前記生産管理システムやエンジニアリング業務システムに供給するとともに、前記算出された開始終了時期により定まる工程能力が異なる各期に対して最適な指標情報を最適理論値計算部および前記指標算出部により生産管理システムに供給する、ことを特徴とする最適指標生成装置。 - 前記指標算出部および前記開始終了時期算出部により算出された最適な指標情報および開始終了時期に対して、感度解析を予め行っておく感度解析部と、各種入力情報の変動に対応した最適な指標情報および開始終了時期情報を即時に前記生産管理システムに供給する開始終了時期算出部とをさらに備えることを特徴とする請求項27記載の最適指標生成装置。
- 多品種の製品を生産するための生産実行システムに設けられた複数の装置を制御する生産管理システムに対して、前記複数の装置に関する指標情報を供給する最適指標生成方法であって、
前記生産実行システムに含まれる複数の装置に関する情報を生産管理システムを介して入力する情報入力ステップと、
前記入力された情報から前記複数の装置による加工工程間の滞在時間の制限値を示すQ−time制約を分析するQ−time構造分析ステップと、
前記生産実行システムに含まれる複数の装置に関する情報を生産管理システムから入力する情報入力ステップと、
前記複数の装置を常用能力を有する常用装置と代替能力を有する代替装置とに区分する装置区分算定ステップと、
前記算定された装置区分と入力された情報から前記複数の常用装置と代替装置の稼働回数と稼働時期と稼動条件を算出する最適理論値計算ステップと、
前記常用装置と代替装置とに関する予防保全開始時間を算出する開始終了時期算出ステップと、
前記入力された情報、前記Q−time構造および前記装置区分と前記開始終了時期基づいて、品種別の最適なカンバン枚数およびバッファサイズを算出する最適理論値計算ステップと、前記算出された最適理論値を指標情報として出力する指標算出ステップと、
を実行し、
前記開始終了時期算出ステップにより算出された最適な開始終了時期情報を前記生産管理システムやエンジニアリング業務システムに供給するとともに、前記算出された開始終了時期により定まる工程能力が異なる各期に対して最適な指標情報を最適理論値計算ステップおよび前記指標算出ステップにより生産管理システムに供給する、ことを特徴とする最適指標生成方法。 - 前記指標算出ステップおよび前記開始終了時期算出ステップにより算出された最適な指標情報および開始終了時期に対して、感度解析を予め行っておく感度解析ステップと、
各種入力情報の変動に対応した最適な指標情報および開始終了時期情報を即時に前記生産管理システムに供給する開始終了時期算出ステップとをさらに行うことを特徴とする請求項29記載の最適指標生成方法。 - 請求項29または30記載の最適指標生成方法におけるステップをプロセッサに実行させることを特徴とする最適指標生成プログラム。
- 多品種の製品を生産するための生産実行システムに設けられた複数の装置を制御する生産管理システムに対して、通信回線を介して前記複数の装置に関する指標情報を送信する最適指標生成サーバであって、
前記生産実行システムに含まれる複数の装置に関する情報を生産管理システムを介して受信する情報受信部と、
前記受信された情報から前記複数の装置による加工工程間の滞在時間の制限値を示すQ−time制約を分析するQ−time構造分析部と、
前記生産実行システムに含まれる複数の装置に関する情報を生産管理システムから受信する情報受信部と、
前記複数の装置を常用能力を有する常用装置と代替能力を有する代替装置とに区分する装置区分算定部と、
前記算定された装置区分と受信された情報から前記複数の常用装置と代替装置の稼働回数と稼働時期と稼動条件を算出する最適理論値計算部と、
前記常用装置と代替装置とに関する予防保全開始時間を算出する開始終了時期算出部と、
前記受信された情報、前記Q−time構造および前記装置区分と前記開始終了時期に基づいて、品種別の最適なカンバン枚数およびバッファサイズを算出する最適理論値計算部と、前記算出された最適理論値を指標情報として出力する指標算出部と、
を備え、
前記開始終了時期算出部により算出された最適な開始終了時期情報を前記生産管理システムやエンジニアリング業務システムに送信するとともに、前記算出された開始終了時期により定まる工程能力が異なる各期に対して最適な指標情報を最適理論値計算部および前記指標算出部により生産管理システムに送信する、ことを特徴とする最適指標生成サーバ。 - 多品種の製品を生産するための生産実行システムに設けられた複数の装置を制御する生産管理システムに対して、通信回線を介して前記複数の装置に関する指標情報を送信するサーバが実行する最適指標生成方法であって、
前記生産実行システムに含まれる複数の装置に関する情報を生産管理システムを介して受信する情報受信ステップと、
前記受信された情報から前記複数の装置による加工工程間の滞在時間の制限値を示すQ−time制約を分析するQ−time構造分析ステップと、
前記受信された情報および前記Q−time構造に基づいて、品種別の最適なカンバン枚数およびバッファサイズを計算して指標情報として出力する指標算出ステップと、
前記生産実行システムに含まれる複数の装置に関する情報を生産管理システムから受信する情報受信ステップと、
前記複数の装置を常用能力を有する常用装置と代替能力を有する代替装置とに区分する装置区分算定ステップと、
前記算定された装置区分と受信された情報から前記複数の常用装置と代替装置の稼働回数と稼働時期と稼動条件を算出する最適理論値計算ステップと、
前記常用装置と代替装置とに関する予防保全開始時間を算出する開始終了時期算出ステップと、を実行し、
前記開始終了時期算出ステップにより算出された最適な開始終了時期情報を前記生産管理システムやエンジニアリング業務システムに送信するとともに、前記算出された開始終了時期により定まる工程能力が異なる各期に対して最適な指標情報を最適理論値計算ステップおよび前記指標算出ステップにより生産管理システムに送信することを特徴とする最適指標生成方法。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2012148004A JP6044977B2 (ja) | 2011-06-30 | 2012-06-29 | 最適指標生成装置、最適指標生成方法、最適指標生成プログラム及び最適指標生成サーバ |
TW101151072A TWI594100B (zh) | 2012-06-29 | 2012-12-28 | Optimal indicator generating device, the method of generating the optimum indicator, the optimum indicator generating program, and the optimum indicator generating server |
PCT/JP2012/084031 WO2014002319A1 (ja) | 2012-06-29 | 2012-12-28 | 最適指標生成装置、最適指標生成方法、最適指標生成プログラム及び最適指標生成サーバ |
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2011146687 | 2011-06-30 | ||
JP2011146687 | 2011-06-30 | ||
JP2012148004A JP6044977B2 (ja) | 2011-06-30 | 2012-06-29 | 最適指標生成装置、最適指標生成方法、最適指標生成プログラム及び最適指標生成サーバ |
Publications (3)
Publication Number | Publication Date |
---|---|
JP2013033466A true JP2013033466A (ja) | 2013-02-14 |
JP2013033466A5 JP2013033466A5 (ja) | 2015-08-13 |
JP6044977B2 JP6044977B2 (ja) | 2016-12-14 |
Family
ID=49784147
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2012148004A Active JP6044977B2 (ja) | 2011-06-30 | 2012-06-29 | 最適指標生成装置、最適指標生成方法、最適指標生成プログラム及び最適指標生成サーバ |
Country Status (3)
Country | Link |
---|---|
JP (1) | JP6044977B2 (ja) |
TW (1) | TWI594100B (ja) |
WO (1) | WO2014002319A1 (ja) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2020166548A (ja) * | 2019-03-29 | 2020-10-08 | 川崎重工業株式会社 | 生産管理システム及び生産管理方法 |
JP2021008015A (ja) * | 2019-07-02 | 2021-01-28 | 株式会社ディスコ | 加工廃液処理装置の設置方法 |
KR20220040390A (ko) * | 2020-09-23 | 2022-03-30 | 도쿄엘렉트론가부시키가이샤 | 반도체 제조 장치, 기판 반송 방법 및 프로그램 |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6978732B2 (ja) * | 2017-03-30 | 2021-12-08 | 日本電気株式会社 | フロー制御システム及びその制御方法 |
CN112270522A (zh) * | 2020-10-14 | 2021-01-26 | 广东博智林机器人有限公司 | 一种钢筋作业方法和系统 |
CN113359648B (zh) * | 2021-07-01 | 2022-12-09 | 哈尔滨理工大学 | 相同设备上虚拟调整时长的综合调度方法 |
CN116777192B (zh) * | 2023-08-23 | 2023-12-08 | 成都飞机工业(集团)有限责任公司 | 一种装配生产线动态排程方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003022119A (ja) * | 2001-07-06 | 2003-01-24 | Japan Science & Technology Corp | 多品種生産システム及びその設計・運用方法、その設計・運用プログラム及びそのプログラムを記録した記録媒体 |
JP2003108213A (ja) * | 2001-09-27 | 2003-04-11 | Matsushita Electric Ind Co Ltd | 自動管理システム |
JP2008077370A (ja) * | 2006-09-21 | 2008-04-03 | Renesas Technology Corp | 生産管理システムおよび生産管理方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5612886A (en) * | 1995-05-12 | 1997-03-18 | Taiwan Semiconductor Manufacturing Company Ltd. | Method and system for dynamic dispatching in semiconductor manufacturing plants |
US6738682B1 (en) * | 2001-09-13 | 2004-05-18 | Advances Micro Devices, Inc. | Method and apparatus for scheduling based on state estimation uncertainties |
JP2004021856A (ja) * | 2002-06-19 | 2004-01-22 | World:Kk | フロー管理システム、フロー管理方法、並びにコンピュータ上で動作する情報処理プログラム |
US7269469B2 (en) * | 2004-03-09 | 2007-09-11 | Taiwan Semiconductor Manufacturing Company, Ltd. | System and method for scheduling manufacturing jobs for a semiconductor manufacturing tool |
CN100386702C (zh) * | 2005-06-10 | 2008-05-07 | 同济大学 | 基于信息素的用于半导体生产线的动态调度方法 |
-
2012
- 2012-06-29 JP JP2012148004A patent/JP6044977B2/ja active Active
- 2012-12-28 WO PCT/JP2012/084031 patent/WO2014002319A1/ja active Application Filing
- 2012-12-28 TW TW101151072A patent/TWI594100B/zh active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003022119A (ja) * | 2001-07-06 | 2003-01-24 | Japan Science & Technology Corp | 多品種生産システム及びその設計・運用方法、その設計・運用プログラム及びそのプログラムを記録した記録媒体 |
JP2003108213A (ja) * | 2001-09-27 | 2003-04-11 | Matsushita Electric Ind Co Ltd | 自動管理システム |
JP2008077370A (ja) * | 2006-09-21 | 2008-04-03 | Renesas Technology Corp | 生産管理システムおよび生産管理方法 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2020166548A (ja) * | 2019-03-29 | 2020-10-08 | 川崎重工業株式会社 | 生産管理システム及び生産管理方法 |
JP7261639B2 (ja) | 2019-03-29 | 2023-04-20 | 川崎重工業株式会社 | 生産管理システム及び生産管理方法 |
JP2021008015A (ja) * | 2019-07-02 | 2021-01-28 | 株式会社ディスコ | 加工廃液処理装置の設置方法 |
JP7339033B2 (ja) | 2019-07-02 | 2023-09-05 | 株式会社ディスコ | 加工廃液処理装置の設置方法 |
KR20220040390A (ko) * | 2020-09-23 | 2022-03-30 | 도쿄엘렉트론가부시키가이샤 | 반도체 제조 장치, 기판 반송 방법 및 프로그램 |
KR102640519B1 (ko) | 2020-09-23 | 2024-02-23 | 도쿄엘렉트론가부시키가이샤 | 반도체 제조 장치, 기판 반송 방법 및 프로그램 |
Also Published As
Publication number | Publication date |
---|---|
WO2014002319A1 (ja) | 2014-01-03 |
JP6044977B2 (ja) | 2016-12-14 |
TWI594100B (zh) | 2017-08-01 |
TW201401001A (zh) | 2014-01-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6044977B2 (ja) | 最適指標生成装置、最適指標生成方法、最適指標生成プログラム及び最適指標生成サーバ | |
Li et al. | Process scheduling under uncertainty: Review and challenges | |
JP2013033466A5 (ja) | ||
Da Silva et al. | Simulation study of dispatching rules in stochastic job shop dynamic scheduling | |
Prakash et al. | A comparison of push and pull production controls under machine breakdown | |
Fu et al. | Batch production scheduling for semiconductor back-end operations | |
Amelian et al. | Multi-objective optimization of stochastic failure-prone manufacturing system with consideration of energy consumption and job sequences | |
Huang | Integrated production model in agile manufacturing systems | |
Zhou et al. | Digital-twin-based job shop multi-objective scheduling model and strategy | |
Yuniawan et al. | Overall equipment effectiveness estimation for priority improvement in the production line | |
Olumolade | Reactive scheduling system for cellular manufacturing with failure-prone machines | |
Chen et al. | Advanced planning and scheduling for TFT-LCD color filter fab with multiple lines | |
Haoues et al. | Capacity planning with outsourcing opportunities under reliability and maintenance constraints | |
Ren et al. | An Edge-Fog-Cloud Computing-Based Digital Twin Model for Prognostics Health Management of Process Manufacturing Systems | |
Ni et al. | A double decoupling postponement approach for integrated mixed flow production systems | |
Wang et al. | Multi-subpopulation parallel computing genetic algorithm for the semiconductor packaging scheduling problem with auxiliary resource constraints | |
Ani et al. | The model development of an effective triggering system of production Kanban size towards just-in-time (JIT) production | |
Kumar et al. | Scheduling of flexible manufacturing systems using genetic algorithm: A heuristic approach | |
Chin et al. | Short Term Maintenance Tasks Scheduling with Pinch Methodology. | |
Bhuiyan et al. | Scheduling of a computer integrated manufacturing system: A simulation study | |
Agarwal et al. | Flowshop Scheduling Problem for 10-Jobs, 10-Machines By Heuristics Models Using Makespan Criterion | |
Wu | A Unified View on Planning, Scheduling and Dispatching in Production Systems | |
Yu et al. | An Integrated Approach to Line Balancing for a Robotic Production System with the Unlimited Availability of Human Resources | |
Sahu | Efficient Heuristics for Scheduling Tasks on a Flo Shop Environment to Optimize Makespan | |
Magiera | Method of rescheduling for hybrid production lines with intermediate buffers |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20150626 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20150626 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20160517 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20160715 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20160809 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20161011 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20161101 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20161109 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6044977 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |