KR20090046738A

KR20090046738A - 제조 예측 서버

Info

Publication number: KR20090046738A
Application number: KR1020080109902A
Authority: KR
Inventors: 데이비드 에버톤 노르만; 리차드 스태포드
Original assignee: 어플라이드 머티어리얼스, 인코포레이티드
Priority date: 2007-11-06
Filing date: 2008-11-06
Publication date: 2009-05-11
Also published as: TW200931338A; KR101032819B1; US20090118842A1

Abstract

일 실시예에서, 제조 설비의 미래 상태에 관한 예측을 제공하기 위한 방법은, 제조 설비에서 다양한 소스 시스템으로부터 데이터를 데이터를 수집하는 단계와 상기 수집된 데이터에 기초하여 상기 제조 설비의 미래 상태에 관한 예측을 생성하는 단계를 포함한다. 또한, 이 방법은 상기 제조 설비에서 수용 시스템으로 상기 예측을 제공하는 단계를 포함한다.

Description

제조 예측 서버 {MANUFACTURING PREDICTION SERVER}

본 발명의 실시예들은 일반적으로 제조 설비를 관리하고 특히 제조 설비의 미래에 대한 예측의 제공에 관한 것이다.

제조 산업 환경에서는, 제조 프로세스의 정확한 제어가 중요하다. 효과적이지 않은 프로세스 제어는 원하는 산출량 및 품질 수준을 충족시키지 않는 제품의 제조를 초래할 수 있으며, 원료 물질문 사용, 노동 비용 등등의 증가로 인하여 비용을 상당히 증가시킬 수 있다.

제조 설비를 관리할 때에는, 유휴 설비(idle equipment)가 이후에 무엇을 처리하는가에 관해서 복잡한 결정이 내려질 필요가 있다. 예를 들어, 사용자가 높은 우선순위의 품목(lot)이 수 분 내에 가용하게 될지 여부를 알아야 할 필요가 있을 수 있다. 현재의 컴퓨터 집적 제조(Computer Integrated Manufacturing; CIM) 시스템은 이러한 결정을 하는 것을 보조하기 위하여 설비의 현재 상태에 관한 정보만을 제공한다. 설비가 앞으로 어떻게 될지에 관한 정보는 즉각적으로 이용할 수 없 으며, 진행 중에 이를 계산하는 것은 비용이 많이 든다. 이는 CIM 시스템에 의해 이루어질 수 있는 결정의 정교함을 제한한다. 특히, 설비를 위한 스케줄을 생성하는데 있어서는 이러한 종류의 예측 정보가 필요하며, 이를 계산하는 것은 스케줄 생성 비용의 상당 부분을 차지할 수 있다.

본 발명은 제조 설비의 미래 상태에 관한 예측을 제공하기 위한 방법을 개시하고 있고, 이 방법은 제조 설비에서 다양한 소스 시스템으로부터 데이터를 데이터를 수집하는 단계와 상기 수집된 데이터에 기초하여 상기 제조 설비의 미래 상태에 관한 예측을 생성하는 단계를 포함한다. 또한, 이 방법은 상기 제조 설비에서 수용 시스템으로 상기 예측을 제공하는 단계를 포함한다.

제조 설비의 미래 상태에 관한 예측을 제공하기 위한 방법 및 시스템이 논의된다. 일 실시예에서, 예측 서버는 제조 실행 시스템(MES), 유지보수 관리 시스템(MMS), 물질 제어 시스템(MCS), 장비 제어 시스템(ECS), 물품 목록 제어 시스템(ICS), 다른 컴퓨터 직접 제조(CIM) 시스템, 다양한 데이터베이스(엑셀 파일과 같은 플랫 파일(flat file) 저장 시스템을 포함하나 이에 제한되는 것은 아님)와 같은 제조 설비에서 다양한 소스 시스템으로부터의 데이터를 수집한다. 수집된 데이터는 스태틱 데이터(예를 들어 소스 시스템에 의해 이용되는 장비, 이 장비의 상 이한 부품의 성능 등) 및 동적 데이터(예를 들어 장비의 현재 상태, 무슨 제품이 소스 시스템의 장비에 의해 현재 처리되는지 여부, 이러한 제품의 특성 등)를 포함할 수 있다.

상기 데이터를 수집할 때, 예측 서버는 이를 이용하여 제조 설비의 미래 상태에 관한 예측을 생성한다. 특히, 예측 서버는 예를 들면 제조 설비에서 장비의 미래 상태, 이 설비에서 제조될 제품의 양 및 조성, 이러한 제품을 제조하기 위해 설비에 의해 필요한 작동자의 숫자, 제품이 주어진 프로세스 작동을 마치고 및/또는 주어진 단계에서 처리를 위해 이용 가능한 어림 시간, 예방(preventive) 유지보수 작동이 장비 상에서 수행되는 어림 시간 등을 예측할 수 있다.

예측이 생성된 이후, 이는 제조 설비의 다양한 수용 시스템으로 제공된다. 이 수용 시스템은 예를 들어 MES, MMS, MCS, ECS, ICS, 스케쥴러, 발송기(dispatcher) 등을 포함할 수 있다.

이하의 설명에서, 다양한 상세한 설명이 설명된다. 당업자에게는 본 발명이 이러한 특정의 상세한 설명 없이 실행될 수 있다는 것이 명백할 것이다. 일정한 경우에, 잘 알려진 구조 및 소자는 자세하게 보다는 블록도 형태로 도시되고, 이에 의해 본 발명을 불명료하게 하는 것을 피한다.

이하의 상세한 설명들이 일부분은 컴퓨터 메모리 내의 데이터 비트 상에서 작동의 알고리즘 및 심볼 표현의 형태로 나타난다. 이러한 알고리즘 설명 및 표현은 데이터 처리 기술의 당업자에 의해 이용되는 수단이고, 이에 의해 당업자에게 그들의 작업의 요지를 가장 효과적으로 전달한다. 여기서 알고리즘은 일반적으로 원하는 결과에 이르는 단계의 자체-일관적인 순서(self-consistent sequence)로 고안된다. 이 단계들은 물리적 양의 물리적 조작을 필요로 하는 것이다. 일반적으로, 필수적인 것은 아니지만, 이러한 양은 저장, 전달, 조합, 비교 및 조작될 수 있는 전기적 또는 자기적 신호의 형태를 취할 수 있다. 주로 일반적인 이용의 이유로 때때로 비트, 수치, 성분, 심볼(symbol), 문자(character), 용어, 숫자 등과 같은 것으로서 이러한 신호를 지칭하는 것이 편리하다라는 것이 증명되었다.

모든 이러한 용어 및 유사한 용어들은 적절한 물리적 양에 관한 것이고 이러한 양에 적용된 단지 편리한 라벨임을 기억해야 한다. 이하의 논의로부터 명백한 것과 특별히 다르게 언급되지 않는다면, 본 상세한 설명을 통해, "처리" 또는 "연산" 또는 "계산" 또는 "결정" 또는 "표시" 등과 같은 용어들을 이용한 설명은 컴퓨터 시스템, 또는 이와 유사한 전자 연산 소자의 작용 및 프로세스를 지칭하고, 이는 컴퓨터 시스템의 기록기 및 메모리 내에서 물리적(전자적) 양으로서 표시된 데이터를 정보 저장, 전송 또는 표시 소자 또는 컴퓨터 시스템 메모리 또는 기록기 내에서 물리적 양으로서 유사하게 표시되는 다른 데이터로 조작하고 변환시킨다.

또한, 본 발명은 여기서의 작동을 수행하기 위한 장치에 관한 것이다. 이 장치는 필요한 목적을 위해 특별히 구성될 수 있거나 또는 컴퓨터에 저장된 컴퓨터 프로그램에 의해 선택적으로 활성화되거나 또는 재구성되는 일반적인 목적의 컴퓨터를 포함할 수 있다. 이러한 컴퓨터 프로그램은 컴퓨터로 판독 가능한 저장 매체에 저장될 수 있고, 이러한 저장 매체는 예를 들어 플로피 디스크, 광 디스크, CD-ROMs, 및 자기 광학 디스크를 포함하는 어떠한 유형의 디스크, 리드 온리 메모 리(ROMs), 랜덤 액세스 메모리(RAMs), EPROMs, EEROMs, 자기 또는 광학 카드, 또는 전자적 명령들을 저장하는데 적절한 어떠한 유형의 매체를 포함하나 이에 제한되는 것은 아니며 각각은 컴퓨터 시스템 버스에 연결된다.

여기서 나타난 알고리즘 및 표시는 어떠한 특별한 컴퓨터 또는 다른 장치에 본질적으로 관련된 것은 아니다. 다양한 일반적인 목적의 시스템이 여기서의 중요 내용에 따라 프로그램과 함께 이용될 수 있거나 또는 필요한 방법 단계들을 수행하기 위해 더욱 특화된 장치를 구성하는 것이 편리하다라는 것을 증명할 수 있다. 이러한 다양한 시스템을 위해 필요한 구성은 이하의 설명으로부터 나타날 것이다. 또한, 본 발명은 어떠한 특별한 프로그래밍 언어에 관하여 설명되지는 아니한다. 다양한 프로그래밍 언어들은 여기서 설명된 본 발명의 중요내용을 수행하는데 이용될 수 있다.

기계 판독 가능한 매체는 기계(예를 들어 컴퓨터)에 의해 읽을 수 있는 형태의 정보를 저장하거나 전송하기 위한 어떠한 기구를 포함한다. 예를 들면, 기계 판독 가능한 매체는 기계 판독 가능한 저장 매체(예를 들어 리드 온리 메모리(ROM), 랜덤 액세스 메모리(RAM), 자기 디스크 저장 매체, 광학 저장 매체, 플래쉬 메모리 소자 등), 기계 판독 가능한 전송 매체(전기적, 광학적, 음향적 또는 전파되는 신호의 다른 형태(예를 들어 캐리어 웨이브, 적외선 신호, 디지탈 신호 등)) 등을 포함한다.

도 1은 본 발명의 실시예가 작동될 수 있는 예시적 네트워크 구조(architecture)(100)를 도시한다. 이 네트워크 구조(100)는 제조 설비(예를 들어 반도체 제조 설비)를 나타낼 수 있고 예측 서버(102), 소스 시스템 세트(104) 및 수용 시스템 세트(106)를 포함할 수 있다. 이 예측 서버(102)는 네트워크를 통해 소스 시스템(104) 및 수용 시스템(106)과 통신할 수 있다. 이 네트워크는 공공 네트워크(예를 들어 인터넷) 또는 사적 네트워크(예를 들어 근거리 통신망(local area network; LAN)일 수 있다. 둘 이상의 설비 시스템은 동일 기계 상에 존재할 수 있고 이 네트워크를 넘어 통신하지 아니하며, 이들은 공유 메모리 또는 작동 시스템 협력 설비(operating system assisted facilities)와 같은 다른 통신 프로토콜을 이용할 수 있다.

소스 시스템(104)은 예를 들어 MES, MMS, MCS, ECS, ICS, 다른 CIM 시스템, 다양한 데이터베이스(엑셀 파일과 같은 플랫 파일 저장 시스템을 포함하나 이에 제한된느 것은 아님) 등을 포함할 수 있다. 수용 시스템(106)은 스케쥴러, 발송기 등과 같은 일정한 다른 시스템 뿐만 아니라 소스 시스템(104)의 일부 또는 전부를 포함할 수 있다.

예측 서버(102)는 제조 설비 및 그 구성요소의 미래에 대한 예측을 형성한다. 예측 서버(102)는 스케쥴된 시간에서 예측 프로세스를 시작할 수 있거나 또는 예정된 사건에 응답하여 또는 이용자로부터의 요구에 응답하여 시작할 수도 있다. 일 실시예에서, 예측 서버(102)는 중간의 모든 예측 생성들(the predictions in-between full prediction generations)로 증분적인 업데이트를 수행한다. 이 예측 서버(102)는 임계 사건을 탐지할 때(예를 들어 소스 시스템(104)으로부터 임계 사건의 통지를 받을 때) 예측 업데이트를 시작할 수 있다.

예측 서버(102)는 소스 시스템(104)으로부터 데이터를 수집하고, 이 수집된 데이터에 기초하여 예측을 생성하고, 이 예측을 수용 시스템(106)으로 제공함에 의해 예측을 형성한다. 소스 시스템(104)으로부터 수집된 데이터는 스태틱 데이터(예를 들어 소스 시스템에 의해 이용된 장비, 이 장비의 상이한 부품의 성능, 등) 및 동적 데이터(예를 들어 장비의 현재 상태, 무슨 제품이 소스 시스템의 장비에 의해 현재 처리되는지 여부, 이러한 제품의 특성 등)를 포함할 수 있다. 예측 서버(102)에 의해 생성된 예측은 예를 들면 제조 설비에서 장비의 미래 상태, 이 설비에서 제조될 제품의 양 및 조성, 이러한 제품을 제조하기 위해 설비에 의해 필요한 작동자의 숫자, 제품이 주어진 프로세스 작동을 마치고 및/또는 주어진 단계에서 처리를 위해 이용 가능한 어림 시간(estimated time), 예방 유지보수 작동이 장비 상에서 수행되어야 하는 어림 시간 등을 상술할 수 있다.

도 2는 예측 서버(200)의 일 실시예의 블록도이다. 예측 서버(200)는 질문 엔진(query engine; 202), 예측 실행 엔진(204), 예측 정정 모듈(206), 사용자 인터페이스(UI) 모듈(208), 예측 발행기(210), 사건 리스너(event listner; 216), 예측 데이터 모델(212), 및 예측 데이터베이스(214)를 포함할 수 있다.

예측 데이터 모델(212)은 어떠한 데이터가 예측을 생성하는데 필요한지를 정의한다. 질문 엔진(202)은 질문를 다양한 소스 시스템에 제공하고 이에 의해 예측 데이터 모델(212)에서 구체화된 데이터를 얻는다. 소스 시스템으로부터 질문 결과를 받을 때, 질문 엔진(202)은 수신된 데이터를 예측 데이터 모델(212)과 연관시킨다.

예측 실행 엔진(204)은 예측 모델(212)을 이용하여 예측을 생성한다. 일 실시예에서, 예측 실행 엔진(204)은 하나 이상의 식을 이용하여 예측을 계산한다. 예를 들면, 예측 실행 엔진(204)은 물질로 된 품목(a lot of material), 품목에서 부품의 숫자(the number of pieces in the lot), 및 부품당 평균 프로세스 시간을 처리할 수 있는 프로세스 장비 상의 정보를 이용하여 계산을 할 수 있다. 특히, 예측 실행 엔진(204)은 장비 상에 필요한 처리 시간의 양을 계산할 수 있다. 또한, 품목이 과거에 일정한 시간 처리를 시작했다면, 예측 실행 엔진은 언제 처리가 시작되었는지를 앎에 의해 완료 시간을 평가할 수 있다.

다른 실시예에서, 예측 실행 엔진(204)은 시뮬레이션을 실행하여 예측을 생성한다. 특히, 예측 실행 엔진(204)은 장비에 대한 정보 및 설비의 현재 상태로 예측 데이터 모델(212)을 초기화한다. 이후 미래의 특정 지점에 도달할 때까지(예를 들어 사용자에 의해 제공된 시간 간격에 기초하여) 장비 운전은 단계적으로 시뮬레이션화되고 시간에 따라 동기화된다. 이 제품 및 장비의 각각의 변화는 데이터 표시 예측의 최종 세트와 함께 기록된다.

또 다른 실시예에서, 예측 실행 모듈(204)은 예상, 통계학적 예측, 경향 분석, 또는 다른 메커니즘을 이용하여 예측을 생성할 수 있다.

예측 실행 모듈(204)은 예측 데이터베이스(214)에 결과적인 예측들을 저장한다. 예측 데이터베이스(214)는 예를 들어 관계적인 또는 체계적인(hierarchical) 데이터베이스, 플랫 파일(flat files), 어플리케이션 또는 공유 메모리 동을 포함한 어떠한 유형의 데이터 저장을 나타낼 수 있다. 예측 발행기(prediction publisher; 210)는 예측 데이터베이스(214)로부터 예측을 검색하여(retrieve) 이를 수용 시스템으로 보낸다. 일 실시예에서, 예측 발행기(210)는 수용 시스템으로부터 예측 요청을 받을 때 예측을 보낸다. 다른 실시예에서, 예측 발행기(210)는 사용자 또는 시스템이 예측 서비스를 위해 신청하는(subscribe) 것을 가능하게 하고, 주기적으로 또는 새로운 예측이 생성되거나 또는 존재하는 예측이 수정될 때 신청자(subscriber)에게 예측을 제공한다.

예측 정정 모듈(206)은 임계 사건의 발생을 찾고, 이후 존재하는 예측을 정정한다(repair). 예측 정정 모듈(206)은 단순한 계산을 이용하여 예측 데이터베이스(214)에 저장된 예측들을 업데이트할 수 있거나 또는 대안적으로 새로운 예측들을 생성하기 위해 예측 실행 엔진(204)을 불러일으킬(invoke) 수 있다.

UI 모듈(208)은 UI가 사용자가 예측 생성 프로세스를 위한 원하는 파라미터를 구체화하는 것을 가능하게 하도록 제공한다. 예를 들면, UI는 사용자가 시한(time horizon)(예측들이 생성되는 미래의 일정한 시간 지점)을 입력하는 것을 가능하게 할 수 있다. 또한, 사용자는 소스 시스템을 구체화할 수 있고 이 시스템으로 데이터 질문들이 제출되며 데이터 질문의 특성 및 어떻게 예측이 생성되어야 하는지가 제공된다(예를 들어 시뮬레이션, 예상, 통계학적 예측, 경향 분석 또는 계산을 이용하여). 또한, 사용자는 예측이 생성되어야 하는 대상(예를 들어 장비, 제품, 작동자(operator), 자원 등)을 확인할 수 있고 예측 프로세스(예를 들어 사건, 스케쥴된 시간 또는 사용자 요청)를 초기화하기 위한 트리거(trigger)를 구체화할 수 있다. 일 실시예에서, UI 모듈(208)은 정정을 일으키는 사건, 이러한 사 건에 응답하여 얻어지는 데이터, 정정의 유형(예를 들어 업데이트 또는 재생성) 등과 같은 정정 파라미터를 사용자가 구체화 하도록 UI를 제공한다. 일 실시예에서, UI 모듈(208)은 UI를 추가적으로 제공하고 이에 의해 예측 서비스의 신청자가 신청 선호도(subscription preferance)를 구체화하는 것을 가능하게 한다. 예를 들면, 신청자는 예측이 생성되어야 하는 대상, 예측을 생성하기 위한 시한, 예측을 수신하기 위한 조건(예를 들어 새로운 예측의 생성, 존재하는 예측의 정정 등)을 확인할 수 있다.

사건 리스너(216)는 예측 서버(200)의 예측 작동을 트리거를 감지하는 의무가 있다. 이러한 트리거는 예를 들어 작동, 스케쥴된 시간, 또는 제조 설비에서 발생된 임계 사건을 시작하는 사용자 요청일 수 있다.

도 3은 제조 설비의 미래에 대한 예측을 제공하기 위한 방법(300)의 일 실시예의 흐름도이다. 이 방법은 처리 로직(logic)에 의해 수행될 수 있고, 이 로직은 하드웨어(예를 들어 회로, 전용 회로(dedicated logic) 등), 소프트웨어(일반적인 목적의 컴퓨터 시스템 또는 전용 기계 상에서 작동하는 것과 같은 것), 또는 이 둘의 조합을 포함할 수 있다. 일 실시예에서, 처리 로직은 도 1의 예측 서버(102)에 존재한다.

도 3을 참고하면, 처리 로직은 예측 생성을 초기화하는 단계로 시작한다(블록 302). 처리 로직은 예정된 사건의 발생시 또는 사용자 요구시 또는 스케쥴된 시간에서 예측 생성을 개시할 수 있다.

블록(304)에서, 처리 로직은 질문을 소스 시스템으로 제공하고 이에 의해 예 측 데이터 모델을 위해 필요한 데이터를 얻는다. 예측 데이터 모델은 예측을 생성하는데 필요한 데이터의 세트를 형성한다. 도 4는 본 발명의 일 실시예에 따른 예시적 예측 데이터 모델의 데이터 스키마(schema)(400)을 도시한다. 데이터 스키마(400)는 XML 스키마 또는 어떠한 다른 유형의 스키마일 수 있다. 데이터 스키마(400)는 다양한 칼럼(404)을 갖는 다수의 테이블(402)을 형성하고 이에 의해 예측을 생성하는데 필요한 데이터를 획득한다.

도 3으로 돌아가면, 소스 시스템에 제출된 질문들은 예측 데이터 모델에 필요한 데이터의 유형에 기초하여 만들어질 수 있다. 일 실시예에서, 질문들은 플라이(fly) 상에서 만들어진다. 대안적으로 질문들은 데이터를 수집하는데 이용되는 각각의 소스 시스템에 예정된다. 이 질문들은 이용자에 의해 구체화될 수 있거나 또는 예측 데이터 모델을 위해 필요한 데이터에 기초하여 자동적으로 생성될 수도 있다.

블록(306)에서, 처리 로직은 소스 시스템으로부터 질문 결과를 받는다. 블록(308)에서, 처리 로직은 예측 데이터 모델에 질문 결과들을 입력한다(즉, 예측 데이터 모델을 포퓰레이트(populate)한다).

예측 데이터 모델의 설립이 완료되면, 처리 로직은 예측들을 생성한다(블록 310). 예측들은 계산, 예상, 통계학적 예측, 경향 분석, 작동 시뮬레이션을 하여 또는 다른 기술을 이용하여 생성될 수 있다.

블록(312)에서, 처리 로직은 예측 데이터 베이스에서 생성된 예측을 저장한다. 이후 이 예측 데이터베이스는 액세스될 수 있고 이에 의해 예측 정보의 다른 자격을 가진 수용자 또는 예측 서비스의 신청자에게 예측을 제공한다. 이러한 데이터는 상업적 데이터 베이스, 커스텀 데이터베이스에 지속될 수 있거나 및/또는 응용 메모리에 저장될 수 있다.

도 5는 존재하는 예측을 정정하기 위한 방법(500)의 일 실시예의 흐름도이다. 이 방법은 처리 로직에 의해 수행될 수 있고 이 로직은 하드웨어(예를 들어 회로, 전용 회로 등), 소프트웨어(일반적인 목적의 컴퓨터 시스템 또는 전용 기계 상에서 작동하는 것과 같은 것), 또는 이 둘의 조합을 포함할 수 있다. 일 실시예에서, 처리 로직은 도 1의 예측 서버(102)에 존재한다.

도 5를 참고하면, 처리 로직은 임계 사건을 탐지하는 단계로 시작한다(블록 502). 임계 사건은 소스 시스템으로부터의 통지를 받을 때 탐지될 수 있다. 예를 들면, 소스 시스템은 다수의 웨이퍼의 처리가 지속되어 놓임, 장비의 부품이 비가동 상태로 들어감 또는 적절하게 기능적으로 정지함 등을 매 시간마다 통지를 제공하도록 요구받을 수 있다.

블록(504)에서, 처리 로직은 존재하는 예측 상의 임계 사건의 영향을 평가한다. 일 실시예에서, 처리 로직은 관련 소스 시스템으로 임계 사건에 관한 상세한 내용에 대한 질문을 보낸다. 예를 들면, 처리 로직이 MES에서 웨이퍼의 특정 품목 (a specific lot of wafers)의 처리가 유지되고 있는지(put on hold)를 탐지한다면, 처리 로직은 질문을 MES로 보낼 수 있고 이에 의해 이러한 품목에 관한 모든 정보를 얻는다. 질문의 결과가 중단을 일으키는 문제가 특정 시간 간격 동안 수리될 것이라는 것을 표시한다면, 처리 로직은 존재하는 예측의 완전한 재생 성이 필요하지 않고(블록 506) 이러한 사건에 의해 영향을 받은 예측만을 업데이트하며(블록 510) 예측 데이터 베이스에서 업데이트된 데이터를 저장(블록 512)함에 의해 예측을 정정할 수 있다. 이 업데이트는 간단한 계산 또는 필터를 이용하여 이루어질 수 있다. 예를 들면, 처리 로직은 품목이 시간 민감적인 작동을 침해했는지를 감지할 수 있고 이후 예측 결과로부터 품목을 필터할 수 있다. 다른 예에서, 장비의 부품이 비가동 상태로 들어간다면, 처리 로직은 장비의 수리를 위한 평가 및 고장시간 사건의 유형에 기초하여 언제 장비가 생산 상태로 들어갈 것인지 그리고 개별적인 물질의 처리를 완료할 것인지를 결정할 수 있다.

대안적으로, 현재 예측 상의 사건의 영향이 크다면(예를 들어 작동의 대부분에서의 변화가 수행되도록 함), 처리 로직은 시뮬레이션 또는 계산(블록 508)을 이용하여 예측을 재생성하고 예측 데이터베이스에서 새로운 예측을 저장한다(블록 512).

도 6은 신청 서비스를 신청자에게 제공하기 위한 방법(600)의 일 실시예의 흐름도이다. 이 방법은 처리 로직에 의해 수행될 수 있고, 이 처리 로직은 하드웨어(예를 들어 회로, 전용 회로 등), 소프트웨어(일반적인 목적의 컴퓨터 시스템 또는 전용 기계 상에서 작동하는 것과 같은 것), 또는 이 둘의 조합을 포함할 수 있다. 일 실시예에서, 처리 로직은 도 1의 예측 서버(102)에 존재한다.

도 6을 참고하면, 처리 로직은 예측 서비스를 위해 신청하는 요청을 수신하는 단계로 시작한다(블록 602). 이 요청은 예측을 생성하기 위한 파라미터(예를 들어 시한, 장비 또는 제품과 같은 관심의 대상 등)를 포함할 수 있다. 블록(604) 에서, 처리 로직은 신청 데이터베이스에서 신청 요구를 등록한다. 이후, 예측이 변할 때(예를 들어 새로운 예측의 생성 또는 정정에 의해), 처리 로직은 존재하는 신청을 체크하여 새로운 예측에 관심있는 신청자를 찾아서(블록 606), 새로운 예측을 그 신청자에게 보낸다(블록 608). 블록(606, 608)은 예측 업데이트에 응하여 다수번 반복될 수 있고, 블록(602, 604)은 신청당 오직 한번 수행될 수 있다.

도 7은 컴퓨터 시스템(700)의 예시적 형태의 기계의 개략도를 도시하고, 이 시스템 내에서 여기서 논의된 하나 이상의 방법론을 기계가 수행하도록 하기 위해 명령의 세트가 실행될 수 있다. 이 기계는 LAN, 인트라넷, 엑스트라넷, 또는 인터넷으로 다른 기계에 연결될 수 있다(예를 들어 네트워크됨). 이 기계는 클라이언트-서버 네트워크 환경에서 작동할 수 있거나, 또는 피어-투-피어(또는 분포된) 네트워크 환경에서 피어 기계(peer machine)으로서 작동할 수 있다. 오직 하나의 기계가 도시되었지만, "기계"란 용어는 또한 어떠한 모음의 기계도 포함하는 것이고, 이 기계는 개별적으로 또는 함께 명령의 세트(다수의 세트)를 수행하여 여기서 논의된 하나 이상의 방법론(methodologies)을 수행한다.

예시적 컴퓨터 시스템(700)은 처리 소자(프로세서)(702), 메인 메모리(704)(예를 들어 리드 온리 메모리(ROM), 플래쉬 메모리, 동기식 DRAM(SDRAM) 또는 램버스(Rambus) DRAM(RDRAM)과 같은 동적 랜덤 액세스 메모리(DRAM) 등), 및 스태틱 메모리(static memory; 706)(예를 들어 플래쉬 메모리, 스태틱 랜덤 액세스 메모리(SRAM) 등)를 포함하고, 이는 버스(730)를 통해 서로 통신할 수 있다. 대안적으로, 처리 소자(702)는 직접 또는 일정한 다른 연결 수단을 통해 메모리(704 및/또는 706)에 연결될 수 있다.

처리 소자(702)는 마이크로프로세서, 중앙 처리 유닛 등과 같은 하나 이상의 일반적인 목적의 처리 소자를 나타낸다. 더욱 특별하게, 처리 소자(702)는 복합 명령 세트 연산(complex instruction set computing; CISC) 마이크로프로세서, 감소된 명령 세트 연산(reduced instruction set computing)(RISC) 마이크로프로세서, 매우 긴 명령 워드(very long instruction word)(VLIW) 마이크로프로세서, 또는 다른 명령 세트를 실행하는 프로세서, 또는 명령 세트의 조합을 실행하는 프로세서일 수 있다. 처리 소자(702)는 여기서 논의된 작동 및 단계를 수행하기 위한 처리 로직(726)을 실행하도록 구성된다.

컴퓨터 시스템(700)은 네트워크 인터페이스 소자(708) 및/또는 신호 생성 소자(716)를 추가적으로 포함할 수 있다. 또한, 이는 비디오 표시 유닛(예를 들어 액정 디스플레이(LCD) 또는 캐소오드 레이 튜브(CRT)), 영숫자(alphanumeric) 입력 소자(예를 들어 키보드), 및/또는 커서 제어 소자(예를 들어 마우스)를 포함할 수 있거나 포함하지 않을 수도 있다.

컴퓨터 시스템(700)은 기계 접근 가능한 저장 매체(731)를 갖는 보조 메모리(718)(예를 들어 데이터 저장 소자)를 포함할 수 있거나 또는 포함하지 않을 수 있고, 이 수단 상에 여기서 설명된 기능들 또는 방법론들의 하나 이상을 구체화하고 있는 하나 이상의 명령 세트(예를 들어 소프트웨어(722))가 저장된다. 또한, 소프트웨어(722)는 컴퓨터 시스템(700)에 의해 그 실행 동안 메인 메모리(704) 내에 및/또는 처리 소자(702) 내에 완전히 또는 적어도 부분적으로 존재할 수 있고, 메인 메모리(704) 및 처리 소자(702) 또한 기계 접근 가능한 저장 매체를 구성한다. 또한, 소프트웨어(722)는 네트워크 인터페이스 소자(708)를 통해 네트워크(720)를 넘어 전송 또는 수신될 수 있다.

기계 접근 가능한 저장 매체(731)가 단일 매체인 예시적 실시예에서 도시되었지만, "기계 접근 가능한 저장 수단"이란 용어는 하나 이상의 세트의 명령을 저장하는 단일 매체 또는 다중 매체(예를 들어 중심화(centralized)되거나 분포된(distributed) 데이터베이스)를 포함한다. 또한, "기계 접근 가능한 저장 매체"란 용어는 기계에 의한 실행을 위한 명령을 세트를 저장, 인코딩, 또는 운반(carrying)할 수 있는 어떠한 매체를 포함할 수 있고, 이러한 매체는 기계로 하여금 본 발명의 방법론들 중 하나 이상을 수행하게 한다. "기계 접근 가능한 저장 수단"이란 용어는 따라서 고체 상태의 메모리, 광학 및 자기적 매체, 및 캐리어 웨이브 신호를 포함하나 이에 제한되는 것은 아니다.

본 발명의 많은 변경 및 개조는 이전의 상세한 설명의 내용을 일은 이후 당업자에게 명백할 것이지만, 도면에 의해 도시되고 설명된 특별한 실시예는 제한하려는 의도는 아니다. 따라서, 다양한 실시예들에 대한 상세한 설명에 대한 참조는 청구항의 범위를 제한하려는 의도는 아니고, 그 자체로 본 발명에 대해 필수적인 것으로 인식되는 특징들을 언급하는 것이다.

본 발명은 본 발명의 다양한 실시예들의 첨부된 도면들로부터 이하의 상세한 설명으로부터 더욱 완전하게 이해될 것이고, 이러한 실시예들은 특정 실시예들로 본 발명을 제한하려는 것이 아니고 단지 설명 및 이해를 위한 것이다.

도 1은 본 발명의 실시예들이 작동할 수 있는 예시적인 네트워크 구조를 도시한다.

도 2는 예측 서버의 일 실시예의 블록도이다.

도 3은 자동화된 제조 설비의 미래 상태에 관한 예측을 제공하기 위한 방법의 일 실시예의 흐름도이다.

도 4는 본 발명의 일 실시예에 다른 예측 데이터 모델의 예시적 도식을 도시한다.

도 5는 존재하는 예측을 정정하기 위한 방법의 일 실시예의 흐름도이다.

도 6은 신청자에게 신청 서비스를 제공하기 위한 방법의 일 실시예의 흐름도이다.

도 7은 본 발명의 일 실시예에 따른 컴퓨터 시스템의 예시적 형태의 기계의 윤곽도를 도시한다.

Claims

컴퓨터화된 방법으로서,

제조 설비에서 다수의 소스 시스템으로부터 데이터를 수신하는 단계;

상기 다수의 소스 시스템으로부터 수신한 데이터에 기초하여 상기 제조 설비의 미래 상태에 관한 예측을 생성하는 단계; 및

상기 제조 설비에서 다수의 수용 시스템으로 예측을 제공하는 단계를 포함하는,

컴퓨터화된 방법.
제 1 항에 있어서,

상기 다수의 소스 시스템이 제조 실행 시스템(manufacturing execution system; MES), 유지보수 관리 시스템(maintenance management system; MMS), 물질 제어 시스템(material control system; MCS), 장비 제어 시스템(equipment control system; ECS), 또는 물품목록 제어 시스템(inventory control system; ICS) 중 하나 이상을 포함하고,

상기 다수의 수용 시스템이 MES, MMS, MCS, ECS, ICS, 발송기 또는 스케쥴러 중 하나 이상을 포함하는,

컴퓨터화된 방법.
제 1 항에 있어서,

상기 제조 설비의 미래 상태에 관한 예측은 상기 설비에서 장비의 미래 상태, 제조되는 품목(lot)의 조성, 제조되는 품목의 숫자, 설비에 의해 필요한 작동자의 숫자, 제품이 주어진 프로세스 작동을 마치거나 또는 주어진 단계에서 처리를 위해 이용 가능한 어림 시간(estimated time), 예방성 유지보수 작동이 장비 상에서 수행되는 어림 시간 중 하나 이상에 대한 정보를 포함하는,

컴퓨터화된 방법.
제 1 항에 있어서,

상기 다수의 소스 시스템으로부터 데이터를 수신하는 단계가,

예측 데이터 모델을 위해 필요한 데이터를 얻기 위해 상기 다수의 소스 시스템으로 질문을 제공하는 단계;

상기 다수의 소스 시스템으로부터 질문 결과를 수신하는 단계; 및

상기 예측 데이터 모델과 상기 질문 결과를 연관시키는(associating) 단계를 포함하는,

컴퓨터화된 방법.
제 1 항에 있어서,

상기 다수의 수용 시스템으로 예측을 제공하는 단계가,

데이터베이스에 상기 예측을 저장하는 단계; 및

상기 데이터베이스로부터 검색된(retrieved) 예측을 상기 다수의 수용 시스템 중 하나 이상으로 보내는 단계를 포함하는,

컴퓨터화된 방법.
제 5 항에 있어서,

상기 예측이 상기 다수의 수용 시스템 중 하나 이상으로부터의 요청을 수신한 경우 발송되는,

컴퓨터화된 방법.
제 5 항에 있어서,

상기 다수의 수용 시스템 중 하나 이상으로부터의 예측을 신청하기 위한 요청을 수신하는 단계; 및

상기 예측을 주기적으로 또는 상기 예측에서의 변화시 신청자에게 보내는 단계를 포함하고,

상기 요청이 예측 파라미터를 구체화하는(specifying),

컴퓨터화된 방법.
제 1 항에 있어서,

상기 예측이 시뮬레이션, 예상, 통계학적 예측, 경향 분석 또는 계산 중 하나 이상을 이용하여 생성되는,

컴퓨터화된 방법.
제 4 항에 있어서,

사용자로부터 예측 도구(prediction properties)를 수신하는 단계를 추가로 포함하고, 상기 예측 도구는 시한, 다수의 소스 시스템, 질문 파라미터, 예측되는 대상, 예측 생성의 트리거(trigger), 또는 예측 생성의 방법 중 하나 이상을 확인하는,

컴퓨터화된 방법.
제 1 항에 있어서,

상기 예측을 증분적으로 업데이트하는 단계를 추가로 포함하는,

컴퓨터화된 방법.
제 9 항에 있어서,

상기 예측을 증분적으로 업데이트하는 단계가,

예정된 사건을 탐지하는 단계;

존재하는 예측에 대한 상기 사건의 영향을 평가하는 단계; 및

상기 영향에 기초하여 새로운 예측을 생성하거나 또는 상기 존재하는 예측을 업데이트하는 단계를 포함하는,

컴퓨터화된 방법.
컴퓨터 판독 가능한 매체로서,

제조 설비에서 다수의 소스 시스템으로부터 데이터를 수신하는 단계;

상기 다수의 소스 시스템으로부터 수신한 데이터에 기초하여 상기 제조 설비의 미래 상태에 관한 예측을 생성하는 단계; 및

상기 제조 설비에서 다수의 수용 시스템으로 예측을 제공하는 단계를 포함하는 방법을 컴퓨터 시스템이 수행하도록 하는 실행 가능한 명령들을 가진,

컴퓨터 판독 가능한 매체.
제 12 항에 있어서,

상기 다수의 소스 시스템이 제조 실행 시스템(MES), 유지보수 관리 시스템(MMS), 물질 제어 시스템(MCS), 장비 제어 시스템(ECS), 또는 물품목록 제어 시스템(ICS) 중 하나 이상을 포함하고,

상기 다수의 수용 시스템이 MES, MMS, MCS, ECS, ICS, 발송기 또는 스케쥴러 중 하나 이상을 포함하는,

컴퓨터 판독 가능한 매체.
제 12 항에 있어서,

상기 제조 설비의 미래 상태에 관한 예측은 상기 설비에서 장비의 미래 상태, 제조되는 품목의 조성, 제조되는 품목의 숫자, 설비에 의해 필요한 작동자의 숫자, 제품이 주어진 프로세스 작동을 마치거나 또는 주어진 단계에서 처리를 위해 이용 가능한 어림 시간, 예방성 유지보수 작동이 장비 상에서 수행되는 어림 시간 중 하나 이상에 대한 정보를 포함하는,

컴퓨터 판독 가능한 매체.
제 12 항에 있어서,

상기 다수의 소스 시스템으로부터 데이터를 수신하는 단계가,

예측 데이터 모델에 필요한 데이터를 얻기 위해 상기 다수의 소스 시스템으로 질문을 제공하는 단계;

상기 다수의 소스 시스템으로부터 질문 결과를 수신하는 단계; 및

상기 예측 데이터 모델과 상기 질문 결과를 연관시키는 단계를 포함하는,

컴퓨터 판독 가능한 매체.
제 12 항에 있어서,

상기 예측이 시뮬레이션, 예상, 통계학적 예측, 경향 분석, 또는 계산 중 하나 이상을 이용하여 생성되는,

컴퓨터 판독 가능한 매체.
제 12 항에 있어서,

상기 예측을 증분적으로 업데이트하는 단계를 추가로 포함하고,

상기 예측을 증분적으로 업데이트하는 단계가, 존재하는 예측에 대한 사건의 영향을 평가하는 단계; 및 상기 영향에 기초하여 새로운 예측을 생성하거나 또는 상기 존재하는 예측을 업데이트하는 단계를 추가로 포함하는,

컴퓨터 판독 가능한 매체.
제조 설비에서 다수의 소스 시스템으로부터 데이터를 수신하기 위한 질문 엔진(query engine);

상기 다수의 소스 시스템으로부터 수신된 데이터에 기초하여 상기 제조 설비의 미래 상테에 관한 예측을 생성하기 위해, 상기 질문 엔진에 연결된 예측 실행 엔진;

상기 예측을 저장하기 위해, 상기 예측 실행 엔진에 연결된 예측 데이터베이스; 및

상기 제조 설비에서 다수의 수용 시스템으로 예측을 제공하고 상기 데이터베이스로부터 예측을 검색하기 위해, 상기 예측 데이터베이스에 연결된 예측 발행기(prediction publisher)를 포함하는, 장치.
제 18 항에 있어서,

상기 다수의 소스 시스템이 제조 실행 시스템(MES), 유지보수 관리 시스템(MMS), 물질 제어 시스템(MCS), 장비 제어 시스템(ECS), 또는 물품목록 제어 시스템(ICS) 중 하나 이상을 포함하고,

상기 다수의 수용 시스템이 MES, MMS, MCS, ECS, ICS, 발송기 또는 스케쥴러 중 하나 이상을 포함하는, 장치.
제 18 항에 있어서,

상기 제조 설비의 미래 상태에 관한 예측은 상기 설비에서 장비의 미래 상태, 제조되는 품목의 조성, 제조되는 품목의 숫자, 설비에 의해 필요한 작동자의 숫자, 제품이 주어진 프로세스 작동을 마치거나 또는 주어진 단계에서 처리를 위해 이용 가능한 어림 시간, 예방성 유지보수 작동이 장비 상에서 수행되는 어림 시간 중 하나 이상에 대한 정보를 포함하는, 장치.
제 18 항에 있어서,

예측 데이터 모델에 필요한 데이터를 얻기 위해 상기 다수의 소스 시스템으로 질문을 제공하는 단계;

상기 다수의 소스 시스템으로부터 질문 결과를 수신하는 단계; 및

상기 예측 데이터 모델과 상기 질문 결과를 연관시키는 단계에 의해,

상기 질문 엔진이 상기 다수의 소스 시스템으로부터 데이터를 수신하는, 장치.
제 18 항에 있어서,

상기 예측 실행 엔진이 시뮬레이션, 예상, 통계학적 예측, 경향 분석 또는 계산 중 하나 이상을 이용하여 예측을 생성하는, 장치.
제 21 항에 있어서,

사용자로부터 예측 도구를 수신하는 사용자 인터페이스 모듈을 추가로 포함하고,

상기 사용자 도구가 시한, 다수의 소스 시스템, 질문 파라미터, 예측되는 대상(entities being predicted), 예측 생성의 트리거, 또는 예측 생성 방법 중 하나 이상을 확인하는, 장치.
제 18 항에 있어서,

예정된 사건을 탐지하는 단계;

존재하는 예측에 상기 사건의 영향을 평가하는 단계; 및

상기 영향에 기초하여 새로운 예측을 생성하거나 또는 상기 존재하는 예측을 업데이트하는 단계에 의해, 상기 예측을 증분적으로 업데이트하는 예측 정정 모듈(prediction repair module)을 추가로 포함하는, 장치.