KR20100086069A - 보틀 네크 장치 추출 방법 및 보틀 네크 장치 추출 지원 장치 - Google Patents

보틀 네크 장치 추출 방법 및 보틀 네크 장치 추출 지원 장치 Download PDF

Info

Publication number
KR20100086069A
KR20100086069A KR1020107013975A KR20107013975A KR20100086069A KR 20100086069 A KR20100086069 A KR 20100086069A KR 1020107013975 A KR1020107013975 A KR 1020107013975A KR 20107013975 A KR20107013975 A KR 20107013975A KR 20100086069 A KR20100086069 A KR 20100086069A
Authority
KR
South Korea
Prior art keywords
production
variation
time
simulation
pattern data
Prior art date
Application number
KR1020107013975A
Other languages
English (en)
Other versions
KR101189995B1 (ko
Inventor
요이찌 노나까
아틸라 렌기엘
Original Assignee
가부시키가이샤 히타치세이사쿠쇼
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 가부시키가이샤 히타치세이사쿠쇼 filed Critical 가부시키가이샤 히타치세이사쿠쇼
Publication of KR20100086069A publication Critical patent/KR20100086069A/ko
Application granted granted Critical
Publication of KR101189995B1 publication Critical patent/KR101189995B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
    • G05B19/4184—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by fault tolerance, reliability of production system
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/45—Nc applications
    • G05B2219/45031—Manufacturing semiconductor wafers
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Quality & Reliability (AREA)
  • Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Development Economics (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Tourism & Hospitality (AREA)
  • Educational Administration (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Theoretical Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Manufacturing & Machinery (AREA)
  • Automation & Control Theory (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • General Factory Administration (AREA)

Abstract

다공정을 가진 생산에 의해 장치의 생산 능력이 변화하는 문제, 및, 다품종 혼합 생산에 의해 장치의 생산 능력이 변화하는 문제에 의해, 생산 능력 저하가 발생한 장치가 어느 것인지 특정하는 과제에 대해서, 생산 변동의 공정간 상호 영향도 고려하여, 생산성을 저해하는 근본 원인이 되는 장치를 특정하는 방법 및 시스템이다. 각 장치 생산 능력을 의도적으로 변화시켜 생산 시스템 전체로의 영향을 시뮬레이션하는 수단과, 그 시뮬레이션에 의해 나타난 생산 변동의 공정간 상호 영향을 계측하는 수단과, 그 계측 결과로부터 생산성을 저해하는 근본 원인이 되는 장치를 특정하는 수단을 갖는다.

Description

보틀 네크 장치 추출 방법 및 보틀 네크 장치 추출 지원 장치{BOTTLENECK DEVICE EXTRACTING METHOD AND BOTTLENECK DEVICE EXTRACTING ASSISTANCE DEVICE}
본 출원은, 2007년 12월 27일에 출원된 일본 특허 출원 제2007-335594호의 우선권을 주장하고, 그 내용을 참조함으로써 본 출원에 인용한다.
본 발명은, 반도체 소자, 자기 기억 장치, 플랫 디스플레이, 프린트 기판 등의 전자 디바이스 제품, 및, 자동차, 엘리베이터, 에스컬레이터, 건설 기계 등의 산업 기계 제품, 제유, 제약, 식품 가공 등의 연속 가공품 등의 제품에 관하여, 복수의 공정으로 구성되는 생산 시스템의 생산 효율을 높이는 방법 및 시스템을 제공한다.
반도체 소자, 자기 기억 장치, 액정 디스플레이, 플라즈마 디스플레이, 프린트 기판 등의 선단 디바이스 제품은, 종류의 다양화와 단수명화에 의해, 다품종 소량 생산 체제의 확립이 급선무로 되어 있다. 이들 선단 디바이스 제품의 생산의 핵심이 되는 제조에서는, 웨이퍼나 글래스 기판 등의 소재 상에 감광성 물질을 도포하고, 노광 장치를 이용하여 마스크에 그려진 전기 회로 패턴을 소부하여 회로 패턴을 형성하는 작업을 반복한다. 이 회로 패턴의 형성을 반복하기 위해, 생산 시스템은, 수백 이상의 공정으로 구성되고, 또한, 하나의 장치는 복수의 공정을 담당하고, 또 하나의 공정은 동일한 기능을 갖는 복수의 장치로 구성되는, 잡숍(job shop) 형태를 취하고 있다. 또한, 하나의 장치의 문제점은, 회로 패턴의 적층수에 비례하여 프로세스 품질에 영향을 미치므로, 제품 수율에 상당한 영향을 미친다.
이와 같은 대규모이면서 변동하기 쉬운 잡숍형 생산 시스템에서 다품종 소량 생산 체제를 확립하기 위해서는, 재료의 품질 변동, 작업자의 미스, 장치의 생산 능력 저하 등, 생산 시스템의 생산성을 저해하는 근본 원인을 빠른 시기에 특정하고, 신속하게 대책을 세워 해결하는, 계속적인 생산성 향상 활동의 구조를 갖추는 것이 필수적이다.
특히 장치의 생산 능력 저하에 관해서는, 고장 등의 돌발적 사상 외에, 장치의 다공정을 가진 생산이나 다품종 혼합 생산에 의해 생산 능력이 변화하는 문제가 있다. 예를 들면, 생산 능력을 단위 시간당의 생산수로 하였을 때, 장치 X에서의 품종 A의 공정 P에서의 처리 시간이 1시간, 동일한 장치 X에서의 동일한 품종 A의 공정 Q에서의 처리 시간이 2시간일 때, 공정 P에 대한 장치 X의 생산 능력은 1개/시간, 공정 Q에 대한 장치 X의 생산 능력은 0.5시간과 다르다. 또한, 장치 X에서의 품종 A에서의 처리 시간이 1시간, 품종 B에서의 처리 시간이 2시간일 때, 품종 A에 대한 장치 X의 생산 능력은 1개/시간, 품종 B에 대한 장치 X의 생산 능력은 0.5개/시간과 다르다. 그리고 상기의 수율의 변동 등이 원인으로, 예기치 않는 반제품(Work In Process, WIP)의 수량 변동이 발생하면, (1) 다공정을 가진 생산에 의해 장치의 생산 능력이 변화하는 문제, (2) 다품종 혼합 생산에 의해 장치의 생산 능력이 변화하는 문제가 있다. 이와 같이, 잡숍형의 생산 시스템, 및, 다품종 소량 생산의 생산 시스템에서는, 상기 (1), (2)의 문제에 의해 예기치 않는 장치의 생산 능력 저하(보틀 네크)가 발생하고, 생산 시스템의 생산성 향상 저해 요인이 된다.
생산 시스템의 생산성 향상에 관하여, 상기 (1), (2)의 문제에 의해 생산 능력 저하가 발생한 장치가 어느 것인지 특정하는 방법에 관하여, 종래 사례는 예를 들면 하기의 것이 있다.
특허 문헌 1에서는, 생산 시스템의 보틀 네크 상태를 정량적으로 평가하고, 변화하는 보틀 네크 공정을 특정하는 것을 목적으로, 잡숍형 제조 라인의 물류 네크 진단 방법을 제안하고 있다. 이것은, 잡숍 내에 있는 각 장치의 단위 시간당의 생산 수량(스루풋)과 생산 시스템 전체의 스루풋의 상관 계수를 계산하고, 그 상관 계수를 장치마다 그래프화하여 장치끼리 비교함으로써, 보틀 네크 상태에 있는 장치를 특정하는 방법이다.
특허 문헌 2에서는, 생산 시스템의 스루풋과 그 변동을 실시간으로 감시하고, 생산 시스템 전체의 스루풋에 대해 장치의 스루풋이 과부족이 아닌지 스루풋 변동이 크지 않는지 판단하는 방법을 제안하고 있다. 그리고, 문제가 있는 장치를 보틀 네크 장치로 간주하고, 문제가 있는 경우에는 그 장치에 투입하는 WIP에 제한을 거는 방법을 제안하고 있다.
비특허 문헌 1에서는, 대기 행렬 이론에서의 도착 빈도 분석을 기초로 하여, 하나의 장치를 대상으로 한 생산 변동의 정도를 분류하는 방법을 제안하고 있다. 그리고, 생산 변동이 큰 분류에 드는 장치에서는 생산 능력이 부족한 보틀 네크 장치로 된다고 정의하고 있다.
비특허 문헌 1에 제안되어 있는 통계 해석 방법인 CV(Coefficient of Variation) 해석 방법에서는, 스루풋이나 WIP의 변화 등 생산 시스템 내에 있는 하나의 장치의 퍼포먼스 변동을 계수 C를 이용하여 정량화하고 있다. 계수 C는 수학식 1과 같이 표준 편차 s를 평균값 r로 나눈 값으로 된다.
Figure pct00001
이 계수 C의 값을 이용하여, 생산 변동을, 변동을 무시할 수 있는 만큼 작은 상태 LV(Low Variability), 변동이 일어나기 쉬운 상태 MV(Moderate Variability), 항상 변동이 일어나고 있는 상태 HV(High Variability)의 3개의 분류를 행하고 있다.
[특허 문헌 1] 일본 특허 공개 제2004-13825호 [특허 문헌 2] 일본 특허 공표 제2004-503837
[비특허 문헌 1] Wallance.J.Hopp, Mark.L.Spreaman, Variability Basics, Factory Physics, p248-286, Irwin Professional Pub, 1995 [비특허 문헌 2] Youichi Nonaka, Attila Lengyel, Kouichi Sugimoto, Monitoring Variance in Manufacturing System Performance, 40th CIRP International Seminar on Manufacturing Systems, 2007
특허 문헌 1, 특허 문헌 2, 비특허 문헌 1에 개시되는 기술은, 문제의 착안점은 본 발명과 동일하다. 그리고 3 문헌 모두, 생산 시스템 전체의 스루풋에 대한, 각 장치의 스루풋의 다소(多少)로 보틀 네크 장치인지의 여부를 판단하는 방법이다. 그러나, 비특허 문헌 2에 기재된 바와 같이, 생산 시스템 전체의 스루풋에 대한, 각 장치의 스루풋이 적기 때문이라고 하여 그것이 보틀 네크 장치인 것으로 특정할 수는 없다. 왜냐하면, 복수의 공정이 연속된 생산 시스템을 생각하였을 때, 임의의 공정이나 장치에서 발생한 생산 변동은 공정의 연속을 따라서 하류의 공정이나 장치에 영향을 미치므로, 각각의 공정이나 장치에서 스루풋이나 WIP를 직접 평가하여도 생산성 저해 요인을 특정할 수 없기 때문이다.
즉, 본 발명에서는, 상기 (1), (2)의 문제에 의해 생산 능력 저하가 발생한 장치가 어느 것인지 특정하는 과제에 대해서, 생산 변동의 공정간 상호 영향도 고려하여, 생산성을 저해하는 근본 원인이 되는 보틀 네크 장치를 특정하는 방법의 확립이 과제이다.
상기 과제를 해결하기 위해, 본 발명은, 제조 라인의 각 제조 장치의 생산 지표를 소정의 수집 시간 간격으로, 생산 공정마다 분류하여 수집하는 제조 라인 실적 정보 수집부와, 상기 취득한 생산 지표로부터, 소정 시간 구간 및 생산 공정마다의 생산 지표를 구하고, 각 생산 공정마다, 복수의 시간 구간을 중복하여 이동 평균, 분산을 산출하여 소정 시간 구간 및 생산 공정마다의 변동 계수를 구하고, 미리 정해진 임계값을 이용하여, 상기 각 변동 계수의 표시 시의 양태를 결정하고, 시간과 공정을 축으로 한 좌표를 설정하고, 상기 각 변동 계수를 상기 좌표의 해당하는 위치에, 상기 표시 양태에 의해 표시하는 시계열 추이 작성ㆍ표시부와, 제조 라인의 특정한 제조 장치에, 지정한 일시에 지정한 생산 지표의 임의의 변동을 의도적으로 발생시키는 시뮬레이션 모델의 작성을 접수하는 시뮬레이션 모델 작성부와, 시뮬레이션 장치에 상기 시뮬레이션 모델의 실행을 시켜, 시뮬레이션 결과로부터, 상기 시계열 추이의 작성 처리와 그 표시를 행하는 생산 변동 계측부와, 상기 생산 변동 계측부가 작성한 변동 계수가 저장된 2차원 배열 요소에 의해 구성되는 2차원 패턴 데이터에 대해, 패턴 데이터의 윤곽을 추출하고, 상류 공정의 생산 변동이 하류 공정의 생산 변동에 영향을 미치는 최장의 생산 변동 전파 길이로서, 일련의 접속 관계에 있는 2차원 패턴 데이터의 최상류 공정으로부터 최하류 공정까지의 공정수를 탐색하는 생산 변동 전파 길이 측정부와, 상기 생산 변동 전파 길이 측정부에 의해 얻어진 각 2차원 패턴 데이터의 최장 생산 변동 전파 길이를 집계하여 비교를 행하고, 그것들 중에서 가장 전파 길이가 큰 2차원 패턴 데이터의 최상류 공정의 제조 장치를 보틀 네크 장치로 특정하는 보틀 네크 장치 추출부를 구비하는 보틀 네크 장치 추출 지원 장치를 제안한다.
본 발명에 따르면, 생산 변동의 공정간 상호 영향도 고려하여, 생산성을 저해하는 근본 원인이 되는 보틀 네크 장치를 빠른 시기에 특정할 수 있다. 그리고 이 보틀 네크 장치에 주목해서 대책을 행하여 해결하는, 계속적인 생산성 향상 활동의 구조를 갖출 수 있어, 생산 시스템의 생산성을 향상시킬 수 있다.
본 발명의 다른 목적, 특징 및 이점은 첨부 도면에 관한 이하의 본 발명의 실시예의 기재로부터 명백하게 될 것이다.
도 1은 본 발명의 일 실시 형태가 적용된 보틀 네크 장치 추출 지원 시스템의 개략 구성도.
도 2는 공정 1에서 발생한 장치 고장에 의한 재공품 변동이 전파되는 모습을 설명하는 도면.
도 3은 계수 Cia를 이용한 가시화 테이블의 예를 도시하는 도면.
도 4는 계수 Cia의 값에 의해 배경색을 바꾼 가시화 테이블의 예를 도시하는 도면.
도 5는 반도체 제조 전공정의 개략 공정을 설명하는 도면.
도 6은 제조 라인 실적 정보의 데이터 레코드를 설명하는 도면.
도 7은 품종별 공정 경로 정보의 데이터 레코드를 설명하는 도면.
도 8은 제조 라인의 생산 변동 가시화 테이블의 표시 처리의 플로우차트.
도 9는 본 발명을 잡숍형의 반도체 제조 전공정의 제조 라인에 적용한 예를 도시하는 도면.
도 10은 생산 계획 정보의 데이터 레코드를 설명하는 도면.
도 11은 시뮬레이션 모델의 일례를 도시하는 도면.
도 12는 제조 라인의 시뮬레이션 모델의 표시예.
도 13A는 생산 지표 변동 초기 정보 설정 화면의 예를 도시하는 도면.
도 13B는 생산 지표 변동 초기 정보 설정 화면의 예를 도시하는 도면.
도 14는 품종별 공정 경로ㆍ제조 장치 정보의 데이터 레코드를 설명하는 도면.
도 15는 시뮬레이션 결과 데이터의 데이터 레코드를 설명하는 도면.
도 16은 시뮬레이션 결과 가시화 테이블의 표시예를 도시하는 도면.
도 17A는 생산 변동 전파 길이 측정 처리의 플로우차트(그 1).
도 17B는 생산 변동 전파 길이 측정 처리의 플로우차트(그 2).
도 18A는 섬 형상 패턴의 경계를 추적하는 처리를 설명하는 도면.
도 18B는 섬 형상 패턴의 경계를 추적하는 처리를 설명하는 도면.
도 18C는 섬 형상 패턴의 경계를 추적하는 처리를 설명하는 도면.
도 18D는 섬 형상 패턴의 경계를 추적하는 처리를 설명하는 도면.
도 18E는 섬 형상 패턴의 경계를 추적하는 처리를 설명하는 도면.
도 19A는 섬 형상 패턴의 경계를 팽창시키는 처리.
도 19B는 섬 형상 패턴의 경계를 팽창시키는 처리.
도 20은 본 발명을 실시하는 주요 수단을 설명한 도 1.
도 21은 본 발명을 실시하는 주요 수단을 설명한 도 2.
도 22는 본 발명을 실시하는 플로우차트를 설명한 도면.
도 23은 본 발명을 실시하는 플로우차트에서의 스텝 C로부터의 계속을 설명한 도면.
도 24는 본 발명을 실시하는 플로우차트에서의 스텝 D로부터의 계속을 설명한 도면.
이하, 본 발명의 실시 형태를 도면에 의해 설명한다.
<실시예 1>
(1) 생산 시스템 내의 생산 변동을 가시화하는 방법의 사고 방식
본 발명의 보틀 네크 장치 추출 방법에서의 사고 방식을 설명한다.
도 2는, 공정 1에서 발생한 장치 고장에 의한 재공품 변동(variation of work in process)을 설명하고 있다. 도면의 종축은 공정 1에서 공정 3까지 연속된 생산 시스템을 나타내고 있다. 그리고 도면의 횡축은, 제1일째에서 제3일째까지의 생산 일정을 나타내고 있다. 각각의 공정에서는 장치가 하나씩 있는 것으로 하고, 공정 1의 장치에서 처리 완료된 WIP는 공정 2의 장치에 보내지고, 공정 2의 장치에서 처리 완료된 WIP는 공정 3의 장치에 보내진다. 그리고 공정과 생산 일정으로 구획되는 각각의 란에는, 그 WIP 증감을 나타내고 있다. 여기서는, 제1일째에 있어서 공정 1의 장치에서 고장이 발생하고, 그 결과 공정 1의 WIP에 변동이 발생한 것을 나타내고 있다. 이 WIP 변동은, 공정 1로부터 공정 2로 시간과 함께 전파되고, 제3일째에서 공정 3까지 전파된다.
여기서, 제3일째에 있어서 특정한 공정이나 생산 시스템 전체의 특정 기간 내의 스루풋이나 WIP의 평균값을 산출하여 비교 평가하는 종래의 방법을 이용하면, WIP 변동이 일어나고 있는 것은 공정 3의 장치이므로, 생산성을 저해하는 근본 원인은 외관상 공정 3의 장치에 있는 듯이 보인다. 그러나, 상기한 바와 같이, 이 근본 원인은 공정 1의 장치에 있다. 즉, 임의의 공정이나 장치에서 발생한 생산 변동은 공정의 연속을 따라서 다른 공정이나 장치에 영향을 미치는 것이 문제로 되어, 종래의 방법에서는 생산성을 저해하는 근본 원인을 찾아내는 것이 어렵다고 판단된다.
본 발명에서는, 비특허 문헌 1에 제안되어 있는 CV 해석 방법을 확장하고, 생산 시스템 내의 생산 변동이 시간의 경과와 함께 변해가는 모습을 가시화하는 방법을 개발하였다.
그 처리 스텝은,
생산 시스템 내에 있는 공정간의 상호 영향도 해석할 수 있도록, 생산 시스템 내에 있는 하나의 장치의 퍼포먼스 변동을 정량화하는 계수 C의 정의식에서 시간축을 따른 변동 상황을 해석할 수 있도록 확장한다.
Figure pct00002
수학식 2에서, i는 공정 경로를 따라서 첫 공정에서 최종 공정까지 부여하는 일련의 공정 번호, j는 제조 라인의 가동 시간을 임의의 구간(시간 구간 Ts)으로 구획하였을 때의 구간 번호를 나타낸다. 그리고, pij는 공정 i, 시간 구간 j에서의 생산 지표를 나타낸다. 이 생산 지표는, 공정 혹은 장치의 스루풋(생산량), WIP(work in process; 재공품), 가동률, 수율 등이다. 즉, ria는 공정 i에서의 시간 구간 a-k+1에서 시간 구간 a까지의 생산 지표의 평균값을 나타낸다. 그리고, 시간 구간 a가 변화하면 그 샘플 구간 k도 변화해 가므로, 결국, ria는 공정 i의 시각 Ta(시간 구간 a의 마지막의 시각 Ta로 대표시킴)에서의 샘플 구간 k의 생산 지표의 이동 평균을 나타낸다. 이와 같이 하여, 시간 성분을 고려하도록 확장한다.
다음으로, 생산 지표 pij의 분산은 수학식 3과 같다.
Figure pct00003
수학식 3에서, sia는 공정 i에서의 시각 Ta, 샘플 구간 k의 생산 지표의 분산을 나타낸다. 즉, 시간축을 따른 변동 상황을 해석할 수 있도록 확장한 계수 Cia는 다음 식과 같다.
Figure pct00004
다음으로, 생산 시스템 내의 생산 변동이 시간의 경과와 함께 변해가는 모습을 가시화하기 위해, 계수 Cia를 이용하여 도 3에 도시한 가시화 테이블을 작성한다. 도 3의 가시화 테이블은, 가로 방향은 공정 경로를 따라서 첫 공정에서 최종 공정까지의 배열을 나타내고, 세로 방향은 시간을 임의의 구간으로 구획하였을 때의 시간의 배열을 나타낸다. 즉, Pi는 공정 i를 나타내고, 시각 Ta는 시간 구간 a를 나타낸다. 그리고, 이 공정 Pi와 시각 Ta(시간 구간 a)의 조합으로 구성되는 도 3의 각각의 란에, 수학식 4의 계수 Cia를 할당한다.
계속해서, 수학식 4의 계수 Cia의 값에 의해 각각의 란의 배경색을 바꾼다. 표 1은, 계수 Cia의 값에 의해 생산 시스템의 변동 상황을 3개로 분류하였을 때의 예를 나타내고 있다.
Figure pct00005
이 예에서는, 계수 Cia가 하한값 BL 미만인 경우에는, 생산 시스템의 변동은 무시할 수 있는 만큼 작은 영역으로서, 임의의 배경색을 부여하고, 계수 Cia가 하한값 BL 이상이고 상한값 BU 미만인 경우에는, 생산 시스템의 변동이 쉽게 일어나는 영역으로서 다른 배경색을 부여하고, 계수 Cia가 상한값 BU 이상인 경우에는, 생산 시스템의 변동이 항상 일어나고 있는 영역으로서 또 다른 배경색을 부여한다.
이와 같이 배경색을 바꾸면, 도 4에 도시한 바와 같이, 동일 배경색의 계수 Cia로 구성되는 패턴이 거시적인 의미를 갖게 되고, 예를 들면 생산 변동이 시간을 따라서 공정을 전전하는 현상을 나타낼 수 있다. 이와 같이 하여, 본 발명의 보틀 네크 장치 추출 지원 시스템은, 대규모의 생산 시스템에서도 시간축을 따른 생산 변동의 상호 영향의 해석을 신속하게 행하는 것을 지원한다.
(2) 보틀 네크 장치 추출 지원 시스템의 개략 구성
도 1은, 본 발명의 일 실시 형태가 적용된 보틀 네크 장치 추출 지원 시스템(1)의 개략 구성도이다.
보틀 네크 장치 추출 지원 시스템(1)은, 보틀 네크 장치 추출 지원 장치(10)와, 시뮬레이션 장치(20)와, 제조 라인의 각 공정, 또는 각 장치에 설치되어, 장치 상태, 생산 실적을 수집하여, 보틀 네크 장치 추출 지원 장치(10)에 보고하는 장치 상태ㆍ실적 모니터(40)가, 네트워크(30)로 접속되어 구성된다.
보틀 네크 장치 추출 지원 장치(10)는, 그 제어부(50)에는, 제조 라인의 시뮬레이션 모델을 작성하는 시뮬레이션 모델 작성부(51)와, 제조 라인에 설치된 장치 상태ㆍ실적 모니터(40)로부터 보고를 받은 제조 라인 실적 정보를 수집하여 기억부(60)에 저장하는 제조 라인 실적 정보 수집부(52)와, 특정한 제조 장치의 생산 능력 변동을 의도적으로 발생시킨 시뮬레이션 결과로부터, 생산 능력 변동이 생산 경로를 따라서 전파하는 모습을 계측하는 생산 변동 계측부(53)와, 생산 변동이 일어나고 있다고 판정되는 전파 영역의 전파 길이를 측정하는 생산 변동 전파 길이 측정부(54)와, 시뮬레이션 결과로부터 보틀 네크 장치를 추출하는 보틀 네크 장치 추출부(55)와, 제조 라인 실적 정보로부터 생산 지표의 시계열 추이도를 작성하여, 출력부(80)에 표시하는 시계열 추이 작성ㆍ표시부(56)를 구비하고 있다. 또한, 보틀 네크 장치 추출 지원 장치(10)는, 그 기억부(60)에, 생산 계획 정보 기억 영역(61)과, 제조 라인 실적 정보 기억 영역(62)과, 시뮬레이션 모델 데이터 기억 영역(63)과, 생산 변동 계측 정보 기억 영역(64)과, 시뮬레이션 결과 데이터 기억 영역(65)과, 장치 설정ㆍ연산 파라미터 기억 영역(66)과, 품종별 공정 경로 정보 기억 영역(67)을 구비한다. 또한, 보틀 네크 장치 추출 지원 장치(10)는, 키보드, 마우스 등의 입력 장치로 이루어지는 입력부(70)와, 액정 디스플레이 등의 표시 장치로 이루어지는 출력부(80)와, 통신 인터페이스 등의 통신부(90)를 구비한다.
시뮬레이션 장치(20)는, 제조 라인ㆍ생산 프로세스의 시뮬레이션 모델을 컴퓨터 상에서 작성하여, 그 모델 중에서의 다이내믹한 과정을 모의하여, 예를 들면, 제품/품종별, 프로세스별, 공정별, 제조 장치별 등의 각종 생산성 지표를 출력한다. 모델 중에서 고려하는 실물의 정보, 정밀도에 따라서, 시뮬레이션 결과의 정밀도에도 차이는 예측되지만, 본 발명에서는, 기존의 시뮬레이터의 시뮬레이션 방식을 특정하지 않고 이용하는 것으로 한다. 단, 시뮬레이션 모델의 작성 시에, 본 발명 특유의 입력 사양을 구비하고, 그 입력 사양에 따라서 입력된 데이터를, 시뮬레이션 모델에 포함하는 것을 실행 가능한 것으로 한다. 또한, 도 1에서는, 시뮬레이션 장치(20)는 보틀 네크 장치 추출 지원 장치(10)와는 다른 장치에서 실현한 형태를 나타내고 있지만, 시뮬레이션 장치(20)의 기능이, 보틀 네크 장치 추출 지원 장치(10) 중에서 조립된 실현 형태도 생각된다.
장치 상태ㆍ실적 모니터(40)는, 제조 라인에서의 생산 실적이나 물류 상황 등의 생산 지표를 수집하여, 보고하는 기능을 하지만, 예를 들면 각 제조 공정마다, 복수의 제조 장치에 대응하여 설치되는 형태이어도, 각 제조 장치마다 개별로 접속되어 설치되는 형태이어도 된다. 각 제조 장치마다의 생산 지표는, 소정 기간의 간격에서 자동 수집되거나, 또는 접속된 단말기 상에서 제조 장치의 오퍼레이터에 의한 입력에 의해 보고된다.
(3) 제조 라인의 생산 지표의 실적 정보 수집 처리
보틀 네크 장치 추출 지원 장치(10)의 입력부(70)로부터, 제조 라인의 생산 지표를 수집하기 위한 초기 설정 정보를 입력한다. 그 초기 설정 정보는, 수집하는 생산 지표의 종별, 및 수집의 빈도, 수집 시기 등이다. 유저에 의해 입력된 상기 초기 설정 정보는, 기억부(60)의 장치 설정ㆍ연산 파라미터 기억 영역(66)에 저장된다. 또한, 상기 입력된 초기 설정 정보는 각 장치 상태ㆍ실적 모니터(40)에 통지된다.
보틀 네크 장치 추출 지원 장치(10)는, 상기 설정된 수집의 빈도, 수집 시기의 정보에 따라, 제조 라인에 설치된 장치 상태ㆍ실적 모니터(40)로부터, 각 제조 장치의 실적 정보(지정된 생산 지표의 실적값)를 수집하여, 기억부의 제조 라인 실적 정보 기억 영역(62)에 기록한다.
제조 라인이 예를 들면 반도체 제조 전공정의 경우의 개략 공정을, 도 5를 이용하여 설명한다. 웨이퍼 제조 프로세스는, 실리콘이나 글래스 등으로 되어 있는 원반 형상의 기판을 투입하고, 그 기판 상에 전자 회로의 패턴이나 소자를 형성하는 공정이다. 기판 투입 공정에서는, 대상이 되는 기판을 투입한다(S11). 다음으로, 「성막」 공정에서, 기판 표면에 산화막을 형성한다(S12). 또한 「포토레지스트 도포」 공정에서, 회로나 소자 구조의 패턴을 전사하기 위해 광을 닿게 하는 부분만이 화학 변화를 일으키는 재료(포토레지스트)를 도포한다(S13). 다음으로, 「노광」 공정에서, 회로나 소자 구조가 그려진 포토마스크라고 칭하는 글래스 기판을 통해서 기판에 광을 조사하여 회로나 소자 구조를 전사한 후에(S14), 「현상」 공정에서, 그 기판을 현상액에 침지하여 화학 변화를 일으키지 않는 포토레지스트를 제거한다(S15). 이에 의해, 포토마스크에 그린 회로나 소자 구조와 동일한 패턴으로 기판 상에 포토레지스트가 남는다. 다음으로, 「에칭」 공정에서, 약액이나 가스를 이용하여 포토레지스트가 덮여 있지 않고 기판 상에 노출되어 있는 산화막을 제거한 후(S16), 「포토레지스트 제거」 공정에서, 포토레지스트를 제거함으로써, 생성시키고자 하는 회로나 소자 구조의 패턴을 형성한다(S17). 일반적으로, 웨이퍼 제조 프로세스는, 복수층의 회로를 형성하므로, 상기의 공정을 수회로부터 수십회 반복하여, 복잡한 회로나 소자 구조를 형성하고 있다. 기판에 회로나 소자 구조를 형성한 후에는, 「검사」 공정에서 회로나 소자 구조의 양부 판정을 행하여(S18), 불출된다(S19).
보틀 네크 장치 추출 지원 장치(10)의 제조 라인 실적 정보 수집부(52)는, 상기한 웨이퍼 제조 라인에 설치된 장치 상태ㆍ실적 모니터(40)로부터, 유저가 지정한 생산 지표의 값을, 각 제조 장치마다 및/또는 각 공정마다, 유저가 지정한 기간 간격(데이터 수집 시간 구간) Tg의 빈도로 수집하여, 상기 기억부(60)의 제조 라인 실적 정보 기억 영역(62)에, 도 6에 도시한 바와 같이, 예를 들면 제품(품종)명 및 생산 지표마다의 데이터 테이블로 나누어 기억한다. 이 실적 정보 수집 처리는, 본 실시예에서는, 유저가 지정한 기간 간격(데이터 수집 시간 구간) Tg가 2시간이며, 데이터 수집 시각이, 10:00, 12:00, 14:00, 16:00 등과 같이, 2시간마다 설정하고 있다. 그리고, 각 장치 상태ㆍ실적 모니터(40)가 보고하는 정보는, 각 제조 장치의 생산 지표의 실적을, 2시간의 기간 간격에서 수집하여 보고하는 정보이다. 즉, 데이터 수집 시각 10:00의 정보는, 08:00 내지 10:00 동안의 각 제조 장치의 생산 지표의 실적값으로 한다. 단, 제조 라인의 가동 시간에, 야간 등의 정지 시간이 있는 경우에는, 어느 날의 가동 개시 시간이 09:00로부터이라면, 데이터 수집 시각 10:00의 정보는, 09:00 내지 10:00 동안의 생산 지표의 실적값 외에, 전일의 최종의 1시간의 생산 지표의 실적값을 더한 2시간의 기간 간격의 정보를 보고하는 것으로 한다. 또한, 제조 장치에 야간 정지가 있었던 이벤트 정보도 보고한다.
제조 라인 실적 정보 수집부(52)는, 각 데이터 수집 시각에, 모든 제조 장치의 생산 지표의 실적값의 보고를 받고, 그들의 정보를, 제품(품종)명, 및 생산 지표마다, 도 6에 도시한 데이터 테이블에 저장한다. 제조 라인 실적 정보(62)는, 데이터 항목이, 적어도 데이터 ID, 제조 장치명, 공정 명칭, 데이터 수집 일시, 생산 지표 수집 실적값으로 이루어지는 데이터 레코드 형식으로 기록된다. 도 6의 예에서는, 제품(품종)명이 ASIC2007, 생산 지표가 스루풋(생산량)의 실적 정보의 경우이며, 생산 지표 수집 실적값은 웨이퍼 매수를 나타내고 있다.
(4) 제조 라인의 생산 지표의 시계열 추이 작성ㆍ표시 처리
도 8은, 제조 라인의 생산 변동 가시화 테이블의 표시 처리의 흐름을 설명하는 플로우도이다.
보틀 네크 장치 추출 지원 장치(10)의 유저는, 임의의 제품(품종)명의 첫 공정에서 최종 공정까지의 제조 경로에 의거한 공정의 배열에서의 제조 라인의 생산 변동 가시화 테이블을 작성하는 것을 지시한다. 그 지시에 따라서, 시계열 추이 작성ㆍ표시부(56)가 기동하여, 입력부(70)로부터, 제품(품종)명, 생산 지표, 생산 지표의 이동 평균을 구하기 위한 샘플 구간 k, 제조 라인의 생산 변동을 표시하는 대상 기간(개시일ㆍ개시 시각 T0, 종료일ㆍ종료 시각 Te)의 유저 입력을 접수한다(S801). 여기서, 샘플 구간 k란, 각 공정의 생산 지표의 실적값의 이동 평균을 계산하는 경우에, 계산 대상으로 하는 생산 지표의 실적값이 수집된 시간축을 따라서 정해진 시간 구간의 수를 나타낸다. 상기한 제조 라인의 가동 시간을 구획한 시간 구간 Ts의 수이다. 본 실시예에서는, 시간 구간 Ts는 유저가 지정한 기간 간격(데이터 수집 시간 구간) Tg와 같은 것으로 하고 있으므로, 2시간이다. 예를 들면, 샘플 구간 k를 2로 지정하면, 2×Ts의 시간의 간격을 나타내고, 4시간의 생산 지표의 실적값의 이동 평균을 계산한다. 또한, 시간축 상의 어느 하나의 시간 구간 Ts를 특정하는 표현으로서, 그 시간 구간 Ts의 마지막의 시각 Ta에 의해, 대표하여 나타낸다. 즉, 어느 시간 구간 Ts의 샘플 구간 k는, 시각 Ta-k×Ts에서 시각 Ta까지의 동안의 시간을 나타낸다.
시계열 추이 작성ㆍ표시부(56)는, 기억부(60)에 미리 기억되어 있는 제품(품종)마다의 공정 경로 정보(67)를 읽어낸다(S802). 품종별 공정 경로 정보(67)는, 도 7에 도시한 바와 같이 제품(품종)명마다 나뉘어져, 공정 NO(i)와, 공정 명칭의 데이터 항목으로 이루어지는 데이터 테이블에 의해 구성되고, 소재(웨이퍼 등)의 투입으로부터, 제품 완성까지의 모든 공정을 등록한 것이다.
계속해서, 시계열 추이 작성ㆍ표시부(56)는, 상기 지정된 제품(품종)명, 생산 지표, 생산 변동을 표시하는 대상 기간에 해당하는 제조 라인 실적 정보(62)를 읽어낸다(S803). 그리고, 상기 지정된 표시 대상 기간(개시일ㆍ개시 시각 T0, 종료일ㆍ종료 시각 Te), 및 샘플 구간 k에 따라서, 생산 변동 가시화 테이블의 종축의 제1 시간 구간 Ts를 나타내는 시각 Ta를, Ta=대상 기간의 개시일ㆍ개시 시각 T0+k×Ts로 초기 설정하여(S804), 이하의 계산 처리를 반복한다. 여기서 정의한 각 변수 Ta, T0, Te는, 년, 월, 일 및 시각의 정보를 포함하는 변수로 한다.
시계열 추이 작성ㆍ표시부(56)는, 시각 Ta-k×Ts에서 시각 Ta까지의 동안의 생산 지표를 수집한 해당 데이터 레코드를, 상기 읽어내어진 제조 라인 실적 정보(62) 중에서 읽어내고, 공정 명칭이 동일한 데이터 레코드의 생산 지표 수집 실적값을, 시간 구간(시간 구간 번호 j)마다 집계하여, 공정별 시간 구간별 생산 지표 pij를 구한다. 여기서, i는 품종별 공정 경로 정보(67)로부터 읽어내어진 공정 NO를 나타내고, j는 대상 기간의 개시일ㆍ개시 시각 T0+k×Ts에 의해 지정된 시각 Ta의 초기값이 나타내는 시간 구간 Ts를 시간 구간 번호를 k로서, 이후 시간 구간 Ts마다 번호가 부여된다. 그리고, 공정 i의 시각 Ta(시간 구간 번호 a)에서의 샘플 구간 k의 생산 지표의 이동 평균 ria를 수학식 5에 의해 산출한다(S805).
Figure pct00006
다음으로, 공정 i의 시각 Ta(시간 구간 번호 a)에서의 샘플 구간 k의 공정별 시간 구간별 생산 지표 pij의 분산 sia를 수학식 6에 의해 산출한다(S806).
Figure pct00007
다음으로, 공정 i의 시각 Ta(시간 구간 번호 a)에서의 샘플 구간 k의 변동 계수 Cia를 수학식 7에 의해 산출한다(S807).
Figure pct00008
다음으로, 산출한 변동 계수 Cia의 값에 따라서, 생산 변동 가시화 테이블에서의 배경색을 결정한다. 그 결정을 위해 사용되는 표 1에서의 BL과 BU의 값은, 생산성 향상 활동의 방침, 상황에 따라서, 생산 변동을 무시할 수 있는 만큼 작다고 판정하는 임계값, 및 항상 변동이 일어나고 있는 상태로 판정하는 임계값을 바꾸어 결정할 수 있다. 본 실시예에서는, 생산 지표의 분포가 정규 분포인 것으로 가정하여, 평균값으로부터 ±표준 편차 σ의 경계에서 변동 계수가 나타내는 값을 채용하여, BL=0.75, BU=1.33으로 설정하였다. 표 2의 판정식에 의해, 각 변동 계수 Cia의 배경색을 결정하여, 기록한다(S808).
Figure pct00009
다음의 시간 구간의 시각 Ta, 시간 구간 번호 j를 갱신한다(S809). 갱신한 시각 Ta가, 표시 대상 기간의 종료 시각 Te를 넘은 경우에는, 이상의 처리를 종료하여, 다음의 스텝으로 진행한다(S810). 시각 Ta가, 표시 대상 기간의 종료 시각 Te를 넘지 않은 경우에는, 갱신한 시각 Ta, 시간 구간 번호 j가 나타내는 새로운 시간 구간의 생산 지표의 변동을 평가하기 위해, S805로 되돌아가, 일련의 계산 처리를 반복하여 실행한다.
다음으로, 유저에 의해 지정된 제품(품종)명, 생산 지표, 샘플 구간 k, 제조 라인의 생산 변동을 표시하는 대상 기간의 정보에 따라서, 이상의 처리 스텝에 의해 계산된 결과에 기초하여, 생산 변동 가시화 테이블을 출력부에 표시, 또는 출력한다(S811).
(5) 생산 변동 가시화 테이블의 해석예
생산 변동 가시화 테이블의 표시예는, 도 4에 도시한 바와 같이 표시된다. 또한, 도 9는, 본 발명을 수백 공정이 있는 잡숍형의 반도체 제조 전공정의 제조 라인에 적용한 예이다. 횡축은, 어떤 제품의 첫 공정에서 최종 공정까지의 제조 경로에 의거한 공정의 배열을 나타내고, 종축은 제조에서의 일 단위의 시간축(시간 구간 Ts=1일)을 나타낸다. 변동 계수 Cia의 인자 pij로 나타내는 생산 지표는, 공정마다의 일시 스루풋이다.
도 9에서는, 공장 조업 캘린더에 기초하는 제조 라인의 정지와 재개의 이벤트를 포함하고, 도면 중 'H'로 그 실시일을 나타내고 있다. 그리고, 표 2의 정의에 기초하는 변동 계수 Cia로 구성하는 패턴이 몇 개인지 판독된다. 특히, 도면 중의 좌측 위로부터 우측 아래로의 화살표 X로 나타낸 몇 개의 패턴은, 도면 중 'H'의 제조 라인의 정지와 재개의 처리 실시일을 기점으로 하여, 시간 경과와 함께, 어느 공정으로부터 후공정에 가늘고 긴 섬과 같은 형태를 이루고 있다. 이 섬은, 제조 라인의 정지와 재개의 처리에서, 몇 개의 공정 내의 장치의 정지와 재개의 처리가 계획대로 진행되지 않고, 그 영향이 공정마다의 일시 스루풋의 생산 변동으로서 나타나고 있는 것을 원인으로 추정할 수 있다. 그 생산 변동이, 기점으로 된 공정으로부터 후공정에 시간 경과와 함께 전파하고 있는 것이, 섬이 가늘고 긴 형태를 하고 있는 이유로서 추정할 수 있다.
(6) 시뮬레이션 모델 작성 처리
어느 기점이 되는 공정에서 발생한 장치 고장 등이 원인이 되는 생산 변동이, 후공정에 시간 경과와 함께 전파해 가는 것을, 상기 생산 변동 가시화 테이블 상으로부터, 변동 계수 Cia의 값이 큰 1군의 패턴으로서 판독되는 것을 앞서 설명하였다. 본 발명의 목적은, 제조 라인 전체의 스루풋의 저하에 의해 크게 영향을 미친다고 판단되는 근본 원인의 공정을 우선하여 찾아내어, 보다 빨리 대책을 강구하는 것을 지원하는 기술을 제공하는 것이다. 그를 위해, 상기 생산 변동 가시화 테이블의 표시를 보고, 유저가 대책을 세워야 할 근본 원인이 될만한 공정의 후보를 골라내어, 그들의 보틀 네크 공정 중에서 최우선으로 대책을 세워야 할 근본 원인의 공정을 빠른 시기에 특정하여, 신속하게 대책하는 것을 지원하는 이하의 기능을 제공한다.
본 발명에서는, 시뮬레이션 장치 중에서, 상기의 보틀 네크 공정의 후보의 각 장치의 생산 능력 변동을 의도적으로 발생시켜, 이 생산 능력 변동이 생산 경로를 따라서 어떻게 전파하는지를 시뮬레이션한다.
도 1의 시뮬레이션 장치(20)는, 기존의 (반도체) 제조 라인 시뮬레이터의 어느 것이라도, 정밀도, 및 처리 시간의 차이는 있지만, 본 발명의 목적은 달성할 수 있다. 단, 본 발명에 독자적인 입력 사양, 및 데이터 모델 관리 기능을 가할 필요가 있다.
보틀 네크 장치 추출 지원 장치(10)의 시뮬레이션 모델 작성부(51), 생산 계획 정보 기억 영역(61), 및 시뮬레이션 모델 데이터 기억 영역(63)은, 시뮬레이션 장치(20)와 공유하는 구성 요소이며, 양 장치의 어느 쪽측에 존재하여도 되지만, 본 실시예에서는, 보틀 네크 장치 추출 지원 장치(10)측에 구비되어 있다.
보틀 네크 장치 추출 지원 장치(10)의 시뮬레이션 모델 작성부(51)는, 시뮬레이션 실행에 앞서서, 제조 라인의 모델화에 필요한 정보(제품 정보, 프로세스 정보, 제조 장치 정보, 공정 플로우)의 수집, 모델링을 가이드 표시를 행하여, 유저를 지원한다. 시뮬레이션 모델 작성부(51)는, 기동되면 예를 들면, 입력된 제품 정보(제품, 품종명)에 따라서, 도 7에 도시한 품종별 공정 경로 정보(67)를 읽어내고, 도 12에 도시한 바와 같은 제조 라인의 전체 공정의 시뮬레이션 모델을 표시한다. 각 공정마다, 버퍼 Bi의 용량 등을 정의 입력하기 위한 아이콘과, 공정 명칭에 따라서 제조 장치 Mi를 선택ㆍ능력 정의 입력하기 위한 아이콘을 연속해서 표시한다. 유저는, 표시된 제조 라인의 시뮬레이션 모델의 각 아이콘을 클릭하여, 예를 들면 가이드에 따라서, 각 버퍼, 각 제조 장치의 정보를 선택ㆍ입력한다. 또한, 공정간의 경로의 접속의 화살표는, 상기 품종별 공정 경로 정보(67)에 따라서 시스템이 미리 붙여서 표시하는 것과, 유저가, 공정간의 경로의 지정을 표시 화면 상에서 추가 입력하는 것이 있다.
시뮬레이션 모델 작성부(51)는, 상기한 유저에 의한 선택ㆍ입력에 따라서, 시뮬레이션 모델 데이터를 작성한다. 도 11에 도시한 시뮬레이션 모델은, 일례로 되는 공지의 시뮬레이터에서의 시뮬레이션 모델을 참고로 하여, 본 발명 고유의 데이터 항목을 추가하여 작성한 것이며, 반드시 도 11의 데이터 레코드 형식으로는 한정되지는 않는다.
시뮬레이션 모델 작성부(51)는, 제품 정보에 따라서 프로덕트 데이터 레코드(1110)를 작성한다. 프로덕트 데이터 레코드의 데이터 항목 「품종별 공정 경로 정보」(1113)에는, 품종별 공정 경로 정보 기억 영역(67)의 품종별 공정 경로 정보와, 제조 라인 실적 정보(601)로부터 제조 장치명ㆍ공정 명칭마다의 생산 지표 수집 실적값의 집계값에 기초하여, 유저가 제조 장치마다의 단위 시간당의 생산 수량을 입력하여 작성된 품종별 공정 경로ㆍ제조 장치 정보(1401)(도 14 참조)에의 포인터가 저장된다. 상기 품종별 공정 경로ㆍ제조 장치 정보(1401)는, 시뮬레이션 모델 데이터 기억 영역(63)에 저장된다. 데이터 항목 「재공품 파일」(1111)은, 도 12에 도시한 제조 라인의 시뮬레이션 모델의 각 공정별 버퍼를 정의하는 스토커 데이터 레코드(1140)의 데이터 항목 「공정별 버퍼」(1141)에의 포인터를 저장한다. 데이터 항목 「사용하는 프로세스」(1112)는, 각 공정에서의 프로세스를 정의하는 프로세스 데이터 레코드(1120)를, 최초의 프로세스에서 최종의 프로세스까지의 데이터 레코드의 1군에의 포인터를 저장한다. 그 밖의 데이터 항목은, 유저 입력에 의해 데이터가 저장된다.
프로세스 데이터 레코드(1120)는, 1공정의 프로세스마다 데이터 레코드가 작성되고, 데이터 항목 「사용하는 제조 장치명」(1121)은, 그 프로세스에서 사용하는 제조 장치를 정의하는 제조 장치 데이터 레코드(1130)에의 포인터가 저장된다.
제조 장치 데이터 레코드는, 제조 장치마다 정의되어 작성된다. 데이터 항목 「디스패치 룰」(1131)은, 대기하고 있는 롯트 중으로부터 어느 롯트를 선택할지의 룰을 정의한다. 데이터 항목 「로드 룰」(1132)은, 장치에의 로드 룰, 한 번에 1롯트 이상 처리할 수 있는 경우의 룰을 정의한다. 데이터 항목 「셋업 룰」(1133)은, 장치의 셋업(설정)을 어느 시점에서 실행할지의 룰을 정의하는 것이며, 지금까지와 다른 품종이 온 경우, 또는 스펙이 다른 경우에 장치의 설정을 행하는 룰이다. 데이터 항목 「재공품 파일」(1134)은, 그 제조 장치 데이터 레코드에 기재되는 제조 장치가 담당하는 공정에 대응하는 버퍼의 저장 에리어(1141)에의 포인터를 저장한다. 데이터 항목 「생산 지표 변동 초기 정보」는, 특정한 제조 장치에 의도적으로 생산 지표의 변동을 부여하여 제조 라인의 시뮬레이션을 행하는 경우에 설정하는, 본 발명 독자의 정보를 저장한다.
시뮬레이션 모델 작성부(51)는, 시뮬레이션 처리에 앞서서, 도 13에 도시한 생산 지표 변동 초기 정보 설정 화면을 유저에게 제시하여, 생산 지표 변동을 의도적으로 발생시키는 초기 정보의 설정 입력을 접수한다. 유저는, 어떤 제조 장치에, 어떤 생산 지표가, 어느 일시 동안에, 어떠한 파형에 의해 변동을 일으킬지를, 풀 다운 형식의 선택 메뉴로부터, 및 시스템이 제공하는 툴에 의해서, 임의의 파형의 변동을 설정 입력하는 것이 가능하다. 도 13A는, 성막 장치 B에서, 12월 1일 22:00 내지 12월 2일 02:00까지의 동안, 단위 시간당의 생산수(스루풋)가, 웨이퍼 34매/hr로부터 18매/hr에 저하되는 변동이 발생하였다고 설정 입력한 예이다. 또한, 도 13B는, 제조 장치:노광 C에서, 단위 시간당의 가동률이, 12월 5일 10:00에서 11:00까지, 100％에서 38％까지 저하되고, 계속해서 12:00까지 100％로 회복하는 변동이 발생하였다고 설정 입력한 예이다. 이상의 파형 입력은, 스텝 형상, 또는 직선 근사의 파형 외에, 시스템이 제공하는 툴이 서포트하는 임의 형상의 파형 입력을 가능하게 한다.
시뮬레이션 모델 작성부(51)는, 이상의 유저에 의한 생산 지표 변동 초기 정보의 입력을 접수하여, 시뮬레이션 모델 데이터(63)의 제조 장치 데이터 레코드(1130)의 데이터 항목 「생산 지표 변동 초기 정보」(1135)에 저장한다. 생산 지표 변동 초기 정보(1135)는, 그 제조 장치가, 어느 일시로부터 어느 일시에 걸쳐서, 어떤 생산 지표 종류의 어떠한 파형의 생산 변동이 일어날지의 정보를 저장한다.
(7) 시뮬레이션에 의한 생산 변동 계측 처리
시뮬레이션 모델 작성 후, 생산 변동 계측부(53)는, 특정한 제조 장치에 의도적으로 생산 능력 변동이 발생하였다고 상정한 시뮬레이션을 시뮬레이션 장치(20)에 실행하는 것을 의뢰하여, 그 시뮬레이션 결과 데이터를 시뮬레이션 장치(20)로부터 받아, 시뮬레이션 결과 데이터 기억 영역에 저장한다.
유저는, 평가해야 할 제조 라인의 실적 정보(601)로부터 작성한 생산 변동 가시화 테이블(도 9)을 표시하여, 보틀 네크 공정으로 의심되는 (공정 i, 시간 구간 a)의 셀을 특정한다. 예를 들면, 도 9에 화살표로 그린 원형의 영역 내에, 보틀 네크 공정의 후보를 선택하여, 예를 들면 마우스에 의한 클릭 조작에 의해, 임의의 수의(공정 i, 시간 구간 a)의 셀을 특정한다. 유저에 의해 특정된 각 보틀 네크 후보셀(공정 i, 시간 구간 a)은, 시뮬레이션 모델 데이터 기억 영역(63)에 기억되고, 각 보틀 네크 후보셀(공정 i, 시간 구간 a)에 대해, 상기한 시뮬레이션 모델 데이터가 작성되어, 시뮬레이션 처리가 실행된다.
시뮬레이션 장치(20)는, 생산 변동 계측부(53)로부터의 시뮬레이션 실행의 지시를 접수하고, 시뮬레이션 모델 데이터 기억 영역(63)으로부터 해당하는 시뮬레이션 데이터를 읽어내어, 생산 계획 정보(1001)(도 10 참조)에 따라서, 제조 라인의 모든 제조 장치, 작업자, 피가공물, 반송 장치 등의 거동을 소정의 시뮬레이션 단위 시간마다 모의하여, 각 단위 시간마다의 제품/품종별, 프로세스별, 공정별, 제조 장치별 등의 각종 생산성 지표를 출력한다.
본 발명의 보틀 네크 장치 추출 지원 장치(10)는, 시뮬레이션 장치(20)로부터, 예를 들면 제조 라인 실적 정보를 수집할 때에 지정한 기간 간격(데이터 수집 시간 구간) Tg의 빈도로, 데이터 수집 일시와 동일한 일시에, 지정된 생산 지표의 시뮬레이션값과, 각 제조 장치ㆍ공정마다의 버퍼에 저장되어 있다고 간주되는 재공품량을, 시뮬레이션 결과 데이터로서 수취하고, 시뮬레이션 결과 데이터 기억 영역(65)에 저장한다. 시뮬레이션 결과 데이터(1501)는, 예를 들면 도 15에 도시한 바와 같이, 제품(품종)명, 및 생산 지표마다 데이터 테이블에 저장된다. 시뮬레이션 결과 데이터(1501)의 시간축의 범위는, 시뮬레이션 시에, 시뮬레이션 대상 기간(개시 일시 Tss, 종료 일시 Tse)을 유저가 지정하여, 그 기간의 데이터에 데이터 ID를 첨부한다. 「시뮬레이션 결과 수집 일시」는, 각 시간 구간 Ts의 마지막의 시각을 나타내고, 그 시각에서의 시뮬레이션 결과가 보고된 것을 나타낸다. 「시뮬레이션 생산 지표값」은, 그 제조 장치에서, 「시뮬레이션 결과 수집 일시」가 나타내는 시간 구간 Ts 내에, 제조된 생산 지표값을 나타낸다. 또한, 「버퍼 재공품량」은, 「시뮬레이션 결과 수집 일시」에서의, 그 공정 전의 재공품량을 나타내고 있다.
생산 변동 계측부(53)는, 시뮬레이션 결과 데이터(1501)에 기초하여, 도 8에 도시한 제조 라인의 생산 변동 가시화 테이블의 표시 처리와 동등한 처리를 실행한다. 산출한 변동 계수 Cia는, 2차원 배열 S(i, j)[i는 공정 번호, j는 시간 구간 번호를 나타냄]로 저장된다. 또한, Cia 배경색을 결정하기 위해 임계값에 의해 분류할 때에, Cia의 값으로 변경하여, 예를 들면 0, 1, 2와 3치화한 값을 2차원 배열 T(i, j)[i는 공정 번호, j는 시간 구간 번호를 나타냄]로 저장한다. 이상의 2차원 배열은 이하의 처리에 사용된다. 도 16에 시뮬레이션 결과 가시화 테이블의 표시예를 나타낸다.
(8) 보틀 네크 장치 추출 처리
도 16의 시뮬레이션 결과 가시화 테이블은, (공정 Pi, 시각 Ta [시간 구간 a])의 셀에 대응하는 공정의 제조 장치에 대해, 도 13에 도시한 생산 지표 변동을 의도적으로 부여하여, 제조 라인의 거동을 시뮬레이션한 결과이다. 도 13에서 정의한 생산 지표의 파형 변동의 최종 시각을 상기 시각 Ta에 대응시키는 것을 원칙으로 한다.
도 16의 시뮬레이션 결과 가시화 테이블에서는, (공정 Pi, 시각 Ta)의 셀에서 발생한 생산 지표 변동이 후속하는 공정으로 전파되고 있는 모습이 나타내어져 있다. 본원 발명자에 의한 제조 라인 실적 정보의 해석에 따르면, 임의의 공정에서 발생된 생산 지표 변동이 후속하는 공정으로 보다 더 전파하는 현상을 확인할 수 있는 만큼, 제조 라인의 생산 능력 저하에 보다 큰 영향을 미치는 것이 발견되었다. 그 때문에, 보틀 네크 장치를 특정하는 척도로서, 생산 변동을 발생시킨 공정(장치)에서, 그 영향을 받는 가장 하류의 공정(장치)까지의 공정 길이를 생산 변동 전파 길이로서 측정하는 처리를 채용한다.
생산 변동 전파 길이 측정부(54)가, 2차원 배열 S(i, j), 또는 2차원 배열 T(i, j)를 처리 대상으로 하여, 생산 변동 전파 길이를 측정하는 처리를, 도 16의 시뮬레이션 결과 가시화 테이블 상에서 설명한다. 도 16의 (공정 Pi, 시각 Ta)의 셀을 시점으로 하여, 1.33≤cia로 되는 셀이 연속되는 가늘고 긴 섬 형상의 패턴을 추적 대상으로 한다. 도 16의 (공정 Pi, 시각 Ta)의 셀의 중심점보다, 종축으로부터 기울기 α0의 직선은, 표준 LT의 직선을 나타낸다. 즉, 어떤 피가공품이 모든 공정을 거쳐 가공 처리가 이루어질 때에 요하는 시간 경과를, 복수의 피가공품에서 평균한 표준 LT를 나타낸다.
또한, 수학식 8에 의해 정의되는 제조 라인의 평균적인 운용 방침에 따른, 섬 형상 패턴의 추적 경계 각도를 δ로 나타낸다.
Figure pct00010
여기서 말하는 「능력」이란, 제조 장치의 단위 시간당의 피가공품의 처리량을 나타낸다.
표준 LT의 중심선으로부터 ±δ의 각도를 이루는 추적 경계선 사이에 위치한 영역에 존재하는 섬 형상 패턴을 구성하는 1.33≤cia로 되는 셀을 추적한다. 그 추적 방법은, 예를 들면, 이하의 방법을 채용한다.
도 18A에 도시한 9개의 셀의 예에서, 중앙의 셀a에 접속된다고 판정되는 셀은, 중앙의 셀a를 둘러싸는 8개의 셀로 한다(8개의 셀 근방의 셀과의 접속 관계). 이 접속 관계를 유지한 1.33≤cia로 되는 셀이 연속되는 가늘고 긴 섬 형상의 패턴의 경계를 추적하는 처리를 정한다. 추적의 시점은(공정 Pi, 시각 Ta)의 셀이다. 도 18B에 도시한 바와 같이, (공정 Pi, 시각 Ta)의 셀이 중앙의 셀a로 하는 경우에, 접속되는 셀을 탐색하는 순서는, [1], [2], [3]의 번호가 붙은 셀을 순차적으로 조사한다. 그 조건은, 1.33≤cia로 되는 셀, 및 양 추적 경계선 사이에 위치한 영역에, 적어도 셀 내의 일부 영역이 포함되는 셀을 접속된 경계의 셀이라고 판정하는 것이다. 도 18B의 예에서는, [1]의 셀은, 1.33≤cia의 조건을 만족시키지 않으므로, 다음의 [2]의 셀의 판정으로 이행한다. 다음의 [2]의 셀은, 1.33≤cia, 및 양 추적 경계선 사이에 위치한 영역에, 적어도 셀 내의 일부 영역이 포함되는 셀의 양 조건을 만족시키므로, 경계의 셀이라고 판정한다.
다음으로, 도 18C에 도시한 바와 같이, 도 18B의 추적에 의해 경계의 셀이라고 판정된 셀을 중앙의 셀b로 한다면, 추적의 시점의 셀a는, 좌측 위의 위치로 된다. 다음의 경계의 셀을 탐색하는 순서는, 셀b로부터 셀a를 향하여, 시계 방향으로 다음의 접속 위치로 되는 [1]의 셀로부터, 순차적으로 조사한다. [1], [2]의 셀은, 모두 1.33≤cia의 조건을 만족시키지 않으므로, 다음의 [3]의 셀의 판정으로 이행한다. 그리고, [3]의 셀이 조건을 만족시키므로, 경계의 셀이라고 판정한다. 다음으로, 도 18D에 도시한 바와 같이, 도 18C의 추적에 의해 경계의 셀이라고 판정된 셀을 중앙의 셀c로 하면, 그 전의 경계의 셀b는 좌측의 위치로 된다. 다음의 경계의 셀을 탐색하는 순서는, 셀c로부터 셀b를 향하여, 시계 방향으로 다음의 접속 위치로 되는 [1]의 셀로부터, 순차적으로 조사한다. [1], [2], [3], [4]의 셀은, 모두 1.33≤cia의 조건을 만족시키지 않으므로, 다음의 [5]의 셀의 판정으로 이행한다. 그리고, [5]의 셀이 조건을 만족시키므로, 경계의 셀이라고 판정한다. 이상과 같이, 경계의 셀의 추적 처리를 계속하면, 도 18E에 도시한 바와 같이, 개시된 셀에 [1]을 붙여, 경계의 셀이라고 판정된 순서대로 번호를 붙이고, [13]의 경계셀까지 추출된다. 또한 계속해서 추적을 행하면, [2]의 셀에 [14]가 붙여져, 개시된 셀 [1]이 [15]의 셀과 일치한다. 이상과 같이, 경계의 셀의 추적 처리를 계속해서, 개시된 셀까지 도달한 부분에서, 추적 처리를 종료한다. 추적 처리에 의해, 중복되는 경계의 셀은, 한쪽의 셀만 기록하면, 도 18E의 예에서는, 13개의 경계셀이 추출된다. 이들의 경계셀 중에서는, [7]을 부여받은 셀이, 개시셀 [1]의 공정으로부터 가장 하류의 공정으로 된다.
계속해서, 생산 변동 전파 길이 측정부(54)는, 또한 하류에 떨어져서 존재하는 섬 형상 패턴까지, 추적하는 처리를 행한다. 상기 추출된 13개의 경계셀로부터, 각 경계셀을 도 18A의 중앙에 놓인 경우의 주위의 8개의 셀까지, 생산 변동이 확대되어 있다고 간주하는, 섬 형상 패턴의 팽창 처리를 행한다. 단, 팽창이 가능한 영역은, 상기 양 추적 경계선 사이에 위치한 영역에, 적어도 셀 내의 일부 영역이 포함되는 셀만이 팽창된 셀로 된다.
도 19A에, 상기 추출된 13개의 경계셀로부터 팽창 처리를 실행하여, 팽창된 셀을 더한 섬 형상 패턴의 상태를 나타낸다. 팽창된 셀을 메쉬형으로 나타낸다. 계속해서, 생산 변동 전파 길이 측정부(54)는, 팽창된 셀도 1.33≤cia의 조건을 만족시키는 셀로서, 확대된 섬 형상 패턴에 대해, 상기한 경계의 셀의 추적 처리를 다시 실행한다. 그 결과를, 도 19B에 도시한다. 도 19B의 예에서는, [20]까지의 번호를 붙인 경계의 셀을 추출한 것을 나타내고 있다. 이 결과, 전회의 경계의 셀의 추적 처리와 비교하여, 팽창된 셀이 경계셀로 추출되어 있는 것 이외에, [10]의 셀로부터는, 새로운 섬 형상 패턴에 접속하여, 경계를 추적하고 있는 것을 알 수 있다. 이와 같이 하여, 확대된 섬 형상 패턴의 경계의 셀을 추출한다. 확대된 섬 형상 패턴의 모든 경계의 셀 중에서, 가장 하류의 공정은 [12]를 부여받은 셀로 된다.
만약, 팽창된 셀을 더한 섬 형상 패턴에 대해, 재차 경계셀의 추적 처리를 실행한 경우에, 경계의 셀이 팽창된 셀 이외에 새로운 셀이 추출되지 않았던 경우에는, 하류 공정에 생산 변동의 영향을 받은 그 밖의 공정은 없다고 판정하여, 팽창 처리 전의 경계로 되돌아가, [7]을 부여받은 셀이, 개시셀 [1]의 공정으로부터 가장 하류의 공정으로 판정하여, 생산 변동 전파 길이 측정을 종료한다.
만약, 팽창된 셀을 더한 섬 형상 패턴에 대해, 재차 경계셀의 추적 처리를 실행한 경우에, 경계의 셀이 팽창된 셀 이외에 새로운 셀이, 도 19B의 예와 같이 추출된 경우에는, 새롭게 추출된 모든 경계의 셀에 대해 팽창 처리를 실행하여, 팽창된 셀을 더한 섬 형상 패턴에 대해, 재차 경계셀의 추적 처리를 행하고, 또한 하류의 생산 변동에 영향을 준 공정을 찾는다.
생산 변동 전파 길이 측정부(54)는, 섬 형상 패턴의 경계셀의 추적 처리를 종료 판정하여, 팽창 처리 전의 경계로 되돌아가, 개시셀 [1]의 공정으로부터 가장 하류의 공정으로 간주할 수 있는 경계셀을 선택한다. 그 선택한 공정과 개시셀 [1]의 공정과의 사이의 공정수, 및 양단의 공정을 포함하여, 생산 변동 전파 길이로 결정한다.
이상 설명한 생산 변동 전파 길이를 측정하는 처리의 플로우차트를 도 17A, 도 17B에 도시한다.
또한, 본 실시예에서는, 섬 형상 패턴이 분리된 간극을, 1회의 경계셀의 팽창 처리에 의해 매립하여, 패턴의 접속 관계를 보충하여 경계셀의 추적 처리를 행하였다. 그러나, 섬 형상 패턴의 분리의 정도에 따라서, 복수회의 경계셀의 팽창 처리에 의해, 패턴의 접속 관계를 보충하여 경계셀의 추적 처리를 행하는 것도 생각된다.
보틀 네크 장치 추출부(55)는, 상기한 제조 라인의 특정한 제조 장치에 생산 지표 변동을 의도적으로 부여하여, 시뮬레이션 결과 데이터가 얻어진 것에 대해, 생산 변동 계측부(53)가 생산 변동 가시화 테이블을 작성하고, 이 생산 변동 가시화 테이블의 정보에 기초하여, 생산 변동 전파 길이 측정부(54)가 생산 변동 전파 길이를 산출하는 결과를 집계한다. 그리고, 가장 긴 생산 변동 전파 길이를 초래한 공정이, 제조 라인의 생산 능력 저하에 가장 큰 영향을 미치고 있는 보틀 네크 공정으로 판정한다. 그리고, 그 보틀 네크 공정에서 사용되어 있었던 제조 장치를, 제조 라인 실적 정보(601), 및 시뮬레이션 결과 데이터(1501)로부터 확인하여, 보틀 네크 장치로서 판정한다. 판정 결과는, 출력부(80)로부터, 예를 들면 도 20의 출력 예(115)와 같이, 검토를 행한 각 장치마다의 생산 변동 전파 길이를 그래프로 비교 표시하여, 보틀 네크 장치를 명시한다.
<실시예 2>
도 20은, 대상으로 하는 생산 시스템(101)의 특징과 그것에 대한 본 발명의 주요 수단을 설명한 도면이다. 생산 시스템(101)은, 공정 1(102)로부터 공정 6(103)까지의 6개의 공정으로 이루어지고, 각각의 공정은 장치 1a(104) 등 복수의 장치를 내포하고 있다. 생산 시스템(101)에서는, 제품 A(105)와 제품 B(106)를 생산하고, 그를 위해 제품 A용 반제품(107)과 제품 B용 반제품(108)을 생산 시스템(101)에 투입한다. 또한 제품 A(105)의 생산 경로는, 공정 1, 공정 3, 공정 5 또는 공정 6으로 된다. 그리고 제품 B(106)의 생산 경로는, 공정 2, 공정 4, 공정 2, 공정 4, 공정 5 또는 공정 6으로 된다. 특히 제품 B(106)의 생산 경로에서는, 공정 2와 공정 4를 2회 거친다.
이 때, 장치 2a(110)나 장치 4a(111)는 제품 B의 생산 경로 상에서 각각 2개의 공정을 담당하는 것을 알 수 있다. 이를 장치의 다공정을 갖는 것이라 부른다. 그리고, 장치 2a(110) 및 장치 4a(111)를 1회째에 통할 때에 예기치 않는 수율 저하가 있으면, 저하분만큼 2회째에 통할 때의 장치 2a(110) 및 장치 4a(111)의 생산 능력이 오른다. 1회째의 처리 시간과 2회째의 처리 시간은 서로 다르므로, 1회째 및 2회째의 장치 2a(110) 및 장치 4a(111)의 스루풋이 변화한다. 즉, 다공정을 가진 생산에 의해 장치의 생산 능력이 변화하는 문제가 있다.
또한, 장치 5b(109)는 공정 3 및 공정 4로부터 반제품의 입력이 있고, 또한, 제품 A(105) 및 제품 B(106)에 출력해야만 하는 것을 알 수 있다. 이를 장치의 다품종 혼합 생산이라고 부른다. 그리고, 장치 3a(112)에 예기치 않는 수율 저하가 있으면, 저하분만큼 장치 3b(123) 및 장치 4a(111)로부터의 처리 중인 수용 가능한 제품수가 증간한다. 제품 A용 반제품(107)과 제품 B용 반제품(108)의 장치 5b(109)에서의 처리 시간은 서로 다르므로, 장치 3a(112)로부터의 공급량 저하와 장치 3b(123) 및 장치 4a(111)로부터의 공급량 증가에 의해 장치 5b(109)의 스루풋이 변화한다. 즉, 다품종 혼합 생산에 의해 장치의 생산 능력이 변화하는 문제가 있다.
즉, (1) 다공정을 가진 생산에 의해 장치의 생산 능력이 변화하는 문제, 및, (2) 다품종 혼합 생산에 의해 장치의 생산 능력이 변화하는 문제에 의해, 예기치 않는 장치의 생산 능력 저하(보틀 네크)가 발생한다. 본 발명에서는, 이 보틀 네크 장치를 빠른 시기에 특정하고, 신속하게 대책을 세워 해결하는, 계속적인 생산성 향상 활동의 구조를 갖추는 것을 목적으로 하고 있다.
상기 목적을 위해, 도 20에서는, 본 발명을 이용하여, 시뮬레이션 시스템 중에서, 각 장치의 생산 능력 변동을 의도적으로 발생시켜, 이 생산 능력 변동이 생산 경로를 따라서 어떻게 전파하는지를 계산하고, 그 전파 길이의 장단을 각 장치에서 비교하여, 전파 길이가 가장 긴 장치를 보틀 네크 장치로서 추출하는 방법을 설명하고 있다. 이후, 도 20을 이용하여 상세하게 설명한다.
시뮬레이션 시스템(113)은, 생산 변동 계측 기능(114)과 보틀 네크 추출 기능(115)을 갖고, 생산 시스템(101)의 수치 모델을 미리 기억한다. 여기서 말하는 수치 모델이란, 제품 A(105)나 제품 B(106) 등 품종별의 공정 경로 외에, 품종별의 단위 시간당의 생산 수량, 생산 시스템 내의 각 장치에서의 단위 시간당의 생산 수량이나 고장 시간, 제품 A용 반제품(107)이나 제품 B용 반제품(108) 등 반제품의 공정별의 재공품수 등을 포함한다.
생산 변동 계측 기능(114)은, 이 수치 모델을 이용하여 생산 시스템(101)의 생산 시각(116)과 장치의 나열(enumerated devices)(117)로 이루어지는 생산 변동 표시 테이블(118)을 갖는다. 이 생산 변동 표시 테이블(118)은, 각 장치의 생산 변동이 다른 장치로 전파하는 상황을 표시할 수 있기 때문에, 각각의 장치의 파라미터를 의도적으로 변화시켜(119), 이에 의한 생산 변동이 다른 장치로 전파하는 상황을 표시시킨다(120). 그리고, 생산 변동을 발생시킨 장치로부터 영향을 받은 가장 하류의 장치까지의 공정 길이를 생산 변동 전파 길이(121)로서 계측한다. 본 도면에서는, 장치 1a의 파라미터를 의도적으로 변화시켰을 때, 그 영향이 장치 6a까지 전파하고 있는 모습을 나타내고, 장치 1a에서 장치 6a까지의 공정 길이를 생산 변동 전파 길이(121)로서 계측하고 있다.
보틀 네크 추출 기능(115)은, 생산 변동 계측 기능(114)에 의해 계측한 생산 변동 전파 길이(121)를 순위를 붙여, 가장 큰 전파 길이를 만들어 낸 장치를 보틀 네크 장치로서 추출한다. 본 도면에서는, 장치 2a가 가장 큰 생산 변동 전파 길이(122)를 갖기 때문에, 이를 보틀 네크 장치로서 추출한다.
실시예 2에 기재한 발명은, 실시예 1에 기재한 발명의 각 수단에서 실현할 수 있다. 양 발명의 차이점은, 실시예 2의 생산 변동 표시 테이블의 횡축의 배열은, 각 공정에서 사용되는 제조 장치를 배치하고 있다. 따라서, 실시예 1에서는 공정 단위로 데이터 처리를 하고 있지만, 실시예 2에서는, 장치 단위로 데이터 처리하는 차이가 있다.
도 21은, 상기 (1), (2)의 목적을 위해, 본 발명을 이용하여, 시뮬레이션 시스템 중에서, 각 장치의 고장률이나 단위 시간당의 생산 수량 등의 파라미터를 변화시켜, 생산 시스템 전체의 반제품 재공품량 또는 단위 시간당의 생산수가 어떻게 되는지 조사함으로써, 보틀 네크 장치를 추출하는 방법을 설명하고 있다.
도 21의 대상으로 하는 생산 시스템(201)은, 도 20의 대상으로 하는 생산 시스템(101)과 동일하다. 그리고, 시뮬레이션 시스템(205)에는, 생산 변동 계측 기능(203)과 보틀 네크 추출 기능(204)이 있다. 생산 변동 계측 기능(203)에서는, 고장률(202)과 장치(211)의 대응표를 작성하고, 각 장치(211)에서 고장률(202)을 0.01에서 0.01 눈금으로 0.08까지 변화시키고, 그 각각에서 시뮬레이션을 실행하고, 시뮬레이션 상의 생산 시간이 충분히 지난 시점에서의 생산 시스템 전체의 반제품 재공품량 또는 단위 시간당의 생산수를 계측한다. 변동시키는 장치 파라미터는 본 도면의 고장률(202) 외에, 단위 시간당의 생산 수량 등이 있다. 그리고 보틀 네크 추출 기능(204)에서는, 생산 변동 계측 기능(203)에 의해 계측한 각 장치(211)에서 고장률(202)을 변화시켰을 때의 생산 시스템 전체의 반제품 재공품량 또는 단위 시간당의 생산수를 그래프화한다. 즉, 횡축을 의도적으로 변동시키는 장치 파라미터의 값(본 도면에서는 고장률)(210), 종축을 생산 시스템 전체의 반제품 재공품량 또는 단위 시간당의 생산수(206)로서, 장치 2a에 관한 시뮬레이션 결과(207), 장치 1a에 관한 시뮬레이션 결과(208), 장치 1b에 관한 시뮬레이션 결과(209) 등 그래프화한다. 그리고, 생산 시스템 전체의 반제품 재공품량이 가장 커질지, 재공품량 증가 경향이 가장 현저한 것인지, 단위 시간당의 생산수가 가장 작아질지, 단위 시간당의 생산수의 감소 경향이 가장 현저한 것으로 된 장치를 보틀 네크 장치로서 추출한다.
도 22는, 도 20 및 도 21에서 설명한, 본 발명에서의 보틀 네크 장치 추출 방법의 플로우차트를 설명한 도면이다. 보틀 네크 장치 추출 스텝 (301)이 개시되면, 우선, 품종별 공정 경로, 품종별 단위 시간당의 생산 수량, 장치의 단위 시간당의 생산 수량과 고장 시간, 반제품의 공정별의 재공품수의 데이터를 입력한다(302). 다음으로, 생산 변동을 발생시키는 장치를 골라낼지의 여부의 선택 지정을 접수한다(303). 골라낸 경우(304), 생산 변동을 발생시키는 장치의 유저 지정을 접수한다(306). 골라내지 않는 경우(304), 모든 장치를 생산 변동 발생 대상으로 한다(305). 그리고, 생산 변동을 발생시키기 위해 장치 파라미터를 변화시키는 경우의 구분에 대해서, 유저에 의한 하기 케이스의 선택을 접수한다(307).
케이스 A: 장치 파라미터를 생산 도중에 변화시켜 생산 변동의 천이 상태를 본다.
케이스 B: 장치 파라미터를 처음부터 변화시켜 충분히 시간이 지난 부분에서 생산 시스템의 상태를 보는 처리를, 장치 파라미터의 값을 변화시켜 본다.
케이스 A의 경우(308), 스텝 C로 진행한다(309). 케이스 B의 경우(308), 스텝 D로 진행한다(310).
도 23은, 도 22의 플로우차트에서의 스텝 C로부터의 계속이다. 이 플로우차트는 도 20의 생산 변동 계측 기능(114)과 보틀 네크 추출 기능(115)을 설명하고 있다. 스텝 C(401) 후에, 금회의 시뮬레이션에서 주목하는 장치를 결정하고, 입력 데이터를 시뮬레이션에 설정한다(402). 그리고, 시뮬레이션을 실행하고, 도중에 주목하고 있는 장치의 파라미터를 의도적으로 변화시켜 생산 변동을 발생시킨다(403). 다음으로, 각 장치, 각 시각에서의 생산 변동을 추출하고, 파라미터 변경한 장치의 영향에 의한 생산 변동이 하류 공정의 어떤 장치까지 미치고 있는지 시뮬레이션 결과를 조사하고, 이를 생산 변동 전파 길이로 한다(404). 그 후, 골라낸 모든 장치에서 시뮬레이션이 종료되었는지 조사한다(405). 종료되어 있지 않은 경우(406), 스텝 (402)로 되돌아간다. 종료된 경우(406), 생산 변동 전파 길이가 가장 긴 시뮬레이션 결과로 된 장치를 보틀 네크 장치로서 추출하고(407), 보틀 네크 장치 추출의 수순을 종료한다(408).
도 24는, 도 22의 플로우차트에서의 스텝 D로부터의 계속이다. 이 플로우차트는 도 21의 생산 변동 계측 기능(203)과 보틀 네크 추출 기능(204)을 설명하고 있다. 스텝 D(501) 후에, 변화시키는 장치 파라미터의 폭과 스텝을 결정한다(502). 그리고, 대상 장치를 선택하고(503), 입력 데이터를 시뮬레이션에 설정하고, 변화시키는 장치 파라미터의 값을 결정한다(504). 다음으로, 시뮬레이션을 실행하고, 충분히 시간이 지난 시점에서의, 생산 시스템 전체의 반제품 재공품량 및 단위 시간당의 생산수를 계측한다(505). 그리고, 변화시키는 장치 파라미터의 모든 스텝에서 종료되었는지 조사하고(506), 종료되어 있지 않은 경우(507), 스텝 (504)로 되돌아간다. 종료된 경우(507), 골라낸 모든 장치에서 시뮬레이션이 종료되었는지 조사한다(508). 종료되어 있지 않은 경우(509), 스텝 (503)으로 되돌아간다. 종료된 경우(509), 횡축을 변화시킨 장치 파라미터, 종축을 생산 시스템 전체의 반제품 재공품량 또는 단위 시간당의 생산수로 하고, 각 장치의 그래프를 작성하고, 기울기가 가장 급격한 장치를 보틀 네크 장치로서 추출한다(510). 이것으로서 보틀 네크 장치 추출의 수순을 종료한다(511).
이상, 본 발명자에 의해 이루어진 발명을 실시 형태에 기초하여 구체적으로 설명하였지만, 본 발명은 상기 실시 형태에 한정되는 것이 아니라, 그 요지를 일탈하지 않는 범위에서 다양하게 변경 가능한 것은 물론이다.
상기 기재는 실시예에 대해서 이루어졌지만, 본 발명은 그에 한정되지 않고, 본 발명의 정신과 첨부한 청구 범위 내에서 다양한 변경 및 수정을 할 수 있는 것은 당업자에게 명백하다.
본 발명에 따르면, 생산 변동의 공정간 상호 영향도 고려하여, 생산성을 저해하는 근본 원인이 되는 보틀 네크 장치를 빠른 시기에 특정할 수 있다. 그리고 이 보틀 네크 장치에 주목해서 대책을 행하여 해결하는, 계속적인 생산성 향상 활동의 구조를 갖출 수 있어, 생산 시스템의 생산성을 향상시킬 수 있다.

Claims (8)

  1. 제조 라인의 생산성을 저해하는 원인이 되는 보틀 네크 장치(bottleneck device)의 추출 방법으로서,
    제조 라인의 각 제조 장치의 생산 지표를, 각 제조 장치로부터 수집하고, 또는 시뮬레이션 결과 데이터로부터 취득하고,
    횡축에 제조 라인의 각 공정, 또는 사용된 제조 장치를 제조 경로를 따라서 배열하고, 종축의 시간축을 소정의 시간 구간으로 등분으로 구획하여, 2차원 배열 변수를 대응시켜 구성하고,
    상기 시간 구간마다 집계된 생산 지표로부터, 복수의 시간 구간을 중복하여 이동 평균, 분산, 변동 계수를 산출하여, 상기 2차원 배열 변수에 해당하는 변동 계수를 저장하고,
    상기 각 변동 계수의 값을 미리 주어진 임계값에 의해 분류하여, 생산 변동이 임계값 이상으로 분류된 변동 계수가 저장된 2차원 배열 요소에 의해 구성되는 2차원 패턴에 대해, 패턴 데이터의 윤곽을 추출하고,
    상류 공정의 생산 변동이 하류 공정의 생산 변동에 영향을 미치는 최장의 생산 변동 전파 길이로서, 일련의 접속 관계에 있는 2차원 패턴 데이터의 최상류 공정에서 최하류 공정까지의 공정수를 탐색하여 출력하는 것을 특징으로 하는 보틀 네크 장치의 추출 방법.
  2. 제1항에 있어서,
    상기 생산 변동이 임계값 이상으로 분류된 변동 계수가 저장된 2차원 배열 요소에 의해 구성되는 2차원 패턴 데이터를, 상기 공정 또는 장치의 배열인 횡축과, 시간축의 종축으로 이루어지는 좌표계에 대해, 해당하는 위치에 표시하는 것을 특징으로 하는 보틀 네크 장치의 추출 방법.
  3. 제1항에 있어서,
    상기 제조 라인의 특정한 제조 장치에, 지정한 일시에서, 지정한 생산 지표의 임의의 파형의 변동을 설정한 시뮬레이션 모델을 작성하고,
    시뮬레이션 장치에 의해, 상기 시뮬레이션 모델에 기초하여 제조 라인의 거동을 모의 재현하여, 그 시뮬레이션 결과를 작성하는 것을 특징으로 하는 보틀 네크 장치의 추출 방법.
  4. 제1항에 있어서,
    상기 일련의 접속 관계에 있는 2차원 패턴 데이터에 대해 윤곽 추출 처리를 실행한 후, 또한 하류 공정에, 접속 관계가 끊어진 다른 2차원 패턴 데이터가 존재하는 것을 접속하기 위해, 상기 추출한 2차원 패턴 데이터의 윤곽을 팽창 처리를 행하고, 팽창 처리에 의해 접속 관계가 생긴 다른 2차원 패턴 데이터도 포함한 확대 2차원 패턴 데이터의 윤곽 추출 처리를 행하고, 최장의 생산 변동 전파 길이를 구하는 것을 특징으로 하는 보틀 네크 장치의 추출 방법.
  5. 제1항 내지 제4항 중 어느 한 항에 있어서,
    상기 2차원 패턴 데이터의 윤곽 추출 처리로부터, 최장의 생산 변동 전파 길이를 구하는 처리를 각 2차원 패턴 데이터에 대해 실행하여, 얻어진 각 2차원 패턴 데이터의 최장 생산 변동 전파 길이를 집계하여 비교를 행하고, 그것들 중에서 가장 전파 길이가 큰 2차원 패턴 데이터의 최상류 공정의 제조 장치를 보틀 네크 장치로 특정하는 것을 특징으로 하는 보틀 네크 장치의 추출 방법.
  6. 제조 라인의 특정한 제조 장치에, 지정한 일시에서, 지정 생산 지표의 변동을, 소정의 눈금 폭으로 단계적으로 변경한 복수 단계의 변동을 설정한 시뮬레이션 모델을 작성하고,
    시뮬레이션 장치에 의해, 상기 시뮬레이션 모델에 기초하여 제조 라인의 거동을 모의 재현하여, 그 시뮬레이션 결과로부터, 상기 각 생산 지표의 변동 단계마다, 제조 라인 전체의 제조 과정의 제품량(quantity of products in process) 또는 단위 시간당의 생산수를 산출하고,
    제조 장치마다, 상기 지정 생산 지표의 변동의 단계적 증가에 대해, 제조 라인 전체의 제조 과정의 제품량 또는 단위 시간당의 생산수의 증가 경향 또는 감소 경향을 비교하여, 상기 증가 경향 또는 감소 경향이 가장 현저한 제조 장치를 보틀 네크 장치로 선정하는 것을 특징으로 하는 보틀 네크 장치의 추출 방법.
  7. 제조 라인의 각 제조 장치의 생산 지표를 소정의 수집 시간 간격으로, 생산 공정마다 분류하여 수집하는 제조 라인 실적 정보 수집부와,
    상기 취득한 생산 지표로부터, 소정 시간 구간 및 생산 공정마다의 생산 지표를 구하고, 각 생산 공정마다, 복수의 시간 구간을 중복하여 이동 평균, 분산을 산출하여 소정 시간 구간 및 생산 공정마다의 변동 계수를 구하고, 미리 정해진 임계값을 이용하여, 상기 각 변동 계수의 표시 시의 양태를 결정하고, 시간과 공정을 축으로 한 좌표를 설정하고, 상기 각 변동 계수를 상기 좌표의 해당하는 위치에, 상기 표시 양태에 의해 표시하는 시계열 추이 작성ㆍ표시부와,
    제조 라인의 특정한 제조 장치에, 지정한 일시에 지정한 생산 지표의 임의의 변동을 의도적으로 발생시키는 시뮬레이션 모델의 작성을 접수하는 시뮬레이션 모델 작성부와,
    시뮬레이션 장치에 상기 시뮬레이션 모델의 실행을 시켜, 시뮬레이션 결과로부터, 상기 시계열 추이의 작성 처리와 그 표시를 행하는 생산 변동 계측부와,
    상기 생산 변동 계측부가 작성한 변동 계수가 저장된 2차원 배열 요소에 의해 구성되는 2차원 패턴 데이터에 대해, 패턴 데이터의 윤곽을 추출하고, 상류 공정의 생산 변동이 하류 공정의 생산 변동에 영향을 미치는 최장의 생산 변동 전파 길이로서, 일련의 접속 관계에 있는 2차원 패턴 데이터의 최상류 공정에서 최하류 공정까지의 공정수를 탐색하는 생산 변동 전파 길이 측정부와,
    상기 생산 변동 전파 길이 측정부에 의해 얻어진 각 2차원 패턴 데이터의 최장 생산 변동 전파 길이를 집계하여 비교를 행하고, 그것들 중에서 가장 전파 길이가 큰 2차원 패턴 데이터의 최상류 공정의 제조 장치를 보틀 네크 장치로 특정하는 보틀 네크 장치 추출부
    를 구비하는 것을 특징으로 하는 보틀 네크 장치 추출 지원 장치.
  8. 제7항에 있어서,
    상기 시뮬레이션 장치는, 상기 보틀 네크 장치 추출 지원 장치 중의 제어부의 시뮬레이션 실행부로서 구성되는 것을 특징으로 하는 보틀 네크 장치 추출 지원 장치.
KR1020107013975A 2007-12-27 2008-12-16 보틀 네크 장치 추출 방법 및 보틀 네크 장치 추출 지원 장치 KR101189995B1 (ko)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2007335594A JP5130037B2 (ja) 2007-12-27 2007-12-27 ボトルネック装置抽出方法およびボトルネック装置抽出支援装置
JPJP-P-2007-335594 2007-12-27
PCT/JP2008/072831 WO2009084423A1 (ja) 2007-12-27 2008-12-16 ボトルネック装置抽出方法およびボトルネック装置抽出支援装置

Publications (2)

Publication Number Publication Date
KR20100086069A true KR20100086069A (ko) 2010-07-29
KR101189995B1 KR101189995B1 (ko) 2012-10-12

Family

ID=40824144

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020107013975A KR101189995B1 (ko) 2007-12-27 2008-12-16 보틀 네크 장치 추출 방법 및 보틀 네크 장치 추출 지원 장치

Country Status (6)

Country Link
US (1) US8423168B2 (ko)
EP (1) EP2228701A4 (ko)
JP (1) JP5130037B2 (ko)
KR (1) KR101189995B1 (ko)
CN (1) CN101910962B (ko)
WO (1) WO2009084423A1 (ko)

Families Citing this family (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5758166B2 (ja) * 2011-03-30 2015-08-05 ラピスセミコンダクタ株式会社 処理支援装置及び方法、半導体の製造支援装置及び方法、並びにプログラム
JP6047894B2 (ja) 2012-01-12 2016-12-21 オムロン株式会社 シミュレーション装置、シミュレーション方法、プログラムおよび記録媒体
CN104081546B (zh) * 2012-01-31 2016-12-21 夏普株式会社 Led分类方法、led分类装置
CN105210089A (zh) * 2013-05-22 2015-12-30 惠普发展公司，有限责任合伙企业 生产模拟
US9678505B2 (en) * 2013-10-14 2017-06-13 Invensys Systems, Inc. Line management in manufacturing execution system
US10054936B2 (en) * 2014-02-28 2018-08-21 Schneider Electric Software, Llc Manufacturing execution system and method of determining production metrics for a line
CN103971179B (zh) * 2014-05-09 2017-05-03 西北工业大学 基于过程调整的解决单瓶颈产品组合优化问题的TOCh方法
JP6387707B2 (ja) * 2014-07-01 2018-09-12 富士通株式会社 異常検出システム、表示装置、異常検出方法及び異常検出プログラム
CN105321024A (zh) * 2014-07-31 2016-02-10 宇清数位智慧股份有限公司 利用关键绩效指标衡量机台群的生产力的方法
US10191792B2 (en) * 2016-03-04 2019-01-29 International Business Machines Corporation Application abnormality detection
JP6457449B2 (ja) * 2016-09-05 2019-01-23 ファナック株式会社 数値制御装置、制御システム、制御方法及び制御プログラム
EP3614219A1 (en) * 2017-04-20 2020-02-26 Nec Corporation Conveyance operation management device, system, method, and recording medium
US11526158B2 (en) * 2017-07-14 2022-12-13 Panasonic Intellectual Property Management Co., Ltd. Display device, manufacturing system, and display method
JP6981113B2 (ja) * 2017-09-05 2021-12-15 オムロン株式会社 情報処理装置および情報処理方法
WO2019090264A1 (en) * 2017-11-03 2019-05-09 Drishti Technologies, Inc. Real time anomaly detection systems and methods
EP3540661A1 (en) * 2018-03-15 2019-09-18 Siemens Industry Software Ltd. Method for balancing a production line
JP6754823B2 (ja) * 2018-12-26 2020-09-16 株式会社日立製作所 生産計画立案支援装置及び方法
JP7239106B2 (ja) * 2019-04-22 2023-03-14 株式会社ジェイテクト サイバーフィジカルプロダクションシステム型生産システム
WO2023158871A1 (en) * 2022-02-21 2023-08-24 Beet, Inc. Method to identify and prioritize a bottleneck in a process
CN116205023B (zh) * 2022-07-12 2024-03-08 上海奔曜科技有限公司 机器人智能实验室的设计方法、装置、设备和存储介质
JP2024048904A (ja) * 2022-09-28 2024-04-09 株式会社日立製作所 計画ロジック評価支援システムおよび方法

Family Cites Families (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2793442B2 (ja) * 1992-08-20 1998-09-03 山形日本電気株式会社 半導体ウェーハ生産ラインの管理方法
JPH09282359A (ja) * 1996-04-09 1997-10-31 Nippon Telegr & Teleph Corp <Ntt> ジョブショップスケジューリング装置
US5880960A (en) * 1997-01-27 1999-03-09 Taiwan Semiconductor Manufacturing Company, Ltd. Method to improve WIP balance in a manufacturing line
JPH11235648A (ja) * 1998-02-17 1999-08-31 Toshiba Corp 製造計画管理装置、製造計画管理方法、及び、製造計画管理プログラムを記録したコンピュータ読み取り可能な記録媒体
US6473721B1 (en) 1998-10-26 2002-10-29 Sony Corporation Factory traffic monitoring and analysis apparatus and method
US6519498B1 (en) * 2000-03-10 2003-02-11 Applied Materials, Inc. Method and apparatus for managing scheduling in a multiple cluster tool
US6631305B2 (en) * 2000-05-03 2003-10-07 General Electric Company Capability analysis of assembly line production
JP2004013825A (ja) * 2002-06-11 2004-01-15 Mitsubishi Electric Corp ジョブショップ型製造ラインの物流ネック診断方法および物流ネック診断装置
US6904329B1 (en) * 2002-08-30 2005-06-07 Advanced Micro Devices, Inc. Method and apparatus for generating a multi-dimensional cost function
US6801819B1 (en) * 2002-08-30 2004-10-05 Advanced Micro Devices, Inc. Method and apparatus for evaluating bids for scheduling a resource
US6782302B1 (en) * 2002-08-30 2004-08-24 Advanced Micro Devices, Inc. Method and apparatus for scheduling workpieces with compatible processing requirements
US7039632B2 (en) 2002-09-13 2006-05-02 Kimberly-Clark Worldwide, Inc. System and method for managing a manufacturing process operation
JP4218363B2 (ja) * 2003-02-10 2009-02-04 トヨタ自動車株式会社 生産ライン解析装置
JP4239932B2 (ja) * 2004-08-27 2009-03-18 株式会社日立製作所 生産管理システム
DE102005024915B4 (de) * 2005-05-31 2016-09-15 Advanced Micro Devices, Inc. Verfahren und System für eine fortschrittliche Prozesssteuerung mit anlagenabhängigen Maschinenkonstanten
WO2007036985A1 (ja) 2005-09-27 2007-04-05 Advantest Corporation 管理方法、及び管理装置
US7715936B2 (en) * 2006-08-25 2010-05-11 I-Factory Inc. System and method for the production of goods or products

Also Published As

Publication number Publication date
US20110022212A1 (en) 2011-01-27
CN101910962A (zh) 2010-12-08
EP2228701A1 (en) 2010-09-15
WO2009084423A1 (ja) 2009-07-09
JP5130037B2 (ja) 2013-01-30
JP2009157673A (ja) 2009-07-16
KR101189995B1 (ko) 2012-10-12
CN101910962B (zh) 2012-08-15
US8423168B2 (en) 2013-04-16
EP2228701A4 (en) 2012-08-22

Similar Documents

Publication Publication Date Title
KR101189995B1 (ko) 보틀 네크 장치 추출 방법 및 보틀 네크 장치 추출 지원 장치
Glock et al. Decision support models for production ramp-up: a systematic literature review
Jeong et al. A real-time scheduling mechanism for a flexible manufacturing system: using simulation and dispatching rules
US4796194A (en) Real world modeling and control process
US7689948B1 (en) System and method for model-based scoring and yield prediction
Cao et al. Performance evaluation and enhancement of multistage manufacturing systems with rework loops
Habenicht et al. A finite-capacity beam-search-algorithm for production scheduling in semiconductor manufacturing
Sun et al. Modeling and simulating the impact of forgetting and communication errors on delays in civil infrastructure shutdowns
JP2011257803A (ja) 生産管理システムおよび生産管理方法
Amin et al. A systematic approach to evaluate the process improvement in lean manufacturing organizations
Kopp et al. A hierarchical approach to qualification management in wafer fabs
Tantik et al. Industrie 4.0: Using cyber-physical systems for value-stream based production evaluation
Lei et al. Distinguishing between common cause variation and special cause variation in a manufacturing system: A simulation of decision making for different types of variation
Filz et al. Data-driven analysis of product property propagation to support process-integrated quality management in manufacturing systems
CN112236798A (zh) 用于在生产产品的情形中的质量保证的方法以及计算设备和计算机程序
JP4918343B2 (ja) 生産管理システム、生産指標表示方法
Galbraith et al. Analysis in manufacturing systems simulation: a case study
Lee et al. A dispatching scheme involving move control and weighted due date for wafer foundries
Intel
CN110135029B (zh) 一种失效模式的辅助识别方法
Nakazawa et al. IC substrate package yield prediction model and layer level risk assessment by design analysis
US20190384272A1 (en) System section data management device and method thereof
Tsung et al. Six Sigma
Jou et al. A neural network forecasting model for consumable parts in semiconductor manufacturing
Lycke et al. How can discrete event simulation contribute to increased output? A case study about improving a production line at Veoneer using discrete event simulation

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20150917

Year of fee payment: 4

FPAY Annual fee payment

Payment date: 20160921

Year of fee payment: 5

FPAY Annual fee payment

Payment date: 20170920

Year of fee payment: 6

FPAY Annual fee payment

Payment date: 20180920

Year of fee payment: 7