TWI594100B - Optimal indicator generating device, the method of generating the optimum indicator, the optimum indicator generating program, and the optimum indicator generating server - Google Patents
Optimal indicator generating device, the method of generating the optimum indicator, the optimum indicator generating program, and the optimum indicator generating server Download PDFInfo
- Publication number
- TWI594100B TWI594100B TW101151072A TW101151072A TWI594100B TW I594100 B TWI594100 B TW I594100B TW 101151072 A TW101151072 A TW 101151072A TW 101151072 A TW101151072 A TW 101151072A TW I594100 B TWI594100 B TW I594100B
- Authority
- TW
- Taiwan
- Prior art keywords
- information
- time
- devices
- index
- optimum
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims description 649
- 238000004519 manufacturing process Methods 0.000 claims description 1013
- 238000004364 calculation method Methods 0.000 claims description 522
- 238000012545 processing Methods 0.000 claims description 370
- 238000007726 management method Methods 0.000 claims description 361
- 238000012423 maintenance Methods 0.000 claims description 225
- 230000008569 process Effects 0.000 claims description 115
- 230000008859 change Effects 0.000 claims description 111
- 238000004458 analytical method Methods 0.000 claims description 96
- 238000011068 loading method Methods 0.000 claims description 93
- 230000003449 preventive effect Effects 0.000 claims description 84
- 238000010206 sensitivity analysis Methods 0.000 claims description 82
- 230000006854 communication Effects 0.000 claims description 43
- 238000004891 communication Methods 0.000 claims description 42
- 230000033001 locomotion Effects 0.000 claims description 33
- 238000010276 construction Methods 0.000 claims description 15
- 230000004069 differentiation Effects 0.000 claims description 9
- 230000035945 sensitivity Effects 0.000 claims description 8
- 238000005206 flow analysis Methods 0.000 claims description 2
- 230000000670 limiting effect Effects 0.000 claims description 2
- 230000000717 retained effect Effects 0.000 claims description 2
- 230000005540 biological transmission Effects 0.000 claims 1
- 239000000047 product Substances 0.000 description 162
- 238000006243 chemical reaction Methods 0.000 description 101
- 238000010586 diagram Methods 0.000 description 99
- 230000015654 memory Effects 0.000 description 78
- 238000010438 heat treatment Methods 0.000 description 73
- 238000004140 cleaning Methods 0.000 description 53
- 238000011156 evaluation Methods 0.000 description 49
- 230000007704 transition Effects 0.000 description 45
- 239000004065 semiconductor Substances 0.000 description 43
- 230000008520 organization Effects 0.000 description 41
- 230000002829 reductive effect Effects 0.000 description 41
- 238000012958 reprocessing Methods 0.000 description 39
- 230000009467 reduction Effects 0.000 description 36
- 238000004088 simulation Methods 0.000 description 33
- 238000009826 distribution Methods 0.000 description 31
- 238000013439 planning Methods 0.000 description 30
- 230000000694 effects Effects 0.000 description 29
- 238000002474 experimental method Methods 0.000 description 29
- 239000006185 dispersion Substances 0.000 description 27
- 230000001276 controlling effect Effects 0.000 description 24
- 238000011282 treatment Methods 0.000 description 23
- 230000006870 function Effects 0.000 description 22
- 230000006872 improvement Effects 0.000 description 22
- 238000006467 substitution reaction Methods 0.000 description 22
- 238000005406 washing Methods 0.000 description 22
- 238000012544 monitoring process Methods 0.000 description 20
- 238000012384 transportation and delivery Methods 0.000 description 19
- 230000000875 corresponding effect Effects 0.000 description 18
- 238000011084 recovery Methods 0.000 description 18
- 238000001514 detection method Methods 0.000 description 16
- 238000012986 modification Methods 0.000 description 16
- 230000004048 modification Effects 0.000 description 16
- 230000007613 environmental effect Effects 0.000 description 14
- 230000008439 repair process Effects 0.000 description 11
- 238000003860 storage Methods 0.000 description 11
- 238000012916 structural analysis Methods 0.000 description 11
- 239000002131 composite material Substances 0.000 description 10
- 238000005457 optimization Methods 0.000 description 9
- 230000002265 prevention Effects 0.000 description 8
- 238000004422 calculation algorithm Methods 0.000 description 7
- 230000006866 deterioration Effects 0.000 description 7
- 230000010354 integration Effects 0.000 description 7
- 230000014759 maintenance of location Effects 0.000 description 7
- 238000005265 energy consumption Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 6
- 238000007781 pre-processing Methods 0.000 description 6
- 230000003252 repetitive effect Effects 0.000 description 6
- 230000002441 reversible effect Effects 0.000 description 6
- 230000008901 benefit Effects 0.000 description 5
- 238000005520 cutting process Methods 0.000 description 5
- 239000000463 material Substances 0.000 description 5
- 238000004904 shortening Methods 0.000 description 5
- 241000894007 species Species 0.000 description 5
- 230000003068 static effect Effects 0.000 description 5
- 238000010521 absorption reaction Methods 0.000 description 4
- 230000002411 adverse Effects 0.000 description 4
- 230000010365 information processing Effects 0.000 description 4
- 238000009434 installation Methods 0.000 description 4
- 239000004973 liquid crystal related substance Substances 0.000 description 4
- 238000001459 lithography Methods 0.000 description 4
- 230000000737 periodic effect Effects 0.000 description 4
- 238000000206 photolithography Methods 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 230000001629 suppression Effects 0.000 description 4
- 101100011892 Arabidopsis thaliana SQE1 gene Proteins 0.000 description 3
- 230000005856 abnormality Effects 0.000 description 3
- 230000009471 action Effects 0.000 description 3
- 238000010924 continuous production Methods 0.000 description 3
- 238000011835 investigation Methods 0.000 description 3
- 238000003754 machining Methods 0.000 description 3
- 230000007257 malfunction Effects 0.000 description 3
- 239000000203 mixture Substances 0.000 description 3
- 238000000275 quality assurance Methods 0.000 description 3
- 238000004445 quantitative analysis Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000012546 transfer Methods 0.000 description 3
- 208000034530 PLAA-associated neurodevelopmental disease Diseases 0.000 description 2
- 238000010923 batch production Methods 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000002542 deteriorative effect Effects 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 238000009472 formulation Methods 0.000 description 2
- 238000009499 grossing Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000013508 migration Methods 0.000 description 2
- 230000005012 migration Effects 0.000 description 2
- 238000002156 mixing Methods 0.000 description 2
- 238000000059 patterning Methods 0.000 description 2
- 230000026676 system process Effects 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 238000012369 In process control Methods 0.000 description 1
- 206010027336 Menstruation delayed Diseases 0.000 description 1
- 101150040829 WIP2 gene Proteins 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 230000003139 buffering effect Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 239000000356 contaminant Substances 0.000 description 1
- 238000011109 contamination Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 239000013078 crystal Substances 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000000280 densification Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000000502 dialysis Methods 0.000 description 1
- 238000004836 empirical method Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000010408 film Substances 0.000 description 1
- 238000010965 in-process control Methods 0.000 description 1
- 244000145841 kine Species 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000011031 large-scale manufacturing process Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000003012 network analysis Methods 0.000 description 1
- 230000007935 neutral effect Effects 0.000 description 1
- 238000012261 overproduction Methods 0.000 description 1
- 230000036961 partial effect Effects 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 238000011158 quantitative evaluation Methods 0.000 description 1
- 230000008929 regeneration Effects 0.000 description 1
- 238000011069 regeneration method Methods 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 230000000284 resting effect Effects 0.000 description 1
- 238000012502 risk assessment Methods 0.000 description 1
- 239000011265 semifinished product Substances 0.000 description 1
- 230000001568 sexual effect Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 239000000725 suspension Substances 0.000 description 1
- 239000010409 thin film Substances 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
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—Information and communication technology [ICT] specially adapted for implementation of business processes of 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)
Description
本發明，係有關於對於對用以生產多品種之製品的複數之裝置進行控制的生產管理系統，而供給相關於前述複數之裝置的指標資訊之最適指標產生裝置。
於先前技術中，在半導體、液晶製造(於後，係稱作半導體製造等)之製造製程中，只要對於處理時間等之處理條件進行設計、管理，則便可大致確保有如同設計預期一般之製品品質。
但是，伴隨著加工尺寸之細微化(數十奈米單位)和單位製品之大型化，係變得若是不對於某一處理和其他處理之開始/結束之間的滯留時間作嚴密的管理，則會成為無法達成如同設計預期一般之製品品質。將此滯留時間之上限值或下限值稱作Q-time(queue time，佇列時間)限制(或是時間限制)，此係成為在各種製品之製造中所不可或缺的製造條件。
在製造中而無法遵守Q-time限制之半製品，由於係被進行再處理(re-work)或者是被丟棄，因此，Q-time限制之違反，係會導致品質/價值之降低以及成本、時間、資源、能源等的浪費，並成為極大的損失。
作為此種損失之例，例如，現今之大口徑、高積體化之製品晶圓的單價，係為100萬日圓~數千萬日圓，而為
高價。又，生產設備之單價，亦為數千萬日圓~數十億日圓而為高價，並且其之折舊費用也會佔據年度之製造成本的50%以上，因此，對每單位時間之良品生產量有所確保衣飾，係為極為重要之課題。
進而，會由於再處理之發生而導致處理工程之負荷的升高，並且也會造成附加的再處理之增加。
故而，在半導體製造等之中，Q-time限制之遵守，係成為最優先之生產目標，且多係相較於其他之主要生產目標(交貨期限之遵守、產率之提昇、生產階段之減少等)而受到更大的重視(例如，根據對於國內工廠之調查結果和先前技術文獻等)。
相關於Q-time限制之問題，係會隨著伴隨於技術之進步所導致的加工尺寸之細微化和處理單位之大型化(高價化)，而使重要性日益增加，並成為產業內之共通的課題。從2000年代中期起，此便作為生產排程之問題而以企業界為中心地進行有廣泛的研究。
如此這般，Q-time之重要性係已被有所認識，但是，現狀而言，能夠遵守Q-time限制並且亦達成其他之生產目標的最適當之生產管理方法(特別是生產排程方法)，係仍未被確立。
停滯在此種現狀的理由，主要係為以下之3個的問題點。
作為第1問題點，係在於：為了遵守Q-time限制，係有必要對於生產流量作限制，而此一限制，係成為與其
他之生產目標(例如產率之提昇)的達成相反之要件。因此，多品種生產之多目的的最適化，係為困難。再加上，亦由於製造工程之處理單位係會以批次而導致處理單位之改變，並且也存在有在內部而施加複數之相異處理的多目標型，因此，進行解析性之模式化一事係為困難。
作為第2問題點，係在於：針對身為Q-time限制之為針對身為Q-time限制之違反的主要原因之製造裝置的預防維修，係並未謀求有最適化。
在預防維修時期中，稼動台數係減少，該工程(裝置群)之生產能力係顯著的降低。又，在預防維修結束後，由於係以高稼動率來對於裝置作運用，因此會對於後續工程之物流造成大幅度的變動。在此種生產能力和物流之變動為大的狀況下，會由於發生Q-time限制之違反，並且也會產生對於其他之生產目標造成負面影響的副作用。但是，在先前技術之生產管理體系中，主要對於生產物流等作管理之第1次管理和主要對於裝置的預防維修等作管理之第2次管理，在業務上係相互獨立，而並未進行有兩者之綜合性的管理。例如，在預防維修之計畫中，係以關連於預防維修之成本的最小化一事作為目的，而並未將Q-time限制列入考慮(非專利文獻2等)。
作為第3問題點，係在於：由於在製造製程中係散布存在有數十之Q-time限制，並且會相互干涉，因此，對於全體之同時管理係為不可或缺。又，為了對於總數會到達數百工程之製造製程全體而以實際性之時間來作管理，
高速之計算方法係為必要。關於複數之Q-time限制的構造分析和同時管理之方法，係並未存在有泛用性之方法論。
上述之Q-time限制，在例如存在有700個工程左右之記憶體製造製程中，係存在有大約60個場所以上的Q-time限制。當相互有所干涉的情況時，由於會發生有雖然能夠遵守單方面之Q-time限制但是卻無法遵守另一方面之Q-time限制等的問題，因此係需要進行同時管理。
作為第4問題點，係為於先前技術中之共通性的問題點，亦即是，係在於需要實現能夠適應於實際時間管理之計算時間的問題。
例如，被應用在非專利文獻1和非專利文獻2中的混合整數計畫法，其之計算尺度係為指數時間，因此，若是不相對於生產工程之一部分而限定為以一星期左右之生產期間作為對象的生產排程，則並無法在現實性之時間內完成計算。在如同半導體製造一般之生產期間為1.5個月~2.5個月程度的長時間並且在生產工程中所包含的工程數量為300~1000個工程程度之大規模的生產系統之最適管理中，係需要高速之計算方法。又，為了以實際之時間來實現用以與日常發生之動性變化作對應的再計算，係對於計算之高速性有所要求。
在先前技術中，關連於第1問題點，係存在有多數之先前技術。若是作大略區分，則係存在有對於個別之批量的滯留時間進行管理之方法(非專利文獻1)、和藉由批
量之個數來對於滯留時間進行管理的方法(專利文獻1、專利文獻2)等。
在專利文獻1中，係以半導體前置處理工廠作為對象，並以Q-time限制值之遵守和目標生產量之達成作為目的，而提案有對於從前置工程結束後起直到完工前為止之Q-time限制作了限定的生產管理系統。
根據對於同一裝置群i作共用之全部工程的平均處理時間來計算出裝置群i之平均處理時間，並且計算出能夠遵守Q-time限制時間之在製品批量數上限值WL(i)，再將使用等待行列M/M/1模式所計算出的裝置群i之等待批量數的期待值W ρ和上限值WL(i)等作比較，來對於風險的大小作判斷。使用工程之剩餘資源(slack)和稼動率來進行定量性評價，並藉由不會遵守Q-time限制之可能性(風險)的高低來對於裝置作分類，並作為改善之方針。針對工程處理時間、工程數、裝置數，而進行複數個的改善案候補之計算和其之實現可能性的判定，只要存在有任何一個的可實行之改善案，則施加改善，若是不存在可實行者，則並不進行改善。
在專利文獻2中，係報告有一種自動管理系統，其係將從處理裝置而來之工件資訊與先前技術之搬送系統的主電腦作連結，並計算出適當之基準庫存，再令電腦自身進行搬送指示，藉由此，而自動性地維持工件之品質保證時間。藉由此，來提供一種：在被使用於液晶顯示裝置之製造中的工件之搬送中，能夠解決工件之品質保證時間(亦
即是Q-time)之超時，而能夠進行可對於品質保持時間作維持之搬送的自動管理系統。
在非專利文獻1中，係對於國立台灣大學和康涅狄格大學以及Inotera memories公司之共同研究的成果有所報告。其係在串聯之3工程模式中，對於從第1工程之結束時間點起直到第2工程之處理開始時間點為止的Q-time限制、以及從第2工程之處理結束時間點起直到第3工程之處理開始時間點為止的Q-time限制，此兩個的Q-time限制為相連續之單一的Q-time限制區間作為對象。其係提案有將工作之對於裝置的分配作為混合整數計畫問題來模式化並求解的手法，並對於相較於捷思法(heuristic)之改善效果有所展示。作為比較對象之捷思法，係為在第3工程之處理時間成為剩下60分鐘的時間點處而開始第2工程之處理的經驗性之方法。又，係針對相較於捷思法之所提案的手法之對於評價指標的改善成果(第3工程之稼動率係提升16%，生產量係提升15%，第2工程之等待時間係降低為1/4，平均等待時間係降低為1/2)作了展示。在比較實驗中，係使用實際工廠之資料。
在非專利文獻2中，係對於美國之大學、企業以及ISMI成員間的共同研究的成果有所報告。其係對於以相關於半導體製造中之預防維修(PM)任務(task)的最適排程化之演算法作為基礎的預防維修最適化軟體工具(PMOST)之建構和活用例有所展示。PM之排程表，係使用以PM任務之成本最小化一事作為目的之混合整數計
畫問題，來作為對於從外部所賦予之基礎排程表作了調整後之結果而計算出來。係對於實際之產業資料和使用有工廠模式之4個事例的模擬結果作展示，並根據該些結果，而確認到係對於PM作業之強化和裝置生產性作了良好的改善。又，亦提供有用以將在PMOST中所被利用之PM最適化演算法對於其他用途而作適用的模版和導覽。
[專利文獻1]日本特開2008-77370號公報
[專利文獻2]日本特開2003-108213號公報
[非專利文獻1]Optimal Wet-Furnace Machine Allocation for Daily Fab Production Proceedings of the 18th IEEE International Symposium on Semiconductor Manufacturing (ISSM2010)、pp.47-50、2010 October 18-20.
[非專利文獻2]Optimal Preventive Maintenance Scheduling in Semiconductor Manufacturing Systems:Software Tool and Simulation Case Studies IEEE Transaction on Semiconductor Manufacturing、vol.23 No.3、pp.477-489、2010 August.
然而，就算是使用此些之方法，在多品種生產中，亦仍無法說係確立有能夠確實地遵守Q-time限制並同時達成良品產率之提昇和成本之降低的方法，而成為對於生產性之維持和提昇造成妨礙的重要原因。
例如，在專利文獻1中，由於模式化之精確度係為低，因此，係有著無法防止Q-time限制之違反的問題。
在專利文獻2中，係將重點置於搬送等之管理系統(資訊系統)上，在生產效率之提昇的觀點上，係為欠缺實用性的技術。
在非專利文獻1中，當容易違反Q-time限制之狀況下，雖係並不對於Q-time限制之下限作處理而以最適化作為指向，但是，當對於多數之Q-time限制作處理的情況時，組合係成為膨大，而有著無法期望能夠以實用之時間來作活用之高速計算的問題。
另一方面，係並未發現到與第2以及第3問題點有所關連的類似技術。
例如，在非專利文獻1中，係僅以典型性之1種類的Q-time限制區間作為課題。又，在專利文獻1中，雖然係將4種類的構造作為課題，但是，對於管理方法有所提供者，係僅為1種類的構造。其結果，在兩者之先前技術中，均並未對於將全部之Q-time限制的構造作網羅性之定義並進行全體管理的方法有所提供。
本發明，係為有鑑於上述事態所進行者，其目的，係在於提供一種：就算是針對在先前技術中所無法達成的容
易引發Q-time限制之違反的狀況，亦能夠確實地遵守Q-time限制，並達成良品產率之提昇和成本降低以及環境負荷和資源、能源消耗之降低的最適作業管理條件。
又，與上述之目的相關連，亦以能夠對於身為違反Q-time限制之主要原因的多品種生產的處理、裝置之預防維修、複數之Q-time限制的相互干涉，而賦予解析方法和適當之管理手法，並藉由此來容易地在遵守Q-time限制的同時亦達成良品產率之提昇和成本降低、環境負荷降低一事，作為目的。
為了解決上述課題，請求項1所記載之發明，係為一種最適指標產生裝置，其係為對於為了生產多品種之製品而對於複數之裝置作控制的生產管理系統，而供給相關於前述複數之裝置和製品的指標資訊之最適指標產生裝置，其特徵為，具備有：資訊輸入部，係將相關於前述複數之裝置和製品的資訊透過前述生產管理系統而作輸入；和Q-time構造分析部，係根據前述被輸入之資訊而對於代表在由前述複數之裝置所致的加工工程間之滯留時間的限制值之Q-time構造進行分析；和最適理論值計算部，係根據前述被輸入之資訊以及前述Q-time構造，而對於各品種之最適當的看板(Kanban)枚數以及緩衝區大小作計算；和指標算出部，係將前述所計算出之資訊作為指標資訊而輸出；和最適裝載規則判定部，係計算出將關連於製
品之到達的批次(batch)設定等待時間和Q-time限制之上限值之間的大小關係作切換之到達率的邊界值，並判定適當之裝載規則，將藉由前述指標算出部所算出之最適的指標資訊和裝載規則，供給至前述生產管理系統處。
請求項3所記載之發明，係為一種最適指標產生方法，其係為對於為了生產多品種之製品而對複數之裝置作控制的生產管理系統，而供給相關於前述複數之裝置和製品的指標資訊之最適指標產生方法，其特徵為，係實行：資訊輸入步驟，係將相關於前述複數之裝置和製品的資訊透過前述生產管理系統而作輸入；和Q-time構造分析步驟，係根據前述被輸入之資訊而對於代表在由前述複數之裝置所致的加工工程間之滯留時間的限制值之Q-time構造進行分析；和最適理論值計算步驟，係根據前述被輸入之資訊以及前述Q-time構造，而對於各品種之最適當的看板(Kanban)枚數以及緩衝區大小作計算；和指標算出步驟，係將前述所計算出之資訊作為指標資訊而輸出；和最適裝載規則判定步驟，係計算出將關連於製品之到達的批次(batch)設定等待時間和Q-time限制之上限值之間的大小關係作切換之到達率的邊界值，並判定適當之裝載規則，將藉由前述指標算出步驟所算出之最適的指標資訊和裝載規則，供給至前述生產管理系統處。
請求項11所記載之發明，係為一種最適指標產生伺服器，其係為對於為了生產多品種之製品而對於複數之裝置作控制的生產管理系統，而經由通訊線路來供給相關於
前述複數之裝置和製品的指標資訊之最適指標產生伺服器，其特徵為，具備有：資訊受訊部，係將相關於前述複數之裝置和製品的資訊透過前述生產管理系統而作受訊；和Q-time構造分析部，係根據前述所受訊之資訊而對於代表在由前述複數之裝置所致的加工工程間之滯留時間的限制值之Q-time構造進行分析；和最適理論值計算部，係根據前述所受訊之資訊以及前述Q-time構造，而對於各品種之最適當的看板(Kanban)枚數以及緩衝區大小作計算；和指標算出部，係將前述所計算出之資訊作為指標資訊而輸出；和最適裝載規則判定部，係計算出將關連於製品之到達的批次(batch)設定等待時間和Q-time限制之上限值之間的大小關係作切換之到達率的邊界值，並判定適當之裝載規則，將藉由前述指標算出部所算出之最適的指標資訊和裝載規則，送訊至前述生產管理系統處。
請求項12所記載之發明，係為一種最適指標產生方法，其係為對於為了生產多品種之製品而對於複數之裝置作控制的生產管理系統而經由通訊線路來供給相關於前述複數之裝置和製品的指標資訊之伺服器所實行的最適指標產生方法，其特徵為，具備有：資訊受訊步驟，係將相關於前述複數之裝置和製品的資訊透過前述生產管理系統而作受訊；和Q-time構造分析步驟，係根據前述所受訊之資訊而對於代表在由前述複數之裝置所致的加工工程間之滯留時間的限制值之Q-time構造進行分析；和最適理論值計算步驟，係根據前述所受訊之資訊以及前述Q-time
構造，而對於各品種之最適當的看板(Kanban)枚數以及緩衝區大小作計算；和指標算出步驟，係將前述所計算出之資訊作為指標資訊而輸出；和最適裝載規則判定步驟，係計算出將關連於製品之到達的批次(batch)設定等待時間和Q-time限制之上限值之間的大小關係作切換之到達率的邊界值，並判定適當之裝載規則，將藉由前述指標算出步驟所算出之最適的指標資訊和裝載規則，送訊至前述生產管理系統處。
請求項13所記載之發明，係為一種最適指標產生裝置，其係為對於對被設置在用以生產多品種之製品的生產實行系統中之複數的裝置作控制之生產管理系統，而供給相關於前述複數之裝置的指標資訊之最適指標產生裝置，其特徵為，具備有：資訊輸入部，係將相關於在前述生產實行系統中所包含之複數之裝置的資訊透過前述生產管理系統而作輸入；和瓶頸場所解析部，係根據前述被輸入之資訊，而對於在由前述複數之裝置所致的加工工程中之瓶頸場所以及最大流量作解析；和Q-time限制構造分析部，係根據前述被輸入之資訊而對於存在有1個以上的Q-time限制之Q-time限制區間的構造進行分析；和指標算出部，係根據前述瓶頸場所、最大流量以及前述Q-time構造，而對於各品種之最適當的看板(Kanban)枚數以及緩衝區大小作計算，並作為指標資訊而輸出；和資訊輸入部，係將相關於在前述生產實行系統中所包含的複數之裝置的資訊透過前述生產管理系統而作輸入；和裝置
區分算定部，係將前述複數之裝置，區分成具備有常用能力之常用裝置和具備有代替能力之代替裝置；和最適理論值計算部，係根據前述所算定了的裝置區分和被輸入之資訊，來算出前述複數之常用裝置和代替裝置的稼動次數和稼動時期以及稼動內容；和時間指標算出部，係算出相關於前述常用裝置和代替裝置之預防維修開始時期；和最適理論值計算部，係基於前述瓶頸場所、最大流量、前述Q-time構造以及前述裝置區分和前述時間指標，而算出各品種之最適當的看板(Kanban)枚數以及緩衝區大小；和指標算出部，係將前述所計算出之最適理論值作為指標資訊而輸出；和手續實行控制部，係對於在前述生產實行系統中所包含的製造流程全體中而散布存在之全部的Q-time限制同時作管理，將藉由前述時間指標算出部和指標算出部所算出的最適之指標資訊，供給至前述生產管理系統或工程業務系統處，並且將藉由前述時間指標算出部所算出的最適之指標資訊，供給至生產管理系統處。
請求項14所記載之發明，係為一種最適指標產生方法，其係為對於對被設置在用以生產多品種之製品的生產實行系統中之複數的裝置作控制之生產管理系統，而供給相關於前述複數之裝置的指標資訊之最適指標產生裝置，其特徵為，係實行：資訊輸入步驟，係將相關於在前述生產實行系統中所包含之複數之裝置的資訊透過前述生產管理系統而作輸入；和瓶頸場所解析步驟，係根據前述被輸入之資訊，而對於在由前述複數之裝置所致的加工工程中
之瓶頸場所以及最大流量作解析；和Q-time限制構造分析步驟，係根據前述被輸入之資訊而對於存在有1個以上的Q-time限制之Q-time限制區間的構造進行分析；和指標算出步驟，係根據前述瓶頸場所、最大流量以及前述Q-time構造，而對於各品種之最適當的看板(Kanban)枚數以及緩衝區大小作計算，並作為指標資訊而輸出；和資訊輸入步驟，係將相關於在前述生產實行系統中所包含的複數之裝置的資訊透過前述生產管理系統而作輸入；和裝置區分算定步驟，係將前述複數之裝置，區分成具備有常用能力之常用裝置和具備有代替能力之代替裝置；和最適理論值計算部，係根據前述所算定了的裝置區分和被輸入之資訊，來算出前述複數之常用裝置和代替裝置的稼動次數和稼動時期以及稼動條件；和時間指標算出步驟，係算出相關於前述常用裝置和代替裝置之預防維修開始時期；和最適理論值計算步驟，係基於前述瓶頸場所、最大流量、前述Q-time構造以及前述裝置區分和時間指標，而算出各品種之最適當的看板(Kanban)枚數以及緩衝區大小；和指標算出步驟，係將前述所計算出之最適理論值作為指標資訊而輸出，將藉由前述時間指標算出步驟和指標算出步驟所算出的最適之指標資訊，供給至前述生產管理系統或工程業務系統處，並且將藉由前述時間指標算出步驟所算出的最適之指標資訊，供給至生產管理系統處。
請求項18所記載之發明，係為一種最適指標產生伺服器，其係為對於對被設置在用以生產多品種之製品的生
產實行系統中之複數的裝置作控制之生產管理系統，而經由通訊線路來送訊相關於前述複數之裝置的指標資訊之最適指標產生伺服器，其特徵為，具備有：資訊受訊部，係將相關於在前述生產實行系統中所包含之複數之裝置的資訊透過前述生產管理系統而作受訊；和瓶頸場所解析部，係根據前述所受訊之資訊，而對於在由前述複數之裝置所致的加工工程中之瓶頸場所以及最大流量作解析；和Q-time限制構造分析部，係根據前述所受訊之資訊而對於存在有1個以上的Q-time限制之Q-time限制區間的構造進行分析；和指標算出部，係根據前述瓶頸場所、最大流量以及前述Q-time構造，而對於各品種之最適當的看板(Kanban)枚數以及緩衝區大小作計算，並作為指標資訊而輸出；和資訊受訊部，係將相關於在前述生產實行系統中所包含的複數之裝置的資訊透過前述生產管理系統而作受訊；和裝置區分算定部，係將前述複數之裝置，區分成具備有常用能力之常用裝置和具備有代替能力之代替裝置；和最適理論值計算部，係根據前述所算定了的裝置區分和所受訊之資訊，來算出前述複數之常用裝置和代替裝置的稼動次數和稼動時期以及稼動條件；和時間指標算出部，係算出相關於前述常用裝置和代替裝置之預防維修開始時間；和最適理論值計算部，係基於前述瓶頸場所、最大流量、前述Q-time構造以及前述裝置區分和前述時間指標，而算出各品種之最適當的看板(Kanban)枚數以及緩衝區大小；和指標算出部，係將前述所計算出之最適理
論值作為指標資訊而輸出，將藉由前述時間指標算出部和指標算出部所算出的最適之指標資訊，送訊至前述生產管理系統或工程業務系統處，並且將藉由前述時間指標算出部所算出的最適之指標資訊，送訊至生產管理系統處。
請求項19所記載之發明，係為一種最適指標產生方法，其係為對於對被設置在用以生產多品種之製品的生產實行系統中之複數之裝置作控制的生產管理系統，而經由通訊線路來送訊相關於前述複數之裝置和製品的指標資訊之伺服器所實行的最適指標產生方法，其特徵為，係實行：資訊輸入步驟，係將相關於在前述生產實行系統中所包含之複數之裝置的資訊透過前述生產管理系統而作受訊；和瓶頸場所解析步驟，係根據前述所受訊之資訊，而對於在由前述複數之裝置所致的加工工程中之瓶頸場所以及最大流量作解析；和Q-time限制構造分析步驟，係根據前述所受訊之資訊而對於存在有1個以上的Q-time限制之Q-time限制區間的構造進行分析；和指標算出步驟，係根據前述瓶頸場所、最大流量以及前述Q-time構造，而算出各品種之最適當的看板(Kanban)枚數以及緩衝區大小；和資訊受訊步驟，係將相關於在前述生產實行系統中所包含的複數之裝置的資訊透過前述生產管理系統而作受訊；和裝置區分算定步驟，係將前述複數之裝置，區分成具備有常用能力之常用裝置和具備有代替能力之代替裝置；和最適理論值計算步驟，係根據前述所算定了的裝置區分和所受訊之資訊，來算出前述複數之常用裝置和
代替裝置的稼動次數和稼動時期以及稼動條件；和時間指標算出步驟，係算出相關於前述常用裝置和代替裝置之預防維修開始時間，將藉由前述指標算出步驟所算出的最適之指標資訊，送訊至前述生產管理系統或工程業務系統處，並且將藉由前述時間指標算出步驟所算出的最適之指標資訊，送訊至生產管理系統處。
請求項20所記載之發明，係為一種最適指標產生裝置，其係為對於為了生產多品種之製品而對複數之裝置作控制的生產管理系統，而供給相關於前述複數之裝置的指標資訊之最適指標產生裝置，其特徵為，具備有：資訊輸入部，係將相關於前述複數之裝置的資訊透過前述生產管理系統而作輸入；和裝置區分算定部，係將前述複數之裝置，區分成具備有常用能力之常用裝置和具備有代替能力之代替裝置；和最適理論值計算部，係根據前述所算定了的裝置區分和被輸入之資訊，來算出前述複數之常用裝置和代替裝置的稼動次數和稼動時期以及稼動條件；和開始結束時期算出部，係根據前述計算結果來算出相關於前述常用裝置和代替裝置之預防維修開始、結束時期，將藉由前述開始結束時期算出部所算出的最適之開始結束時期資訊，供給至前述生產管理系統或工程業務系統處。
請求項22所記載之發明，係為一種最適指標產生方法，其係為對於為了生產多品種之製品而對複數之裝置作控制的生產管理系統，而供給相關於前述複數之裝置的指標資訊之最適指標產生方法，其特徵為，係實行：資訊輸
入步驟，係將相關於前述複數之裝置的資訊透過前述生產管理系統而作輸入；和裝置區分算定步驟，係將前述複數之裝置，區分成具備有常用能力之常用裝置和具備有代替能力之代替裝置；和最適理論值計算步驟，係根據前述所算定了的裝置區分和被輸入之資訊，來算出前述複數之常用裝置和代替裝置的稼動次數和稼動時期以及稼動條件；和開始結束時期算出步驟，係根據前述計算結果來算出相關於前述常用裝置和代替裝置之預防維修開始、結束時期，將藉由前述開始結束時期算出步驟所算出的最適之開始結束時期資訊，供給至前述生產管理系統或工程業務系統處。
請求項25所記載之發明，係為一種最適指標產生伺服器，其係為對於為了生產多品種之製品而對複數之裝置作控制的生產管理系統，而經由通訊線路來送訊相關於前述複數之裝置的指標資訊之最適指標產生伺服器，其特徵為，具備有：資訊輸入部，係將相關於前述複數之裝置的資訊透過前述生產管理系統而作受訊；和裝置區分算定部，係將前述複數之裝置，區分成具備有常用能力之常用裝置和具備有代替能力之代替裝置；和最適理論值計算部，係根據前述所算定了的裝置區分和被輸入之資訊，來算出前述複數之常用裝置和代替裝置的稼動次數和稼動時期以及稼動條件；和開始結束時期算出部，係根據前述計算結果來算出相關於前述常用裝置和代替裝置之預防維修開始、結束時期，將藉由前述開始結束時期算出部所算出
的最適之開始結束時期資訊，送訊至前述生產管理系統或工程業務系統處。
請求項26所記載之發明，係為一種最適指標產生方法，其係為對於為了生產多品種之製品而對複數之裝置作控制的生產管理系統，而經由通訊線路來送訊相關於前述複數之裝置的指標資訊之伺服器，所實行的最適指標產生方法，其特徵為，係實行：資訊輸入步驟，係將相關於前述複數之裝置的資訊透過前述生產管理系統而作受訊；和裝置區分算定步驟，係將前述複數之裝置，區分成具備有常用能力之常用裝置和具備有代替能力之代替裝置；和最適理論值計算步驟，係根據前述所算定了的裝置區分和所受訊之資訊，來算出前述複數之常用裝置和代替裝置的稼動次數和稼動時期以及稼動條件；和開始結束時期算出步驟，係根據前述計算結果來算出相關於前述常用裝置和代替裝置之預防維修開始、結束時期，將藉由前述開始結束時期算出步驟所算出的最適之開始結束時期資訊，送訊至前述生產管理系統或工程業務系統處。
請求項27所記載之發明，係為一種最適指標產生裝置，係為對於對被設置在用以生產多品種之製品的生產實行系統中之複數的裝置作控制之生產管理系統，而供給相關於前述複數之裝置的指標資訊之最適指標產生裝置，其特徵為，具備有：資訊輸入部，係將相關於在前述生產實行系統中所包含之複數之裝置的資訊透過前述生產管理系統而作輸入；和Q-time構造分析部，係根據前述被輸入
之資訊而對於代表在由前述複數之裝置所致的加工工程間之滯留時間的限制值之Q-time限制進行分析；和指標算出部，係基於前述所輸入之資訊以及前述Q-time構造，而算出各品種之最適當的看板(Kanban)枚數以及緩衝區大小，並作為指標資訊而輸出；和資訊輸入部，係將相關於在前述生產實行系統中所包含的複數之裝置的資訊從生產管理系統而作輸入；和裝置區分算定部，係將前述複數之裝置，區分成具備有常用能力之常用裝置和具備有代替能力之代替裝置；和最適理論值計算部，係根據前述所算定了的裝置區分和被輸入之資訊，來算出前述複數之常用裝置和代替裝置的稼動次數和稼動時期以及稼動條件；和開始結束時期算出部，係算出相關於前述常用裝置和代替裝置之預防維修開始時期；和最適理論值計算部，係基於前述所輸入之資訊、前述Q-time構造以及前述裝置區分和前述開始結束時期，而算出各品種之最適當的看板(Kanban)枚數以及緩衝區大小；和指標算出部，係將前述所計算出之最適理論值作為指標資訊而輸出，將藉由前述開始結束時期算出部所算出的最適之開始結束時期資訊，供給至前述生產管理系統或工程業務系統處，並且將相對於依據前述算出之開始結束時期所制定的工程能力互為相異之各期而為最適之開始結束時期資訊，藉由最適理論值計算部以及前述指標算出部來供給至生產管理系統處。
請求項29所記載之發明，係為一種最適指標產生方
法，其係為對於對被設置在用以生產多品種之製品的生產實行系統中之複數的裝置作控制之生產管理系統，而供給相關於前述複數之裝置的指標資訊之最適指標產生方法，其特徵為，係實行：資訊輸入步驟，係將相關於在前述生產實行系統中所包含之複數之裝置的資訊透過前述生產管理系統而作輸入；和Q-time構造分析步驟，係根據前述被輸入之資訊而對於代表在由前述複數之裝置所致的加工工程間之滯留時間的限制值之Q-time限制進行分析；和指標算出步驟，係基於前述所輸入之資訊以及前述Q-time構造，而算出各品種之最適當的看板(Kanban)枚數以及緩衝區大小，並作為指標資訊而輸出；和資訊輸入步驟，係將相關於在前述生產實行系統中所包含的複數之裝置的資訊從生產管理系統而作輸入；和裝置區分算定步驟，係將前述複數之裝置，區分成具備有常用能力之常用裝置和具備有代替能力之代替裝置；和最適理論值計算步驟，係根據前述所算定了的裝置區分和被輸入之資訊，來算出前述複數之常用裝置和代替裝置的稼動次數和稼動時期以及稼動條件；和開始結束時期算出步驟，係算出相關於前述常用裝置和代替裝置之預防維修開始時期；和最適理論值計算步驟，係基於前述所輸入之資訊、前述Q-time構造以及前述裝置區分和前述開始結束時期，而算出各品種之最適當的看板(Kanban)枚數以及緩衝區大小；和指標算出步驟，係將前述所計算出之最適理論值作為指標資訊而輸出，將藉由前述開始結束時期算出步驟所算出
的最適之開始結束時期資訊，供給至前述生產管理系統或工程業務系統處，並且將相對於依據前述算出之開始結束時期所制定的工程能力互為相異之各期而為最適之開始結束時期資訊，藉由最適理論值計算步驟以及前述指標算出步驟來供給至生產管理系統處。
請求項32所記載之發明，係為一種最適指標產生伺服器，其係為對於對被設置在用以生產多品種之製品的生產實行系統中之複數的裝置作控制之生產管理系統，而透過通訊線路來送訊相關於前述複數之裝置的指標資訊之最適指標產生伺服器，其特徵為，具備有：資訊受訊部，係將相關於在前述生產實行系統中所包含之複數之裝置的資訊透過前述生產管理系統而作受訊；和Q-time構造分析部，係根據前述所受訊之資訊而對於代表在由前述複數之裝置所致的加工工程間之滯留時間的限制值之Q-time限制進行分析；和指標算出部，係基於前述所受訊之資訊以及前述Q-time構造，而算出各品種之最適當的看板(Kanban)枚數以及緩衝區大小，並作為指標資訊而輸出；和資訊受訊部，係將相關於在前述生產實行系統中所包含的複數之裝置的資訊從生產管理系統而作受訊；和裝置區分算定部，係將前述複數之裝置，區分成具備有常用能力之常用裝置和具備有代替能力之代替裝置；和最適理論值計算部，係根據前述所算定了的裝置區分和所受訊之資訊，來算出前述複數之常用裝置和代替裝置的稼動次數和稼動時期以及稼動條件；和開始結束時期算出部，係算
出相關於前述常用裝置和代替裝置之預防維修開始時期；和最適理論值計算部，係基於前述所受訊之資訊、前述Q-time構造以及前述裝置區分和前述開始結束時期，而算出各品種之最適當的看板(Kanban)枚數以及緩衝區大小；和指標算出部，係將前述所計算出之最適理論值作為指標資訊而輸出，將藉由前述開始結束時期算出部所算出的最適之開始結束時期資訊，送訊至前述生產管理系統或工程業務系統處，並且將相對於依據前述算出之開始結束時期所制定的工程能力互為相異之各期而為最適之指標資訊，藉由最適理論值計算部以及前述指標算出部來供給至生產管理系統處。
請求項33所記載之發明，係為一種最適指標產生方法，其係為對於對被設置在用以生產多品種之製品的生產實行系統中之複數的裝置作控制之生產管理系統，而經由通訊線路來送訊相關於前述複數之裝置和製品的指標資訊之伺服器，所實行的最適指標產生方法，其特徵為，係實行：資訊受訊步驟，係將相關於在前述生產實行系統中所包含之複數之裝置的資訊透過生產管理系統而作受訊；和Q-time構造分析步驟，係根據前述所受訊之資訊而對於代表在由前述複數之裝置所致的加工工程間之滯留時間的限制值之Q-time限制進行分析；和指標算出步驟，係根據前述所受訊之資訊以及前述Q-time構造，而算出各品種之最適當的看板(Kanban)枚數以及緩衝區大小並作為指標資訊而輸出；和資訊受訊步驟，係將相關於在前述生
產實行系統中所包含的複數之裝置的資訊從生產管理系統而作受訊；和裝置區分算定步驟，係將前述複數之裝置，區分成具備有常用能力之常用裝置和具備有代替能力之代替裝置；和最適理論值計算步驟，係根據前述所算定了的裝置區分和所受訊之資訊，來算出前述複數之常用裝置和代替裝置的稼動次數和稼動時期以及稼動條件；和開始結束時期算出步驟，係算出相關於前述常用裝置和代替裝置之預防維修開始時期，將藉由前述開始結束時期算出步驟所算出的最適之開始結束時期資訊，送訊至前述生產管理系統或工程業務系統處，並且將相對於依據前述算出之開始結束時期所制定的工程能力互為相異之各期而為最適之指標資訊，藉由最適理論值計算步驟以及前述指標算出步驟來送訊至生產管理系統處。
若依據本發明，則係能夠提供一種：就算是針對在先前技術中所無法達成的容易引發Q-time限制之違反的狀況，亦能夠確實地遵守Q-time限制，並達成良品產率之提昇和成本降低以及環境負荷和資源、能源消耗之降低的最適作動管理條件。
又，與上述之效果相關連，亦能夠對於身為違反Q-time限制之主要原因的多品種生產的處理、裝置之預防維修、複數之Q-time限制的相互干涉，而賦予解析方法和適當之管理手法，並藉由此來容易地在遵守Q-time限制
的同時亦達成良品產率之提昇和成本降低、環境負荷降低。
針對本發明之實施形態，參考圖面來作說明。
參考圖1，針對本發明之第1實施形態的最適指標產生裝置作說明。
本發明之第1實施形態的最適指標產生裝置11，例如，係將對於在用以生產半導體之生產工程# 1中所分別設置的處理工程(裝置群)2以及處理工程(裝置群)3之生產排程表作管理的生產管理系統10，作為控制之對象。
生產管理系統10，係為生產物流控制法(以下，稱作CKB法)之資料輸入輸出目標，並將各種輸入資料抽出，而遞交至輸入部12、13(CKB法)處，並接收CKB法之計算結果，而作成排程表。
生產管理系統10，係從最適指標產生裝置11而輸入各種生產管理資料以及CKB法理論值計算結果，並將在CKB法計算中所需要之資料抽出，而遞交至輸入部12、13處，並且，使用CKB法理論值，而算出包含Q-time限制區間之生產流程的排程表。生產管理系統10，係根據CKB法理論值計算結果、和排程演算法(派工法則
(dispatching rule)、整備法則(setup rule)等)，而計算出最適排程表。生產管理系統10，係將關於生產排程表之資訊輸出至各輸入部12、13處。
如圖1中所示一般，最適指標產生裝置11，係具備有輸入部12、輔助輸入部13、Q-time構造分析部14、CKB最適邏輯值計算部15、靈敏度解析部(CKB特性)16、指標算出部17、靈敏度解析部(性能特性)18。
輸入部12，係經由生產管理系統10或生產計畫裝置，而輸入身為與生產計畫、製品資訊、工程計畫等相關之資訊的各品種之生產時期、數量、製造流程(品種別)、各工程之裝置的種類和台數、品種-裝置對應表、相對於各品種之處理時間、負載尺寸、負載間隔、主要處理以外之最低限度的必要時間(搬送時間、計畫時間等)、Q-time限制時間(上限、下限)。
輔助輸入部13，係從生產管理系統10，而將計畫時間(製造條件)、交貨期限(生產條件)、裝置之故障/維修的計畫‧實際成績資料、裝置停止時間之資料(設備管理資訊)、裝置之待機場所的有無以及待機場所之容量等(設備條件)之全部作輸入。輔助輸入部13，雖然係將非必要之輸入資料作輸入，但是，在實用上，係對於在下一階段之CKB最適邏輯值計算部15中會成為重要的資料統籌地進行前置處理，並將平均計畫時間(製品品種、裝置、工程別)、交貨期限係數(製品品種、工程別)、MTBF(平均故障間隔)、MTTR(平均修復時間)、裝置
之待機的有無以及容量值等作輸出。另外，當從此輔助輸入部13而被輸入有資料的情況時，係在CKB法最適理論值計算部15處而進行更詳細的計算。
Q-time構造分析部14，係對於Q-time限制之構造作分析，並檢測出Q-time限制區間之構造，再因應於需要而進行轉換，而將Q-time限制區間工程資訊作輸出。將此分析結果預先記錄在內部記憶部14a中，並作為Q-time限制區間之主資料(master data)來作使用。於此，當被追加有新的Q-time限制的情況時或者是既存之Q-time限制被作了變更的情況時，內部記憶部14a係被作更新。
CKB最適邏輯值計算部15，係將從輸入部12而來之資料、從輔助輸入部13而來之資料以及從Q-time構造分析部而來之資料全部作輸入。根據輸入資料，來算出最適之看板枚數，並且算出最適之緩衝區大小，而將最適看板枚數以及最適緩衝區大小等作輸出。此時，藉由利用靈敏度解析部(CKB特性)16之內部記憶16a的資訊，係成為能夠作更加高速之算出。
靈敏度解析部(CKB特性)16，係將Q-time區間工程資訊、流量強度(變數)、批量到達率(品種別)(變數)、工程處理能力(變數)、負載大小(變數)等作輸入，並對於當批次之到達率或工程之處理能力有所變動的情況時之CKB法理論值計算的結果之變化特性作計算。亦可將此靈敏度解析結果預先記錄在內部記憶部16a中，並在Q-time限制區間中，當批量之到達率或工程之處理
能力產生了動性變化的情況時，即時性地作為更新資料來使用。靈敏度解析部(CKB特性)16，係作為性能特性，而針對相對於流量強度、在製品到達率以及工程處理能力之看板枚數(品種別)和相對於緩衝區大小、負載大小(變數)之看板枚數和緩衝區大小之各別的特性，而將該當於各看板枚數或緩衝區大小之臨限值的流量強度或到達率或工程能力或負載大小或者是Q-time時間長度，預先記錄於內部記憶部16a中。在內部記憶部16a中，係亦被記錄有CKB最適邏輯值計算部15之輸入輸出結果。內部記憶部16a之資訊，係亦被使用在最適指標產生11之實行必要性的判定中。此必要性之判定，係對應於管理對象之生產工程# 1中的各種之變動(裝置群之處理能力的變化或目標生產率之變更、流量之變動、Q-time限制之變更、追加等)而被作判斷。當確認到必要性的情況時，係對於最適指標產生11送出有計算指示。
指標算出部17，係亦具備有將CKB最適邏輯值計算部15之計算結果以適當之資料形式來輸出至生產管理系統10處之功能、和將靈敏度解析部16之內部記憶部16a的資訊和此次之CKB最適邏輯值計算部15之計算條件作比較並更迅速地對於生產管理系統10而送訊更新資料之功能。
靈敏度解析部(性能特性)18，係將在CKB法中所使用之輸入資料、CKB法最適理論值之條件作輸入，並在所決定了的CKB法最適理論值之條件下，進行用以對
於工程之性能作評價的計算，再作為性能特性，而將相對於流量強度、到達率以及工程處理能力之各種性能評價指標輸出至生產管理系統10等處。
最適裝載規則判定部19，係預先計算出會成為使關連於製品之到達的批次組織等待時間TB和Q-time限制(上限)T_(Q+)之大小關係被作切換的TB≦T_(Q+)之到達率λ≧L的邊界值L，並對於適當之裝載規則作判定。
參考圖1，針對本發明之第1實施形態的最適指標產生裝置11之動作作說明。
將相關於在生產實行系統中所包含的複數之裝置之資訊，經由生產管理系統10來藉由資訊輸入部12而作輸入，並藉由Q-time構造分析部14，來根據被輸入了的資訊而對於代表由複數之裝置所致的加工工程間之滯留時間的限制值之Q-time限制的構造作分析，在根據所輸入的資訊以及Q-time構造，來計算出各品種之最適之看板枚數以及緩衝區大小，並作為指標資訊而藉由指標算出部17來作輸出，再將藉由指標算出部17所算出的最適之指標資訊，供給至生產管理系統10處。
藉由此，係能夠提供一種就算是針對在先前技術中所無法達成的容易引發Q-time限制之違反的狀況，亦能夠確實地遵守Q-time限制，並達成良品產率之提昇和成本降低以及環境負荷和資源、能源消耗之降低的最適作業管理條件。
又，亦能夠對於身為違反Q-time限制之主要原因的
多品種生產的處理、複數之Q-time限制的相互干涉，而賦予解析方法和適當之管理手法，並藉由此來在遵守Q-time限制的同時亦達成良品產率之提昇和成本降低、環境負荷降低。
以下，針對構成本發明之第1實施形態的最適指標產生裝置11之各部的動作作說明。
最適指標產生裝置11，例如，係將圖2中所示之半導體前置工程的Q-time限制區間作為控制之對象。此工程區間，係為洗淨工程和熱處理工程相連續之工程區間，作為其特徵，係可列舉出以下之事項。另外，在本實施形態中，雖係將最適指標產生裝置11之控制對象，作為半導體前置工程之Q-time限制區間，但是，本發明，係並非被限定於此種對象，例如，係可適用在液晶製造工程、資訊通訊製程中。
(1)由於會有起因於Q-time限制之存在而使此工程區間成為生產實行系統全體之瓶頸的情況，因此係會對於產率造成影響。
(2)由於係為批次處理生產線，因此，依據裝載規則所決定的裝載大小(批次)，會對於產率和裝置之利用率以及為了處理每單位之製品所需的成本造成影響。
於此，半導體前置工程，係指用以在將半導體之單結晶作了薄的切削之圓盤(稱為晶圓)上，而進行化學物理性處理，並形成具備有特定之規格的電子電路之製造製程。此係為半導體製造之中心性的製程，並且會在單一之
工廠中而需要高價之初期投資，因此，係身為極為重要的管理對象。
在製品中，係如同「部件(晶圓)」、「批量」、「批次」一般地而存在有各種的處理單位。
在本實施形態中，係將身為一般性之工廠的處理和搬送之單位的25部件作為1個批量，並在能夠對於複數之批量同時進行處理的情況時，將其之能夠作處理的複數之批量總稱為批次。能夠同時進行處理之批量的最大數量(批次大小)，係依存於工程而有所相異。例如，作為本實施形態之對象的洗淨工程之批次大小，係為2批量，熱處理工程之批次大小，係為6批量。將能夠進行此種批次單位之處理的工程所相連續之處理生產線，稱作「批次處理生產線」。另外，針對洗淨工程、熱處理工程，係於後再述。
所謂裝載規則，係為在批次處理裝置中，對於像是若是存在有幾個批量則能夠開始處理、就算是其他品種，只要是相同之規格(處理條件)則能夠同時進行處理等等之批次組織的方針作決定之規則。
針對在圖2中所示之代表性的Q-time限制區間之工程中的生產目標和性能評價指標作說明。
在實際之工廠中，重要之生產目標，係在於
(1)Q-time限制遵守率之最大化
(2)交貨期遵守率之最大化
(3)產率最大化
(4)階段轉換成本最大化
(5)裝置之利用率適當化
(6)總成本最小化
。在本實施形態中，係列舉出生產目標(1)、(2)、(3)、(5)、(6)(除了階段轉換成本以外)。於圖3中，對於為了達成此些之目標而會成為關鍵的性能評價指標以及其之計算方法作展示。
針對被設置在生產實行系統中之裝置作說明。
洗淨工程，係為在各工程之前或之後必定會被使用之會反覆數十次地使用之工程。半導體製品之表面的汙染，係隨著半導體製造技術之細微化的進展，而變得會對於良率(良品率)等直接性地造成大的影響。洗淨之目的，係在於從其之表面而將污染物質除去。
圖4，係為對於批次連續多工處理裝置(洗淨工程)作展示之圖。
在洗淨工程中，係使用有被稱作批次多工(批次多腔)型之裝置。如圖4中所示一般，批次多工(批次多腔)型，係為在1個裝置中具備有複數之洗淨槽(稱為單元)，並且若是將批次藉由依據處理條件所制訂的一連串之順序(槽)來進行並結束處理，則將批次從裝置而送出。故而，從在裝置中而開始處理起直到處理結束為止的處理時間，和對於裝置之批次的投入和從裝置而將批次輸
出的間隔，此兩者係為相異。
在批次連續多工處理裝置中，係在將WIP(批次)以單元單位而收容在裝置內的狀態下，而使其通過特定之複數的單元並進行處理。批次，係並非為以處理時間間隔來投入，而是以裝載間隔(Load Interval)來投入。一般而言，洗淨工程之處理能力，係相較於下一工程之熱處理工程，而使處理能力成為更高。
熱處理工程之目的，係在於表面之氧化膜的形成、較疏之膜的緻密化等。
圖5，係為對於批次裝置(熱處理工程)作展示之圖。
在熱處理工程中，係使用有被稱作批次之裝置。如圖5中所示一般，此批次裝置，係指能夠進行批次單位之處理的裝置。又，在此裝置中，係能夠以處理時間間隔來進行批量之投入。
在如此這般地以相異之批次大小而被作裝載之裝置(工程)相互連續所成的批次處理生產線中，係會依存於批次組織而產生等待(Queue)。又，由於依存於裝載規則，該些之批次組織等待時間也會改變，因此滯留時間係會改變。
接下來，針對看板方式和等待行列理論之基本作說明。
在本實施形態中，係對於看板方式和等待行列理論作應用，並對於能夠在批次處理生產線中而一面遵守Q-time限制一面對於其他之工程的性能之惡化作抑制的生產排程手法作考慮。於此，作為預備知識，針對在看板方式和等待行列理論中所特別會應用的立透(Little’s law)之公式作說明。
於此，所謂看板方式，係為將作為在豐田(TOYOTA)生產方式、特別是在應時(just in time)方式之一部份的庫存系統之所謂「後補充」(僅下單相應於零件庫存所減少之量的零件量並進行補充，而回復至原本之庫存量的方式)作為原則的一種定量下單方式的附屬需要版。又，在本實施形態中所使用之看板，係指在生產指示中所被使用之可重複作利用的「在製品看板」。看板方式之基本，係在於「後工程接收」，亦即是所謂的「將下游工程所需要之零件從上游工程而僅取得必要之量」的方式。換言之，係為並不允許前工程在沒有後工程的指示下而任意地開始生產、出貨。在為由後工程而帶動的意義下，係亦被稱作「帶動方式」(pull system)。
所謂立透之公式，係指將L設為平均系內人數，將U設為平均滯留時間，並將λ設為到達率時，下述之
L=λU (1)會成立之公式，並為代表能夠將平均系內人數以平均滯留時間之比例式來作表現的式子。
以下，針對身為用以遵守Q-time限制之物流控制手法的CKB法來作說明。
在本實施形態中，係作為生產系統之全體功能，而對於能夠遵守Q-time限制並且也不會使其他的性能評價指標惡化之生產排程手法作考慮。當WIP並不對於熱處理工程之處理能力作考慮而在洗淨工程中陸續被作處理並到達熱處理工程處，在熱處理工程之前有多數之WIP作等待時，其結果，係會發生Q-time限制違反。因此，可以想見，藉由將熱處理工程之處理能力列入考慮，並對於等待WIP之數量作限制，而預先使其在洗淨工程之前作等待，係能夠對於Q-time限制違反作抑制。為了實現此，係可以考慮有：根據等待行列之理論中的立透之公式，來求取出能夠遵守Q-time限制之最大在製品數，並對於由看板方式所致之處理數的控制作考慮。
又，在工程中，會有僅流動有處理時間為相同之品種的情況，也會有存在相異之品種的情況或者是雖然品種相同但是會起因於反覆進行處理而導致規格(階級)相異並
使處理時間有所差異者混合存在並流動的情況。於此種情況中，不只是需要在工程中而統籌地對於在製品數作限制，也需要對於處理規格為相異者之每一者而個別地對於處理數作限制。在本實施形態中，係將此種由於反覆處理而導致處理規格相異之製品，亦視為相異之品種來作擬似表現，並在單一品種之情況和複數品種之情況的雙方中而對於在製品數之限制作考慮並進行實驗。
最大在製品數限制，係依據3個程序來進行。關於詳細之方法，係於後再述。
(1)使用立透之公式而算出能夠遵守Q-time限制之最大的等待批量數。
(2)以基於該最大等待批量數來對於從洗淨工程起而一直涵蓋至熱處理工程的在製品數作控制的方式，而決定看板之枚數。於此，在CKB法中，係為將看板之枚數，對於每一品種(規格)而個別地設定看板枚數，而CKB-(minus)法，則係並不對品種作區別地而以工程來統籌地對於看板枚數作設定，並作為用以對於以各品種來分別作管理的情況時之效果作確認者而使用之。
(3)由於洗淨工程之處理能力係為高，因此僅靠看板之枚數，最大在製品數之限制係並不充分，故而，係藉由在熱處理工程中設置緩衝區大小(若是等待批量數增加至其以上，則使前工程關閉之最大等待批量數)，來使最大處理數之限制成為更為確實。
最大等待批量數，係使用立透之公式而計算出來。在本實施形態中，係使用將立透之公式的滯留時間之定義置換為等待時間之定義者。
等待批量數，若是設為將
作為每單位時間之等待批量數〔lot〕，並將W設為每1批量之平均等待時間〔分鐘〕，且將λ設為每單位時間之平均到達批量數(到達率)〔lot/分鐘〕，則係表現為
在上述之計算式中，係將W設為Q-time限制時間之餘裕時間，並將λ設為熱處理工程之到達率(但是，當流量強度(ρ)為較1更大的情況時，λ係設為當流量強度為1時之到達率)，而求取出最大等待批量數
此係代表能夠在熱處理工程之前而等待之最大批量數。
另外，
流量強度(ρ)=(到達率(λ))/{(營運率(μ))×(裝置台數(m))}
批次裝置之營運率(μ)=(裝載大小)/(平均處理時間)
批次連續多工裝置之營運率(μ)=(裝載大小)/(裝載間隔LI) (3)
根據上述所求取出之最大等待批量數，而決定看板之枚數。如同由圖6而能夠得知一般，由看板所致之在製品數可控制區間的批量數，係並不僅是最大等待批量數，而亦包含有此時而在洗淨工程中所正在處理之批量數。故而，看板之枚數，係必須要在對於平均性之洗淨工程的處理中之批量數作考慮之後再作決定。洗淨工程之平均處理中批量數，係藉由以下之式而求取出來。
洗淨工程之平均處理中批量數，若是將LW設為洗淨工程之平均處理中批量數〔lot〕，將Tp設為洗淨工程之實效處理時間〔分鐘/台〕，將LI設為洗淨裝置之裝載間隔(Load Interval)〔分鐘/台〕，將Tp/LI設為使用單元(運轉)數，將ρ 1設為洗淨工程之流量強度(利用率)，將L1設為洗淨裝置之最大裝載大小〔lot/台〕，將ρ 1×L1設為洗淨裝置之平均裝載大小〔lot/台〕，將m1設為洗淨工程之裝置台數〔台〕，則係表現為
LW=Tp/LI×ρ1×L1×m1 (4)。
於此，洗淨裝置之平均裝載大小，係代表以使洗淨裝置成為100%稼動的方式來將批量作了投入的情況時之平均值。
圖6，係為對於在製品控制區間作展示之圖。圖7，係為對於典型性之裝載規則作展示之圖。圖8，係為對於批次組織等待時間(要因)作展示之圖。
立透之公式，由於係以一次一批量之處理作為前提，因此，係並未對於等待起因於批次處理所產生的批次組織之時間作考慮。在批次處理中，係並非一次一批量地作處理，而是對於一個批量大小(批次)而整批作處理。因此，如圖8中所示一般，就算是批次從洗淨工程而到達熱處理工程處，也會相較於藉由立透之公式所定義的待機時間而更等待多餘之時間，直到到達規定之裝載大小為止。將此成為在開始批次處理之前所需要的等待時間，稱作批次組織等待時間。
藉由以下之式(5)~(7)，而針對熱處理工程之各裝載規則來個別求取出批次組織之最初到達的批次所作等待的最大之批次組織等待時間。
又，規定之裝載大小，係依存於裝載規則而互為相異。於圖7中，對於在本實施形態中所使用的裝載規則作展示。
圖9，係為對於批次組織等待時間(計算)作展示之圖。
(A)「洗淨工程：Full load，熱處理工程：Full load」的情況
若是將TB設為批次組織等待時間〔分鐘〕，將L1設為洗淨工程之裝置的裝載大小〔lot/台〕，將L2設為熱處理工程之裝置的裝載大小〔lot/台〕，將L2/L1設為直到滿足熱處理工程之裝置的可處理之裝載大小為止的從洗淨工程而來之到達次數，將λ設為洗淨工程之到達率〔lot/分鐘〕，將L1/λ設為從洗淨工程而來之批量的到達間隔〔分鐘/lot〕，則如圖9中所示一般，在洗淨工程處而以到達間隔(1/λ)來作了到達的批量，係以裝載大小L1而被進行處理，並以到達間隔(L1/λ)而到達熱處理工程處。
在進行批次組織時，直到批次組織完成為止，最初到達熱處理工程處之批量，係會成為對於批量從洗淨工程而到達熱處理工程處一事，作除了最初所到達之批次的到達以外的(L2/L1-1)次之等待。
根據上述事態，批次組織之最初到達的批量所等待之最大的批次組織等待時間，係可表現為TB=(L2/L1-1)×(L1/λ) (5)。
以下，同樣的，
若是將TB設為批次組織等待時間〔分鐘〕，將L1設為洗淨工程之裝置的裝載大小〔lot/台〕，將L2設為熱處理工程之裝置的裝載大小〔lot/台〕，將ρ 2設為熱處理工程之流量強度(利用率)，將ρ 2L2/L1設為直到滿足熱處理工程的可處理之裝載大小為止的從洗淨工程而來之到達次數，將λ設為洗淨工程之到達率〔lot/分鐘〕，將L1/λ設為從洗淨工程而來之批量的到達間隔〔分鐘/lot〕，則係可表現為TB=(ρ2L2/L1-1)×(L1/λ) (6)。
若是將TB設為批次組織等待時間〔分鐘〕，將L1設為洗淨工程之裝置的裝載大小〔lot/台〕，將Avg‧L2設為熱處理工程之平均裝載大小〔lot/台〕，將Avg‧L2/L1設為直到滿足熱處理工程的可處理之裝載大小為止的從洗淨工程而來之到達次數，將λ設為洗淨工程之到達率〔lot/分鐘〕，將L1/λ設為從洗淨工程而來之批量的到達間隔〔分鐘/lot〕，則係可表現為TB=(Avg．L2/L1-1)×(L1/λ) (7)。
如同上述一般，依存於裝載規則，批次組織等待時間係會改變。
將上述之2點列入考慮，而藉由以下之計算來求取出看板之枚數。
若是將N**設為看板枚數〔lot〕，將N*設為對於批次組織等待時間作了考慮的最大等待批量數〔lot〕，將TQ+設為Q-time(最大滯留時間)〔分鐘〕，將TQ-設為Q-time(最小滯留時間)〔分鐘〕，將TB設為批次組織等待時間〔分鐘〕，將E設為最低限度所需要的搬送時間等，將λ設為到達率〔lot/分鐘〕，將LW設為洗淨工程之平均處理中批量數〔lot〕，則係成為N*=(TQ-max(TB,TQ-)-E)×λ (8)，並藉由N**=N*+LW (9)來表現看板之枚數。
但是，當流量強度(ρ)為較1更大的情況時，λ係設為流量強度(ρ)為1時之到達率。
又，在被相干涉之後續的Q-time限制所律速之區間中，看板之枚數，係藉由式(10)而作計算。
緩衝區大小，係為了讓用以遵守Q-time限制之物流控制成為更加確實而使用者。如圖6中所示一般，能夠以看板方式所控制之在製品數，係僅為熱處理工程之等待批量數和洗淨工程之處理中批量數之和。故而，當相較於熱處理工程而洗淨工程為具有更高之處理能力的情況時，會有在洗淨工程中所被處理之批量係全部很快的被作輸出，被賦予有看板之批量全部均成為熱處理工程之等待批量的情況。
於此種情況，會超過藉由立透之公式所求取出的能夠在熱處理工程前所等待之最大批量數，其結果，會引起再處理(re-work)。在現實之工廠中，由於一般而言，相較於熱處理工程係以洗淨工程具備有較高的處理能力，因此，可以想見會多所發生此種狀況。但是，附帶一提，當處理能力之大小關係為相反之狀況的情況時，由於熱處理工程之裝置係不會發生身為空狀態的時間，因此緩衝區大小係並非為絕對必要之物。另外，在與生產物流之變動相對應的情況或者是實施形態3中，係並不被限定於此。
由於上述原因，係在熱處理工程之前設置緩衝區大小，並對於等待批量數，而以使其不會超過藉由立透之公式所求取出的在熱處理工程之前所能夠等待之最大批量數的方式來作限制。於此之緩衝區大小之值(所限制之批量數)，係使用藉由(1)所求取出之式(L=λ U)，而使
用並不對於批次組織等待時間作考慮所得到的最大等待批量數之值。如此這般來對於緩衝區大小作定義的理由，係為了對於下述一般之狀況作防止之故：亦即是，係對於當將批次組織等待時間列入考慮而作了定義後所產生的結果，會導致雖然原本為就算是並不停止洗淨工程也能夠對於Q-time限制之違反(再處理等之發生)作抑制的狀況但是卻使得洗淨工程作了停止的狀況作防止。
例如，當將洗淨工程之平均處理中批量數設為11批量，將對於批次組織等待時間作了考慮的熱處理工程之最大等待批量數設為86批量，將並未對於批次組織等待時間作考慮之熱處理工程的最大等待批量數設為90時，看板枚數係成為97枚，緩衝區大小係成為90批量。此時，假設若是將緩衝區大小設定為86批量，則當熱處理工程之等待批量數為86批量時，雖然就算是洗淨工程作稼動也不會發生Q-time限制違反，但是洗淨工程仍會停止。為了防止此種狀況，緩衝區大小係設定為並不考慮批次組織等待時間之熱處理工程的最大等待批量數之90批量。
緩衝區大小，係以工程單位來定義。當品種為複數種混合存在的情況時，係對於每一品種個別求取出緩衝區大小，並將該些之和作為緩衝區大小。
亦即是，若是將B*設為緩衝區大小〔lot〕，將TQ設為Queue Time(最大滯留時間)〔分鐘〕，將λ i設為品種i之到達率〔lot/分鐘〕，則緩衝區大小係以
由緩衝區大小所致之在製品數上限值的控制，由於係強制性地使前面之工程(於此情況，係為洗淨工程)停止(處理待機)，因此在進行順暢之生產的觀點上，係並不是十分理想，故而，在本實施形態中，係將其定位在僅是為了使由看板方式之處理數所致的Q-time遵守之控制成為更為確實者而使用之功能。
藉由以上之處理程序，來算出在製品數上限值。
又，在複數之Q-time限制會相互干涉之Q-time限制區間中，於會被生產率為最低之後續的生產工程(以下，稱作瓶頸工程)所律速之前頭的Q-time限制中，看板之枚數的計算方法係為相異。較瓶頸工程而更之前之Q-time限制區間j之看板枚數Ns**(j)，係可作為Q-time限制區間j之緩衝區大小B*(j)和瓶頸工程之裝載大小的和，而以式(10)來作表現。
(看板之枚數Ns**(j))=(緩衝區大小B*(j))+(瓶頸工程之裝載大小L) (10)
接著，針對進行有該上限值之設定的情況和並未進行的情況，來對於其之性能作比較。
以下，針對單一品種模擬實驗來作說明。
進行單一品種模擬實驗之目的，係在於：為了先在單一品種中，確認所算出的看板枚數、緩衝區大小之設定為能夠在遵守Q-time限制的同時也不會使其他的性能指標惡化。
圖10，係為對於單一品種基本模式作展示之圖。圖11，係為對於單一品種基本模式(工程)作展示之圖。圖12，係為對於單一品種基本模式(品種)作展示之圖。
作為實驗方法，係如同圖10、圖11、圖12中所示一般，想定為洗淨工程、熱處理工程之批次處理生產線，1個品種，洗淨工程之裝置台數為4台，熱處理工程之裝置台數為5台的複數裝置群，並進行模擬實驗。洗淨工程，係藉由批次多工型之裝置群來構成，實效處理時間係為90分鐘，另一方面之熱處理工程，係藉由批次裝置來構成，實效處理時間係為240分鐘。又，如同圖11、圖12中所示一般，批次大小和裝置台數亦為相異。
使用上述一般之模式，並使到達率作改變，而進行實驗。品種之到達率，係以使洗淨、熱處理之2個的工程之處理能力為小者的流量強度(利用率)成為0.3、0.6、0.8、1.0、1.2、1.5的方式，而作了決定。基於所決定了的到達率，來針對定期投入、指數投入之2個的情況來進行模擬實驗。另外，在本實施形態之實驗中，由於均係為
熱處理工程之處理能力為較小，因此，到達率係以熱處理工程之流量強度為基準來作決定。
承襲此些之事項，針對下述之3個模式，亦即是：設定為當違反了Q-time限制的情況時會進行再處理之模式(QT)、在QT模式中而對於所算出了的看板之枚數和緩衝區大小作了設定之模式(CKB法)、和在處理開始之時間點處而根據裝置狀態和前頭之WIP數(在製品數)來判斷是否能夠遵守Q-time限制並對於製品之投入的可否作決定之先前技術型模式(CT)，來進行模擬實驗，並對於其之性能作比較。
又，批量之處理順序，係設為先進先出(First In First Out)，裝載規則，係設為在洗淨工程和熱處理工程中均使用僅在批量數滿足了批量大小的情況時才會開始處理之全裝載(Full Load)。
在藉由模擬實驗所得到的結果之中，針對想定為並未發生Q-time限制違反之工廠的定常狀態之流量強度為0.8的非瓶頸之狀態、和想定為起因於故障等而導致營運能力降低並暫時性地造成到達率超過了營運能力而成為容易發生Q-time限制違反之狀態的流量強度為1.2之瓶頸狀態的結果，而於以下作展示。
圖13，係為對於評價比較(單一品種、定期投入、非瓶頸、ρ=0.8)作展示之圖。圖14，係為對於評價比
較(單一品種、定期投入、瓶頸、ρ=1.2)作展示之圖。圖15，係為對於評價比較(單一品種、指數投入、非瓶頸、ρ=0.8)作展示之圖。圖16，係為對於評價比較(單一品種、指數投入、瓶頸、ρ=1.2)作展示之圖。
圖13和圖14，係對於定期投入之情況的結果作展示，圖15、圖16係對於指數投入之情況的結果作展示。於此，係將性能為佳者以底線作標示，並將性能為差者以粗字來作標示。
根據以上之實驗結果，可以得知，不論是在定期投入、指數投入之何者的情況中，在流量強度為0.8之非瓶頸的狀態下，就算是對於看板之枚數和緩衝區大小作設定，性能也不會降低。又，在此狀態下，由於不論是在何者之功能下均不會發生再處理，因此，可以得知係並未發生有Q-time限制違反。在流量強度1.2之瓶頸的狀態下，於QT模式中，不論是定期投入或是指數投入，均係發生有多數的Q-time限制違反，但是，在CKB法、CT模式中，再處理係被抑制為0。
關於循環時間，係以CKB法、CT模式之值為大，可以想見，此係因為被作了輸出之批量，係在洗淨工程之前而被意圖性地作了待機的結果。但是，結果而言，由於產率係並未降低，因此係並不能說性能一定有所惡化。關於
稼動率，由於在CKB法和CT模式中，均為以較QT模式更低之稼動率而實現有相同之量的產率，因此，在成本面的性能上反而是變得更為良好。
在單一品種之實驗中，雖然能夠藉由看板和緩衝區大小來在不會有大幅度之性能降低的狀態下而防止Q-time限制違反，但是，在現階段而言，並不能說此一定是最佳的方法。亦針對混合存在有複數品種的情況進行實驗，並對於其之性能作比較。
以下，針對複數品種模擬實驗來作說明。
進行複數品種模擬實驗的目的，係在於用以確認：以單一品種所進行了的實驗，是否在混合存在有複數之品種並對裝置作共有的情況時也能夠達成同樣的目的。另外，此實驗之模式，係為在實際之工廠中所使用的洗淨工程、熱處理工程之批次處理的連續工程。
圖17，係為對於複數品種基本模式作展示之圖。圖18，係為對於複數品種基本模式(工程)作展示之圖。圖19，係為對於複數品種基本模式(品種)作展示之圖。圖20，係為對於可處理裝置(洗淨)作展示之圖。圖21，係為對於可處理裝置(熱處理)作展示之圖。
作為實驗方法，係如同圖17、圖18、圖19中所示一般，與單一品種之情況相同的，想定為洗淨工程、熱處理工程之批次處理的連續工程，3個品種，洗淨工程之裝置
台數為5台，熱處理工程之裝置台數為6台的複數裝置群，並進行模擬實驗。
洗淨工程，係藉由批次序列型之裝置群來構成，另一方面之熱處理工程，係藉由批次裝置來構成，如同圖20、圖21所示一般，批次大小和裝置台數亦為相異。實效處理時間、使用裝置台數，係於各品種而互為相異，品種1(p1)，係為洗淨工程之實效處理時間90分鐘，使用裝置台數5台，熱處理工程之實效處理時間242分鐘，使用裝置台數4台。品種2(p2)，係為洗淨工程之實效處理時間90分鐘，使用裝置台數4台，熱處理工程之實效處理時間240分鐘，使用裝置台數5台。品種3(p3)，係為洗淨工程之實效處理時間90分鐘，使用裝置台數5台，熱處理工程之實效處理時間195分鐘，使用裝置台數5台。又，各品種之個別之能夠進行處理的裝置，係預先被決定。在洗淨工程中，係如圖20中所示一般，p1、p2、p3之各別所使用的裝置係為相異。在熱處理工程中，亦如圖21中所示一般，p1、p2、p3之品種各別所使用的裝置係為相異。
使用上述一般之模式，並使到達率作改變，而進行實驗。品種之到達率，係與前述之實驗相同地，以使洗淨、熱處理之2個的工程之處理能力為小者的流量強度(利用率)成為0.3、0.6、0.8、1.0、1.2、1.5的方式，而作了決定。在本實施形態中，由於全部均為熱處理工程之處理能力為較小，因此，流量強度(ρ：利用率)係全部使用
熱處理工程者。
但是，當混合存在有複數之品種的情況時，由於各品種之實效處理時間和能夠使用的裝置台數係互為相異，因此，係有必要分別分開地求取出到達率。如圖15中所示一般，品種之到達率，係事先對於流量強度作決定，並對於各品種之每一者，而從處理能力(μ：(μ=LTp/L：裝載大小，Tp：處理時間))和使用裝置台數(m)來作逆算並決定之。作為決定到達率時之前提，當裝置對於複數之品種進行處理的情況時，係假定為將該些以均等之比例來進行處理。
以下，對於決定投入率之處理程序作展示。另外，圖22，係為用以針對投入率之決定作說明的圖。
(1)當ρ>1的情況時，係將ρ作為1來進行計算。
(2)根據在各共用裝置處之各品種的生產比例，來計算各品種之投入率。
(3)針對各品種之每一者，而將在全部的裝置中之投入率作加算。
(4)根據加算後之投入率，來算出品種之投入率。
承襲此些之事項，針對4個的模式，亦即是：與前述相同之QT、CT的模式，對於各品種之每一者而設定看板枚數並設置有緩衝區大小之CKB法的模式，以及並不設定各品種之差別地而以工程全體來設定看板枚數並且設置有緩衝區大小之CKB-法的模式，而進行實驗，並對於其之性能作比較。
圖23，係為對於評價比較(複數品種、指數投入、非瓶頸、ρ=0.8)作展示之圖。圖24，係為對於評價比較(複數品種、指數投入、瓶頸、ρ=1.2)作展示之圖。
首先，在流量強度為0.8、1.2之兩者的情況中，CKB法係對於Q-time限制違反作了抑制。
在混合存在有複數品種之模式的實驗中，於指數投入的情況中，當流量強度為0.3、0.6的情況時，在全部的模式中，均係發生有Q-time限制違反。
因此，除了與前述相同之並未發生有Q-time限制違反的流量強度0.8之非瓶頸的狀態和發生有Q-time限制違反之流量強度為1.2的瓶頸狀態之結果以外，亦對於在指數投入的情況中之流量強度0.3的實驗結果作展示。但是，在複數品種的情況中，由於依存於品種的不同，投入數係為相異，因此，係追加對於是否全部的品種之處理均被均等的進行一事作檢證之指標。若是在處理數中產生有不均，則可以想見會對於交貨期造成不良影響。故而，針對各品種之每一者的產率係互為相異的情況，係構成為將相對於各品種之投入率的產率(輸出率)之比例作為新的指標而作了設置。又，關於發生了再處理之模式，係將相對於把再處理亦加入至投入中之後的第1工程全體之投入的產率之比例，設為性能評價指標。圖23、圖24，係對
於指數投入的情況作展示。
在定期投入下之流量強度為0.8的非瓶頸狀態時，在CT、CKB法、CKB-法中，每1%之稼動的產率係變高，而且平均在製品數亦被抑制為低。不論何者均並未發生有再處理，而且也沒有發現性能之惡化。於此，雖然在循環時間和在製品數之間係存在有若是其中一方變小則另外一方也會變小的對應關係，但是，從結果而言並無法發現此一特點，其原因，係由於其差距為小數點第2位以下之故。在流量強度1.2(瓶頸狀態)下，如同圖27中所示一般，相較於QT，在CT、CKB法以及CKB-法中，係對於Q-time限制違反作了大幅度的抑制。特別是，在CKB法中，係將Q-time違反抑制為0，相較於作為基準之QT，係對於再處理完全作了抑制，並且產率亦為高，平均循環時間亦為短，在製品數亦變少，而達成了性能之改善。
另一方面，在先前技術法之CT規則中，雖然較QT規則更少，但是仍發生有Q-time限制違反，又，也出現有無法對於各品種而以良好之平衡性來進行處理等的副作用(圖24之藍字部分)。又，在施加有並不對於品種分別作管理之設定的CKB-法中，雖然能夠對於各品種而以良好平衡性來作處理，但是，在再處理數等之性能上，係並不理想，而可以得知，CKB法之各品種相獨立之看板數的管理係為有效。此些之模擬結果，係為由有效期限
40天(模擬期間50天)的資料所致之性能評價結果，與期間長度成正比地，由於不同規則所導致的差異係會更加擴大。
作為基準之QT模式，雖然洗淨工程之每1%的稼動之產率係變高，但是，熱處理工程之每1%的稼動之產率係降低。可以想見，此係起因於並未使原本身為瓶頸之熱處理工程作充分的稼動之故，若是從工廠全體之觀點來看，可以說性能係有所惡化。更不用說，在再處理之情況係多所發生(32%)一點上，性能便已並不理想。在平均在製品數量上，相較於QT，於CT、CKB法、CKB-法中係並未發現有性能之惡化。最終在製品數量之差，係被換算為批量而作表現。可以想見，此差異係為品種之不均等的處理所產生的結果。
針對指數投入，作為流量強度0.3之非瓶頸之狀態的特徵，係可列舉出不論是在何者之模式中均發生有再處理一事。關於其原因，係於後再作詳細分析。在流量強度0.8之非瓶頸的狀態下，不論是CT、CKB法、CKB-法之何者，相較於QT均並未發現到性能之惡化，就算是在各品種之各別的循環時間、平均在製品數量上存在有參差，全體平均也並沒有惡化。在流量強度1.2之瓶頸的狀態下，能夠對於再處理作完全的抑制者，僅有CKB法，而可以明顯得知，就算是CT模式，若是在到達時存在有參差，則在Q-time限制之遵守上也會產生力有未逮之處。
關於包含有再處理之處理的比例，相較於CT、QT，
CKB法和CKB-法係均為較高，關於全體產率，不論是CT、CKB法、CKB-法之何者，均展現有較QT更高之值。關於每1%稼動之產率，不論是何者，相較於QT均並沒有惡化的情況。關於循環時間、平均在製品數量，雖然在每一品種處而存在有參差，但是，在全體平均上，係均未發現較QT而更加惡化的情況。
可以確認到：在將使用立透之方式所算出的最大等待批量數、在製品數於各品種之每一者中而分別設定看板枚數並且設置有緩衝區大小之CKB法的模式中，除了WIP之到達為極端少的情況以外，係能夠完全地抑制Q-time限制違反，並且各品種之處理係被均等地進行，且性能亦不會惡化，依存於性能指標，甚至會有被作了改善的情況。在容易發生Q-time違反的(ρ=1.2)之情況中，係得到了下述之結果：亦即是，係能夠將當並未適用CKB法的情況時之約32%的再處理率(Q-time限制違反率)確實地抑制為0，而防止製品品質之劣化，並且，亦能夠對於產率、平均循環時間、在製品庫存等作改善，而達成相較於先前技術法而更加優良之生產率(=(生產量)/(投入量))。
根據以上之實驗結果，可以明顯得知，除了WIP之到達為極端少的情況以外，係以針對各品種之每一者而分別設定在製品數上限值之CKB法的性能為最優良。
以下，設為以CKB法之模式為基礎來作考量。
從此處起，係針對前述之指數投入下且流量強度為
0.3時所發生的再處理作考察。此情況下之再處理的發生，係與本實施形態之在製品數上限值的控制並沒有直接性的關連。因此，係藉由其他的嘗試來解決問題。
首先，針對在流量強度0.3時而發生再處理的理由，係可以想見到，是由於批量之到達維持，而導致無法在Q-time限制的時間之內組織批次(批次大小之量的批量尚未到達)，並造成無法開始進行處理之故。
在複數品種之流量強度0.3的QT模式中，將「若是超過Q-time限制之時間則進行再處理」的條件去除，並進行實驗，在圖25中，對於代表此時之批量的工程間滯留時間的直方圖作展示。根據此圖，可以得知，確實係存在有成為違反Q-time限制之滯留時間超過720分鐘(12小時)的批量。發生了Q-time限制違反之批量，係僅為品種1和品種2。為了探討此些之批量的Q-time限制違反之原因，將發生有Q-time限制違反之批量和與該批量成為批次組織之批量抽出，並在圖26中，對於該些之中的2個作了展示。根據此表，可以得知，若是為定期投入，則理應能夠在發生Q-time限制違反之前而組織批次並使批量開始處理，但是，起因於指數投入，在批量之到達中會產生有參差，批量之到達係會延遲，批次組織時間係變長，其結果，會發生Q-time限制違反。
圖25，係為對於ρ=0.3下之再處理狀況作展示之圖。圖26，係為對於ρ=0.3下之再處理要因作展示之圖。圖27，係為對於規則比較(複數品種、指數投入、
非瓶頸、ρ=0.3)作展示之圖。圖28，係為對於規則比較(複數品種、指數投入、非瓶頸、ρ=0.8)作展示之圖。圖29，係為對於規則比較(複數品種、指數投入、瓶頸、ρ=1.2)作展示之圖。
在此種批量之到達為少的狀況下，為了防止由於到達之參差所產生的Q-time限制違反，係對於裝載規則作改變並進行實驗。於圖7中，對於各裝載規則之說明作展示。在至此為止的實驗中，裝載規則係均為以全裝載來進行。
但是，如此一來，則如同前述一般，會由於等待批次組織而導致Q-time限制違反之發生。因此，係僅對於熱處理工程之裝載規則作改變，而進行實驗。進行比較之模式，係針對熱處理工程之裝載規則為Full、PLA以及AFL之3個的模式作比較。又，當流量強度為0.3時，在Full中之p1的看板枚數，係成為較熱處理工程之批次大小6批量而更小之4枚。因此，係針對僅將p1設為以4批量來進行處理之設定的模式(p1Full4)，亦進行了相同的實驗。但是，當流量強度成為0.6以上時，p1Full4之模式的看板枚數係會超過6枚，而全部成為與Full相同之設定和結果。實驗，係與至今為止相同的，以熱處理工程之流量強度作為基準來決定到達率，而進行之。關於結果，係從該些之中取出流量強度0.3、0.8、1.2的情況，並在圖27、圖28、圖29中作展示。
根據以上之實驗結果，可以得知，當流量強度為0.3
時，在第2工程(熱處理)之裝載規則為PLA、AFL的情況時，再處理係被作抑制，並且產率、循環時間等之其他的性能評價指標亦為優良。在p1Full4中，再處理係並未被完全抑制。此係代表著，並非是只要能夠藉由理論性之看板枚數的設定來進行處理，便一定能夠對於Q-time限制違反作抑制。但是，係可明顯得知，藉由將裝載大小縮小，係能夠得到中性的評價。
故而，可以得知，當WIP之到達為遲的情況時，僅靠看板枚數，係並無法對於再處理作控制，而係以藉由裝載規則之變更來對於再處理作控制為理想。在流量強度為0.8的情況時，在產率、循環時間等之性能評價指標中，係展示有優良之值。在流量強度為1.2的情況時，係成為了全部的性能均為相同之結果。
根據上述事態，可以明顯得知，就算是在流量強度為0.3的情況時，只要使用PLA、AFL之裝載規則，便不會發生Q-time限制違反，並且性能評價指標也不會惡化。但是，當流量強度為0.8的情況時，由於係以Full之裝載規則的情況時之性能為更良好，因此，為了進行更佳之生產排程，可以想見，係有必要對於工程之狀態作監視並依據流量強度之變化來使裝載規則作改變。
在本實施形態中，係對於在半導體製造中而重要性為高之Q-time限制作注目，並對於被特別指摘有重要性之
洗淨、熱處理工程的批次處理之連續工程的Q-time限制區間作了檢討。在至今為止之相關於Q-time限制的先前技術中，其之嚴密性、精確度係並不充分，並且並未考慮到對於Q-time限制之遵守以外的其他之性能指標的影響。在本實施形態中，係作為在遵守Q-time限制的同時也能夠極力地不使其他性能指標惡化之生產排程手法，而建構出對於Q-time限制區間之在製品數量的上限值作控制之CKB法，並藉由機率性之模擬實驗來對於其之性能作了評價。CKB法，由於係以看板方式和等待行列理論作為基礎而理論性地對於看板枚數和在製品數上限值作計算，因此其之信賴性和汎用性係為高。又，係確認到了，特別是在通常之工廠中而多所發生之工程利用率60%以上的狀況下，係特別能夠發揮效果。
在本實施形態中，對於身為Q-time限制違反之第2個原因的到達率為低之狀況(流量強度為0.3的情況等)，係想出了能夠藉由裝載規則等之簡單的變更而確實地遵守Q-time的對應方法，並根據模擬結果，而確認到係對於Q-time違反作了防止。在本實施形態中，就算是到達率為低，在批次型或批次多工型裝置中，也會有由於裝載規則等之設定等而導致發生Q-time限制違反的情況。藉由對於此情況作判斷並如同下述一般而適當地改變裝載規則，係能夠避免Q-time限制違反並同時提高生產性(配合CKB法而作利用)。最適裝載規則判定部19，係預先計算出對於到達之參差作了考慮的會成為使批次組
織等待時間TB和Q-time限制(上限)T_(Q+)之大小關係被作切換的TB≦T_(Q+)之到達率λ≧L的邊界值L，並使用適當之裝載規則。在λ≧L的情況時，係使用Full load(強制為全裝載大小之批次組織)。在λ<L的情況時，係使用PLA或AFL等之並不強制為全裝載大小之批次組織的方法。本實施形態，除了到達率為低並存在有參差的情況以外，亦因為會由於製品品種或工程而導致到達率之大小相異，故亦對此作考慮。
又，係會有發生裝置之故障或維修並導致裝置之處理能力產生變動的情形。就算是在對於此些之狀況作了考慮的情況時，在本實施形態中所使用的看板枚數或緩衝區大小之決定，亦能夠相對於到達率或處理能力之變動而以高速且高精確度來作計算，並且係能夠確實地防止Q-time限制違反。
如同上述一般，作為在遵守Q-time限制的同時也不會使其他的性能指標惡化之生產排程手法，係能夠透過在計算速度、精確度、實用性等之訂性評價為高的CKB法之建構以及性能的評價，而達成目的。
在第1實施形態中，係藉由CKB法而解決了第1問題點。
在多品種生產中，將能夠遵守Q-time限制並且亦能夠達成高產率之實用性的生產物流管理方法，命名為CKB(Control of Kanban and Buffer sizes)法。在第1實施形態中，係為CKB法之程式，以及使用有此之性能評
價結果(由使用有實際之工廠的資料之機率性模擬所得)。根據此性能評價結果，係得到了下述之結果：亦即是，係能夠將當並未適用CKB法的情況時之約32%的再處理率(Q-time限制違反率)確實地抑制為0，而防止製品品質之劣化，並且，亦能夠對於產率、平均循環時間、在製品庫存等作改善，而達成相較於先前技術法而更加優良之生產率(=(生產量)/(投入量))。
參考圖30，針對本發明之第2實施形態的最適指標產生裝置作說明。本發明之第2實施形態的最適指標產生裝置21，例如，係針對將製造裝置之預防維修時間作分散化的運用方法，而將對於在生產工程# 1中所分別設置的裝置群5之維修排程表作管理之生產管理系統10以及工程業務系統29，作為控制之對象。在本實施形態中，係針對為了進行維修時期分散化之生產裝載分配方法(以下，稱作JAMP法)作說明。
如圖30中所示一般，最適指標產生裝置21，係具備有輸入部22、輔助輸入部23、裝置區分算定部28、JAMP最適邏輯值計算部24、靈敏度解析部(JAMP特性)25、開始結束時期算出部26、靈敏度解析部(性能特性)27。
輸入部22，係從生產管理系統10或工程業務系統29，而輸入維修時間、維修方針(在定量維修中，係為直
到維修開始為止之處理數，在定期維修中，係為維修週期等)、裝置群(工程)之裝置台數、裝置群(工程)之製品品種別生產數量或者是到達率、品種‧工程/裝置別之處理時間、可藉由裝置而進行處理之品種資訊、裝置種類別。
輔助輸入部23，係從生產管理系統10或工程業務系統29，而輸入階段時間、相關於批次型裝置之資訊(批次大小、裝載規則、裝載大小、裝載間隔)、相關於多工型裝置之資訊(裝置內之待機場所的有無和容量值等)、以及全部之亦可從輸入部而得到之資訊(裝置種類別、裝置台數、處理時間、裝置群(工程)之品種別生產數量或到達率、可藉由裝置而進行處理之品種資訊)。輔助輸入部23，雖然係將非必要之輸入資料作輸入，但是，在實用上，係對於在下一階段之JAMP最適邏輯值計算部24中會成為重要的資料統籌地進行前置處理，並將階段時間(製品品種、裝置、工程別)、相關於批次裝置之資訊(平均裝載大小、裝載間隔、批次組織時間、裝置之實行營運率)、MTBF(平均故障間隔)、MTTR(平均修復時間)、相關於多工型裝置之資訊(裝置之待機的有無和容量值)等作輸出。另外，當從此輔助輸入部23而被輸入有資料的情況時，係在JAMP法最適理論值計算部24處而進行更詳細的計算。
JAMP最適邏輯值計算部24，係根據被輸入的維修時間、維修方針、裝置台數、製品品種別生產數量或到達
率、品種‧工程/裝置別之處理時間、可藉由裝置而進行處理之品種資訊、裝置種類別、階段時間、其他之相關於裝置的資訊，而計算出JAMP法理論值計算結果、各裝置之處理負載(次數)和其處理時期，並作輸出。
靈敏度解析部(JAMP特性)25，係計算出當從JAMP最適邏輯值計算部24所輸入之JAMP法理論值計算結果、各裝置之處理負載(次數)和其處理時期有所變動的情況時之JAMP法理論值計算的結果之變化特性。靈敏度解析部(JAMP特性)25，係亦可將此靈敏度解析結果預先記錄在內部記憶部25a中，並當JAMP法理論值計算結果、各裝置之處理負載(次數)和其處理時間產生了動性變化的情況時，即時性地作為更新資料來使用。
開始結束時期算出部26，係輸入預定處理之批量資訊或工程資訊，並根據JAMP法理論值計算結果，而算出各裝置之處理以及預防維修的開始、結束時期。之後，作為預防維修排程表，而將常用裝置以及代替裝置之各別的處理以及預防維修之開始、結束時刻輸出。
靈敏度解析部(性能特性)27，係將在JAMP法中所使用之輸入資料、JAMP法最適理論值之條件作輸入，並在所決定了的JAMP法最適理論值之條件下，進行用以對於工程之性能作評價的計算，再作為性能特性，而將流量強度V.S.各種性能評價指標，輸出至生產管理系統10等處。
裝置區分算定部28，係根據從輸入部22和輔助輸入
部23所輸入之資訊，而將裝置區分成常用裝置和代替裝置(常用能力和代替能力)，並輸出裝置區分資訊。常用裝置(常用能力)，係指為了不會使批量之等待增長化而定常性需要的裝置能力，代替裝置(代替能力)，係指其以外之平均性的剩餘能力。若是將在裝置群中所包含之裝置台數設為m，並將各裝置之營運率的加權平均設為μ，則裝置群(工程)之營運能力，係成為M=mμ。於此，當將該裝置群製品之投入率設為Λ時，常用能力，係成為Λ/μ，常用裝置，係成為
台。此時，代替能力，係成為(m-Λ/μ)，代替裝置，係成為
台。
工程業務系統29，係為主要對於生產設備之預防維修和故障對應等的業務作統籌管理之系統，並對於在生產管理系統10中並未作保持之工程業務全般的條件或預定、實績作管理。例如，係存在有裝置工程之擔當範圍等的主資訊、換班等之實行條件、預防維修或故障對應之實績資料等。依存於生產管理系統，亦會有將工程業務系統29作為生產管理系統10之功能而作組入的情形。
參考圖30，針對本發明之第2實施形態的最適指標
產生裝置31之動作作說明。
將相關於在生產實行系統中所包含之複數的裝置之資訊，透過生產管理系統10來藉由輸入部22而作輸入，又，係藉由裝置區分算定部28來將複數之裝置區分成具備有常用能力之常用裝置和具備有代替能力之代替裝置，並根據裝置能力區分和所輸入之資訊，來算出複數之常用裝置和代替裝置(以及常用能力和代替能力)之稼動次數和稼動時期，並且，藉由開始結束時期算出部26，來算出相關於常用裝置和代替裝置之預防維修開始、結束時期，再將藉由開始結束時期算出部26所算出的最適之開始結束時期資訊，供給至生產管理系統10或工程業務系統29處。
藉由此，就算是針對在先前技術中所無法達成之身為違反Q-time限制之主要原因的裝置之預防維修，亦能夠藉由賦予解析方法和適當之管理手法，來在遵守Q-time限制的同時亦達成良品產率之提昇和成本降低、環境負荷降低。藉由此，係可提供一種能夠將容易引發Q-time限制之違反的狀況減輕，並且亦能夠確實地遵守Q-time限制並達成良品產率之提昇和成本降低以及環境負荷之降低的最適作動管理條件。
以下，針對構成本發明之第2實施形態的最適指標產生裝置21之各部的動作作說明。
首先，針對由最適指標產生裝置21所進行之將製造裝置之預防維修時期作分散化的運用方法作說明。
在半導體製造中，製造成本之40%~65%係來自於機械設備之折舊，並成為重要之管理對象。一般而言，在施加化學物理性之處理的生產設備中，當陷入故障或異常狀態的情況時，係有必要進行將半製品報廢或者是作再生處理(稱作再處理)之必要，此些之報廢或再處理，係會成為時間和成本之浪費。
又，相較於在設備狀態成為故障或異常後之用以使其回復至正常的事後維修中所耗費的時間，係以在尚未發生故障或異常時而先行進行設備之維修，在結果上會成為能夠使設備之動作時間增長、，因此，係進行有預防維修(Preventive maintenance：稱為PM)。
在預防維修中，多係進行有在每經過特定時間時進行特定之維修的定期維修，但是，對於進行化學物理性處理之裝置，則多係進行因應於所作了處理之次數而進行維修之定量維修。在本實施形態中，係主要注目於半導體工廠之定量維修(另外，亦可適用在定期維修中)。
預防維修之期間(Mean Time to Repair：稱作MTTR)中，生產設備係停止，而無法對於在製品(Work-in-process：WIP)進行處理。因此，在MTTR之期間中，係有必要使用其他之生產設備來對於WIP進行處
理。通常，工廠內物流之混雜程度(流量)，係作為在定常性之可動狀態下的平均，而將工程利用率(流量強度)設為未滿100%(1)地來作規劃。於此，在實際運用工程時，若是在同時其中而成為PM之裝置台數為多，則係無法僅靠剩餘之可動裝置來對於WIP作完全的處理，工程利用率會超過100%。如同眾所周知，在成為此種狀況的情況時，WIP之等待時間係會急遽地增長化。等待時間之增長化，係會對於成本增加、交貨期遵守率和Q-time限制之遵守造成不良的影響。
因此，係希望能夠盡可能地使複數之裝置的PM不會在同時期而發生，而將其分散化。
半導體之加工尺寸，係隨著技術進程，而日益細微化。現今，其之加工尺寸係縮小至了頭髮之粗細的千分之一之粗細。此係因為，若是將半導體之加工尺寸設為1/2之大小，則速度會成為2倍，消耗電力會成為1/4等，隨著半導體之細微化，係能夠實現高性能、低成本之故。但是，此種加工尺寸之細微化，在製造面而言，良率(良品率)之確保係變得困難。此係因為，為了生產出具備有如同設計一般之尺寸、功能的製品(良品)，係有必要與加工時間相同的而亦對於工程間之滯留時間作嚴密的管理之故。因此，對於Q-time限制(在加工和加工之間的滯留時間之上限值和下限值)作了考慮的生產排程，係變得重
要。如同在本實施形態1中所述一般，在會由於製造裝置之預防維修(PM)而導致等待時間增長化的狀況下，由於係成為容易發生Q-time限制違反，因此，裝置PM之分散化，在品質保證和成本之觀點上，亦為非常重要之課題。
在本實施形態中，係對於以定量來進行維修之由複數的裝置所構成之半導體製造工程作注目，其目的，係在於開發一種新的以使在同時期中成為PM之裝置台數減少的方式來進行對於裝置之工作分配的負載分散方法，並對於其之效果作確認。
定量維修之特徵，係在於當在該裝置中而作了處理的次數到達了規定值的情況時，則開始進行維修。換言之，係有可能能夠控制對於各裝置之WIP的分配，以控制各裝置之處理次數，並成為使複數之裝置的預防維修期間不會相互重疊。在本實施形態中，係注目於此點，而考慮下述之負載分散方法：亦即是，將裝置區分成常用裝置和代替裝置，並對於代替裝置作活用以使PM之時期分散化，並且在PM以外之時期中，也不會在工作中發生多餘的等待時間。
針對負載分散法之性能，以實際之工廠的工程模式(以6台之裝置來對於處理時間為賦予之1品種進行處理的工程、定期投入)作為參考，而藉由模擬實驗來作了確認。於此，係進行與並不作意圖性之負載分散而依序對於裝置作使用的單純並列規則之間的比較。在實驗中，係設
定為藉由負載分散法而將在同時期中會成為PM的裝置台數抑制為1台以下而能夠完全地將PM分散化的情況、和在1個週期中係無法完全地將PM分散化的情況，此兩者之情況，並對於在各情況下之負載分散的效果作確認。
於此，特別是在預防維修期間為長的情況時，由於PM所導致之批量的等待時間係變長，並變得容易產生違反Q-time限制並發生再處理的事態。再處理之發生，僅會導致生產上之損失，而並不理想。又，亦確認到了：藉由以使在同時期中成為PM之台數減少的方式來事先進行負載分散，來將工程之流量強度恆常地盡可能抑制為低，而不使多餘之等待時間發生，藉由此，係能夠對於Q-time違反批量之數量作抑制。
以下，針對作為對象之工程模式和定量維修作說明，接著，針對對於考慮有定量維修之並列裝置的負載分散方法作敘述，進而，針對模擬實驗之結果和考察，來對於負載分散方法之效果作展示，並對於本實施形態之結論作總結。
在本實施形態中，作為對象，係針對以需要進行定量維修之複數的批量單工型裝置所構成的單一工程作注目。
在製品中，係如同「部件(晶圓)」、「批量」、「批次」一般地而存在有各種的處理單位。在本實施形態中，係將25個零件作為1個批量，並作為處理單位而使
用「批量(lot)」。在半導體工廠中，通常，批量係成為搬送之單位。
所謂批量單工型裝置，係指如同圖31一般之裝置之處理單位為1個WIP(例如批量)的裝置。在經過了特定之處理時間後，若是將WIP清出，並成為空狀態，則係能夠開始下一個批量的處理。
在半導體之生產線中，作為測量該工廠之有能性者，係存在有各種之性能評價指標。對於在本研究中所列出之性能評價指標及其之定義作展示。
在性能指標中，等待時間之總計〔分鐘〕，係作為在各批量中所發生的等待時間之總和而作計算，並以越小為越理想。等待批量數〔lot〕，係作為發生了等待時間之批量的數量之總數而作計算，並以越小為越理想。Q-time限制違反批量數〔lot〕，係作為成為了Q-time限制違反之批量數而作計算，並以越小為越理想。
圖32，係為對於定量維修例作展示之圖。
在裝置每次到達事先所設定之處理次數(批量數)時，在圖之例中，係為每進行100lot之處理時，便進行維修，將此方式稱作定量維修。如圖32中所示一般，若是進入維修，則成為PM之期間係為一定之期間(平均而
言，係為MTTR)，在該期間中，裝置係成為休止狀態。從PM結束的時間點起，再度開始進行處理。
定量維修之特徵，係在於當在該裝置中而作了處理的次數到達了規定值的情況時，則需要進行維修。換言之，係有可能能夠控制對於各裝置之WIP的分配，以控制各裝置之處理次數，並成為使複數之裝置的預防維修期間不會相互重疊。
接著，針對在定量維修中之對於並列裝置的工作分配方法作說明。
圖33，係為對於通常時之裝置群(m1~m6)作展示之圖。圖34，係為對於使裝置m6代替預防維修中之m2時作展示之圖(WIP2以外，m1、m3、m4、m5、m6)。
在本實施形態中，針對新想出的對於定量維修(以下，稱作PM)作了考慮的負載分散方法(Job Allocation for Maintenance in Parallel(以下，略稱為JAMP))，依據全體工程、副功能之順序，來一面列舉出圖33中所示之裝置6台的模式(實際之工廠的模式)之事例一面作說明。
首先，在本實施形態中，使用實際之工廠的工程模式，來對於新開發之規則的全體構成作說明。
作為前提，在不論何者之裝置均並未進行PM的狀況下，係以使身為對於工程之工作的到達率Λ和工程之營運
能力M的比之流量強度Λ/M(代表工程之混雜的程度)成為較1(100%)而更小的方式，來進行設備計畫、負載計畫。換言之，係具有剩餘的營運能力。例如，在圖33所示之工程中，能力為相同之裝置係存在有6台，通常，若是藉由其中之5台(m1、m2、…、m5)來進行處理，則能夠將全部之批量的處理無窒礙地進行，剩餘之1台(m6)的裝置，係可作為代替裝置(代替能力)來使用。此係因為，當此工程之流量強度為0.8的情況時，為了對工作進行處理所必要的裝置台數，理論上係為4.8台，亦即是成為5台之故。係可將剩餘的1台裝置，作為代替裝置來使用。
圖35，係為用以針對在同時期中發生有2台以上之PM的情況作說明之圖。圖36，係為用以針對在同時期中而僅發生有1台之PM的情況作說明之圖。
於此，當對應於工作之到達，而將通常所被作使用之裝置5台(將此稱作常用裝置)並列性地依序作使用的情況時，會發生在同時期中而複數台之裝置成為PM的期間(MTTR：Mean time to repair)。在圖33所示之工程模式中，相對於工作之到達的處理能力比，由於係為4.8，因此最低限度亦需要5台的裝置，當同時發生2台以上之裝置的停止(亦即是能夠使用之裝置成為4台以下)的情況時，流量強度會超過1(圖35)。如同眾所周知，當流量強度較1更大的情況時，工作之等待時間係會急遽地增長化。等待時間之增長化，係會對於成本增加、交貨期遵
守和Q-time限制之遵守造成不良的影響。
因此，在將工程之裝置台數設為m時，係以將在同時期中而成為維修的裝置之台數抑制在(m-〔Λ/μ〕)台以下(在圖33之例中，係為1台)為理想(圖36)。定量維修之特徵，係在於當在該裝置中而作了處理的次數到達了規定值的情況時，則開始進行維修。換言之，係有可能能夠控制對於各裝置之工作的分配，以控制裝置之處理次數，並成為使複數之裝置的預防維修期間不會相互重疊。
在本實施形態中，係注目於此點，而考慮對於代替裝置作活用以使PM之時期分散化，並且在PM以外之時期中，也不會在工作中發生多餘的等待時間之方法。於此，作為事例，使用圖33中所示之6台之裝置的情況來作說明。
以下，在JAMP法中，列舉出在PM之分散化中所必要的條件。
(1)以在從第1台之裝置開始PM起的MTTR之期間中而其他之常用裝置不會開始PM的方式，來在第1台之裝置開始PM之前，將與其他之常用裝置之彼此的MTTR相重疊的時間，事先藉由代替裝置來代替進行處理，而使PM開始時期朝後偏移。此時，若是該代替裝置之代替處理次數的合計係成為第1台之常用裝置的直到PM開始為止之剩餘處理次數規定值以下，則係能夠將常用裝置之
PM時期作偏移。
(2)在常用裝置進行PM的期間內，代替裝置係不會開始PM。
進而，
(3)係能夠以不會使代替裝置之PM時期和其他裝置之PM時期相重疊的方式來作調整。
將條件(1)和條件(2)之條件相配合，代替裝置之代替處理次數若是為開始PM之規定數以下，則係能夠將常用裝置之PM完全地分散化(能夠將同時成為PM之裝置台數抑制在代替裝置台數以下)。當並未滿足此條件的情況時，由於同時需要進行維修之裝置的台數係無可避免地會變得較(m-〔Λ/μ〕)台更大，因此，係成為會在工作中產生追加之等待時間。
以上，當滿足條件(1)、(2)以及(3)時，係成為能夠以1個週期而進行常用裝置以及代替裝置PM之完全的分散化。就算是在無法完全分散化的情況時，藉由盡可能地進行負載分散，係能夠將PM時期相重疊的期間縮短。
所謂並未完全滿足條件(1)以及(2)的情況，係相當於無法在1個週期中而使全部的常用裝置之PM的重複時間成為0的情況，於此，所謂1個週期，係指從第1裝
置(m1)開始稼動起而直到全部的常用裝置各結束了1次的PM為止之期間。例如，係相當於MTTR之時間長度為較長的情況等。
第1週期，係盡可能地適用由JAMP法所致之負載分散，而減低PM之重複時間並且作分散化。
在第2週期以後，係在條件之範圍內而進行代替處理，並謀求完全分散化。
基於JAMP法之概念，來使用代替裝置而使負載分散，並盡可能地將在同時期中而成為PM的台數以及時間長度作抑制(第1週期)。
以使PM時期之重複期間盡可能地不會相連續的方式，來將重疊之時期分散化(第1週期)。
在第2週期以後，係為了完全分散化而施加代替處理，並使各裝置之PM時期相偏移。
針對以上之條件和方針分別作詳細說明。圖37，係為對於單純之並列處理作展示之圖。圖38，係為對於定量維修作了考慮之工作分配圖。
於此，係針對上述之條件(1)、(2)、(3)而作詳細說明。
針對條件(1)，在圖38所示之模式的情況中，係將λ j設為一台之裝置j處的到達率〔lot/分鐘〕，將Λ設為對於工程之批量到達率〔lot/分鐘〕，將μ設為單一裝置之平均營運率1/Tp〔lot/分鐘〕，將M設為工程營運率==mμ=m/Tp〔lot/分鐘〕(m：裝置台數、Tp：平均處理時間)(但是，設為λ j=Λ/〔Λ/μ〕)，將N設為定量維修之基準值〔lot〕，將MTTRj設為裝置j之預防維修(PM)的所需時間〔分鐘〕(在此期間中，裝置係停止，而無法對於生產批量作處理)。常用裝置台數係為〔Λ/μ〕台，代替裝置係成為(m-〔Λ/μ〕)台。
(1)首先，計算常用裝置j(j=2、3、…、〔Λ/μ〕)所需要的代替次數(基本數)nj。
(2)實際上，由於係存在有起因於對於整數值之無條件進位之差分所導致的影響，因此係成為需要進行下式之調整。
無條件進位之差分
第j個的裝置之代替次數nj，係為
此時，針對第j+1台以後的常用裝置，係成為
將此調整，從j=2起直到j=〔Λ/μ〕為止，而針對各j來各反覆進行(j-1)次。根據以上之計算，而計算出在裝置j處所必要之代替處理次數。(此即成為在直到第1台之裝置開始PM為止的MTBF期間內而事先被作代替處理之批量數)。
以上，若是將(1)、(2)之計算結果所得到的對於裝置j之必要的代替次數重新設為nj，則其之總和，係有必要成為(N-1)以下(條件(1))。
條件(1)在圖38所示之模式中，m6係進行為了在m1之PM的期間中而不會使其他之裝置成為PM的m2~m5之代替處理，其之合計的時間，係為條件(1)，並代表在條件(1)之左邊所示的代替處理為在m1之PM開始前便結束。
條件(2)，係代表在從第1台之裝置開始PM起而依序直到第〔Λ/μ〕台之裝置結束PM為止的期間中，代替裝置係並不會開始PM。在圖38之右側，對於此代替之模樣作展示。
條件(2)，係如同下式一般而作表現。
於此，實際上，代替裝置，由於係將在條件(1)中所需要之處理次數作消化，因此，將此些(1)和(2)之條件相配合，若是代替裝置之處理次數並未成為開始PM
之規定數以下，則係無法進行常用裝置之完全的分散化。此條件式，係成為如同下式一般。
條件(3)，係指以不會使代替裝置之PM和其他裝置之PM相重疊的方式，來對於代替裝置之工作的分配作調整。在本實施形態中，係分成以下之2個情況來作考慮。
〔1］當在常用裝置中之最後開始PM之裝置(圖33中所示之m5)處而結束了PM的時間點處，而代替裝置(圖33中所示之m6)開始PM的情況時，係可作為下式而表現。
〔2〕當代替裝置(圖33中所示之m6)為在常用裝置中之最後開始PM之裝置(圖33中所示之m5)處而結束了PM之後，再於後續週期中而進行了1次以上之處理之後，才進行PM的情況時，代替裝置在第1週期中所作代
替之次數，係將條件(1)和(2)相配合，而成為
，在第2週期以後，於此之中，係成為只需要第2項目。
針對條件(3)，在代替裝置中，於第(k-1)週期之結束時的剩餘可代替次數，係以下式之左邊來作表現。可代替次數，由於係一定要為正值，因此，係成為下式之條件。
在此式之左邊所展示的剩餘可代替次數會成為較下一個週期中所必要之代替次數而更小的週期中，代替裝置係成為PM。
在成為
之最小的第k’週期處，係需要進行代替裝置之PM。
而，於此，若是如同圖38之右側所示一般而依序實施常用裝置之PM，並將在該期間中而應被作處理之批量藉由代替裝置來進行處理，則在第〔Λ/μ〕台之裝置的PM結束之前，便會成為需要在代替裝置處而進行PM。此事，由於係代表使常用裝置和代替裝置在同時期而成為PM，因此係並不理想。故而，在成為需要進行代替裝置之PM的第k’週期處，係有必要在開始常用裝置之PM之前，先結束代替裝置之PM。
在第k’週期處，代替裝置之在PM開始前所能夠處理之次數N’，係以下式而作表現。
若是能夠將此次數之量，在常用裝置開始PM之前便意圖性地作處理並使其結束，且使代替裝置結束PM，則能夠使代替裝置之PM和常用裝置之PM不會在同時期中發生。
因此，係考慮將代替裝置之剩餘可處理數適用在常用裝置之代替處理中，並意圖性地使代替裝置事先進行PM。常用裝置，由於係在第1週期處而已經以使各別之PM作分散化的方式來作了調整，因此，係從最後結束PM之裝置起，而依序使代替裝置來代替進行處理。
於此，常用裝置之台數，由於係為〔Λ/μ〕，因此，相對於通常最初開始PM之常用裝置(圖40中所示之例，係為m1)的代替次數N’1，係為
相對於其他之常用裝置(在圖40中所示之例，係為m2、m3、m4以及m5)的代替之合計次數，係成為N’-N’1。
又，在代替裝置之處理結束次數到達了N’的時間點處，係進行代替裝置之PM。在代替裝置k之PM期間(MTTR)中所能夠處理之批量數，係為
於此，在某一週期中，常用裝置中之最初結束PM的裝置(在圖40中所示之例，係為m1)之直到最後結束PM之常用裝置(在圖40中所示之例，係為m5)的PM結束時刻為止所作了處理之批量數，係藉由下式而作表現。
於此，在下一個週期(在前1個週期中而最後結束PM的常用裝置之PM結束時刻以後)中，常用裝置中之最初開始PM的裝置所能夠處理之批量數，係成為
從上式之批量數而減去了由代替裝置所致之代替次數後的次數，若是成為直到代替裝置結束PM時為止的處理次數以上，則代替裝置之PM係不會與常用裝置之PM相
重疊，因此，下式係成為條件(3)之〔2〕的條件。
另外，條件(3)之〔1〕，係為在條件(3)之〔2〕中而成為N’=N’1=0的情況之特殊例，而為並不需要進行由常用裝置所致之處理的代替之情況。
以上，當滿足條件(1)、(2)以及(3)(〔1〕或〔2〕)時，在JAMP法中，係能夠以不會使流量強度超過1的方式而將PM分散化。首先，調查是否滿足此些之條件。若是滿足，則係藉由將特定之代替次數在代替裝置處而事先作處理，係能夠將PM之時期分散化。
另外，當代替裝置存在有複數的情況時，條件(1)、(2)以及(3)係分別成為如同下式一般。
條件(1)，係成為
條件(2)，係成為
條件(1)以及(2)，係成為
針對條件(3)之〔1〕(1)、條件(3)之〔2〕(2)，係成為有必要針對各代替裝置所擔當負載之部分而使條件成立。
條件(3)之〔1〕，係成為
條件(3)之〔2〕，係成為
接著，針對在無法滿足條件，而無法完全將PM分散化的情況時，藉由使代替裝置預先對於負載作代替而減輕由於PM所導致之不良影響的方法作說明。
在本實施形態中，針對負載分散方法2(並不滿足條件(1)以及(2)之情況)的基本想法，簡約成以下之2點。
第1週期，係盡可能地適用由JAMP法所致之負載分散，而減低PM之重複時間並且作分散化。
在第2週期以後，係在條件之範圍內而進行代替處理，並謀求完全分散化。
圖41，係為用以針對當無法以1週期來作完全分散化的情況時之裝置運用方針1作說明之圖。
基於JAMP法之概念，來使用代替裝置而使負載分散，並盡可能地將在同時期中而成為PM的台數以及時間長度作抑制。
但是，
針對批量，在同一週期(例如第1週期)中，係無法作代替。
圖41，係為用以針對當無法以1週期來作完全分散化的情況時之裝置運用方針2作說明之圖。
以使PM時期之重複期間盡可能地不會相連續的方式，來將重疊之時間長度分散化。
將批量分散化至各裝置處。
在第2週期以後，係為了完全分散化而施加代替處理，並使各裝置之PM時期相偏移。
於此，針對在方針2中之重複時間的分散化(第1週期)，參考圖41來作說明。
在第1週期中，係並無法完全地作代替。
將此作為第1台以外之剩餘的裝置(〔Λ/μ〕-1)台和代替裝置(m-〔Λ/μ〕)台處的PM時期之重疊而分散，而防止工程性能有所降低之狀態相互連續。
在常用裝置中，PM期間會相重疊的處理次數，係為
將裝置j之代替次數(最大)，設為nj’=nj’-r(j=2、…〔Λ/μ〕)。由於係成為全部作r次之偏移，因此，實際會發生等待批量者，係成為m1和m2之重疊部分。
又，係將剩餘之重疊期間的處理次數
之重疊量，如同以下一般地作分配。另外，雖然也存在有更加細微之設定條件，但是於此係省略。
(1)若是e≦(m-〔Λ/μ〕)，則係將由於剩餘不足次數所導致的PM重疊期間分配至代替裝置處。
(2)若是e>(m-〔Λ/μ〕)，則係將由於剩餘不足次數所導致的PM重疊期間分配至常用裝置處。設為r’=r+1，nj”=nj’-r’。
圖42，係為用以針對方針3之完全分散化(第2週期以後)作說明的圖。
亦包含在第1週期中而無法完全作代替的R次，而逐漸將PM時期之重複時間消除。
裝置j之代替次數(最大)，係成為nj”=nj’-r或者是nj’-r’。此係代表，係成為在各裝置處，而朝向前方作相較於完全之PM分散化所需要的次數而最低r(或者是r’)次之處理時間之量的偏移。
於此，係在第2週期之後，將該偏移朝向後方向偏移，而謀求完全分散化。
但是，係在滿足JAMP法之條件的範圍內而逐漸作代替(並非一定能夠在第2週處而達成完全分散化。係使用
必要之週期而謀求分散化。)。
接著，藉由模擬實驗來對於JAMP法之效果作確認。
此次之模擬實驗的目的，係在於在存在有複數之裝置的工程中，針對使其單純地作了並列處理之情況(以下，稱作單純並列規則)、和對於定量維修作考慮並事先於各裝置處進行負載分散的JAMP規則，此兩者之性能作比較，並藉由此來確認JAMP規則之效果。
作為實驗方法，係進行圖33中所示之想定為批量單工型裝置6台、一品種的模擬實驗。於此，所謂批量單工型裝置，係指一次一批量地進行處理之裝置。批量，係設為藉由定期投入而以對應於流量強度之一定間隔而到達者。針對6台之裝置的由單純並列規則所致之運用，當流量強度為0.8的情況時，係如同圖33中所示一般，通常係使用5台，而當任一者之裝置由於PM等而無法使用時，係作為代替裝置而使用剩餘的1台。
圖43，係為對於模式之設定值作展示之圖。
在圖43中，係對於處理時間、工程之流量強度、成為定量維修之開始的方針之lot數(PM方針lot數)、預防維修之所需時間(MTTR)作展示。
在MTTR之設定中，係使用2個的滿足JAMP規則之條件(1)以及(2)的情況(S1、S2)，和無法滿足將條件(1)、(2)相配合之條件的情況(S3)，此合計3個
的情境。情境S1和S2之差異，係在於在S1中，係為代替裝置之PM剛好會在常用裝置之PM的結束時而發生的情況，並相當於條件(3)之〔1〕。
S2，係成為由於若是並不對於代替裝置之PM作任何的調整則會與其他之裝置的PM時期相重疊，因此係有必要適用條件(3)之〔2〕並對於等待時間之發生作抑制的情況。S3，係成為必定有2台以上之PM同時性發生的必要之情況。S3，係相當於實際之工廠的PM條件設定(在每結束100lot之處理時，為了進行PM而停止24小時)。
使用上述一般之模式，並針對單純並列和JAMP之2個的規則而進行實驗，再針對結果而作比較。
針對此次之模擬實驗中之2個規則的設定，於以下作說明。圖44，係為用以針對在JAMP中之代替次數設定作說明的圖。
單純並列規則，係如同圖37一般，最初係以m1、m2、…、m5之5台，除了起因於到達間隔而各產生有1/Λ之偏移以外，直到第100lot為止，係藉由m1~m5之5台來單純地進行並列處理，而，第1~5台之任一者進行PM的期間中，係以m6或者是其他之裝置中的能夠最早開始處理之裝置來代替處理。
JAMP規則，係如圖38中所示一般，為一面對於定量維修作考慮一面事先進行工作之代替處理而將PM分散之規則，並除了與單純並列規則同樣的會產生各1/Λ之偏
移以外，為了防止PM發生2台以上之重疊，而如同圖38一般地，在m1開始PM之前，先使代替裝置m6代替m2~m5之處理數量，藉由此，而以不會使m1~m5之5台的裝置之PM於同時期而發生地來將由於PM而休止之裝置恆常抑制在1台以下的方式，而進行負載分散。於圖39中，對於JAMP法之條件(3)之〔2〕之說明圖作展示。於圖43中，對於在本實驗之設定條件下而使用JAMP規則的情況時之代替次數作展示。
於此，所謂1週期，係指從m1開始最初之批量的處理起，直到m5結束MTTR為止的期間(參考圖40)。情境S3，由於係超過PM方針之100，因此，係相當於無法以1週期來完全分散化的情況。
圖44，係為用以針對在JAMP法中之代替次數的設定作說明之圖。圖51，係為用以針對單純並列規則和JAMP規則之比較作說明的圖。
在圖43、圖44中所示之設定下，而針對2個的規則來以3個的情境而進行了模擬實驗。在圖45中，將直到代替裝置實施PM之週期結束為止的結果作展示。於此，作為性能評價指標，係列舉出下述之3點：亦即是，發生了由於PM所導致之等待的批量數、循環時間、超過了Q-time限制之批量數。
如圖45中所示一般，作為在代替裝置處之負載分
散、結束PM之週期為止的結果，在S1中，係對於直到第9週期為止的結果作展示，在S2、S3中，係分別對於直到第3週期、第4週期為止的結果作展示。
若是生產期間(觀測週期)變長，則與上表之值成正比，單純並列和JAMP之間的差距係變大。
根據以上之實驗結果，可以得知，在JAMP規則中，於情境S1、S2中，係不會發生由於PM所導致的批量之等待，而並不存在有超過Q-time限制之批量。特別是，根據等待時間之總計，可以得知，在單純並列規則中，係產生有長時間的等待，另一方面，在JAMP規則中，係能夠並不發生等待。
又，根據發生了等待之批量數的總計，可以得知，在單純並列規則中，係於每週期處均發生有等待lot，隨著時間之經過，此差距係逐漸變大。根據此些之性能評價的結果，可以確認到，在JAMP規則中，藉由將PM分散，係能夠對於流量強度變得較1更大一事作抑制，並能夠對起因於PM之批量的等待時間之發生作抑制，且亦能夠對於超過Q-time限制之批量的發生作抑制。
在如同情境S1和S2一般之於JAMP規則下而滿足將條件(1)以及條件(2)相配合後之條件的情況時，於第1週期中，由於係將相對於條件(1)之代替處理藉由代替裝置來進行而預先對於PM之開始時間點作調整，因此，在第2週期之後，係成為不需要進行相關於條件(1)之處理的代替。在第2週期之後，係進行以代替裝
置所致之為了條件(2)所作的處理之代替、和如同條件(3)中所示一般之為了不使代替裝置之PM時期和常用裝置之PM時期相重疊而在裝置間進行處理之代替的操作。係確認到，藉由此些之操作，在JAMP規則中的等待時間係並不會發生。
關於JAMP規則，在情境S1的情況時，係相當於條件(3)之〔1〕。亦即是，直到代替裝置m6結束第100lot之處理並進入至PM為止的期間，由於在代替裝置m6處之代替處理次數，於第1週期中係為30次，在第2週期之後，係於每一週期而作10次的代替，因此，在代替裝置m6處之處理次數到達100lot的時間點，係為在第8週期而常用裝置5台全部的PM結束之時間點30+10+10+10+10+10+10+10=100處，代替裝置m6會進入PM，因此，係並不會對於常用裝置造成影響。在代替裝置m6開始PM的時間點處，由於裝置m1係已進行了4MTTR期間之量的處理，也就是2×4=8批量，因此，直到下一次的PM開始為止之剩餘可處理次數，係為100-8=92次。
另一方面，在第2週期以後之代替次數10次和代替裝置的PM期間中之每一台裝置的處理次數2次之合計12次，由於相對於接著所開始PM之常用裝置m1的剩餘處理次數92次係為小，因此，係能夠具有充分之餘裕地來結束PM。在第2週期之後，由於係並不需要藉由常用裝置m2~m5之裝置來事先代替作處理，因此，藉由此，係
能夠不產生問題地而將全部的裝置之PM分散化，同時進行PM之裝置，係成為1台以下。
另一方面，使用情境S2之情況，來對於代替裝置m6在第2週期以後之週期的途中而到達代替裝置之100lot並進入PM的情況作展示。於此情況，若是不作任何的對應，則由於會在常用裝置之PM中而開始代替裝置之PM，因此，係成為會發生等待批量。為了與此情況作對應，條件(3)之〔2〕係成為必要。在此條件(3)之〔2〕中，藉由在第2週期以後也為了意圖性地對於代替裝置之PM時期作調整而進行其他之裝置的代替，係能夠以使複數之裝置的MTTR不會重疊的方式來作調整。在S2的情況時，為了在第1週期而以使裝置m1~m5之PM不會在同時期而重疊的方式來作偏移之所需要的事先之處理代替次數，係為60次，又，為了在裝置m1~m5之MTTR的期間中而代替處理，係成為需要35次的代替次數。代替裝置，係需要在第2週期中而作了剩餘之100-95=5次的代替之時間點處，而開始PM。
在第2週期中，由於原本係並不需要事先對於處理作代替，因此，若是不作任何對應，則當在m1之PM中而作了5次之代替處理的時間點處，m6之裝置係不得不開始PM，在m6之PM的期間MTTR之間，係成為有2台的裝置進行PM。為了防止此，係需要在第2週期中而m1開始PM之前，先使代替裝置m6之PM結束。故而，從m5之PM結束了的時間點起(在此時間點處，m1係處理
了28lot)，裝置m6係將m1~m5之裝置的代替作各一次的進行(直到此結束為止，m1係處理了28+4=32lot)。在此事結束了的時間點處，m6係開始PM。在MTTR經過後，m6係成為能夠使用(直到此時間點為止，m1係處理了32+7=39lot)。在此時間點處，就算是最容易發生PM之裝置m1，也僅結束了39lot之處理，而為定量維修之方針批量數100以下，因此，係能夠將全部的裝置之PM分散。根據實驗結果，可以確認到，就算是在相當於條件(3)之〔2〕的情況時，係能夠將PM分散化，而能夠將由於PM所導致的批量之等待時間的發生完全作抑制。
最後，在情境S3中，將條件(1)和(2)相配合的條件，係並不會成立。亦即是，係會發生在第1週期中而不得不使複數之裝置進入PM的狀況。但是，就算是在此情況中，亦同樣的，係確認到：藉由使用代替裝置來盡可能地謀求PM之分散化，係能夠對由於PM所導致之批量的等待時間作抑制，並能夠將Q-time限制違反抑制為0。情境S3，係為在實際之工廠中的定量維修之設定，而能夠期待有效果。
JAMP法，係為將由於PM所導致的工程之生產能力的降低抑制在最低限度並對於變動作抑制，而以生產之平準化為指向的方法。因此，在後續工程中，批量之到達係被作平準化(圖46：結束時刻)。
圖46，係為對於批量之到達和退出的時刻(JAMP法
和單純並列規則之比較)作展示之圖。作為另外一方之單純並列的問題，生產之能力的增減(變動)係為大(下圖)，並導致在製品數之急遽的增加和對於後續工程之流量的變動(上圖)。
圖47，係為對於裝置台數之稼動狀況的變動(單純並列、MTTR=1380〔分鐘〕的情況)作展示之圖。根據上述內容，對於定量維修作了考慮的工作分配方法JAMP之效果係有所展現。
在本實施形態中，係以下述事項作為目的而進行了研究：亦即是，對於定量維修之處理工程作注目，並開發一種能夠將在同時期中而成為預防維修的裝置台數盡可能地減少之裝置的負載分散方法，且對於其之效果作確認。
在本實施形態中，係新提案了一種負載分散法JAMP(Job Allocation for Maintenance in Parallel)法。為了對於JAMP法之效果作確認，係以實際之工廠的工程模式作為參考，而藉由模擬實驗來進行了與單純並列規則之間的比較。模擬實驗，係為以6台之裝置來對於處理時間為賦予之1個品種進行處理之工程，並使用了以使工程之流量強度成為0.8的方式來作了定期投入之連續處理的模式。
在實驗中，係設定為藉由JAMP而將在同時期中會成為PM的裝置台數抑制為1台以下而能夠完全地分散化
(將流量強度恆常抑制為未滿1)的情況、和無法完全地將PM分散化(並未將流量強度恆常抑制為未滿1)的情況，此兩者之情況，並對於在各情況下之JAMP的效果作了確認。
其結果，在能夠完全地將PM分散化的情況時，係能夠將由於PM所導致的等待時間抑制為0，又，就算是在無法完全地將PM分散化的情況時，JAMP也能夠以使在同時期中而成為PM之裝置的台數盡可能減少的方式而發揮作用，因此，作為其結果，係確認到：相較於單純並列規則，係為優良。
於此，特別是在MTTR為大的情況時，由於PM所導致之批量的等待時間係變長，並變得容易產生違反Q-time限制並發生再處理的事態。再處理之發生，僅會導致生產上之損失，並且在副作用上，也會對於正規批量之生產物流造成阻礙，因此係並不理想。為了防止此Q-time限制違反，亦確認到了：藉由以使在同時期中成為PM之台數減少的方式來將工程之流量強度恆常地盡可能抑制為低，而不使多餘之等待時間發生，係能夠對於Q-time違反批量之數量作抑制。
本提案之方法，不僅是可對於定量維修作適用，亦可活用在定期維修之分散化中。
另外，在實用時，係有必要對於在多品種生產中之階段時間和在批次工程中之批次組織時間作考慮。
將此情況下之條件，於以下作展示。
在將λ j設為裝置j一台的到達率〔lot/分鐘〕λ j=Λ/〔Λ/μ〕，將Λ設為裝置群全體之到達率〔lot/分鐘〕，將M設為工程營運能力=m/Tp〔lot/分鐘〕(m：裝置台數、Tp：平均處理時間)，將N設為定量維修之基準值〔lot〕，將MTTR設為預防維修(PM)所需要之時間〔分鐘〕，將Ts1、Ts2設為階段時間等之合計時，於對於多品種生產中之階段作了考慮的情況時之條件，係如同以下一般而作表現。
條件(1)，係成為
條件(2)，係成為
條件(1)以及(2)，係成為
又，對於批次工程中之批次組織時間作了考慮的條件，係成為如同下述一般。
在批次裝置中，依存於裝載規則，處理開始間隔(裝載間隔)和處理單位(裝載大小)係會相異。每一台之實行營運率，係藉由以下之式來作表現。
每一台之實行營運率=(裝載大小)/(裝載間隔)
在從裝置來看的情況時之裝載間隔，當將裝載大小設為La時，係可如同以下一般而計算出來。
由於1個批量所到達之時間間隔係為1/Λ，因此直到將大小La之批次作好1組為止的時間間隔，係成為La/Λ。裝置之裝載間隔TL，係成為：當La/Λ>T/pm(亦即是ρ<1)時，係為TL=Tp+(La/Λ-Tp/m)，當La/Λ≦T/pm(亦即是ρ≧1)時，係為TL=Tp。
於此，M係為裝置台數，Tp係為平均處理時間，La係為平均裝載大小〔lot〕，Λ係為裝置群全體之到達率〔lot/分鐘〕，λ j=Λ/〔Λ/μ〕。
藉由將此TL代替Tp來使用並計算工程能力M，係成為能夠對於批次組織時間作考慮。
另外，La係依存於裝載規則和流量強度。若是設為就算是並不滿足最大批次大小也能夠開始處理的裝載規則，則係以若是裝置空出便立即開始在裝置處之處理(恆常使裝置稼動)的方式而起作用。
一台之裝置會變空的平均時間間隔，係為Tp/m，在該期間中會到達的WIP數，係為Tpm×Λ，計畫上之營運率μ=LTp。
係使用此La。
另外，各變數之定義，係如下所述。
ρ：工程利用率，L：最大批次大小〔lot〕，La：平均裝載大小〔lot〕，Λ：裝置群全體之到達率〔lot/分鐘〕，λ j=Λ/〔Λ/μ〕，ρ=Λ/mμ。
在第2實施形態中，係藉由JAMP法而解決了第2問題點。
對於用以將身為Q-time限制違反之主要原因的裝置之預防維修時期分散化的對於裝置之負載分配方法，取名為JAMP(Job Allocation for Maintenance in Parallel)法。藉由JAMP法，而將在同時期停止之裝置台數抑制在
最小限度，並謀求高生產能力之維持和生產之平準化，以根本性地防止製品批量之無謂的等待或Q-time限制違反。第2實施形態，係為JAMP法之程式，以及使用有此之性能評價結果(由使用有實際之工廠的資料之確定性模擬所得)。根據性能評價結果，可以得知，相較於將並列裝置依序均等地作使用之單純並列規則，JAMP法係能夠在每2.5個月而削減188批量之再處理，而能夠期待有2千萬日圓以上之再處理費用的削減效果，並且，由於係能夠將等待批量數降低為1/172，並將批量之等待時間總計大幅度地降低至1/13805，因此，在交貨期之遵守上也發揮有效果。藉由將CKB法和JAMP法作組合使用，係實現了單一Q-time限制區間之最適管理。
參考圖48，針對本發明之第3實施形態的，最適指標產生裝置作說明。本發明之第3實施形態的最適指標產生裝置31，例如，係將對於在用以生產半導體之生產工程# 1中所分別設置的處理工程(裝置群)2以及處理工程(裝置群)3之生產排程表作管理的生產管理系統10，作為控制之對象。同時，係針對將製造裝置之預防維修時間作分散化的運用方法，而將對於在生產工程# 1中所分別設置的裝置群5之維修排程表作管理之生產管理系統10或工程業務系統29，作為控制之對象。在本實施形態中，係針對生產物流控制法和生產負載分配法(以下，稱
作CKB-JAMP法)作說明。
如圖48中所示一般，最適指標產生裝置31，係與圖1中所示之最適指標產生裝置11(第1實施形態)相同的，而具備有輸入部12、輔助輸入部13、Q-time構造分析部14。
又，最適指標產生裝置31，係與圖30中所示之最適指標產生裝置21(第2實施形態)相同的，而具備有輸入部22、輔助輸入部(JAMP法)23、開始結束時期算出部26、裝置區分算定部28。
相較於第1以及第2實施形態，第3實施形態中之特徵性構成，係如圖48中所示一般，在於具備有變動監視檢測部32、輸入變更檢測部33、再計算必要性判斷部34、靈敏度解析部(CKB+JAMP特性)35、CKB+JAMP最適邏輯值計算部36、靈敏度解析部(CKB+JAMP性能特性)37之點。
於此，針對第3實施形態中之特徵性的上述構成作說明。
變動監視檢測部32，係對於批量之處理開始、結束，裝置之狀態變化(伴隨著故障等)和裝置群之處理能力的變化等之由於事件、狀態資料更新所導致的變動作監視並檢測出來，而將變動資訊輸出至計算必要性判定部34處。
輸入變更檢測部33，係輸入關連於CKB法之輸入資料和關連於JAMP法之輸入資料，並檢測出相較於前一次
之關連於CKB法之輸入資料和關連於JAMP法之輸入資料而有所改變的部分，而將存在有變化的輸入資料作輸出。
再計算必要性判斷部34，係將在被預先記憶於記憶部34a處的預先所計算出之靈敏度解析結果中的整數之臨限值作輸入，並相對於藉由輸入變更檢測部33所檢測出之變動，來判斷是否有必要進行再計算。當落在前一次之範圍的上下限之臨限值以外的情況時，再計算必要性判斷部34，係判斷為需要進行再計算。
CKB+JAMP最適邏輯值計算部36，係接收從Q-time限制構造分析部和輸入部(JAMP法)而來之輸入資料，並對於Q-time限制區間內之裝置群而藉由JAMP法理論值計算來計算出各裝置之處理負載(次數)以及其之處理時期，再對於在裝置群中之處理能力的時間變遷作1個循環之算定，而進行在該期間內而區間內之處理能力或生產負載(或者是生產目標)作切換的每一者之CKB法最適理論值計算。於此，1個循環，係設為直到全部的常用裝置作了1次以上並且全部的代替裝置各作了1次的預防維修為止之期間(或者是另外所指定的生產期間)等。
進而，在CKB+JAMP最適理論值計算中，係具備有因應於裝置群之處理能力的變化而預先將在Q-time限制區間中之投入量作為能夠遵守Q-time限制之值來作變更的功能，並實現順暢之Q-time區間的管理。
參考圖49，對於最適理論值計算部36之動作作說
明。在某一工程(例如，Q-time限制區間內之瓶頸的裝置群)中，全部的裝置均能夠稼動的期間，工程之流量強度係被平均性地保持於未滿1(100%)。(以會成為如此的方式來進行生產計畫。)於此時期中，到達處理工程處之全部的批量，係能夠以某一定之滯留時間以下而結束處理。於此，在任一之裝置成為預防維修的期間中，工程(裝置群)之處理能力係降低。依存於情況，在此期間中，工程之流量強度係超過1(100%)。而，若是此期間變長，則終究會成為無法遵守Q-time限制。為了避免此種狀況，藉由JAMP法，雖然能夠謀求預防維修之分散化，但是，當相對於可動時間而預防維修時間為較長的情況時，係並不一定能夠在所有的情況中而均將工程之流量強度抑制在1以下。因此，係具備有配合於工程之處理能力的變化而對於Q-time限制區間之生產流量作重新檢討的功能。
又，為了如同CKB法一般地在遵守Q-time限制的同時而亦盡可能地將Q-time限制區間之產率提高，係使能夠遵守限制之最大限度的批量滯留在Q-time限制區間中。在此種情況中，在工程之處理能力降低之前而被投入至Q-time限制區間中的批量，會成為無法遵守Q-time限制。
因此，在處理能力降低之前係預先在適當之時期而將對於Q-time限制區間之批量的投入率減少。
另一方面，在預防維修結束之後，處理能力係提升，
並成為使裝置盡可能的稼動而將積存之中間庫存消除。此時，亦同樣的，若是不預先使對於該工程之批量的投入增加，則在裝置恢復後之處理能力、時間會成為浪費。
在對於此些作了考慮後，係進行與工程能力為相異之各期間相配合的各別之適正理論值的計算，並且亦包含有為了與該工程能力之變化相配合而對於投入作調整的移行期間地，來對於理論值之改編時期作適當的算定。
於此，使用圖49，對於工程能力為相異之各期間和移行期間的區分方法作說明。
首先，藉由JAMP法來決定預防維修之時期和各期的工作能力。根據此算定結果，來將工程能力為相異之期間大略區分為3種。第1期間，係為定常期，若是將批量之到達率設為Λ，將定常期之處理工程的營運率設為μ1，則係平均性地而為μ1=Λ之狀態。
接著，第2時期係為低下期，並為由於預防維修等而導致處理工程之營運率降低的期間。若是將低下期之營運率設為μ2，則係平均性地成為μ2<Λ之狀態(無法藉由JAMP法等而防止此種狀態之發生的情況)。
接著，第3期係為恢復期，並為了將在第2期之低下期中所積存的中間庫存盡早作消除，而以最大限度之營運率來對於處理工程作運用。當將恢復期之營運率設為μ3時，係平均性地成為μ3>Λ之狀態。
於此，在被附加有Q-time限制的區間中，係有必要在從第1期(定常期)而切換至第2期(低下期)之前、
從第2期(低下期)而切換至第3期(恢復期)之前、從第3期(恢復期)而切換至第1期(定常期)之前的Td、Tr、Tk之時間點處，預先將對於工程之到達率作適當的變更。
於此，係將從定常期而切換至低下期之時間點設為T1，將從低下期而切換為定常期之時間點設為T2，並將從恢復期而切換至定常期之時間點設為T3。在定常期中，係設為將從批量之到達起直到處理開始為止的滯留時間設定為Tw，並假設由在此區間中之Q-time限制所致的限制時間係為Tq。
(A)當Tw=Tq的情況時，Td=T1-Tw
(B)當Tw<Tq的情況時，Td=T1+(μ2Tq-μ1Tw)/(μ1-μ2)
為了將滯留時間抑制在Tq以下，再遲也要在Td的時間點處，而以使到達率從μ1變更為μ2的方式來作控制。
另外，
(C)當Tw>Tq的情況時，由於係成為恆常無法遵守Q-time限制，因此，於此情況，係有必要先藉由CKB法，來以成為滿足(A)或(B)的條件之狀態的方式，而進行物流控制。
(A)當Tw=Tq的情況時，Tr=T2-Tw
(B)當Tw<Tq的情況時，Tr=T2-Tq
最快也是在Tr之時間點之後，而將到達率以從μ2而變更為μ3的方式來作控制。
(A)當Tw=Tq的情況時，Tk=T3-Tw
(B)當Tw<Tq的情況時，Tk=T3+(μ3Tq-ΛTw)/(μ3-Λ)
最快也是在Tk之時間點之後，而將到達率以從μ3而變更為Λ(=μ1)的方式來作控制。
靈敏度解析部(CKB+JAMP特性)35，係基於CKB法、JAMP法之靈敏度分析部，但是，本靈敏度分析(CKB+JAMP性能特性)的特徵，係與在前述CKB+JAMP最適邏輯值計算部36處之特徵相同的，以對於工程能力為相異之各期間和其之移行期間的各個而針對全部的對象期間來進行靈敏度解析一事作為特徵。內部記憶部35a之資訊，係亦被使用在最適指標產生31之實行必要性的判定中。此必要性之判定，係對應於管理對象之生產工程# 1以及# 2中的各種之變動(裝置群之處理能力的變化或目標生產率之變更、流量之變動、Q-time限制之變更、追加等)而被作判斷。當確認到必要性的情況時，係對於最適指標產生31送出有計算指示。
靈敏度解析部(CKB+JAMP特性)37，係基於CKB法、JAMP法之靈敏度分析部，但是，本靈敏度分析(CKB+JAMP性能特性)的特徵，係與在前述靈敏度解
析部(CKB+JAMP特性)35處之特徵相同的，以對於工程能力為相異之各期間和其之移行期間的各個而針對全部的對象期間來進行靈敏度解析中之性能評價一事作為特徵。
參考圖48，針對本發明之第3實施形態的最適指標產生裝置31之動作作說明。
將相關於在生產實行系統中所包含的複數之裝置的資訊，透過生產管理系統10來藉由輸入部12而作輸入，並根據被輸入的資訊，來藉由Q-time構造分析部14而對於代表在由複數之裝置所致的加工工程間之滯留時間的上限值或下限值之Q-time構造作分析，並對於各Q-time限制，而算定會使關連於製品之到達的批次組織等待時間和Q-time限制之上限值之間的大小關係作切換之到達率的邊界值，並判定適當之裝載規則，再根據透過生產管理系統10而從輸入部22所輸入之相關於在生產實行系統中所包含的複數之常用裝置和代替裝置的資訊，而藉由裝置區分算定部28來將複數之裝置區分為常用裝置和代替裝置，並算出複數之裝置的稼動次數和稼動時期，並且算出相關於常用裝置和代替裝置之預防維修開始時間，再根據所算出之預防維修時期和被輸入的資訊以及Q-time構造，來計算出各品種之最適當的看板枚數以及緩衝區大小，並作為指標資訊而藉由指標算出部17來輸出，並且，將相關於常用裝置和代替裝置之稼動次數和稼動時期以及預防維修開始時間，藉由開始結束時期算出部26而
計算出來，將藉由指標算出部17所算出之最適當的指標資訊供給至生產管理系統10處，並且將藉由開始結束時期算出部26所算出的最適當之開始結束時期資訊供給至生產管理系統10處。
藉由此，係能夠提供一種就算是針對在先前技術中所無法達成的容易引發Q-time限制之違反的狀況，亦能夠確實地遵守Q-time限制，並達成良品產率之提昇和成本降低以及環境負荷和資源、能源消耗之降低的最適作動管理條件。
又，亦能夠對於身為違反Q-time限制之主要原因的多品種生產的處理、裝置之預防維修、複數之Q-time限制的相互干涉，而賦予解析方法和適當之管理手法，並藉由此來在遵守Q-time限制的同時亦達成良品產率之提昇和成本降低、環境負荷降低。
參考圖50，針對本發明之第4實施形態的最適指標產生裝置作說明。本發明之第4實施形態的最適指標產生裝置41，例如，係將對於在用以生產半導體之生產工程# 1中所分別設置的處理工程(裝置群)2以及處理工程(裝置群)3之生產排程表作管理的生產管理系統10，作為控制之對象。同時，係針對將製造裝置之預防維修時間作分散化的運用方法，而將對於在生產工程# 1中所分別設置的裝置5之維修排程表作管理之生產管理系統10，
作為控制之對象。在本實施形態中，係針對連動型生產物流控制法(以下，稱作手續型CKB法)作說明。
如圖50中所示一般，最適指標產生裝置41，係與圖1中所示之最適指標產生裝置11(第1實施形態)相同的，而具備有輸入部12、輔助輸入部13、指標算出部17。
又，最適指標產生裝置41，係與圖30中所示之最適指標產生裝置21(第2實施形態)相同的，而具備有輸入部22、輔助輸入部23、開始結束時期算出部26。
進而，最適指標產生裝置41，係與圖48中所示之最適指標產生裝置31(第3實施形態)相同的，具備有變動監視檢測部32、輸入變更檢測部33、再計算必要性判斷部34、靈敏度解析部(CKB+JAMP特性)35、CKB+JAMP最適邏輯值計算部36、靈敏度解析部(CKB+JAMP性能特性)37。
相較於第1、第2以及第3實施形態，在第4實施形態中之特徵性構成，係如同圖50中所示一般，在於具備有生產流程瓶頸、流量解析部42、Q-time構造分析部43、裝置區分算定部44、輔助輸入部(手續型CKB法)45、驅動控制部46、餘裕時間分配解析部47、手續實行控制部(CKB+PS法)48之點。另外，驅動控制部46，係由變動監視檢測部32、輸入變更檢測部33、再計算必要性判斷部34、靈敏度解析部(CKB+JAMP特性)35所構成。
於此，針對第4實施形態中之特徵性的上述構成作說明。
生產流程瓶頸、流量解析部42，係為了對應於在生產實行系統中所包含之製造流程全體中的生產流量或工程能力之變動而對於Q-time限制同時作管理，而將工程之連接行列(生產流程)、工程之處理容量行列、Q-time限制區間之容許流量作輸入，並使用TOC理論或者是最大流量問題‧最小切割定理(Max-flow min-cut theorem)等來進行生產流程統籌解析、瓶頸場所檢測、最大流量計算。生產流程瓶頸、流量解析部42，係輸出瓶頸場所(該當於最小切割之工程群)、在各處理工程中之流量(處理負載)。
Q-time構造分析部43，係輸入CKB法之輸入資料以及JAMP法之輸入資料、工程連接之資料(生產流程)、工程之處理能力資料、Q-time限制資料、在工程中之各生產品種的處理負載。而後，Q-time構造分析部43，係檢測出該Q-time之限制區間係該當於何者之Q-time限制區間的構造(串聯型4種、並聯型5種)，而對於Q-time限制之構造作分析。同時，Q-time構造分析部43，係檢查其是否該當於需要進行特別之處理(跨越3工程以上之排他、中間工程有所重複的情況)的Q-time限制區間。
Q-time構造分析部43，係將各Q-time限制區間之範圍和構造(Q-time限制區間之開始、結束工程、構造No
等)作輸出，並立起特別構造旗標(ON=1)。
裝置區分算定部44，係與在第2實施形態中所使用之裝置區分算定部28相同。
輔助輸入部45，係從生產管理系統或工程業務系統，而輸入在CKB+JAMP最適理論值計算36、餘裕時間分配解析部47、驅動控制部46中所使用的資料。
驅動控制部46，係為了配合於生產工程之動性變化而進行管理，而藉由變動監視檢測部32來從生產管理系統而輸入最新之生產計畫、實績資訊，並藉由輸入變更檢測部33來檢測出相對於各Q-time限制區間之變化，且藉由再計算必要性判定部34來判定是否需要進行CKB法之再計算。當被判定為必要的情況時，係對於手續實行控制部48等而輸入再計算指示，並再度實行圖53中所示之手續型CKB法的S22~S25之處理，而對於CKB法之最適理論值作再計算。
餘裕時間分配解析部47，係因應於從輔助輸入部45而來之輸入，而根據各工程之裝置台數和營運能力以及生產物流之狀態等，來算定在Q-time限制區間中之餘裕時間分配的場所(工程間)和時間長度。針對在手續型CKB法(標準)中而需要追加之手續的構造，係如同圖55一般，藉由附有條件分歧之手續來作管理。所謂需要追加之手續的構造，係存在有：該當於圖52之串聯型(C)重複的複數之Q-time限制，或者是當單一Q-time限制區間橫跨3工程以上的情況(在並聯構造中，係為當
變換為串聯型時而該當於上述之構造的情況)。
在包含有此些之需要追加手續的構造之生產工程的情況時，係使用圖55之處理的流程。其與圖54之間的特徵性差異，係在於S35之時間分配場所決定和S36之餘裕時間分配決定。餘裕時間分配解析部47，係擔當此些之處理功能。
手續實行控制部48，係對於手續型CKB法(CKB-PS法)的處理之流程作統籌控制。因此，係對於圖54、圖55中之主處理流程的實行作控制。
使用圖54之處理流程，來對於手續型CKB法之基本性處理的流程作說明。
在圖54中，首先係在S21中而進行處理。此處理，係藉由Q-time構造分析部43，來將Q-time限制區間全部檢測出來，並將檢測出了其之構造的資訊和在Q-time限制區間中所包含之處理工程的集合，作為生產工程之副集合來作設定，而將手續型CKB法之主處理流程的對象資料作初期化。在全部的Q-time限制區間之構造或時間長度等並未被作變更的期間中，係將以相關於在S21中所檢測出之全部的Q-time限制區間的資訊作為要素之集合副集合，預先記錄在內部記憶部S21a中。在接下來的S22中，進行在生產工程中之瓶頸場所的檢測和在各處理工程中之最大流量的算出。S22，係除了藉由圖50中所示之生產流程瓶頸、流量解析部42來進行以外，當身為串聯構造之生產工程流程的情況時，係亦可根據生產計畫和處理
工程之營運能力等，來更為簡單地作算定。將此S22之計算結果預先記憶在內部記憶部S22a中。
接著，S23、S24，係為對於各Q-time限制區間之處理。在S23中，係與S22同樣的而進行在各Q-time限制區間中之瓶頸場所的檢測和最大流量的算定。此時，係從內部記憶部S22a而將被投入至Q-time限制區間中之生產流量作讀入。藉由此，係成為能夠配合於生產工程全體之瓶頸場所和最大流量，來對於各Q-time限制區間作管理。在S24中，係基於S23之計算結果，而針對Q-time限制區間進行CKB法之計算。在S24中，係使用圖50中所示之CKB+JAMP最適理論值計算部36。S24之計算結果，係被記憶在內部記憶部S24a中。
在S25中，係預先將被記錄在內部記憶部S21a中之全部的Q-time限制區間作讀入，並判定是否對於全部的Q-time限制區間而進行了S23以及S24之處理。在S25中，於存在有1個以上的尚未結束S23以及S24之處理的Q-time限制區間的期間中，係實行S23以及S24之處理。
如此這般，在針對全部的Q-time限制區間而結束了最適指標計算後，在S26中，將全部的Q-time限制區間之最適指標算出結果輸出至生產管理系統處，並使其實行管理。
為了於其後而亦配合於生產工程之動性變化來進行管理，在S27中，係從生產管理系統而取得生產履歷資訊，
並對於各Q-time限制區間之變化作監視，當判斷為需要進行再計算的情況時，係再度實行S22~S25之處理，而對於最適指標作再計算。在變化之監視中，係使用圖49中所示之變動監視檢測部32以及輸入變更檢測部33，在再計算之必要性的判斷中，係使用再計算必要性判定部34。
在圖50之再計算必要性判定部34中，係使用基於前一次之生產工程模式的靈敏度解析結果(特別是成為再計算之方針的臨限值)、和此次所欲進行評價之生產工程模式。
在圖50中，於再計算必要性判定部34處，係從靈敏度解析部35之內部記憶部35a而被輸入有前一次之靈敏度解析結果(特別是成為再計算之方針的臨限值)，並從變動監視檢測部32而被輸入有相關於此次之生產工程模式的資訊。
針對在手續型CKB法(標準)中而需要追加之手續的構造，係如同圖55一般，藉由附有條件分歧之手續來作管理。所謂需要追加之手續的構造，係存在有：該當於圖52之串聯型(C)重複的複數之Q-time限制，或者是當單一Q-time限制區間橫跨3工程以上的情況(在並聯構造中，係為當變換為串聯型時而該當於上述之構造的情況)。
在包含有此些之需要追加手續的構造之生產工程的情況時，係使用圖55之處理的流程。其與圖54之間的特徵
性差異，係在於S35之時間分配場所決定和S36之餘裕時間分配決定。
在S35中，係藉由餘裕時間分配解析部47，而決定將在Q-time限制區間中之餘裕時間分配至何者的處理工程間。一般而言，係期望更加重點性地分配至瓶頸場所的前後處，但是，在Q-time限制區間中，係對於Q-time限制之遵守和瓶頸場所之生產率的提升之2點作考慮。
在S36中，係藉由餘裕時間分配解析部47，而根據S35中之決定結果與各工程之裝置台數和營運能力以及生產物流之狀態等，來算定在Q-time限制區間中之餘裕時間的分配。
參考圖50，針對本發明之第4實施形態的最適指標產生裝置41之動作作說明。
將相關於在生產實行系統中所包含之複數的裝置之資訊，透過生產管理系統來藉由輸入部12以及輔助輸入部13而作輸入，並根據被輸入之資訊，來將由複數之裝置所致之生產工程中的瓶頸場所以及最大流量，藉由生產瓶頸、流量解析部42來進行解析，且根據被輸入之資訊，來將代表由複數之裝置所致之處理工程間的滯留時間之上限值或者是下限值的Q-time構造，藉由Q-time構造分析部43來進行分析，而記憶在內部記憶中，再對於各Q-time限制，而算定會使關連於製品之到達的批次組織等待時間和Q-time限制之上限值間的大小關係被作切換之到達率的邊界值，而判定適當之裝載規則，並根據由輸入部
22所輸入之相關於在生產實行系統中所包含的複數之裝置的資訊，來藉由裝置區分算定部44而將裝置區分成常用裝置和代替裝置，再根據前述所算定之裝置區分和被輸入之資訊，來使用CKB+JAMP最適理論值計算部36而算出前述複數之常用裝置和代替裝置的稼動次數和稼動時期，並且將相關於常用裝置和代替裝置之預防維修開始時期，記憶在開始結束時期算出部26之內部記憶26a中，再基於所算出之預防維修時期和所判定出之最適之裝載規則、瓶頸場所、最大流量以及Q-time構造，來對於各品種之最適的看板枚數以及緩衝區大小作計算。與實施形態3相同的，將相對於藉由開始結束時期算定部26所算定的工程能力互為相異之各期而藉由指標算出部17所算出的最適之指標資訊，供給至生產管理系統10處，並且，將藉由開始結束時期算定部26所算出的最適之指標資訊，供給至生產管理系統10處。
藉由此，係能夠提供一種就算是針對在先前技術中所無法達成的容易引發Q-time限制之違反的狀況，亦能夠確實地遵守Q-time限制，並達成良品產率之提昇和成本降低以及環境負荷和資源、能源消耗之降低的最適作動管理條件。
又，亦能夠對於身為違反Q-time限制之主要原因的多品種生產的處理、裝置之預防維修、複數之Q-time限制的相互干涉，而賦予解析方法和適當之管理手法，並藉由此來在遵守Q-time限制的同時亦達成良品產率之提昇
和成本降低、環境負荷降低。
而後，係對應於動性之生產工程的生產物流之變化，而將最適當之作業管理條件作更新，並能夠提供恆常與生產工程之狀態相配合的最適當之作業管理條件。
以下，針對構成本發明之第4實施形態的最適指標產生裝置41之各部的動作作說明。
首先，針對在第4實施形態中之複數之Q-time限制的構造分析和同時管理之方法、以及針對製造流程上之生產物流或生產能力之變動的對應方針作說明。
將進行複數之Q-time限制所形成的構造之分析以及同時管理的方法，命名為MNA1法，並將根據生產線全體之生產流量的檢測結果來動性地對於複數之Q-time限制作同時管理的方法，命名為MNA2法，且將MNA1法和MNA2法總稱命名為MNA法。
又，將使用MNA法(MNA1法和MNA2法)來對於生產流程全體之Q-time限制區間作管理的方法，制定為手續型CKB(CKB with Procedure and Structure：CKB-PS)法。藉由此些方法，由於係在藉由對於相獨立之Q-time限制區間作分散管理來減少計算量的同時，亦對於干涉關係作考慮，因此，係能夠謀求全體最適化。
圖50，係為對於將MNA法和手續型CKB法作了統合的管理系統之全體像作展示之圖。
接著，針對MNA1法、MNA2法以及手續型CKB法，於以下作說明。
(1)MNA1法，係為進行複數之Q-time限制的構造分析以及與構造相對應之同時管理的方法。
當複數之Q-time限制具有相互干涉之構造的情況時，若是不對該些同時作管理，則可能會發生就算是對於單方面作了遵守也無法對另一方面作遵守的問題。
因此，作為MNA1法，係在制定了Q-time限制之種類和變換方法(圖51)之後，以複數之Q-time限制所構成的構造(串聯型4種)(圖52)以及並聯型5種(圖53)來網羅性地作定義，再制定出針對各構造中之複數的Q-time限制而活用CKB-PS法來同時管理的方法。
藉由此，係成為能夠對於在生產流程上而散布存在之所有的Q-time限制作網羅性的管理。針對新追加的Q-time限制，也能夠同樣的來處理。如此這般地對於Q-time限制之構造作網羅性的定義並對於管理方法而建構了體系之先前技術，由於係並不存在，因此新穎性係為高。藉由MNA1法和CKB-PS法之融合，來對於在生產流程上而具有干涉之Q-time限制作同時管理，而能夠期待有全部的構造之Q-time限制的遵守和生產性提升之達成。
在圖51中，係為對於Q-time限制之種類：由於能夠作技術性控制者僅有處理開始之時間點，因此，係以使Q-time限制之起點成為處理開始事件的方式來進行變換(構造定義之前置處理)一事作展示之圖。圖52，係為對於Q-time限制之構造(串聯型4種：(A)、(B)-1(1)、(C)-1(2)、(C)-2)作展示之圖。圖53，
係為對於Q-time限制之構造(並聯型5種：(D)、(E)-1、(E)-3、(F)-1、(F)-3)作展示之圖。
於此，簡單地對於各構造之管理方法作敘述。
在(ST1)串聯型(A)排他中，係能夠對於各個的Q-time限制區間而以CKB法來作管理。
在(ST2)串聯型(B)點共通中，係配合於瓶頸場所而作投入，並對於各個的Q-time限制區間而以CKB法來作管理。通過CKB法而先行之Q-time限制區間，係與後續之Q-time限制區間相連動。(當後續區間之投入率有所降低的情況時，係立即作用有由緩衝區大小所致之連動控制，當有所增加的情況時，係立即作用有由看板所致之連動控制)。
在(ST3)串聯型(C)-1工程重複(包圍)中，係將此「工程重複(包圍)」構造變換為「點共通」之構造，並將包圍Q-time限制時間之剩餘時間分配至被包圍Q-time限制區間以外處。配合於瓶頸場所而作投入，並對於各個的Q-time限制區間而以CKB法來作管理(與點共通相同)。
在(ST4)串聯型(C)-2中間工程重複中，係配合於瓶頸場所而作投入，並對於各個的Q-time限制區間而以CKB法來作管理。但是，係將在全部的Q-time限制區間的結束時間點處之看板的釋放和緩衝區大小填充率遞交至全部的Q-time限制之開始時間點處，並僅在全部的Q-time限制區間之看板以及緩衝區大小條件齊備的情況下，
才設為可開始處理。(追加事項：看板之複製和發佈、其他)。
在(ST5)並聯型(D)完全並聯中，係對於各個的獨立生產線區間，與串聯型同樣的而作處理。
在(ST6)並聯型(E)-1(1)點合流=(2)工程合流中，係與多品種之CKB法同樣的來作處理。對於在合流開始工程處之能力分配比例作決定，並對於該些各別地獨立(作為串聯型)作管理。
在(ST7)並聯型(E)-2區間合流中，係與多品種之CKB法同樣的來作處理。在合流開始之後的重複工程處而決定能力分配比例，並對於該些各別地獨立(作為串聯型)作管理。
在(ST8)並聯型(F)-1(1)點分歧=(2)工程分歧中，係與多品種之CKB法同樣的來作處理。對於在分歧開始工程處之能力分配比例作決定，並獨立地(作為串聯型)作管理。
在(ST9)並聯型(F)-2區間分歧中，係與多品種之CKB法同樣的來作處理。在分歧開始之前的重複工程處而決定能力分配比例，並對於該些各別地獨立(作為串聯型)作管理。
(2)MNA2法，係為用以進行動性之瓶頸場所的檢測、監視、預測之解析方法。
在實際之生產系統中，係會發生動性之狀況的改變，且瓶頸場所亦會有發生變化的情況。故而，在實踐中，係
成為有必要對於瓶頸場所作監視，並採用與瓶頸場所相配合的適當之對應。
因此，係制定將每單位時間之批量的到達數和工程能力計算出來並檢測出瓶頸場所之方法。因應於生產流程為串聯的情況和並聯的情況來對於瓶頸場所之檢測方法作區分，而能夠減少串聯型之情況的計算負載。
在(ST21)串聯型的情況時，係算定具有到達率和工程營運率之最小值的場所。
在(ST22)並聯型的情況中，係藉由對於最大流量問題-最小切割定理作了應用的高速演算法，來抽出瓶頸場所。
雖然完全沒有對於半導體製造等而適用最大流量問題-最小切割定理的事例，但是，在以製造流程全體作為對象之管理中，將全部的瓶頸場所和各Q-time限制區間之管理方針的計算結果以網路表現來作顯示之可視化，由於在實務上之全體最適化中係為有用，因此，可以想見，基於網路理論之方法係為合適。於此，藉由在到達數之計算時，除了實績值以外而亦使用由指數平滑法等之預測法所得到的預測值，並在工程能力中，除了實績值以外而亦使用基於JAMP法或故障解析等所得到的預測值，不僅是能夠進行變動之監視，也能夠活用在預測中。
針對與瓶頸場所和Q-time限制之位置關係的變化有所對應之對應方針作說明。
當生產線之瓶頸場所為位在Q-time區間之前的情況
時，雖然會引發到達率Λ之增減，但是並不會特別產生問題。係對於到達率Λ恆常作監視(或者是預測)，並設為能夠配合於到達率Λ來作調整。
當生產線之瓶頸場所為位在Q-time區間之中的情況時，在引發營運能力M之增減的情況時，此係不會產生問題。係對於M恆常作監視(或者是預測)，並設為能夠配合於M來作調整。
當瓶頸場所為位在Q-time區間之後的情況時，會引發產率之增減要求。針對增加，係配合投入計畫之重新規劃，來進行調整。針對減少，係有必要預先對於不得不作減少的情況作考慮。雖然理想上，係在投入計畫之重新規劃後再進行再調整，但是，為了不使生產性降低，此事會成為需要在該區間中而進行實際時間之調整等。於此情況，會有必要對於CKB法之看板枚數以及緩衝區大小而依據對於該區間之批量到達和工程處理能力的變動以外之要因來作調整。因此，藉由MNA2法來對於生產工程全體之瓶頸場所以及與此相配合之生產流量作算定的功能，係成為必要。
將融合MNA1法和MNA2法而對於製造流程全體，來根據動性之狀態變化的監視、預測等而對於Q-time限制同時作管理之手續(標準、附有條件分歧(串聯型、並聯型))，統一性地作為「手續型CKB法」來制定之。
圖54，係為手續型CKB法(標準)之流程圖(其之
1)。另外，最適指標產生裝置41，係設為具備有將以流程圖來作展示之控制程式作了記憶的HDD、RAM、CPU，而CPU係從HDD或者是ROM又或是CDROM等之記憶媒體來讀出控制程式並對於裝置41作控制。
首先，在步驟S21中，控制部，係將藉由輸入部12所輸入之資訊，基於MNA1法來檢測出Q-time控制區間之構造，並檢測出Q-time限制區間之副集合。此時，係將反覆迴圈之計數值作初期化(區間數)。
接著，在步驟S22中，控制部，係將對於各Q-time限制區間之流量檢測出來(生產線全體之瓶頸場所(BN)和各區間的流量之檢測)。於此，在靜性上，係根據生產計畫、工程能力等來決定。在動性上，係使用MNA2法來作算定。
接著，在步驟S23中，控制部，係檢測出該Q-time限制區間之瓶頸場所(BN)，並算出總流量率。
接著，在步驟S24中，控制部，係針對該Q-time限制區間而進行CKB法之計算。
接著，在步驟S25中，控制部，係判斷是否針對全部區間而實行了上述處理。當並未針對全部區間而實行上述處理的情況時，係對於反覆迴圈之計數器，而將計數值作減數(-1)，並回到步驟S23，而針對全部的Q-time限制區間(構造別)而實行步驟S23~S25。
當針對全部區間而實行了上述處理的情況時，在步驟S26中，係基於計算結果而實行管理。
另外，在動性管理中，係對於變化作監視，並反覆進行S22~S27而施加再調整。
針對在手續型CKB法(標準)中而需要追加之手續的構造，係分別如同下述一般，藉由附有條件分歧之手續來作管理。所謂需要追加之手續的構造，係存在有：該當於在MNA1法中所列舉出之串聯型(C)重複的複數之Q-time限制，或者是當單一Q-time限制區間橫跨3工程以上的情況(在並聯構造中，係為當變換為串聯型時而該當於上述之構造的情況)。
參考圖55中所示之流程圖(其之2)，針對手續型CKB法(附有條件分歧)作說明。
首先，在步驟S31中，控制部，係將藉由輸入部12所輸入之資訊，基於MNA1法來檢測出Q-time控制區間之構造，並檢測出Q-time限制區間之副集合。此時，係將反覆迴圈之計數值作初期化。
接著，在步驟S32中，控制部，係將對於各Q-time限制區間之流量檢測出來(生產線全體之瓶頸場所(BN)和各區間的流量之檢測)。另外，在靜性上，係根據生產計畫、工程能力等來決定。另一方面，在動性上，係使用MNA2法來作算定。
接著，在步驟S33中，控制部，係對於與瓶頸場所(BN)相配合了的總產率以及用以達成此之投入率作設定。在此步驟S33中之動作，係與S22相同。
接著，在步驟S34中，控制部，係根據所設定之投入
率，來對於該區間內之全部的工程之流量強度、等待WIP數量以及等待時間(期待值)作計算。
接著，在步驟S35中，控制部，係對於Q-time限制餘裕時間之分配場所作判斷。
接著，在步驟S36中，控制部，係根據S34~S35之結果和分配的限制、規則，來決定Q-time限制之餘裕時間的分配。
接著，在步驟S37中，控制部，係針對該區間內之各s-s區間(相連續之2個處理工程中，從第1工程之處理開始起直到第2工程之處理開始為止)，而進行CKB法之計算。
接著，在步驟S38中，控制部，係判斷是否針對全部區間而實行了上述處理。當並未針對全部區間而實行上述處理的情況時，由於計數器值係並非為零(0)，因此，係回到步驟S34，而針對全部的Q-time限制區間(構造別)而實行步驟S34~S38。
當針對全部區間而實行了上述處理的情況時，在步驟S39中，係基於計算結果而實行管理。另外，在動性管理中，係對於實績作監視，並反覆進行S32~S37而施加再調整。
以上，藉由將MNA1法和MNA2法作了融合的手續型CKB法，係能夠對於生產流程全體作統一性的管理，而能夠期待有更進一步之實踐性的效果。
於此，針對最大流量問題-最小切割定理作說明。圖
56、圖57，係為對於並列網路流程作展示之圖。
為了對於生產流量之瓶頸場所作評價，係必須要找出在製造流量上而對於最大流量作決定之場所，但是，如同在圖56和圖57中所示之事例一般，在包含有並聯構造的情況時，要將瓶頸場所特定出來一事，係並不容易(因為會由複數之分枝而形成瓶頸場所)。因此，係作為最大流量問題來作定式化，並將最大流量-最小切割之定理導入至高速之計算演算法中，來對於瓶頸場所以及各分枝之流量作特定。在最大流量-最小切割定理中，網路之起點S和終點t之間的流量之最大值，係設為與如同圖56之點線一般的將起點s和終點t作分離之切割設定的切割容量之最小值(最小切割)相等。亦即是，係代表製造網路之最大流量為被最小切割(=瓶頸)所限制。
在網路之起點s和終點t之間，針對全部的切割(分枝之組合)，係存在有容量，
根據容量，來決定可能流量。
在Maximum-flow Minimum-cut Theorem(最大流量-最小切割之定理)中，係將可能流量之最小的切割，設為最小切割。
作為Ford Fulkerson(1956)所發表之Maximum-flow minimum-cut Theorem，亦可使用
用以進行此最小切割之檢測的演算法，係以標籤法為
首而存在有數種的演算法，並對於檢測之高速化有所助益。
第4實施形態，係藉由MNA法和手續型CKB法而解決第3問題點。
根據複數之Q-time限制的構造分析(MNA1法)和製造流程全體之生產物流的解析(MNA2法)，而提案一種對於製造流程全體之Q-time限制區間同時作管理的方法(手續型CKB法)。於此，MNA法，係為Manufacturing Network Analysis之略稱，並將MNA1法和MNA2法之總稱稱作MNA法。在第4實施形態中，係將此些之規格書和程式流程等作為對象。
於此，MNA1法，係為複數之Q-time限制的構造分析以及同時管理的方法。MNA2法，係為用以進行動性之瓶頸場所的檢測、監視、預測之解析方法。手續型CKB法，係為使用MNA1法、MNA2法以及CKB法，來對於生產系統內之全部的Q-time限制作最適當之同時管理的手續方法。
藉由此些之3個方法，來配合於製造流程之全體的生產流量而實現各Q-time限制區間之分散管理，而可達成能夠即時性地對應於生產變動之計算的高速性以及全體之最適化的雙方之效果。另外，MNA1法和MNA2法，係亦可單獨作使用。
接著，藉由模擬實驗來對於連動物流控制法(手續型CKB法)之效果作確認。
此次之模擬實驗的目的係在於：在存在有複數之Q-time限制的生產工程中，針對並不對由複數之Q-time限制所成的干涉構造作考慮地來進行意圖性之生產物流控制的非專利文獻1中所記載之方法的情況(以下，稱作先前技術型Q-time限制區間管理規則)、和對於由複數之Q-time限制所成的干涉構造作考慮並同時地作管理之手續型CKB法，此兩者之性能作比較，並藉由此來確認手續型CKB法之效果。
在實驗方法中，係進行使用有圖58中所示之設定有「5個裝置群、7個處理工程、5個Q-time限制」的非專利文獻1中所記載之實際工廠的生產工程之模式和設定條件的模擬實驗。在此模式中，同一裝置群係為了進行反覆處理而被作共用。將在生產工程中之流量，與非專利文獻1中作相同的設定，並將批量設為定期到達以及蒲松到達(Poisson arrivals)，而進行了模擬實驗。
模擬實驗之結果，係如圖59中所示一般，而確認到：相較於在非專利文獻1中所記載之先前技術型Q-time限制區間管理規則，手續型CKB法係使生產率作了提昇，並且係將工程間等待時間作了約60~80%之縮短。
又，根據相關於在最適指標產生中所耗費之計算時間的性能評價結果，可以得知，係將在非專利文獻1中而需要耗費3秒的計算時間，抑制在0.005秒的程度，而確認到係實現有六百分之一的計算時間。另外，此性能評價，係為使用同等程度之性能以下的計算機(個人電腦)而作了實驗的結果。
如同上述一般，在第4實施形態之最適指標產生裝置
中，首先，係如同在圖51中所示一般，於定義Q-time構造前，先進行各Q-time限制之構造變換。接著，藉由圖52、圖53中所示之構造分析來對於構造作判定，再根據所判定出的Q-time構造，來藉由圖54、圖55、圖56之處理程序來作管理。藉由此，例如係能夠對於如同圖58一般之包含複數之Q-time限制的工程區間之全體作有效率的管理，而得到圖59之改善效果。
在第2實施形態中，係存在有下述問題：亦即是，係並未對於如同圖64中所示一般之由階段轉換時間所導致的維修時期之偏移及其影響作考慮。又，在半導體製造中之階段轉換時間，係為佔據生產期間中之四分之一的時間之重要的管理對象，並在提供一種將身為最大之非生產時間的階段轉換時間作降低之方法一事上，仍殘留有課題。第5實施形態，係為第2實施形態之變形例，並藉由使用將階段轉換業務最小化法和維修管理法作了整合的裝置業務管理法，來對於上述問題、課題作解決。此係具備有下述特徵：亦即是，係對於在半導體製造之生產工程中會佔據生產期間之四分之一之時間的製造裝置之階段轉換時間作降低，並且反倒是對此階段轉換時間作了活用。在本實施形態中，係針對裝置業務管理法(以下，稱作JAMP-wS法)作說明。
參考圖60，針對本發明之第5實施形態的最適指標產生裝置作說明。
本發明之第5實施形態的最適指標產生裝置51，例
如，係針對用以對於在裝置之維修或多品種生產中的製程作切換之階段轉換處理等的製造工程業務之運用方法，而對相關於在生產工程# 1中所分別設置的裝置群5之工程業務的排程表等作管理之生產管理系統10，作為控制之對象。同時，係針對將製造裝置之預防維修和階段轉換處理之時期作適當化的運用方法，而將對於在生產工程# 2中所分別設置的裝置群5之裝置相關業務的計畫和指示作管理之生產管理系統10或工程業務系統29，作為控制之對象。
如圖60中所示一般，最適指標產生裝置51，係與圖1中所示之最適指標產生裝置11(第1實施形態)相同的，而具備有輸入部12、Q-time構造分析部14。又，係與圖30中所示之最適指標產生裝置21(第2實施形態)相同的，而具備有輸入部22、輔助輸入部23。相較於第1以及第2實施形態，第5實施形態中之特徵性構成，係如圖60中所示一般，在於具備有輔助輸入部(JAMP-wS法)52、階段轉換循環算定部53、裝置區分算定部54、JAMP-wS最適邏輯值計算部55、靈敏度解析部(JAMP特性)58、靈敏度解析部(性能特性)57之點。
於此，針對第5實施形態中之特徵性的上述構成作說明。
輔助輸入部(JAMP-wS法)52，係將裝置可使用品種/規格對應、在多品種反覆處理中之階段轉換時間、階段轉換活用方法(從3種類等作選擇)、裝置-品種規則
分配規則(從3種類等作選擇)、裝置-品種分配(固有條件)、多品種在製品等的資訊作輸入。
依存於階段轉換活用方法之設定，在最適理論值計算部55處之計算結果係改變。階段轉換活用方法，係為對於不可避免之階段轉換時間的活用方法作規定者，例如，係存在有將在JAMP法中之維修時期分散化率提高之目的、配置與維修時間之增長化相對應的餘裕時間之目的、以及將該些之雙方作了融合之目的、等等。將最適指標產生裝置51之使用者所選擇了的階段轉換活用規則，從輔助輸入部(JAMP-wS法)52來作輸入。
階段轉換循環算定部53，係在遵守生產工程# 1之Q-time限制和工程交貨期的狀態下，來對於使裝置群5之階段轉換率成為最小的多品種生產順序(以下，稱作生產循環)和生產周期作算定。階段轉換循環算定部53，係進行圖62中所示之手續處理((0)裝置-品種分配決定、(1)多品種生產循環檢測部、(2)多品種生產周期算定部、(3)最小階段轉換循環算定部)。在(0)中，當從輔助輸入部52而輸入有固有之裝置-品種分配資訊的情況時，係使用被作了輸入的資訊。
裝置區分算定部54，係將各輸入部和階段轉換循環算定部53之算定結果作為輸入，而算定用以對於JAMP-wS最適邏輯值計算部55之計算結果和裝置實體附加對應的資訊。裝置區分算定部54，係進行圖63中所示之手續處理((1)各裝置區分之必要台數的算出、(2)階段轉
換時間順序之排序、(3)裝置區分和維修順序之決定)。
JAMP-wS最適邏輯值計算部55，係將輸入部22和輔助輸入部23和輔助輸入部52、以及階段轉換循環算定部53和裝置區分算定部54之算出結果，作為輸入，而謀求裝置群5之裝置的維修時期之分散化，並計算出為了使裝置群5恆常維持為高處理能力所需的各裝置之維修時期以及各期之裝置群的生產能力。例如，係將相關於常用裝置和代替裝置之維修的開始、結束時期、各裝置之多品種生產循環、階段轉換周期等之資訊算出，並供給至生產管理系統10和工程業務系統29處。
開始結束時期算出部56，係將JAMP-wS最適邏輯值計算部55之計算結果記憶在內部記憶部56a中。又，開始結束時期算出部56，係將內部記憶部56a和生產管理系統10或工程業務系統29之生產實績或者是裝置關連業務實績之資訊作對照，並將用以進行在生產管理系統10處之生產指示或者是在工程業務系統29處之業務指示的資訊作輸出。在此些之生產指示或業務指示的各個處，係被附加有固有之辨識號碼等，而能夠利用在生產實績或業務實績和內部記憶部56a之間的對照中。
在開始結束時期算出部56處，係與第2實施形態之開始結束時期算出部26相異，而除了維修以外亦被追加有階段轉換業務之資訊。
靈敏度解析部(性能特性)57，係將在JAMP-wS法
中所使用之輸入資料、JAMP-wS法最適理論值之條件作輸入，並在所決定了的JAMP-wS法最適理論值之條件下，進行用以對於工程之性能作評價的計算，再作為性能特性，而將相對於裝置群之處理能力或生產負載(在製品到達率)之各種性能評價指標，輸出至生產管理系統10或裝置工程業務系統處。
靈敏度解析部(JAMP-wS特性)58，係計算出當從JAMP最適邏輯值計算部55所輸入之JAMP-wS法理論值計算結果、各裝置之處理負載(次數)或階段轉換周期和其之時期有所變動的情況時之JAMP法理論值計算的結果之變化特性。又，靈敏度解析部(JAMP-wS特性)58，係亦可將此靈敏度解析結果預先記錄在內部記憶部58a中，並當JAMP法理論值計算結果、各裝置之處理負載(次數)和其處理時間產生了動性變化的情況時，即時性地作為更新資料來使用。內部記憶部58a之資訊，係亦被使用在最適指標產生裝置51之實行必要性的判定中。此必要性之判定，係對應於管理對象之生產工程# 1中的各種之變動(裝置群之處理能力的變化或目標生產率之變更、流量之變動等)而被作判斷。當確認到必要性的情況時，係對於最適指標產生裝置51送出有計算指示。
參考圖60和圖61，針對本發明之第5實施形態的最適指標產生裝置51之動作作說明。
在步驟SS1中，係將相關於Q-time限制之資訊，經由生產管理系統10來藉由輸入部12而作輸入。在步驟
S52中，係將經由Q-time構造分析部43所算出的資訊、和相關於被包含在生產實行系統中之複數的裝置之資訊，經由生產管理系統10來藉由輸入部22和輔助輸入部23而作輸入。
進而，在步驟S53中，係針對相關於裝置之階段轉換或階段轉換活用方法之資訊，而使用從輔助輸入部52所輸入之資訊，來藉由階段轉換循環算定部53，而以遵守Q-time限制和工程交貨期的狀態下來算出個裝置之階段轉換率成為最小的多品種生產循環以及階段轉換周期等，並輸入至裝置區分算定部54中。
進而，在步驟S54中，係藉由裝置區分算定部54，來將複數之裝置區分成具備有常用能力之常用裝置和具備有代替能力之代替裝置。在步驟S55中，係根據裝置能力區分和所輸入之資訊以及各裝置之階段轉換資訊，來藉由JAMP-wS最適邏輯值計算部55而算出相對於複數之常用裝置和代替裝置(以及常用能力和代替能力)的生產負載、稼動次數和稼動時期。
在步驟S56中，係藉由開始結束時期算出部56而算出相關於常用裝置和代替裝置之預防維修開始、結束時期以及各裝置之階段轉換周期和品種生產循環，並且將該些記憶在內部記憶56a中。
在步驟S57中，係將藉由開始結束時期算出部56所算出的製品處理、階段轉換、維修之最適的開始結束時期資訊，供給至生產管理系統10或工程業務系統29處。
在此些之生產或業務的最適之開始結束時期資訊的各個處，係被附加有固有之辨識號碼等，而能夠利用在被生產管理系統10和工程業務系統29所管理的生產實績或業務實績和內部記憶部56a之間的對照中。
圖60之階段轉換循環算定部53，係依據圖62中所示之處理流程而進行算定。階段轉換循環算定部53之計算手續，係由(S61)裝置-品種分配決定、(S62)多品種生產循環檢測、(S63)多品種生產周期算定、(S64)最小階段轉換循環算定之4個階段所構成。
首先，在步驟S61中，在階段轉換循環算定之前置處理中，當從輔助輸入部52而輸入有固有之分配資訊的情況時，係使用被作了輸入的資訊。當並未被指定固有之分配的情況時，係依據從輔助輸入部(JAMP-wS法)52所輸入的裝置-品種分配規則和裝置可使用品種/規格，而算定品種-裝置分配。在裝置-品種分配規則中，係對於當某一品種之生產率係會涵蓋一定期間而大幅度地減少或者是成為0的生產風險和階段轉換時間之降低作了考慮。
接著，在步驟S62中，於多品種生產循環檢測中，係將相對於對裝置作共用之n個品種的(n-1)！個的生產循環抽出，並針對各循環，而算定出在各個的階段轉換各被進行一次的1個週期中之總階段轉換時間。
接著，在步驟S63中，於多品種生產周期算定中，係於在步驟S62中所抽出的各生產循環之每一者處，而算定在遵守了多品種批量之Q-time限制的狀態下而將階段轉
換作最小化之生產周期。最後，根據多品種生產周期算定和在1個周期中之階段轉換時間，來算定最小階段轉換率循環。
在步驟S64中，於階段轉換循環算定部53中，係能夠在被3品種以上之生產批量所共用的製造裝置中，而於遵守Q-time限制等之滯留時間限制的狀態下來將階段轉換最小化。
圖60之裝置區分算定部54，係依據圖63中所示之處理流程而進行算定。
裝置區分算定部54之手續，係由(S71)各裝置區分個別之必要台數之算出→(S72)階段轉換順序排序→(S73)裝置區分和維修順序決定之3個階段所構成。首先，在(S71)各裝置區分個別之必要台數的算出中，係與第2實施形態相同地，算定出常用裝置(常用能力)和代替裝置(代替能力)之各區分的數量。在(S72)階段轉換順序排序中，係針對隸屬於生產工程# 1之裝置群5的各裝置，而以階段轉換循環算定部53所算定之階段轉換率的大小順序來作排序。在(S73)裝置區分和維修順序決定中，係根據(S72)階段轉換順序排序之結果，來決定各裝置之裝置區分和維修順序。
在階段轉換循環算定部53之算定手續中，當在(S61)裝置-品種分配決定中而並未從輔助輸入部(JAMP-wS法)52來指定固有之分配的情況時，係依據從輔助輸入部(JAMP-wS法)52所輸入的裝置-品種分配
規則和裝置可使用品種/規格，而算定品種-裝置分配。在裝置-品種分配規則中，係對於當某一品種之生產率係會涵蓋一定期間而大幅度地減少或者是成為0一般之生產風險和階段轉換時間之降低作了考慮。例如，係具備有(A)階段轉換最小化規則、(C)生產風險最小化規則以及(B)階段轉換-生產風險調整型規則之3種類等。(A)階段轉換最小化規則，係為了將階段轉換最小化，而根據生產負載和營運率來算定各品種之必要裝置台數，並將其之整數台盡可能地分配置專用裝置處，而將剩餘之小數點部分分配至複數品種之共用裝置處。(C)生產風險最小化規則，係為為了將生產風險最小化，而將生產負載均等地分配至各製品品種之可使用裝置處的方法，對於裝置側而言，係成為在同一裝置處而對於複數之製品品種進行處理的分配。(B)階段轉換-生產風險調整型規則，係為位置在(A)階段轉換最小化規則和(C)生產風險最小化規則中間的位置之規則，並為基於過去之實績資料來進行將某種程度之共用裝置和專用裝置作了組合的分配者。根據各品種之生產負載和一台裝置處之平均負載，來計算出必要之裝置台數，並在該台數中，追加特定之(例如，+1台)的餘裕。另外，亦可將(S61)裝置-品種分配決定之功能以單體來作使用。
在圖62所示之階段轉換循環算定部53之算定流程中的(2)多品種生產周期算定中，係如圖65中所示一般地算定出滿足工程滯留時間限制之在製品上限值，接著，以
滿足各品種批量之在製品上限值的方式，來算定如同圖67中所示一般之生產周期。首先，將圖65中所示之在製品上限值，應用等待行列理論之立透的公式來根據數式38而藉由數式32來算出。
若是將連續生產期間設為Tp，將等待時間設為Tw，將製品批量到達率設為λ 0，將製品營運率設為μ，將生產周期設為Tc，將基本分配裝置台數設為n，則某一品種之在製品的緩衝內之平均滯留時間WB，係可藉由數式38來作表現。
將藉由下述之數式43~47而作了定式化的最大化問題求解，而求取出最大循環Tc。
最適化問題之定式化(例如，當如圖66中所示一般之3品種而生產順序為A、B、C的情況時)：
於此，若是將A品種之處理後的閒置時間、B品種之
處理後的閒置時間、C品種之處理後的閒置時間(SLACK)，分別設為tA、tB、tC，則係成為
進而，由於係為
，因此，係成為【數式46】t B -t A =T W,A +T P,A -(T W,B +T P,B ) t C -t B =T W,B +T P,B -(T W,C +T P,C ) t A -t C =T W,C +T P,C -(T W,A +T P,A ) t A +t B +t C =T C -(T P,C +T P,B +T B )-t C
於此，在【數式47】Tc=(T P,C +T P,A +T P,B )+(t C→A +t A→B +t B→C )+(t C +t A +t B )之限制條件下，來算定Tc之最大生產周期。
當3品種以上的情況時，係對於全部2種之品種循環而求取出最大循環。
於此，在階段轉換中所需要之處理規格的差異，係並非絕對均為由製品品種所導致者。當在反覆處理的情況中也會發生階段轉換的情況時，係針對各規格(製品品種-反覆處理階段轉換或處理條件等之對)之各者，而求取出階段轉換最小化循環。於此，為了在反覆處理批量中而實現順暢之生產物流並將產率最大化，係只要以使相對於反覆處理批量之營運率成為均等的方式來進行分配即可。
在階段轉換循環算定部53之處理流程中之(3)最小階段轉換循環算定部處，係如圖67中所示一般，將在各循環之k種類的品種交換中所必要之時間的總和t0，除以各品種循環之Tc，而算定出階段轉換率。採用此階段轉換率為最小之生產循環和生產周期。
JAMP-wS最適邏輯值計算部55，係根據從輸入部22、輔助輸入部23以及階段轉換循環算定部53、裝置區分算定部54所輸入的資訊，來算出JAMP-wS法理論值計算之結果、各裝置之處理負載(次數)及其處理時期、生
產循環和階段轉換時期、以及維修時期等，並作輸出。
靈敏度解析部(JAMP-wS特性)58，係計算出當從JAMP-wS最適邏輯值計算部55所輸入之處理負載(次數)和其之處理時期、生產循環或階段轉換時間、維修時間有所變動的情況時之JAMP-wS法理論值計算的結果之變化特性。靈敏度解析部(JAMP-wS特性)58，係亦可將此靈敏度解析結果預先記錄在內部記憶部58a中，並當JAMP-wS法理論值計算結果、各裝置之處理負載(次數)和其處理時期、生產循環或階段轉換時間、維修時間產生了動性變化的情況時，即時性地作為更新資料來使用。內部記憶部58a之資訊，係亦被使用在最適指標產生51之實行必要性的判定中。此必要性之判定，係對應於管理對象之生產工程# 1中的各種之變動(裝置群之處理能力的變化或目標生產率之變更、流量之變動等)而被作判斷。當確認到必要性的情況時，係對於最適指標產生51送出有計算指示。
在JAMP-wS最適邏輯值計算部55中，係與第2實施形態之JAMP最適邏輯值計算部24處的計算相異，而對於在多品種生產中之由於階段轉換時間所導致的可動時間長度之偏移或者是從常用裝置而移行至代替裝置之代替處理次數的變化作了考慮。例如，當設為常用裝置j(j=1、…、m’)時，在裝置j之可動期間中的階段轉換時間之總和若是分別為Ts(j)，則裝置j之連續稼動期間，係朝向後方而作了階段轉換時間Ts(j)之量的偏移。
又，在將把常用裝置以維修順序來作了排序時之裝置號碼設為j時，在常用裝置j之JAMP法計算中的必要代替次數，係成為
。於此，在
的情況時，由於係成為負，因此係成為能夠將代替次數減輕。亦即是，此事係代表著：藉由反倒對於階段轉換時間做活用，係能夠將維修時期之分散化的可能性提高。作為常用裝置m’台全體，代替處理個數係成為能夠藉由對於階段轉換作活用而減少
之次數。對此作利用，而制定了圖69中所示之階段轉換活用法(1)。又，另一方面，在實際的工廠中，維修時間成為較預定而更增長化的情況，也並不少見。JAMP法所提供之維修時期分散化方法，係能夠對於從某一維修結束之後起直到下一維修開始為止的時間間隔，在從0起直
到可能的範圍內，而使用代替次數或階段轉換時間來作靈活的調整。因此，係為了對應於維修時間之增長化，而制定了對於階段轉換時間作活用之圖69中所示的階段轉換活用(2)。階段轉換活用法(3)，係為將階段轉換活用方法(1)和階段轉換活用方法(2)作了合併者。
在第5實施形態中，與第2實施形態相異，係提供一種對於如同圖64中所示一般之由階段轉換時間所導致的維修時期之偏差和其之影響作考慮，並且對於如同圖69中所示一般之不可避免的階段轉換時間作活用之方法。此係具備有下述特徵：亦即是，係對於在生產工程中會佔據生產期間之四分之一之時間的階段轉換時間作降低，或者是反倒對此作活用，而將裝置之稼動時間或生產能力的降低作了抑制。
接著，藉由數值實驗來對於JAMP-wS法之效果作確認。
使用在圖17(Q-time限制區間)中所示之實際的生產工程模式，來針對典型性之規則(先到達順序(FCFS))、或附有Q-time限制區間投入控制之先到達順序(以下，稱作FCFS-CT)、附有投入控制之最短時間處理順序(以下，稱作SPT-CT)等的先前技術，和本發明之階段轉換時間降低、活用方法的性能作了比較。在性能指標中，係使用了作為每單位生產期間之階段轉換時間
所佔據的比例而作定義之階段轉換率、代表生產批量投入率和工程之良品輸出率的良品生產率、以及身為良品生產率和稼動率之綜合性指標的綜合設備效率(以下，稱作OEE)。綜合設備效率，在實用上係為重要的性能指標，在像是半導體製造等一般之在製造成本中所佔據的設備之折舊費用為非常高的產業中，係非常被重視。另外，於此，係將遵守了Q-time限制之非再處理批量作為良品。又，亦進行了與先前技術(非專利文獻1或非專利文獻2等)之間的計算時間之比較。
在圖70和圖71中，展示性能評價之結果。在圖70中，係對於平均流量強度為0.8之設定下的(A)階段轉換率之比較和(B)良品生產率之比較結果作展示。根據此些之結果，可以確認到，相較於其他方法，本發明之階段轉換降低方法係能夠大幅度地將階段轉換降低，並且是唯一能夠達成全部的品種之目標生產率者。在SPT-CT的情況時，品種間之生產率的差距係為大，又，在FCFS-CT的情況時，階段轉換率係為高。又，在並未附加有相對於Q-time限制區間之投入控制的FCFS的情況時，良品率係顯著地降低。
如圖71中所示一般，可以確認到，本發明之提案手法，係為能夠將綜合設備效率(OEE)提高之方法。
關於計算時間，在非專利文獻1中需要耗費3秒的計算，在本發明中係能夠抑制在0.01秒以內，也就是係實現了三百分之一的計算時間。藉由此，係能夠實現對於以
包含維修等之作了整合的生產期間作為對象的生產業務或工程業務的即時性之最適當管理(在實際工廠中，為了進行即時性管理，係期待能夠將各生產指示在約3秒以內而高速地進行。又，在非專利文獻1和非專利文獻2中所應用的混合整數計畫法，其之計算尺度係以指數時間而成長，相對於此，本發明之第5實施形態的計算尺度，係為以線性時間成長而實現的方法，而實現有計算之高速性。例如，在非專利文獻1之計算中，針對作為對象之生產工程的一部分(5裝置群7工程)，在生產期間10小時之生產排程表的計算中，係需要耗費3秒，由於其之計算時間係以指數時間而成長，因此原理性而言，要將6天以上之計算在6天以內結束一事，係為困難。但是，在本發明之第5實施形態的方法中，係成為能夠對於以數個月的生產期間作為對象之生產業務和工程業務的計畫在數秒以內而進行計算。如此這般，係亦實現有能夠即時性地進行用以對於在現實中所產生之動性變化作對應之再計算的性能。
第5實施形態，係為第2實施形態之應用例，並藉由將階段轉換業務最小化法與維修管理法作了整合的裝置業務管理法，來對於在遵守Q-time限制等之時間性限制的同時，亦將在生產工程中之製造裝置的階段轉換時間最小化，而對由於階段轉換時間所導致的維修時期之偏差作考慮地來將維修時期作最適當化的課題作解決。此係具備有下述特徵：亦即是，係對於在半導體製造之生產工程中會
佔據生產期間之四分之一之時間的製造裝置之階段轉換時間作降低，並且反倒是對此階段轉換時間作了活用。根據性能評價實驗，係展示有：相較於典型性之手法或先前技術，係大幅度地降低了階段轉換時間，並提高生產設備之稼動率，而將在多品種生產中之各品種的良品生產率作了提高。
特別是，光微影裝置群，由於單價係為高價而在台數上有所限制，因此係成為對於生產工程全體之生產率作決定的瓶頸。又，在光微影工程中，被稱作遮罩(在工廠中係被稱為標線片(reticle))之積體電路製造的原版，係被複數之裝置所共有，為了進行該遮罩之交換的階段轉換時間等，係會對於生產率有所影響。本方法，係將此種瓶頸之生產率提高，並使在生產工程中之製造裝置的生產率作根本性的提升，並且根據適當之多品種生產中的階段轉換作業之最小化，來供以解決適當之枚數的削減等之成本刪減的問題。
另外，作為本發明之第5實施形態的最適指標產生裝置之變形例，係亦可將以圖61、圖62、圖63中之流程圖所展示的程式，藉由設置在伺服器中的處理器來實行。在此變形例中，係在伺服器中設置通訊控制部，並設為使通訊控制部透過通訊線路來與生產管理系統或工程業務系統進行資訊之通訊。藉由此，係能夠使伺服器透過通訊線路來對於控制用以生產多品種之製品的複數之裝置的生產管理系統或工程業務系統而送訊與複數之裝置和製品相關連
的指標資訊。
在第3實施形態中，係對於將在針對滯留時間而附加有限制的生產工程中之生產物流、庫存管理和製造設備的維修業務之最適化方法進行統籌性之管理的方法作了展示。又，在第5實施形態中，係對於將相關於製造設備之階段轉換業務和維修業務作了統籌性之最適化的方法作了展示。然而，作為將相關於製造設備之業務的統籌性之最適化方法和生產物流、庫存之最適管理方法作綜合性管理的技術，係尚未被作整合，在此點上，係仍存在有課題。又，另一方面，伴隨著製程之高度化、自動化，對於製造設備之預定外的停止之對應，亦係成為重要的問題，而對於除了預定之維修或階段轉換以外亦針對由於突發性之故障或預測維修等而造成的動性之裝置停止所導致的生產能力之降低等作了考慮的技術之改良。因此，在第6實施形態中，作為第3實施形態和第5實施形態之變形例，係對於將階段轉換業務和全部的維修管理法與生產物流、庫存管理作了整合之製造業務整合管理法作展示，並揭示對於此些之課題作解決的方法。
以此作為前提，將第6實施形態之動性裝置業務、生產物流的最適管理方法，稱作CKB=JAMP-with Setup and Stop(以下，稱作CKB=JAMP-wS2)法。
在第6實施形態中，係以下述事項作為目的：亦即是，在遵守多品種、反覆處理批量之Q-time限制的同時，亦將階段轉換或維修業務之實施時期作最適化，而同時達成裝置稼動率之提昇和良品率之提昇以及目標生產達成率的提升。
參考圖72，針對本發明之第6實施形態的最適指標產生裝置61作說明。本發明之第6實施形態的最適指標產生裝置61，例如，係將對於在用以生產半導體之生產工程# 1中所分別設置的處理工程(裝置群)2以及處理工程(裝置群)3之生產排程表作管理的生產管理系統10，作為控制之對象。同時，係針對將製造裝置之預防維修和階段轉換處理之時期作適當化的運用方法，以及針對基於故障監視、預測而進行的事後維修、預測維修等作適當之管理的方法，而將對於在生產工程# 2中所分別設置的裝置群5之裝置相關業務的計畫和指示和實績作管理之生產管理系統10和工程業務系統29，還有進行生產工程# 1之業務的工程師/作業員，作為控制之對象。
如圖72中所示一般，最適指標產生裝置61，係與圖48中所示之最適指標產生裝置31(第3實施形態)相同的，而具備有輸入部12、輔助輸入部13、Q-time構造分析部14、變動監測檢測部32、輸入變更檢測部33、再計算必要性判斷部34。
又，最適指標產生裝置61，係與圖60中所示之最適指標產生裝置51(第5實施形態)相同的，而具備有輸
入部22、輔助輸入部(JAMP法)23、輔助輸入部(JAMP-wS法)52、階段轉換循環算定部53、裝置區分算定部54、JAMP-wS最適邏輯值計算部55、靈敏度解析部(JAMP-wS特性)58等之最適指標產生裝置51的全體。另外，在圖72中，係將輸入部12和輔助輸入部13統籌為輸入模組(CKB法)12A來作展示，並將輸入部22、輔助輸入部(JAMP法)23、輔助輸入部(JAMP-wS法)52統籌為輸入模組22A來作展示。
相較於第3以及第5實施形態，第6實施形態中之特徵性構成，係如圖72中所示一般，在於具備有輔助輸入部(CKB=JAMP-wS2法)62、裝置群生產周期相位設定部63、生產尖峰算定部64、CKB=JAMP-wS2最適邏輯值計算部65、指標算出部66、靈敏度解析部(CKB=JAMP-wS2性能特性)67、靈敏度解析部(CKB=JAMP-wS2特性)68之點。
與第3實施形態和第5實施形態作對比，而針對第6實施形態之主要的特徵作說明。
在第5實施形態中，係對於在進行預防維修時期之決定時，在遵守於各裝置處所進行處理之多品種生產批量之Q-time限制的同時，亦謀求階段轉換時間之最小化，更進而相反地對於不可避免之階段轉換時間作活用以謀求預防維修時期之分散化的進展和生產風險之降低的方法作了展示。藉由第5實施形態之最適指標產生裝置51，係能夠將圖75中所示一般之生產尖峰盡可能地減少，而成為
能夠恆常地維持高生產能力。於此，在第6實施形態中，針對藉由使用對於在第5實施形態所算定了的多品種生產之階段轉換和預防維修作了考慮的各裝置之生產負載分配方法來將第1實施形態、第3實施形態以及第4實施形態中所示的最適指標產生裝置11、最適指標產生裝置31以及最適指標產生裝置41的功能、性能作提昇的方法作展示。在第6實施形態中，係針對對於考慮有製造設備之維修和多品種、反覆生產之階段轉換而附加了Q-time限制區間等之工程間滯留時間限制的生產工程作管理之方法作展示。
另一方面，在最適指標產生裝置31(第3實施形態)等之中，係產生用以進行與作為管理對象之生產工程的瓶頸作了配合的Q-time限制區間之生產物流、庫存管理的最適指標和其之置換條件。在第6實施形態中，係基於藉由第5實施形態之最適指標產生裝置51所產生的伴隨於維修或階段轉換或對於各裝置之生產負載分配的各時間點之裝置群的生產能力或生產負載之資訊，來進行(1)對於瓶頸之場所或生產能力的變化作預測、分析(生產尖峰算定部64)，並對於在第3實施形態或圖49中所展示之生產尖峰的發生原因和分析方法作具體性展示，而將Q-time限制區間之生產物流、庫存管理之應用例作具體化(CKB=JAMP-wS2最適理論值計算部65)。(2)此時，藉由將相位導入至以最適指標產生裝置51(第5實施形態)所算定的各裝置之多品種生產循環中，
來以減少生產工程之生產風險並提高生產率的方式，來將生產尖峰作變形(裝置群生產週期相位設定部63)。
(3)又，除了在第5實施形態中所注目之預防維修或階段轉換或生產負載分配以外，亦追加關於依據製造裝置之異常的監視、預測所進行之對由於預測維修或突發性之故障所導致的生產尖峰之動性變化的對應方法之記述。
參考圖72和圖73，針對本發明之第6實施形態的最適指標產生裝置61之動作作說明。
首先，係實行第5實施形態之最適指標產生裝置51之主要的處理。具體而言，在步驟S81中，係根據從生產管理系統10或工程業務系統而經由輸入部12或輔助輸入部13所輸入的資訊，來藉由Q-time構造分析部43而對於Q-time構造進行分析。
在步驟S82中，係根據Q-time構造分析之結果、和從生產管理系統10或工程業務系統而經由輸入部22或輔助輸入部23(JAMP法)23或者是輔助輸入部(JAMP-wS法)52所輸入的資訊，來實行階段轉換循環算定部53、裝置區分算定部54、JAMP-wS最適邏輯值計算部55之計算。
在步驟S83中，係將JAMP-wS最適邏輯值計算部55之算出結果和靈敏度解析部(JAMP-wS特性)58之算出結果，記憶在內部記憶58a中。
在步驟S84中，係從JAMP-wS最適邏輯值計算部55，而將所算出之複數的常用裝置和代替裝置(以及常用
能力和代替能力)之稼動次數和稼動時期、相關於常用裝置和代替裝置之預防維修開始、結束時期以及各裝置之階段轉換週期貨品種生產循環，經由開始結束時期算出部56而作輸入，在生產尖峰算定部64中，係算出生產尖峰，並記憶在內部記憶64a中。
在步驟S85中，生產尖峰算定部64，係基於從輔助輸入部(CKB=JAMP-wS2法)62和內部記憶64a所輸入的資訊，來與靈敏度解析部(JAMP-wS特性)58之內部記憶58a作對照，並算出動性之生產尖峰等，而記憶在內部記憶64a中。
又，在步驟S86中，係能夠在生產尖峰算定部64處之計算中，使用裝置群生產周期相位設定部63之算定結果來進行生產尖峰之變形。
在步驟S87、S88中，根據從各輸入部和Q-time構造分析部14和最適裝載規則判定部19以及生產尖峰算定部64所輸入之資訊，在CKB=JAMP-wS2最適理論值計算部65處，係產生用以進行在作為對象之生產工程的Q-time限制區間中之生產物流、庫存管理的最適指標，並經由指標算出部66來對於生產管理系統10或工程業務系統29或者是生產工程# 1之工程師或作業員作輸出，並且記憶在內部記憶66a中。
又，在步驟S89中，指標算出部66，係將內部記憶部66a和生產管理系統10或工程業務系統29等之生產實績或者是裝置關連業務實績之資訊作對照，並將用以進行
在生產管理系統10處之生產指示或者是在工程業務系統29處之業務指示的資訊作輸出。在此些之生產指示或業務指示的各個處，係被附加有固有之辨識號碼等，而能夠利用在生產實績或業務實績和內部記憶部66a之間的對照中。
指標算出部66，雖係與第3實施形態之算出部17A以及第5實施形態之56相同，但是，在下述之點係為相異，亦即是，係將包含有維修或階段轉換業務之資訊和相關於生產物流、庫存管理之資訊的綜合性之生產、業務指示資訊作輸出。
於此，針對第6實施形態中之特徵性的上述構成作說明。
在輔助輸入部62中，係經由生產管理系統10或工程業務系統29等，而輸入動性故障或預測維修之發生場所和發生時期和維修結束預定時期，目標生產負載(投入)計畫之變更，生產工程之多品種批量的在製品數量等之資訊。又，係輸入與在生產周期相位設定部63中所使用的生產周期相位設定規則相關之資訊。
在生產尖峰算定部64處，係以生產工程# 1之裝置群作為對象，而輸入相關於使用有圖48之第3實施形態的最適指標產生裝置31之各裝置群的生產能力之變化或輔助輸入部62之動性的生產能力或者是生產負載之變動的資訊，而對於如同在圖74中所示一般之生產尖峰的大小作分析。在生產尖峰算定部64處，係將相關於所算定
之生產尖峰和起因於生產尖峰而發生的生產風險之資訊，記憶在內部記憶64a中。
生產尖峰，係代表相對於生產目標率或實績生產投入率之生產能力(裝置群或工程之產率)的差。作為生產風險，係針對相關於如同圖75中所示一般之生產率(和庫存)的生產風險、和相關於時間(和庫存)之生產風險，此2種類的風險作分析。
在藉由生產尖峰算定部64所算定之生產尖峰中，係存在有靜性生產尖峰和動性生產尖峰之2個種類。在靜性生產尖峰中，係使用各裝置群之基於JAMP-wS法的維修時期前、中、後之裝置群的生產能力尖峰(最大生產率之時間遷移)、或者是將裝置群之生產能力分配至多品種生產負載中的多品種生產負載分配尖峰(基於批量生產循環之各品種的生產率之時間遷移)等。
又，將從輔助輸入部62而接收動性故障或預測維修之資訊輸入並對於記憶部64a之生產尖峰作了更新的情況時之生產尖峰，稱作動性生產尖峰。
在生產尖峰之算定單位中，係存在有裝置、裝置群、複數裝置群、處理工程、複數處理工程等。
將生產尖峰如同圖74中所示一般地作為相對於目標生產率之生產能力的差來作表現。生產尖峰之大小，係藉由依據低下期之尖峰的深度和恢復期之長度所制定的尖峰之面積來做表現。生產尖峰之影響程度，係依據尖峰之形狀和大小來決定。
亦會有在單一之尖峰中而重疊有複數個的相異之低下期或恢復期的情況。此種生產尖峰，例如，當在維修對象裝置台數作了階段性的增加之後，而使結束了維修的裝置階段性地再度開始製造處理一般的情況等之中，係會出現，除此之外，亦會出現如同圖78一般之使複數工程之尖峰作了重疊的複合尖峰。
使用圖74中所示一般之生產尖峰圖，來藉由以下之手續而進行解析，並如同圖75中所示一般地對於生產尖峰和生產風險作了定量性分析。
(1)將各裝置群之基於JAMP-wS法的算出結果作輸入。
(2)對於在各裝置群j處而起因於預防維修、故障或預測維修等所發生的尖峰k(低下期和恢復期)之深度和長度作算定。
(A)藉由低下期之尖峰的深度(μ1(j，k)-μ2(j，k))和長度Tr(j，k)所制定的低下期結束點、和目標生產率線(或者是生產工程之生產率容量等)，此兩者之時間差：【數式48】t d (j,k)=(μ2(j,k)．T r (j,k)/λ(j,k))
(B)恢復期之長度：
(C)生產尖峰之大小(=尖峰之面積)：
此面積之量，係會引起庫存損失或生產期間損失。此係代表相對於理想之生產能力或生產目標的生產實績之差距，並為將各種無法滿足生產目標之可能性(生產風險)作了定量化者。
(D)使用有生產尖峰之生產風險的分析：使用如圖74或圖75中所示一般之生產尖峰，來針對生產風險而以下述之(A)和(B)的觀點來作定量分析。
在將賦予至生產尖峰處之目標生產率設為工程區間或生產工程全體之瓶頸處之生產率的情況時，係能夠對於使工程區間或生產工程全體之生產率更進而降低的生產風險作定量性分析。該風險之大小SA(j，k)，係藉由數式50所示之式子來作算定。
對於在作為對象之裝置群j、工程k處的滯留時間之限制tdd(j，k)和td(j，k)作比較，當tdd(j，k)<td(j，k)的情況時，係發生超過滯留時間之限制的生產風險。將此生產風險之大小，作為面積之差分SB(j，k)來作計算。
(3)將藉由(2)所算定了的各裝置群j，以最大尖峰或生產風險之由大至小的順序來作並排。
(4)將藉由(2)所算定了的各裝置群j之尖峰(依存於時刻t)或生產風險作重合，而算定出如同圖78中所示一般的通連各生產工程之複合生產尖峰或複合生產風險(Q-time限制區間、瓶頸-瓶頸區間、生產工程全體、等等)。
另外，在最適指標產生裝置21(第2實施形態)之性能評價事例中，如同圖46中所示一般，亦會有藉由使用JAMP法來謀求維修時期之分散化(亦即是生產能力之平準化)而成為不會發生生產尖峰的情況。如此這般，生
產尖峰圖，係亦可作為最適指標產生裝置之性能評價指標來使用。
裝置群生產周期相位設定部63，係對於藉由在第5實施形態之最適指標產生裝置61處的階段轉換循環算定部53所算定的各製造裝置之多品種批量生產循環，來算定將在多品種生產中之生產尖峰、生產風險作減少的相位。藉由使用裝置群生產周期相位設定部63，係能夠減輕生產尖峰、生產風險。
例如，在如同圖22一般之進行有裝置-品種分配的裝置群(處理工程)中，被製品p1、p2、p3之3個品種所共用的裝置，係為3台(624、625、627)。在此些之裝置中，係使用最適指標產生裝置51(第5實施形態)，來算定出在遵守Q-time限制等之滯留時間限制的同時亦將階段轉換作最小化的生產循環。例如，假設係將p1、p2、p3之生產順序作了最適的算定。於此，由於3台之設定條件係全部為相同，因此，最適生產順序亦係為pi、p2、p3之相同順序，當各個的品種之可持續生產時間為Tp(p1)、Tp(p2)、Tp(p3)的情況時，若是藉由全部的裝置而將相同之生產循環在相同之生產循環開始點的設定下而使用，則最初之Tp(p1)時間，係以全部之3台而對於品種p1作處理，其他的品種p2和p3之在製品批量，係成為被作Tp(p1)之時間的等待。如此一來，在此Tp(p1)期間中之品種p2和p3的處理工程處，生產能力係降低，發生生產尖峰或生產風險的可能性
係變高。為了避免此種事態並將對於全部的製品批量所分配之生產能力平準化，係使用裝置群生產周期相位設定部63而算定出適當的相位。在此相位之設定中，係使用藉由輔助輸入部62所輸入的生產周期相位設定規則。
CKB=JAMP-wS2最適理論值計算部65，係將藉由最適指標產生裝置51(第5實施形態)所算出的在各裝置處之多品種生產的處理順序和階段轉換循環、處理負載(次數)和其之處理時期、藉由裝置群生產周期相位設定部63所設定的相位、以及依據在特定循環中之裝置群處的處理能力之時間遷移而藉由生產尖峰算定部64所算定的生產尖峰作輸入，並在特定循環內的作為對象之生產工程的處理能力或生產負載(或者是生產目標)之每一次被作切換時而進行CKB法最適理論值計算。於此，特定循環，例如，係設為直到全部的常用裝置作了1次以上並且全部的代替裝置各作了1次的預防維修為止之期間(1個循環)、或是裝置群之維修時期分散化的極限周期(在維修排程表之最適化中所需要的期間)、或者是另外所指定的生產期間等。
進而，在CKB=JAMP-wS2法最適理論值計算中，係如同最適指標產生裝置31(第3實施形態)一般，具備有因應於裝置群之處理能力的變化而預先將在Q-time限制區間中之投入量作為能夠遵守Q-time限制之值來作變更的功能，並實現順暢之Q-time區間的生產物流、庫存管理。
於此，與第5實施形態之CKB=JAMP-wS法最適理論值計算相異之點，係在於：以基於生產尖峰或生產風險之分析而對於生產循環之相位作適當的調整而謀求多品種、反覆生產之平準化的方式，而對於多品種之投入、生產的時期作了具體性的制定之點，以及除了預防維修和階段轉換以外，亦對於伴隨著裝置之突發性故障或預測維修或者是各種生產目標之變更等所產生的動性之處理能力或生產負載的變化作了考慮之點。此動性之變化，係經由輔助輸入部(CKB=JAMP-wS2法)62，而被輸入至裝置群生產周期相位設定部63和生產尖峰算定部64等之中。
指標算出部66，係將生產尖峰算定部63之計算結果、CKB=JAMP-wS2最適理論值計算65之算出結果，記憶在內部記憶部66a之中。又，指標算出部66，係將內部記憶部66a和生產管理系統10或工程業務系統29還有工程師、作業員之生產實績或者是裝置關連業務實績之資訊作對照，並將用以進行在生產管理系統10處之生產指示或者是在工程業務系統29處之業務指示的資訊作輸出。在此些之生產指示或業務指示的各個處，係被附加有固有之辨識號碼等，而能夠利用在生產實績或業務實績和內部記憶部66a之間的對照中。
靈敏度解析部(CKB=JAMP-wS2性能特性)67，係將在CKB=JAMP-wS2法中所使用之輸入資料、生產尖峰算定結果、CKB=JAMP-wS2法最適理論值計算結果作輸入，並在所決定了的CKB=JAMP-wS2法最適理論值之條
件下，進行用以進行生產工程之性能評價的計算，再作為性能特性，而將相對於裝置群之處理能力或生產負載(在製品到達率)之各種性能評價指標，輸出至生產管理系統10或裝置工程業務系統處，同時記憶在內部記憶部67a中。
靈敏度解析部(CKB=JAMP-wS2特性)68，係計算出當從CKB=JAMP-wS2最適理論值計算部65所輸入之CKB=JAMP-wS2法的理論值計算結果、各裝置群之生產能力或處理負載和其處理時期等有所變動的情況時之變化特性。又，靈敏度解析部(CKB=JAMP-wS2特性)68，係亦可將此靈敏度解析結果預先記錄在內部記憶部68a中，並當CKB=JAMP-wS2法之理論值計算結果、各裝置群之生產能力或處理負載和其處理時期等產生了變動的情況時，即時性地作為更新資料來使用。
第6實施形態，係為第3實施形態和第5實施形態之變形例，並藉由將階段轉換業務和維修管理法與生產物流、庫存管理作了整合的製造業務整合管理法，來解決對相關於製造設備之業務的整合性之最適化方法和生產物流、庫存之最適管理方法作綜合性管理的課題。
又，第6實施形態，係除了預定的維修或階段轉換以外，亦針對由於突發性之故障或預測維修等所導致的動性之生產能力的降低作考慮，而具備有基於生產尖峰來對於裝置群、生產工程之生產風險作定量性分析的評價指標。係提供一種基於由於裝置停止等所發生的生產尖峰或生產
風險的分析來對於生產物流、庫存作最適管理的方法。
另外，作為本發明之第6實施形態的最適指標產生裝置之變形例，係亦可將以圖73中之流程圖所展示的程式，藉由設置在伺服器中的處理器來實行。在此變形例中，係在伺服器中設置通訊控制部，並設為使通訊控制部透過通訊線路來與生產管理系統或工程業務系統進行資訊之通訊。藉由此，係能夠使伺服器透過通訊線路來對於控制用以生產多品種之製品的複數之裝置的生產管理系統或工程業務系統而送訊與複數之裝置和製品相關連的指標資訊。
在第4實施形態中，係並未針對相關於Q-time限制區間的構造分析之資訊處理程序或者是將並聯構造變換為串聯構造之生產能力分配的方法作明示。特別是，當使複數之工程對同一裝置群作共用，並且在各工程中之Q-time限制時間互為相異的情況時，制定能夠同時達成階段轉換時間之縮短和Q-time限制之遵守以及生產率最大化的管理方法一事，係成為課題。又，在第6實施形態中，係仍殘留有將在作為對象之生產工程全體中之多品種批量的生產期間縮短的方法之建構等等的課題。
在第7實施形態中，係作為第4實施形態和第6實施形態之變形例，其目的，係為對於複合尖峰作分析，並藉
由最小之安全庫存來將在作為對象之生產工程中的生產尖峰作吸收，而一面防止在對於生產工程全體之生產率作決定的資源性之瓶頸中的生產率降低，一面實現庫存之削減和生產期間的縮短，其中，所謂複合尖峰，係為針對作為管理對象之生產工程的全部之裝置群，而將在起因於藉由JAMP-wS法所算定的維修或階段轉換時期所發生的靜性生產尖峰中亦配合有動性之故障等所導致的動性生產尖峰，在複數之生產工程中而作了重疊者。
參考圖79，針對本發明之第7實施形態的最適指標產生裝置71作說明。本發明之第7實施形態的最適指標產生裝置71，例如，係將對於用以生產半導體之生產工程# 1的處理工程(裝置群)之生產排程表作管理的生產管理系統10，作為控制之對象。同時，係針對將製造裝置之預防維修和階段轉換處理之時期作適當化的運用方法，以及針對基於故障監視、預測而進行的事後維修、預測維修等作適當之管理的方法，而將對於在生產工程# 2中所分別設置的裝置群5之裝置相關業務的計畫、指示、實績作管理之生產管理系統10和工程業務系統29，還有進行生產工程# 1之業務的工程師/作業員，作為控制之對象。
如圖79中所示一般，最適指標產生裝置71，係與圖72中所示之最適指標產生裝置61(第6實施形態)相同的，而具備有輸入部12、輔助輸入部13、輸入部22、輔助輸入部23、變動監視檢測部32、輸入變更檢測部33、
輔助輸入部(JAMP-wS法)52、輔助輸入部(CKB=JAMP-wS2法)62、Q-time構造分析部43、階段轉換循環算定部53、裝置區分算定部54、JAMP-wS最適邏輯值計算部55、靈敏度解析部(JAMP-wS特性)58、裝置群生產周期相位設定部63、生產尖峰算定部64等。將此些之全體，作為最適指標產生裝置61計算模組72。另外，在圖79中，係與圖72相同的，將輸入部12和輔助輸入部13統籌為輸入模組(CKB法)12A來作展示，並將輸入部22、輔助輸入部(JAMP法)23、輔助輸入部(JAMP-wS法)52統籌為輸入模組22A來作展示。
又，最適指標產生裝置71，係與圖50中所示之最適指標產生裝置41(第4實施形態)相同的，而具備有最適裝載規則判定部19、生產流程瓶頸、流量解析部42、輔助輸入部(手續型CKB法)45、驅動控制部46、餘裕時間分配解析部47、手續實行控制部(CKS+PS法)48。將此些之全體，作為最適指標產生裝置41計算模組73。另外，驅動控制部46，係由變動監視檢測部32、輸入變更檢測部33、再計算必要性判斷部34、靈敏度解析部(CKB+JAMP特性)35所構成。
相較於第4以及第6實施形態，第7實施形態中之特徵性構成，係如圖79中所示一般，在於為由最適指標產生裝置61計算模組72、最適指標產生裝置41計算模組73、最適指標計算部(手續型CKB=JAMP-wS2法)75、指標算出部76、靈敏度解析部(手續型CKB=JAMP-wS2
法)77、靈敏度解析部(手續型CKB=JAMP-wS2性能)78所構成之點。
參考圖80，針對本發明之第7實施形態的最適指標產生裝置71之動作作說明。
首先，係在最適指標產生裝置61計算模組72中，實行最適指標產生裝置61(第6實施形態)之特徵性的處理。
具體而言，在步驟S91中，係根據從生產管理系統10或工程業務系統而經由輸入部12或輔助輸入部13所輸入的資訊，來藉由Q-time構造分析部43而對於Q-time構造進行分析。接著，在步驟S92中，係根據Q-time構造分析之結果、和從生產管理系統10或工程業務系統而經由輸入部22或輔助輸入部(JAMP法)23或者是輔助輸入部(JAMP-wS法)52所輸入的資訊，來實行階段轉換循環算定部53、裝置區分算定部54、JAMP-wS最適邏輯值計算部55之計算。於此，係將JAMP-wS最適邏輯值計算部55之算出結果和靈敏度解析部(JAMP-wS特性)58之算出結果，記憶在內部記憶58a中。
接著，在步驟S93中，係從JAMP-wS最適邏輯值計算部55，而將所算出之複數的常用裝置和代替裝置(以及常用能力和代替能力)之稼動次數和稼動時期、相關於常用裝置和代替裝置之預防維修開始、結束時期以及各裝置之階段轉換週期貨品種生產循環，經由開始結束時期算出部56而作輸入，在生產尖峰算定部64中，係算出生產
尖峰和各種生產風險，並記憶在內部記憶64a中。
接著，在步驟S94中，生產尖峰算定部64，係基於從輔助輸入部(CKB=JAMP-wS2法)62和內部記憶64a所輸入的資訊，來與靈敏度解析部(JAMP-wS特性)58之內部記憶58a作對照，並算出動性之生產尖峰等，而記憶在內部記憶64a中。
又，在步驟S95中，係能夠在生產尖峰算定部64處之計算中，使用裝置群生產周期相位設定部63之算定結果來進行生產尖峰之變形。
接著，係在最適指標產生裝置41計算模組73中，實行最適指標產生裝置41(第4實施形態)之特徵性的處理。
具體而言，在步驟S96中，係將相關於被包含在生產實行系統中之複數的裝置之資訊，經由生產管理系統來藉由輸入部12和輔助輸入部13和輔助輸入部(手續型CKB法)45而作輸入，並進而將根據從生產尖峰算定部64所輸入之資訊而藉由生產瓶頸、流量解析部42所作了解析的由複數之裝置所致的生產工程中之瓶頸場所以及最大流量、和由Q-time構造分析部43所致之分析結果作輸入，再送出使用手續實行控制部(CKB+PS法)48來對於全部的Q-time區間之最適管理指標作計算的指示。
接著，在步驟S97中，於最適管理指標之計算中，係將從最適裝載規則判定部19和Q-time構造分析部43和生產尖峰算定部64而來的資訊作輸入，在手續型CKB=
JAMP-wS2最適理論值計算部75處，係產生用以進行在作為對象之生產工程的全部之Q-time限制區間中之生產物流、庫存管理的最適指標，並經由指標算出部76來對於生產管理系統10或工程業務系統29或者是生產工程# 1之工程師或作業員作輸出，並且記憶在內部記憶76a中。
又，指標算出部76，係將內部記憶部76a和生產管理系統10或工程業務系統29等之生產實績或者是裝置關連業務實績之資訊作對照，並將用以進行在生產管理系統10處之生產指示或者是在工程業務系統29處之業務指示的資訊作輸出。在此些之生產指示或業務指示的各個處，係被附加有固有之辨識號碼等，而能夠利用在生產實績或業務實績和內部記憶部76a之間的對照中。
在指標算出部76處，雖係與第6實施形態之算出部66以及第4實施形態之算出部17A和開始結束時期算出部26相同，但是，在下述之點係為相異，亦即是，係對於生產工程全體，而將包含有維修或階段轉換等之工程業務的資訊和相關於生產物流、庫存管理之資訊的綜合性之生產、業務指示關連資訊作輸出。
靈敏度解析部(手續型CKB=JAMP-wS2法)77和靈敏度解析部(手續型CKB=JAMP-wS2性能)78，係具備有與靈敏度解析部(CKB=JAMP-wS2法)67和靈敏度解析部(CKB=JAMP-wS2性能)68相同之功能，但是，在該些之內部記憶部77a和78a中，係記憶有相對於生產工程之全體的靈敏度解析結果。
於此，針對第7實施形態中之特徵性的上述構成作說明。
最適指標產生裝置61計算模組72，係將根據從生產管理系統10和工程業務系統29而經由輸入部22和輔助輸入部(JAMP法)23和輔助輸入部(JAMP法)45和輔助輸入部(JAMP-wS法)52所輸入的資訊以及從輸入部12所輸入之資訊來進行了Q-time構造分析部43之功能的結果作輸入，並實行階段轉換循環算定部53、裝置區分算定部54、JAMP-wS最適邏輯值計算部55之計算。將JAMP-wS最適邏輯值計算部55之算出結果和靈敏度解析部(JAMP-wS特性)58之算出結果，記憶在內部記憶58a中。從JAMP-wS最適邏輯值計算部55，而將所算出之複數的常用裝置和代替裝置(以及常用能力和代替能力)之稼動次數和稼動時期、相關於常用裝置和代替裝置之預防維修開始、結束時期以及各裝置之階段轉換週期貨品種生產循環，經由開始結束時期算出部56而作輸入，在生產尖峰算定部64中，係算出生產尖峰和各種生產風險，並記憶在內部記憶64a中。生產尖峰算定部64，係基於從輔助輸入部(CKB=JAMP-wS2法)62和內部記憶64a所輸入的資訊，來與靈敏度解析部(JAMP-wS特性)58之內部記憶58a作對照，並算出動性之生產尖峰等，而記憶在內部記憶64a中。又，係能夠在生產尖峰算定部64處之計算中，使用裝置群生產周期相位設定部63之算定結果來進行生產尖峰之變形。
最適指標產生裝置41計算模組73，係實行最適指標產生裝置41(第4實施形態)之特徵性的處理。具體而言，係將相關於被包含在生產實行系統中之複數的裝置之資訊，經由生產管理系統來藉由輸入部12和輔助輸入部13和輔助輸入部(手續型CKB法)45而作輸入，並進而將根據從生產尖峰算定部64所輸入之資訊而藉由生產瓶頸、流量解析部42所作了解析的由複數之裝置所致的生產工程中之瓶頸場所以及最大流量、和由Q-time構造分析部43所致之分析結果作輸入，再送出使用手續實行控制部(CKB+PS法)48來對於全部的Q-time區間之最適管理指標作計算的指示。
最適指標計算部(手續型CKB=JAMP-wS2法)75，係將從最適裝載規則判定部19和Q-time構造分析部43和生產尖峰算定部64而來的資訊作輸入，在手續型CKB=JAMP-wS2最適理論值計算部75處，係產生用以進行在作為對象之生產工程的全部之Q-time限制區間中之生產物流、庫存管理和裝置群5之關聯業務的最適指標。相對於各Q-time限制區間之最適指標，係與最適指標產生裝置61(第6實施形態)所算出之指標相同。
最適指標計算部(手續型CKB=JAMP-wS2法)75之算出結果，係經由指標算出部76來對於生產管理系統10或工程業務系統29(或者是生產工程# 1之工程師或作業員)作輸出，並且記憶在內部記憶76a中
在第7實施形態中，係針對Q-time構造分析部43之
資訊處理，而使用圖81來作追加說明。首先，係從輸入部12以及輔助輸入部13，來將各製品個別之製造製程流程和Q-time限制之開始點、結束點以及Q-time限制之時間長度等作輸入。於此，開始點和結束點，係被指定為某一處理工程之處理開始或者是處理結束時間點。一般而言，多係將開始點設定為處理工程2之處理結束時間點，並將結束點設定為後續之處理工程3的處理開始時間點。在對於此些之相關於Q-time限制的資訊而施加了如同圖51中所示一般之適當的前置處理之後，如圖81中所示一般，根據相關於Q-time限制之資訊，而以開始點之裝置群(或者是處理工程)和結束點之裝置群(或者是處理工程)的連接行列來作表現。根據使用有處理工程順序裝置群Q-time行列之換算，來檢測出橫跨3個工程以上之Q-time限制。又，在以開始點和結束點之裝置群之對來將Q-time限制之資訊記錄在胞中的裝置群Q-time行列中，對於持有相同之裝置群的行或列中之正數值的胞之數量作計數，並確認該計數值是否為2以上，藉由此，係能夠將Q-time限制之開始點為相同的分歧構造、Q-time限制之結束點為相同的合流構造檢測出來。
在第7實施形態中，針對用以將具有並聯構造之生產工程變換為串聯構造並謀求計算之高速化的生產能力之分配方法作追加說明。
生產工程之並聯構造，係會起因於對同一裝置群作共用之多品種批量或反覆處理批量而發生。在並聯構造中，
係如同在第4實施形態中所示一般，包含有合流和分歧。例如當具有相異之屬性的在製品批量為了進行使用有同一裝置(同一裝置群)之處理而作合流的情況、或者是相反地當藉由同一裝置(同一裝置群)而作了處理的在製品批量接著係為了進行相異之處理而被分歧至相異之裝置(裝置群)處的情況等，係相當於此。一般而言，多品種生產批量之製造製程流程的差異，係會作為生產工程中之合流或分歧而展現出來。又，進而，在電子元件製造(半導體、平面面板顯示器等)中，會起因於為了形成3維構造而反覆進行形成各層之處理一事，而發生處理批量之合流、分歧。
將並聯構造變換為串聯構造一事，即係代表著將在被作共用之製造裝置中的生產能力分配至多品種、反覆生產批量處一事。針對相對於多品種生產一量之最適當的生產能力之分配，係藉由最適指標產生裝置61(第6實施形態)來作了展示。在第7實施形態中，係進而針對將對於具有相異之Q-time限制的反覆處理批量之生產能力的分配以生產率最大化一事作為目的而進行最適化的方法作展示。在針對同一品種之反覆處理批量所進行的裝置群之生產能力分配中，當將生產率最大化作為目的的情況時，藉由如同圖82中所示一般之證明，係證明了：以均等地將生產能力分配至反覆處理批量處一事、亦即是將反覆處理批量之生產率(亦稱作產率)設為同等一事，係為最適。但是，此處之所謂均等，係為一定期間之平均值。於此，
將此生產能力分配之規則，稱作REFS(Re-entrant flow Smoothing)。係要求有下述一般之多目的的達成：亦即是，係要求能夠在謀求生產率之最大化的同時，亦更進而遵守工程間之滯留時間的限制(Q-time限制或交貨期等)並且也將階段轉換時間減低。於此，藉由(1)將生產能力之分配作均等化以及(2)如同圖77中所示一般地而制定能夠遵守工程間之滯留時間的限制並且也能夠將階段轉換時間減低一般之共用裝置的切換周期，係能夠實現可達成多目的之最適當的生產物流、庫存管理。
將針對複數之Q-time限制區間的生產能力之最適當的分配方法，在以下之(A)、(B)的前提下，而分成(i)、(ii)之情況來實現之。如此這般，係制定為使複數之工程共用同一裝置群並且在各工程中之Q-time限制時間係互為相異的情況下之處理。
(A)被分配至各工程j1、j2中之機械台數α j1m、α j2m，係並不被限定於整數。
(B)當並非為整數的情況時，係對於如同圖77一般之使用台的期間和使用()台的期間作切換處理。於此，係為。此時，遵守在各個工程j中之Q-time限制TQj的條件，係可藉由以下之(i)或(ii)來作記述。於此，係將λ j設為批量之平均到達率，將μj設為從工程j之平均處理時間所換算出的平均營運率，並設為。
在同一之裝置中而同時進行處理的品種規格數，係被限定為1個。因此，在被複數品種所共用之裝置中，係以進行階段轉換而將相異之品種在相異之時期中作處理的形態，來作共用。
將圖77中所示之2品種的例子，擴張為3品種以上之一般形態。
作為存在有3次以上之反覆處理的情況，將在處理工程i中之Q-time限制設為TQi(i=1、2、…、n)，又，將處理工程i對於共用裝置作使用的期間設為TXi。
藉由對於在期間TXi中而對共用裝置作使用之工程i和在期間TXi中而並不使用共用裝置之j的Q-time限制TQj全部作遵守，並且將階段轉換週期最大化，來實現階段轉換之最小化。
將各i之目標生產率平均設為λ，將在期間TXi中而被作分配的裝置台數設為(mi+1)，將每單位裝置之處理能力設為μi，並將在Txi期間以外而累積的在製品數量設為Li。在對象裝置群中之總裝置台數m和被分配至各i中之基本裝置台數mi、共用裝置台數ms之間的關係，係成為
於此，在最適能力分配比中，係成為
在並不使用共用裝置之期間中所滯留的在製品數Li，係有必要在對於共用裝置作使用之期間TXi中而解決。故而，針對全部的i，係成為
又，各工程i於在製品發生之期間內所發生的在製品之最大等待時間，係不可超過被Q-time限制所限制之最大等待時間。故而，針對全部的i，係成為
根據數式52和數式53，針對全部的i，滯留在製品數量Li，係被「能夠在TXi之期間中而消化的在製品數量」或者是「能夠遵守Q-time限制」之中的較嚴格的條件所限制。
特別是，在被附加有最為嚴格之Q-time限制的工程k中，係成為
故而，係成為
又，在k以外的期間中，在製品係全部被解決。
但是，根據數式56，此係僅侷限於成立的
情況中。因此，係空出有剩餘資源t i (t i 0)，並以下述之一般形態來作表現。
如此一來，則數式56、57，係成為如同下述數式58、59一般。
藉由以上數式，將針對k所求取出之值固定，而亦針對順序i來作計算。
在第7實施形態中，係展示有進而基於在圖72所示之最適指標產生裝置61(第6實施形態)中的生產尖峰和風險之算定，來制定適當之庫存的配置場所和數量以縮短生產期間的方法。首先，針對生產期間之縮短的重要性作說明。在生產工程中，將由於高價而使得台數有所限制的對於生產工程全體之生產率有決定性影響的資源性之瓶頸(例如，在半導體製造中之光微影裝置等)維持於高生產能力一事，係為重要。但是，在實際情況中，會有起因於資源性之瓶頸或非資源性之瓶頸處的裝置之由於維修或故障等所導致的裝置之停止，而發生裝置群之生產能力的降低，並引發生產物流之變動(特別是裝置群之生產率降
低至瓶頸之(目標或最大)生產率以下的低下期以及其後之恢復期所形成的生產尖峰)，並作為生產物流而傳播至瓶頸場所處，而使資源性之瓶頸的生產率降低的情形。又，在資源性之瓶頸的前後等處，係存在有Q-time限制區間，在Q-time限制區間中之生產物流控制，係會有對於資源性之瓶頸的生產率造成影響的情形。為了將由於此種裝置群之生產能力的變化和Q-time限制區間之生產物流控制所導致的影響作吸收，在半導體製造工程中，一般而言，係於工程之間配備有多量的中間庫存(作為實際情況，係被儲存在工廠中之儲藏庫或者是般送路徑上之緩衝區中)。起因於此中間庫存之影響，在半導體製造中，生產期間的40~65%程度係被工程間之處理等待時間所佔據，並成為導致長久之生產期間(一般而言，1.5~2.5個月)的原因，並且無法提昇時間競爭力，而也會成為製品之呆滯化(dead stock)的其中一個原因。
在第7實施形態中，為了解決生產期間之問題，係展示有圖83中所示之到達連動集中庫存形方式和圖84中所示之階段性變動吸收分散庫存型方式的2種之方式。將資源性之瓶頸間和動性瓶頸間和Q-time限制區間作為管理單位(稱作工程管理模組)，藉由此些之方法，來制定最小之安全庫存量的配置和數量。
此係指將由於在生產工程中而發生之裝置停止(預防
維修時)所導致的生產物流率之尖峰，整合至並未被附加有Q-time限制等之作為製造條件的時間性限制之工程區間中並使其持有中間庫存而作剔除，並藉由此而使由於該裝置停止所導致的物流變動不會傳播至後續之資源性之瓶頸工程(光微影工程)等處的方式。於此，在工廠中，由於本質上的問題，係在於基本上採用有與此相同的想法而保持有「大量的庫存」一事，因此，此處之課題，係在於將此用以除去尖峰之庫存量作適當化(最小化)一事。在到達連動集中庫存型方式中，係在變動為少而且並未被設定有Q-time限制等一般之生產風險為小的工程區間中，設置安全庫存，並以無關於發生了能力降低之工程的批量退出(生產物流率)之變化地來使配置有安全庫存之工程以後的工程之生產率成為一定(平準)的方式，來進行控制。另外，在此方法中，於Q-time限制區間中，原則上，係藉由手續型CKB=JAMP-wS2法，來與由於裝置停止所發生之低下期和恢復期之生產能力(生產率)相連動地而對於Q-time限制之CKB法最適管理值作再計算、再設定。當並未在各工程之間配置有多餘之庫存的情況時，只要工程的利用率不要超過100%，則係以追隨於批量之到達的方式來連動稼動。如同圖83一般，為了將由於裝置集中停止時間td所發生的尖峰作除去之中間庫存Lr，係成為Lr=λ 0tr。於此，為了在並未被附加有限制的工程區間中而整個除去，係成為tr=td。
到達連動集中庫存型方式之優點，係在於：係成為能
夠藉由庫存之集中，而藉由更少的庫存來達成同一營運水準之點。又，係在於能夠將在前方之複數的工程中之裝置停止的影響一次作吸收之點。在到達連動集中庫存型方式中所能夠想到的缺點，係可列舉出：並未對於如同批次處理工程一般之需要一定量之庫存的工程之中間庫存作活用之點、以及當全部的區間均被附加有Q-time限制的情況時便無法作對應之點。
(事例)圖58中所示之非專利文獻1的生產工程模式：針對在光微影~「DRY1-WET(1)-Fur(1)-DRY2-WET(2)-N2-Fur(2)」~光微影的區間中，而發生了Fur(1)之預防維修的情況的例子，來進行說明。
Fur(1)，在定常時，係為利用率80%程度。
於此，假設在Fur(1)中，發生了Fur(1)之利用率超過100%一般的裝置停止。此係為如同前述一般之在同時間中而一定台數以上之裝置由於維修或故障等而作了停止的情況(雖然為了不會發生此種降低而將維修時期作了分散化，但是卻仍然發生了的情況)。
當預先知道會陷入此種低下期的情況時，係如同第3實施形態中所示一般，在特定之時間點處，而預先對相關於Fur(1)之Q-time限制區間：DRY1-WET(1)-Fur(1)之最適在製品管理值作再計算並且作置換，並藉由此來防止Q-time限制之超過，並謀求目標生產率之達成(第3實施形態)。
於此，Q-time限制區間之最終工程：Fur(1)的批量退出率，係成為與處理開始相同的形態，而在定常期、低下期、恢復期之間作大幅度變化。以不會使此生產物流率之生產尖峰傳播至接下來的資源性之瓶頸裝置群(光微影工程)處的方式，來迅速地在後續之非Q-time限制區間：Fur(1)-Dry(2)中而除去。為了達成此，係將Dry(2)之在製品批量(中間庫存)作能夠吸收最大之生產尖峰的程度之積存。
此種中間庫存，係並不需要一直作積存。假設在像是預防維修等之預先決定了實施時期的情況時，係只要配合於該時期而預先作積存即可(例如，在Dry(2)中，由於係會發生偶發性故障，因此，也會有將在此時所無法處理完畢者的量作積存之機會)。
伴隨著半導體加工尺寸之細微化(高度化)，在生產工程中之Q-time限制區間係不斷的增加，因此，若是如同到達連動集中庫存型方式一般地而限定為在Q-time限制區間中係並不針對生產物流率之尖峰作對應，則會有導致此尖峰減低之限度的問題。又，使其持有中間庫存之工程，係適合於像是批量型等之一般之起初便需要一定以上之庫存的工程、或者是裝置並不容易發生偶發性故障之裝置群，然而，此些係並非一定會存在於Q-time限制區間以外。若是舉出先前之工程模式的例子，則WET和FUR，係為身為批量型並且幾乎不會發生偶發性故障的裝置之典型的例子。因此，係考慮以下之階段性變動吸收分
散庫存型方式的利用。
此方式之與到達連動集中庫存型方式之間的差異，係在於不論有無Q-time限制，均對於批次處理工程等之需要一定之庫存的工程區間之庫存作活用，並依序盡可能地將生產尖峰逐漸減低。又，為了減少與資源性之瓶頸工程的目標生產率之間的乖離，係對於在批次工程中之裝載大小作適當的變更。
為了將如同圖84一般之由於裝置集中停止時間td所發生的尖峰作除去之中間庫存Lri，係成為Lri=λ 0tri。
於此，由於係被附加有限制，因此，當限制時間Tqi<tr1時，係為tr1=Tq1。
而，後續限制區間之時間長度tr(i+1)，係成為
階段性變動吸收分散庫存型方式之優點，係在於就算是在由於製程之高度化的影響而導致不斷增加之Q-time限制作散佈存在之生產工程中，亦係對於各工程之中間庫存作活用並盡可能地將生產尖峰作階段性的減低，而將在更早之階段下來防止對於資源性之瓶頸工程的尖峰之傳播之可能性提高。又，係將在批次工程中之裝載以與生產工程全體相合致的方式來作了最適化。在階段性變動吸收分
散庫存型方式中所能夠想到的缺點，係在於若是容許在批次工程中而將裝載大小縮小，則在同一期間長度中，會成為使裝載次數增加，在熱處理爐(Fur)等的裝置群中，會有使預防維修週期變短的情形，而需要多加注意。
使用事例，針對階段性變動吸收分散庫存型方式之動作作說明。
先前之圖58的生產工程模式之DRY1和DRY2，由於係為採用有不安定之電漿系製程的裝置，因此係會發生偶發性故障。另外，由於DRY1和DRY2係均為Q-time限制區間之開頭工程，因此，在Q-time限制之遵守上係並不會產生問題。係成為不存在有會由於故障而強制發生處理終止等的批量(晶圓群)。
在身為作為一般性之運用條件而Fur之稼動率成為80%(通常可動，無停止)的光微影工程之平均生產率的情況時，在DRY1處而發生低下期一事，係為同時出現有10台以上之停止的情況。(當DRY1之全部裝置為16台，且DRY2亦具有其他之裝置共16台的模式)
在前面之工程j(例如DRY1)中由於故障而導致裝置停止，起因於此影響，係成為低下期(生產率μ_(d，j)<初始目標生產率(平均)λ)。就算低下期開始，在下一個工程(WET(1))以後，係一面遵守Q-time限制，一面以相同的生產率(初始目標生產率(平均)λ)來持續進行處理，直到中間庫存(在製品批量)成為一定以下為止。
在中間庫存成為了一定以下(若是未特別限定，則為0)之後，係配合於到達批量而開始處理(低下期之結束時間點=恢復期之開始時間點為止)。
當恢復期之DRY1的生產率μ_(r，j)(=對於WET(1)之批量到達率)為勝過WET(1)之平均處理能力的情況時，在WET(1)處之批量在製品數係逐漸增加。若是該在製品數到達了能夠遵守Q-time限制之最大批量數，則CKB法之上限管理係再度開始產生作用(圖84之變化點)。
於此情況，在CKB最適值計算中所使用之平均到達率，係成為前面之工程(Dry1)之恢復期的生產率μ_(r，j)(>λ)。由於低下期之期間td和初始目標生產率(平均)λ係為已知，因此係能夠對於恢復期之長度Y作估算。Y=td(λ-μ_(d，j))/μ_(r，j)。就算是發生偶發故障時，也能夠對於恢復結束時間點作推估。
如此這般，就算是在裝置停止之後續工程中而為Q-time限制區間，亦能夠一面遵守Q-time限制一面階段性地將生產物流之尖峰減少。
在第7實施形態中，係作為第4實施形態和第6實施形態之變形例，而對於下述之方法作展示：亦即是，係為對於複合尖峰作分析，並藉由最小之安全庫存來將在作為對象之生產工程中的生產尖峰作吸收，而一面防止在對於生產工程全體之生產率作決定的資源性之瓶頸中的生產率降低，一面謀求庫存之削減和生產期間的縮短，其中，所
謂複合尖峰，係為針對作為管理對象之生產工程的全部之裝置群，而將在起因於藉由JAMP-wS法所算定的維修或階段轉換時期所發生的靜性生產尖峰中亦配合有動性之故障等所導致的動性生產尖峰，在複數之生產工程中而作了重疊者。
參考圖85，針對本發明之第8實施形態的最適指標產生方法作說明。另外，本實施形態，其特徵係在於：針對構成第1實施形態之最適指標產生裝置的各部之動作，而使處理器實行以下述之流程圖所展示的程式。各步驟，係對於軟體模組之動作內容作展示，針對詳細之動作內容，由於係在第1實施形態中有所記載，因此係省略其說明。
若是對於最適指標產生裝置而投入電源，則CPU係將從輔助記憶部所讀入的OS在RAM上起動並實行之。而，CPU，係在此OS上，作為從輔助記憶部而讀出至RAM上之應用程式軟體的其中一例，而實行下述之最適指標產生應用程式。
另外，在本實施形態中，其特徵係在於：對於對用以生產多品種之製品的複數之裝置進行控制的生產管理系統，而供給相關於前述複數之裝置和製品的指標資訊。
首先，在步驟S301中，係將相關於複數之裝置和製品的資訊，經由生產管理系統來作輸入。接著，在步驟
S303中，係計算出會成為使關連於製品之到達的批次組織等待時間和Q-time限制之上限值之間的大小關係被作切換的到達率之邊界值，並對於適當之裝載規則作判定。
接著，在步驟S303中，係根據所輸入之資訊，來對於代表由複數之裝置所致的加工工程之間之滯留時間的限制值之Q-time構造作分析，並記憶在內部記憶部14a中。
接著，在步驟S304中，係基於所輸入之資訊以及Q-time構造，而對於各品種之最適的看板枚數以及緩衝區大小作計算。
接著，在步驟S305中，係將計算出的資訊作為指標資訊而輸出。接著，在步驟S306中，係將計算出的最適指標資訊和裝載規則供給至生產管理系統處。
又，若是參考圖86中所示之流程圖，則在步驟S311中，係對於藉由步驟S304所算出之最適指標資訊，而預先進行靈敏度解析，並記憶在內部記憶部中。在步驟S312中，係將與各種輸入資訊之變動相對應的最適之指標資訊，即時性地供給至生產管理系統處。
又，若是參考圖87中所示之流程圖，則在步驟S315中，係與後續工程區間或者是前方工程區間之產率的變化相連動，而對於看板枚數或緩衝區大小作變更。
又，若是參考圖88中所示之流程圖，則在步驟S317中，係以不會超過能夠在加工工程間而作等待之最大批量數的方式，來對於被設置在由前述複數之裝置所致的加工
工程間之緩衝區的大小作限制，藉由此，來對於先行工程之製品的輸出作限制。
又，若是參考圖89中所示之流程圖，則在步驟S318中，係以不會使Q-time限制區間內之瓶頸場所的流量強度超過1的方式來作控制。在步驟S319中，當流量強度為較1更大的情況時，λ係設為流量強度(ρ)為1時之投入率。
又，若是參考圖90中所示之流程圖，則在步驟S320中，係藉由各製品品種以及各處理條件之看板枚數，來對滯留於Q-time限制區間內之批量的數量作限制，並藉由空看板來對於各批量之處理開始時期作控制。
接著，參考圖91，作為本發明之第8實施形態的最適指標產生方法之變形例，作為使設置在伺服器處之處理器來實行下述之流程圖中所展示的情況之例來作說明。
另外，在本變形例中，其特徵係在於：係由對於對用以生產多品種之製品的複數之裝置進行控制的生產管理系統而透過通訊線路來送訊相關於複數之裝置和製品的指標資訊之伺服器來實行之。又，在伺服器中係設置有通訊控制部，並設為使通訊控制部透過通訊線路來與生產管理系統進行資訊之通訊。
首先，在步驟S321中，係將相關於複數之裝置和製品的資訊，經由生產管理系統來作受訊。接著，在步驟S322中，係根據所受訊之資訊，來對於代表由複數之裝置所致的加工工程之間之滯留時間的限制值之Q-time構
造作分析，並記憶在內部記憶部中。
接著，在步驟S323中，係將計算出的資訊作為指標資訊而輸出。
接著，在步驟S324中，係計算出會成為使關連於製品之到達的批次組織等待時間和Q-time限制之上限值之間的大小關係被作切換的到達率之邊界值，並對於適當之裝載規則作判定。
接著，在步驟S325中，係基於所受訊之資訊以及Q-time構造，而對於各品種之最適的看板枚數以及緩衝區大小作計算。接著，在步驟S326中，係將計算出的最適指標資訊和裝載規則送訊至生產管理系統處。
如同上述一般，作為在遵守Q-time限制的同時也不會使其他的性能指標惡化之生產排程手法，係能夠透過在計算速度、精確度、實用性等之定性評價為高的CKB法之建構以及性能的評價，而達成目的。
參考圖92，針對本發明之第9實施形態的最適指標產生方法作說明。另外，本實施形態，其特徵係在於：針對構成第4實施形態之最適指標產生裝置的各部之動作，而使處理器實行以下述之流程圖所展示的程式。各步驟，係對於軟體模組之動作內容作展示，針對詳細之動作內容，由於係在第1實施形態中有所記載，因此係省略其說明。
若是對於最適指標產生裝置而投入電源，則CPU係將從輔助記憶部所讀入的OS在RAM上起動並實行之。而，CPU，係在此OS上，作為從輔助記憶部而讀出至RAM上之應用程式軟體的其中一例，而實行下述之最適指標產生應用程式。
另外，在本實施形態中，其特徵係在於：對於對被設置在用以生產多品種之製品的生產實行系統中的複數之裝置進行控制的生產管理系統，而供給相關於複數之裝置的指標資訊。
接著，在步驟S331中，係將相關於在生產實行系統中所包含之複數之裝置和製品的資訊，經由生產管理系統來作輸入。
接著，在步驟S332中，係根據所輸入的資訊，來對於由複數之裝置所致的加工工程中之瓶頸場所以及最大流量作解析。
接著，在步驟S333中，係根據所輸入之資訊，來對於存在有1個以上的Q-time限制之Q-time限制區間的構造作分析，並記憶在內部記憶部中。
接著，在步驟S334中，係使用在S333中而記憶於內部記憶部中之資訊，來判斷是否對於全部的Q-time限制區間而結束了最適指標計算。當結束了最適指標計算的情況時，係前進至步驟S339處。當並未結束最適指標計算的情況時，係前進至步驟S335處。
接著，在步驟S335中，係計算出會成為使關連於製
品之到達的批次組織等待時間和Q-time限制之上限值之間的大小關係被作切換的到達率之邊界值，並對於適當之裝載規則作判定。
進而，在步驟S336中，係將複數之裝置區分成具備有常用能力之常用裝置和具備有代替能力之代替裝置。
接著，在步驟S337中，係對於Q-time限制區間中之瓶頸場所以及最大流量作解析。
接著，在步驟S338中，係基於瓶頸場所、最大流量以及前述Q-time構造，來對於各品種之最適當的看板枚數以及緩衝區大小和相關於常用裝置與代替裝置之生產負載及預防維修開始時期作計算，並作為指標資訊而記憶在內部記憶部中，再前進至步驟S334處。
接著，在步驟S339中，係將在步驟S338中而記憶於內部記憶部中之最適當的指標資訊供給至生產管理系統或工程業務系統處，並且將藉由時間指標算出步驟所算出之最適當的指標資訊供給至生產管理系統處，而結束處理。
又，若是參考圖93中所示之流程圖，則在步驟S341中，係對於在被包含於生產實行系統中之製造流程全體中而散布存在的所有之Q-time限制同時作管理。
又，若是參考圖94中所示之流程圖，則在步驟S343中，係為了與在被包含於生產實行系統中之製造流程全體中的生產流量或工程能力之變動相對應地來對於Q-time限制同時作管理，而對於在製造流程中之瓶頸場所和各工程的最大流量作解析。
接著，參考圖95，作為本發明之第9實施形態的最適指標產生方法之變形例，作為使設置在伺服器處之處理器來實行下述之流程圖中所展示的情況之例來作說明。
另外，在本實施形態中，其特徵係在於：係由對於對被設置在用以生產多品種之製品的生產實行系統中的複數之裝置進行控制的生產管理系統而經由通訊線路來送訊相關於前述複數之裝置的指標資訊之伺服器來實行之。又，在伺服器中係設置有通訊控制部，並設為使通訊控制部透過通訊線路來與生產管理系統進行資訊之通訊。
接著，在步驟S351中，係將相關於在生產實行系統中所包含之複數之裝置和製品的資訊，經由生產管理系統來作受訊。
接著，在步驟S352中，係根據所受訊的資訊，來對於由複數之裝置所致的加工工程中之瓶頸場所以及最大流量作解析。
接著，在步驟S353中，係根據所受訊之資訊，來對於存在有1個以上的Q-time限制之Q-time限制區間的構造作分析，並記憶在內部記憶部中。
接著，在步驟S354中，係使用在S353中而記憶於內部記憶部中之資訊，來判斷是否對於全部的Q-time限制區間而結束了最適指標計算。當結束了最適指標計算的情況時，係前進至步驟S359處。當並未結束最適指標計算的情況時，係前進至步驟S355處。
接著，在步驟S355中，係計算出會成為使關連於製
品之到達的批次組織等待時間和Q-time限制之上限值之間的大小關係被作切換的到達率之邊界值，並對於適當之裝載規則作判定。
進而，在步驟S356中，係將複數之裝置區分成具備有常用能力之常用裝置和具備有代替能力之代替裝置。
接著，在步驟S357中，係對於Q-time限制區間中之瓶頸場所以及最大流量作解析。
接著，在步驟S358中，係基於瓶頸場所、最大流量以及前述Q-time構造，來對於各品種之最適當的看板枚數以及緩衝區大小作計算，並作為指標資訊而記憶在內部記憶部中，再前進至步驟S354處。
接著，在步驟S359中，係將在步驟S358中而記憶於內部記憶部中之最適當的指標資訊送訊至生產管理系統或工程業務系統處，並且將藉由時間指標算出步驟所算出之最適當的指標資訊送訊至生產管理系統處，而結束處理。
藉由此，係能夠提供一種就算是針對在先前技術中所無法達成的容易引發Q-time限制之違反的狀況，亦能夠確實地遵守Q-time限制，並達成良品產率之提昇和成本降低以及環境負荷和資源、能源消耗之降低的最適作動管理條件。
又，亦能夠對於身為違反Q-time限制之主要原因的多品種生產的處理、裝置之預防維修、複數之Q-time限制的相互干涉，而賦予解析方法和適當之管理手法，並藉由此來在遵守Q-time限制的同時亦達成良品產率之提昇
和成本降低、環境負荷降低。
參考圖96，針對本發明之第10實施形態的最適指標產生方法作說明。另外，本實施形態，其特徵係在於：針對構成第2實施形態之最適指標產生裝置的各部之動作，而使處理器實行以下述之流程圖所展示的程式。各步驟，係對於軟體模組之動作內容作展示，針對詳細之動作內容，由於係在第1實施形態中有所記載，因此係省略其說明。
若是對於最適指標產生裝置而投入電源，則CPU係將從輔助記憶部所讀入的OS在RAM上起動並實行之。又，係具備有下述特徵：亦即是，CPU，係在此OS上，作為從輔助記憶部而讀出至RAM上之應用程式軟體的其中一例，而實行下述之最適指標產生應用程式。
另外，在本實施形態中，其特徵係在於：對於對用以生產多品種之製品的複數之裝置進行控制的生產管理系統，而供給相關於前述複數之裝置的指標資訊。
首先，在步驟S361中，係將相關於複數之裝置的資訊，經由生產管理系統來作輸入。進而，在步驟S362中，係將複數之裝置區分成具備有常用能力之常用裝置和具備有代替能力之代替裝置。接著，在步驟S363中，係根據所算定之裝置區分和所輸入的資訊，來算出複數之常用裝置和代替裝置的稼動次數(生產負載)以及稼動時
期。
接著，在步驟S364中，係根據計算出之結果，來算出相關於常用裝置和代替裝置之預防維修開始、結束時期。接著，在步驟S365中，係將計算出的最適之開始結束時期資訊供給至生產管理系統或工程業務系統處。
又，若是參考圖97中所示之流程圖，則在步驟S371中，係對於藉由最適理論值計算步驟所算出之最適之開始結束時期資訊，而預先進行靈敏度解析，並記憶在內部記憶部中。接著，在步驟S372中，係將與各種輸入資訊之變動相對應的最適之指標資訊，即時性地供給至前述生產管理系統處。
接著，參考圖98，作為本發明之第10實施形態的最適指標產生方法之變形例，作為使設置在伺服器處之處理器來實行下述之流程圖中所展示的情況之例來作說明。
另外，在本變形例中，其特徵係在於：係由對於對用以生產多品種之製品的複數之裝置進行控制的生產管理系統而透過通訊線路來送訊相關於複數之裝置的指標資訊之伺服器來實行之。又，在伺服器中係設置有通訊控制部，並設為使通訊控制部透過通訊線路來與生產管理系統進行資訊之通訊。
首先，在步驟S381中，係將相關於複數之裝置的資訊，經由生產管理系統來作受訊。進而，在步驟S382中，係將複數之裝置區分成具備有常用能力之常用裝置和具備有代替能力之代替裝置。接著，在步驟S383中，係
根據所算定之裝置區分和所受訊的資訊，來算出複數之常用裝置和代替裝置的稼動次數(生產負載)以及稼動時期。
接著，在步驟S384中，係根據計算出之結果，來算出相關於常用裝置和代替裝置之預防維修開始、結束時期。接著，在步驟S385中，係將計算出的最適之開始結束時期資訊送訊至生產管理系統或工程業務系統處。
參考圖99，針對本發明之第11實施形態的最適指標產生方法作說明。另外，本實施形態，其特徵係在於：針對構成第3實施形態之最適指標產生裝置的各部之動作，而使處理器實行以下述之流程圖所展示的程式。各步驟，係對於軟體模組之動作內容作展示，針對詳細之動作內容，由於係在第1實施形態中有所際載，因此係省略其說明。
若是對於最適指標產生裝置而投入電源，則CPU係將從輔助記憶部所讀入的OS在RAM上起動並實行之。而，CPU，係在此OS上，作為從輔助記憶部而讀出至RAM上之應用程式軟體的其中一例，而實行下述之最適指標產生應用程式。
另外，在本實施形態中，其特徵係在於：對於對被設置在用以生產多品種之製品的生產實行系統中的複數之裝置進行控制的生產管理系統，而供給相關於前述複數之裝
置的指標資訊。
接著，在步驟S391中，係將相關於在生產實行系統中所包含之複數之裝置和製品的資訊，經由生產管理系統來作輸入。
接著，在步驟S392中，係根據所輸入之資訊，來對於代表由複數之裝置所致的加工工程之間之滯留時間的限制值之Q-time限制作分析，並記憶在內部記憶部中。
接著，在步驟S393中，係將相關於在生產實行系統中所包含之複數之裝置的資訊，從生產管理系統來作輸入。進而，在步驟S394中，係將複數之裝置區分成具備有常用能力之常用裝置和具備有代替能力之代替裝置。
接著，在步驟S395中，係根據所算定之裝置區分和所輸入的資訊，來算出複數之常用裝置和代替裝置的稼動次數以及稼動時期。接著，在步驟S396中，係算出相關於常用裝置和代替裝置之預防維修開始時期。
接著，在步驟S397中，係基於所輸入之資訊和Q-time構造以及預防維修開始時期，而對於各品種之最適的看板枚數以及緩衝區大小作計算，並作為指標資訊而輸出。
接著，在步驟S398中，係將所算出的最適之開始結束時期資訊供給至生產管理系統和工程業務系統處，並且對於根據所算出之開始結束時期而制定的工程能力為互為相異之各期而言為最適之指標資訊，供給至生產管理系統處。
又，若是參考圖100中所示之流程圖，則在步驟S401中，係對於所算出之最適之指標資訊以及開始結束時期，而預先進行靈敏度解析，並記憶在內部記憶部中。
接著，在步驟S402中，係將與各種輸入資訊之變動相對應的最適之指標資訊以及開始結束時期資訊，即時性地供給至生產管理系統處。
接著，參考圖101，作為本發明之第11實施形態的最適指標產生方法之變形例，作為使設置在伺服器處之處理器來實行下述之流程圖中所展示的情況之例來作說明。
另外，在本實施形態中，其特徵係在於：係由對於對被設置在用以生產多品種之製品的生產實行系統中的複數之裝置進行控制的生產管理系統而經由通訊線路來送訊相關於前述複數之裝置的指標資訊之伺服器來實行之。又，在伺服器中係設置有通訊控制部，並設為使通訊控制部透過通訊線路來與生產管理系統進行資訊之通訊。
首先，在步驟S411中，係將相關於在生產實行系統中所包含之複數之裝置的資訊，經由生產管理系統來作受訊。接著，在步驟S412中，係根據所受訊之資訊，來對於代表由前述複數之裝置所致的加工工程之間之滯留時間的限制值之Q-time限制作分析，並記憶在內部記憶部中。
接著，在步驟S413中，係將相關於在生產實行系統中所包含之複數之裝置的資訊，從生產管理系統來作受訊。接著，在步驟S414中，係將複數之裝置區分成具備
有常用能力之常用裝置和具備有代替能力之代替裝置。接著，在步驟S415中，係根據所算定之裝置區分和所受訊的資訊，來算出複數之常用裝置和代替裝置的稼動次數以及稼動時期。
接著，在步驟S416中，係算出相關於常用裝置和代替裝置之預防維修開始時期。
接著，在步驟S417中，係基於所受訊之資訊和前述Q-time構造以及預防維修開始時期，而對於各品種之最適的看板枚數以及緩衝區大小作計算，並作為指標資訊而輸出。
接著，在步驟S418中，係將所算出的最適之開始結束時期資訊送訊至生產管理系統和工程業務系統處，並且對於根據所算出之開始結束時期而制定的工程能力為互為相異之各期而言為最適之指標資訊，送訊至生產管理系統處。
首先，針對第6實施形態之問題點作說明。
藉由第6實施形態，係能夠對於設備或人員之稼動、維修、階段轉換之最適當時期、和在遵守多品種製品之交貨期或Q-time限制的同時亦能夠將生產率最大化之製品在製品的最適之處理順序，同時地作計算。然而，此最適指標產生方法，係僅侷限在設備、人員之最適當運用。
因此，在第12實施形態中，係對於第6實施形態作
應用，而進而以實現設備人員規劃之高精確度化和生產計畫之實行可能性的提升並且實現成本削減和利益提昇一事作為目的。
為了達成大幅度的成本削減，係成為有必要將相關於投資或利益的計畫之設備人員規劃作高精確度化，並預先削減對於設備等之投資的多餘花費。於此，所謂設備人員規劃，係指為了基於生產計畫而在特定之時期中來生產特定之製品品種和數量所算定的生產設備和人員之規劃。設備人員之規劃，係從各種關連業務部門來收集以處理時間等之製造條件、生產計畫和投入出貨計畫、設備之停止時間和可動率、在製造中之設備的實行稼動率等為主之4種類的資訊，並進行規劃。此些之資訊的精確度，係決定設備人員規劃之精確度和實行可能性。設備人員規劃之規劃精確度和實行可能性，係對於企業之利益規劃造成直接影響。
為了達成設備之計畫的高精確度和多餘花費之削減，係成為有必要對由於設備之維修等所導致的停止和由於伴隨著在多品種生產中之設備共用而產生的階段轉換作業所導致之停止作考慮，並對於能夠在同時期中稼動之設備的數量正確地作計算。又，係有必要將裝置停止之影響作為生產風險而定量化，並對於用以進行為了達成生產計畫所必要的風險對應之剩餘數量和設備性能作適當的制定。因此，係對於在第6實施形態中所展示的最適指標產生方法作應用。
在設備規劃之先前技術中，係經驗性地或者是直覺性地對於剩餘量作制定，而有著並未將剩餘量作最適化之問題，又，也有著設備人員規劃之計算規則和生產實行之運用規則係為相異而成為實行可能性為低之規劃的問題。此些之問題，係可藉由本發明之技術來作解決。
在第6實施形態中，係對於以下3點作算定。
(1)藉由設備維修之時期的分散化和最適化，而進行能夠在同時期中稼動的設備數量和性能以及能夠生產之製品品種、數量之算定。又，相反的，進行會在同時期中而停止之設備的數量和性能以及無法達成生產計畫之製品品種、數量之算定。
(2)進行在設備之稼動期間中的最適當之多品種的生產順序和階段轉換時期之算定。
(3)進行對於階段轉換時間作活用並將設備之維修時期作分散化的裝置對製品品種之分配以及維修順序之算定。
首先，針對第12實施形態之設備數量的規劃方法作說明。
根據上述(1)之能夠在同時期而稼動的設備數量和性能、以及能夠生產之製品品種、數量，係能夠判斷作為生產計畫是否為滿足作為目標之製品品種和數量的條件。又，基於根據在同時期而停止之設備的數量和性能以及無法達成生產計畫之製品品種、數量的算定而作了定量化之生產風險，係能夠作為進行設備投資之追加或者是生產計畫之減產或交貨期變更之任一者的決策之方針來作利用。
藉由將此設備規劃從高價之設備群起來依序作算定，係能夠實現與資源性瓶頸相配合了的生產線平衡。
設備規劃之處理程序，係如同下述一般。
首先，根據藉由生產計畫所制定之製品品種i的生產數量Ni、和在各工程j中之處理時間t_ij、以及交貨期Dd_i，而算定出暫定設備台數Nt。
接著，藉由暫定裝置台數Nt和依據生產負載計畫等所制定的涵蓋生產期間全體之裝置的平均稼動率目標(或者是，實效稼動率之平均)Up的乘積，來算定出基準裝置台數M=Nt×Up。於此，若是將根據實施形態6之維修計畫所算定的裝置群k中之基準裝置台數設為Mk，並將同時停止裝置台數之最大值設為Nd(k)，則同時可稼動台數之最小值，係成為(Mk-Nd(k))。
又，裝置之在可動期間中的稼動率，係根據目標生產率(生產負載)和在第6實施形態中所示之最適階段轉換週期而制定之。求取出在裝置j之可動期間Tu_j中的製品品種i之處理持續時間Tp_ij，在可動期間中之裝置群的稼動率，係藉由數式60而求出。此稼動率，係為可作為業務而實行之高精確度的計畫值。又，在可動期間中之裝置群的平均稼動率，係藉由數式61而求出。
對於涵蓋生產期間全體之目標生產率平均Ap，當並不滿足下述數式62的情況時，能夠判定出係發生有無法達成目標生產率或時間性限制(交貨期或Q-time限制等)之生產風險。
在該生產風險並非為能夠容許之範圍的情況時，係有必要將M增加或者是對於生產量或交貨期作變更。滿足數式62之最小的M，係成為能夠遵守目標生產率平均Ap之必要裝置台數。
以上，藉由基於最適當之維修、階段轉換計畫的同時可動台數或稼動率，係能夠算定出適當之裝置台數，設備規劃之高精確度化係成為可能。又，使用此裝置台數所進行之業務模組，係已確認到能夠在實際之時間軸、設備運用條件下而實行，其之實行可能性係為高。
接著，針對第12實施形態之人員數量的規劃方法作說明。
藉由上述(1)之在同時期而停止的設備之數量和性能、以及上述(2)之最適當之多品種的生產順序和階段
轉換時期，係能夠算定出在同時期中所必要的人員(設備工程師或製程工程師、作業員等)的最適當之數量。
根據由實施形態6之最適指標產生方法所求出的在生產期間Tc中之階段轉換次數Ns、總階段轉換時間Ts、在同時期中所發生之維修數Nd及其時間長度，來算定所必要之人員數。首先，根據在同時期中而停止之設備數Nd，來算定相關於設備維修之最小需要人員數。又，在階段轉換製程之作業中所必要的人員數，係使用人員要求率Ns/Tc以及作業要求率Ts/Tc來算定之。相對於對人員之勤務時間和休息時間作了考慮的人員實效作業率Uo，而將滿足Nop×Ts/Tc<Uo之條件的最大之人員數Nop*作為基本人員數而算定之。
於此，通常，進行階段轉換作業之人員，多係將複數之裝置或製程作為管理對象。在針對階段轉換製程之作業中所必要的人員數之算定中，亦同樣的，當在同時期中而發生複數之相異之階段轉換作業的情況時，係對於必要人員數作追加。另外，在半導體產業等之設備投資會佔據製造成本之一半以上的產業中，多係以不會由於人員數過少而導致設備停止的方式，來進行人員規劃。
在設備和人員之規劃中而共通地，在上述(3)之進行對於階段轉換時間作活用並將設備之維修時期作分散化的裝置對製品品種之分配(以下，稱作第2次分配)以及維修順序之算定之前，先對於階段轉換時間減低和生產風險減低以及良品率提昇之多目的下的生產設備之使用條
件、處理品種之限定(以下，稱作第1次分配)作決定。於此，為了達成階段轉換最小化，係將專用裝置作最大限度的增加，並將共用裝置台數抑制在最小限度。又，另一方面，為了達成生產風險最少化，係成為將能夠對於製品品種作處理之裝置台數作最大限度之增加，其結果，係成為將共用裝置台數作最大限度之增加。在現實之第1次裝置分配中，係設為在必要裝置台數處而追加1以上之值。雖然亦依存於企業各公司的方針、方法，但是，就算是在對於特定裝置和特定製品品種之分配作了複雜之設定的情況(例如，圖22)時，亦能夠使用第12實施形態之設備人員計畫方法。
首先，針對第7實施形態和第12實施形態之問題點作說明。
在第7實施形態中，係對於下述之方法作展示：亦即是，係為對於複合尖峰作分析，並藉由最小之安全庫存來將在作為對象之生產工程中的生產尖峰作吸收，其中，所謂複合尖峰，係為針對作為管理對象之生產工程的全部之裝置群，而將在起因於藉由JAMP-wS法所算定的維修或階段轉換時期所發生的靜性生產尖峰中亦配合有動性之故障等所導致的動性生產尖峰，在複數之生產工程中而作了重疊者。然而，此最適指標產生方法，係僅侷限在對於設備、人員、在製品之最適當運用作展示者。又，在第12
實施形態中，係針對藉由第6實施形態之應用來實現設備人員規劃之高精確度化和生產計畫之實行可能性之提昇的變形例作了展示。但是，在第12實施形態中，係並非為對於針對動性發生之裝置的突發性故障等之對應作明示性的處理之技術。
因此，在第13實施形態中，係對於第7實施形態作應用，並相對於第12實施形態而更進而對於動性發生之裝置故障作考慮，而以實現設備人員規劃之高精確度化和生產計畫之實行可能性的提升並且實現成本削減和利益提昇一事作為目的。
在第13實施形態中，若是將根據第7實施形態之追加有故障監視、預測等之裝置的停止預定所算定之同時停止裝置台數之最大值設為Ndd(k)，則同時可稼動台數之最小值，係成為(Mk-Ndd(k))。
本發明，係可利用在生產模擬、生產排程、生產規劃、設備人員規劃、負載計算等之中，又，除了半導體、液晶產業以外，亦可應用在資訊通訊業、中盤商產業、醫療業等之中。
2‧‧‧處理工程(裝置群)
3‧‧‧處理工程(裝置群)
4‧‧‧緩衝區大小
10‧‧‧生產管理系統
11‧‧‧最適指標產生裝置
12‧‧‧輸入部
12A‧‧‧輸入模組
13‧‧‧輔助輸入部
14‧‧‧Q-time構造分析部
15‧‧‧CKB最適邏輯值計算部
16‧‧‧靈敏度解析部(CKB特性)
17‧‧‧指標算出部
18‧‧‧靈敏度解析部(性能特性)
19‧‧‧最適裝載規則判定部
21‧‧‧最適指標產生裝置
22‧‧‧輸入部
22A‧‧‧輸入模組
23‧‧‧輔助輸入部
24‧‧‧JAMP最適邏輯值計算部
25‧‧‧靈敏度解析部(JAMP特性)
26‧‧‧開始結束時期算出部
27‧‧‧靈敏度解析部(性能特性)
28‧‧‧裝置區分算定部
29‧‧‧工程業務系統
31‧‧‧最適指標產生裝置
32‧‧‧變動監視檢測部
33‧‧‧輸入變更檢測部
34‧‧‧再計算必要性判斷部
35‧‧‧靈敏度解析部(CKB+JAMP特性)
36‧‧‧CKB+JAMP最適邏輯值計算部
37‧‧‧靈敏度解析部(CKB+JAMP特性)
38‧‧‧計算指示部
41‧‧‧最適指標產生裝置
42‧‧‧生產流程瓶頸、流量解析部
43‧‧‧Q-time構造分析部
44‧‧‧裝置區分算定部
45‧‧‧輔助輸入部
46‧‧‧驅動控制部
47‧‧‧餘裕時間分配解析部
51‧‧‧最適指標產生裝置
52‧‧‧輔助輸入部(JAMP-wS法)
53‧‧‧階段轉換循環算定部
54‧‧‧裝置區分算定部
55‧‧‧JAMP-wS最適邏輯值計算部
56‧‧‧開始結束時期算出部
57‧‧‧靈敏度解析部(性能特性)
58‧‧‧靈敏度解析部(JAMP特性)
61‧‧‧最適指標產生裝置
62‧‧‧輔助輸入部(CKB=JAMP-wS2法)
63‧‧‧裝置群生產週期相位設定部
64‧‧‧生產尖峰算定部
65‧‧‧CKB=JAMP-wS2最適理論值計算部
66‧‧‧指標算出部
67‧‧‧靈敏度解析部(CKB=JAMP-wS2性能特性)
68‧‧‧靈敏度解析部(CKB=JAMP-wS2特性)
71‧‧‧最適指標產生裝置
72‧‧‧最適指標產生裝置61計算模組
73‧‧‧最適指標產生裝置41計算模組
76‧‧‧指標算出部
[圖1]對於可適用本發明之第1實施形態的最適指標產生裝置之系統構成作展示之圖。
[圖2]作為在圖1中所示之處理工程的具體性事例，而對於半導體前置工程之Q-time限制區間作展示之圖。
[圖3]用以針對性能評價指標和其之計算方法作說明的圖。
[圖4]對於批次連續多工處理的裝置(洗淨工程)作展示之圖。
[圖5]對於批次裝置(熱處理工程)作展示之圖。
[圖6]對於在製品控制區間作展示之圖。
[圖7]對於裝載規則作展示之圖。
[圖8]對於批次組織等待時間(要因)作展示之圖。
[圖9]對於批次組織等待時間(計算)作展示之圖。
[圖10]對於單一品種基本模式作展示之圖。
[圖11]對於單一品種基本模式(工程)作展示之圖。
[圖12]對於單一品種基本模式(品種)作展示之圖。
[圖13]對於評價比較(單一品種、定期投入、非瓶頸、ρ=0.8)作展示之圖。
[圖14]對於評價比較(單一品種、定期投入、瓶頸、ρ=1.2)作展示之圖。
[圖15]對於評價比較(單一品種、指數投入、非瓶頸、ρ=0.8)作展示之圖。
[圖16]對於評價比較(單一品種、指數投入、瓶頸、ρ=1.2)作展示之圖。
[圖17]對於複數品種基本模式作展示之圖。
[圖18]對於複數品種基本模式(工程)作展示之圖。
[圖19]對於複數品種基本模式(品種)作展示之圖。
[圖20]對於可處理裝置(洗淨)作展示之圖。
[圖21]對於可處理裝置(熱處理)作展示之圖。
[圖22]用以針對到達率之決定作說明的圖。
[圖23]對於評價比較(複數品種、指數投入、非瓶頸、ρ=0.8)作展示之圖。
[圖24]對於評價比較(複數品種、指數投入、瓶頸、ρ=1.2)作展示之圖。
[圖25]對於ρ=0.3下之再處理狀況作展示之圖。
[圖26]對於ρ=0.3下之再處理要因作展示之圖。
[圖27]對於規則比較(複數品種、指數投入、非瓶頸、ρ=0.3)作展示之圖。
[圖28]對於規則比較(複數品種、指數投入、非瓶頸、ρ=0.8)作展示之圖。
[圖29]對於規則比較(複數品種、指數投入、瓶頸、ρ=1.2)作展示之圖。
[圖30]對於可適用本發明之第2實施形態的最適指標產生裝置之系統構成作展示之圖。
[圖31]對於批量、單工型裝置作展示之圖。
[圖32]對於定量維修例作展示之圖。
[圖33]對於通常時之裝置群(m1~m5)作展示之圖。
[圖34]對於以裝置m6來代替m2的情況時作展示之圖。
[圖35]用以針對在同時期中發生有2台以上之PM的情況作說明之圖。
[圖36]用以針對在同時期中而僅發生有1台之PM的情況作說明之圖。
[圖37]對於單純之並列處理作展示之圖。
[圖38]對於定量維修作了考慮之工作分配圖。
[圖39]用以針對JAMP法之條件(3)之〔2〕作說明的圖。
[圖40]用以針對當無法以1週期來作完全分散化的情況時之裝置運用方針1作說明之圖。
[圖41]用以針對當無法以1週期來作完全分散化的情況時之裝置運用方針2作說明之圖。
[圖42]用以針對方針3之完全分散化(第2週期以後)作說明的圖。
[圖43]對於模式之設定值作展示之圖。
[圖44]用以針對在JAMP法中之代替次數的設定作說明之圖。
[圖45]用以針對單純並列規則和JAMP規則之比較作說明的圖。
[圖46]對於批量之到達和退出的時刻(JAMP法和單純並列規則之比較)作展示之圖。
[圖47]對於裝置台數之稼動狀況的變動(單純並列、MTTR=1380〔分鐘〕的情況)作展示之圖。
[圖48]對於可適用本發明之第3實施形態的最適指標
產生裝置之系統構成作展示之圖。
[圖49]用以針對CKB+JAMP法作說明的圖。
[圖50]對於可適用本發明之第4實施形態的最適指標產生裝置之系統構成作展示之圖。
[圖51]作為MNAI法，而用以針對Q-time限制之種類作說明的圖。
[圖52]用以針對複數之Q-time限制所構成的構造(串聯型4種)作說明之圖。
[圖53]用以針對複數之Q-time限制所構成的構造(並列型5種)作說明之圖。
[圖54]手續型CKB法(標準)之流程圖(其之1)。
[圖55]手續型CKB法(標準)之流程圖(其之2)。
[圖56]對於並列網路流程和最小捷徑作展示之圖。
[圖57]對於並列網路流程作展示之圖。
[圖58]對於非專利文獻1之生產工程模式作展示的說明圖。
[圖59]針對相較於由非專利文獻1中所記載之先前技術型Q-time限制區間管理規則所致之結果，係以依據手續型CKB法而進行了模擬實驗的結果為更加優良一事作展示之說明圖。
[圖60]對於可適用本發明之第5實施形態的最適指標產生裝置之系統構成作展示之圖。
[圖61]對於圖60之系統中的處理流程作展示之圖。
[圖62]對於計畫更改循環算定部53的處理流程作展示之圖。
[圖63]對於裝置區分算定部54之處理流程作展示之圖。
[圖64]對由於計畫時間所致的維修時期之偏差作展示之圖。
[圖65]對於滿足工程滯留時間限制之在製品上限值作展示之圖。
[圖66]對在(2)多品種生產週期算定部中而將計畫時間作最小化的最大週期之算定方法作展示之圖。
[圖67]對於圖60之計畫更改循環算定部53的(2)最小計畫循環算定之方法作展示之圖。
[圖68]對於圖63之裝置區分算定部54(3)裝置區分和維修順序的決定方法作例示之圖。
[圖69]對於圖60之JAMP-wS最適邏輯值計算部55處的計畫活用方法(使用者藉由輔助輸入部52來進行指定)作展示之圖。
[圖70]對於與典型性之規則間的性能比較：計畫率和良品生產率(先前技術法、本發明)作展示之圖。
[圖71]對於與典型性之規則間的性能比較：綜合設備效率(先前技術法、本發明)作展示之圖。
[圖72]對於可適用本發明之第6實施形態的最適指標產生裝置之系統構成作展示之圖。
[圖73]對於可適用本發明之第6實施形態的最適指標產生裝置之系統的處理流程作展示之圖。
[圖74]對於裝置群中之生產尖峰作說明之圖(生產尖峰圖)。
[圖75]對於生產風險作展示之圖。
[圖76]對於裝置之稼動狀況和生產尖峰之關係作展示之圖。
[圖77]對於在多品種、反覆生產中而對於裝置群之生產能力的尖峰作適當之分解的方法作說明之圖。
[圖78]對於橫跨複數之裝置群和生產工程而將生產能力之尖峰作了複合的複合尖峰之形成方法作展示之圖。
[圖79]對於可適用本發明之第7實施形態的最適指標產生裝置之系統構成作展示之圖。
[圖80]對於可適用本發明之第7實施形態的最適指標產生裝置之系統的處理流程作展示之圖。
[圖81]對於用以進行Q-time限制構造分析之資訊處理作展示之圖。
[圖82]對於在生產工程之並列構造中的生產能力分配和生產尖峰作展示之圖。
[圖83]對於工程區間之尖峰連動之例1(到達連動集中庫存型方式)作展示之圖。
[圖84]對於工程區間之尖峰連動之例2(階段性變動吸收分散庫存型方式)作展示之圖。
[圖85]用以針對本發明之第8實施形態的最適指標產
生方法作說明之流程圖(其之1)。
[圖86]用以針對本發明之第8實施形態的最適指標產生方法作說明之流程圖(其之2)。
[圖87]用以針對本發明之第8實施形態的最適指標產生方法作說明之流程圖(其之3)。
[圖88]用以針對本發明之第8實施形態的最適指標產生方法作說明之流程圖(其之4)。
[圖89]用以針對本發明之第8實施形態的最適指標產生方法作說明之流程圖(其之5)。
[圖90]用以針對本發明之第8實施形態的最適指標產生方法作說明之流程圖(其之6)。
[圖91]用以針對本發明之第8實施形態的最適指標產生方法作說明之流程圖(其之7)。
[圖92]用以針對本發明之第9實施形態的最適指標產生方法作說明之流程圖(其之1)。
[圖93]用以針對本發明之第9實施形態的最適指標產生方法作說明之流程圖(其之2)。
[圖94]用以針對本發明之第9實施形態的最適指標產生方法作說明之流程圖(其之3)。
[圖95]用以針對本發明之第9實施形態的最適指標產生方法作說明之流程圖(其之4)。
[圖96]用以針對本發明之第10實施形態的最適指標產生方法作說明之流程圖(其之1)。
[圖97]用以針對本發明之第10實施形態的最適指標
產生方法作說明之流程圖(其之2)。
[圖98]用以針對本發明之第10實施形態的最適指標產生方法作說明之流程圖(其之3)。
[圖99]用以針對本發明之第11實施形態的最適指標產生方法作說明之流程圖(其之1)。
[圖100]用以針對本發明之第11實施形態的最適指標產生方法作說明之流程圖(其之2)。
[圖101]用以針對本發明之第11實施形態的最適指標產生方法作說明之流程圖(其之3)。
# 1‧‧‧生產工程
2‧‧‧處理工程(裝置群)
3‧‧‧處理工程(裝置群)
4‧‧‧緩衝區大小
10‧‧‧生產管理系統
11‧‧‧最適指標產生裝置
12‧‧‧輸入部
13‧‧‧輔助輸入部
14‧‧‧Q-time構造分析部
15‧‧‧CKB最適邏輯值計算部
16‧‧‧靈敏度解析部(CKB特性)
17‧‧‧指標算出部
18‧‧‧靈敏度解析部(性能特性)
19‧‧‧最適裝載規則判定部
20‧‧‧計算判定指示部
20a‧‧‧變動檢測部
20b‧‧‧再計算判定部
20c‧‧‧計算判定部
Claims (33)
- 一種最適指標產生裝置，係為對於為了生產多品種之製品而對複數之裝置作控制的生產管理系統，而供給相關於前述複數之裝置和製品的指標資訊之最適指標產生裝置，其特徵為，具備有：資訊輸入部，係將相關於前述複數之裝置和製品的資訊透過前述生產管理系統而作輸入；和Q-time(佇列時間)構造分析部，係根據前述被輸入之資訊而對於代表在由前述複數之裝置所致的加工工程間之滯留時間的限制值之Q-time構造進行分析；和最適理論值計算部，係根據前述被輸入之資訊以及前述Q-time構造，而對於各品種之最適當的看板(Kanban)枚數以及緩衝區大小作計算；和指標算出部，係將前述所計算出之資訊作為指標資訊而輸出；和最適裝載規則判定部，係計算出將關連於製品之到達的批次(batch)設定等待時間和Q-time限制之上限值之間的大小關係作切換之到達率的邊界值，並判定適當之裝載規則，將藉由前述指標算出部所算出之最適的指標資訊和裝載規則，供給至前述生產管理系統處。
- 如申請專利範圍第1項所記載之最適指標產生裝置，其中，係更進而具備有：靈敏度解析部，係當前述被輸入之資訊有所變動的情 況時，計算出關連於藉由前述最適理論值計算部所算出之最適的指標資訊之變化特性，並記憶該變化特性，藉由此，而預先進行靈敏度解析；和指標算出部，係當前述被輸入之資訊有所變動的情況時，將與所記憶了的前述變化特性相對應之最適之指標資訊即時地供給至生產管理系統處，前述指標算出部，係與後續工程區間或者是先行工程區間之產率的變化相連動，而對於看板枚數或緩衝區大小作變更。
- 一種最適指標產生方法，係為對於為了生產多品種之製品而對複數之裝置作控制的生產管理系統，而供給相關於前述複數之裝置和製品的指標資訊之最適指標產生方法，其特徵為，係實行：資訊輸入步驟，係將相關於前述複數之裝置和製品的資訊透過前述生產管理系統而作輸入；和Q-time構造分析步驟，係根據前述被輸入之資訊而對於代表在由前述複數之裝置所致的加工工程間之滯留時間的限制值之Q-time構造進行分析；和最適理論值計算步驟，係根據前述被輸入之資訊以及前述Q-time構造，而對於各品種之最適當的看板(Kanban)枚數以及緩衝區大小作計算；和指標算出步驟，係將前述所計算出之資訊作為指標資訊而輸出；和最適裝載規則判定步驟，係計算出將關連於製品之到 達的批次(batch)設定等待時間和Q-time限制之上限值之間的大小關係作切換之到達率的邊界值，並判定適當之裝載規則，將藉由前述指標算出步驟所算出之最適的指標資訊和裝載規則，供給至前述生產管理系統處。
- 如申請專利範圍第3項所記載之最適指標產生方法，其中，係更進而進行：靈敏度解析步驟，係當前述被輸入之資訊有所變動的情況時，計算出關連於藉由前述最適理論值計算步驟所算出之最適的指標資訊之變化特性，並記憶該變化特性，藉由此，而預先進行靈敏度解析；和指標算出步驟，係當前述被輸入之資訊有所變動的情況時，將與所記憶了的前述變化特性相對應之最適之指標資訊即時地供給至生產管理系統處。
- 如申請專利範圍第3項所記載之最適指標產生方法，其中，前述指標算出步驟，係與後續工程區間或者是先行工程區間之產率的變化相連動，而對於看板枚數或緩衝區大小作變更。
- 如申請專利範圍第3項所記載之最適指標產生方法，其中，前述指標算出步驟，係以不會超過能夠在前述加工工程間而作等待之最大負載數的方式，來對於被設置在由前述複數之裝置所致的加工工程間之緩衝區的大小作限制，藉由此，來對於先行工程之製品的輸出作限制。
- 如申請專利範圍第3項所記載之最適指標產生方 法，其中，係以不會使前述Q-time限制區間內的瓶頸場所之流量強度超過1的方式來作控制。
- 如申請專利範圍第3項所記載之最適指標產生方法，其中，當前述流量強度成為較1更大的情況時，係以使流量強度成為1的方式，來控制對於Q-time限制區間的批量(lot)之投入率。
- 如申請專利範圍第3項所記載之最適指標產生方法，其中，係藉由各製品品種以及各處理條件之看板枚數，來對滯留於前述Q-time限制區間內之批量的數量作限制，並藉由空看板來對於各批量之處理開始時期作控制。
- 一種最適指標產生程式，其特徵為：係藉由處理器來實行如申請專利範圍第3~9項中之任一項所記載的最適指標產生方法中的步驟。
- 一種最適指標產生伺服器，係為對於為了生產多品種之製品而對於複數之裝置作控制的生產管理系統，而經由通訊線路來送訊相關於前述複數之裝置和製品的指標資訊之最適指標產生伺服器，其特徵為，具備有：資訊受訊部，係將相關於前述複數之裝置和製品的資訊透過前述生產管理系統而作受訊；和Q-time構造分析部，係根據前述所受訊之資訊而對於代表在由前述複數之裝置所致的加工工程間之滯留時間的限制值之Q-time構造進行分析；和最適理論值計算部，係根據前述所受訊之資訊以及前 述Q-time構造，而對於各品種之最適當的看板(Kanban)枚數以及緩衝區大小作計算；和指標算出部，係將前述所計算出之資訊作為指標資訊而輸出；和最適裝載規則判定部，係計算出將關連於製品之到達的批次(batch)設定等待時間和Q-time限制之上限值之間的大小關係作切換之到達率的邊界值，並判定適當之裝載規則，將藉由前述指標算出部所算出之最適的指標資訊和裝載規則，送訊至前述生產管理系統處。
- 一種最適指標產生方法，係為對於為了生產多品種之製品而對於複數之裝置作控制的生產管理系統而經由通訊線路來供給相關於前述複數之裝置和製品的指標資訊之伺服器，所實行的最適指標產生方法，其特徵為，具備有：資訊受訊步驟，係將相關於前述複數之裝置和製品的資訊透過前述生產管理系統而作受訊；和Q-time構造分析步驟，係根據前述所受訊之資訊而對於代表在由前述複數之裝置所致的加工工程間之滯留時間的限制值之Q-time構造進行分析；和最適理論值計算步驟，係根據前述所受訊之資訊以及前述Q-time構造，而對於各品種之最適當的看板(Kanban)枚數以及緩衝區大小作計算；和指標算出步驟，係將前述所計算出之資訊作為指標資 訊而輸出；和最適裝載規則判定步驟，係計算出將關連於製品之到達的批次(batch)設定等待時間和Q-time限制之上限值之間的大小關係作切換之到達率的邊界值，並判定適當之裝載規則，將藉由前述指標算出步驟所算出之最適的指標資訊和裝載規則，送訊至前述生產管理系統處。
- 一種最適指標產生裝置，係為對於對被設置在用以生產多品種之製品的生產實行系統中之複數的裝置作控制之生產管理系統，而供給相關於前述複數之裝置的指標資訊之最適指標產生裝置，其特徵為，具備有：資訊輸入部，係將相關於在前述生產實行系統中所包含之複數之裝置的資訊透過前述生產管理系統而作輸入；和瓶頸場所解析部，係根據前述被輸入之資訊，而對於在由前述複數之裝置所致的加工工程中之瓶頸場所以及最大流量作解析；和Q-time限制構造分析部，係根據前述被輸入之資訊而對於存在有1個以上的Q-time限制之Q-time限制區間的構造進行分析；和資訊輸入部，係將相關於在前述生產實行系統中所包含的複數之裝置的資訊透過前述生產管理系統而作輸入；和裝置區分算定部，係將前述複數之裝置，區分成具備 有常用能力之常用裝置和具備有代替能力之代替裝置；和最適理論值計算部，係根據前述所算定了的裝置區分和被輸入之資訊，來算出前述複數之常用裝置和代替裝置的稼動次數和稼動時期；和時間指標算出部，係算出相關於前述常用裝置和代替裝置之預防維修開始時期；和最適理論值計算部，係基於前述瓶頸場所、最大流量、前述Q-time構造以及前述裝置區分和前述時間指標，而算出各品種之最適當的看板(Kanban)枚數以及緩衝區大小；和指標算出部，係將前述所計算出之最適理論值作為指標資訊而輸出；和手續實行控制部，係對於在前述生產實行系統中所包含的製造流程全體中而散布存在之全部的Q-time限制同時作管理，將藉由前述時間指標算出部和指標算出部所算出的最適之指標資訊，供給至前述生產管理系統或工程業務系統處，並且將藉由前述時間指標算出部所算出的最適之指標資訊，供給至生產管理系統處。
- 一種最適指標產生方法，係為對於對被設置在用以生產多品種之製品的生產實行系統中之複數的裝置作控制之生產管理系統，而供給相關於前述複數之裝置的指標資訊之最適指標產生方法，其特徵為，係實行：資訊輸入步驟，係將相關於在前述生產實行系統中所 包含之複數之裝置的資訊透過前述生產管理系統而作輸入；和瓶頸場所解析步驟，係根據前述被輸入之資訊，而對於在由前述複數之裝置所致的加工工程中之瓶頸場所以及最大流量作解析；和Q-time限制構造分析步驟，係根據前述被輸入之資訊而對於存在有1個以上的Q-time限制之Q-time限制區間的構造進行分析；和資訊輸入步驟，係將相關於在前述生產實行系統中所包含的複數之裝置的資訊透過前述生產管理系統而作輸入；和裝置區分算定步驟，係將前述複數之裝置，區分成具備有常用能力之常用裝置和具備有代替能力之代替裝置；和最適理論值計算步驟，係根據前述所算定了的裝置區分和被輸入之資訊，來算出前述複數之常用裝置和代替裝置的稼動次數和稼動時期以及稼動條件；和時間指標算出步驟，係算出相關於前述常用裝置和代替裝置之預防維修開始時期；和最適理論值計算步驟，係基於前述瓶頸場所、最大流量、前述Q-time構造以及前述裝置區分和時間指標，而算出各品種之最適當的看板(Kanban)枚數以及緩衝區大小；和指標算出步驟，係將前述所計算出之最適理論值作為 指標資訊而輸出，將前述時間指標算出步驟和藉由指標算出步驟所算出的最適之指標資訊，供給至前述生產管理系統或工程業務系統處，並且將藉由前述時間指標算出步驟所算出的最適之指標資訊，供給至生產管理系統處。
- 如申請專利範圍第14項所記載之最適指標產生方法，其中，係更進而進行：手續實行控制步驟，係對於在前述生產實行系統中所包含的製造流程全體中而散布存在之全部的Q-time限制同時作管理。
- 如申請專利範圍第14項所記載之最適指標產生方法，其中，係更進而進行：生產流程瓶頸、流量解析步驟，係為了與在前述生產實行系統中所包含的製造流程全體中之生產流量和工程能力的變動相對應地來對於Q-time限制同時作管理，而對於在製造流程中之瓶頸場所和各工程之最大流量作解析。
- 一種最適指標產生程式，其特徵為：係藉由處理器來實行如申請專利範圍第14~16項中之任一項所記載的最適指標產生方法中的步驟。
- 一種最適指標產生伺服器，係為對於對被設置在用以生產多品種之製品的生產實行系統中之複數的裝置作控制之生產管理系統，而經由通訊線路來送訊相關於前述複數之裝置的指標資訊之最適指標產生伺服器，其特徵為，具備有： 資訊受訊部，係將相關於在前述生產實行系統中所包含之複數之裝置的資訊透過前述生產管理系統而作受訊；和瓶頸場所解析部，係根據前述所受訊之資訊，而對於在由前述複數之裝置所致的加工工程中之瓶頸場所以及最大流量作解析；和Q-time限制構造分析部，係根據前述所受訊之資訊而對於存在有1個以上的Q-time限制之Q-time限制區間的構造進行分析；和資訊受訊部，係將相關於在前述生產實行系統中所包含的複數之裝置的資訊透過前述生產管理系統而作受訊；和裝置區分算定部，係將前述複數之裝置，區分成具備有常用能力之常用裝置和具備有代替能力之代替裝置；和最適理論值計算部，係根據前述所算定了的裝置區分和所受訊之資訊，來算出前述複數之常用裝置和代替裝置的稼動次數和稼動時期以及稼動條件；和時間指標算出部，係算出相關於前述常用裝置和代替裝置之預防維修開始時間；和最適理論值計算部，係基於前述瓶頸場所、最大流量、前述Q-time構造以及前述裝置區分和前述時間指標，而算出各品種之最適當的看板(Kanban)枚數以及緩衝區大小；和指標算出部，係將前述所計算出之最適理論值作為指 標資訊而輸出，將前述時間指標算出部和藉由指標算出部所算出的最適之指標資訊，送訊至前述生產管理系統或工程業務系統處，並且將藉由前述時間指標算出部所算出的最適之指標資訊，送訊至生產管理系統處。
- 一種最適指標產生方法，係為對於對被設置在用以生產多品種之製品的生產實行系統中之複數的裝置作控制之生產管理系統，而經由通訊線路來送訊相關於前述複數之裝置的指標資訊之伺服器，所實行的最適指標產生方法，其特徵為，係實行：資訊受訊步驟，係將相關於在前述生產實行系統中所包含之複數之裝置的資訊透過前述生產管理系統而作受訊；和瓶頸場所解析步驟，係根據前述所受訊之資訊，而對於在由前述複數之裝置所致的加工工程中之瓶頸場所以及最大流量作解析；和Q-time限制構造分析步驟，係根據前述所受訊之資訊而對於存在有1個以上的Q-time限制之Q-time限制區間的構造進行分析；和指標算出步驟，係根據前述瓶頸場所、最大流量以及前述Q-time構造，而算出各品種之最適當的看板(Kanban)枚數以及緩衝區大小；和資訊受訊步驟，係將相關於在前述生產實行系統中所包含的複數之裝置的資訊透過前述生產管理系統而作受 訊；和裝置區分算定步驟，係將前述複數之裝置，區分成具備有常用能力之常用裝置和具備有代替能力之代替裝置；和最適理論值計算步驟，係根據前述所算定了的裝置區分和所受訊之資訊，來算出前述複數之常用裝置和代替裝置的稼動次數和稼動時期以及稼動條件；和時間指標算出步驟，係算出相關於前述常用裝置和代替裝置之預防維修開始時間，將藉由前述指標算出步驟所算出的最適之指標資訊，送訊至前述生產管理系統或工程業務系統處，並且將藉由前述時間指標算出步驟所算出的最適之指標資訊，送訊至生產管理系統處。
- 一種最適指標產生裝置，係為對於為了生產多品種之製品而對複數之裝置作控制的生產管理系統，而供給相關於前述複數之裝置的指標資訊之最適指標產生裝置，其特徵為，具備有：資訊輸入部，係將相關於前述複數之裝置的資訊透過前述生產管理系統而作輸入；和裝置區分算定部，係將前述複數之裝置，區分成具備有常用能力之常用裝置和具備有代替能力之代替裝置；和最適理論值計算部，係根據前述所算定了的裝置區分和被輸入之資訊，來算出前述複數之常用裝置和代替裝置的稼動次數和稼動時期以及稼動條件；和 開始結束時期算出部，係根據前述計算結果來算出相關於前述常用裝置和代替裝置之預防維修開始、結束時期，將藉由前述開始結束時期算出部所算出的最適之開始結束時期資訊，供給至前述生產管理系統或工程業務系統處。
- 如申請專利範圍第20項所記載之最適指標產生裝置，其中，係更進而具備有：靈敏度解析部，係當前述被輸入之資訊有所變動的情況時，計算出關連於藉由前述最適理論值計算部所算出之最適的開始結束時期資訊之變化特性，並記憶該變化特性，藉由此，而預先進行靈敏度解析；和開始結束時期算出部，係當前述被輸入之資訊有所變動的情況時，將與所記憶了的前述變化特性相對應之最適之指標資訊即時地供給至前述生產管理系統處。
- 一種最適指標產生方法，係為對於為了生產多品種之製品而對複數之裝置作控制的生產管理系統，而供給相關於前述複數之裝置的指標資訊之最適指標產生方法，其特徵為，係實行：資訊輸入步驟，係將相關於前述複數之裝置的資訊透過前述生產管理系統而作輸入；和裝置區分算定步驟，係將前述複數之裝置，區分成具備有常用能力之常用裝置和具備有代替能力之代替裝置；和 最適理論值計算步驟，係根據前述所算定了的裝置區分和被輸入之資訊，來算出前述複數之常用裝置和代替裝置的稼動次數和稼動時期以及稼動條件；和開始結束時期算出步驟，係根據前述計算結果來算出相關於前述常用裝置和代替裝置之預防維修開始、結束時期，將藉由前述開始結束時期算出步驟所算出的最適之開始結束時期資訊，供給至前述生產管理系統或工程業務系統處。
- 如申請專利範圍第8項所記載之最適指標產生方法，其中，係更進而進行：靈敏度解析步驟，係當前述被輸入之資訊有所變動的情況時，計算出關連於藉由前述最適理論值計算步驟所算出之最適的開始結束時期資訊之變化特性，並記憶該變化特性，藉由此，而預先進行靈敏度解析；和開始結束時期算出步驟，係當前述被輸入之資訊有所變動的情況時，將與所記憶了的前述變化特性相對應之最適之指標資訊即時地供給至前述生產管理系統處。
- 一種最適指標產生程式，其特徵為：係藉由處理器來實行如申請專利範圍第22項或第23項所記載的最適指標產生方法中之步驟。
- 一種最適指標產生伺服器，係為對於為了生產多品種之製品而對複數之裝置作控制的生產管理系統，而經由通訊線路來送訊相關於前述複數之裝置的指標資訊之最 適指標產生伺服器，其特徵為，具備有：資訊輸入部，係將相關於前述複數之裝置的資訊透過前述生產管理系統而作受訊；和裝置區分算定部，係將前述複數之裝置，區分成具備有常用能力之常用裝置和具備有代替能力之代替裝置；和最適理論值計算部，係根據前述所算定了的裝置區分和被輸入之資訊，來算出前述複數之常用裝置和代替裝置的稼動次數和稼動時期以及稼動條件；和開始結束時期算出部，係根據前述計算結果來算出相關於前述常用裝置和代替裝置之預防維修開始、結束時期，將藉由前述開始結束時期算出部所算出的最適之開始結束時期資訊，送訊至前述生產管理系統或工程業務系統處。
- 一種最適指標產生方法，係為對於為了生產多品種之製品而對複數之裝置作控制的生產管理系統，而經由通訊線路來送訊相關於前述複數之裝置的指標資訊之伺服器，所實行的最適指標產生方法，其特徵為，係實行：資訊輸入步驟，係將相關於前述複數之裝置的資訊透過前述生產管理系統而作受訊；和裝置區分算定步驟，係將前述複數之裝置，區分成具備有常用能力之常用裝置和具備有代替能力之代替裝置；和最適理論值計算步驟，係根據前述所算定了的裝置區 分和所受訊之資訊，來算出前述複數之常用裝置和代替裝置的稼動次數和稼動時期以及稼動條件；和開始結束時期算出步驟，係根據前述計算結果來算出相關於前述常用裝置和代替裝置之預防維修開始、結束時期，將藉由前述開始結束時期算出步驟所算出的最適之開始結束時期資訊，送訊至前述生產管理系統或工程業務系統處。
- 一種最適指標產生裝置，係為對於對被設置在用以生產多品種之製品的生產實行系統中之複數的裝置作控制之生產管理系統，而供給相關於前述複數之裝置的指標資訊之最適指標產生裝置，其特徵為，具備有：資訊輸入部，係將相關於在前述生產實行系統中所包含之複數之裝置的資訊透過生產管理系統而作輸入；和Q-time構造分析部，係根據前述被輸入之資訊而對於代表在由前述複數之裝置所致的加工工程間之滯留時間的限制值之Q-time限制進行分析；和資訊輸入部，係將相關於在前述生產實行系統中所包含的複數之裝置的資訊從生產管理系統而作輸入；和裝置區分算定部，係將前述複數之裝置，區分成具備有常用能力之常用裝置和具備有代替能力之代替裝置；和最適理論值計算部，係根據前述所算定了的裝置區分和被輸入之資訊，來算出前述複數之常用裝置和代替裝置的稼動次數和稼動時期以及稼動條件；和 關始結束時期算出部，係算出相關於前述常用裝置和代替裝置之預防維修開始時期；和最適理論值計算部，係基於前述所輸入之資訊、前述Q-time構造以及前述裝置區分和前述開始結束時期，而算出各品種之最適當的看板(Kanban)枚數以及緩衝區大小；和指標算出部，係將前述所計算出之最適理論值作為指標資訊而輸出，將藉由前述開始結束時期算出部所算出的最適之開始結束時期資訊，供給至前述生產管理系統或工程業務系統處，並且將相對於依據前述算出之開始結束時期所制定的工程能力互為相異之各期而為最適之開始結束時期資訊，藉由最適理論值計算部以及前述指標算出部來供給至生產管理系統處。
- 如申請專利範圍第27項所記載之最適指標產生裝置，其中，係更進而具備有：靈敏度解析部，係當前述被輸入之資訊有所變動的情況時，計算出關連於藉由前述指標算出部以及前述開始結束時期算出部所算出之最適的指標資訊以及開始結束時期之變化特性，並記憶該變化特性，藉由此，而預先進行靈敏度解析；和開始結束時期算出部，係當前述被輸入之資訊有所變動的情況時，將與所記憶了的前述變化特性相對應之最適之指標資訊以及開始結束時期即時地供給至生產管理系統 處。
- 一種最適指標產生方法，係為對於對被設置在用以生產多品種之製品的生產實行系統中之複數的裝置作控制之生產管理系統，而供給相關於前述複數之裝置的指標資訊之最適指標產生方法，其特徵為，係實行：資訊輸入步驟，係將相關於在前述生產實行系統中所包含之複數之裝置的資訊透過生產管理系統而作輸入；和Q-time構造分析步驟，係根據前述被輸入之資訊而對於代表在由前述複數之裝置所致的加工工程間之滯留時間的限制值之Q-time限制進行分析；和資訊輸入步驟，係將相關於在前述生產實行系統中所包含的複數之裝置的資訊從生產管理系統而作輸入；和裝置區分算定步驟，係將前述複數之裝置，區分成具備有常用能力之常用裝置和具備有代替能力之代替裝置；和最適理論值計算步驟，係根據前述所算定了的裝置區分和被輸入之資訊，來算出前述複數之常用裝置和代替裝置的稼動次數和稼動時期以及稼動條件；和開始結束時期算出步驟，係算出相關於前述常用裝置和代替裝置之預防維修開始時期；和最適理論值計算步驟，係基於前述被輸入之資訊、前述Q-time構造以及前述裝置區分和前述開始結束時期，而算出各品種之最適當的看板(Kanban)枚數以及緩衝區大小；和 指標算出步驟，係將前述所計算出之最適理論值作為指標資訊而輸出，將藉由前述開始結束時期算出步驟所算出的最適之開始結束時期資訊，供給至前述生產管理系統或工程業務系統處，並且將相對於依據前述算出之開始結束時期所制定的工程能力互為相異之各期而為最適之開始結束時期資訊，藉由最適理論值計算步驟以及前述指標算出步驟來供給至生產管理系統處。
- 如申請專利範圍第29項所記載之最適指標產生方法，其中，係更進而實行：靈敏度解析步驟，係當前述被輸入之資訊有所變動的情況時，計算出關連於藉由前述指標算出步驟以及前述開始結束時期算出步驟所算出之最適的指標資訊以及開始結束時期之變化特性，並記憶該變化特性，藉由此，而預先進行靈敏度解析；和開始結束時期算出步驟，係當前述被輸入之資訊有所變動的情況時，將與所記憶了的前述變化特性相對應之最適之指標資訊以及開始結束時期即時地供給至前述生產管理系統處。
- 一種最適指標產生程式，其特徵為：係藉由處理器來實行如申請專利範圍第29項或第30項所記載的最適指標產生方法中之步驟。
- 一種最適指標產生伺服器，係為對於對被設置在用以生產多品種之製品的生產實行系統中之複數的裝置作 控制之生產管理系統，而經由通訊線路來送訊相關於前述複數之裝置的指標資訊之最適指標產生伺服器，其特徵為，具備有：資訊受訊部，係將相關於在前述生產實行系統中所包含之複數之裝置的資訊透過生產管理系統而作受訊；和Q-time構造分析部，係根據前述所受訊之資訊而對於代表在由前述複數之裝置所致的加工工程間之滯留時間的限制值之Q-time限制進行分析；和資訊受訊部，係將相關於在前述生產實行系統中所包含的複數之裝置的資訊從生產管理系統而作受訊；和裝置區分算定部，係將前述複數之裝置，區分成具備有常用能力之常用裝置和具備有代替能力之代替裝置；和最適理論值計算部，係根據前述所算定了的裝置區分和所受訊之資訊，來算出前述複數之常用裝置和代替裝置的稼動次數和稼動時期以及稼動條件；和開始結束時期算出部，係算出相關於前述常用裝置和代替裝置之預防維修開始時期；和最適理論值計算部，係基於前述所受訊之資訊、前述Q-time構造以及前述裝置區分和前述開始結束時期，而算出各品種之最適當的看板(Kanban)枚數以及緩衝區大小；和指標算出部，係將前述所計算出之最適理論值作為指標資訊而輸出，將藉由前述開始結束時期算出部所算出的最適之開始 結束時期資訊，送訊至前述生產管理系統或工程業務系統處，並且將相對於依據前述算出之開始結束時期所制定的工程能力互為相異之各期而為最適之指標資訊，藉由最適理論值計算部以及前述指標算出部來送訊至生產管理系統處。
- 一種最適指標產生方法，係為對於對被設置在用以生產多品種之製品的生產實行系統中之複數的裝置作控制之生產管理系統，而經由通訊線路來送訊相關於前述複數之裝置的指標資訊之伺服器，所實行的最適指標產生方法，其特徵為，係實行：資訊受訊步驟，係將相關於在前述生產實行系統中所包含之複數之裝置的資訊透過生產管理系統而作受訊；和Q-time構造分析步驟，係根據前述所受訊之資訊而對於代表在由前述複數之裝置所致的加工工程間之滯留時間的限制值之Q-time限制進行分析；和指標算出步驟，係根據前述所受訊之資訊以及前述Q-time構造，而算出各品種之最適當的看板(Kanban)枚數以及緩衝區大小並作為指標資訊而輸出；和資訊受訊步驟，係將相關於在前述生產實行系統中所包含的複數之裝置的資訊從生產管理系統而作受訊；和裝置區分算定步驟，係將前述複數之裝置，區分成具備有常用能力之常用裝置和具備有代替能力之代替裝置；和最適理論值計算步驟，係根據前述所算定了的裝置區 分和所受訊之資訊，來算出前述複數之常用裝置和代替裝置的稼動次數和稼動時期以及稼動條件；和開始結束時期算出步驟，係算出相關於前述常用裝置和代替裝置之預防維修開始時期，將藉由前述開始結束時期算出步驟所算出的最適之開始結束時期資訊，送訊至前述生產管理系統或工程業務系統處，並且將相對於依據前述算出之開始結束時期所制定的工程能力互為相異之各期而為最適之指標資訊，藉由最適理論值計算步驟以及前述指標算出步驟來送訊至生產管理系統處。
Applications Claiming Priority (1)
| 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 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| TW201401001A TW201401001A (zh) | 2014-01-01 |
| TWI594100B true TWI594100B (zh) | 2017-08-01 |
Family
ID=49784147
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| 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 |
Country Status (3)
| Country | Link |
|---|---|
| JP (1) | JP6044977B2 (zh) |
| TW (1) | TWI594100B (zh) |
| WO (1) | WO2014002319A1 (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TWI844845B (zh) * | 2022-04-25 | 2024-06-11 | 財團法人工業技術研究院 | 產線運作預測方法以及產線運作預測系統 |
Families Citing this family (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2018179273A1 (ja) * | 2017-03-30 | 2018-10-04 | 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 |
| US11100437B2 (en) * | 2018-05-10 | 2021-08-24 | Applied Materials, Inc. | Method for improving semiconductor back-end factories |
| 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 |
| 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 |
| JP7548666B2 (ja) * | 2020-09-23 | 2024-09-10 | 東京エレクトロン株式会社 | 半導体製造装置、基板搬送方法及びプログラム |
| 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 |
| JP7574761B2 (ja) | 2021-08-12 | 2024-10-29 | 株式会社Sumco | 製造ラインの工程計画立案装置及び方法 |
| CN113935568B (zh) * | 2021-08-30 | 2024-11-01 | 国网江苏省电力有限公司物资分公司 | 一种在生产力恢复阶段制定采购策略的辅助决策方法 |
| 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 (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 |
| TW200402644A (en) * | 2002-06-19 | 2004-02-16 | World Co Ltd | Flow managing system, flow managing method, and information processing program for operation in a computer |
| TWI223761B (en) * | 2001-09-13 | 2004-11-11 | Advanced Micro Devices Inc | Method and apparatus for scheduling based on state estimation uncertainties |
| TW200530893A (en) * | 2004-03-09 | 2005-09-16 | Taiwan Semiconductor Mfg | System and method for scheduling manufacturing jobs for a semiconductor manufacturing tool |
| CN1734382A (zh) * | 2005-06-10 | 2006-02-15 | 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 |
Family Cites Families (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 |
-
2012
- 2012-06-29 JP JP2012148004A patent/JP6044977B2/ja active Active
- 2012-12-28 TW TW101151072A patent/TWI594100B/zh active
- 2012-12-28 WO PCT/JP2012/084031 patent/WO2014002319A1/ja active Application Filing
Patent Citations (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 |
| TWI223761B (en) * | 2001-09-13 | 2004-11-11 | Advanced Micro Devices Inc | Method and apparatus for scheduling based on state estimation uncertainties |
| TW200402644A (en) * | 2002-06-19 | 2004-02-16 | World Co Ltd | Flow managing system, flow managing method, and information processing program for operation in a computer |
| TW200530893A (en) * | 2004-03-09 | 2005-09-16 | Taiwan Semiconductor Mfg | System and method for scheduling manufacturing jobs for a semiconductor manufacturing tool |
| CN1734382A (zh) * | 2005-06-10 | 2006-02-15 | 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 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TWI844845B (zh) * | 2022-04-25 | 2024-06-11 | 財團法人工業技術研究院 | 產線運作預測方法以及產線運作預測系統 |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2014002319A1 (ja) | 2014-01-03 |
| JP6044977B2 (ja) | 2016-12-14 |
| JP2013033466A (ja) | 2013-02-14 |
| TW201401001A (zh) | 2014-01-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| TWI594100B (zh) | Optimal indicator generating device, the method of generating the optimum indicator, the optimum indicator generating program, and the optimum indicator generating server | |
| Li et al. | Process scheduling under uncertainty: Review and challenges | |
| Ponsignon et al. | Simulation-based performance assessment of master planning approaches in semiconductor manufacturing | |
| Miltenburg | comparing JIT, MRP and TOc, and Embedding TOc into MRP | |
| Frantzén et al. | A simulation-based scheduling system for real-time optimization and decision making support | |
| CN107016449B (zh) | 一种基于跨企业动态计划排程的智能制造方法 | |
| CN105427021A (zh) | 一种服装智能排产方法 | |
| Berning et al. | Integrating collaborative planning and supply chain optimization for the chemical process industry (I)—methodology | |
| CN101965569A (zh) | 用于控制设备工程系统的良品率预测反馈 | |
| JP2000077289A (ja) | 製造予測管理システム | |
| JP2013033466A5 (zh) | ||
| Arisha et al. | Intelligent simulation-based lot scheduling of photolithography toolsets in a wafer fabrication facility | |
| Da Silva et al. | Simulation study of dispatching rules in stochastic job shop dynamic scheduling | |
| Bocewicz et al. | Multimodal processes prototyping subject to grid-like network and fuzzy operation time constraints | |
| Fu et al. | Batch production scheduling for semiconductor back-end operations | |
| Ren et al. | An Edge-Fog-Cloud Computing-Based Digital Twin Model for Prognostics Health Management of Process Manufacturing Systems | |
| CN116415780A (zh) | 一种智能排单的方法及系统 | |
| Lahiani et al. | A novel improving method of industrial performance based on human resources management | |
| Collins et al. | Implementation of minimum inventory variability scheduling 1-step ahead policy (R) in a large semiconductor manufacturing facility | |
| Wu | A Unified View on Planning, Scheduling and Dispatching in Production Systems | |
| Tsukanov et al. | Analysis of Algorithms for Scheduling Complex Production Systems | |
| Kalinowski | Multistage decision making process of multicriteria production scheduling | |
| Wang et al. | Using interval alignment policies for efficient production control of supply chain systems | |
| Scholl et al. | Simulation-enabled development lot journey smoothening in a fully-utilised semiconductor manufacturing line | |
| Safaei et al. | A series—parallel redundant reliability system for cellular manufacturing design |