TWI721879B - 決定產能參數的方法及產能參數產生系統 - Google Patents

決定產能參數的方法及產能參數產生系統 Download PDF

Info

Publication number
TWI721879B
TWI721879B TW109114817A TW109114817A TWI721879B TW I721879 B TWI721879 B TW I721879B TW 109114817 A TW109114817 A TW 109114817A TW 109114817 A TW109114817 A TW 109114817A TW I721879 B TWI721879 B TW I721879B
Authority
TW
Taiwan
Prior art keywords
capacity
value
parameter
parameters
simulation
Prior art date
Application number
TW109114817A
Other languages
English (en)
Other versions
TW202143124A (zh
Inventor
馬醇洸
曹昌盛
張森皓
Original Assignee
和碩聯合科技股份有限公司
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 和碩聯合科技股份有限公司 filed Critical 和碩聯合科技股份有限公司
Priority to TW109114817A priority Critical patent/TWI721879B/zh
Priority to CN202110257109.3A priority patent/CN113608503A/zh
Application granted granted Critical
Publication of TWI721879B publication Critical patent/TWI721879B/zh
Priority to US17/204,978 priority patent/US11443084B2/en
Publication of TW202143124A publication Critical patent/TW202143124A/zh

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS], computer integrated manufacturing [CIM]
    • G05B19/41885—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS], computer integrated manufacturing [CIM] characterised by modeling, simulation of the manufacturing system
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
    • G05B13/048—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators using a predictor
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/32—Operator till task planning
    • G05B2219/32339—Object oriented modeling, design, analysis, implementation, simulation language
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]

Abstract

一種決定產能參數的方法包含以下步驟：自記憶體取得產線的複數個參數；藉由產能參數產生系統完成以下動作:將產線的複數個參數進行組合以取得複數個參數組並產生複數個產能值；根據產能值以及複數個參數組的複數個參數以進行模擬而取得複數個模擬數值；當複數個模擬數值至少其中之一者大於或等於一預設閥值時，設定複數個模擬數值至少其中之一者為至少一相關模擬數值；以及根據至少一相關模擬數值以取得參數組中的至少一目標參數組之參數；以及提供至少一目標參數組之複數個參數以作為產線的產能參數。

Description

決定產能參數的方法及產能參數產生系統
本案涉及一種電子系統及方法。詳細而言，本案涉及一種決定產能參數的方法及產能參數產生系統。
一般的產線模擬都會需要真實資料來做分析，或是只能模擬出整線的結果，但無法自動判斷產線上特定的環節需要改善(例如:改善治具的數量或是機械手臂的循環時間)，必須依據模擬出來的結果再手動調整產線內容，依序修改及逐步改善的目標。因此，在本領域中存在上述技術缺陷及不足而有待解決。
本案的一面向涉及一種決定產能參數的方法。決定產能參數的方法包含自記憶體取得產線的複數個參數；藉由產能參數產生系統將產線的複數個參數進行組合以取得複數個參數組，並產生複數個產能值，其中複數個產能值包含產線每一段預設時間之生產量；藉由產能參數產生系統根據複數個產能值以及複數個參數組的複數個參數以進行模擬而取得複數個模擬數值；當複數個模擬數值至少其中之一者大於或等於一預設閥值時，藉由產能參數產生系統設定複數個模擬數值至少其中之一者為至少一相關模擬數值，其中預設閥值包含預先設定之一定值；藉由產能參數產生系統根據至少一相關模擬數值以取得複數個參數組中的至少一目標參數組之複數個參數；以及藉由產能參數產生系統提供至少一目標參數組之複數個參數以作為產線的產能參數。
本案的另一面向涉及一種產能參數產生系統。產能參數產生系統包含記憶體、參數組合模組、傳送模組、計算模組、判斷模組、參數產生模組。記憶體用以儲存產線的複數個參數。參數組合模組將產線的參數進行組合以取得參數組；傳送模組將參數組傳送至複數個伺服器進行計算，以取得複數個產能值，其中複數個產能值包含產線每一段預設時間之生產量；計算模組根據產能值以及複數個參數組的複數個參數以進行模擬而取得複數個模擬數值；當複數個模擬數值至少其中之一者大於或等於一預設閥值時，判斷模組設定複數個模擬數值至少其中之一者為至少一相關模擬數值，其中預設閥值包含預先設定之一定值；以及參數產生模組根據至少一相關模擬數值以取得參數組中的至少一目標參數組之參數並提供至少一目標參數組之複數個參數以作為產線的產能參數。
以下將以圖式及詳細敘述清楚說明本案之精神，任何所屬技術領域中具有通常知識者在瞭解本案之實施例後，當可由本案所教示之技術，加以改變及修飾，其並不脫離本案之精神與範圍。
本文之用語只為描述特定實施例，而無意為本案之限制。單數形式如“一”、“這”、“此”、“本”以及“該”，如本文所用，同樣也包含複數形式。
本文之用語只為描述特定實施例，而無意為本案之限制。單數形式如“一”、“這”、“此”、“本”以及“該”，如本文所用，同樣也包含複數形式。
關於本文中所使用之『包含』、『包括』、『具有』、『含有』等等，均為開放性的用語，即意指包含但不限於。
關於本文中所使用之用詞（terms），除有特別註明外，通常具有每個用詞使用在此領域中、在本案之內容中與特殊內容中的平常意義。某些用以描述本案之用詞將於下或在此說明書的別處討論，以提供本領域技術人員在有關本案之描述上額外的引導。
第1圖為根據本案一些實施例繪示的產能參數產生系統之示意圖。如第1圖所示，在一些實施例中，產能參數產生系統100包含記憶體110、參數組合模組120、傳送模組130、計算模組140、判斷模組150、參數產生模組160及更新模組170。在另一些實施例中，產能參數產生系統100可包含個人電腦、筆記型電腦或伺服器。
在一些實施例中，記憶體110可為快閃(Flash)記憶體、硬碟(Hard Disk Drive, HDD)、固態硬碟(Solid State drive, SSD)、動態隨機存取記憶體(Dynamic Random Access Memory, DRAM)或靜態隨機存取記憶體(Static Random Access Memory, SRAM)。在一些實施例中，記憶體110可儲存指令。
在一些實施例中，參數組合模組120、傳送模組130、計算模組140、判斷模組150、參數產生模組160及更新模組170包含但不限於單一處理器以及多個微處理器之集成，例如，中央處理器(Central Processing Unit, CPU)或繪圖處理器(Graphic Processing Unit, GPU)等。
在一些實施例中，參數組合模組120、傳送模組130、計算模組140、判斷模組150、參數產生模組160及更新模組170亦包含軟體、韌體、硬體或前述之排列組合，參數組合模組120耦接於記憶體110，藉此，參數組合模組120可自記憶體110存取此指令，並依據此指令執行特定應用程序，再依序傳至傳送模組130、計算模組140、判斷模組150、參數產生模組160及更新模組170，執行下面段落之方法，藉以優化產能。
在一些實施例中，傳送模組130可耦接於伺服器910及伺服器930，伺服器910及伺服器930可用以協助進行計算。為了更佳地理解優化產能之方法，其詳細步驟將於下面段落中解釋之。
第2圖為根據本案一些實施例繪示的決定產能參數的方法200之步驟流程圖。如第2圖所示，在一些實施例中，此決定產能參數的方法200可由第1圖中所示的產能參數產生系統100所執行。在一些實施例中，此決定產能參數的方法200之詳細步驟將於下面段落中敘述。
於步驟210中，自記憶體取得產線的複數個參數。在一些實施例中，自記憶體110取得產線的複數個參數。
於步驟220中，藉由產能參數產生系統將產線的複數個參數進行組合以取得複數個參數組，藉以產生複數個產能值，其中複數個產能值包含產線每一段預設時間之生產量。
在一些實施例中，產能參數產生系統100之參數組合模組120可將產線的複數個參數進行組合之後，以取得複數個參數組，並計算對應於複數個參數組的複數個產能值。舉例而言，產線上可能具有機械手臂、治具、傳輸帶、組裝機…等等裝置，上述裝置具有相應的裝置參數，例如機械手臂的移動時間、治具的測試平均時間、治具的數量、組裝機的平均組裝時間…等等參數。參數組合模組120分別調整上述參數中之一參數，並將調整過的複數個參數分別進行組合並取得複數個參數組，產能參數產生系統100之傳送模組130會將複數個參數組傳給伺服器910及930以計算出對應的複數個產能值，隨後，伺服器910及930將複數個產能值傳給傳送模組130，再由傳送模組130轉傳給計算模組140。
在一些實施例中，使用者事先設定初始產線參數，經過參數組合模組120計算以取得初始參數組，及根據初始參數組計算以取得預設產能值，再者，使用者為了產線產能能夠最佳化，使用者訂定了一個標準，期望經優化產能方法後模擬出的結果至少能夠達到此標準。舉例而言，詳細列出相關數值如下:
參數設定 UPH 使用者預期UPH
機械手臂 冶具 螺絲機組裝    
MvT:1 MT:1 Q:1 CT:40 87 90
表一
請參閱表一，MvT為機械手臂的移動時間，MT為冶具測試的平均時間，Q為冶具的數量，CT為螺絲機組裝的平均時間，UPH(Unit per hour)為參數組經模擬軟體計算所得的產能值，產能值包含產線每一段預設時間之每單位生產量，不僅限於UPH。而模擬軟體可使用一種客製化的建模軟體，例如:flexsim，使用者預期UPH為使用者所期望產能得以達到的標準。
在一些實施例中，參數組合模組120將使用者事先設定的初始參數 分別經過調整，參數組合模組120再依據調整過的參數計算產能值及模擬數值，每一個經調整過的參數，視為一組新參數組。舉例而言，詳細列出相關數值如下:
參數組 參數設定 UPH 模擬數值
  機械手臂 冶具 螺絲機組裝   p=0.8 threshold=0.83
第一組 MvT:1 MT:1 Q:1 CT:36 100 0.945
第二組 MvT:1 MT:0.9 Q:1 CT40 85 -0.167
第三組 MvT:1 MT:1 Q:11 CT:40 90 -0.078
第四組 MvT:0.9 MT:1 Q:1 CT40 93 0.47
表二
請參閱表二，模擬數值(Simulation Value)為根據產能值及調整過的參數，經計算得出的數值，其餘參數之定義與表一相同，為使說明書簡潔，於此不作贅述。
於步驟230中，藉由產能參數產生系統根據複數個產能值以及複數個參數組的複數個參數以進行模擬而取得複數個模擬數值。取得複數個模擬數值的計算方式如下: Simulation Value=
Figure 02_image001
…式1
如式1所示，p為產能相關係數，p值為使用者所設定，p值範圍從0至1，數值越接近1，代表使用者期望產線經由計算過後的結果，越著重於產能上。請參閱及比對表一和表二中的UPH，Delta UPH為根據複數個參數組計算出來的複數個產能值與一預設產能值之差值。請參閱及比對表一和表二中的參數，Delta parameter為初始參數與調整過的產線參數之差值。在一實施例中，使用者可事先設定前述實施例提到的各種產線參數，參數組合模組120執行步驟220，將產線參數進行組合以取得參數組，藉以產生預設產能值，再依此預設產能值計算式1。
在一些實施例中，如同式1所示，產能參數產生系統100之計算模組140將對應於複數個參數組的複數個產能值與預設產能值做相減，並乘以產能相關係數，隨後，再將上述結果除以複數個參數與調整過的參數之差值，即可得到模擬數值。
於步驟240中，當複數個模擬數值至少其中之一者大於或等於一預設閥值時，藉由產能參數產生系統設定複數個模擬數值至少其中之一者為至少一相關模擬數值，其中預設閥值包含預先設定之一定值。在一些實施例中，預設閥值是由大量產線數據，經過大數據分析後，所統計出來的結果。但使用者可以根據產線於產業上的實際需求，自行對預設閥值做調整。
在一些實施例中，判斷模組150根據複數個模擬數值與預設閥值以判斷是否有符合使用者預期的模擬數值。上述符合使用者預期的複數個模擬數值，即為至少一相關模擬數值。
於步驟250中，藉由產能參數產生系統根據至少一相關模擬數值以取得複數個參數組中的至少一目標參數組之複數個參數。
在一些實施例中，參數產生模組160根據至少一相關模擬數值進一步判斷出符合使用者預期的一目標模擬數值，目標模擬數值對應的至少一目標參數組之複數個參數，即為產線之最大產能所對應之參數。
於步驟260中，藉由產能參數產生系統提供至少一目標參數組之複數個參數以作為產線的產能參數。
在一些實施例中，藉由產能參數產生系統100提供至少一目標參數組之複數個參數以作為未來建立產線的產能參數。
第3圖為根據本案另一些實施例繪示的一種決定產能參數的方法之步驟流程圖。尤為決定產能參數的方法300之步驟流程圖。在一些實施例中，此決定產能參數的方法300亦可由第1圖中所示的產能參數產生系統100所執行。在一些實施例中，此決定產能參數的方法300的詳細步驟將於下面段落中敘述。
於步驟310中，取得產線的複數個參數。在一些實施例中，自記憶體110取得產線的複數個參數。
於步驟320中，將產線的複數個參數進行組合以取得複數個參數組，藉以產生複數個產能值。在一些實施例中，參數組合模組120將產線的複數個參數進行組合以取得複數個參數組，藉以產生複數個產能值。
於步驟330中，根據複數個產能值以及複數個參數組的複數個參數以進行模擬而取得複數個模擬數值。在一些實施例中，計算模組140根據複數個產能值以及複數個參數組的複數個參數以進行模擬而取得複數個模擬數值。
於步驟340中，判斷複數個模擬數值是否小於預設閥值。在一些實施例中，判斷模組150判斷複數個模擬數值是否小於預設閥值。若判定複數個模擬數值皆小於預設閥值，執行步驟360。需說明的是，一旦判斷模組150判定複數個模擬數值皆小於預設閥值，則表示計算出來的產能都低於我們設定目標的產能，再怎麼調整也無法提高產能，即優化產能的結果無法再進行改善，此時，執行步驟360，由參數產生模組160輸出複數個參數組之複數個參數的相關報告給使用者作參考。
於步驟340中，若判定複數個模擬數值並非都小於預設閥值，執行步驟350。在一實施例中，倘若模擬數值並非皆小於預設閥值，可將其中大於預設閥值的模擬數值設定為至少一相關模擬數值，隨後執行步驟350。
在一些實施例中，可能為兩個或兩個以上模擬數值不小於預設閥值，這些不小於預設閥值得模擬數值可被設定為至少一相關模擬數值，隨後，於步驟350中，取得至少一相關模擬數值中之數值最大者並設定為目標模擬數值以及根據目標模擬數值取得複數個參數組中的至少一目標參數組之複數個參數。
於步驟370中，判斷目標模擬數值對應的產能值是否大於目標產能值。
在一些實施例中，判斷模組150執行步驟370，以對步驟350的結果進一步作判斷，例如判斷目標模擬數值對應的產能是否大於目標產能值。若判定產能值大於目標產能值，參數產生模組160根據目標模擬數值取得複數個參數組中的至少一目標參數組之複數個參數，複數個參數即為產線之最大產能所對應之參數。隨後，參數產生模組160執行步驟360，輸出結果為產線之最大產能的報告，以供使用者進行產線建立。
在一些實施例中，判斷模組150執行步驟360後，若判定產能值不大於目標產能值時，則更新模組170以目標模擬數值所對應的最大產能值來更新預設產能值。接著，參數組合模組120重新執行步驟320以將產線的複數個參數進行組合以取得複數個參數組，並根據複數個參數組以及更新過的預設產能值以計算複數個產能值。
在一些實施例中，計算模組140將執行步驟330以更新過的預設產能值做為計算模擬數值的標準，並以此標準做本案相關計算，例如計算模組140根據更新過的預設產能值以重新計算式1的Delta UPH，亦即重新計算複數個產能值與更新過的預設產能值之差值，並帶入式1以進行後續計算。因此，更新模組170更新完預設產能值後，參數組合模組120、傳送模組130、計算模組140、判斷模組150及參數產生模組160可重新執行步驟320至370，直到判斷模組150找出符合使用者預期的目標模擬數值所對應的產線參數，參數產生模組160隨後執行步驟360，輸出相關產能報告給使用者。
依據前述實施例，本案提供了一種決定產能參數的方法及產能參數產生系統，可依據大量的平行處理伺服器產生不同參數的模擬結果，無須透過真實產線資料，也無須耗費人力手動調整產線內容，就可以根據模擬結果提出改善目標，找到產線最大產能或最高效益的設定值。
雖然本案以詳細之實施例揭露如上，然而本案並不排除其他可行之實施態樣。因此，本案之保護範圍當視後附之申請專利範圍所界定者為準，而非受於前述實施例之限制。
對本領域技術人員而言，在不脫離本案之精神和範圍內，當可對本案作各種之更動與潤飾。基於前述實施例，所有對本案所作的更動與潤飾，亦涵蓋於本案之保護範圍內。
100:產能參數產生系統 110:記憶體 120:參數組合模組 130:傳送模組 140:計算模組 150:判斷模組 160:參數產生模組 170:更新模組 910:伺服器 930:伺服器 200:方法 210~260:步驟 300:方法 310~370:步驟
參照後續段落中的實施方式以及下列圖式，當可更佳地理解本案的內容： 第1圖為根據本案一些實施例繪示的產能參數產生系統之示意圖； 第2圖為根據本案一些實施例繪示的決定產能參數的方法之步驟流程圖；以及 第3圖為根據本案一些實施例繪示的決定產能參數的方法之詳細步驟流程圖。
國內寄存資訊(請依寄存機構、日期、號碼順序註記) 無 國外寄存資訊(請依寄存國家、機構、日期、號碼順序註記) 無
200:方法
210~260:步驟

Claims (11)

  1. 一種決定產能參數的方法，包含：自一記憶體取得一產線的複數個參數；藉由一產能參數產生系統將該產線的該些參數進行組合以取得複數個參數組並產生複數個產能值，其中該些產能值包含該產線每一段預設時間之生產量；藉由該產能參數產生系統根據該些產能值以及該些參數組的該些參數以進行模擬而取得複數個模擬數值的步驟包含用下列計算式運算：
    Figure 109114817-A0305-02-0016-1
     其中Simulation Value為該模擬數值，p為一產能相關係數，Delta UPH為該些產能值與一預設產能值之一差值，Delta parameter為一初始參數組與該些參數組的一取絕對值之差值；當該些模擬數值至少其中之一者大於或等於一預設閥值時，藉由該產能參數產生系統設定該些模擬數值至少其中一者為至少一相關模擬數值，其中該預設閥值包含預先設定之一定值；藉由該產能參數產生系統根據該至少一相關模擬數值以取得該些參數組中的至少一目標參數組之該些參數；以及藉由該產能參數產生系統提供該至少一目標參數組之該些參數以作為該產線的產能參數。
  2. 如請求項1所述決定產能參數的方法，其中 該些參數包含該產線的複數個裝置的複數個裝置參數。
  3. 如請求項1所述決定產能參數的方法，其中當該些模擬數值至少其中之一者大於或等於該預設閥值時，設定為該至少一相關模擬數值之步驟更包含：判斷該些模擬數值是否小於該預設閥值；以及若該些模擬數值皆小於該預設閥值，輸出該些參數組之該些參數。
  4. 如請求項1所述決定產能參數的方法，其中根據該至少一相關模擬數值以取得該些參數組中的至少一目標參數組之該些參數包含：取得該至少一相關模擬數值中之數值最大者並設定為一目標模擬數值；以及根據該目標模擬數值取得該些參數組中的該至少一目標參數組之該些參數。
  5. 如請求項4所述決定產能參數的方法，其中根據該至少一相關模擬數值以取得該些參數組中的該至少一目標參數組之該些參數更包含：判斷該目標模擬數值對應的一產能值是否大於一目標產能值；以及若該產能值大於該目標產能值，根據該目標模擬數值取得該些參數組中的該至少一目標參數組之該些參數。
  6. 如請求項5所述決定產能參數的方法，其中根據該至少一相關模擬數值以取得該些參數組中的該至少一目標參數組之該些參數更包含：判斷該目標模擬數值對應的該產能值是否大於該目標產能值；以及若該產能值不大於該目標產能值，以該目標模擬數值對應的該產能值更新該預設產能值，其中將該產線的該些參數進行組合以取得該些參數組，藉以產生該些產能值包含：將該產線的該些參數進行組合以取得該些參數組，並根據該些參數組以及該預設產能值以計算該些產能值。
  7. 一種產能參數產生系統，包含：一記憶體，用以儲存一產線的複數個參數；一參數組合模組，用以將該產線的該些參數進行組合以取得該些參數組；一傳送模組，用以將該些參數組傳送至複數個伺服器進行計算，以取得複數個產能值，其中該些產能值包含該產線每一段預設時間之生產量；一計算模組，用以根據該些產能值以及該些參數組的該些參數以進行模擬而取得複數個模擬數值，其中該計算模組用下列計算式運算：
    Figure 109114817-A0305-02-0018-2
     其中Simulation Value為該模擬數值，p為一產能相 關係數，Delta UPH為該些產能值與一預設產能值之一差值，Delta parameter為一初始參數組與該些參數組的一取絕對值之差值；一判斷模組，其中當該些模擬數值至少其中之一者大於或等於一預設閥值時，該判斷模組用以設定為該些模擬數值至少其中之一者至少一相關模擬數值，其中該預設閥值包含預先設定之一定值；以及一參數產生模組，用以根據該至少一相關模擬數值以取得該些參數組中的至少一目標參數組之該些參數，並提供該至少一目標參數組之該些參數以作為該產線的產能參數。
  8. 如請求項7所述之產能參數產生系統，其中該判斷模組用以判斷該些模擬數值是否小於該預設閥值，其中若該些模擬數值皆小於該預設閥值，該參數產生模組輸出該些參數組之該些參數。
  9. 如請求項7所述之產能參數產生系統，其中該參數產生模組用以取得該至少一相關模擬數值中之數值最大者並設定為一目標模擬數值及根據該目標模擬數值取得該些參數組中的該至少一目標參數組之該些參數。
  10. 如請求項9所述之產能參數產生系統，其中該判斷模組用以判斷該目標模擬數值對應的一產能值是 否大於一目標產能值，其中若該產能值大於該目標產能值，該參數產生模組以根據該目標模擬數值取得該些參數組中的該至少一目標參數組之該些參數。
  11. 如請求項10所述之產能參數產生系統，其中該判斷模組用以判斷該目標模擬數值對應的該產能值是否大於該目標產能值，其中該產能參數產生系統更包含一更新模組，其中若該產能值不大於該目標產能值時，該更新模組以該目標模擬數值對應的該產能值更新該預設產能值，其中該參數組合模組將該產線的該些參數進行組合以取得該些參數組，其中該計算模組根據該些參數組以及該預設產能值以計算該些產能值。
TW109114817A 2020-05-04 2020-05-04 決定產能參數的方法及產能參數產生系統 TWI721879B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
TW109114817A TWI721879B (zh) 2020-05-04 2020-05-04 決定產能參數的方法及產能參數產生系統
CN202110257109.3A CN113608503A (zh) 2020-05-04 2021-03-09 决定产能参数的方法及产能参数产生系统
US17/204,978 US11443084B2 (en) 2020-05-04 2021-03-18 Method for determining productive capacity parameters and productive capacity parameters generating system

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
TW109114817A TWI721879B (zh) 2020-05-04 2020-05-04 決定產能參數的方法及產能參數產生系統

Publications (2)

Publication Number Publication Date
TWI721879B true TWI721879B (zh) 2021-03-11
TW202143124A TW202143124A (zh) 2021-11-16

Family

ID=76036048

Family Applications (1)

Application Number Title Priority Date Filing Date
TW109114817A TWI721879B (zh) 2020-05-04 2020-05-04 決定產能參數的方法及產能參數產生系統

Country Status (3)

Country Link
US (1) US11443084B2 (zh)
CN (1) CN113608503A (zh)
TW (1) TWI721879B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2004040624A2 (en) * 2002-10-31 2004-05-13 Advanced Micro Devices, Inc. Method and apparatus for controlling a manufacturing process
CN1786854A (zh) * 2005-11-04 2006-06-14 同济大学 半导体封装生产线工序智能优化方法
US7349753B2 (en) * 2004-05-28 2008-03-25 Applied Materials, Inc. Adjusting manufacturing process control parameter using updated process threshold derived from uncontrollable error
CN101493857A (zh) * 2009-02-13 2009-07-29 同济大学 基于Petri网与免疫算法的半导体生产线建模与优化调度方法
CN107578104A (zh) * 2017-08-31 2018-01-12 江苏康缘药业股份有限公司 一种中药生产过程知识系统
TWI671838B (zh) * 2018-07-17 2019-09-11 敖翔科技股份有限公司 半導體廠缺陷作業系統及裝置

Family Cites Families (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
ATE187603T1 (de) * 1993-09-24 2000-01-15 Dsm Nv Verbesserung der herstellung von gas und alkohol von hefestämmen
CN1508732A (zh) * 2002-12-14 2004-06-30 鸿富锦精密工业（深圳）有限公司 产能模拟系统及方法
US7076387B2 (en) * 2003-12-15 2006-07-11 Texas Instruments Incorporated Method for determining the equivalency index of products and processes
JP2006031360A (ja) * 2004-07-15 2006-02-02 Nissan Motor Co Ltd 生産ライン計画支援装置および生産ライン計画支援方法
JP2012185743A (ja) * 2011-03-07 2012-09-27 Mitsubishi Heavy Ind Ltd 生産能力評価装置、生産能力評価方法および生産能力評価プログラム
JP5710435B2 (ja) * 2011-09-16 2015-04-30 株式会社日立製作所 製造ライン設計装置および製造ライン設計方法
CN103544351A (zh) * 2013-10-25 2014-01-29 北京世纪高通科技有限公司 一种对仿真模型调整参数的方法及装置
CN103676855B (zh) * 2013-11-27 2016-07-06 北京中润零碳节能技术有限公司 生产控制方法及系统
US10037501B2 (en) * 2013-12-18 2018-07-31 International Business Machines Corporation Energy management costs for a data center
KR101889668B1 (ko) * 2014-09-10 2018-08-17 도시바 미쓰비시덴키 산교시스템 가부시키가이샤 압연 시뮬레이션 장치
CN104533370B (zh) * 2014-11-06 2017-03-15 中国石油大学(北京) 压裂水平井油藏、裂缝、井筒全耦合模拟方法
CN108363362B (zh) * 2017-01-26 2022-04-19 台湾积体电路制造股份有限公司 半导体机台产能模拟方法及半导体机台产能模拟系统
SG11202009657YA (en) * 2018-04-17 2020-10-29 Deka Products Lp Peritoneal dialysis cassette with pneumatic pump
CN109118012B (zh) 2018-08-28 2020-11-17 成都天衡智造科技有限公司 一种工业动态多维度能耗成本预测方法、系统、存储介质和终端
CN109459996A (zh) * 2018-12-27 2019-03-12 北京航天智造科技发展有限公司 生产线模拟方法及装置
CN109829217B (zh) * 2019-01-21 2021-03-12 中国石油大学(北京) 压裂性裂缝油藏产能模拟方法及装置
CN109978287B (zh) * 2019-05-17 2020-04-21 亚洲硅业(青海)股份有限公司 多晶硅智能生产方法及系统

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2004040624A2 (en) * 2002-10-31 2004-05-13 Advanced Micro Devices, Inc. Method and apparatus for controlling a manufacturing process
US7349753B2 (en) * 2004-05-28 2008-03-25 Applied Materials, Inc. Adjusting manufacturing process control parameter using updated process threshold derived from uncontrollable error
CN1786854A (zh) * 2005-11-04 2006-06-14 同济大学 半导体封装生产线工序智能优化方法
CN101493857A (zh) * 2009-02-13 2009-07-29 同济大学 基于Petri网与免疫算法的半导体生产线建模与优化调度方法
CN107578104A (zh) * 2017-08-31 2018-01-12 江苏康缘药业股份有限公司 一种中药生产过程知识系统
TWI671838B (zh) * 2018-07-17 2019-09-11 敖翔科技股份有限公司 半導體廠缺陷作業系統及裝置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
郭秀惠，＂應用3D物件導向系統模擬於生產線建置之最佳化研究＂，中原大學機械工程研究所碩士論文 *
郭秀惠，＂應用3D物件導向系統模擬於生產線建置之最佳化研究＂，中原大學機械工程研究所碩士論文。

Also Published As

Publication number Publication date
US11443084B2 (en) 2022-09-13
US20210342504A1 (en) 2021-11-04
TW202143124A (zh) 2021-11-16
CN113608503A (zh) 2021-11-05

Similar Documents

Publication Publication Date Title
Wang Fixed-effect panel threshold model using Stata
Brilleman et al. Simulating survival data using the simsurv R package
WO2017166449A1 (zh) 机器学习模型生成方法和装置
WO2021164250A1 (zh) 一种湍流场更新方法、装置及其相关设备
TWI444844B (zh) 模擬參數校正技術
JP6404909B2 (ja) 技術的な系の出力量のモデルを算出する方法
US9836564B1 (en) Efficient extraction of the worst sample in Monte Carlo simulation
Cheng et al. The quality evaluation of classroom teaching based on FOA-GRNN
JP6381962B2 (ja) シミュレーションシステム及び方法と該システムを含むコンピュータシステム
JP6187977B2 (ja) 解析装置、解析方法及びプログラム
TWI721879B (zh) 決定產能參數的方法及產能參數產生系統
Zeng et al. Propensity score weighting analysis of survival outcomes using pseudo-observations
CN109543914B (zh) 基于ap聚类算法的rbf建筑运行能耗的预测方法
TWI758223B (zh) 具有動態最小批次尺寸之運算方法，以及用於執行該方法之運算系統及電腦可讀儲存媒體
US20120089385A1 (en) Memory modeling methods and model generators
CN114676632A (zh) 一种电力专用芯片能耗预测方法、装置和计算机设备
US20230062268A1 (en) System and method for fatigue response prediction
Ng et al. Modelling high frequency transaction data in financial economics: A comparative study based on simulations
CN105281977B (zh) 一种基于二叉树算法的智能性能测试方法及系统
Zhou Comparison of approaches for handling missingness in covariates for propensity score models
WO2024090568A1 (ja) 決定装置、および計算方法
CN117236187B (zh) 一种深度学习加速器芯片的参数化设计方法及系统
US9384016B2 (en) Method of estimating program speed-up with highly parallel architectures
WO2024045175A1 (en) Optimization of executable graph for artificial intelligence model inference
CN112199770B (zh) 一种基于试验参数特征的试验代理模型构建方法及系统