[go: up one dir, main page]

CN109740813B - 晶圆制造中在线产品批次跑货状态的分析预测方法 - Google Patents

晶圆制造中在线产品批次跑货状态的分析预测方法 Download PDF

Info

Publication number
CN109740813B
CN109740813B CN201811630469.8A CN201811630469A CN109740813B CN 109740813 B CN109740813 B CN 109740813B CN 201811630469 A CN201811630469 A CN 201811630469A CN 109740813 B CN109740813 B CN 109740813B
Authority
CN
China
Prior art keywords
time
delay
predicted
product batch
online product
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201811630469.8A
Other languages
English (en)
Other versions
CN109740813A (zh
Inventor
毛贵蕴
陈旭
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Huali Microelectronics Corp
Original Assignee
Shanghai Huali Microelectronics Corp
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 Shanghai Huali Microelectronics Corp filed Critical Shanghai Huali Microelectronics Corp
Priority to CN201811630469.8A priority Critical patent/CN109740813B/zh
Publication of CN109740813A publication Critical patent/CN109740813A/zh
Application granted granted Critical
Publication of CN109740813B publication Critical patent/CN109740813B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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

Landscapes

  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • General Factory Administration (AREA)

Abstract

本发明公开了一种晶圆制造中在线产品批次跑货状态的分析预测方法，包括步骤：获取所要监控的在线产品批次的基本信息并写入后台数据；根据历史跑货状况来更新各步预计作业时间；计算各步的预计结束时间；计算预计的纯DPML并计算归一化系数；对各步的预计作业用时进行归一化处理；更新各批次的预计工程时间；计算各预计作业总时间并调整形成调整后预计结束时间；获取实际作业相关时间；计算已跑过的各步的延迟时间；获取需去除延迟时间的各步的信息并计算扣除延迟时间；结合延迟时间，计算各步的含延迟预计结束时间。本发明能对跑货进度进行自动分析并实现准确预测，还能实现对可能的跑货阻碍站点进行提前预警。

Description

晶圆制造中在线产品批次跑货状态的分析预测方法
技术领域
本发明涉及一种半导体集成电路的制造方法，特别是涉及一种在线产品批次跑货状态的分析预测方法。
背景技术
在晶圆制造中，一条生产线上包括了多个机台，一个产品需要经过多个工艺步骤如通常为数百步工艺步骤，一条生产线上每月出货通常为数万片晶圆，所以，生产线上的跑货安排很重要。实际制造中，产品通常是用批次(lot)表示，一批次中包括多片如25片晶圆，一批次的晶圆通常是制造相同的产品，本发明说明书中，将生产过程中的产品批次称为在线产品批次。各产品批次在跑货过程中是不断到进入到各种机台中进行对应的工艺步骤，通常将按照工艺将各种机台所对应的工艺步骤称为站点；各产品批次在各站点之间流动，直至完成所有工艺，通常，产品的所有工艺需要在规定交期即交货日期之前完成。
通常，在实际工艺中，会有部分站点的机台数较少，或者需要跑货的产品批次较多，这会使得这些站点成为瓶颈站点，这会造成产品批次的等待时间过长，甚至有可能不能在交期之前完成交货。
另外，在跑货的各站点中，其中光刻工艺比较耗时，通常采用每层光刻所耗天数(Days Per Mask Layer，DPML)表示光刻的耗时。
为了确保在交期之前交货，通常需要对各批次的各步工艺的时间都进行监控，并根据监控对未来的跑货进度以及出货日期进行预估，如果预估不准将会给跑货安排带来困难。
总之，现有技术中，线上产品批次较多，机台情况复杂；如果想要看到产品批次的历史跑货状况，工程师需从各个系统中拉取大量的数据进行整合分析；且对未来的跑货进度及出货日期只能凭经验给出粗略的预估时间，误差较大。
发明内容
本发明要解决的技术问题是提供一种晶圆制造中在线产品批次跑货状态的分析预测方法，能对在线产品批次进行监控并对在线产品批次的跑货历史进行自动分析汇总，并结合实际情况给出比较准确的跑货进度预测；还能对可能的跑货阻碍站点进行提前预警，提醒工程师提前进行关注。
为解决上述技术问题，本发明提供的晶圆制造中在线产品批次跑货状态的分析预测方法包括如下步骤：
步骤一、获取所要监控的在线产品批次的基本信息并写入后台数据。
步骤二、根据历史跑货状况来更新各步预计作业时间。
步骤三、根据各步的所述预计作业时间计算各步的预计结束时间。
步骤四、计算预计的纯(Pure)DPML，根据所述在线产品批次的类型计算归一化系数。
步骤五、采用所述归一化系数对各步的所述预计作业时间进行归一化处理并形成各步对应的归一化预计作业时间。
步骤六、更新各所述在线产品批次的各步的预计工程时间(Eng time)。
步骤七、根据所述预计工程时间计算各所述在线产品批次的各步的预计作业总时间，所述预计作业总时间为所述预计工程时间加所述归一化预计作业时间，根据所述预计作业总时间调整各步的所述预计结束时间并形成调整后预计结束时间(AdjustOuttime)。
步骤八、获取所要监控的所述在线产品批次的已经结束的各步的实际作业相关时间，所述实际作业相关时间包括实际结束时间(Realout)、实际作业时间(Realrun)和实际工程时间(RealRC)。
步骤九、计算所要监控的所述在线产品批次的已跑过的各步的延迟时间，延迟时间包括工程延迟时间(RcDelay)、作业延迟时间、步延迟(StepDelay)和总延迟(TotalDelay)。
所述工程延迟时间为所述实际工程时间减去所述预计工程时间。
所述作业延迟时间为所述实际作业时间减去所述归一化预计作业时间。
所述步延迟为所述工程延迟时间加上所述作业延迟时间。
所述总延迟为对应步的实际结束时间减去所述调整后预计结束时间。
步骤十、获取需去除延迟时间的所述在线产品批次的各步的信息，根据步骤九计算的延迟时间计算在所述在线产品批次的各步中需要扣除的扣除延迟时间，所述扣除延迟时间为负值。
步骤十一、结合所述扣除延迟时间，计算所述在线产品批次的各步的含延迟预计结束时间，实现对所述在线产品批次的跑货的预测。
当前步对应的所述含延迟预计结束时间为前一步的结束时间加上当前步的含延迟预计作业总时间。
当前步对应的所述含延迟预计作业总时间为所述预计作业总时间加所述扣除延迟时间。
进一步的改进是，步骤二中是根据同技术平台的历史跑货状况来更新各步预计作业时间。
进一步的改进是，步骤二中是根据同技术平台的过去一年的历史跑货状况来更新各步预计作业时间。
进一步的改进是，还包括步骤：
步骤十二、对于具有指定交期的所述在线产品批次，根据交期时间计算DPML，并根据DPML对所述在线产品批次的所述含延迟预计作业总时间进行调整。
进一步的改进是，还包括步骤：
步骤十三、对于具有新光罩进厂的所述在线产品批次，需结合所述新光罩进厂产生的延迟时间，更新各步时间。
进一步的改进是，还包括步骤：
步骤十四、在对所述在线产品批次的跑货过程中的各步时间的预测的基础上，对未来的跑货阻碍站点进行预测，包括如下分步骤：
步骤141、根据对所述在线产品批次的跑货的预测，获得未来时间段内需要经过的站点。
步骤142、根据所述历史跑货状况且按照等待时间的大小找出生产线上前几天内的等待时间较长的几个站点。
步骤143、在步骤141中所获得的各站点中提取出具有步骤142中出现的站点以及提取出未来需特殊处理的站点(FutureAction)，所述未来需特殊处理的站点为还没有经过但已经设置为保持状态(Hold)的站点。
步骤144、将步骤143中所提取的站点作为所述未来时间段内的跑货阻碍站点。
进一步的改进是，步骤141中所述未来时间段为未来36小时。
进一步的改进是，步骤142对应的所述前几天为前7天。
进一步的改进是，所述未来需特殊处理的站点中的特殊处理包括按照拆分工艺单(SplitRunCard)进行处理。
进一步的改进是，晶圆制造对应的生产线包括6英寸、8英寸和12英寸晶圆的生产线。
进一步的改进是，所述归一化系数为所需要的DPML除以所述纯DPML。
进一步的改进是，步骤一中通过制造执行系统(Manufacturing ExecutionSystem，MES)的后台数据表中获取所要监控的在线产品批次的基本信息。
进一步的改进是，所述在线产品批次的基本信息包括：批次号，等级，所有人(Owner)，产品，平台，技术节点，工艺流程，光刻层信息。
进一步的改进是，步骤五中所述归一化预计作业时间为所述预计作业时间乘以归一化系数。
本发明能对在线产品批次进行监控并对在线产品批次的跑货历史进行自动分析汇总，能根据对跑货历史的自动分析汇总对未来各步对应的时间进行调整，从而能实现结合实际情况给出比较准确的跑货进度预测。
另外，本发明在对跑货进度进行准确预测的基础上，能实现对可能的跑货阻碍站点进行提前预警，提醒工程师提前进行关注。
附图说明
下面结合附图与具体实施方式对本发明作进一步详细的说明：
图1是本发明实施例晶圆制造中在线产品批次跑货状态的分析预测方法的流程图；
图2是本发明实施例方法中对未来的跑货阻碍站点进行预测的流程图。
具体实施方式
如图1所示，是本发明实施例晶圆制造中在线产品批次跑货状态的分析预测方法的流程图；本发明实施例晶圆制造中在线产品批次跑货状态的分析预测方法包括如下步骤：
步骤一、获取所要监控的在线产品批次的基本信息并写入后台数据。
通过MES系统的后台数据表中获取所要监控的在线产品批次的基本信息。
所述在线产品批次的基本信息包括：批次号，等级，所有人，产品，平台，技术节点，工艺流程，光刻层信息。
步骤二、根据历史跑货状况来更新各步预计作业时间。
更佳选择为，步骤二中是根据同技术平台的过去一年的历史跑货状况来更新各步预计作业时间。当然，在其他实施例中，步骤二中也能根据小于过去一年的历史跑货状况或大于过于一年的历史跑货状况进行更新。
步骤三、根据各步的所述预计作业时间计算各步的预计结束时间。
步骤四、计算预计的纯DPML，根据所述在线产品批次的类型计算归一化系数。
所述归一化系数为所需要的DPML除以所述纯DPML。
比如计算的纯DPML是2.0，但根据需求或者经验，这个类型的批次DPML需要跑到1.5，那归一化系数就是1.5/2.0。
步骤五、采用所述归一化系数对各步的所述预计作业时间进行归一化处理并形成各步对应的归一化预计作业时间。
所述归一化预计作业时间为所述预计作业时间乘以归一化系数。
步骤六、更新各所述在线产品批次的各步的预计工程时间。
在半导体制造中，工程时间是指需要工程师额外操作的时间，如要用不同条件跑货做实验等，工程时间会导致批次跑货用时增加，本说明书中所说的DPML是算上工程时间后计算的每个光罩层用的时间，Pure DPML是排除工程时间计算的每个光罩层用的时间，单位均是天/层(Days/Layer)。
步骤七、根据所述预计工程时间计算各所述在线产品批次的各步的预计作业总时间，所述预计作业总时间为所述预计工程时间加所述归一化预计作业时间，根据所述预计作业总时间调整各步的所述预计结束时间并形成调整后预计结束时间。
步骤八、获取所要监控的所述在线产品批次的已经结束的各步的实际作业相关时间，所述实际作业相关时间包括实际结束时间、实际作业时间和实际工程时间。
步骤九、计算所要监控的所述在线产品批次的已跑过的各步的延迟时间，延迟时间包括工程延迟时间、作业延迟时间、步延迟和总延迟。
所述工程延迟时间为所述实际工程时间减去所述预计工程时间。
所述作业延迟时间为所述实际作业时间减去所述归一化预计作业时间。
所述步延迟为所述工程延迟时间加上所述作业延迟时间。
所述总延迟为对应步的实际结束时间减去所述调整后预计结束时间。
步骤十、获取需去除延迟时间的所述在线产品批次的各步的信息，根据步骤九计算的延迟时间计算在所述在线产品批次的各步中需要扣除的扣除延迟时间，所述扣除延迟时间为负值。
通常，扣除延迟时间是由工程师进行计算的，供工程师维护需要去除的延迟时间，默认的是步骤九中所计算的步延迟，工程师也可根据实际情况修改，扣除已知的合理的延迟时间，如机台维修等造成的。
步骤十一、结合所述扣除延迟时间，计算所述在线产品批次的各步的含延迟预计结束时间，实现对所述在线产品批次的跑货的预测。
当前步对应的所述含延迟预计结束时间为前一步的结束时间加上当前步的含延迟预计作业总时间。
当前步对应的所述含延迟预计作业总时间为所述预计作业总时间加所述扣除延迟时间。
步骤十二、对于具有指定交期的所述在线产品批次，根据交期时间计算DPML，并根据DPML对所述在线产品批次的所述含延迟预计作业总时间进行调整。
例如，当交期时间较紧时，能提高该在线产品批次的优先级，缩短各步时间，以便能及时交货；而当交期较充足时，能不对各步时间进行调整或者适当延长各步时间，以便能使较紧急的在线产品批次优先处理。
步骤十三、对于具有新光罩进厂的所述在线产品批次，需结合所述新光罩进厂产生的延迟时间，更新各步时间。
如图2所示，是本发明实施例方法中对未来的跑货阻碍站点进行预测的流程图，本发明实施例方法中，还包括步骤：
步骤十四、在对所述在线产品批次的跑货过程中的各步时间的预测的基础上，对未来的跑货阻碍站点进行预测，包括如下分步骤：
步骤141、根据对所述在线产品批次的跑货的预测，获得未来时间段内需要经过的站点。
较佳选择为，步骤141中所述未来时间段为未来36小时。当然，在其他实施例中，所述未来时间段也能大于或小于36小时，能根据实际需要进行选定。
步骤142、根据所述历史跑货状况且按照等待时间的大小找出生产线上前几天内的等待时间较长的几个站点。
较佳为，步骤142对应的所述前几天为前7天。当然，在其他实施例中，所述前几天的天数也能大于7天或小于7天，能根据实际需要进行选定。
步骤143、在步骤141中所获得的各站点中提取出具有步骤142中出现的站点以及提取出未来需特殊处理的站点，所述未来需特殊处理的站点为还没有经过但已经设置为保持状态的站点。
所述未来需特殊处理的站点中的特殊处理包括按照拆分工艺单进行处理。
步骤144、将步骤143中所提取的站点作为所述未来时间段内的跑货阻碍站点。
本发明实施例方法晶圆制造对应的生产线包括6英寸、8英寸和12英寸晶圆的生产线，也即本发明实施例方法适用于各种现有常用的生产线，当然也适用于后续更新的生产线的跑货管理。
本发明实施例能对在线产品批次进行监控并对在线产品批次的跑货历史进行自动分析汇总，能根据对跑货历史的自动分析汇总对未来各步对应的时间进行调整，从而能实现结合实际情况给出比较准确的跑货进度预测。
另外，本发明实施例在对跑货进度进行准确预测的基础上，能实现对可能的跑货阻碍站点进行提前预警，提醒工程师提前进行关注。
以上通过具体实施方式对本发明进行了详细的说明，但这些并非构成对本发明的限制。在不脱离本发明原理的情况下，本领域的技术人员还可做出许多变形和改进，这些也应视为本发明的保护范围。

Claims (13)

1.一种晶圆制造中在线产品批次跑货状态的分析预测方法，其特征在于，包括如下步骤：
步骤一、获取所要监控的在线产品批次的基本信息并写入后台数据；
步骤二、根据历史跑货状况来更新各步预计作业时间；
步骤三、根据各步的所述预计作业时间计算各步的预计结束时间；
步骤四、计算预计的纯DPML，根据所述在线产品批次的类型计算归一化系数；
所述归一化系数为所需要的DPML除以所述纯DPML；
DPML是算上工程时间后计算的每个光罩层用的时间；
纯DPML是排除工程时间计算的每个光罩层用的时间；
步骤五、采用所述归一化系数对各步的所述预计作业时间进行归一化处理并形成各步对应的归一化预计作业时间；
步骤六、更新各所述在线产品批次的各步的预计工程时间；
步骤七、根据所述预计工程时间计算各所述在线产品批次的各步的预计作业总时间，所述预计作业总时间为所述预计工程时间加所述归一化预计作业时间，根据所述预计作业总时间调整各步的所述预计结束时间并形成调整后预计结束时间；
步骤八、获取所要监控的所述在线产品批次的已经结束的各步的实际作业相关时间，所述实际作业相关时间包括实际结束时间、实际作业时间和实际工程时间；
步骤九、计算所要监控的所述在线产品批次的已跑过的各步的延迟时间，延迟时间包括工程延迟时间、作业延迟时间、步延迟和总延迟；
所述工程延迟时间为所述实际工程时间减去所述预计工程时间；
所述作业延迟时间为所述实际作业时间减去所述归一化预计作业时间；
所述步延迟为所述工程延迟时间加上所述作业延迟时间；
所述总延迟为对应步的实际结束时间减去所述调整后预计结束时间；
步骤十、获取需去除延迟时间的所述在线产品批次的各步的信息，根据步骤九计算的延迟时间计算在所述在线产品批次的各步中需要扣除的扣除延迟时间，所述扣除延迟时间为负值；
步骤十一、结合所述扣除延迟时间，计算所述在线产品批次的各步的含延迟预计结束时间，实现对所述在线产品批次的跑货的预测；
当前步对应的所述含延迟预计结束时间为前一步的结束时间加上当前步的含延迟预计作业总时间；
当前步对应的所述含延迟预计作业总时间为所述预计作业总时间加所述扣除延迟时间。
2.如权利要求1所述的晶圆制造中在线产品批次跑货状态的分析预测方法，其特征在于：步骤二中是根据同技术平台的历史跑货状况来更新各步预计作业时间。
3.如权利要求2所述的晶圆制造中在线产品批次跑货状态的分析预测方法，其特征在于：步骤二中是根据同技术平台的过去一年的历史跑货状况来更新各步预计作业时间。
4.如权利要求1所述的晶圆制造中在线产品批次跑货状态的分析预测方法，其特征在于，还包括步骤：
步骤十二、对于具有指定交期的所述在线产品批次，根据交期时间计算DPML，并根据DPML对所述在线产品批次的所述含延迟预计作业总时间进行调整。
5.如权利要求4所述的晶圆制造中在线产品批次跑货状态的分析预测方法，其特征在于，还包括步骤：
步骤十三、对于具有新光罩进厂的所述在线产品批次，需结合所述新光罩进厂产生的延迟时间，更新各步时间。
6.如权利要求5所述的晶圆制造中在线产品批次跑货状态的分析预测方法，其特征在于，还包括步骤：
步骤十四、在对所述在线产品批次的跑货过程中的各步时间的预测的基础上，对未来的跑货阻碍站点进行预测，包括如下分步骤：
步骤141、根据对所述在线产品批次的跑货的预测，获得未来时间段内需要经过的站点；
步骤142、根据所述历史跑货状况且按照等待时间的大小找出生产线上前几天内的等待时间较长的几个站点；
步骤143、在步骤141中所获得的各站点中提取出具有步骤142中出现的站点以及提取出未来需特殊处理的站点，所述未来需特殊处理的站点为还没有经过但已经设置为保持状态的站点；
步骤144、将步骤143中所提取的站点作为所述未来时间段内的跑货阻碍站点。
7.如权利要求6所述的晶圆制造中在线产品批次跑货状态的分析预测方法，其特征在于：
步骤141中所述未来时间段为未来36小时。
8.如权利要求6所述的晶圆制造中在线产品批次跑货状态的分析预测方法，其特征在于：
步骤142对应的所述前几天为前7天。
9.如权利要求6所述的晶圆制造中在线产品批次跑货状态的分析预测方法，其特征在于：所述未来需特殊处理的站点中的特殊处理包括按照拆分工艺单进行处理。
10.如权利要求1所述的晶圆制造中在线产品批次跑货状态的分析预测方法，其特征在于：晶圆制造对应的生产线包括6英寸、8英寸和12英寸晶圆的生产线。
11.如权利要求1所述的晶圆制造中在线产品批次跑货状态的分析预测方法，其特征在于：步骤一中通过MES系统的后台数据表中获取所要监控的在线产品批次的基本信息。
12.如权利要求11所述的晶圆制造中在线产品批次跑货状态的分析预测方法，其特征在于：所述在线产品批次的基本信息包括：批次号，等级，所有人，产品，平台，技术节点，工艺流程，光刻层信息。
13.如权利要求1所述的晶圆制造中在线产品批次跑货状态的分析预测方法，其特征在于：步骤五中所述归一化预计作业时间为所述预计作业时间乘以归一化系数。
CN201811630469.8A 2018-12-29 2018-12-29 晶圆制造中在线产品批次跑货状态的分析预测方法 Active CN109740813B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811630469.8A CN109740813B (zh) 2018-12-29 2018-12-29 晶圆制造中在线产品批次跑货状态的分析预测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811630469.8A CN109740813B (zh) 2018-12-29 2018-12-29 晶圆制造中在线产品批次跑货状态的分析预测方法

Publications (2)

Publication Number Publication Date
CN109740813A CN109740813A (zh) 2019-05-10
CN109740813B true CN109740813B (zh) 2020-11-24

Family

ID=66362047

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811630469.8A Active CN109740813B (zh) 2018-12-29 2018-12-29 晶圆制造中在线产品批次跑货状态的分析预测方法

Country Status (1)

Country Link
CN (1) CN109740813B (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113534855B (zh) * 2020-04-14 2023-07-21 长鑫存储技术有限公司 一种机台气路流量调整系统及方法
CN111539648B (zh) * 2020-05-11 2023-08-18 上海华力集成电路制造有限公司 设备群间动态产能的自动分配装置和方法
CN111784035A (zh) * 2020-06-24 2020-10-16 上海华力集成电路制造有限公司 一种基于交货日期的流水作业生产线作业量预测方法
CN111784036A (zh) * 2020-06-24 2020-10-16 上海华力集成电路制造有限公司 一种基于生产周期的流水作业生产线作业量预测方法
CN113035755B (zh) * 2021-03-15 2023-08-18 上海华力微电子有限公司 半导体生产制造中lot实时追踪及分析方法及系统
CN114613710B (zh) * 2022-05-11 2022-07-26 弥费实业(上海)有限公司 基于完工时间的提前派车方法、系统及计算机设备

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110145034A1 (en) * 2009-12-11 2011-06-16 Verizon Patent And Licensing Inc. Method and system for estimating project delay
CN103676881A (zh) * 2013-12-16 2014-03-26 北京化工大学 一种半导体生产线动态瓶颈分析方法
CN104516784A (zh) * 2014-07-11 2015-04-15 中国科学院计算技术研究所 一种预测任务资源等待时间的方法及系统
CN107909216A (zh) * 2017-11-30 2018-04-13 成都飞机工业（集团）有限责任公司 一种零件实际生产周期预测方法
CN108008707A (zh) * 2017-11-28 2018-05-08 上海华力微电子有限公司 一种自动监控产品跑货状况的方法
CN108021099A (zh) * 2016-10-28 2018-05-11 发那科株式会社 机械学习装置以及加工时间预测装置
CN108646684A (zh) * 2018-05-30 2018-10-12 电子科技大学 一种基于变动性度量的多产品生产线生产周期预测方法
CN108803528A (zh) * 2018-07-13 2018-11-13 杭州电子科技大学 基于多变量相关性及时滞性的流程工业系统预测模型

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110145034A1 (en) * 2009-12-11 2011-06-16 Verizon Patent And Licensing Inc. Method and system for estimating project delay
CN103676881A (zh) * 2013-12-16 2014-03-26 北京化工大学 一种半导体生产线动态瓶颈分析方法
CN104516784A (zh) * 2014-07-11 2015-04-15 中国科学院计算技术研究所 一种预测任务资源等待时间的方法及系统
CN108021099A (zh) * 2016-10-28 2018-05-11 发那科株式会社 机械学习装置以及加工时间预测装置
CN108008707A (zh) * 2017-11-28 2018-05-08 上海华力微电子有限公司 一种自动监控产品跑货状况的方法
CN107909216A (zh) * 2017-11-30 2018-04-13 成都飞机工业（集团）有限责任公司 一种零件实际生产周期预测方法
CN108646684A (zh) * 2018-05-30 2018-10-12 电子科技大学 一种基于变动性度量的多产品生产线生产周期预测方法
CN108803528A (zh) * 2018-07-13 2018-11-13 杭州电子科技大学 基于多变量相关性及时滞性的流程工业系统预测模型

Also Published As

Publication number Publication date
CN109740813A (zh) 2019-05-10

Similar Documents

Publication Publication Date Title
CN109740813B (zh) 晶圆制造中在线产品批次跑货状态的分析预测方法
US6434440B1 (en) Production estimate management system
US5442561A (en) Production management system and its application method
US6647307B1 (en) Method for controlling queue time constraints in a fabrication facility
US8165704B2 (en) Method of release and product flow management for a manufacturing facility
CN109074529B (zh) 匹配记录的方法、调度维护的方法和装置
DE102007046848A1 (de) Verfahren und System zum Steuern der Transportsequenzen in einer Prozessanlage mittels eines vorausschauenden Modus
US20070083281A1 (en) Systems and methods for production planning
US7296103B1 (en) Method and system for dynamically selecting wafer lots for metrology processing
JPH06203042A (ja) 生産ライン計画作成方法
JP2005190031A (ja) 半導体デバイス製造におけるボトルネック発生回避方法およびシステム
CN112365181B (zh) 一种动态工艺流程的Qtime WIP管控方法
JP2800795B2 (ja) 生産制御方法及び生産制御装置
US20080294282A1 (en) Use of logical lots in semiconductor substrate processing
JP2005208891A (ja) 制御装置及び処理システム
US10884342B2 (en) Method and apparatus for predicting performance of a metrology system
Ramlan et al. Agent-Based Chemical Mechanical Planarization Qualification for Semiconductor Wafer Fabrication
JP2004355095A (ja) 生産管理方法
JPH11170144A (ja) 半導体製造システム
JP2005346482A (ja) 生産指示計画作成システムおよび記録媒体
Ab Rahim et al. Application of a Simulation Model to Forecast Cycle Time Based on Static Model Input
Chik et al. Manufacturing WIP management systems with automated dispatching decision: Silterra case study
JP5326506B2 (ja) 生産管理方法及び生産管理システム
JP2002373014A (ja) 電子デバイスの製造工程管理システム
JP2010218018A (ja) 生産管理システム

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant