CN113361833A - 化学机械抛光***以及相关的派工管理方法 - Google Patents

化学机械抛光***以及相关的派工管理方法 Download PDF

Info

Publication number
CN113361833A
CN113361833A CN202010134312.7A CN202010134312A CN113361833A CN 113361833 A CN113361833 A CN 113361833A CN 202010134312 A CN202010134312 A CN 202010134312A CN 113361833 A CN113361833 A CN 113361833A
Authority
CN
China
Prior art keywords
work schedules
groups
schedules
work
sets
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.)
Granted
Application number
CN202010134312.7A
Other languages
English (en)
Other versions
CN113361833B (zh
Inventor
隋珍玉
尹又生
徐丙新
刘涛
谈文毅
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.)
United Semi Integrated Circuit Manufacture Xiamen Co ltd
Original Assignee
United Semi Integrated Circuit Manufacture Xiamen Co ltd
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 United Semi Integrated Circuit Manufacture Xiamen Co ltd filed Critical United Semi Integrated Circuit Manufacture Xiamen Co ltd
Priority to CN202010134312.7A priority Critical patent/CN113361833B/zh
Priority to US16/841,647 priority patent/US11397425B2/en
Publication of CN113361833A publication Critical patent/CN113361833A/zh
Application granted granted Critical
Publication of CN113361833B publication Critical patent/CN113361833B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
    • G05B19/41865—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by job scheduling, process planning, material flow
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B24—GRINDING; POLISHING
    • B24B—MACHINES, DEVICES, OR PROCESSES FOR GRINDING OR POLISHING; DRESSING OR CONDITIONING OF ABRADING SURFACES; FEEDING OF GRINDING, POLISHING, OR LAPPING AGENTS
    • B24B37/00—Lapping machines or devices; Accessories
    • B24B37/005—Control means for lapping machines or devices
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06311—Scheduling, planning or task assignment for a person or group
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/12—Computing arrangements based on biological models using genetic models
    • G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
    • 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
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/45—Nc applications
    • G05B2219/45232—CMP chemical mechanical polishing of wafer

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Strategic Management (AREA)
  • Biophysics (AREA)
  • Economics (AREA)
  • General Engineering & Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Manufacturing & Machinery (AREA)
  • Mechanical Engineering (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Evolutionary Biology (AREA)
  • General Health & Medical Sciences (AREA)
  • Marketing (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Automation & Control Theory (AREA)
  • Primary Health Care (AREA)
  • Operations Research (AREA)
  • Physiology (AREA)
  • Genetics & Genomics (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Game Theory and Decision Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)

Abstract

电脑上试运行的派工管理方法，包含：产生多组初始化工作调度；根据适应度参数来对所述初始化工作调度进行筛选以产生多组中间工作调度；分别对所述中间工作调度进行交叉运算以产生多组交叉后工作调度；分别对所述中间工作调度以及所述交叉后工作调度的内容进行变异运算以产生多组变异后工作调度；对所述中间工作调度、交叉后工作调度以及变异后工作调度进行最佳化运算以产生目标工作调度；以及自动地根据该组目标工作调度来进行对应CMP机台的派工。

Description

化学机械抛光***以及相关的派工管理方法
技术领域
本发明系有关于化学机械抛光(Chemical Mechanical Polishing，CMP)的应用，尤指一种基于遗传演算法的CMP智能派工***以及系相关的智能派工方法。
背景技术
化学机械抛光(Chemical Mechanical Polishing,CMP)为目前集成电路与光电元件常见的处理过程，又称为化学机械平坦化(Chemical-Mechanical Planarization，CMP)，就现有的CU-CMP程序结构而言，当需要更换耗材时，所有产品和相应的机台均需重新进行调度，并根据调度结果来进行机台的分配(上述调度的动作即为机台更换耗材/例行机台测机保养后为确保机台生产稳定性执行的产品试生产过程，又简称为Pilot)。如此，因为现有技术的Pilot主要通过人为的方式来进行，往往造成同一产品被分派给多个机台处理，然而该产品的需求量实际上不见得需要这么多机台来生产。由此可知，不当的Pilot反而导致流程在整体上耗费更多的时间，因此如何合理地进行Pilot是极为重要的。
此外，前端闲置(Head Idle)也是CU-CMP生产过程中大幅增加机台生产时间的一个因素，所谓Head Idle即为CU-CMP机型机台结构中的前端(Head部分在生产过程中生产不连续而造成的闲置时间。当机台连续抽片片数少于机台内部同时所能够容纳的晶圆(Wafer)片数便会造成前端闲置暖机(Head Idle Season)，大幅增加机台生产所耗费的时间。对此，合理调度能避免连续调度出少片数槽的问题，亦可改善晶圆装载槽(Load port)不足而导致抽片无法连续的问题，从而降低前端闲置暖机发生的频率。
发明内容
综上所述，本发明的目的在于提供一种于电脑上试运行(Pilot run)的派工管理方法以及相关的化学机械抛光(chemical mechanical polishing，CMP)***，以解决上述先前技术所遭遇的问题。
本发明的一实施例提供了一种于电脑上试运行的派工管理方法，应用于化学机械抛光单元，包含以下步骤：根据多个CMP机台的机台信息来产生K组初始化工作调度；根据该K组初始化工作调度各自的适应度参数来对该K组初始化工作调度进行筛选，以产生L组中间(intermediate)工作调度；分别对该L组中间工作调度进行M次交叉运算以产生M组交叉后工作调度，其中该M次交叉运算中每一次交叉运算系从该L组中间工作调度中不同的两组工作调度各取部分内容进行混合排列，以产生一组交叉后工作调度；分别对该L组中间工作调度以及该M组交叉后工作调度的内容进行变异运算，以产生N组变异后工作调度；对该L组中间工作调度、该M组交叉后工作调度以及该N组变异后工作调度进行最佳化运算，以产生一组目标工作调度；以及自动地根据该组目标工作调度来进行对应所述CMP机台的派工。
本发明的一实施例提供了一种化学机械抛光***，用于通过电脑上试运行的方式来进行CMP派工管理，该化学机械抛光***包含多个CMP机台以及一处理器，其中该处理器用以执行以下步骤：根据多个CMP机台的机台信息来产生K组初始化工作调度；根据该K组初始化工作调度各自的适应度参数来对该K组初始化工作调度进行筛选，以产生L组中间工作调度；分别对该L组中间工作调度进行M次交叉运算以产生M组交叉后工作调度，其中该M次交叉运算中每一次交叉运算系从该L组中间工作调度中不同的两组工作调度各取部分内容进行混合排列，以产生一组交叉后工作调度；分别对该L组中间工作调度以及该M组交叉后工作调度的内容进行变异运算，以产生N组变异后工作调度；对该L组中间工作调度、该M组交叉后工作调度以及该N组变异后工作调度进行最佳化运算，以产生一组目标工作调度；以及自动地根据该组目标工作调度来进行对应所述CMP机台的派工。
综上所述，本发明实施例能够妥善且有效率地对抛光单元运行时的顺畅度，尤其能够避免机台连续抽片片数少于机台内部同时所能够容纳的晶圆片数的情形发生，因而改善了前端闲置暖机的问题。
附图说明
图1为本发明化学机械抛光***的示意图；
图2为现有技术以人工方式对多个CMP机台进行生产调度的范例；
图3为晶圆生产机台结构的示意图；
图4为对应图3的派工逻辑示意图；
图5为根据本发明实施例的适用于化学机械抛光单元的遗传演算法的流程图；
图6A、6B为对应图5中初始化、选择、交叉以及变异步骤的范例的示意图；
图7为根据本发明实施例***结构的方块图；
图8为图7详细的作法；
图9为根据本发明实施例的自动派工***的流程图；
图10列举了本案与现有技术之间的差异；
图11为根据本发明一实施例的电脑上试运行的派工管理方法的流程图。
【主要元件符号说明】
100:化学机械抛光***
120_1～120_N,CUCMP_01～CUCMP_08:CMP机台
110:处理器
Layergroup 1,Layergroup 2,Layergroup:针对产品的调度
Polisher_A～Polisher_D:抛光单元
200A,200B:区块
500:流程
502～520,602～612,1102～1112,1202～1212:步骤
1100,1200:派工流程
具体实施方式
在说明书及后续的申请专利范围当中使用了某些词汇来指称特定的元件。所属领域中具有通常知识者应可理解，硬件制造商可能会用不同的名词来称呼同样的元件。本说明书及后续的申请专利范围并不以名称的差异来作为区分元件的方式，而是以元件在功能上的差异来作为区分的准则。在通篇说明书及后续的权利要求当中所提及的「包含」为一开放式的用语，故应解释成「包含但不限定于」。另外，「耦接」一词在此包含任何直接及间接的电气连接手段。因此，若文中描述一第一装置耦接于一第二装置，则代表该第一装置可直接电气连接于该第二装置，或通过其他装置或连接手段间接地电气连接至该第二装置。
本发明旨在解决先前技术在进行Pilot作业时，因为人为调整调度所导致的前端闲置暖机问题以及不当安排晶圆装载槽(Load Port)的个数，上述人为操作可通过"卡控派工"的方式，亦即人员利用无线通信设备或亲自于现场进行指导。
本发明通过将实时派工(Real Time Dispatch，RTD)结合遗传演算法来进行合理的Pilot，智能地降低Head Idle频率，详细的操作方式将于以下实施例一一介绍。
请参考图1，图1为本发明化学机械抛光***100的示意图，其中化学机械抛光***100用于通过电脑上试运行(Pilot Run)的方式来进行CMP派工管理。如图1所示，化学机械抛光***100包含多个CMP机台120_1～120_N以及一处理器110，其中处理器110可根据CMP机台120_1～120_N的机台信息来产生对应的多组(例如K组)初始化工作调度，并且进一步从这些初始化工作调度各自的适应度参数来筛选出较少组(例如L组，其中L<K)初始化工作调度以作为中间(intermediate)工作调度，其中筛选的条件可事先于电脑设定，并且根据实际的设计需求来作调整，且机台信息可包括产品所属群组、机台闲置时间及/或机台运作时间。此外，处理器110包含一实时派工(Real time dispatch，RTD)***112。之后，处理器110可对这L组中间工作调度进行至少一次(亦即一或多次)交叉运算来产生多组(例如M组)交叉后工作调度。所产生的M此交叉后工作调度以及上述L组中间工作调度可进一步作进行变异运算以产生N组变异后工作调度。最后，以上述L组中间工作调度、M组交叉后工作调度以及N组变异后工作调度进行最佳化运算，以产生一组目标工作调度，以及自动地根据这组目标工作调度来进行对应CMP机台120_1～120_N的智能派工。换言之，上述目标工作调度会从(L+M+N)组候选工作调度中选出最适合的工作调度，诸如能使耗时/耗电最小化的工作调度。较佳地，目标工作调度会具有最小的总处理时间，亦即选取目标工作调度的条件是使运算时间、Pilot时间以及前端闲置暖机时间的加总为最小。
请参考图2，图2为现有技术以人工方式对多个CU-CMP机台进行生产调度的范例，此范例仅为使读者对于派工管理有更多的概念。如图2所示，区块Layergroup 1、Layergroup 2、Layergroup 3分别代表针对三种不同产品的调度(Pilot process)，深色区块(如区块200A)代表CU-CMP机台处于运行期间(Running Lot)，而浅色区块(如区块200B)代表CU-CMP机台处于闲置期间(Equipment Idle)。在工厂一天内的工作时间中(例如8：30～17：30)，可以看出每个机台(亦即CUCMP_01～CUCMP_08)皆有若干限制时间，使得整体生产效率无法最大化。
CU-CMP研磨型机台满载期间约2天更换一次耗材，而后所有产品到所述机台生产时需要通过对产品所属的层群(Layer-group)进行Pilot，确认机台生产稳定性后再进行正常生产。习知的Pilot方式对于不同Layer-group材料在机台进行Pilot流程时并无特殊分配逻辑，而所属Layer-group在机台未执行过Pilot便会触发Pilot。举例来说，Layergroup1共在5个机台启动了Pilot流程，而实际当天Layergroup 1所需的总产品量不需要那么多(例如低于50片)，一个机台足以满足当天生产需求，故可知不当的调度除了会增加机台闲置时间，也会开启多余的机台导致成本的增加。
请参考图3以及图4，图3为晶圆生产机台结构300的示意图，当生产流程进行到抛光的步骤时，会将晶圆分配给抛光单元Polisher_A～Polisher_D，并且尽可能将装载槽(Load Port，即材料传送至机台时进机前可暂时放置的位置)填满以免形成前述前端闲置暖机的问题。在此范例中，当抛光单元内位置被填满，同时运作的晶圆片数为8片，故前后两批连续抽片片数和小于8片时会触发前端闲置暖机。有鉴于此，本发明着重于：合理地对连续两批(或多批)材料的片数进行调度，并且动态地平衡装载槽使抽片连续。关于晶圆生产机台结构300内抛光单元Polisher_A～Polisher_D以外的其他元件，由于本领域通常知识者可无歧义了解，故不再赘述。
请进一步参考图4，其为对应图3的Pilot逻辑示意图。如图4上半部所示，当分别对应AB侧(Polisher_A、Polisher_B)的装载槽Lot1、Lot2的总晶圆片数已达到8片时(亦即大于或等于8片)，则AB侧(AB Side，即抛光单元A、B所构成的一侧)使用当前的两个装载槽Lot1、Lot2便可满足机台连续抽片而不会触发前端闲置暖机。其中，抛光单元A、B与C、D分别独立地具备完整生产功能，故可分别定义为AB侧和CD侧。然而，如图4下半部所示，当装载槽Lot1、Lot2的片数总和小于8片时，则需要新增另一批材料并且额外用装载槽Lot3以使装载槽Lot1、Lot2、Lot3装载的总晶圆片数大于或等于8片，因为片数为8片可将AB侧所有生产位置填满，而不会触发前端闲置暖机，而此时AB侧的工作尚需要使用位元元于CD侧的装载槽Lot3，造成成本的提高。
请参考图5，图5为根据本发明实施例的适用于化学机械抛光单元的遗传演算法的流程图，简单来说，遗传演算法是类比达尔文生物进化论的自然选择和遗传学机理的生物进化过程的计算模型，是一种通过类比自然进化过程搜索最优解的方法，而本发明着重于通过遗传演算法来寻求晶圆调度的最佳解，以尽可能使机台的任务分配实现图4上半部的情境，而非图4下半部的情境。图5所示的流程可被图1所示的化学机械抛光***100所采用，并可简单归纳以下步骤：
步骤502：流程开始；
步骤504：进行初始化程序；
步骤506：计算适应度；
步骤508：判断适应度是否达到期望值，若是，流程跳到步骤520；若否，流程进入步骤510；
步骤510：对于目前派工样本进行选取操作以产生选取后派工样本；
步骤512：对于选取后派工样本进行交叉操作，以产生交叉后派工样本；
步骤514：再次计算适应度；
步骤516：判断适应度是否达到期望值，若是，流程跳到步骤520；若否，流程进入步骤518；
步骤518：对于选取后派工样本以及交叉后派工样本进行变异操作，以产生变异后派工样本，流程跳至步骤506；
步骤520：流程结束。
请接着参考图6A、6B，其为对应图5中初始化、选择、交叉以及变异步骤的范例的示意图，其中适应度(adaptability)为判断产生的派工流程是否为最佳的指标，而在图6A、6B的范例中，目标派工流程会具有最小的总处理时间，运算时间、Pilot时间以及前端闲置暖机时间的加总为最小，亦即适应度在此可为周速(cycle time)。首先，在图6A最左侧的初始化阶段中，化学机械抛光***的处理器会先根据多个CMP机台的机台信息来产生多组初始化工作调度。请注意，虽然本范例只详细地显示初始化阶段、选择阶段、交叉阶段以及变异阶段中前几组工作调度，而未显示后面的多组工作调度，但这仅作为说明的目的，本发明在实际运行上并不限定初始化工作调度的数量。
在初始化阶段中，编号为2、4、5、6的调度具有较佳的适应度(亦即较小的时间周期或较高的周速)，因此，这四组调度会被选入至下一阶段(即选择阶段)，此步骤淘汰了部分不适合的调度，亦即该L组中间工作调度相较于该K组初始化工作调度中其余的初始化工作调度具有较短的周速。请注意，本范例中总共有K组初始化工作调度、L组中间(intermediate)调度、M组交叉后调度以及N组变异后调度，其中K、L、M、N可为任意正整数。本发明并无特别限制K、L、M、N的范围，但在本范例中，K>L且N>M>L。
接着在交叉阶段中，编号为2、6的调度被选出来作交叉处理以产生编号为2×6的调度，其中调度2×6在第一个区间的编排方式参照调度6，而调度2×6在第2、第三个区间的编排方式参照调度2，换言之，相较于调度2，调度2×6中lot1的排序与lot2的排序对调。以此类推，本发明还可通过其他任二组调度来产生一组新的交叉后调度，在总共有L组中间工作调度的情况下，假设任二组工作调度搭配可产生一组交叉后工作调度，如此一来总共可产生L！组交叉后工作调度，或甚至更多(考量到任二组工作调度之间可具有不只一种交叉方式)，此外，可用该L组中间工作调度所能交叉出的最大数量或一预定数量来定义M值。
接着在图6B的变异阶段中，上述L组中间工作调度及/或上述M组交叉后工作调度皆可进行变异操作。相较于调度2，其对应的变异后调度2'中lot1的排序与lot3的排序互相对调；相较于调度4，其对应的变异后调度4'中lot2的排序与lot3的排序互相对调；相较于调度5，其对应的变异后调度5'中lot1的排序与lot3的排序互相对调，且lot2的排序亦有改变。在总共有L组中间工作调度以及M组交叉后工作调度的情况下，应可产生2(L+M)组变异后工作调度，或甚至更多(若考量到任二组工作调度之间可具有不只一种变异方式)。换言之，产生该N组变异后工作调度的方式可为：分别对该L组中间工作调度以及该M组交叉后工作调度中的N组工作调度的每一工作调度进行随机扰乱，以产生该N组变异后工作调度。
最后，对上述L组中间工作调度、M组交叉后工作调度以及N组变异后工作调度进行最佳化运算，以产生一组目标工作调度；以及自动地根据该组目标工作调度来进行对应所述CMP机台的派工，以产生耗时/耗电最小化的工作调度。详细来说，上述最佳化运算根据CMP机台的工作时间(Process time)、派工处理时间(Pilot process time)以及前端闲置暖机时间(Head idle season time)的加总时间，来从该L组中间工作调度、该M组交叉后工作调度以及该N组变异后工作调度中选出具有最短加总时间的一组工作调度来作为最后要产生的目标工作调度。
目标工作调度决定可进一步用来调整CMP机台被使用的数量，并且可用来调整所述CMP机台的装载槽(Load Port)装载晶圆的数量。此外，本发明的特色之一在于能够通过实时派工***(诸如图1所示的实时派工***112)来自动地根据该组目标工作调度来进行对应所述CMP机台，而该目标工作调度会传送至该实时派工***来进行CMP派工。
请参考图7～图9，其中图7为根据本发明实施例***结构的方块图，图8为图7详细的作法，图9为根据本发明实施例的自动派工***的流程图，其可搭配图7、图8来参考。如图7所示，调度***方块会从***UI方块以及基础信息方块撷取遗传演算法所需的信息，接着，所产生的派工流程会传至后续的自动派工(Auto-Pilot)***以及派工***。其中，RTD为即时派工***(Real Time Dispatch)、MES为制造执行***(Manufacturing ExecutionSystem)、IUI为智能使用者界面(Intelligent User Interface)、Auto3UI为自动化使用者界面(Auto User Interface)、AM为活动管理员(activity manager)。由于图8、图9的详细操作可由图中得知，于此不再赘述。
图10列举了本案与现有技术之间的差异，从图10可得知本发明在技术上实有极大突破，举例来说，在现有技术Pilot流程1100中，必须先经由人工检查Layergroup材料量(步骤1102)，亦即先确定需要工作的机台数量；接着，于步骤1104人工更改"Auto Pilot(自动派工)开关"，亦即卡控Pilot机台个数；在进行自动派工且返回主机台后(步骤1106、1108)，进入步骤1100判断后面跟着的装载槽是否同样为小片数，最后进入步骤1112由人工卡控装载槽的个数，以避免材料连续抽片片数不足发生前端闲置暖机。其中，自动派工开关设置在IUI***上，产线工作人员通过更改其设定值来控制自动派工***的“开/关”。相较之下，本发明可省下大量人力成本，并且减少人为误判的可能性。换言之，对比于现有技术的派工流程1100，本发明派工流程1200能够避免步骤1102、1104、1112的人工作业，不但省时，也能自动地产生更为精确的工作调度。
请参考图11，图11为根据本发明一实施例的电脑上试运行的派工管理方法600的流程图，所述方法适用于化学机械抛光单元，诸如图1所示的化学机械抛光单元100。请注意，假如可获得实质上相同的结果，则这些步骤并不一定要遵照图5所示的执行次序来执行。图11所示的方法可被图1所示的化学机械抛光***100所采用，并可简单归纳以下步骤：
步骤602：进行初始化程序；举例来说，可根据多个CMP机台的机台信息来产生K组初始化工作调度；
步骤604：根据该K组初始化工作调度各自的适应度参数来对该K组初始化工作调度进行筛选，以产生L组中间工作调度；
步骤606：分别对该L组中间工作调度进行M次交叉运算以产生M组交叉后工作调度，其中该M次交叉运算中每一次交叉运算从该L组中间工作调度中不同的两组工作调度各取部分内容进行混合排列，以产生一组交叉后工作调度；
步骤608：分别对该L组中间工作调度以及该M组交叉后工作调度的内容进行变异运算，以产生N组变异后工作调度；
步骤610：对该L组中间工作调度、该M组交叉后工作调度以及该N组变异后工作调度进行最佳化运算，以产生一组目标工作调度；
步骤612：以及自动地根据该组目标工作调度来进行对应所述CMP机台的派工。
综上所述，本发明实施例能够妥善且有效率地对抛光单元运行时的顺畅度，尤其能够避免机台连续抽片片数少于机台内部同时所能够容纳的晶圆片数的情形发生，因而改善了前端闲置暖机的问题。
以上所述仅为本发明的较佳实施例，凡依本发明申请专利范围所做的均等变化与修饰，皆应属本发明的涵盖范围。

Claims (20)

1.一种于计算机上试运行的派工管理方法，应用于化学机械抛光(chemicalmechanical polishing，CMP)机台，包含以下步骤：
根据多个CMP机台的机台信息来产生K组初始化工作调度；
根据该K组初始化工作调度各自的适应度参数来对该K组初始化工作调度进行筛选，以产生L组中间工作调度；
分别对该L组中间工作调度进行M次交叉运算以产生M组交叉后工作调度，其中该M次交叉运算中每一次交叉运算系从该L组中间工作调度中不同的两组工作调度各取部分内容进行混合排列，以产生一组交叉后工作调度；
分别对该L组中间工作调度以及该M组交叉后工作调度的内容进行变异运算，以产生N组变异后工作调度；
对该L组中间工作调度、该M组交叉后工作调度以及该N组变异后工作调度进行优化运算，以产生一组目标工作调度；以及
自动地根据该组目标工作调度来进行对应所述CMP机台的派工。
2.如权利要求1所述的派工管理方法，其中所述CMP机台的机台信息包含以下信息：
产品所属群组、机台空闲时间以及机台运作时间。
3.如权利要求1所述的派工管理方法，其中该K组初始化工作调度各自的适应度参数包含周速。
4.如权利要求3所述的派工管理方法，其中该L组中间工作调度相较于该K组初始化工作调度中其余的初始化工作调度具有较短的周速。
5.如权利要求1所述的派工管理方法，其中分别对该L组中间工作调度进行M次交叉运算以产生该M组交叉后工作调度的步骤包含：
以该L组中间工作调度所能交叉出的最大数量或一预定数量来定义M值。
6.如权利要求1所述的派工管理方法，其中分别对该L组中间工作调度以及该M组交叉后工作调度的内容进行变异运算以产生该N组变异后工作调度的步骤包含：
分别对该L组中间工作调度以及该M组交叉后工作调度中的N组工作调度的每一工作调度进行随机扰乱，以产生该N组变异后工作调度。
7.如权利要求1所述的派工管理方法，其中对该L组中间工作调度、该M组交叉后工作调度以及该N组变异后工作调度进行优化运算，以产生该组目标工作调度的步骤包含：
根据所述CMP机台的工作时间、派工处理时间(以及前端闲置暖机时间的加总时间，来从该L组中间工作调度、该M组交叉后工作调度以及该N组变异后工作调度中选出具有最短加总时间的一组工作调度来作为该目标工作调度。
8.如权利要求1所述的派工管理方法，还包含：
根据该目标工作调度来调整所述CMP机台被使用的数量。
9.如权利要求1所述的派工管理方法，还包含：
根据该目标工作调度来调整所述CMP机台的装载槽装载晶圆的数量。
10.如权利要求1所述的派工管理方法，其中自动地根据该组目标工作调度来进行对应所述CMP机台的派工步骤包含：
将该目标工作调度传送至一实时派工***来进行CMP派工。
11.一种化学机械抛光(chemical mechanical polishing，CMP)***，用于通过计算机上试运行的方式来进行CMP派工管理，该化学机械抛光***包含：
多个CMP机台；
一处理器，用以执行以下步骤：
根据多个CMP机台的机台信息来产生K组初始化工作调度；
根据该K组初始化工作调度各自的适应度参数来对该K组初始化工作调度进行筛选，以产生L组中间工作调度；
分别对该L组中间工作调度进行M次交叉运算以产生M组交叉后工作调度，其中该M次交叉运算中每一次交叉运算系从该L组中间工作调度中不同的两组工作调度各取部分内容进行混合排列，以产生一组交叉后工作调度；
分别对该L组中间工作调度以及该M组交叉后工作调度的内容进行变异运算，以产生N组变异后工作调度；
对该L组中间工作调度、该M组交叉后工作调度以及该N组变异后工作调度进行优化运算，以产生一组目标工作调度；以及
自动地根据该组目标工作调度来进行对应所述CMP机台的派工。
12.如权利要求11所述的化学机械抛光***，其中所述CMP机台的机台信息包含以下信息：
产品所属群组、机台空闲时间以及机台运作时间。
13.如权利要求11所述的化学机械抛光***，其中该K组初始化工作调度各自的适应度参数包含周速。
14.如权利要求13所述的化学机械抛光***，其中该L组中间工作调度相较于该K组初始化工作调度中其余的初始化工作调度具有较短的周速。
15.如权利要求11所述的化学机械抛光***，其中分别对该L组中间工作调度进行M次交叉运算以产生该M组交叉后工作调度的步骤包含：
以该L组中间工作调度所能交叉出的最大数量或一预定数量来定义M值。
16.如权利要求11所述的化学机械抛光***，其中分别对该L组中间工作调度以及该M组交叉后工作调度的内容进行变异运算以产生该N组变异后工作调度的步骤包含：
分别对该L组中间工作调度以及该M组交叉后工作调度中的N组工作调度的每一工作调度进行随机扰乱，以产生该N组变异后工作调度。
17.如权利要求11所述的化学机械抛光***，其中对该L组中间工作调度、该M组交叉后工作调度以及该N组变异后工作调度进行优化运算，以产生该组目标工作调度的步骤包含：
根据所述CMP机台的工作时间、派工处理时间以及前端闲置暖机时间的加总时间，来从该L组中间工作调度、该M组交叉后工作调度以及该N组变异后工作调度中选出具有最短加总时间的一组工作调度来作为该目标工作调度。
18.如权利要求11所述的化学机械抛光***，还包含：
根据该目标工作调度来调整所述CMP机台被使用的数量。
19.如权利要求11所述的化学机械抛光***，还包含：
根据该目标工作调度来调整所述CMP机台的装载槽装载晶圆的数量。
20.如权利要求11所述的化学机械抛光***，其中自动地根据该组目标工作调度来进行对应所述CMP机台的派工步骤包含：
将该目标工作调度传送至一实时派工***来进行CMP派工。
CN202010134312.7A 2020-03-02 2020-03-02 化学机械抛光***以及相关的派工管理方法 Active CN113361833B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202010134312.7A CN113361833B (zh) 2020-03-02 2020-03-02 化学机械抛光***以及相关的派工管理方法
US16/841,647 US11397425B2 (en) 2020-03-02 2020-04-06 CMP polishing system and associated pilot management system

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010134312.7A CN113361833B (zh) 2020-03-02 2020-03-02 化学机械抛光***以及相关的派工管理方法

Publications (2)

Publication Number Publication Date
CN113361833A true CN113361833A (zh) 2021-09-07
CN113361833B CN113361833B (zh) 2022-05-24

Family

ID=77464143

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010134312.7A Active CN113361833B (zh) 2020-03-02 2020-03-02 化学机械抛光***以及相关的派工管理方法

Country Status (2)

Country Link
US (1) US11397425B2 (zh)
CN (1) CN113361833B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116845015A (zh) * 2023-09-01 2023-10-03 合肥晶合集成电路股份有限公司 一种自动派工***及试运行产品的自动派工方法

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114781900B (zh) * 2022-05-07 2023-02-28 中国航空工业集团公司沈阳飞机设计研究所 一种多任务同时工作资源调度方法、***及飞机

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102866912A (zh) * 2012-10-16 2013-01-09 首都师范大学 一种单指令集异构多核***静态任务调度方法
CN104572297A (zh) * 2014-12-24 2015-04-29 西安工程大学 一种基于遗传算法的Hadoop作业调度方法
CN105976030A (zh) * 2016-03-15 2016-09-28 武汉宝钢华中贸易有限公司 基于多智能体月台调度智能排序模型的构造
CN107688909A (zh) * 2017-09-07 2018-02-13 上海振华重工(集团)股份有限公司 一种基于遗传算法的自动化堆场调度方法和***
CN108416465A (zh) * 2018-01-31 2018-08-17 杭州电子科技大学 一种移动云环境下的工作流优化方法
CN108881432A (zh) * 2018-06-15 2018-11-23 广东省城乡规划设计研究院 基于ga算法的云计算集群负载调度方法
CN110059908A (zh) * 2019-01-23 2019-07-26 渤海大学 基于自适应遗传算法的新工件重调度优化方法
CN110389819A (zh) * 2019-06-24 2019-10-29 华中科技大学 一种计算密集型批处理任务的调度方法和***

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6678572B1 (en) * 1998-12-31 2004-01-13 Asml Holdings, N.V. Recipe cascading in a wafer processing system
US7894926B2 (en) * 2006-09-22 2011-02-22 Pdf Solutions, Inc. Global predictive monitoring system for a manufacturing facility
US9141581B2 (en) * 2012-07-25 2015-09-22 Sap Se Production scheduling management
WO2021163986A1 (en) * 2020-02-21 2021-08-26 Yangtze Memory Technologies Co., Ltd. Method and system for scheduling semiconductor fabrication

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102866912A (zh) * 2012-10-16 2013-01-09 首都师范大学 一种单指令集异构多核***静态任务调度方法
CN104572297A (zh) * 2014-12-24 2015-04-29 西安工程大学 一种基于遗传算法的Hadoop作业调度方法
CN105976030A (zh) * 2016-03-15 2016-09-28 武汉宝钢华中贸易有限公司 基于多智能体月台调度智能排序模型的构造
CN107688909A (zh) * 2017-09-07 2018-02-13 上海振华重工(集团)股份有限公司 一种基于遗传算法的自动化堆场调度方法和***
CN108416465A (zh) * 2018-01-31 2018-08-17 杭州电子科技大学 一种移动云环境下的工作流优化方法
CN108881432A (zh) * 2018-06-15 2018-11-23 广东省城乡规划设计研究院 基于ga算法的云计算集群负载调度方法
CN110059908A (zh) * 2019-01-23 2019-07-26 渤海大学 基于自适应遗传算法的新工件重调度优化方法
CN110389819A (zh) * 2019-06-24 2019-10-29 华中科技大学 一种计算密集型批处理任务的调度方法和***

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116845015A (zh) * 2023-09-01 2023-10-03 合肥晶合集成电路股份有限公司 一种自动派工***及试运行产品的自动派工方法
CN116845015B (zh) * 2023-09-01 2023-11-24 合肥晶合集成电路股份有限公司 一种自动派工***及试运行产品的自动派工方法

Also Published As

Publication number Publication date
US11397425B2 (en) 2022-07-26
US20210271232A1 (en) 2021-09-02
CN113361833B (zh) 2022-05-24

Similar Documents

Publication Publication Date Title
US5402350A (en) Scheduling for multi-task manufacturing equipment
CN113361833B (zh) 化学机械抛光***以及相关的派工管理方法
Johri Practical issues in scheduling and dispatching in semiconductor wafer fabrication
KR100946397B1 (ko) 자동화된 제조 환경에서 능동 소프트웨어 에이전트의 전문화
Jain et al. An integrated scheme for process planning and scheduling in FMS
Akturk et al. Scheduling with tool changes to minimize total completion time: a study of heuristics and their performance
US20080004739A1 (en) Combining automated and manual information in a centralized system for semiconductor process control
CN111356988B (zh) 用于调度半导体加工的方法和***
Chou et al. A methodology for product mix planning in semiconductor foundry manufacturing
Suer et al. Evaluation of manufacturing cell loading rules for independent cells
CN100401219C (zh) 基于遗传算法的可重组生产线调度方法
US7257502B1 (en) Determining metrology sampling decisions based on fabrication simulation
US6597962B2 (en) Production planning system
Wang et al. A simulated model for cycle time reduction by acquiring optimal lot size in semiconductor manufacturing
CN117555305A (zh) 一种基于nsgaii的多目标可变子批柔性车间作业调度方法
Tang et al. Virtual production lines design for back-end semiconductor manufacturing systems
CN111539648B (zh) 设备群间动态产能的自动分配装置和方法
Mohamed A flexible approach to (re) configure flexible manufacturing cells
Gianessi et al. Using reconfigurable manufacturing systems to minimize energy cost: a two-phase algorithm
Norozi et al. An optimization technique using hybrid GA-SA algorithm for multi-objective scheduling problem
Seidmann Performance management issues in flexible manufacturing systems: an analytic perspective
Pazhani et al. A bi-criteria mixed integer linear programming model for load balancing and chemical saving in wafer cleaning processes: IE: Industrial engineering
Alhomaidi Extensions of the Assembly Line Balancing Problem Towards a General Assembly System Design Problem
Grau et al. Improving dispatch rules for cascading tools
Hsieh et al. A decision support system of real time dispatching in semiconductor wafer fabrication with shortest process time in wet bench

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