CN115577576B - 一种半导体工厂的动态虚拟组线仿真***及方法 - Google Patents

一种半导体工厂的动态虚拟组线仿真***及方法 Download PDF

Info

Publication number
CN115577576B
CN115577576B CN202211572812.4A CN202211572812A CN115577576B CN 115577576 B CN115577576 B CN 115577576B CN 202211572812 A CN202211572812 A CN 202211572812A CN 115577576 B CN115577576 B CN 115577576B
Authority
CN
China
Prior art keywords
production
product
module
production equipment
data
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
CN202211572812.4A
Other languages
English (en)
Other versions
CN115577576A (zh
Inventor
程星华
白帆
徐策
程孟璇
黄志磊
张丹扬
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.)
China Electronics Engineering Design Institute Co Ltd
Original Assignee
China Electronics Engineering Design Institute 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 China Electronics Engineering Design Institute Co Ltd filed Critical China Electronics Engineering Design Institute Co Ltd
Priority to CN202211572812.4A priority Critical patent/CN115577576B/zh
Publication of CN115577576A publication Critical patent/CN115577576A/zh
Application granted granted Critical
Publication of CN115577576B publication Critical patent/CN115577576B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • 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
    • G06Q10/06315—Needs-based resource requirements planning or analysis
    • 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
    • G06Q10/06316—Sequencing of tasks or work

Landscapes

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

Abstract

本发明公开了一种半导体工厂的动态虚拟组线仿真***及方法，***包括：静态模型，用于接收设计的半导体工厂规划的基本生产数据，根据基本生产数据计算关于半导体工厂相应工序的生产设备数据，获得初步规划方案，生产设备数据包括生产设备组及生产设备组内生产设备的数量；模型建立模块，用于基于相应工序的运行规则，建立过程动态仿真模型；过程动态仿真模型用于接收产品生产计划数据和生产设备数据，根据产品计划数据和所述生产设备数据，执行产品生产流程并输出运行数据；评估模块，用于根据运行数据对初步规划方案进行评估；该***采用静态模型和过程动态仿真模型结合的仿真模式，对生产设备数据进行计算并对方案进行评估，***仿真精度高。

Description

一种半导体工厂的动态虚拟组线仿真***及方法
技术领域
本发明涉及半导体制造技术领域，尤其涉及一种半导体工厂的动态虚拟组线仿真***及方法。
背景技术
半导体芯片制造是典型的资本密集型产业，如12英寸半导体芯片项目，总投资高达数百亿元，且工厂规划设计考虑因素复杂、后期调整困难等问题，因此对前期规划决策提出了较高要求，这也是行业内始终关注的重点。半导体工厂规划初期，投资巨大且影响深远，其中生产设备投资占比高达75%-80%，产能规划、设备选型配置、提高设备利用率尤为重要。生产设备具有如下特点：第一，单价昂贵，设备数量的经济性分析会直接影响前期的资金投入和后期的运营成本生产设备组产能不足或产能过剩都会造成投资损失；第二，采购周期长，光刻机、离子注入机等关键生产设备，并没有现货存在，需要提前采购且交付期长，这就要求在规划初期一定要计划好采购数量。如果规划生产设备数量不够，有可能会直接影响***产能的提升；第三，折旧成本高，随着半导体行业的技术迭代速度加快以及生产设备的更新换代，亦会出现问题，若规划生产设备数量严重高出了实际生产的需要，则剩余生产设备的折旧率和二手残值下跌率皆会随着时间逐步加大，从而直接影响工厂的利润；第四，影响整厂规划，生产设备的规划确定后，会直接影响厂房的规划、内部布局的规划、能源动力的规划、配套厂房的规划以及物流的规划。根据以上的因素，半导体工厂规划初期的生产设备规划是最重要的核心问题，是其他规划的基础。
例如，专利文献CN104850923A公开了一种半导体生产仿真***，应用于MES***上，通过从该MES***中获取WIP信息和机台进出货的历史记录，并利用输入模块输入派工规则、晶圆投片计划、仿真开始时间、仿真结束时间和WIP信息存储频率等数据信息，再利用计算模块对上述数据进行处理后，可精准的计算出在仿真开始至仿真结束时间段内，按照设定的存储频率对WIP信息进行存储操作，同时还将机台进货和出货等相关的KPI数据进行实时存储。
上述半导体生产仿真***缺少对生产设备数据的详细计算，也没有根据运行情况对方案进行评估，***仿真精度不足，评估准确性较低。
发明内容
本发明提供了一种半导体工厂的动态虚拟组线仿真***及方法，采用静态模型和过程动态仿真模型结合的仿真模式，对生产设备数据进行计算并对方案进行评估，***仿真精度高，准确性好。
一种半导体工厂的动态虚拟组线仿真***，包括：
静态模型，用于接收设计的半导体工厂规划的基本生产数据，根据所述基本生产数据计算关于半导体工厂相应工序的生产设备数据，获得初步规划方案，所述生产设备数据包括生产设备组及生产设备组内生产设备的数量；
模型建立模块，用于基于相应工序的运行规则，建立过程动态仿真模型；
所述过程动态仿真模型用于接收产品生产计划数据和所述生产设备数据，根据所述产品生产计划数据和所述生产设备数据，执行产品生产流程并输出运行数据；
评估模块，用于根据所述运行数据对所述初步规划方案进行评估。
进一步地，所述基本生产数据包括单位时间投入量、产品加工工序、生产设备加工能力以及生产设备可用率。
进一步地，根据所述基本生产数据计算关于半导体工厂相应工序的生产设备数据，包括：
根据所述产品加工工序确定对应各个工序中的生产设备组；
根据所述单位时间投入量以及产品加工工序计算产品总需求量；
根据所述产品总需求量、生产设备加工能力以及生产设备可用率计算相应的产品加工工序中各个生产设备组内的生产设备数量。
进一步地，所述产品总需求量通过以下公式进行计算：
；
；
其中，Demand表示产品总需求量，step表示产品加工工序中生产设备组的工艺步骤总数，Wfabin表示每个工艺步骤单位时间内的产品需求片数，Numtest表示每个产品批次的量测片数，FabIn表示单位时间投入量，WaferSize表示每个产品批次的平均晶圆片数；
所述生产设备数量通过以下公式进行计算：
;
其中，Qtystandard表示生产设备数量，Demand表示产品总需求量，WPH表示生产设备加工能力，AT表示生产设备可用率，D’为加工时长。
进一步地，所述过程动态仿真模型包括产品投入模块、工艺工序模块、产品状态模块、设备状态模块、设备选货模块以及设备生产模块；
所述产品投入模块用于接收所述产品生产计划数据，所述工艺工序模块用于根据所述生产计划数据、产品生产的工序路线和随机事件执行生产加工程序，所述产品状态模块用于根据生产加工程序的执行确定产品状态，所述设备状态模块用于确定生产设备状态，所述设备选货模块用于根据生产设备状态和产品加工优先级，确定相应生产设备下一节点的所需的待加工产品，所述设备生产模块用于根据设备选货模块确定的待加工产品控制相应的生产设备执行生产过程。
进一步地，所述过程动态仿真模型还包括与所述产品投入模块连接的在制品模块、与所述工艺工序模块连接的量测跳站模块和重工模块以及与所述产品状态模块连接的状态异常模块；
所述产品生产计划数据包括预设时间内的原材料投入量，所述在制品模块用于根据原材料投入量实时计算在制品数量，所述量测跳站模块用于在所述工艺工序模块执行生产加工过程中因量测而发生跳站时重新进入新的工序，所述重工模块用于控制所述工艺工序模块执行生产加工过程中因随机事件而进入重新加工的工序，所述状态异常模块用于确定异常的产品状态。
进一步地，所述过程动态仿真模型还包括与所述设备状态模块连接的机台保养模块、与所述设备选货模块连接的机台约束模块和负载均衡模块；所述机台保养模块用于按照预设概率控制生产设备处于保养状态，所述机台约束模块用于对生产过程中的生产设备的运行时间、运行功率的上限和下限进行约束，所述负载均衡模块用于平衡各个生产设备的加工产品数量。
进一步地，所述运行数据包括机台利用率、实际生产周期、产品产出量、排队产品数量。
进一步地，所述机台利用率通过以下公式进行计算：
Qi=Ti/Ttotal；
其中，Qi表示第i个生产设备的利用率，Ti表示第i个生产设备加工所占时间，Ttotal表示整个工序的时间；
所述实际生产周期通过以下公式进行计算：
；
其中，TH表示实际生产周期，M表示工序的数量，Twork,j表示第j个工序的加工时间，TB表示搬运时间，Twait表示等待时间；
所述产品产出量通过以下公式进行计算：
；
Ctotal=CT-Z；
其中，Cj表示第j个工序的产品产出量，M表示工序的数量，Gj表示第j个工序中每个生产设备的过货量；Ctotal表示产品总产出量，CT表示全场投入量，Z表示全场在制品数量；
所述排队产品数量通过以下公式进行计算：
Pj=Zj-Rj；
；
其中，Pj表示第j个工序所有在制品数量，Rj表示第j个工序正在加工的产品数量，Ptotal表示总体排队数量，M表示工序的总数量。
一种半导体工厂的动态虚拟组线仿真方法，包括：
通过静态模型接收设计的半导体工厂规划的基本生产数据，根据所述基本生产数据计算关于半导体工厂相应工序的生产设备数据，获得初步规划方案，所述生产设备数据包括生产设备组及生产设备组内生产设备的数量；
基于相应工序的运行规则，建立过程动态仿真模型；
过程动态仿真模型接收产品生产计划数据和所述生产设备数据，根据所述产品生产计划数据和所述生产设备数据，执行产品生产流程并输出运行数据；
根据所述运行数据对所述初步规划方案进行评估。
本发明提供的半导体工厂的动态虚拟组线仿真***及方法，至少包括如下有益效果：
（1）通过静态模型对生产设备数据进行计算，再根据计算获得的数据结果建立动态仿真模型以对半导体工厂的运行进行仿真模拟，通过模拟输出运行数据，为半导体工厂的实际规划提供更有效的依据；
（2）动态仿真模型通过多维度的数据模拟半导体工厂的运行，通过量化的结果分析，可以有效的规避潜在的设计风险，提高半导体工厂规划的准确性。
附图说明
图1为本发明提供的半导体工厂的动态虚拟组线仿真***一种实施例的结构示意图。
图2为本发明提供的仿真***计算关于半导体工厂相应工序的生产设备数据方法一种实施例的流程图。
图3为本发明提供的半导体工厂的仿真***中过程动态仿真模型一种实施例的结构示意图。
图4为本发明提供的仿真***按照工艺路线生产产品方法一种实施例的流程图。
图5为本发明提供的半导体工厂的动态虚拟组线仿真方法一种实施例的流程图。
具体实施方式
为了更好的理解上述技术方案，下面将结合说明书附图以及具体的实施方式对上述技术方案做详细的说明。
参考图1，在一些实施例中，提供一种半导体工厂的动态虚拟组线仿真***，包括：
静态模型101，用于接收设计的半导体工厂规划的基本生产数据，根据所述基本生产数据计算关于半导体工厂相应工序的生产设备数据，获得初步规划方案，所述生产设备数据包括生产设备组及生产设备组内生产设备的数量；
模型建立模块102，用于基于相应工序的运行规则，建立过程动态仿真模型103；
过程动态仿真模型103用于接收产品生产计划数据和所述生产设备数据，根据所述产品生产计划数据和所述生产设备数据，执行产品生产流程并输出运行数据；
评估模块104，用于根据所述运行数据对所述初步规划方案进行评估。
需要说明的是，模型间架构依靠逻辑关联组合，从应用角度也需进行对应的调整和设计，保证使用者对于模型的准确应用。为了保证可用性和易用性，仿真模型可以按照使用者的需求来部署应用模式。在不同阶段，使用者均可通过界面来调整输入数据，借助对应的模型得到仿真的指标输出和结论。用户可根据不同需要，对模型进行组合使用。若单独使用一个模型，只需要通过单一界面完成。模型之间如果是独立运行的，则会通过中间数据连接，通过界面串联完成整个分析。如果两个模型串联使用，将多模型整合成单一的模型，用户也可通过单一界面进行实验分析。
仿真***采用模块化装配模式，模块化装配是指先通过零部件的组合装配出具有不同功能的模块，再根据产品的结构、功能选择满足要求的模块，通过模块的组合装配出满足顾客要求的产品。与之类似的还有模块化设计。所谓的模块化设计，简单来说，即是将产品的某些要素组合在一起，构成一个具有特定功能的子***，将此子***作为通用性的模块与其他产品要素进行多种组合，构成新的***，产生多种不同功能或相同功能、不同性能的系列产品。模块化设计是绿色设计方法之一，已经从理念转变为较成熟的设计方法。将绿色设计思想与模块化设计方法结合起来，可以同时满足产品的功能属性和环境属性，一方面可以缩短产品研发与制造周期，增加产品系列，提高产品质量，快速应对市场变化；另一方面，可以减少或消除对环境的不利影响，方便重用、升级、维修和产品废弃后的拆卸、回收和处理。由于半导体工厂较为复杂，要考虑的因素多，且各种因素获取时间不同，因此适合采用模块化设计来进行模型搭建。在构建仿真模型过程中，可随实际需要不断添加功能模块到主模型中，再采用调用模式保证各模块的有效运行。
模型评价指标包括：总体设备效率（OEE）、生产周期时间（Cycle Time，CT）、吞吐量（Throughput）、在制品数量（Work In Progress，WIP）、Tool to Tool（T2T）比率。其中，关于总体设备效率，每一个生产设备都有自己的最大理论产能，要实现这一产能必须保证没有任何干扰和质量损耗，当然，实际生产中是不可能达到这一要求，由于许许多多的因素，生产设备存在着大量的失效可能，例如设备的故障、参数调整、次品产生、返工等。OEE 是一个独立的测量工具，它用来表现设备实际的生产能力相对于理论产能的比率，它由可用率（Availability），性能效率（Performance Efficiency）以及合格品率（Rate of Quality）三个关键要素组成，即：OEE=可用率×性能效率×合格品率。
生产周期时间定义为加工时间（Process Time）加等待时间（Queue Time），如以下公式所示：
；
其中，CTt为理论生产周期时间，PTi为第i站加工时间，QTi为第i站的等待时间。
吞吐量为在指定时间段内，机器、生产线、设备或工厂生产的产品数量。在制品数量正在被处理的请求（工作单元）数量，正在被处理指这些请求已经进入到***中，但是还没有产出。在制品数量为产出量与周期时间之积，具体公式如下：WIP=Throughput×CT。
T2T比率指的是，当OHT***被延伸到InterBay区域时，OHT 运输车可在晶圆厂任何地方行驶，取代了OHS运输车，对于关键生产区域的设备，可以由OHT来完成跨区域的搬送，也就是Tool to Tool 的直接搬送。该方式在不同Bay之间传送时不再需要在Stocker进行中转，并且可以实现不同Bay不同设备间直接传送，效率更高。
在一些实施例中，所述基本生产数据包括单位时间投入量、产品加工工序、生产设备加工能力以及生产设备可用率。
参考图2，根据所述基本生产数据计算关于半导体工厂相应工序的生产设备数据，包括：
S11、根据所述产品加工工序确定对应各个工序中的生产设备组；
S12、根据所述单位时间投入量以及产品加工工序计算产品总需求量；
S13、根据所述产品总需求量、生产设备加工能力以及生产设备可用率计算相应的产品加工工序中各个生产设备组内的生产设备数量。
产能计算主要需要考虑产品需求、生产设备加工能力以及可用率三方面因素。产品需求包括产品计划月投入和产品的工艺路线两方面，产品计划月投入包括混产/产品组合、月投片数、批次平均晶圆片数，产品的工艺路线包括工艺顺序、对应机台组、量测站点相关信息（例如抽样率及抽样片数）。
客户的需求是产品数量，制造产品的资源是设备和人员，二者并不一致，产能计算模型需要把二者转换为同类事物进行比较，绝大多数产能计算模型选择的这个事物是“时间”。产能计算的基本原理就是将客户需求转换为“时间需求”，将制造资源转换成“时间供给”，并且保证生产制造资源的“时间供给”大于客户需求的“时间需求”。按照生产制造***静态规划计算模型进行测算，需要确定客户的“时间需求”和工厂的“时间供给”。客户的时间需求可以通过订单需求和标准生产能力来计算，公式如下：
；
其中，Demand表示产品总需求量，WPH表示生产设备加工能力。
工厂的时间供给可通过生产设备总量和生产设备可用率来计算，公式如下：
ST=Qty×AT；
其中，ST为时间供给，Qty表示生产设备总数量，AT表示生产设备可用率。
工厂的时间供给在产能设计时满足如下公式：
ST≥DT；
；
其中，Qty表示生产设备总数量，ST为时间供给，AT表示生产设备可用率，Demand表示产品总需求量，WPH表示生产设备加工能力。
步骤S12中，所述产品总需求量通过以下公式进行计算：
；
；
其中，Demand表示产品总需求量，step表示产品加工工序中生产设备组的工艺步骤总数，Wfabin表示每个工艺步骤单位时间内的产品需求片数，Numtest表示每个产品批次的量测片数，FabIn表示单位时间投入量，WaferSize表示每个产品批次的平均晶圆片数；
所述生产设备数量通过以下公式进行计算：
;
其中，Qtystandard表示生产设备数量，Demand表示产品总需求量，WPH表示生产设备加工能力，AT表示生产设备可用率，D’表示加工时长。
具体地，Demand 表示产品的总需求量，相当于生产设备要加工的总数量，主要是确定加工的片数或者批次数量，该参数主要由预估的产品需求数量和产品工艺路线决定的。产品经过每个生产设备的次数与产品需求数量的乘积就是总的加工数量。
WPH记录的是生产设备的加工能力，每小时可以生产的数量，同时结合WPH的类型，有些是以批次数量为基准的，有些是以每个产品批次的平均晶圆片数为基准的。WPH可以分为标准型WPH和Batch型WPH，生产设备只会提供标准WPH的数值和平均的BatchSize的预估值，两种类型的WPH关系通过如下公式表示：
；
其中，BatchSizeaverage表示BatchSize平均预估值，BatchSizemax表示Batch设备的默认最大值。
AT 是生产设备的可用率，即生产设备最大用于生产的比率，也可以用生产能力限制来描述，AT 由多个因素影响的，比如受生产设备故障和保养影响的开动率（Up Time）、受工程试验影响的借用率（Engineering Test）、受返工影响的重工率（Rework Ratio）、受
生产切换等生产损失（Loss Ratio）和临时停机等其他因素损失（Other Ratio）、炉管生产设备组的等待损失（Batch Factor），上述因素共同构成了生产设备的可用率。
AT通过如下公式进行表示：
AT=(Ravail-(Reng+Rrework+Rloss+Rother)×Ravail)×Rbatch×Rlot；
其中，Ravai为受生产设备故障和保养影响的开动率，Reng为受工程试验影响的借用率，Rrework为受返工影响的重工率，Rloss为受生产切换等生产损失，Rother为临时停机等其他因素损失，Rbatch为炉管生产设备组的等待损失，Rlot为未满批次造成的损失。
Qty的结果为Qtystandard向上取整得到的结果，Qtystandard是静态模型计算出来的设备数量，Qty是Qtystandard向上取整数，即该类生产设备的基础数量。对每个生产设备组都进行一轮计算，即可得知整体的生产设备数量组合，通过公式表示为：Qty=Ceiling(Qtystandard)。
过程动态仿真模型是按照全自动化半导体工厂的模式建立起来的，由于半导体全自动化工厂本身所有的生产派工都是由程序控制的，具备规范性，受人为因素干扰小。生产制造***仿***要是将工厂里所有的生产设备和产品的运行规则放入到模型当中，保证虚拟的生产模型能和真正的生产制造***保持规则一致性。半导体工厂主要以Lot作为生产主体，其按照工艺生产过程中，流动主要受“What Next”和“Where Next”两个规则影响。“What Next”是指当生产设备加工完一个产品后，准备生产下一个产品时，生产设备会实时去备选产品中选择最合适的产品。“Where Next”是指当产品从生产设备加工完成之后，产品会实时判断当前最合适的目的地，可能是暂存区，也可能直接去下一个生产设备。
参考图3，过程动态仿真模型103包括产品投入模块103a、工艺工序模块103b、产品状态模块103c、设备状态模块103d、设备选货模块103e以及设备生产模块103f。
产品投入模块103a用于接收所述产品生产计划数据，工艺工序模块103b用于根据所述生产计划数据、产品生产的工序路线和随机事件执行生产加工程序，产品状态模块103c用于根据生产加工程序的执行确定产品状态，设备状态模块103d用于确定生产设备状态，设备选货模块103e用于根据生产设备状态和产品加工优先级，确定相应生产设备下一节点的所需的待加工产品，设备生产模块103f用于根据设备选货模块103e确定的待加工产品控制相应的生产设备执行生产过程。
具体地，产品投入模块103a是驱动***持续运行的基础，只有具备生产需求的工厂才能真正运转，模型亦是如此。必须持续投入产品、产生生产需求，模型才能够真正贴近现实。工艺工序模块103b是模拟产品依照工艺路线和部分随机事件进行生产加工，产品最终会根据规则完成所有需要工序最终形成产出，在这个过程中产品始终与生产设备和搬运设备产生联系，并产生状态的变化。
过程动态仿真模型103还包括与产品投入模块103a连接的在制品模块103g、与工艺工序模块103b连接的量测跳站模块103h和重工模块103i以及与产品状态模块103c连接的状态异常模块103j；
产品生产计划数据包括预设时间内的原材料投入量，在制品模块103g用于根据原材料投入量实时计算在制品数量，量测跳站模块103h用于在工艺工序模块103b执行生产加工过程中因量测而发生跳站时重新进入新的工序，重工模块103i用于控制工艺工序模块103b执行生产加工过程中因随机事件而进入重新加工的工序，状态异常模块103j用于确定异常的产品状态。
过程动态仿真模型103还包括与设备状态模块103d连接的机台保养模块103k、与设备选货模块103e连接的机台约束模块103m和负载均衡模块103n；机台保养模块103k用于按照预设概率控制生产设备处于保养状态，机台约束模块103m用于对生产过程中的生产设备的运行时间、运行功率的上限和下限进行约束，负载均衡模块103n用于平衡各个生产设备的加工产品数量。
其中，所述运行数据包括机台利用率、实际生产周期、产品产出量、排队产品数量。
进一步地，所述机台利用率通过以下公式进行计算：
Qi=Ti/Ttotal；
其中，Qi表示第i个生产设备的利用率，Ti表示第i个生产设备加工所占时间，Ttotal表示整个工序的时间；
所述实际生产周期通过以下公式进行计算：
；
其中，TH表示实际生产周期，M表示工序的数量，Twork,j表示第j个工序的加工时间，TB表示搬运时间，Twait表示等待时间；
所述产品产出量通过以下公式进行计算：
；
Ctotal=CT-Z；
其中，Cj表示第j个工序的产品产出量，M表示工序的数量，Gj表示第j个工序中每个生产设备的过货量；Ctotal表示产品总产出量，CT表示全场投入量，Z表示全场在制品数量；
所述排队产品数量通过以下公式进行计算：
Pj=Zj-Rj；
；
其中，Pj表示第j个工序所有在制品数量，Rj表示第j个工序正在加工的产品数量，Ptotal表示总体排队数量，M表示工序的总数量。参考图4，在一种具体应用场景中，产品按照工艺路线生产的过程包括如下步骤：执行新的步骤，判断是否已完成整个工艺路线，若是，则产品加工完成；若不是，判断是否因为是量测而跳站，若不是，则在该站点等待机台选中加工，加工完成后进入新的步骤；若是，则直接进入新的步骤。
生产设备选货逻辑是由生产设备类型和当时的生产状况决定，每个生产设备都有自身选货逻辑，在半导体自动化中有专门的实时派工***（Real Time Dispatching，RTD）进行管理和执行。生产设备选货模块就是模拟RTD的选货逻辑，让生产设备按照真实的生产规则指导生产设备生产。每个模块都有自身的执行逻辑，并依靠逻辑和触发器关联，形成过程动态仿真***。
过程动态仿真模型中依靠变量来传递信息，所以在规划模型时必须提前定义变量。模型变量分为四种：输入变量、输出变量、中间控制变量和临时变量。输入变量是指输入时从外部获取的参数，一般都是用户输入的或从其他***直接查找出来的，需要在模型设计时结合需求制定。输出变量是仿真运行过程中，用于向外部传递的信息，包括过程中的记录信息和运行统计信息等，需要在模型设计时结合需求制定。中间控制变量是模型运行中内部使用的有实际意义的信息变量，在调试模型中可以随时查看获取模型运行的状态和特征。中间控制变量不需要结合外部需求制定，模型设计人员可以自行设定。临时变量是模型运行中用于临时传递信息的暂存变量，无实际意义，所以多个模型语句中可以出现同样名称的临时变量，比如用于循环遍历的计数变量，设计人员可以自己设定临时变量，命名规则也可以相对随意。
过程动态仿真模型的产品信息必要输入参数如下：产品名、工序序号、stage 名、区域名、生产设备组名、留站率、测试片数、Rework 规则。
过程动态仿真模型的生产设备信息必要输入参数如下：生产设备名、区域名、Loadport数量、存储数量、可用率、选货规则名、最大Batch Size、设定Batcsize上限、设定Batchsize下限、是否可用。
过程动态仿真模型的产品投入必要输入参数如下：订单名、产品名、Lot的Wafer平均片数、第几天、投入量。
进一步地，评估模块104根据运行数据以及期望的优化指标和方向，可以进行相应的定制化优化方案。比如确立了减少设备机台数量、降低投入成本的目标，并且明确了设备机台的一般利用率范围，以及在制品数量最大容量，由此对应地减少设备利用率过低的设备数量，提高在制品数量过大的设备数量，将新的设备数量清单，输入到过程动态仿真模型中，进行第二次动态分析，衡量投入产出比、在制品数量（WIP）、机台利用率（UT）等关键指标，保证其在期望的范围内。
对于设备数量的增减上，原理上遵循如下的公式：
其中，Qtystandard表示生产设备数量，表示修改后的设备数量，AT表示生产设备可用率，表示修改后的生产设备可用率，WPH表示生产设备加工能力，D为加工时长。
其中，等号两边的乘积，为修改前后的产品总需求量（Demand），默认其保持不变。设备加工能力（WPH）和加工时长（D）为定值，所以其实可以简化为如下公式：
因此针对修改目标，如想要保持一定设备利用率的基础上，尽可能地减少设备机台，提高设备利用率，降低投入成本，那么可以选择一个预设的设备利用率值阈值如85%，然后逐台或多台地减少设备数量，直到所有主机台的设备满足设备利用率的范围。
因为对于设备数量的局部优化调整，会对全局的设备搬运造成影响，可能会产生新的瓶颈或堵塞，所以需要重新运行一次过程动态仿真模型，进行观测，根据输出的各个机台的wip数量和设备利用率，决定是否进行下次局部优化调整。
对于优化条件的初始设置，一定程度上将决定局部优化的迭代次数。经过多次的迭代优化，对设备数量的加减调整，使得运行结果最终趋于稳态。得到上述条件下，最优的一版设备数量方案。
经过比较，优化后的版本与原版之间差异显著，能够满足降低投入成本、减少设备数量的目标。
参考图5，在一些实施例中，提供一种半导体工厂的动态虚拟组线仿真方法，包括：
S1、通过静态模型接收设计的半导体工厂规划的基本生产数据，根据所述基本生产数据计算关于半导体工厂相应工序的生产设备数据，获得初步规划方案，所述生产设备数据包括生产设备组及生产设备组内生产设备的数量；
S2、基于相应工序的运行规则，建立过程动态仿真模型；
S3、过程动态仿真模型接收产品生产计划数据和所述生产设备数据，根据所述产品生产计划数据和所述生产设备数据，执行产品生产流程并输出运行数据；
S4、根据所述运行数据对所述初步规划方案进行评估。
上述实施例提供的半导体工厂的生产运行仿真***及方法，至少包括如下有益效果：
（1）通过静态模型对生产设备数据进行计算，再根据计算获得的数据结果建立动态仿真模型以对半导体工厂的运行进行仿真模拟，通过模拟输出运行数据，为半导体工厂的实际规划提供更有效的依据；
（2）动态仿真模型通过多维度的数据模拟半导体工厂的运行，通过量化的结果分析，可以有效的规避潜在的设计风险，提高半导体工厂规划的准确性。
尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (7)

1.在一种半导体工厂的动态虚拟组线仿真***，其特征在于，包括：
静态模型，用于接收设计的半导体工厂规划的基本生产数据，根据所述基本生产数据计算关于半导体工厂相应工序的生产设备数据，获得初步规划方案，所述生产设备数据包括生产设备组及生产设备组内生产设备的数量；
模型建立模块，用于基于相应工序的运行规则，建立过程动态仿真模型；
所述过程动态仿真模型用于接收产品生产计划数据和所述生产设备数据，根据所述产品计划数据和所述生产设备数据，执行产品生产流程并输出运行数据；
评估模块，用于根据所述运行数据对所述初步规划方案进行评估；
所述基本生产数据包括单位时间投入量、产品加工工序、生产设备加工能力以及生产设备可用率；
根据所述基本生产数据计算关于半导体工厂相应工序的生产设备数据，包括：
根据所述产品加工工序确定对应各个工序中的生产设备组；
根据所述单位时间投入量以及产品加工工序计算产品总需求量；
根据所述产品总需求量、生产设备加工能力以及生产设备可用率计算相应的产品加工工序中各个生产设备组内的生产设备数量；
所述产品总需求量通过以下公式进行计算：
；
；
其中，Demand表示产品总需求量，step表示产品加工工序中生产设备组的工艺步骤总数，Wfabin表示每个工艺步骤单位时间内的产品需求片数，Numtest表示每个产品批次的量测片数，FabIn表示单位时间投入量，WaferSize表示每个产品批次的平均晶圆片数；
所述生产设备数量通过以下公式进行计算：
；
其中，Qtystandard表示生产设备数量，Demand表示产品总需求量，WPH表示生产设备加工能力，AT表示生产设备可用率，D为加工时长。
2.根据权利要求1所述的***，其特征在于，所述过程动态仿真模型包括产品投入模块、工艺工序模块、产品状态模块、设备状态模块、设备选货模块以及设备生产模块；
所述产品投入模块用于接收所述产品生产计划数据，所述工艺工序模块用于根据所述生产计划数据、产品生产的工序路线和随机事件执行生产加工程序，所述产品状态模块用于根据生产加工程序的执行确定产品状态，所述设备状态模块用于确定生产设备状态，所述设备选货模块用于根据生产设备状态和产品加工优先级，确定相应生产设备下一节点的所需的待加工产品，所述设备生产模块用于根据设备选货模块确定的待加工产品控制相应的生产设备执行生产过程。
3.根据权利要求2所述的***，其特征在于，所述过程动态仿真模型还包括与所述产品投入模块连接的在制品模块、与所述工艺工序模块连接的量测跳站模块和重工模块以及与所述产品状态模块连接的状态异常模块；
所述产品生产计划数据包括预设时间内的原材料投入量，所述在制品模块用于根据原材料投入量实时计算在制品数量，所述量测跳站模块用于在所述工艺工序模块执行生产加工过程中因量测而发生跳站时重新进入新的工序，所述重工模块用于控制所述工艺工序模块执行生产加工过程中因随机事件而进入重新加工的工序，所述状态异常模块用于确定异常的产品状态。
4.根据权利要求2所述的***，其特征在于，所述过程动态仿真模型还包括与所述设备状态模块连接的机台保养模块、与所述设备选货模块连接的机台约束模块和负载均衡模块；所述机台保养模块用于按照预设概率控制生产设备处于保养状态，所述机台约束模块用于对生产过程中的生产设备的运行时间、运行功率的上限和下限进行约束，所述负载均衡模块用于平衡各个生产设备的加工产品数量。
5.根据权利要求1-4任一所述的***，其特征在于，所述运行数据包括机台利用率、实际生产周期、产品产出量、排队产品数量。
6.根据权利要求5所述的***，其特征在于，所述机台利用率通过以下公式进行计算：
Qi=Ti/Ttotal；
其中，Qi表示第i个生产设备的利用率，Ti表示第i个生产设备加工所占时间，Ttotal表示整个工序的时间；
所述实际生产周期通过以下公式进行计算：
；
其中，TH表示实际生产周期，M表示工序的数量，Twork,j表示第j个工序的加工时间，TB表示搬运时间，Twait表示等待时间；
所述产品产出量通过以下公式进行计算：
；
Ctotal=CT-Z；
其中，Cj表示第j个工序的产品产出量，M表示工序的数量，Gj表示第j个工序中每个生产设备的过货量；Ctotal表示产品总产出量，CT表示全场投入量，Z表示全场在制品数量；
所述排队产品数量通过以下公式进行计算：
Pj=Zj-Rj；
；
其中，Pj表示第j个工序所有在制品数量，Rj表示第j个工序正在加工的产品数量，Ptotal表示总体排队数量，M表示工序的总数量。
7.一种应用于如权利要求1-6任一所述***的半导体工厂的动态虚拟组线仿真方法，其特征在于，包括：
通过静态模型接收设计的半导体工厂规划的基本生产数据，根据所述基本生产数据计算关于半导体工厂相应工序的生产设备数据，获得初步规划方案，所述生产设备数据包括生产设备组及生产设备组内生产设备的数量；
基于相应工序的运行规则，建立过程动态仿真模型；
过程动态仿真模型接收产品生产计划数据和所述生产设备数据，根据所述产品计划数据和所述生产设备数据，执行产品生产流程并输出运行数据；
根据所述运行数据对所述初步规划方案进行评估。
CN202211572812.4A 2022-12-08 2022-12-08 一种半导体工厂的动态虚拟组线仿真***及方法 Active CN115577576B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211572812.4A CN115577576B (zh) 2022-12-08 2022-12-08 一种半导体工厂的动态虚拟组线仿真***及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211572812.4A CN115577576B (zh) 2022-12-08 2022-12-08 一种半导体工厂的动态虚拟组线仿真***及方法

Publications (2)

Publication Number Publication Date
CN115577576A CN115577576A (zh) 2023-01-06
CN115577576B true CN115577576B (zh) 2023-05-16

Family

ID=84590655

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211572812.4A Active CN115577576B (zh) 2022-12-08 2022-12-08 一种半导体工厂的动态虚拟组线仿真***及方法

Country Status (1)

Country Link
CN (1) CN115577576B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115857416B (zh) * 2023-01-25 2023-05-12 江苏新恒基特种装备股份有限公司 一种弯管加工设备远程控制方法、***及存储介质
CN116579273B (zh) * 2023-04-12 2023-10-31 中国电子工程设计院有限公司 一种半导体设备用电动态仿真方法及***
CN117077459B (zh) * 2023-10-17 2024-01-30 中国电子工程设计院股份有限公司 一种融合物流的半导体制造仿真模型构建方法及装置

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004094900A (ja) * 2002-07-09 2004-03-25 National Institute Of Advanced Industrial & Technology 生産計画作成システム及び方法、並びにプログラム
CN101833709A (zh) * 2010-05-11 2010-09-15 同济大学 半导体生产线生产计划的混合智能优化方法
CN105843189B (zh) * 2016-04-09 2019-03-29 北京化工大学 一种用于半导体生产线基于简化仿真模型的高效调度规则选择方法
CN106444649B (zh) * 2016-07-05 2019-01-11 同济大学 一种半导体生产线闭环调度控制方法
CN108829052A (zh) * 2018-05-31 2018-11-16 同济大学 一种半导体生产线cps环境下的调度优化方法及装置
CN113050553A (zh) * 2021-02-18 2021-06-29 同济大学 半导体生产线基于联邦学习机制的调度建模方法
CN113887016A (zh) * 2021-09-07 2022-01-04 中船智能科技(上海)有限公司 一种基于数字孪生的船舶数字化车间仿真方法与***
CN114021286A (zh) * 2021-11-17 2022-02-08 郑州煤机数耘智能科技有限公司 一种数字化工厂的液压支架结构件焊接生产线仿真优化方法

Also Published As

Publication number Publication date
CN115577576A (zh) 2023-01-06

Similar Documents

Publication Publication Date Title
CN115577576B (zh) 一种半导体工厂的动态虚拟组线仿真***及方法
Guo et al. A digital twin-based flexible cellular manufacturing for optimization of air conditioner line
Leachman et al. SLIM: Short cycle time and low inventory in manufacturing at Samsung Electronics
Kopp et al. SMT2020—A semiconductor manufacturing testbed
JP2000077289A (ja) 製造予測管理システム
Kacar et al. Estimating clearing functions for production resources using simulation optimization
CN111356988B (zh) 用于调度半导体加工的方法和***
US20030171829A1 (en) System and method for complex process optimization and control
CN103197634B (zh) 用于自动化制造加工***的在线预测与在线加工计划生成***和方法
US20220197265A1 (en) Planning system and method for processing workpieces
JP2011257803A (ja) 生産管理システムおよび生産管理方法
EP4307190A1 (en) Apparatus and method for establishing production plan
CN113050553A (zh) 半导体生产线基于联邦学习机制的调度建模方法
CN100394417C (zh) 一种带状态性能反馈的规则调度方法及其调度***
Atherton et al. Signature analysis: Simulation of inventory, cycle time, and throughput trade-offs in wafer fabrication
Kovács et al. A customizable simulator for artificial intelligence research to schedule semiconductor fabs
US7179664B2 (en) Method for generating work-in-process schedules
Robinson et al. Capacity loss factors in semiconductor manufacturing
KR20120133362A (ko) 로딩 시뮬레이션 기반 동적 피드백 스케줄링 알고리즘을 장착한 최적화된 생산 스케줄링 시스템
Hunter et al. Understanding a semiconductor process using a full-scale model
US20090171493A1 (en) System and method for performance based production scheduling and dispatching
Lendermann et al. Scheduling and simulation in wafer fabs: competitors, independent players or amplifiers?
Liu et al. The infrastructure of the timed EOPNs-based multiple-objective real-time scheduling system for 300 mm wafer fab
Liao et al. A new artificial bee colony algorithm for the flexible job shop scheduling problem with extra resource constraints in numeric control centers
JP4153671B2 (ja) 離散事象制御システムと離散事象制御システムを用いた生産工程シミュレーション方法

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
CP03 Change of name, title or address

Address after: No. 160, West Fourth Ring North Road, Haidian District, Beijing

Patentee after: China Electronics Engineering Design Institute Co.,Ltd.

Country or region after: China

Address before: No. 160, West Fourth Ring North Road, Haidian District, Beijing

Patentee before: CHINA ELECTRONICS ENGINEERING DESIGN INSTITUTE Co.,Ltd.

Country or region before: China

CP03 Change of name, title or address