先进工厂管理的中枢神经 CIM.docVIP

先进工厂管理的中枢神经 CIM 中国的fab分布在不同地方，有些总部还在国外，在诸多厂同时运作的情况下，如何做到良好的数据管理是一大问题。?如果总厂统筹接单，然后由各个分厂分散处理，那么这些资料该如何整合？?如果用到BKM（Best Known Method），这些方法如何部署到分厂，又如何统一这些方法和流程？?这些都是现实问题。?即使同一地点的同一家fab，也会面临不同系统的整合，更何况不同的地点、不同的公司乃至上下游之间资料的互相整合。?当整合难度不断提高，如何去管理数据是很有挑战的。?对于多个工厂和地点，IBM通常做集中化的数据仓库（data warehouse）提高生产率，赵洪星说IBM会对每个工厂采集来的数据进行分类和处理，把相关性较好的信息联系在一起，提供给其对应的内部用户、外部用户或供应商。?这样对用户来说比较容易获得需要的数据且相对比较可靠，开发和维护的成本也能降到最低。?谢自强说，只要涉及到数据共享，就会遇到资料管理的问题，部门之间如何共享，与客户如何共享，如何在共享的同时也保护好IP？?对数据共享的管理越是严谨，对技术层次的要求就越高。?整体fab最优的实现: RTD+Scheduling?当fab完成ramped up后，如何进一步提升呢？?大多MES都拥有最基本的能力，包括Reporting(报表)、Scheduling(排程)、Dispatching(派工)。?但要超越MES现有的能力还要仰仗更好的决策工具。?智慧派工RTD(Real Time Dispatching)是一个根据规则(Rules)来动态决定生产顺序的引擎，可根据不同设备类型来定义适合本厂业务的派货法则(Dispatching Rules)，设备每次Request Next Lot都会根据定义好的规则去要求下一个lot。?谢自强介绍，RTD可以帮助改善产品生产周期、减少生产变异性、提升设备使用率、增加晶圆产出以及提升AMHS的性能。?目前RTD系统在200mm的渗透率是70%，而在300mm则高达的90%，所以在300mm透过RTD来做自动派工已是必需。?许多的后道封装测试厂也开始希望利用RTD的优势来做整厂的派工。?图为RTD实施实例。?从之前DPML(Days Per Mask Layer)的cycle time处于红线位置，到实施RTD后DPML下降到绿线位置，整个cycle time提升了50％，RTD帮助突破规划的极限，把隐藏的产能抓出来。?谢自强说，通常派货指令是等到Lot Trackout时才会request next lot,其实request next lot时间点可以弹性地设定得更早，在lot快要处理完的时候，就给RTD发出要求，利用lot从stock转到设备的时间差就可以开始准备，节省了很多时间。?如图2所示，在RTD装入以后，原本瓶颈设备的空闲时间下降了7％，工艺处理时间显著增加。? 赵洪星建议，通常用按规则派工（rule based dispatching）时，只解决了当下设备使用率的问题，却不能很好地解决全厂配置最优化的问题，因为还有很多变量会影响到派工，如Production Scheduling、Factory Loading、Expediting/Prioritization、Capacity Utilization、Tool-level Dispatching、Management Behavior等，如何做到整体fab的最优化？?就要通过工厂排程scheduling tool的调节，在RTD的基础上加上整体fab最优的计算和仿真的结果来调整dispatching。?通常增加throughput的同时cycle time也有较大的增长，但有了scheduling tool后，在throughput增加的同时，cycle time没有很大的增长。?当变量(variability)和cycle time都减少以后，新增加的yield learning可以帮助厂商更快的抢占市场。?下一代制程的数据搜集标准：Interface A?Interface A作为全新的数据搜集标准，其实是有很多内在因素在推动它的进程。?据刘用文介绍，近五年来，每个半导体厂商都希望做的就是推进APC和OEE，尤其是OEE这方面。?目的很简单，就是希望在不投资的情况下，不买新机器，不盖新厂，使整个效益有所提升。?然而天下没有免费的午餐，在不投资的情况下，要提高效益，通常要做很多分析，那就必须搜集更多数据。?此外推动Interface A的还有制造技术。?从70nm到58nm甚至下一阶段的30nm制程，我们发现FDC和R2R非常重要，而所要求搜集的数据也越来越多。?目前run to run的应用还没有充分到达wafer to waf