半导体工厂中预测等待时间的方法技术

一种用于包括制造中多个生产操作的路线的等待时间预测(30)的计算机实现方法，包括以下步骤：接收(S31)生产操作的排序列表，其中所述列表表征用于制造批次的路线；为所述排序列表中的每个生产操作确定：通过取决于开始时间点从操作测量特征值的所收集特征值的数据库(51)中采样来对多个特征的特征值进行采样(S32)；取决于所采样的特征值来预测(S33)预期等待时间。等待时间。等待时间。

【技术实现步骤摘要】
半导体工厂中预测等待时间的方法


[0001]本专利技术涉及一种用于包括制造中多个生产操作的路线的等待时间预测的方法，以及训练机器学习系统用于制造中生产操作的预期等待时间预测的方法，以及被配置为执行所述方法的计算机程序和机器可读存储介质和系统。

技术介绍

[0002]本专利技术的上下文在于制造，更具体地在于制造中产品批次将何时完成处理的规划和预测。尤其是在半导体制造中，一个批次的生产可能花费几个星期到几个月的时间，因此对给定批次生产完成的准确预测是非常合期望的。尽管有必要准确预测完成日期，但是现有工业技术水平却落后了。通常使用平均周期时间进行那些预测，而不管当前车间(fab)情况如何。更详尽的标准方法使用在定义的时间窗口中所有过程步骤的平均逗留时间，来将它们进行相加成周期时间。
[0003]另一现有技术解决方案是在离散事件模拟中涵盖制造过程，然后能够预测周期时间。尽管该方法在理论上尽可能准确，但是它也有一些缺点。首先，建立和维护这样的模拟是时间和资本密集型的，因为必须理解极其复杂的生产过程，并对每个细节进行数字建模。更进一步地，即使在模拟本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于包括制造中的多个生产操作的路线的等待时间预测(30)的计算机实现方法，包括以下步骤：接收(S31)生产操作的排序列表，其中所述列表表征用于制造批次的路线；定义批次生产开始时间的时间点(t)；为所述排序列表中的每个生产操作确定：(1)通过取决于所述开始时间点从操作测量特征值的所收集特征值的数据库(51)中采样来对多个特征的特征值进行采样(S32)，其中所述特征表征所述批次的属性和/或状态和/或制造所述批次的工厂的属性和或状态；(2)取决于所采样的特征值预测(S33)预期等待时间；累积(S34)每个操作的预期等待时间。2.根据权利要求1所述的方法，其中特征值的采样通过对来自所述数据库(51)的所收集的特征值进行随机采样来执行，或者通过对来自所述数据库(51)的所收集的特征值进行平均以确定所述特征值来执行，或者通过对来自所述数据库(51)的所收集的特征值进行旋转平均以确定所述特征值来执行，其中所述数据库(51)的所收集的特征值是针对过去执行的操作而收集的。3.根据权利要求1或2所述的方法，其中借助于经训练的机器学习系统(52)来对所述预测等待时间进行预测，其中所述机器学习系统(51)接收所述特征值作为输入，并输出所述预期等待时间。4.根据权利要求3所述的方法，其中存在多个经训练的机器学习系统，其中每个机器学习系统被分配给所述生产操作中的一个，并且每个机器学习系统已经被训练为取决于其输入特征来预测其所分配的生产操作的预期...

【专利技术属性】
技术研发人员：K，
申请(专利权)人：罗伯特，
类型：发明
国别省市：