کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
5079838 1477552 2015 7 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
A mathematical programming approach for optimizing control plans in semiconductor manufacturing
ترجمه فارسی عنوان
رویکرد برنامه ریزی ریاضی برای بهینه سازی برنامه های کنترل در تولید نیمه هادی
کلمات کلیدی
برنامه کنترل تولید نیمه هادی، نمونه گیری پویا، خطر، نقص برنامه ریزی خطی عدد صحیح،
ترجمه چکیده
در یک محیط رقابتی در سطح جهانی، حفظ عملکرد بالا با حداقل تعداد کنترل کیفیت، کلید تولید گیاهان برای حفظ رقابت است. در صنایع تولید نیمه هادی های مدرن، با حرکت به هندسه های کوچکتر و انواع مختلف در میان محصولات که باید همزمان اجرا شوند، طراحی برنامه های کنترل کارآمد، به طور فزاینده پیچیده می شود. از آنجائیکه 100٪ بازرسی از لحاظ هزینه و قابلیت اطمینان هر یک از کنترل ها مناسب و جالب نیست، به طور پویا شناسایی محصول مناسب برای بازرسی یکی از کلید های دستیابی به عملکرد بالا و کاهش زمان چرخه است. با این حال، هنگامی که پارامترهای کنترل بیش از حد و یا کمتر از حد انتظار، استراتژی نمونه گیری پویا نمونه گیری استاتیک می تواند به نتایج ضعیف منجر شود. در این مقاله، یک روش برنامه ریزی خطی عددی برای بهینه سازی استفاده از ظرفیت بازرسی از طریق نمونه گیری دینامیکی پیشنهاد می کنیم. هدف این است که تعیین دو پارامتر کلیدی (یعنی محدودیت هشدار و محدودیت مهار) که مربوط به سطح در نتیجه خطر و ظرفیت بازرسی موجود می باشد. این مدل در یک حلال تجاری و با استفاده از داده های واقعی صنعتی مورد آزمایش قرار گرفته است. نتایج نشان می دهد که خطر کلی را می توان بدون هیچ گونه ظرفیت اضافی به شدت کاهش داد.
موضوعات مرتبط
مهندسی و علوم پایه سایر رشته های مهندسی مهندسی صنعتی و تولید
چکیده انگلیسی
In a globally competitive environment, sustaining high yield with a minimum number of quality controls is key for manufacturing plants to remain competitive. In modern semiconductor manufacturing facilities, with the moves to ever smaller geometries and the variety among products to be run concurrently, designing efficient control plans is becoming increasingly complex. Since a 100% of inspection is neither feasible nor interesting because of the cost and reliability of each control, dynamically identifying the right product to inspect is one of the keys to achieve high yield and reduce the cycle time. However, when control parameters are over- or under-estimated, a dynamic sampling static sampling strategy can lead to poor results. In this paper we propose an integer linear programming approach to optimize the use of inspection capacity through dynamic sampling. The goal is to determine two key parameters (called warning limit and inhibit limit) that are related to the resulting level of risk and the available inspection capacity. The model has been implemented on a commercial solver and tested using actual industrial data. Results show that the overall risk can be strongly reduced without any additional capacity.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: International Journal of Production Economics - Volume 160, February 2015, Pages 213-219
نویسندگان
, , , ,