In semiconductor manufacturing, preventive maintenance (PM) planning is key to operate the system without unanticipated breakdown. Due to the complexity and diversity of the semiconductor manufacturing process, PM planning is complex. So far, PM planning research has focused on separately optimizing the PM plan for each toolset. However, there are many toolsets in a fab whose performance is correlated with each other, so individual PM planning may yield a sub-optimal solution. By jointly optimizing the toolsets at the fab-level, we can obtain the optimum PM plan of the system.
In this study, we propose two main findings. First, we modify existing approximation for the cycle time in queueing network consisting of G/G/1 non-preemptive priority (NPPR) queues. The approximation captures key features of semiconductor manufacturing facilities. We propose the simulation result using the MIMAC datasets which are based on industrial data. By this, we demonstrate that the new approximation equation lead to more accurate total cycle time prediction than the other method in general. Second, based on this approximation, we develop a nonlinear optimization model to determine PM plans at the fab-level. Simulation with the MIMAC datasets are also conducted to demonstrate that total cycle time improvement is possible via PM planning optimization. This study could be expanded to using G/G/m NPPR queues.
반도체 생산 공정에 있어, 기계의 갑작스러운 고장을 막기 위한 예방 정비 활동은 필수적이다. 반도체 생산 공정의 다양성과 복잡성으로 인하여, 예방 정비 활동의 계획은 단순하지 않다. 이와 더불어 기계들은 공정 라인에 의해 서로 연관되어 있기 때문에 단일 기계에 대한 예방 보수 최적화는 차선의 해결책이라 볼 수 있다. 이 연구에서 우리는 첫 번째로, 더 정밀한 생산 시간 예측을 위해 기존의 큐잉 네트워크 분석을 이해 및 보완하였으며, 이와 함께 다양한 팹 특성에 맞추어 웨이퍼 도착 시간의 분포, 공정 시간의 분포, 예방 보수 시간의 분포 등에 변화를 주어가며 예상 사이클 타임과 시뮬레이션 결과를 비교하였다. 이를 통해 주어진 팹 상황에 더 잘 맞는 큐잉 네트워크 방법론에 대한 판단을 이루어냈다. 두 번째로, 우리는 팹 전체 레벨에서의 예방 보수 최적화를 위한 비선형최적화 모델을 제시하였다. 이 모델이 실제 시뮬레이션과 얼마나 동일한 최적의 예방 보수 계획을 예측하는지 시뮬레이션을 통해 확인하였다. 또한, 사이클 타임과 밀접하게 연관된 변동성 계수들에 대한 민감도 분석을 시행하였으며, 최적화 후의 사이클 타임이 기존의 팹 상황에 따라 어떠한 경향성을 보이는지 확인하였다.
