Lean CFP-driven

Lean CFP (Complex Flow Production) Driven är ett nytt tillvägagångssätt som inte bara tar hänsyn till den allmänt implementerade Lean-tillverkningen , utan kombinerar principerna för Lean med Operating Curve, ett tillvägagångssätt baserat på det teoretiska tillvägagångssättet för Queuing Theory utvecklat i akademin i 1970-talet. Målet med Lean CFP Driven är att eliminera slöseri för att uppnå högre kvalitet, öka produktiviteten och samtidigt förstå sambandet mellan utnyttjande, ledtid och variabilitet för att maximera prestanda inom halvledarindustrin .

Lean CFP Driven – Lean Complex Flow Production Driven

Bakgrund Halvledarindustrin

Halvledarindustrin är en av de mest produktiva och dynamiska industrierna i världen. Det står inför ett kontinuerligt och snabbt framsteg inom teknologin som sätter företagen under konstant press att komma med överlägsna och billigare varor än de som var toppmoderna för bara några månader sedan. Marknaden och utvecklingen av marknaden är baserad på Moores lag eller More than Moore.

Kundernas efterfrågan på halvledarmarknaden utvecklas och förändras i snabb takt vilket leder till att en hög nivå av flexibilitet är nödvändig för att betjäna och möta kundernas krav. Halvledarindustrin är dessutom mycket kapitalintensiv baserat på det faktum att produktionsutrustningen är mycket komplex, specialiserad och därmed otroligt dyr. Utmaningar som branschen står inför är att kontinuerligt förbättra avkastningsprestanda, uppnå högsta möjliga avkastning på den dyra utrustningen, hastighet och noll defekter.

Lean CFP Driven och Traditionell Lean

Lean CFP Driven går i en ny riktning från det traditionella Lean på grund av det ytterligare fokuset på utnyttjande, cykeltid och variabilitet. Halvledarindustrins olika egenskaper, t.ex. produktionsstruktur och produktionsrelaterade kostnader jämfört med andra industrier, skapar behovet av att närma sig Lean-filosofin på ett nytt sätt för att möta dessa specifika egenskaper.

Det finns fem nyckelegenskaper för halvledarindustrin:

Lång cykeltid.
Ingen parallell process möjlig, hög komplexitet
Kort produktlivscykel.
Kapitalintensiv produktion
Drastisk kostnadsminskning över tid

Det komplexa produktionsflödet för en halvledarfabrik beror på vad som kallas ett återinträdesflöde. Ett återkommande flöde är ett välkänt attribut inom en waferfab och hänvisar till att wafern besöker varje verktyg inte bara en gång utan kanske 20 gånger under kursen genom fab. Att duplicera den dyra utrustningen och skapa ett linjärt flöde skulle göra det ännu mer utmanande att få högsta möjliga avkastning på utrustningen och nå ett optimerat utnyttjande av varje verktyg, trots att det resulterar i en mycket komplex produktion.

Det återkommande flödet kräver viss flexibilitet, vilket i termer av Lean skulle kunna ses som muda (Waste). Den nödvändiga flexibiliteten, även för att möta fluktuationer i kundernas efterfrågan, kräver att företagen använder andra verktyg för att mäta och prognostisera prestanda och detta är vad Lean CFP Driven tillhandahåller halvledarindustrin. Lean CFP Driven lägger till operationskurvan för att utvärdera faktorerna utnyttjande , cykeltid och variabilitet som inte kan göras genom implementering av Traditional Lean.

Typiska verktyg inom Traditional Lean som också ingår i den nya metoden för Lean CFP Driven är följande:

Det som skiljer Lean CFP Driven från det traditionella tillvägagångssättet för Lean när det gäller verktyg är att det nya tillvägagångssättet tillämpar verktyget Operating Curve utöver de verktyg som anges ovan. Ett exempel på hur operationskurvan skulle kunna se ut visas i figuren nedan. Den optimala driftpunkten anges för olika variabiliteter som beskriver olikformigheten i produktionen, $\alpha$ . Den stora fördelen med att lägga till verktyget Operating Curve är att maximera prestanda genom att optimera både utnyttjande och hastighet samtidigt för den komplexa industrin av halvledare genom att minska variabiliteten via 4-partnermetoden.

Driftskurva

The Operating Curve är ett verktyg som ursprungligen utvecklades i den akademiska världen på 1970-talet, baserat på Queuing Theory, som använder indikatorerna Cycle Time och Utilization för att jämföra och förutse en tillverkningslinjes prestanda. Driftskurvan kan användas av olika anledningar, till exempel:

Förstå sambandet mellan variabilitet, cykeltid och utnyttjande
Kvantifiera avvägningen mellan cykeltid och användning
Dokumentera en enskild fabriks prestanda över tid
Beräkna och mät linjeprestanda

Driftskurvan kan beskrivas med följande formel: $FF=\alpha {\frac {UU_{m}}{1-UU_{m}}} +1$

var :

$FF$	Flödesfaktor som sträcker sig från 0 - ∞
$\alpha$	Variabilitet som beskriver ojämnheten i produktionen (lågt α indikerar bra prestanda). Alfa varierar från 0-1
$UU_{m}$	Utnyttjande, från 0-100 %

Flödesfaktorn kan också beskrivas som:

$FF={\frac {CT}{RPT}}$

Var:

CT	Linjens faktiska cykeltid
RPT	Den teoretiska minsta tid som ett parti (produktionsenhet) skulle behöva för att flytta från början till slut (dvs utan kö- eller processineffektivitet)
CT	= WIP/GR
WIP	Genomsnittligt bearbetat arbete (inklusive alla produkter, även partier i paus)
RPT	Maximalt antal enheter som ska behandlas varje dag
UUm	= GR/CapaPU
CapaPU	Produktionsenhetens kapacitet

^ ^a ^b ^c ^d ^e ^f ^g ^h Aurand S. Steven, Miller J. Peter; Driftskurvan: En metod för att mäta och jämföra produktionslinjes produktivitet; IEEE, USA, 1997.
^ Investopedia; http://www.investopedia.com/features/industryhandbook/semiconductor.asp#axzz1vbOvyLAZ ; 02.07.2012.
^ ieee spektrum; https://spectrum.ieee.org/computing/hardware/moores-law-meets-its-match ; 01.07.2012.
^ ^a ^b ^c Bauer H, Kouris I, Schlögl G, Sigrist T, Veira J, Wee D; Bemästra variabilitet i komplexa miljöer; McKinsey & Company, 2011.
^ Weber C, Fayed A; Enabling Timely Revolutions in the Performance of Multi-Product Fabs, Portland State University, Austin Texas, USA, 2009.
^ Kohn R, Noack D, Mosinski M, Zhou Z, Rose O; Utvärdering av modellering, simulering och optimeringsmetoder för arbetsflödeshantering inom halvledartillverkning; Institutet för tillämpad datavetenskap; Dresden Tyskland; 2009.
^ FabTime Cycle Time Management Newsletter – Volym 13, nummer 3, 2012 av FabTime Inc.

[The_Operating_Curve:_A_Method_to_Measure_and_benchmark_manufacturing_line_productivity-1] ^ ^a ^b ^c ^d ^e ^f ^g ^h Aurand S. Steven, Miller J. Peter; Driftskurvan: En metod för att mäta och jämföra produktionslinjes produktivitet; IEEE, USA, 1997.

[Investopedia-2] Investopedia; http://www.investopedia.com/features/industryhandbook/semiconductor.asp#axzz1vbOvyLAZ ; 02.07.2012.

[ieee_spectrum-3] spektrum; https://spectrum.ieee.org/computing/hardware/moores-law-meets-its-match ; 01.07.2012.

[Mastering_variability_in_complex_environments-4] Bauer H, Kouris I, Schlögl G, Sigrist T, Veira J, Wee D; Bemästra variabilitet i komplexa miljöer; McKinsey & Company, 2011.

[Enabling_Timely_Revolutions_in_the_Performance_of_Multi-Product_Fabs-5] Weber C, Fayed A; Enabling Timely Revolutions in the Performance of Multi-Product Fabs, Portland State University, Austin Texas, USA, 2009.

[Evaluation_of_modeling,_simulation_and_optimization_approaches_for_work_flow_management_in_semiconductor_manufacturing-6] Kohn R, Noack D, Mosinski M, Zhou Z, Rose O; Utvärdering av modellering, simulering och optimeringsmetoder för arbetsflödeshantering inom halvledartillverkning; Institutet för tillämpad datavetenskap; Dresden Tyskland; 2009.

[FabTime_Cycle_Time_Management_Newsletter_–_Volume_13,_Number_3-7] FabTime Cycle Time Management Newsletter – Volym 13, nummer 3, 2012 av FabTime Inc.