第四章 效果驗證
4.2 改變現場監控的重點
1. 問題在哪裡，要改變什麼?
由於以往 DRAM 產業的生產模式大多為存貨式的生產模式(Make To Stock)，因此工 廠端的現場監控機制大多以機台的使用率、每日的 Move 數量及每日產出數量為重點，
因此在這種生產模式下工廠端為了避免機台使用率下降勢必要提高產品的投入量，但 是現場監控若著重於機台的使用率、每日的 Move 數量及每日產出數量會產生下列問 題:
(1). 在機台正常的情況下，全線 WIP 量超過系統資源瓶頸負荷時，產出量真的會增 加嗎?我們由 TOC 中得知，瓶頸產出等於系統產出，所以產出並不會因為投入 量增加而增加。
(2). 全線 WIP 量超過系統資源瓶頸負荷時，會讓產品於系統資源瓶頸機台的等 候加工時間變長，如此就會造成產品的生產週期時間變長，如圖 4-3 所示，在
37
紅色線中段以後，綠色點都飄到紅色線的右邊，代表產品的生產週期時間已失 去控制，也因此在新/舊製換期間會造成舊產品 Phase Out 的時程延後。
圖 4-3 M 廠 2010 年 2 月 1 日~2010 年 2 月 28 的生產週期時間散佈圖 (3)、生產線內的 WIP 過多也就是在線庫存過多，會造成公司的投資報酬率下降，由
圖 4-2 TOC 產出觀績效衡量指標所示，要增加投資報酬率(ROI)就要增加產出、
降低營運費用及投資費用或庫存(ROI=(T-OE)/I)，因此降低生產線內的在製品是 可以提高投資報酬率，降低製造成本。
由上述問題得知，在新/舊製程轉換期間要改變原本以機台的使用率、每日的 Move 數量 及每日產出數量為重點的現場監控模式。
2、對策在哪裡，要改變成什麼?
承如 4.1 節所述，在最短的時間內將新/舊製程轉換完畢是唯一的目標，因此要將原 本以機台的使用率、每日的 Move 數量及每日產出數量為重點的現場監控模式變更 如下:
(1). 新/舊產品的生產週期時間監控。
(2). 生產節奏的控制，以確保全線 WIP 不會超過系統資源瓶頸的負荷。
(3). 系統資源瓶頸機台 WIP 警示系統。
3、如何改變?
(1). 生產週期時間之控制:
我們利用表 3-6 各種生產週期時間指標來監控產品的生產週期時間是否有異 常，如圖 4-3 為每批產品於生產線內的 In-Line Cycle Time 散佈圖，由此圖我們 可以發現 Cycle Time 開始發散的時間點，再配合 X-Factor(如圖 3-3 所示)找出真 正影響產品生產週期時間的機台群組並進行改善，而且是持續的改善。個案公 司 M 廠也曾經利用 X-Factor 理論來改善 P 群組的生產週期時間及 Utilization。
案例如下說明:
38
Process 1 0.64 AVAIL(機台可用率) : 98%
Process 2 0.64 L(機台數) : 20
Process 3 0.67 MTOL(離線時間) : 8%(=24*8%=1.92小時) Process 4 0.67
Process 1 0.64 AVAIL(機台可用率) : 98%
Process 2 0.63 L(機台數) : 20
Process 3 0.66 MTOL(離線時間) : 8%(=24*8%=1.92小時) Process 4 0.65
39
40
RPT T otal Move X-Factor Utilization
0.675455 17766 10.50 95.0%
0.675000 17778 10.45 95.0%
0.674545 17790 10.40 95.0%
0.674090 17802 10.35 94.9%
0.673635 17814 10.30 94.9%
0.673180 17826 10.26 94.9%
0.672725 17838 10.21 94.9%
0.672270 17850 10.16 94.8%
0.671815 17862 10.12 94.8%
0.671360 17874 10.07 94.8%
0.670905 17886 10.02 94.8%
0.670450 17898 9.98 94.7%
0.669995 17911 9.93 94.7%
0.669540 17923 9.89 94.7%
0.669085 17935 9.85 94.7%
0.668630 17947 9.80 94.6%
0.668175 17959 9.76 94.6%
0.667720 17972 9.72 94.6%
0.667265 17984 9.67 94.6%
0.666810 17996 9.63 94.5%
0.666355 18008 9.59 94.5%
0.665900 18021 9.55 94.5%
0.665445 18033 9.51 94.5%
0.664990 18045 9.47 94.4%
0.664535 18058 9.43 94.4%
0.664080 18070 9.39 94.4%
0.663625 18083 9.35 94.4%
0.663170 18095 9.31 94.3%
0.662715 18107 9.27 94.3%
0.662260 18120 9.23 94.3%
0.661805 18132 9.20 94.3%
0.661350 18145 9.16 94.2%
0.660895 18157 9.12 94.2%
0.660440 18170 9.08 94.2%
0.659985 18182 9.05 94.2%
0.659530 18195 9.01 94.1%
0.659075 18207 8.97 94.1%
0.658620 18220 8.91 94.1%
0.658165 18233 8.88 94.0%
41
案例如下說明:
在工廠端，若維持以機台的使用率、每日的 Move 數量及每日產出數量為重點 的現場監控模式，一旦生產線內某機台長時間 down 機或停機，但管理者又未 能適時停止投料，進而造成系統資源瓶頸負荷過重並產生 WIP 不均衡的分佈，
如圖 4-5 所示。導致週間的 WIP 量會產生鋸齒狀的分佈，為改善圖 4-5 WIP 不均衡的狀況，我們利用 WR 法針對系統資源瓶頸機台的負荷來決定投料與否，
讓生產線的 WIP 分佈均衡。
圖 4-5 M 廠週間 WIP 分佈圖
我們用以下案例來驗證。案例中，M 廠以新製程中最高成本與高利用率的浸潤 式曝光機(Immersion)為瓶頸資源，並利用監控瓶頸機台產能負荷之 WR 法控制 投料。
由 4.1 節的案例中得之浸潤式曝光機一台的產能為 600 片，共有 3 台浸潤式曝 光機，所以浸潤式曝光機每日投片量可達 1,800 片，相關資料如表 4-10 所示。
因此我們利用 3.10 公式計算計畫投入系統內之 WIP 且未過系統資源瓶頸之總 工作負荷值(SCCRm) = 172260 /25(pcs)×0.19 =1309.2(hrs)
表 4-10 計畫投入系統內且未經系統資源瓶頸機台之片數
接下來，計算實際投入系統內之 WIP 且未過系統資源瓶頸之總工作負荷值 (ACCRm)相關資料如表 4-11 示。因此我們利用 3.11 式計算出 ACCRm = 184001 /25 (pcs) ×0.19 =1398.4(hrs)
42
表 4-11 實際投入系統內且未經系統資源瓶頸機台之片數
最後，來我們利用公式 3.12 來判斷實際系統資源瓶頸的工作負荷量是否有超
過計畫投入系統資源瓶頸機台的工作負荷量? WRm = ACCRm ÷ SCCRm =
1398.4÷1309.2
1.1。由以上資料得知 WRm = 1.1 >1，建議系統停止投料或減 少投料，直到 WRm 1 時再視現場實際狀況恢復投料。(3)、系統資源瓶頸機 WIP 警示系統:
工廠端除了要執行生產節奏之控制外，還要建立系統資源瓶頸的 WIP 警示系 統，以利現場管理者隨時掌握系統資源瓶頸的 WIP 水位，尤其具回流特性的 系統資源瓶頸機台格外重要，如表 4-12 所示，為個案公司 M 廠某日的系統資 源瓶頸機台(浸潤式曝光機)的 WIP 警示系統，表 4-12 中有白色 符號代表 WIP 水位高於系統資源瓶頸機台最高水位之設定，表 4-12 中有白色 符號代表 WIP 水位低於系統資源瓶頸機台最低水位之設定，故由表 4-12 可以看出，Scanner Process_Step1~4 的 1D(1Day) Close WIP 量皆高於最高警示水位，但 Scanner Process_Step5 中不論是 1D/3D/7D 的 WIP 量皆低於最低警示水位，依照 3.3 節 說明，工廠端的派工系統則必須依照系統資源瓶頸機台的最低或最高的 WIP 警示水位隨時調整派工優先順序，除了不能讓系統資源瓶頸機台缺料外，也要 讓系統資源瓶頸機台的 WIP 更均衡。
43
1天 Close WIP 1026 1026 1026
Scanner Process_step1
7天 Close WIP 2865 2940 3130
3天 Close WIP 1671 1746 1936
1天 Close WIP 100 175 365
Scanner Process_step5
44
標記 9 的段落為最近一次新/舊製程轉換只費時 5 個月的時間就轉換完畢，與前一次的新 /舊製程轉換 (標記 7 的段落)達 8 個月才完成，明顯進步很多。另外在舊產品 Phase Out 的成效方面也明顯進步很多，此次轉換如圖 4-6 標記 8 的段落，約費時 6 個月的時間將 舊產品 Phase Out，而前一次的舊產品 Phase Out 卻長達 10 個月才完成，故此次的新製 程導入至舊產品 Phase Out 的時間由 7~10 個月縮短至 6 個月以內，達到上階層管者的目 標。
圖 4-6 個案公司於 2008 年 1 月~2011 年 12 月新/舊製程轉換期間產品產出圖
45
第五章、結論及未來研究方向
5.1 結論：
工業技術研究院於 2011 半導體年鑑中指出，在現階段的記憶體產業擁有下列三項 特徵者，所受之衝擊影響會較大:
1. 先進製程轉換進度較慢者。
2. 單一產品線者。
3. 籌資能力較不佳者。
在 2010 年，各 DRAM 廠因 DRAM 價格上揚，故各公司大幅增加產出，但也隨之 重演 2008 年~2009 年上半年因市場供過於求的窘境，其間唯獨韓國大廠 Samsung 持續 進行先進製程的轉換，以壓低生產成本提高公司獲利，所以 Samsung 於 DRAM 產業的 技術超越同業約 1~2 個世代水準，這也就是 2011 年 DRAM 產業唯獨只有 Samsung 獲利 的原因之一。因此本研究針對上述三項特徵的第一項進行研究，利用辨識系統瓶頸的三 種方法正確地找出新/舊製程轉換時的系統資源瓶頸機台，而其他非資源瓶頸之機台則要 全力配合系統資源瓶頸機台來做生產規劃。另外在現場監控方面也從以往只注重機台的 使用率、每日的 Move 數量及每日產出數量，改變成著重於新/舊產品的生產週期時間監 控、生產節奏的控制及監控系統資源瓶頸機台使用率的方式進行現場管控。做了上述的 改變後，個案公司 P 廠於最近兩次的新/舊製程轉換速度由 7~10 個月縮短至 6 個月以內，
明顯進步很多，如圖 4-6 所示。證明本研究的生產規劃能縮短 DRAM 產業新/舊製程轉 換的速度。
5.2 未來研究方向：
以上所述，衝擊記憶體產業的第二項因素為單一產品線者，並依據工業技術研究院 的研究中認為記憶體產業在不景氣時，擁有多元化產品線的廠商較能分散營運風險，例 如韓國 Samsung 就同時擁有 DRAM、NAND Flash、NOR Flash，美國 Micron 擁有 DRAM、
NAND Flash 產品。因此未來台灣 DRAM 廠應該會往多元產品線的方向前進，然而現階 段記憶體產業仍無法擺脫先進製程轉換進度較慢者較容易受到經濟不景氣的衝擊，所以 記憶體產業的先進製程轉換速度仍然非常重要，這也代表記憶體產業將來會遇到多種產 品同時進行新/舊產品世代交替，此時產品線會產生瓶頸飄移的現象，也會影響到產品的 投料規劃及先進製程轉換速度，因此在多種產品同時進行新/舊產品世代交替，如何解決 瓶頸飄移是今後需努力研究的課題。
46
參考文獻
〔1〕Eliyahu M. Goldratt , Jeff Cox, 目標, 齊若蘭譯, 天下文化, 1998.
〔2〕Beeg, T., “Wafer fab cycle forecast under changing loading situations”, Advanced Semiconductor Manufacturing, 2004. ASMC '04. IEEE Conference and Workshop, vol., no., pp. 339- 343, 4-6 May 2004.
〔3〕Meyersdorf, D., Yang. T., Cycle time reduction for semiconductor wafer fabrication facilities”, Advanced Semiconductor Manufacturing Conference and Workshop, 1997.
IEEE/SEMI , vol. no., pp.418-423, 10-12 Sep 1997.
〔4〕Delp, D., Si, J., Fowler, J.W., “The development of the complete X-factor contribution measurement for improving cycle time and cycle time variability”, Semiconductor Manufacturing, IEEE Transactions on, vol.19, no.3, pp.352-362, Aug.2006.
〔5〕Delp, D., Si, J., Hwang, Y., Pei, B., “A dynamic system regulation measure for increasing effective capacity: the X-factor theory”, Advanced Semiconductor
Manufacturing Conference and Workshop, 2003 IEEEI/SEMI, vol., no., pp. 81- 88, 31 March-1 April 2003.
〔6〕Ozawa, K., Wada, H., Yamaguchi, T., “Optimum tool planning using the X-factor theory”, Semiconductor Manufacturing Conference Proceedings, 1999 IEEE International Symposium on , vol., no., pp.49-52, 1999.
〔7〕Wein, L.M., “Scheduling semiconductor wafer fabrication”, Semiconductor Manufacturing, IEEE Transactions on , vol.1, no.3, pp. 115- 130, Aug 1988.
〔8〕Martin, D.P., “The Advantages of Using Short Cycle Time Manufacturing Instead of Continuous Flow Manufacturing”, Proceedings of the ASMC,Boston, MA, 1998.
〔9〕Memory Industry Outlook，永豐證券投資顧問股份有限公司出版，第七頁，民國一 科學委員會補助專題研究計畫，計畫編號：NSC 89-2213-E-009-038, 2000。
47
〔18〕李榮貴，張盛鴻， TOC 限制理論-從有限走向無限，中國生產力中心，2005。
〔19〕張畹菁，「晶圓代工廠限制驅導式生產管理系統之應用」，國立交通大學，碩士 論文，民國九十三年。
〔20〕楊瑞臨，彭茂榮，蔡金坤，彭國柱，陳玠瑋，陳玲君等， 2011 半導體年鑑，工 業技術研究院產業經濟與趨勢研究中心，2011。