X-Factor 概念簡介

以目前 DRAM 產業的競爭力而言，降低生產成本是一個重要的議題，而讓生產 線 的在製品降至最低又能確保產出影響最小，生產週期時間(C/T；Cycle Time）的掌控就 顯得格外重要。

在工廠端評量生產週期時間之績效的方式中，X-Factor 是一個非常實用的指標，因 為 X-Factor 的架構只考慮生產週期時間及機台的加工時間(Rpt；Raw process time)，〔3〕

〔8〕其關係式如(2.1)所示，所以在半導體業 X-Factor 指標被廣泛使用。

RPT : Raw Process Time

9

另外，在 Katsutoshi Ozawa 等學者的研究中〔6〕，提出生產週期時間與機台利用率 (Utilization)的關係，其數學關係式如(2.2)所示，

)

)

Where UTIL : 機台使用率

AVAIL : 機台可用率 L : 機台數量 MTOL : 機台離線時間

另外在 Beeg,T 〔2〕的研究中，將工廠內以 Work center 的方式把機台做群組化，如圖 2.2 所示，所得到的群組資訊即可作為監控生產週期時間的方式。

圖 2-2 Beeg,T 所提的 Work center 機台群組化示意圖

由上述的群組資訊可以得到投片量增加時生產週期時間的變化，用此數據可以評估下列 三項指標：

1. 增加投片量時所耗的成本。

2. 影響生產週期最大的因子。

3. 在不影響生產週期時間下最多可增加投片量的程度。

由上述三項指標中，第 2 及第 3 項與本論文研究生產節奏之控制息息相關。由(2.2)公式 得知 X-Factor 的數值與生產週期時間為正比，而生產週期時間會與工廠 Loading 成指數 的變化，所以我們可以發現，當工廠的 Loading 影響到生產週期時間的時候，機台利用 率自然會增加，X-Factor 值就會下降。

10

因此在 Beeg T 的研究中，分別將獨立的 Work Center 連結成工廠的 X-Factor ，將 反映不同的 Work Center Loading 組合對於 X-Factor 變異的影響，進而串聯出整條生產 線在不同的 Loading 下反映出的 X-Factor 變異，並取整體變異最小的結果作為最佳解。

如圖 2-3 所示。

圖 2-3 Work Center 示意圖

所以我們根據 Beeg T 針對 Work Center 連結工廠 model 可以做出以下分析:

1. 將所選擇的投片量套進個別獨立的 model，串聯得出整條生產線的 Cycle Time。

2. 改變產品組合並觀察 Work Center 的 Utilization 增減也將導致生產線 Cycle Time 的變 異。

3. 評估哪一種投片與產品組合產生的 Loading 可以得到最佳解。(Cycle Time 變異最小 及最大產出)

根據以上的研究，工廠端以分類分群的方式把機台群組化，分別針對獨立的單元做出改 善，來降低 cycle time 的變異。這也是現今有多家半導體廠廣泛使用 X-Factor 來監控生 產週期時間的原因。雖然我們利用 X-Factor 可以找出影響產品生產週期時間的機台群組，

但是這個機台群組是否真的對整個生產週期時間影響最大呢?我們在 TOC 的鏈條理論中 曾提過“條鏈的強度取決於最弱的環，若要改善企業整體績效(鏈條強度)，就要改善最弱 的環”，所以 Donald P.Martin 利用 Short Cycle Time Manufacturing (SCM)的概念，以 X-Factor 的分佈針對各製程工作站進行分析，來發現真正會影響到系統資源瓶頸機台產 能的機台群組〔8〕〔19〕，因此由原本的 X-Factor 資料中再延伸出 XFC( X-Factor Contribution )，其公式如 2.3 式所示，利用 XFC 尋找出真正對生產線最有影響力的 Work Center。

Where (2.3) XFCi : 代表站點 i 的 X 因子分佈

RPTi : 站點 i 的標準作業時間 RPTOA : 所有站點的標準作業時間 Xi : 代表 i 站點的 X-Factor 值

以 Donald P.Martin 的文獻案例說明，表 2-1 為 4 個 Work Center 的標準作業時間及 Utilization。

11

表 2-1 各 Work Center 的標準作業時間及 Utilization

從表 2-1 中輕易可看出 Work Center C 的 Utilization 為 95%最高，理論上 Work Center C 應該為此生產系統中的系統資源瓶頸。實際上真是如此嗎?我們再以表 2-1 的資訊並利用 公式 2.2 及 2.3 試算出 X-Factor 及 XFC 的數值，如表 2-2 所示。

表 2-2 各 Work Center 的標準作業時間及 X-Factor 及 XFC 值

若我們針對 Work Center C 增加產能讓 Utilization 降低 10%則整體的 XFC 會從 4.15 降至 4.07 降低了 0.07。如表 2-3 所示。

表 2-3 各 Work Center C 的 Utilization 降低 10%後的 X-Factor 及 XFC 值 RPT:標準作業時間

(Days) Utilization

Work Center A 1.0 0.875

Work Center B 5.0 0.800

Work Center C 0.1 0.950

Work Center D 2.5 0.910

RPT:標準作業時間

(Days) X-Factor XFC

Work Center A 1.0 4.5 0.52

Work Center B 5.0 3.0 1.74

Work Center C 0.1 10.5 0.12

Work Center D 2.5 6.1 1.76

Total: 24.06 4.15

Utilization X-Factor XFC Utilization X-Factor XFC

Work Center A 0.875 4.5 0.52 0.875 4.5 0.52

Work Center B 0.800 3.0 1.74 0.800 3.0 1.74

Work Center C 0.950 10.5 0.12 0.855 3.9 0.05

Work Center D 0.910 6.1 1.76 0.910 6.1 1.76

Total: 24.06 4.15 Total: 17.50 4.07

Work Center C Utilization Improve

10%

12

若我們針對表 2-2 中 XFC 值最大的 Work Center D 做改善，我們一樣將 Utilization 降低 10%，其他 Work Center 資料不變的情況下整體的 XFC 會從 4.15 降至 3.34 降低了 0.81。

如表 2-4 所示。

表 2-4 各 Work Center D 的 Utilization 降低 10%後的 X-Factor 及 XFC 值 故由表 2-3 及表 2-4 得知，若以 X-Factor 值直接判斷改善 Work Center C 則成效會比改 善 Work Center D 低很多，因此會落入追求局部效益的陷阱裡，唯有改善系統中最弱的 環，才能真正改善系統的績效。