[发明专利]生产周期时间的预测方法

说明书

本发明提供了一种生产周期时间的预测方法，包括：基于第N站点的设定时间的堆货数据，获取第N‑1站点、第N站点以及第N+1站点各自的M天的设定时间的堆货数据及第N站点的M天生产周期时间数据；利用K邻近算法从M天的设定时间的堆货数据中获得与第N站点的设定时间的堆货数据临近的K天；利用第N站点的K天的堆货数据及生产周期时间数据，获取第N站点的预测生产周期时间。在本发明中，利用第N站点在设定时间在本站点及前后站点的堆货数据从M天历史过货数据库中，通过K临近算法获得最为接近的K天历史过货数据，再从K天历史过货数据中加权计算获得第N站点的预测生产周期时间，从而提高了预测生产周期时间的准确性。

技术领域

本发明涉及半导体技术领域，特别涉及一种生产周期时间的预测方法。

背景技术

随着半导体技术的发展，芯片集成度越来越高、工艺越来越复杂，基于预测的生产周期时间(CT)以指导生产控制有着至关重要的作用。生产控制可例如包括自动化派工、提前保养维护(PM)、优化产品订单组合以及预测出货目标等。

具体的，工艺站点的生产周期时间＝该工艺站点的等待时间(Q-time)+该工艺站点的加工时间，加工时间相对稳定，而等待时间则限制较多，既要保证机台有较大利用率，又不能超过工艺允许的等待时间。

在现有技术中，工艺站点的生产周期时间直接等于该工艺站点过去一个月历史加工数据作算术平均值，并且可能一个月才更新一次。运用现有技术中的生产周期时间在生产控制中难以发挥应有的作用，不仅预测数据(计算数据)不准确，难以体现工艺站点的实际情况，而且预测数据更新过慢，导致数据的时效性不强。

发明内容

本发明的目的在于提供一种生产周期时间的预测方法，提高预测获得生产周期时间的准确性。

为解决上述技术问题，本发明提供一种生产周期时间的预测方法，包括：基于第N站点的设定时间的堆货数据，获取第N-1站点、所述第N站点以及第N+1站点各自的M天的设定时间的堆货数据及所述第N站点的M天生产周期时间数据，N≥2，M＞30；利用K邻近算法从所述M天的设定时间的堆货数据中获得与所述第N站点的设定时间的堆货数据临近的K天，MK，K＞1；利用所述第N站点的K天的堆货数据及生产周期时间数据，获取所述第N站点的预测生产周期时间。

可选的，所述堆货数据至少包括相应站点的总堆货数量及相关堆货数量，所述相关堆货数量为所述总堆货数量中与所述第N站点的设定时间的堆货种类相匹配的堆货数量。

可选的，利用K邻近算法从所述M天的设定时间的堆货数据中获得与所述第N站点的设定时间的堆货数据临近的K天的方法包括：建立距离函数，所述距离函数的维度包括所述第N站点的总堆货数量及相关堆货数量、所述第N-1站点的总堆货数量及相关堆货数量和所述第N+1站点的总堆货数量及相关堆货数量；利用所述距离函数从所述M天的设定时间的堆货数据中获得与所述第N站点的设定时间的堆货数据临近的K天。

可选的，利用AHP层次法获得所述距离函数中每个维度的权重因子，并将所述权重因子应用于所述距离函数。

可选的，所述距离函数为：

其中，j表示M天中的天数，1≤j≤M，i表示不同的维度，A_i表示对应维度的权重因子，Xⁱ表示第N站点的设定时间的不同维度的堆货数据，表示第j天的设定时间的不同维度的堆货数据。

可选的，还包括获取所述K天的堆货数据以及相应生产周期时间数据。

可选的，获取所述设定时间第N站点的预测生产周期时间的方法包括：建立一数据集，所述数据集包括所述第N站点的K天的堆货数据及生产周期时间数据；对所述数据集执行数据修剪；基于所述第N站点的设定时间的堆货数据与所述第N站点的K天的堆货数据的匹配关系，对所述第N站点的K天的生产周期时间数据加权求取获取所述第N站点的预测生产周期时间。