面向晶圆制造企业的多等级订单承诺流程

杨立熙

(福州大学 管理学院，福建 福州350108)

集成电路晶圆生产是在晶圆表面上和表面内制造半导体器件的一系列生产过程。它从单晶抛光片开始，根据集成电路产品的复杂程度不同，反复经过多达数次甚至10 多次的增层、光刻、掺杂和热处理工艺的加工，使在晶圆上形成成百上千的集成电路芯片，产品生产周期一般长达几个月。晶圆产品的生产周期除具有周期长的特征外，同时还具有高度不确定性。生产周期长主要是由晶圆产品的生产工艺特征决定的，周期不确定性程度取决于制造系统中关键设备的利用率和关键设备前的工件排队规则。设备利用率与制造设备、生产工艺特征有关，工件排队规则由生产组织方式决定。

紧急订单(包括来自企业自身的工程试验订单和来自重要客户的交期紧迫的订单)在晶圆制造企业经常出现。从生产组织方面看，因紧急订单对资源的优先占用权导致了正常订单的生产周期产生了波动，缩短紧急订单的生产周期是建立在延长正常订单的生产周期基础之上的。许多学者的研究表明，紧急订单对正常订单的生产周期波动性产生重大的影响，但对紧急订单的生产周期和产出率均无明显影响［1－2］。从制造设备方面看，由于晶圆制造的一些重要设备价格昂贵，企业为充分利用设备产能，使这些设备成为了瓶颈资源，提高瓶颈资源的利用率将加大正常订单的生产周期波动性。从生产工艺特征方面看，晶圆生产的重入性，即产品需要反复经过相同设备，进一步加剧对关键资源的争夺。值得注意的是，紧急订单和重入性特征的叠加又使得生产周期的波动大幅增加。

可见，晶圆产品生产周期的不确定性与设备产能利用率密切相关。产品生产周期是企业做出订单承诺的最重要依据，然而晶圆产品生产周期的不确定性，使企业在做出可靠的订单承诺方面产生了难度。由于晶圆制造业近年才开始在我国内地迅速发展，目前国内关于订单承诺方面的研究较少，因此从订单管理层面产能规划着手，结合产生晶圆产品生产周期不确定性的原因，研究订单承诺流程以提高订单满足率和准时交付率，是值得探索的问题。

1 订单承诺的实务探讨

1.1 订单承诺的实务方法

在晶圆制造企业的订单承诺实务上，多以企业生产能力、负荷水平、产品生产周期和订单到达时间为依据来响应客户订单需求。订单承诺过程的分时段产能分配如图1 所示。

图1 订单承诺过程的分时段产能分配

图1(a)列出了在计划展望期内各时段(晶圆制造企业通常以周或月作为单位)的累积可承诺量，它是企业各时段的生产能力扣除已承诺部分的剩余量，这是综合企业生产能力和负荷水平(或需求水平)后的运算结果，以时段内晶圆的产量为计量指标。要求企业能在恰当的时间提供满足客户需求的订货数量是订单承诺过程要遵循的基本原则。在响应客户的订单时，销售管理部门首先根据产品的生产周期信息，结合该产品的需求时界(demand time fence，DTF)，判断在时间上是否能满足需求。若满足交货期需求，则进一步确定该时段上的能力供给能否满足需求，若满足，则将该时段及其之后各时段的可承诺产能分配给该订单。图1(b)、(c)、(d)显示了3 张依次到达的客户订单，交货期分别落在第1、第3 和第2 时段时的订单产能分配情况，假设在3 个场景中可承诺量都能满足需求。以图1(b)为例，将时段1的产能承诺给第1 张订单，因可承诺产能是以累积方式计量，因此在将时段1 产能分配给该订单的同时，其后各时段的相应可承诺产能也应扣除。如果某时段可承诺量不能满足需求，可将前期的可承诺产能作为响应订单的依据。

1.2 问题探讨

一些企业应用上述方法取得了良好效果，如在TFT－LCD 液晶显示屏制造企业的应用［3］。然而，在晶圆制造企业的应用中，订单满足率、准时交付率和产能利用率等方面的表现不理想，主要有以下3 个方面原因。

(1)订单优先级规则对重要客户订单满足率的影响。许多企业采用先到先服务(first come first served，FCFS)规则安排订单的优先级，这种公平对待客户的规则，实则忽视了重要客户订单对企业绩效的影响作用。目前一些晶圆制造大厂在产能紧张情况下，抛弃FCFS 规则，采取只承接重要客户订单的策略。

(2)产品生产周期预测方法对准时交付率的影响。企业多以固定生产周期作为响应客户订单交货期的依据。实际上产品生产周期与关键设备的负荷密切相关，设备的高负荷运行将加剧产品生产周期的波动［4－5］。晶圆制造企业关键设备多为瓶颈资源，造成了晶圆产品的生产周期大幅度变化，给订单的准时交付带来不利的影响。

(3)可承诺产能的信息粒度对准时交付率和产能利用率的影响。上述订单承诺方法的可承诺产能通常用每月产量来表示，而晶圆产品的生产周期却有多个时段的跨度，此外，在重入性的作用下，设备的产能在产品的整个生产周期内被该订单间断性地占用。因此，用来作为订单承诺依据的可承诺产能并非订单实际占用产能，这将对订单的准时交付率产生影响。为订单预设缓冲产能是这类问题的有效解决方案，但会降低产能利用率。

2 基于产能规划的多等级订单承诺流程

2.1 多等级订单承诺流程总体框架

基于产能规划的多等级订单承诺流程框架如图2 所示，其由订单等级数确定、产能规划、订单处理和订单承诺决策4 个模块构成，涉及到对订单等级数、产能分配、资源负荷和订单产品需求信息的处理。

图2 基于产能规划的多等级订单承诺流程框架

订单等级数确定和产能规划为订单管理的战略层活动。前者的输出结果是订单的优先等级数，后者则输出各等级订单的产能分配比例。订单处理模块获取客户订单的需求信息，包括工艺和交付期两方面的信息，同时依据订单利润、客户重要性等信息确定订单等级。

订单承诺决策模块是该流程的核心功能，它综合订单在工艺和交付期两方面的需求信息、资源负荷和产能分配表，确定在订单规定的交付期内能否满足规定的交付数量。因产品生产周期与订单等级数密切相关，为提高订单的准时交付率，预测产品生产周期必须基于订单等级因素。订单承诺决策模块运作流程如图3 所示。图3 中订单等级、产品工艺需求、交付期需求信息来自订单处理模块，算法步骤如下。

图3 订单承诺决策模块运作流程图

(1)产品生产周期预测模块依据产品工艺需求和订单等级信息输出特定等级下的产品生产周期以及产品生产过程所占用分时段资源需求信息;

(2)订单交付期决策模块依据产品生产周期和交付期需求信息评估交付期满足情况。若满足要求，则进入步骤(3)，执行订单产能分配模块，否则转入步骤(4)，执行订单级别调整;

(3)订单产能分配模块以相应等级订单的产能分配表扣除已承诺给其他需求的资源负荷作为可承诺产能，与该订单占用的分时段资源需求进行供需平衡，以评估产能是否满足负荷。若满足需求，则接受订单，订单承诺决策过程结束，否则进入步骤(4)，执行订单级别调整;

(4)若是因交付期不能满足需求而执行订单级别调整模块，则评估是否提高订单级别，若是因产能原因，则考虑提高或降低订单级别。若同意调整订单级别，则递归调用订单承诺决策流程，即算法转回步骤(1)，依据新订单等级信息开始新一轮的订单承诺决策;若不同意调整，则拒绝订单，过程结束。

2.2 优势分析

与传统方法相比，基于产能规划的多等级订单承诺流程(以下简称新流程)显著提升了重要客户的订单满足率、正常订单准时交付率和生产计划的稳定性。

面向多等级订单承诺的产能规划在需求管理的基础上，为各等级订单预先分配一定比例的专用产能。与FCFS 订单处理规则不同，为重要客户预留的这部分产能不因其他等级的客户订单先到达而被占用，因此新流程提高了重要客户的订单满足率。同时，传统方法中紧急订单对正常订单的生产周期波动性有重大的影响，而在新流程中通过为各级订单预先分配专用产能，有效地隔离了紧急订单对正常订单生产周期的影响，从而降低了生产计划的不稳定性，且提高了正常订单的准时交付率。

在计算订单的生产周期方面，新流程以产品的工艺需求、订单等级和产能负荷为基础预测产品生产周期，而非采用固定生产周期，因此新流程中的生产周期更接近现实，进一步提高了订单的准时交付率。

在订单的产能承诺方面，在新流程中需计算出产品在整个订单期内的分时段资源需求，时段单位较传统方法更为精细，因此订单的承诺将更为可靠。此外，在产能利用率方面，虽然新流程存在因预测的客户订单未到达而造成产能浪费的可能性，但产能的这种机会成本可以通过良好的产能规划提高重要客户的订单满足率而得以弥补。

2.3 流程实施技术

新流程的实施围绕框架中的等级数确定、产能规划、订单处理和订单承诺决策4 个主要模块及其所涉及到的相关信息而展开。

订单等级代表了客户或订单对企业绩效的贡献水平，可从产品单价、客户的重要性等方面衡量。因为等级数越多则生产管理越复杂，所以晶圆制造企业通常要结合企业自身的管理水平和客户订单需求的特征来确定订单优先等级数，企业实务操作上一般分为3 ～5 级。

订单管理层面的产能规划属于一种较高层次的供需协调决策，是实施新流程的重要内容。产能规划方案，即为不同等级订单预先分配产能是影响客户服务水平、产能利用率和企业的盈利能力等绩效水平的重要因素。从客户服务水平看，虽然紧急订单预分配产能提高了重要客户订单的满足率，但紧急订单的百分比增加将造成非紧急订单的平均生产周期大幅上升［6］，过多的紧急订单预分配产能将延长正常订单的生产周期。从产能利用率方面看，如果预测的客户订单未到达，那么单纯地看新流程可能在一定程度上降低了产能利用率，但为重要客户订单预留产能的高回报率却使得企业的利润水平得以提升。因此，企业需在对客户需求进行充分分析的基础上，权衡产能规划方案对各等级客户的服务水平和企业总体盈利能力的影响。

订单处理模块主要处理事务性活动，包括负责订单交付期需求、产品工艺需求等信息的获取以及确定订单的等级。

订单承诺决策模块是实施新流程的核心，由于晶圆产品的生产周期长且高度不确定，使得预测难度加大，吸引了许多学者与工业界的关注。如CHEN 用模糊BP 网络计算晶圆产品生产周期［7－8］;YANG 采用神经网络模型研究晶圆产品的生产周期和产出关系［9］;在三星电子的缩短产品生产周期与降低库存项目的实施过程中，LEACHMAN 等采用离散事件仿真方法研究晶圆产品的生产周期影响问题［10］;BROWN 等则用排队网络理论研究IBM 晶圆制造厂的产能和产品生产周期问题［11］。关于晶圆产品生产周期的预测问题暂不做深入探讨。

3 结论

在晶圆制造系统的生产特征和生产组织方式对晶圆产品生产周期的影响分析的基础上，指出晶圆产品的工艺过程以及晶圆制造系统的生产特征和生产组织方式导致了订单承诺决策的复杂性。由于当前的订单承诺实务方法在重要客户订单满足率和订单准时交付率等方面的表现较差，为提高晶圆制造企业的订单承诺决策水平，在对晶圆产品生产周期不确定性因素分析的基础上，构建了基于产能规划的多等级订单承诺流程。在该流程中，为降低紧急订单冲击的影响，将订单分设为多个等级，为各级预先分配一定产能。同时，该流程正视晶圆产品的生产周期与设备负荷相关这一事实，且要求考虑订单产品的分时段产能需求。与订单承诺实务方法相比，该流程能够提高重要客户订单的满足率和订单准时交付率。

值得注意的是，晶圆产品生产周期预测作为成功实施该流程的关键技术，由于问题本身的难度大，已成为当前的研究热点，有待深入研究。

［1］ EHTESHAMI B，PETRAKIAN R G，SHABE P M.Trade－offs in cycle time management:hot lots［J］.IEEE Transactions on，Semiconductor Manufacturing，1992，5(2):101－106.

［2］ FRONCKOWIAK D，PEIKERT A，NISHINOHARA K.Using discrete event simulation to analyze the impact of job priorities on cycle time in semiconductor manufacturing［C］// Advanced Semiconductor Manufacturing Conference and Workshop，ASMC 96 Proceedings.［S.l.］:IEEE/SEMI，1996:151－155.

［3］ JEONG B，SIM S B，JEONG H S，et al.An availableto－promise system for TFT LCD manufacturing in supply chain［J］. Computers ＆ Industrial Engineering，2002，43(1－2):191－212.

［4］ VANDAELE N，DE BOECK L. Advanced resource planning［J］. Robotics and Computer－Integrated Manufacturing，2003，19(1－2):211－218.

［5］ MOON Y B，PHATAK D. Enhancing ERP system's functionality with discrete event simulation［J］.Industrial Management ＆ Data Systems，2005，105(9):1206－1224.

［6］ NARAHARI Y，KHAN L M.Modeling the effect of hot lots in semiconductor manufacturing systems［J］.IEEE Transactions on，Semiconductor Manufacturing，1997，10(1):185－188.

［7］ CHEN T.A fuzzy back propagation network for output time prediction in a wafer fab［J］.Applied Soft Computing，2003，2(3):211－222.

［8］ CHEN T.Job cycle time estimation in a wafer fabrication factory with a bi－directional classifying fuzzy－neural approach［J］. The International Journal of Advanced Manufacturing Technology，2011，56(9):1007－1018.

［9］ YANG F.Neural network meta modeling for cycle time－throughput profiles in manufacturing［J］.European Journal of Operational Research，2010，205(1):172－185.

［10］LEACHMAN R C，KANG J，LIN V. SLIM:short cycle time and low inventory in manufacturing at Samsung electronics［J］. Interfaces，2002，32(1):61－77.

［11］ BROWN S M，HANSCHKE T，MEENTS I，et al.Queueing model improves IBM's semiconductor capacity and lead－time management［J］. Interfaces，2010，40(5):397－407.