[go: up one dir, main page]

TWI844845B - 產線運作預測方法以及產線運作預測系統 - Google Patents

產線運作預測方法以及產線運作預測系統 Download PDF

Info

Publication number
TWI844845B
TWI844845B TW111115669A TW111115669A TWI844845B TW I844845 B TWI844845 B TW I844845B TW 111115669 A TW111115669 A TW 111115669A TW 111115669 A TW111115669 A TW 111115669A TW I844845 B TWI844845 B TW I844845B
Authority
TW
Taiwan
Prior art keywords
production line
line operation
historical
processor
work
Prior art date
Application number
TW111115669A
Other languages
English (en)
Other versions
TW202343171A (zh
Inventor
蘇粲程
黃浩哲
林群惟
Original Assignee
財團法人工業技術研究院
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 財團法人工業技術研究院 filed Critical 財團法人工業技術研究院
Priority to TW111115669A priority Critical patent/TWI844845B/zh
Priority to CN202210605119.6A priority patent/CN117010540A/zh
Priority to US17/874,302 priority patent/US12254426B2/en
Publication of TW202343171A publication Critical patent/TW202343171A/zh
Application granted granted Critical
Publication of TWI844845B publication Critical patent/TWI844845B/zh

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/067—Enterprise or organisation modelling
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/04—Manufacturing

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Development Economics (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Educational Administration (AREA)
  • Manufacturing & Machinery (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • General Factory Administration (AREA)

Abstract

本揭露提出一種產線運作預測方法以及產線運作預測系 統。產線運作預測方法包括以下步驟：取得在一時間點的產線上在製品地圖，並且根據產線上在製品地圖產生多個待選的模擬派工決策，並且推算在下一時間點的多個待選的模擬派工決策的多個產線在製品地圖變化；輸入多個產線在製品地圖變化至預測模型，以使預測模型輸出在下一時間點的多個待選的模擬派工決策的多個模擬產線運作健康指標；以及選擇多個待選的模擬派工決策的其中之一作為排程派工決策。

Description

產線運作預測方法以及產線運作預測系統
本揭露是有關於一種產線運作預測方法以及產線運作預測系統。
在生產製造過程中，工廠內產線的多個機台可能共用於多個不同製程。對此，一般的產線運作常見的問題可例如是，若多個機台(產線站點)的(在製品)移轉量未平衡，則可能導致投入的在製品數量多但是產量少的情況，或是可能導致機台的稼動率低落或過於集中特定機台生產。對於特定產業來說，前述產線問題往往會進一步導致發生大批量的在製品超過留置時間(Over Q-time)以及造成大量重工等問題。因此，如何有效評估整個產線運作的健康程度，以例如使產線可有穩定的投入及產出數量，以降低在製品在廠內無法產出的風險，並可助於產線管理人員進行派工作業，是目前產線運作規劃及管理領域重要的課題。
本揭露提供一種產線運作預測方法以及產線運作預測系統，可有效預測產線運作，以讓產線管理人員進行維持產線穩定的派工，並可使產線維持或恢復穩定。
本揭露的產線運作預測方法包括以下步驟：取得一時間點的產線上在製品地圖，並且根據產線上在製品地圖產生多個待選的模擬派工決策，並且推算在下一時間點的多個待選的模擬派工決策的多個產線在製品地圖變化；輸入多個產線在製品地圖變化至預測模型，以使預測模型輸出在下一時間點的多個待選的模擬派工決策的多個模擬產線運作健康指標；以及選擇多個待選的模擬派工決策的其中之一作為排程派工決策。
本揭露的產線運作預測系統包括處理器以及儲存單元。儲存單元耦接處理器，並且儲存預測模型以及排程模組。處理器執行以下操作：處理器取得在時間點的產線上在製品地圖，並且根據產線上在製品地圖產生多個待選的模擬派工決策，並且推算在下一時間點的該些待選的模擬派工決策的多個產線在製品地圖變化；處理器輸入多個產線在製品地圖變化至預測模型，以使預測模型輸出在下一時間點的多個待選的模擬派工決策的多個模擬產線運作健康指標；以及處理器執行排程模組，以選擇多個待選的模擬派工決策的其中之一作為排程派工決策。
基於上述，本揭露的產線運作預測方法以及產線運作預測系統，可針對不同派工決策進行預測，以讓產線管理人員可根據預測結果進行較佳的排程派工，而使產線運作具有良好的運作效率。
為讓本揭露的上述特徵和優點能更明顯易懂，下文特舉實施例，並配合所附圖式作詳細說明如下。
為了使本揭露之內容可以被更容易明瞭，以下特舉實施例做為本揭露確實能夠據以實施的範例。另外，凡可能之處，在圖式及實施方式中使用相同標號的元件/構件/步驟，係代表相同或類似部件。
圖1是本揭露的一實施例的產線運作預測系統的示意圖。參考圖1，產線運作預測系統100包括處理器110以及儲存單元120。處理器110耦接儲存單元120。儲存單元120可儲存資料搜集模組121、模型訓練模組122、預測模組123以及排程模組124。在本實施例中，產線運作預測系統100可例如是適用於半導體製程產線運作預測應用、電子產品產線運作預測應用或特定工具產線運作預測應用等相關產線運作預測應用，而本揭露並不加以限制其應用領域。
在本實施例中，處理器110可先執行資料搜集模組121。資料搜集模組121可蒐集相關的多個歷史產線運作資料，並且根據相關的歷史產線運作資料產生相對應的多個訓練資料。接著，處理器110可執行模型訓練模組122。模型訓練模組122可依據這些訓練資料來訓練預測模組123。接著，處理器110可執行排程模組124，以將基於在一時間點(例如當前時間點)的產線上在製品地圖所產生的多個產線在製品地圖變化輸入至預測模組123，以使預測模組123可輸出在下一時間點對應於不同模擬派工決策的多個模擬產線運作健康指標。因此，產線管理人員可根據這些模擬產線運作健康指標進行產線排程派工評估，以使可進一步決定較佳的排程派工決策。或者，在一實施例中，處理器110可根據這些模擬產線運作健康指標自動進行判斷，並自動選擇較佳的模擬派工決策來操作自動化產線。
在本實施例中，所述較佳的模擬派工決策可例如指的是可對於在製品地圖的影響而例如不會使得在製品堆積於特定站點待加工或是可增加站點設備的運作效率的排程派工決策。在本實施例中，所述產線在製品地圖變化是指產線上的多個產線站點分別對應於多個製程分別在不同時間點所處理的在製品數量變化，其中例如可是以下圖6B所示的產線上在製品地圖203、602、603的在製品數量變化。
在本實施例中，處理器110可例如包括中央處理單元(Central Processing Unit，CPU)或是其他可程式化之一般用途或特殊用途的微處理器(Microprocessor)、數位訊號處理器(Digital Signal Processor，DSP)、可程式化控制器、特殊應用積體電路(Application Specific Integrated Circuits，ASIC)、可程式化邏輯裝置(Programmable Logic Device，PLD)、其他類似處理裝置或這些裝置的組合。儲存單元120可例如是動態隨機存取記憶體(Dynamic Random Access Memory，DRAM)、快閃記憶體(Flash memory)或非揮發性隨機存取記憶體(Non-Volatile Random Access Memory，NVRAM)等。
在本實施例中，產線運作預測系統100可例如由一台電腦裝置實現之，其中處理器110以及儲存單元120可整合在電腦裝置中。或者，在一實施例中，儲存單元120為建置在雲端伺服器中，並且處理器110為使用者端的電子裝置的運算單元。對此，產線管理人員可透過操作電子裝置來連線至雲端伺服器，並且從電子裝置提供相關資料至雲端伺服器，以藉由雲端伺服器的運算資源來進行本揭露各實施例所述的相關產線運作預測，並回傳預測結果給產線管理人員操作的電子裝置。
圖2是本揭露的一實施例的進行產線運作預測的示意圖。圖3是本揭露的一實施例的訓練預測模型的流程圖。參考圖1至圖3，處理器110可執行如圖3所示的步驟S310、S320，以訓練預測模型123。在步驟S310，處理器110可執行資料搜集模組121，以取得多個歷史產線在製品地圖201_1~201_M，並且根據歷史產線在製品地圖201_1~201_M，產生多個歷史產線運作健康指標202_1~202_N，其中M與N為正整數。在步驟S320，處理器110可執行模型訓練模組122，以根據歷史產線在製品地圖201_1~201_M以及歷史產線運作健康指標202_1~202_N訓練預測模型123。
在本實施例中，資料搜集模組121可透過讀檔方式、資料擷取介面或透過存取資料庫的方式來取得歷史產線在製品地圖201_1~201_M。歷史產線在製品地圖201_1~201_M可例如是對應於多個產線站點的多筆工作序及/或多筆工作單。資料搜集模組121可根據歷史產線在製品地圖201_1~201_M以及歷史產線運作健康指標202_1~202_N產生訓練資料集，並且模型訓練模組122可根據訓練資料集來訓練預測模型123。
在本實施例中，預測模型123可為一種迴歸(regression)模型，但本揭露並不限於此。處理器110可基於深度神經網路(Deep Neural Network，DNN)、脊迴歸(ridge regression)或支持向量回歸(Support Vector Regression，SVR)來針對歷史產線運作健康指標202_1~202_N建立迴歸模型。並且，模型訓練模組122可根據前述的訓練資料集來訓練迴歸模型。在本實施例中，歷史產線運作健康指標202_1~202_N可為分別對應於不同產線站點分別進行不同製程的多個歷史關鍵績效指標(Key Performance Indicators，KPI)，並且歷史關鍵績效指標可例如是對應於不同產線站點以及不同製程的多個歷史(在製品)移轉變異(Move variation)值、多個歷史(在製品)移轉量或多個歷史整體設備效率值(Overall Equipment Effectiveness，OEE)，但本揭露不以此為限。
舉例而言，搭配參考圖4A以及圖4B。圖4A是本揭露的一實施例的多個歷史產線在製品地圖的示意圖。圖4B是本揭露的一實施例的多個歷史產線運作健康指標的示意圖。資料搜集模組121可例如取得圖4A所示隨著時間T1~T3變化的歷史產線在製品地圖411~413，其中歷史產線在製品地圖411~413可包括分別在時間T1~T3所對應於多個產線站點O0~O3以及多個製程(製造流程)P1~P4的在製品(Work In Process，WIP)數量。接著，以歷史關鍵績效指標為歷史移轉量為例，資料搜集模組121可根據歷史產線在製品地圖411~413產生例如圖4B所示的依據在製品地圖算出的移轉量資訊421~423來作為歷史產線運作健康指標。
對此，關於依據在製品地圖算出的移轉量資訊421，由於歷史產線在製品地圖411為首筆資訊，因此不同產線站點O0~O3以及不同製程P1~P4所對應的歷史移轉量皆為0。關於依據在製品地圖算出的移轉量資訊422，比對歷史產線在製品地圖411、412可知，產線站點O0於製程P3中的在製品數量減少30個，並且，產線站點O1於製程P3中的在製品數量增加30個。關於依據在製品地圖算出的移轉量資訊423，比對歷史產線在製品地圖412、413可知，產線站點O0於製程P1中的在製品數量減少5個，並且，產線站點O1於製程P1中的在製品數量增加5個。
如此一來，模型訓練模組122可根據歷史產線在製品地圖411~413、依據在製品地圖算出的移轉量資訊421~423及/或相對應的其他歷史產線運作健康指標資訊來訓練預測模型123，以使經訓練後的預測模型123可具有可根據不同在製品地圖變化來自動地預測相對應的不同模擬產線運作健康指標的功能。在本實施例中，所述模擬產線運作健康指標可為分別對應於不同產線站點分別進行不同製程的多個模擬關鍵績效指標，並且模擬關鍵績效指標可例如是對應於不同產線站點以及不同製程的多個模擬(在製品)移轉變異值、多個模擬(在製品)移轉量或多個模擬整體設備效率值，但本揭露不以此為限。
圖5是本揭露的一實施例的產線運作預測方法的流程圖。參考圖1、圖2以及圖5，處理器110可延續前述圖2的說明而執行如圖5所示的步驟S510~S530，以訓練預測模型123。在步驟S510，處理器110可取得在一時間點的產線上在製品地圖203，並且處理器110可執行排程模組124，以根據產線上在製品地圖203產生多個待選的模擬派工決策。所述待選的模擬派工決策是指預先自動產生可以派工至不同產線站點的多種派工方式以供選擇。並且，排程模組124可推算在下一時間點的多個待選的模擬派工決策的多個產線在製品地圖變化204_1~204_P，其中P為正整數。在步驟S520，處理器110可輸入產線在製品地圖變化204_1~204_P至預測模型123，以使預測模型123可輸出在下一時間點對應於多個待選的模擬派工決策的多個模擬產線運作健康指標205_1~205_P。在步驟S530，處理器110可選擇多個待選的模擬派工決策的至少其中之一作為排程派工決策。在本實施例中，處理器110可執行排程模組124，以選擇具有最低移轉變異值、最低移轉量或最高整體設備效率值的多個待選的模擬派工決策的至少其中之一作為排程決策。
舉例而言，搭配參考圖6A以及圖6B。圖6A是本揭露的一實施例的決策多個待選模擬派工狀態的示意圖。圖6B是本揭露的一實施例的多個模擬產線在製品地圖的示意圖。排程模組124可例如根據產線上在製品地圖203產生多個待選的模擬派工決策611~615、621~625。待選的模擬派工決策611~615、621~625分別對應於多個製程P1~P4以及多個產線站點O0~O3。待選的模擬派工決策611~615可用於表示產線上在製品地圖203於下一時間點可施行的派工方式，並且待選的模擬派工決策621~625可用於表示產線上在製品地圖203依據待選的模擬派工決策613進行派工而更新後於再下一時間點可施行的多個派工方式。待選的模擬派工決策611、612、614、615亦分別有對應延伸於再下一時間點可施行的多個派工方式，而不限於圖6A所示。
換言之，排程模組124可建立樹狀結構關係的多筆模擬派工決策。接著，排程模組124可對待選的模擬派工決策611~615、621~625的每一筆進行推算，以取得分別對應於待選的模擬派工決策611~615、621~625的多個產線在製品地圖變化，即分別依據待選的模擬派工決策611~615、621~625來更新產線上在製品地圖203，以分別模擬出在下一時間點的多個模擬產線在製品地圖。最後，排程模組124可透過將在下一時間點的多個模擬產線在製品地圖(產線在製品地圖變化)輸入至預測模型123，以使預測模型123可分別預測對應於待選的模擬派工決策611~615、621~625的多個移轉變異值mv(多個模擬產線運作健康指標)。
以連續的待選的模擬派工決策613、622為例，產線上在製品地圖203可如圖6B所示，其中產線上在製品地圖203可包括在當前時間點對應於多個產線站點O0~O3以及多個製程P1~P4的在製品數量。接著，待選的模擬派工決策613例如是於製程P3以及產線站點O3投入特定數量的在製品，因此產線上在製品地圖203在下一時間點可更新為產線上在製品地圖602。再接著，待選的模擬派工決策622例如是於製程P1以及產線站點O0投入特定數量的在製品，因此產線上在製品地圖602在下下一時間點可更新為產線上在製品地圖603。
因此，再參考圖6A，排程模組124可依序選擇在不同時間點分別具有最低移轉變異值的待選的模擬派工決策613(mv=0.62)、622(mv=0.64)作為產線排程決策。換言之，產線管理人員可根據待選的模擬派工決策611~615、621~625的多個移轉變異值mv進行產線排程派工評估，以使可進一步決定待選節點中較佳的排程派工決策。或者，在一實施例中，處理器110可根據待選的模擬派工決策611~615、621~625的多個移轉變異值mv自動進行更新計算，並透過選點在待選節點中選擇具有最低移轉變異值的一者做為較佳的模擬派工決策來操作產線排程決策。所述較佳的模擬派工決策可例如指的是可對於在製品地圖的影響而例如不會使得在製品堆積於特定站點待加工或是可增加站點設備的運作效率的排程派工決策。
另外，應注意的是，本發明各實施例所述的待選的模擬派工決策亦可稱為“合法待選的模擬派工決策”。進一步說明的是，由於在產品製造過程中不會出現非屬下一道工序的待選的模擬派工(意即模擬派工的產生邏輯需遵守各產品的加工順序)。因此，本發明各實施例所述由排程模組所產生的待選的模擬派工決策亦符合當前產品的加工順序的合法派工方式。
綜上所述，本揭露的產線運作預測方法以及產線運作預測系統可利用經訓練後的預測模型來有效地預測對應於產線上在製品地圖經由多個模擬派工決策後的更新後的產線上在製品地圖所分別對應的多個模擬產線運作健康指標。產線管理人員可根據對應於這些模擬派工決策的多個模擬產線運作健康指標來進行有效的產線排程派工評估，以使可透過選擇具有較佳的健康指標的模擬派工決策來進一步決定較佳的實際排程派工決策，並且使產線可在生產過程中可維持或恢復穩定。此外，本揭露的產線運作預測系統也可自動地根據不同模擬派工決策的多個模擬產線運作健康指標自動進行判斷，並自動選擇較佳的健康指標的模擬派工決策來操作自動化產線，而使自動化產線可在生產過程中經過自動派工後可維持或恢復穩定。
雖然本揭露已以實施例揭露如上，然其並非用以限定本揭露，任何所屬技術領域中具有通常知識者，在不脫離本揭露的精神和範圍內，當可作些許的更動與潤飾，故本揭露的保護範圍當視後附的申請專利範圍所界定者為準。
100:產線運作預測系統 110:處理器 120:儲存單元 121:資料搜集模組 122:模型訓練模組 123:預測模組 124:排程模組 201_1~201_M:歷史產線在製品地圖 202_1~202_N:歷史產線運作健康指標 203、602、603:產線上在製品地圖 204_1~204_P:產線在製品地圖變化 205_1~205_P:模擬產線運作健康指標 411、412、413:歷史產線在製品地圖 421、422、423:依據在製品地圖算出的移轉量資訊 611~615、621~625:待選的模擬派工決策 T1、T2、T3:時間 S310、S320、S510、S520、S530:步驟
圖1是本揭露的一實施例的產線運作預測系統的示意圖。 圖2是本揭露的一實施例的進行產線運作預測的示意圖。 圖3是本揭露的一實施例的訓練預測模型的流程圖。 圖4A是本揭露的一實施例的多個歷史產線在製品地圖的示意圖。 圖4B是本揭露的一實施例的多個歷史產線運作健康指標的示意圖。 圖5是本揭露的一實施例的產線運作預測方法的流程圖。 圖6A是本揭露的一實施例的決策多個待選的模擬派工狀態的示意圖。 圖6B是本揭露的一實施例的多個模擬產線在製品地圖的示意圖。
S510~S530:步驟

Claims (20)

  1. 一種產線運作預測方法，包括：藉由一處理器取得在一時間點的一產線上在製品地圖，並且根據該產線上在製品地圖產生多個待選的模擬派工決策，並且推算在一下一時間點的該些待選的模擬派工決策的多個產線在製品地圖變化；藉由該處理器輸入該些產線在製品地圖變化至一預測模型，以使該預測模型輸出在該下一時間點的該些待選的模擬派工決策的多個模擬產線運作健康指標；以及藉由該處理器選擇該些待選的模擬派工決策的其中之一作為一排程派工決策。
  2. 如請求項1所述的產線運作預測方法，其中該些待選的模擬派工決策分別對應於多個製程以及多個產線站點。
  3. 如請求項2所述的產線運作預測方法，其中該些模擬產線運作健康指標為對應於該些產線站點分別進行該些製程的多個關鍵績效指標。
  4. 如請求項3所述的產線運作預測方法，其中該些關鍵績效指標為多個移轉變異值、多個移轉量或多個整體設備效率值。
  5. 如請求項1所述的產線運作預測方法，其中選擇該些待選的模擬派工決策的其中之一作為該排程派工決策的步驟包括：藉由該處理器選擇具有一最低移轉變異值、一對低移轉量或 一最高整體設備效率值的該些待選的模擬派工決策的至少其中之一作為該排程決策。
  6. 如請求項1所述的產線運作預測方法，還包括：藉由該處理器取得多個歷史產線在製品地圖，並且根據該些歷史產線在製品地圖，產生多個歷史產線運作健康指標；以及藉由該處理器根據該些歷史產線在製品地圖以及該些歷史產線運作健康指標訓練該預測模型。
  7. 如請求項6所述的產線運作預測方法，其中該預測模型為一迴歸模型。
  8. 如請求項6所述的產線運作預測方法，其中訓練該預測模型的步驟包括：藉由該處理器基於一深度神經網路、一脊迴歸或一支持向量回歸來對於該些歷史產線運作健康指標建立該迴歸模型；以及藉由該處理器根據該些歷史產線在製品地圖以及該些歷史產線運作健康指標訓練該迴歸模型。
  9. 如請求項6所述的產線運作預測方法，其中該些歷史產線運作健康指標為分別對應於不同產線站點分別進行不同製程的多個歷史關鍵績效指標。
  10. 如請求項9所述的產線運作預測方法，其中該些歷史關鍵績效指標包括多個歷史移轉變異值、多個歷史移轉量或多個歷史整體設備效率值。
  11. 一種產線運作預測系統，包括： 一處理器；以及一儲存單元，耦接該處理器，並且儲存一預測模型以及一排程模組，其中該處理器執行以下操作：該處理器取得在一時間點的一產線上在製品地圖，並且根據該產線上在製品地圖產生多個待選的模擬派工決策，並且推算在一下一時間點的該些待選的模擬派工決策的多個產線在製品地圖變化；該處理器將該些產線在製品地圖變化輸入該預測模型，以使該預測模型輸出在該下一時間點的該些待選的模擬派工決策的多個模擬產線運作健康指標；以及該處理器執行該排程模組，以選擇該些待選的模擬派工決策的其中之一作為一排程派工決策。
  12. 如請求項11所述的產線運作預測系統，其中該些待選的模擬派工決策分別對應於多個製程以及多個產線站點。
  13. 如請求項12所述的產線運作預測系統，其中該些模擬產線運作健康指標為對應於該些產線站點分別進行該些製程的多個關鍵績效指標。
  14. 如請求項13所述的產線運作預測系統，其中該些關鍵績效指標為多個移轉變異值、多個移轉量或多個整體設備效率值。
  15. 如請求項11所述的產線運作預測系統，其中該處理器執行該排程模組，以選擇具有一最低移轉變異值、一最低移 轉量或一最高整體設備效率值的該些待選的模擬派工決策的至少其中之一作為該排程決策。
  16. 如請求項11所述的產線運作預測系統，其中該儲存單元還儲存一資料搜集模組以及一模型訓練模組，並且該處理器還執行以下操作：其中該處理器執行該資料搜集模組，以取得多個歷史產線在製品地圖，並且根據該些歷史產線在製品地圖，產生多個歷史產線運作健康指標；以及其中該處理器執行該模型訓練模組，以根據該些歷史產線在製品地圖以及該些歷史產線運作健康指標訓練該預測模型。
  17. 如請求項16所述的產線運作預測系統，其中該預測模型為一迴歸模型。
  18. 如請求項16所述的產線運作預測系統，其中該處理器基於一深度神經網路、一脊迴歸或一支持向量回歸來對於該些歷史產線運作健康指標建立該迴歸模型，並且該處理器根據該些歷史產線在製品地圖以及該些歷史產線運作健康指標訓練該迴歸模型。
  19. 如請求項16所述的產線運作預測系統，其中該些歷史產線運作健康指標為分別對應於不同產線站點分別進行不同製程的多個歷史關鍵績效指標。
  20. 如請求項19所述的產線運作預測系統，其中該些關鍵績效指標包括多個歷史移轉變異值、多個歷史移轉量或多個歷史整體設備效率值。
TW111115669A 2022-04-25 2022-04-25 產線運作預測方法以及產線運作預測系統 TWI844845B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
TW111115669A TWI844845B (zh) 2022-04-25 2022-04-25 產線運作預測方法以及產線運作預測系統
CN202210605119.6A CN117010540A (zh) 2022-04-25 2022-05-31 产线运作预测方法以及产线运作预测系统
US17/874,302 US12254426B2 (en) 2022-04-25 2022-07-27 Production line operation forecast method and production line operation forecast system

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
TW111115669A TWI844845B (zh) 2022-04-25 2022-04-25 產線運作預測方法以及產線運作預測系統

Publications (2)

Publication Number Publication Date
TW202343171A TW202343171A (zh) 2023-11-01
TWI844845B true TWI844845B (zh) 2024-06-11

Family

ID=88415665

Family Applications (1)

Application Number Title Priority Date Filing Date
TW111115669A TWI844845B (zh) 2022-04-25 2022-04-25 產線運作預測方法以及產線運作預測系統

Country Status (3)

Country Link
US (1) US12254426B2 (zh)
CN (1) CN117010540A (zh)
TW (1) TWI844845B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI240154B (en) * 2002-12-06 2005-09-21 Infineon Technologies Ag Method for determining a dispatch of physical objects to stations of a system of stations, device, computer-readable storage medium and program element
TWI594100B (zh) * 2012-06-29 2017-08-01 Univ Tsukuba Optimal indicator generating device, the method of generating the optimum indicator, the optimum indicator generating program, and the optimum indicator generating server
TW201923584A (zh) * 2017-11-20 2019-06-16 財團法人資訊工業策進會 機台診斷方法及其系統
CN111108454A (zh) * 2017-12-26 2020-05-05 株式会社日立制作所 生产计划制定辅助系统
US11054808B2 (en) * 2018-09-27 2021-07-06 Intrepid Automation Management platform for additive manufacturing production line

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5369570A (en) 1991-11-14 1994-11-29 Parad; Harvey A. Method and system for continuous integrated resource management
US7302304B2 (en) 2005-10-07 2007-11-27 Taiwan Semiconductor Manufacturing Co., Ltd. Systems and methods for production planning
TWI394089B (zh) 2009-08-11 2013-04-21 Univ Nat Cheng Kung 虛擬生產管制系統與方法及其電腦程式產品
TWI604392B (zh) 2012-06-22 2017-11-01 國立成功大學 在製品產出時程的推估方法與其電腦程式產品
US11100437B2 (en) 2018-05-10 2021-08-24 Applied Materials, Inc. Method for improving semiconductor back-end factories
JP7156975B2 (ja) 2019-02-26 2022-10-19 三菱重工業株式会社 運営評価装置、運営評価方法、およびプログラム
US11256241B1 (en) * 2019-09-12 2022-02-22 Veo Robotics, Inc. Optimized factory schedule and layout generation
CN112907150B (zh) 2021-04-07 2023-03-24 江苏西格数据科技有限公司 一种基于遗传算法的生产排程方法
US20230213906A1 (en) * 2021-12-30 2023-07-06 Industrial Technology Research Institute Method and system for optimizing a manual assembly line layout

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI240154B (en) * 2002-12-06 2005-09-21 Infineon Technologies Ag Method for determining a dispatch of physical objects to stations of a system of stations, device, computer-readable storage medium and program element
TWI594100B (zh) * 2012-06-29 2017-08-01 Univ Tsukuba Optimal indicator generating device, the method of generating the optimum indicator, the optimum indicator generating program, and the optimum indicator generating server
TW201923584A (zh) * 2017-11-20 2019-06-16 財團法人資訊工業策進會 機台診斷方法及其系統
CN111108454A (zh) * 2017-12-26 2020-05-05 株式会社日立制作所 生产计划制定辅助系统
US11054808B2 (en) * 2018-09-27 2021-07-06 Intrepid Automation Management platform for additive manufacturing production line

Also Published As

Publication number Publication date
TW202343171A (zh) 2023-11-01
CN117010540A (zh) 2023-11-07
US12254426B2 (en) 2025-03-18
US20230342675A1 (en) 2023-10-26

Similar Documents

Publication Publication Date Title
Mohammadi et al. Machine learning assisted stochastic unit commitment during hurricanes with predictable line outages
Kourentzes et al. Improving forecasting by estimating time series structural components across multiple frequencies
Park et al. The structure and knowledge flow of building information modeling based on patent citation network analysis
Zhou et al. A data-driven variable reduction approach for transmission-constrained unit commitment of large-scale systems
Nejati et al. A new stochastic search technique combined with scenario approach for dynamic state estimation of power systems
CN117786131A (zh) 一种产业链安全监测分析方法、介质及设备
CN103150605B (zh) 电网规划辅助系统
CN118014352A (zh) 基于lime模型的变电工程造价动态预警方法和装置
CN117973848A (zh) 电力系统保供韧性分析方法、装置、计算机设备及介质
Liu et al. Integrated optimization of mixed-model assembly line balancing and buffer allocation based on operation time complexity
TWI844845B (zh) 產線運作預測方法以及產線運作預測系統
CN120069615B (zh) 一种电力交易趋势预测与决策支持系统及方法
Chen et al. An improved fuzzy collaborative system for predicting the unit cost of a DRAM product
CN118034999A (zh) 一种基于机器学习的时空数据修复与功率预测方法
CN117952598A (zh) 一种基于故障率近似的能源系统安全性评估分析方法及装置
CN117669809A (zh) 负荷点可靠性评估优化方法及装置
CN117853141A (zh) 基于回归分析的经营性资产底价分析方法及系统
Arputhamary et al. Performance Improved Holt-Winter's (PIHW) Prediction Algorithm for Big Data Environment
Hu et al. Research on Supply Chain Demand Forecasting and Dynamic Adjustment Model Based on Big Data and Artificial Intelligence
Rojas-Gualdron et al. Neutrosophic probabilistic expert system for decision-making support in supply chain risk management
CN119448198B (zh) 一种分布式配电网的规划方法、装置、设备及介质
CN112529340A (zh) 一种配电运行管理系统
CN112907039A (zh) 一种页面生成方法、装置及系统
CN114897210B (zh) 一种基于能源损耗预测的能源互联方法及系统
CN118017554B (zh) 一种配电变压器的扩容方法、装置、设备及存储介质