Simulationsgestützte Optimierung von Fertigungsprozessen in der Halbleiterindustrie

6.1.1 Unternehmen

Bei dem Industriepartner handelte es sich um einen großen Halbleiterhersteller, der DRAM-Produkte, Flash-Speicher sowie Logikprodukte für verschiedene Anwendungsgebiete entwickelte und produzierte. Das Unternehmen beschäftigte zur Zeit des Projektes weltweit ca. 13.500 Mitarbeiter.

Der Herstellungsprozess in einer typischen Halbleiterfabrik kann grob in zwei Abschnitte untergliedert werden: Das „Frontend“, in dem die Wafer-Herstellung und der Wafer-Test stattfinden, und das „Backend“, in dem die Wafer vereinzelt, zu Bauelementen montiert und abschließend getestet werden. Das entwickelte System fokussiert hierbei auf den Backend-Bereich. Über die gesamte Herstellung erfolgt die Verfolgung und Identifizierung der Produkte, wie auch in anderen Fertigungen, als einzelnes Los (Sivakumar 1999).

Besonders in den letzten Jahren hat gerade im Backend ein starker Drang nach Automatisierung und verbesserter Ablaufsteuerung eingesetzt. Diese Entwicklung wurde im Frontend bereits eher durchlaufen. In modernen 300 mm-Fertigungen werden vollautomatische Ablaufsteuerung und regelbasierte Steuerungen bereits erfolgreich eingesetzt. Die dort verwendeten Verfahren lassen sich jedoch nicht unverändert auf den Backend-Bereich übertragen.

Im Backend wird zwar einerseits eine stärkere Flexibilität gefordert, was kürzere Neuplanungsintervalle impliziert (Potoradi et al. 2002), andererseits ist eine simulationsbasierte Optimierung eher möglich, da Zyklen im Ablauf weniger ausgeprägt sind und für die Prozesse konkrete Planzeiten mit beherrschbarer Streuung vorliegen.

Der Industriepartner hat das Projekt in allen Phasen begleitet und unterstützt. Das heißt, beginnend mit der Anforderungsanalyse, Konzeption, über erste prototypische Implementierungen, bis hin zur direkt im Produktionsgeschehen eingesetzten Anwendung erfolgte eine enge Zusammenarbeit. Besonders diese kurzen Entwicklungszyklen und die direkte Entwicklung und Erprobung des Systems vor Ort waren ein wichtiger Erfolgsfaktor für das beschriebene Projekt.

6.1.2 Wissenschaftlicher Partner

Das Institut für Aufbau- und Verbindungstechnik der Elektronik (Fakultät Elektrotechnik und Informationstechnik) der Technischen Universität Dresden konzentriert sich auf die Erforschung und Entwicklung neuartiger Technologien für elektronische Baugruppen einschließlich der Steuerung und Planung der zugehörigen Fertigungsabläufe. Die Fertigungsabläufe in der Elektronikproduktion lassen sich im Wesentlichen als diskrete Fertigungsprozesse beschreiben und haben sehr viele Berührungspunkte mit ähnlichen Prozessen im Maschinen- und Anlagenbau.

6.1.3 Ausgangssituation und Zielsetzung

Ziel der Forschungsarbeiten war die Entwicklung und Erprobung eines simulationsbasierten Planungs- und Optimierungssystems für das Backend am Standort Dresden. Das System sollte möglichst in Echtzeit den aktuellen Stand der Fertigung erfassen und dabei einen hohen Detailgrad der Abbildung ermöglichen. Das heißt, nicht nur der Zustand von Maschinen und Losen, sondern auch die aktuelle Belegung von Hilfsmitteln, Werkzeugen oder auch speziellen Personen musste mit erfasst und später simuliert werden. Auch innerhalb dieser Details ergeben sich zusätzliche Optimierungsmöglichkeiten (Gupta u. Sivakumar 2002).

Ziel war es, einen optimierten Ablaufplan für kurzfristige Planungshorizonte (Tag- bzw. Schichtlänge) liefern zu können (Steuerung bzw. operative Planung). Dabei sollten Neu- und Umplanungen möglichst kurz hintereinander möglich sein, da vom Fertigungsbereich eine hohe Flexibilität gefordert wurde. Dies bedingte, dass die Berechnung und Optimierung des Ablaufplanes in kurzer Zeit erfolgen muss. Bereits frühzeitig wurde daher die Einhaltung einer Laufzeitvorgabe von weniger als 5–10 min gefordert.

Die Verwendung des berechneten Ablaufplanes als Steuerungsinstrument sollte zunächst durch die Bereitstellung von Losstart-Terminplänen erfolgen. Hier wurde also dem für die Losstarts verantwortlichen Dispatcher eine detaillierte Losstartliste vorgegeben. Als zweiter Weg wurde die Anzeige als Gantt-Diagramm, insbesondere für Engpassanlagen angestrebt. Den Gesamtablauf über alle Maschinen in einem Diagramm darzustellen, war aufgrund der Gesamtkomplexität grundsätzlich nicht möglich.

Weitere Vorgaben resultierten aus der gegebenen IT-Umgebung des Anwenders, in die sich das System problemlos einzufügen hatte. Nur so war die spätere Erprobung im tatsächlichen Herstellungsprozess und in realen Situationen möglich.

Aufgrund der Besonderheit, dass es sich bei dem Halbleiterwerk um einen Forschungs- und Entwicklungsstandort handelt, ist der Fertigungsprozess hier durch eine hohe Anzahl verschiedener Produkte (neue Technologien, Kundenmuster, Volumenprodukte) geprägt. Ebenfalls zu beobachten war eine hohe Dynamik innerhalb dieser Produktvielfalt, des verwendeten Maschinenparks und der Ablaufdetails.

Wichtig war es also, bei der Simulationsmodellerstellung nur direkt auf den Datenquellen des Anwenders aufzusetzen, und diese möglichst online über die gesamte Projektlaufzeit hin anzubinden. Nur so waren die ständig auftretenden Veränderungen überhaupt beherrschbar. Für eine solche Datenanbindung waren wiederum enge Vorgaben der Rechenzeit, hohe Heterogenität der Datenformate und nicht zuletzt die benötigte hohe Datenqualität und elektronische Lesbarkeit der Daten eine weitere Herausforderung.

Der Planungsprozess wird zusätzlich durch mehrfache Wartungszyklen der komplexen Anlagen erschwert. Viele Maschinen benötigen spezielle Werkzeuge (Rüstsätze), um Lose verschiedener Produkte bearbeiten zu können. Diese sind jedoch aus Kostengründen meist nur begrenzt verfügbar. Darüber hinaus spielt die Personalplanung, sowohl bei der Wartung als auch bei Umrüstvorgängen, eine wichtige Rolle. Komplexe Ablaufregeln (z. B. Lospriorisierung oder Umrüstregeln) sowie interne Liefertermine müssen ebenfalls zwingend eingehalten werden.

6.2.1 Optimierungsziel

6.2.2 Zusammenhänge

Eine (sinnvolle) verzögerte Einschleusung hilft, die mittlere Durchlaufzeit zu reduzieren. Diese muss jedoch so gewählt werden, dass immer noch so viele Lose eingeschleust werden, dass der kapazitive Engpass der Fertigung stets mit Losen versorgt ist (maximaler Durchsatz). Jedes zuviel oder zu zeitig eingeschleuste Lose erhöht nur unnötig den Bestand im System. Daher sollten diese Lose an andere Standorte ausgelagert werden (Überlaufsystem).

Open image in new window

Wichtig bei der Einschleusung der Lose ist das Finden eines günstigen Produkt-Mixes. Gerade auf den Engpassanlagen sind die Rüstsätze pro Produkt begrenzt. Somit können nur wenige Maschinen zur gleichen Zeit auf das gleiche Produkt gerüstet werden (Abb. 6.1). Durch die Wahl eines günstigen Produkt-Mixes bei der Einschleusung ist es aber möglich, die Rüstzeit auf den Engpassanlagen zu reduzieren (Hopp u. Spearman 2001).

6.2.3 Stellgrößen

Wichtig für einen Online-Einsatz ist die Konstruktion von möglichst wenigen Stellgrößen mit großem Effekt auf die globalen Ziele, um die Zahl der Optimierungszyklen möglichst gering halten zu können. Hierfür wurde eine spezielle Produkt-Reihenfolgestellgröße entwickelt (Klemmt et al. 2007), die den Suchraum drastisch einschränkt und speziell auf Umrüstungen großen Einfluss hat. Kernpunkt dieser Stellgröße ist eine jedem Los zugeordnete zusätzliche Priorität, welche die eigentliche Priorität des Loses nicht beeinflusst, jedoch immer dann wirksam wird, wenn eine Maschine umgerüstet werden kann oder muss. Umgerüstet wird dann immer genau auf die Produktgruppe mit der aktuell höchsten Prioritätszahl. Diese zusätzliche Priorität ist für alle Lose eines Teilproduktes gleich und wird nur zwischen ganzen Produktgruppen permutiert. Das ermöglicht, sehr effektiv Umrüstentscheidungen zu beeinflussen, ohne dem Suchraum zu weit aufzufächern.

Des Weiteren findet eine Permutation der Einschleusreihenfolge in das Fertigungssystem statt. Dabei wird der Entscheidungsspielraum abgebildet, den der Dispatcher in der Losauswahl tatsächlich hat. Es ist jedoch zu bemerken, dass hier wiederum starke Einschränkungen im Freiheitsgrad abgebildet werden müssen. Beispielsweise ist es nicht erlaubt, Eillose zu verzögern oder spezielle Kundenmuster mit Terminvorgabe signifikant später einzuschleusen. Diese und andere Rahmenbedingungen müssen auch von der Stellgröße eingehalten werden.

Die Einlagerungsstrategie der Lose in den übrigen Warteschlangen entspricht der Strategie PrioFifo und wird durch den Optimierer nicht berührt.

6.2.4 Problemklasse und Problemgröße

In den Modellen sind umfangreiche Details abgebildet. Dazu zählen die tatsächliche Losgröße, ausgedrückt in der Anzahl von Chips oder Wafern, bereits verstrichene Zeit in der aktuellen Operation (diese wird von der Rest-Planzeit subtrahiert) und spezielle Loszustände (z. B. „Los angehalten“). Für die Maschinen werden Rüstzustand, bereits verstrichene Laufzeit, Arbeitstemperatur (diese ist teilweise spezifisch pro Produkt), geplante Wartungen und produktspezifische Einschränkungen modelliert.

Für alle Produkt/Maschine-Kombinationen existieren separate Planzeiten. Diese werden typischerweise in Sekunden pro 1.000 Stück (Chips), oder als Zeit pro Wafer modelliert. Auch die Umrüstzeiten richten sich nach der tatsächlichen Maschine, und zusätzlich danach, welche Anbauteile und Hilfsmittel umgebaut werden müssen.

Im Ablauf werden auch periodische Umrüstungen vorgenommen, um eine Abfolge zwischen den Produkten zu sichern (Produktmix). Zusätzliche Rüstungen erfolgen auch für Eillose oder Kundenmuster mit Terminvorgabe.

Ebenso abgebildet sind geplante Zeiten, an denen an einzelnen Maschinen Experimente oder Fertigungsversuche durchgeführt werden. In dieser Zeit steht die Maschine für die normale Fertigung nicht zur Verfügung. Im Modell sind solche Vorgänge ähnlich einem geplanten Wartungsvorgang modellierbar.

6.3.1 Algorithmen/Systeme

Das Grundprinzip eines simulationsbasierten Scheduling-Systems (Abb. 6.2) ist allgemein bekannt (Weigert et al. 2005): Ein geeigneter (heuristischer) Suchalgorithmus generiert einen Stellgrößenvektor \( {\bf{x}}: = ({x_k})_{k = 1}^m \), dessen Komponenten x _k alle m Stellgrößen enthält, die für die Steuerung des Fertigungsprozesses freigegeben wurden. Die Stellgrößen wirken auf ein Simulationsmodell ein, in dem das Fertigungssystem möglichst detailgetreu, inklusive aller wesentlichen Ablaufregeln, abgebildet ist. Die Bewertung der Stellgrößen erfolgt hier durch einen kompletten Simulationslauf, in dessen Ergebnis man einen Zielfunktionsvektor \({\bf{C}}({\bf{x}}): = ({C_j}({\bf{x}}))_{j = 1}^n\) erhält. Im Allgemeinen wird aus den n Zielgrößen ein normierter skalarer Zielfunktionswert C(x) berechnet und an den Suchalgorithmus übergeben. Abhängig von dem Ergebnis der Simulation wird dann auf der Basis des bisherigen ein neuer Stellgrößenvektor berechnet, und der Vorgang beginnt von vorn. Der Optimierungszyklus wird schließlich durch eine geeignete Abbruchbedingung beendet. Das Optimierungssystem besteht somit aus zwei Teilen: Der Modellsimulation und einem Suchalgorithmus, die beide nur über den Vektor x und die Zielgröße C miteinander kommunizieren. Als Stellgrößen können z. B. Auftragsreihenfolgen, Bereitstellungstermine und Maschinenkapazitäten, aber auch freie Parameter in komplexen Dispatchregeln verwendet werden. Da der zeitkritische Teil des Optimierungssystems meist der Simulator ist, wird man hier auf ein schnelles Simulationssystem besonderen Wert legen und insbesondere während des Simulationslaufes auf ressourcenintensive Prozesse, wie z. B. die Animation, völlig verzichten. Das hier verwendete Simulationssystem simcron MODELLER erfüllt die genannten Voraussetzungen und enthält darüber hinaus bereits ein Optimierungssystem als Zusatzoption. Die Ergebnisse können aber systemunabhängig interpretiert werden.

Open image in new window

Als Optimierungsalgorithmen wurden nahezu ausschließlich lokale iterative Suchverfahren verwendet. Diese funktionieren im Wesentlichen nach dem gleichen Grundschema: Ausgehend von einer Starteinstellung x _start werden wiederholt neue Einstellungen x _i,l berechnet und bewertet. In Abhängigkeit von einem veränderlichen Wahrscheinlichkeitswert p _i wird die neue Einstellung entweder akzeptiert, was eine Bewegung (Move m) im Suchraum zur Folge hat, oder verworfen. Für die Berechnung der nächsten Einstellung x _{i +1 ,l} verwendet man eine Suchfunktion f, die die Definition einer Umgebung von x _i,l bzw. eines Abstandsmaßes im Suchraum voraussetzt. Der Algorithmus lässt sich wie folgt notieren (Weigert et al. 2005; Klemmt et al. 2007):

Open image in new window

Die im Algorithmus angegebene Abbruchbedingung kann zum Beispiel dann erfüllt sein, wenn der Zielfunktionswert unter eine bestimmte Schranke gefallen ist bzw. wenn das vorher definierte Zeitlimit überschritten wurde. Die verwendeten Variablen sind wie folgt zu interpretieren:

Die verschiedenen lokalen iterativen Suchverfahren unterscheiden sich vor allem in der Definition der Akzeptanzwahrscheinlichkeit p _i (Klemmt et al. 2007). Einen wichtigen Einfluss auf die Konvergenzgeschwindigkeit des Verfahrens hat die Suchfunktion f bzw. die darin verwendeten Nachbarschaftsdefinitionen. Gerade letzteres ist nicht trivial, da es für die in der Fertigungssteuerung häufig angewendeten Permutationen im Gegensatz zu reellen Einflussvariablen keine allgemein anerkannte Nachbarschaftsdefinition gibt (Horn et al. 2006a).

Des Weiteren wurden Möglichkeiten untersucht, die Parameter heuristischer Suchverfahren optimal einzustellen. Hierzu wurde u. a. das Werkzeug OptVis3D (Klemmt u. Weigert 2008) entwickelt.

6.3.2 Verfahrensablauf

Startpunkt des Verfahrens ist ein in der Datenbank in Tabellenform abgelegter Zustand der Fertigung. Dieser gibt einen eingefrorenen Abgriff des realen Zustandes wieder und bleibt für die Dauer eines Simulations- und Optimierungszyklus unverändert.

Fordert der Nutzer einen Planungslauf an, so wird zunächst der Simulator als Instanz auf dem jeweilig benutzten PC gestartet. Dieser lädt sich den aktuellen Fertigungszustand aus der Datenbank und generiert daraus ein komplettes Simulationsmodell. Durch dieses Vorgehen wird gesichert, dass das verwendete Simulationsmodell zu jedem Zeitpunkt aktuell ist und bezüglich der Veränderungen am Simulationsmodell kein höherer Wartungsaufwand anfällt.

Ist das Simulationsmodell fertig aufgebaut, wird es zunächst abgespeichert. Dies dient im Wesentlichen der späteren Verfolgbarkeit von Fehlern und der Protokollierung. Die sich daran anschließende Optimierung, welche zyklisch wiederholt Simulationsläufe durchführt, lädt das Modell jeweils aus einem speziellen Hauptspeicherbereich des verwendeten PCs. Die Optimierung läuft für den Benutzer danach weitestgehend transparent ab. Im Praxistest hat sich gezeigt, dass die verstreichende Rechenzeit sehr schnell mit alternativen Aufgaben für den Benutzer angefüllt wurde, so dass keine wirkliche Beeinträchtigung des Arbeitsablaufes durch den hohen Rechenaufwand eintrat. Moderne Computer unterstützen durch Mehrkern-Architektur oder Hyperthreading solche Arbeitsweisen.

Ist die Optimierung vollendet, wird lediglich die Konfiguration der Stellgrößen für Zwecke der Nachverfolgung gesichert. In die Datenbank wird dagegen der komplette Ablauf des besten gefundenen Optimierungslaufes zurück geschrieben. Aus diesem können dann später alle Auswertungen wie Gantt-Chart, Liste der Einschleustermine, aber auch Mengenangaben zum Wochenziel oder Umrüstempfehlungen abgeleitet werden. Alle diese Auswertungen setzen direkt auf diesen Tabellen, die den Ablauf eines Simulationslaufes komplett speichern, auf.

6.4.1 Systemarchitektur

Liegen in Form einer relationalen Datenbank (Oracle) vor. Diese wird mittels einer intelligenten Datenkopplung durch die Quelldatensysteme (ERP, MES, BDE) des Unternehmens aktualisiert (Horn et al. 2006b). Auf Basis dieser stets aktuellen Datenbank ist eine automatisierte Erstellung von Simulationsmodellen möglich (Weigert et al. 2006) – eine notwendige Voraussetzung für eine Online-Applikation. Als Simulations- und Optimierungssystem wird hierbei der ereignisdiskrete Simulator simcron MODELLER verwendet.

Angeschlossen an die automatische Modellerstellung ist eine iterative heuristische Optimierung des Simulationsmodells. Deren Ergebnisse werden dem Nutzer (Dispatcher in der Fertigungslinie) zeitnah ( < 5 min) in entsprechender Form (Gantt-Diagramm) zugänglich gemacht. Hierzu wurde eine Anwendung unter der Bezeichnung „BackendPlanner“ auf der Basis einer Microsoft .NET-Applikation entwickelt. Abbildung 6.3 stellt den prinzipiellen Aufbau dieser Planungssoftware schematisch dar.

Open image in new window

6.4.2 Einbindung in den Planungsprozess des Unternehmens

Das vorgestellte System liefert wichtige Informationen und Ablaufentscheidungen für zwei Personengruppen: die Dispatcher im Reinraum und die Liniensteuerung im Büro. Die erste Gruppe, die direkt im Reinraum arbeitenden Nutzer, erwartet dabei eher sehr kurzfristige Entscheidungshilfen über Losauswahl, Losreihenfolge, Losstartpunkt und Umrüstentscheidungen zwischen Produktgruppen. Die zweite Gruppe, die Liniensteuerer im Büro, prüft eher den Gesamtzusammenhang und hat wichtige Zielvorgaben wie das Erreichen der geplanten Wochenmenge oder das Fertigstellungsdatum einzelner wichtiger Lose im Auge. Beide Nutzergruppen arbeiten jedoch mit den gleichen Simulationsmodellen und Daten. Nur die Aufbereitung der Ergebnisse aus Simulation und Optimierung ist jeweils unterschiedlich.

Grundlage des Planungsprozesses sind periodische Aktualisierungen der zugrunde liegenden Daten aus Quellen wie MES, ERP oder BDE Systemen. Teilweise werden diese periodisch aktualisiert, ohne dass der Benutzer dies veranlasst oder bemerkt. Das betrifft vor allem Daten, die sich nicht zu oft ändern, wie Rüstzusammenhänge oder auch Produktstammbäume. Sind in einem Datenbereich Änderung sehr häufig, oder werden für die Planung stets absolut zeitnahe Daten benötigt, so wird diese Datenquelle bei jedem Planungsprozess erneut aktualisiert. Dies bemerkt der Nutzer als zusätzliche Laufzeit und muss von der akzeptierten Laufzeit des Gesamtplanungsprozesses abgezogen werden. Für eine Optimierung steht dann weniger Zeit zur Verfügung. Eine hohe Geschwindigkeit der Datenaktualisierungen ist also von entscheidender Bedeutung.

Der Ablauf eines Planungsprozesses ist schematisch in Abb. 6.4 dargestellt. Der Dispatcher startet zunächst den BackendPlanner und meldet sich mit persönlichem Kennwort an.

Open image in new window

Danach schließt sich eine halbautomatische Losdisposition an. Das heißt, der Dispatcher erhält eine Übersicht über die aktuell zu planenden/einzuschleusenden Lose und kann manuell (z. B. abhängig von Kommentaren der Liniensteuerung) zusätzlich Lose an- bzw. abwählen. Ist die Auswahl der Lose abgeschlossen, erfolgt die automatische Erstellung eines aktuellen Simulationsmodells. Dieses wird nach der Modellerstellung zyklisch heuristisch optimiert. Dabei sind algorithmenspezifische Parameter (Anzahl Zyklen, zu verwendender Algorithmus, usw.) über die graphische Oberfläche veränderbar. In der Regel arbeitet der Planer jedoch mit festen, voreingestellten Werten, die sich bereits bewährt haben.

Nach Abschluss der Optimierung werden dem Dispatcher sowohl ein Einschleusplan (Termine) als auch ein Gantt-Diagramm für die jeweiligen Engpassanlagen angezeigt. Gewöhnlich prüft der Nutzer anhand dieses Diagramms und der Termine einiger ausgewählter Lose mit Besonderheiten die Plausibilität des berechneten Ablaufplanes. Ist das Ergebnis zufriedenstellend, kann die Einschleusung der Lose nach der berechneten Terminliste vorgenommen werden, bis eine Neuplanung erforderlich wird.

Oft ist jedoch das berechnete Ergebnis zunächst noch unzureichend, da der Planer weitere Wünsche oder Vorstellungen zum Ablauf hat, die er berücksichtigt sehen will. Ein typisches Beispiel ist der Fall, dass ein einzelnes Los dem Planer besonders wichtig ist, da er über Zusatzinformationen zu dem Los verfügt, die jedoch die elektronischen Systeme nicht oder noch nicht übernommen haben. In einem solchen Fall wird er manuell in den Plan eingreifen und einzelne Lose im Gantt-Diagramm entweder zwischen Maschinen verschieben, oder in ihrer Reihenfolge verändern. Nach einem solchen Eingriff, bei dem bereits erste Plausibilitätsprüfungen vom Programm vorgenommen werden, muss neu simuliert und optimiert werden. Führt der Planer dies durch, so werden auch die Losstart-Termine in der berechneten Liste aktualisiert.

Im Praxistest hat sich gezeigt, dass bereits ein Zyklus von zwei bis drei Neuplanungen oft ausgereicht hat, um den Ablaufplan nach den Vorstellungen des Dispatchers zu gestalten.

In der beschriebenen Benutzungsart ist das System eine wichtige Hilfe bei der operativen Tagesplanung für einzelne Schichten oder Tage. Darüber hinaus kann jedoch zu jedem Zeitpunkt zusätzlich eine Prognose für die laufende Lieferwoche abgeleitet werden, die angibt, welche Mengen von jedem einzelnen Produkt jeweils erreicht werden. Das Planungswerkzeug ist also durchaus für Kapazitätsaussagen und Mengenplanung bis zu einem Zeitraum von einer Woche einsetzbar.

Für die Liniensteuerung ist auch die Überwachung und Kontrolle des Planungsvorganges eine wichtige Aufgabe. Der Liniensteuerung wird unter anderem angezeigt, wann zuletzt geplant wurde, wie oft, und welche Werte die angestrebten Zielgrößen aktuell anstreben. Wichtig für die Akzeptanz ist auch, wie genau die berechneten Termine dann tatsächlich umgesetzt werden. Dies wird oft mit dem englischen Begriff Compliance bezeichnet. Das heißt, es muss ständig gemessen werden, wie genau die Lostermine und Reihenfolgen vom Reinraumpersonal eingehalten werden, und wenn Abweichungen auftreten, welche Gründe dafür anzugeben sind. Es hat sich auch bewährt, diese Ergebnisse wöchentlich mit dem Personal auszuwerten, um so eine kontinuierliche Verbesserung der Ausführungsgenauigkeit zu erreichen.

Auch aus anderen Projekten ist bekannt, dass eine hundertprozentige Befolgung der Planvorgaben in der Praxis nicht oder nur selten möglich ist. Insbesondere an Entwicklungsstandorten verhindern unerwartete Ereignisse oder schnelles Reagieren bei Problemen einen solchen Wert. Trotzdem sollte insbesondere gegenüber den Nutzern des Systems die exakte Befolgung des Planes eingefordert und überprüft werden. Im Praxistest stimmten die tatsächlichen Termine mit den Planvorgaben zu 93 % überein.

6.5.1 Ergebnisse

Die gefundenen Lösungen ( < 5 min Laufzeit) sind praktisch umsetzbar und liefern bessere Ergebnisse als das manuelle Einschleusen, insbesondere in Bezug auf die Bestandsreduktion und die damit verbundene Minimierung der mittleren Durchlaufzeit (Horn et al. 2006b).

Erfahrungsgemäß ist jedoch ein Neuplanen im Abstand weniger Stunden notwendig bzw. sinnvoll, da unvorhersehbare Störungen (Maschinenausfälle, Wartung dauert länger, usw.) zu Abweichungen zwischen Planung und Realität führen. Da jedoch die Startlösung eines jeden neuen Planes auf der zuletzt gefundenen besten Lösung aufsetzt, ist dies für die Qualität des Planungsprozesses keinesfalls nachteilig (im Gegenteil, es hat sich herausgestellt, dass häufiges Neuplanen sinnvoll ist). Aufgrund der Komplexität des Optimierungsproblems (im Allgemeinen NP-schwer) ist das Auffinden des tatsächlichen Optimums durch die angewendeten Heuristiken keinesfalls garantiert. Dennoch reicht die Anzahl von berechneten Zyklen aus, um gute Lösungen zu finden.

6.5.2 Einschränkungen

Alle prozesstechnologischen Beschränkungen, die datentechnisch verfügbar sind, sind im Simulationsmodell abgebildet. Dennoch gibt es oftmals so genannte „weiche Restriktionen“, wie z. B. „Anlage XY läuft heute für Produkt Z nicht so gut“, oder „Ingenieur A braucht das Los B heute Mittag auf Anlage C“. In diesem Fall hat der Nutzer die Möglichkeit, diese Einschränkungen manuell zu setzen (z. B. Fixierungen von Losen im Gantt-Diagramm), so dass diese Restriktionen beim nächsten Neuplanen berücksichtigt werden, was jedoch auch wieder eine erneute Optimierung erfordert.

6.5.3 Alternativverfahren

Anstelle der verwendeten Heuristiken könnten auch Verfahren der gemischt ganzzahligen Optimierung (MIP) zum Einsatz kommen. Da es sich jedoch meist um NP-schwere Probleme handelt, wird man damit nie den gesamten Produktionsprozess mit all seinen Restriktionen für die angegebene Anzahl von Maschinen und Losen abbilden können. Dennoch könnten diese Verfahren verwendet werden, um einzelne Fertigungsabschnitte bzw. Anlagengruppen (z. B. Engpässe) exakt zu optimieren. Deren Ergebnisse könnten dann wieder in die Simulation einfließen.

6.6.1 Herausforderungen

Die Installation des vorgestellten Planungs- und Steuerungssystems für den Industriepartner war ein sehr komplexer Vorgang, welcher als zeit- und ressourcenintensiv zu betrachten ist. Die Laufzeit des Projektes betrug mehrere Jahre.

Wichtigste Basis für die Umsetzbarkeit des Systems ist eine konsistente und vollständige Datenbasis. Des Weiteren ist eine Bewertung, Validierung und Verifikation der Simulationsmodelle durch ausgewiesene Experten in den jeweiligen Produktionsabschnitten unerlässlich. Erst mit dem Vorhandensein exakter Simulationsmodelle kann ein erster praktischer Vergleich erfolgen. Um eine simulationsgestützte Optimierung des Modells zu ermöglichen, ist es notwendig, die Zeit für den einzelnen Simulationslauf auf ein Minimum zu reduzieren. Hierbei ist unter anderem der Einsatz schneller Simulatoren unbedingt erforderlich. Modellspezifische Heuristiken können den Optimierungsprozess ebenfalls erheblich beschleunigen.

Die letzte und wahrscheinlich wichtigste Herausforderung ist die Schulung, Betreuung und Motivation der Mitarbeiter, die das System anwenden sollen. Der dafür notwendige Aufwand sollte nicht unterschätzt werden.

6.6.2 Erkenntnisse

Das Projekt hat gezeigt, dass es möglich ist, mit einem ereignisdiskreten Simulationssystem berechnete Ablaufpläne erfolgreich zur Steuerung von Produktionsprozessen in der Halbleiterherstellung einzusetzen. Auch eine heuristische Optimierung dieser Abläufe ist sinnvoll und in der Praxis bereits einsetzbar. Der dabei entstehende Rechenaufwand ist beherrschbar und führt nicht, wie oft befürchtet, zu einem Ausschluss solcher Verfahren für die tägliche Fertigungsplanung. Augenmerk muss jedoch auf eine geeignete Abbildung der Stellgrößen gelegt werden. Gelingt dies, ist auch mit vergleichsweise wenigen Zyklen eine Verbesserung des Ablaufergebnisses möglich.

Diese Faktoren ziehen einen hohen Zeitaufwand für die Erprobungsphase nach sich. Vorteilhaft ist, wenn bereits eingesetzte Formulare und Methoden zunächst exakt nachgebildet werden. Dies führt zu einem schnellen Abbau von Hemmschwellen gegenüber dem neuen System.

6.6.3 Fazit und Ausblick

Das System wird gegenwärtig auf andere Fertigungsabschnitte transferiert. Dabei wird auch untersucht, ob hybride Optimierungsverfahren (heuristische simulationsgestützte Optimierung gekoppelt mit exakten mathematischen Verfahren) praktisch einsetzbar sind.