Décisions de production intégrées pour les prochaines générations d'industries – IMAGINE

Le projet s’est dans un premier temps focalisé sur la recherche appliquée basée sur des méthodes statistiques avancées pour construire et utiliser un modèle de comportement d’équipement : indice de capacité multivariée, Variance / covariance mobile. De plus, cela a permis de fournir des méthodes très efficaces pour soutenir rapidement la prise de décision en temps réel en : Classification des modes de défaillance corrélés à l'indice de santé et au suivi en temps réel de cet indice au moyen de cartes de contrôle statistique avancées. De plus, des recherches ont été menées sur l’ordonnancement de tâches intégrant le comportement de l’équipement (sa santé). Il s’agit ici d’ordonnancer les tâches en intégrant le fait que la machine n’est capable (qualifiée) d’exécuter des familles de tâches sur une certaine période de temps dépendant de ce qui a été auparavant exécuté. En résumé, les questions de recherche suivantes ont été abordées : a) Utilisation des corrélations entre un mode de défaillance de l’équipement, les effets induits de détections afin de définir l’origine des causes des défaillances de l’équipement. , b) Construction d’un indice de santé basé sur le mode de défaillance. c) développement d'algorithmes d'optimisation un problème d'ordonnancement sur machines parallèles basés sur l’état de santé de l’équipement par la programmation par contraintes et la programmation linéaire.

Face à la complexité de l'ordonnancement dans l'industrie des semi-conducteurs, marquée par des contraintes de processus avancés, ce projet a développé deux méthodes de résolution exactes : un programme linéaire en nombres entiers et un modèle de programmation par contraintes. Afin d'optimiser la recherche de solutions, en particulier lorsque ces méthodes sont coûteuses en temps ou en ressources, deux heuristiques ont été proposées : une procédure récursive et un algorithme de recuit simulé. Les tests sur des instances aléatoires ont validé l'efficacité de ces approches. L'étude souligne l'importance de la condition des équipements dans l'ordonnancement, révélant un lien direct entre la santé des équipements et la performance de production. Elle introduit la surveillance basée sur l'état (CBM) comme moyen innovant pour gérer la détérioration des équipements, avec un focus sur le diagnostic et la prédiction des défaillances. Cette approche, validée par une étude de cas, démontre son efficacité. En somme, ce travail enrichit la gestion de l'ordonnancement par l'intégration de l'état des équipements et propose des modèles novateurs pour améliorer la fiabilité et l'efficacité de la production de semi-conducteurs.

Pour que l'approche de pronostic du comportement des équipements proposée soit applicable à l'industrie, les modèles de détérioration doivent être intégrés au système de surveillance de l'état des équipements. Ce mécanisme de surveillance peut servir à optimiser le contrôle de la production, notamment la planification des tâches et la planification de la maintenance. Le traitement par lots est souvent un élément crucial de la fabrication de semi-conducteurs ; il est donc pertinent de planifier et d'intégrer des contraintes de temps pour maintenir les performances des machines (grâce à leur bon état).

Kao, Y.-T.; Dauzère-Pérès, S.; Blue, J.; Chang, S.-C. Impact of integrating equipment health in production scheduling for semiconductor fabrication. Computers & Industrial Engineering. 2018, 120, 450-459.

Rostami, H.; Blue, J.; Yugma, C. Automatic equipment fault fingerprint extraction for fault diagnosis on batch process data. Applied Soft Computing. 2017, 68, 972-989.

Nattaf, M.; Obeid, A.; Dauzère-Pérès, S.; Yugma, C.; Wu, C.-H. Parallel machine scheduling with time constraints on machine qualifications. Computers and Operations Research. 2019, 107, 61-76.

Rostami, H. Equipment Behavior Modelling for Fault Diagnosis and Deterioration Prognosis in Semiconductor Manufacturing. Thèse de doctorat, Université Jean-Monnet, Saint-Etienne, 2018.

Un Prototype a été développé en Matlab et fournit des solutions de pronosticdiagnostics sur des données industrielles issues du semi-conducteur.

Par l'utilisation intensive des données de métrologie, la Maîtrise statistique des Processus (MSP) est effectuée afin d'assurer que l’on a un bon processus de contrôle ainsi que des produits de qualité. La taille des circuits intégrés (puces) devient de plus en plus petite et les procédés de fabrication deviennent très sensibles aux perturbations et aux variations. Dans l'environnement des semi-conducteurs, le contrôle avancé des équipements (AEC) et la détection et Classification des défauts (FDC), ont été développés pour surveiller les paramètres des machines pour un meilleur contrôle des processus, en particulier pour la technologie 90nm. Pour parvenir à un contrôle efficace, il est essentiel de se baser sur des modèles et algorithmes de contrôle et sur la connaissance physique des processus. La fiabilité des machines de production peut encore être améliorée. L’utilisation des équipements doit être optimisée en termes de rendement de production, qualité de produit, ou de manière générale le Overall Equipment Effectiveness (OEE). L’OEE diminue dans les lignes de production ayant une importante gamme de fabrication de produits qui doivent être traitées sur les mêmes équipements. L’ordonnancement peut entre autre contribuer à améliorer l’OEE. L’ordonnancement consiste en l'attribution optimale des ressources à un ensemble de tâches, afin d'accomplir toutes ces tâches sous des contraintes imposées et en optimisant des indicateurs. L’ordonnancement et le contrôle sont interdépendants. Par exemple, le contrôle requiert des informations sur l’ordonnancement (où les tâches sont traitées) pour traiter les meilleurs lots (qui apportent des informations sur les machines). Afin d'améliorer le rendement et la fiabilité des machines de production, il est nécessaire d’aller un peu plus loin dans l’APC et le FDC. La première tâche du projet est de développer un indice de santé des équipements (EHI) pour déterminer le comportement prédictif des machines, et le second est l'utilisation de l’EHI dans des stratégies d'échantillonnage et d'ordonnancement des lots les plus fiables vers les machines de métrologie. Le projet IMAGE est un projet de recherche industrielle qui vise à proposer de nouveaux modèles et algorithmes basés sur les paramètres des machines et les mécanismes de défaillance des équipements afin de mieux décrire le comportement de l'équipement. L'objectif est d'élaborer un indice de santé de l’équipement (EHI) pour prendre de meilleures décisions pour l'échantillonner, ordonnancer les tâches en métrologie et les maintenances préventives. Il permettra aux ingénieurs d'aligner les plans de fabrication conformément à l'état de « santé » de l'équipement. L'EHI contribuera directement à l'OEE par l'amélioration de la disponibilité de l'équipement. Avec la prévision des pannes au niveau des équipements, les excursions peuvent être considérablement réduites et les interruptions non programmées peuvent être réduites. La capacité d'intégrer ces nouvelles fonctionnalités dans les systèmes existants de contrôle de production va réduire la variabilité de la disponibilité des équipements et améliorer la performance des machines de production et réduire le temps de cycle. En particulier, un EHI est basé sur des mesures réelles de lots sur les machines de métrologie. Ainsi, des questions importantes sont : Comment échantillonner les lots et les ordonnancer sur les machines de métrologie afin de s'assurer que l'EHI demeure pertinent. Il est également essentiel d'augmenter le nombre de mesures lorsqu'une machines est à risque, c'est-à-dire qu’on a à échantillonner beaucoup plus de lots à traités sur la machine de production lorsque son EHI indique que la probabilité de défaillances est en augmentation. Par conséquent, pour atteindre les deux objectifs précédents, le projet IMAGE développera de nouvelles stratégies et algorithmes pour l'échantillonnage des lots et leur ordonnancement sur les machines de métrologie.