4、生产计划与排程：产能规划与瓶颈分析、高级计划与排程（APS）原理、半导体行业的排程策略

各位工程师朋友，大家好。今天我们来聊聊生产计划与排程。说实话，这是半导体制造里最让人头疼，也最有意思的环节之一。你想想看，一条产线几百台设备，几千道工序，每天几万片晶圆在跑。怎么让它们不乱套？怎么让产能最大化？这就是我们今天要啃的硬骨头。

4.1 产能规划与瓶颈分析

产能规划，说白了就是回答一个问题：我这条产线到底能产多少？但实际做起来，远没那么简单。

理论产能 vs 实际产能

理论产能是设备满负荷跑出来的数字。但实际中，设备要维护，要换型，要等物料。我记得刚入行时，有个老工程师跟我说：“别信设备手册上的数字，那都是理想状态。” 后来我自己做项目，发现实际产能往往只有理论值的70%-80%。

瓶颈分析——产线的“木桶短板”

瓶颈是什么？就是整条产线里最慢的那个环节。它决定了整条产线的产出速度。我习惯用OEE（设备综合效率）来定位瓶颈。OEE = 可用率 × 性能率 × 良品率。哪个设备的OEE最低，哪个就是瓶颈。

如何做瓶颈分析？

• 第一步：绘制价值流图——把每道工序的节拍时间标出来。
• 第二步：计算各工序的产能——单位时间能处理多少片。
• 第三步：找出产能最小的工序——那就是瓶颈。
• 第四步：分析瓶颈原因——是设备故障？换型时间长？还是物料供应不上？

4.2 高级计划与排程（APS）原理

传统的排程靠Excel，靠经验。但半导体产线太复杂了，人脑根本算不过来。这时候就需要APS上场了。

APS是什么？

APS是一套算法系统。它把订单、设备、物料、工艺路线、交期等信息全部输入，然后通过数学模型算出最优的生产计划。说白了，就是让计算机帮你做决策。

APS的核心逻辑

1. 约束条件：设备能力、物料可用、人员排班、工艺限制。
2. 目标函数：通常是最大化产出、最小化延迟、最小化换型时间。
3. 求解算法：常用的是遗传算法、模拟退火、线性规划。

我参与过一个APS项目，当时我们用了遗传算法。一开始参数没调好，算出来的排程结果让设备利用率反而下降了。后来我们花了三周时间调参，才把效果跑出来。嗯，这里要注意：APS不是万能的，它需要好的数据输入和参数配置。

4.3 半导体行业的排程策略

半导体排程跟汽车、电子行业不一样。它有自己独特的难点：

• 重入流：晶圆会反复经过同一台设备，比如光刻机要跑20多次。
• 批量约束：有些设备必须凑够一定数量才能加工。
• 设备专用性：不是所有设备都能做同一道工序。

常见的排程策略

策略名称	核心思想	适用场景
FIFO（先进先出）	按到达顺序加工	简单产线，交期不敏感
EDD（最早交期优先）	交期越早越优先	交期压力大的订单
SRPT（最短剩余加工时间）	优先处理快完成的批次	减少在制品库存
基于瓶颈的排程（Drum-Buffer-Rope）	以瓶颈设备节奏拉动全线	瓶颈明显的产线

我个人比较推荐基于瓶颈的排程。为什么？因为半导体产线的瓶颈非常明显，而且瓶颈设备的利用率直接决定了整条线的产出。你想想看，只要把瓶颈设备喂饱了，其他环节慢一点也没关系。

一个简单的排程示例（伪代码）

// 基于瓶颈的排程逻辑
function scheduleByBottleneck(orders, bottleneckMachine) {
    // 1. 先排瓶颈设备
    let bottleneckSchedule = scheduleMachine(bottleneckMachine, orders);
    
    // 2. 根据瓶颈排程，反推上游工序的投料时间
    let upstreamSchedule = pullFromBottleneck(bottleneckSchedule);
    
    // 3. 下游工序按瓶颈节奏推进
    let downstreamSchedule = pushToBottleneck(bottleneckSchedule);
    
    return { bottleneckSchedule, upstreamSchedule, downstreamSchedule };
}

这段代码虽然简单，但核心思想就在里面。先排瓶颈，再拉上游，再推下游。我在一个12英寸晶圆厂用过这个逻辑，效果不错，在制品库存降低了30%。