Modélisation de la variabilité des flux de production en fabrication microélectronique

Workflow variability modeling in microelectronic manufacturing

• Auteur / Autrice : Kean Dequeant
• Direction : Marie-Laure Espinouse, Pierre Lemaire, Philippe Vialletelle
• Type : Thèse de doctorat
• Discipline(s) : Génie Industriel
• Date : Soutenance le 09/11/2017
• Etablissement(s) : Université Grenoble Alpes (ComUE)
• Ecole(s) doctorale(s) : École doctorale Ingénierie - matériaux mécanique énergétique environnement procédés production (Grenoble ; 2008-....)
• Partenaire(s) de recherche : Laboratoire : Sciences pour la conception, l'optimisation et la production (Grenoble)
• Jury : Président / Présidente : Alexandre Dolgui
• Jury : Rapporteurs / Rapporteuses : Alix Munier-Kordon, Galliam Claude Yugma

Mots clés

Mots clés contrôlés

Modélisation des données (informatique)

Industries de pointe

Capacité de production

Mots clés libres

Variabilité

Modélisation

Microélectronique

Flux de production

En cours de production

Variability

Modeling

Microelectronic

Workflow

Wip

Résumé

Dans un contexte où l’industrie du semi-conducteur explore de nouvelles voies avec la diversification des produits et le paradigme de « More than Moore », les délais de livraison et la précision de livraison sont des éléments clés pour la compétitivité d’entreprises de semi-conducteur et l’industrie 4.0 en général. Les systèmes de production sont cependant sujets à de la « variabilité », qui crée des embouteillages dans la production de manière incontrôlée et imprévisible. Cette thèse CIFRE (partenariat entre le laboratoire GSCOP et STMicroelectronics) s’attaque à ce problème de la variabilité dans la fabrication en environnement complexe. La première partie de cette thèse offre une étude approfondie de la variabilité: nous mettons d’abord en avant les conséquences de la variabilité pour mieux la définir, puis nous clarifions que la variabilité concerne les flux de production en introduisant la notion de variabilité des flux de production et en apportant des éléments de mesure associés, et nous clôturons cette première partie par l’étude des sources de variabilité à travers une étude bibliographique et des exemples industriels. La seconde partie est dédiée à l’intégration de la variabilité dans les outils de gestion de production: nous montrons comment une partie des conséquences peut être mesurée et intégrée aux projections d’encours pour améliorer le contrôle et la prévisibilité de la production, proposons un nouvel outil ((the WIP Concurrent) pour mesurer plus précisément les performances des systèmes en environnement complexe, et mettons en avant des effets de dépendances prépondérants sur la variabilité des flux de production et pourtant jamais pris en compte dans les modèles. La troisième et dernière partie de la thèse couvre les perspectives de réduction de la variabilité : en se basant sur les éléments présentés dans la thèse, nous proposons un plan pour réduire la variabilité des flux de production sur le court terme, et une direction pour la recherche à moyen et long terme.

In the context of Industry 4.0 and the More than Moore’s paradigm, delivery precision and short cycle times are essential to the competitiveness of High Mix Low Volume semiconductor manufacturing and future industries in general. So called “variability” however creates uncontrolled and unpredictable “traffic-jams” in manufacturing systems, increasing cycle times and decreasing the systems’ tractability. This research, a CIFRE PhD between the GSCOP laboratory and STMicroelectronics, addresses this issue of variability in complex manufacturing environment. We first conducted, in the first part of the manuscript, an in-depth study of “variability”: we approached the notion through its consequences in manufacturing systems, clarified that the variability was about the workflow, introducing the notion of workflow variability and measures that come with it, and identified the main sources of variability through a literature review and real-world examples. We focused in the second part of this manuscript on the integration of workflow variability in production management tools: We showed how integrating the stable consequences of workflow variability can improve WIP projections in complex systems and increase the control on such systems, proposed a new tool (the Concurrent WIP) to better measure the performances of systems subject to high workflow variability, and showed that complex “dependency” mechanisms play a key role in workflow variability yet are not integrated in any model. Finally, the third and last part of the manuscript organized perspectives for variability reduction: based on the work of this manuscript, we showed a framework for variability reduction on the short term, and proposed a direction for medium and long-term research.