排产约束几百个？半导体APS如何最大化瓶颈产能

一台光刻机前面排着两百多个批次，一张排产表里塞着四百多条硬约束——这不是夸张，而是许多 8 英寸、12 英寸晶圆厂计划工程师每天早上打开系统时要面对的真实画面。机台与腔体能力、掩膜版数量、炉管批次容量、Queue Time 时间窗、二次回流工艺路线、客户加急插单……任何一条被忽略，都可能让整批晶圆报废或者交期跳票。

据 Gartner 的观察，晶圆在厂内流转时，超过一半的周期时间花在排队与等待上，而不是真正被设备加工。也就是说，谁能让瓶颈工序的等待更少、决策更快，谁就握住了产能的命门。排产约束几百个？半导体APS如何最大化瓶颈产能——这正是本文要拆解的问题。我们会从约束建模、瓶颈识别、批次策略、缓冲管理一路讲到现场执行，并说明实在Agent 这类数字员工能在其中补上哪几块"人力拼图"。

一、为什么半导体的排产约束会"堆"到几百个

1.1 工序量与回流：复杂度不是一个量级

普通离散制造的工艺路线通常是几十道工序，而一颗芯片从投料到下线，往往要经过 400 到 1200 道工序，并且带有典型的"二次回流"特征——同一台设备会被反复访问二三十次。

• 工序数量级差异：几十道 vs 上千道，排产搜索空间呈指数级膨胀。
• 二次回流：批次在设备之间形成循环队列，一步排错，向后传导几十步。
• 资源颗粒度细：机台、腔体、配方、夹具、掩膜版、探针卡都要匹配。
• 时间约束多：刻蚀后到清洗之间的滞留窗口一旦超时，只能返工甚至报废。

约束一多，人的经验就开始失效：老计划员能记住的"隐性规则"最多几十条，剩下的只能靠邮件、微信和 Excel 备注传递。实在Agent 的一个基础价值，就是把这些散落在邮件、群消息、Excel 备注里的隐性约束，自动采集并结构化沉淀下来，形成一个可以被排产引擎读取的"约束底账"。

1.2 瓶颈不是固定的，它每天都在漂移

很多工厂的排产模型是"季度更新一次"，但瓶颈从来不是静态的。

• 产品组合变化：今天多投几批高压器件，刻蚀就可能顶到前面；明天切换成逻辑产品，瓶颈又回到光刻。
• 设备状态波动：一次非计划停机、一次腔体维护，就可能让原来的非瓶颈变成新瓶颈。
• 良率与返工：返工批次回冲产线，会让局部负荷瞬间拉高。

因此，瓶颈识别必须是"动态可见"的。通过实在Agent 定时抓取 MES 设备状态、工单进度与在制品分布，计划团队可以拿到一份接近实时的负荷热力图，而不是等周报发出来才发现瓶颈已经换了位置。

1.3 人工排产的三个天花板

• 算不过来：几百个约束的组合优化，靠 Excel 规划求解基本跑不动。
• 看不见：订单在 ERP、设备状态在 MES、物料在 WMS、交期在销售系统，数据不在一张图里。
• 跟不上：插单、宕机、断料发生后，人工重排一次动辄几小时，现场早就变了。

二、APS 排产之前，先把"约束"讲清楚

2.1 APS 不是 ERP 的排程模块

很多企业吃过这个亏：以为 ERP 里的排程功能就是 APS。实际上二者解决的问题不同。

• ERP 的排程：基于无限产能做粗能力计划，输出的是"建议开工日期"，不落到具体机台和分钟。
• MES 的执行：记录已经发生了什么，回答"做了什么"。
• APS 排程：在有限产能前提下，逐机台、逐批次、逐时段的可行解，回答"接下来该做什么"。

APS 是连接"计划"和"执行"的中间层，一旦缺失，计划与现场就会长期靠电话和现场调度员来补缝。

2.2 约束建模的四层逻辑

要让 APS 算得准，约束必须分层沉淀，而不是一股脑丢进算法。

• 设备层：机台、腔体、夹具、掩膜版、探针卡的数量与可用时间。
• 工艺层：配方与机台的匹配关系、工序先后顺序、滞留时间窗上限。
• 物料层：批次的在制状态、可拆分与可合并规则、材料齐套情况。
• 需求层：订单交期、客户优先级、加急规则、最小批量要求。

约束建模的质量，直接决定排产结果能不能落到车间去执行。实在Agent 可以承担跨系统的"约束搬运工"角色：从 ERP 取订单优先级，从 MES 取设备能力，从 WMS 取齐套信息，按批产成结构化的约束文件供 APS 调用，减少人工整理的错漏。

2.3 目标函数之争：别只盯"产能最大"

"最大化瓶颈产能"是目标之一，但绝不是唯一目标。

• 准交率：客户感知的第一指标，通常应该优先保障。
• 周期时间：越短的在制周期，意味着越低的资金占用和越快的市场响应。
• 瓶颈利用率：真正该被拉满的，只有瓶颈工序。
• 综合成本：换线次数、加班、能耗都要计入。

建议采用分层目标：先保准交，再压周期，最后榨取瓶颈产能。如果一上来就四处满载，非瓶颈工序的库存会迅速堆积，反而掩盖真正的问题。

三、最大化瓶颈产能的五个关键动作

3.1 找准真瓶颈：用数据验证，而不是靠感觉

依据约束理论（TOC）的经典五步法：识别瓶颈、决定如何挖尽瓶颈、让其他环节配合、提升瓶颈、回到第一步。

• 产能负荷对比：用滚动的负荷数据，而非历史平均数据判断瓶颈。
• 在制品堆积点：瓶颈前通常堆积着最多的在制品。
• 等待时间分析：批次在某个工序前的排队时间显著高于其他工序，往往就是信号。

难点在于数据的实时性。通过实在Agent 对延期订单、未质检订单等异常项的自动排查与预警，计划员可以在瓶颈"形成之前"收到提示，而不是在积压成型之后才被动救火。

3.2 瓶颈机台零浪费：把每一分钟都留给加工

瓶颈机台每损失一小时，就是整条产线损失一小时产出。围绕这一点，通常要做三件事：

• 减少换线损失：把相同配方、相同产品的批次合并成组，减少切换。
• 减少待料待模：瓶颈前保证物料、掩膜版、气体化学品齐套。
• 减少非计划停机：对瓶颈设备做预防性维护优先排程。

对瓶颈资源的"保护性排产"，是 APS 与人工排产最容易拉开差距的地方。

3.3 炉管批次合并与多腔体均衡

炉管这类批处理设备，是典型的"合批出产能"场景。

• 批次合并：将工艺条件相近的批次合并进同一炉，显著提升单炉产出。
• 拆分与错峰：对交期紧急的批次做合理拆批，避免被长炉次拖累。
• 多腔体均衡：同一机台的不同腔体之间均衡负载，避免单腔成为隐性瓶颈。

这种合批与拆批的反复推演，靠人工在 Excel 里几乎做不出最优解，而这正是 APS 的强项。

3.4 时间窗约束前置校验，避免"排出来却做不了"

Queue Time 是半导体排产里很容易被忽略、却代价极高的一类约束。

• 前置校验：排产时就检查工序之间的滞留时间是否超窗。
• 冲突提示：一旦预测到可能超时，提前把批次调整到其他机台或提前释放。
• 减少返工：一次返工不仅浪费产能，还会打乱后续排程。

3.5 用时间缓冲替代库存缓冲

约束理论中的"鼓—缓冲—绳"（DBR）思路，在半导体场景同样适用。

• 在瓶颈前设置时间缓冲，而不是堆积大量在制品库存。
• 用绳控制投料，让投料速度与瓶颈节拍匹配。
• 动态调整缓冲：订单结构变化时，缓冲位置和长度也随之调整。

简单说，库存堆得太多，问题会被掩盖；时间缓冲则让异常显性化，管理动作更精准。

四、从排产结果到现场执行：最后一公里的打通

4.1 数据打通的三个断点

调研中常见的断点有三个：订单数据在 ERP，设备数据在 MES/EAP，物料数据在 WMS，彼此不联通；排产结果靠邮件或纸质派工单下发；异常信息靠口头反馈。任何一个断点存在，APS 的排产精度都会大打折扣。

4.2 派工单下发与交期回复

APS 算得再好，现场执行不到位也是零。计划与生产之间的高频动作——派工下发、交期回复、进度反馈——恰恰是最适合自动化的部分。实在Agent 可以按 APS 结果自动生成派工任务、同步到 ERP 与现场系统，并在被问到"这批什么时候能交"时，基于最新排产结果自动回复交期，把计划员从重复问答中解放出来。

4.3 异常自适应：宕机、插单、断料的分钟级重排

现场的常态是变化：设备宕机、客户插单、来料延迟。理想状态下，系统应能识别异常、评估影响范围、触发局部重排并下发新任务。实在Agent 的"流程异常自适应处理"能力在这里尤其关键：它能实时感知异常事件，按预设规则判断影响范围，并联动 APS 与 ERP 完成局部重排与信息同步，让重排从"几小时"压缩到"几分钟"。

五、一个可参考的落地路径（案例已脱敏）

某 8 英寸功率半导体产线，光刻与炉管长期互为瓶颈，排产约束超过 400 条，计划团队每天要花 3 小时以上做手工调整。落地过程分三步走：

• 第一步，约束数字化：把散落在邮件、Excel 和现场经验中的约束整理成结构化规则，交给 APS 使用。
• 第二步，瓶颈保护性排程：对光刻与炉管实施合批优化、缓冲设置与换线合并。
• 第三步，异常闭环：引入实在Agent 做跨系统数据同步与异常预警，把延期订单、未质检订单的排查自动化。

结果是，瓶颈工序的产出获得两位数百分比的提升，在制品等待时间明显下降，计划员从"救火队员"逐步回到"策略制定者"的角色。

结语

半导体排产的难，不在于算法本身有多玄妙，而在于约束太多、变化太快、数据太散。当排产约束达到几百个量级，半导体 APS 要最大化瓶颈产能，靠的是一套组合拳：把约束建全、把瓶颈认准、把批次合好、把缓冲设对，再用数字员工把数据与执行打通。实在Agent 在这条链路上扮演的不是替代 APS 的角色，而是让 APS 的排产结果真正落得下去、跟得上变化。

常见问题解答

问题一：约束数量几百个，是不是必须上 APS 系统，Excel 完全不能用了？

几百个约束的组合优化，Excel 规划求解在求解速度和稳定性上都难以支撑，尤其是需要分钟级重排时。现实做法通常是 APS 承担核心求解，Excel 退回到数据核对与结果分析的辅助位置。

问题二：瓶颈工序的产能最大化，是不是意味着所有设备都要满负荷运转？

不是。全线满载只会让在制品堆积在非瓶颈工序，拉长周期时间。合理做法是围绕瓶颈做保护性排程，非瓶颈工序按瓶颈节拍投料，这就是约束理论里"鼓—缓冲—绳"的核心逻辑。

问题三：实在Agent 和 APS 是替代关系吗？

不是替代，而是互补。APS 擅长在约束条件下求解最优排程，实在Agent 擅长跨系统取数、结果下发、异常预警与交期自动回复。两者结合，才能完成从"算得准"到"执行得下去"的闭环。

问题四：中小型半导体企业没有完整 MES，能不能做瓶颈产能优化？

可以分阶段推进。先解决约束数字化和数据归集，把关键设备的状态与在制品信息理清楚；再引入轻量排产工具做局部优化；最后才谈全面 APS。顺序颠倒，往往投入大、见效慢。

问题五：排产结果经常和现场执行脱节，问题通常出在哪里？

多数情况出在数据断点和执行闭环上：排产依据的数据落后于现场、派工下发靠人工、异常反馈不及时。补上这三块，排产精度和执行一致性都会有明显改善。

实在Agent