预测性维护减少了设备停机时间，同时提高了晶圆厂效率
与定期维护相比，基于来自半导体制造设备的更多更好的传感器数据的预测性维护可以减少晶片厂的停机时间，并最终降低成本。但是实现这种方法并不简单，它可能会破坏精心打磨的流程和流。
不及时进行维护可能会导致晶圆或工艺工具本身的损坏。在实施了即时维护策略的情况下，其结果通常是更高的整体设备效率(OEE)，更长的维护活动间隔时间，并防止由于设备部件故障导致的产量偏差。
然而，采用这种方法的速度比预期的要慢。在通信标准方面仍然存在差距，晶圆厂仍然对由于技术、方法或工艺变化而造成的昂贵停机时间保持警惕。这些变化还需要在分析和培训方面进行预先投资，因此高层管理人员的支持是至关重要的，而且通常是基于充分记录的投资回报。
实时和预防性维护策略
工业4.0，或智能制造，一直专注于通过利用制造生成的数据来优化产量和质量，以提高工厂性能和提高生产敏捷性。将分析应用于制造设备维护是一个新的补充，并且具有真正的前景。
为了防止可能影响晶圆厂产能的意外设备故障，刀具所有者遵循预防性维护计划。随着工厂控制和自动化系统的连接越来越紧密，传感器(振动、声音、图像)的使用越来越多，现在可以主动预测或检测故障部件或过程工具。
预测方法主要预测设备即将发生的故障。这与实时方法不同，实时方法旨在检测故障的第一个实例。这两种方法都是显著提高ROI的有效方法。
为了实现预测性或实时维护方法，工程师需要了解可用的测量数据，确定哪些参数最相关，并实施改进的维护策略。此外，为了向管理层证明投资的合理性，工程师们需要在晶圆厂产能指标、产品产量和质量方面展示收益。经济数据越准确，投资回报率的理由就越有说服力。
公司软件产品管理总监迈克•麦金太尔(Mike McIntyre)表示:“从财务角度理解工厂运营所必需的专业知识，是目前缺失的专业知识之一。上的创新．“在决定如何优化工厂时，另一个必须考虑的因素是运营的财务状况——包括一个过程的成本、维护成本以及在这个过程中投入的材料的价值。”
尽管如此，通过明智地使用预测性维护，工程师可以就何时以及如何维护晶圆厂设备做出更明智的决定。这样做需要工程投资，而这种投资可能会阻碍采用率。
工具维护实践，标准
了解当前的维护实践，为了解预测性或实时维护的理想集成解决方案的可能性和潜在障碍提供了一个起点。
“在我们与客户的交谈中，我们发现大多数公司都有某种固定的预防性维护系统。换句话说，他们在某个预定的时间间隔内更换一块硬件，不管硬件是否需要更换，”银河半导体公司首席执行官韦斯·史密斯说。“时间间隔通常基于对历史模式的一些分析，但经验丰富的维护团队也有大量有根据的猜测。有时，产品计量是维护的触发因素。当产品测量开始漂移时，通常会根据当地团队的经验安排维护活动。”
晶圆厂和分晶圆厂设备中的传感器涵盖可测量的环境、电气和物理参数，包括温度、气体流速、化学、光学或振动传感器。传感器数据通常使用现有的行业标准进行收集和通信。
“设备连接、数据收集和晶圆厂运营都有标准。这些都为预测性维护解决方案提供了一致的方法。Synopsys对此．“然而，我不知道预测性维护的任何具体标准。”
其他人也同意。“几乎所有的传感器数据都可以通过CIM接口或驱动程序从设备或传感器获得，这些接口或驱动程序遵循SEMI标准通信协议(HSMS, SECS, GEM, EDA/Interface-A, OPC, PLC, MQTT, GRPC)，甚至是定制设备驱动程序，”Jon Holt说，他是量产解决方案全球fab应用解决方案经理PDF的解决方案．“然而，据我所知，预测性维护策略和执行并没有真正详细的标准。间接地，有SEMI E10标准(设备可靠性、可用性、可维护性和利用率定义和测量规范);自动化可靠性、可用性和可维护性标准:概念、行为和服务;ISA-95 Level 3(工厂自动化)。
行业差距
虽然现有标准提供了对设备信息的访问，但仍有许多工作要做，特别是在连接子晶圆厂设备数据与晶圆厂设备数据方面。
GlobalFoundries工艺工程师Boyd Finlay表示:“我们缺乏许多关键工具组件的适当跟踪数据。“我们需要‘传感器频率响应’来测量‘完整的’奈奎斯特信号，用于测量和控制。一个非常基本的例子是，除非我们部署第三方传感器，否则我们在任何阀门上都看不到真正的“机械漂移”。这种方法在庞大的车队上花费的时间太长，而且成本很高。因此，我们还没有为PdM(预测性维护)做好准备。”
这个问题涉及到无缝集成的通信协议，这是一个目前还没有标准的领域。
Finlay说:“主工具和腔室是进行加工的地方。”“辅助工具描述了这些工具的子系统，它们通常位于洁净室或分厂的其他地方，例如，泵，消减，冷水机。辅助工具与主工具/室之间的通信总线尚未标准化。我们没有在辅助套件上获得关键故障模式的适当水平跟踪数据，也没有通过主工具/室集成主机设备接口信号背景化，即过程启动/停止，配方步骤1、2、3，传感器A、B、C等。”
预测性维护示例
为了进行最简单的预测或实时维护，工程团队可以寻找单个参数的行为变化。例如，考虑机械臂将晶圆从一个位置移动到另一个位置时的振动。传感器数据可用于设置基线振动水平，趋势分析提供可操作的信息，指导维护决策。
“机器人操作是工艺中非常关键的一部分，它会影响加工晶圆的质量。机器人手臂包含平台、控制器、手臂、驱动器、末端执行器、传感器和电机、轴、轴承和其他硬件，”高级项目经理Vidya Vijay说CyberOptics．一个机械臂至少有9个部件可能需要更换，异常振动可能表明某个特定部件出现故障。
电气测量在晶圆厂设备中很常见，包括功率、电流和接触电阻。
Vijay说:“在电镀应用中，当环是新的，并且在大量加工晶圆后使用时，可以记录用于电镀晶圆的引脚接触电阻的测量。”“这可以为何时必须清洗或更换接触环提供清晰的图像。当手指被涂上化学镀层时，电阻就会增加。可以使用WaferSense自动电阻传感器(ARS)测量电阻。”
真空系统在晶圆制造工厂的沉积、蚀刻和离子注入工具中普遍存在。检测真空室中的真空泄漏和即将发生的真空泵故障是工具所有者、工艺工程师和技术人员最感兴趣的。
“预测性维护更普遍的一个领域是真空泵。我们已经与不止一家真空硬件供应商的代表进行了交谈，他们向我们描述了他们的预测性维护方法，”银河的史密斯说。“典型的配置包括麦克风阵列和复杂的信号处理算法。在某些情况下，通过测量维持预期真空水平所需的电流的电子传感器来增强这些功能。”
真空设备的供应商一直积极致力于为客户提供预测性维护解决方案。来自2022年先进半导体制造会议的两篇论文提供了成功的故事，他们强调了从定期维护转向预防性维护的ROI。
爱德华兹真空作者分享了他们的策略，为低温泵的预测性维护实践。[1]这些泵支持工艺室的环境，故障泵会导致这些室的污染。如果泵意外故障，与计划中的维修事件相比，计划外事件的成本要高得多。具体而言，作者指出:
Edwards团队描述了基于来自100多个传感器的数据集的多个变量，包括静态数据和时间序列数据。要标记阻碍故障，可以使用基于规则或基于统计的算法，并由主题专家进行数据审查。两种分析方法都使用了多个变量。
PSK工程师分享了他们在干式带机中真空泄漏的实时检测技术。[２]该设备使用远程等离子体源和O型电阻从晶圆上去除光刻胶2/ N2混合。实时检测泄漏的动机是为了提高生产率，因为常规的泄漏检测方法需要将带钢工具从生产模式中取出，这直接影响了OEE。这种方法也改变了工艺气体的成分，这可能会有不希望的处理结果。工程团队选择了以下与真空泄漏相关的参数:抽气/排气时间、自动压力控制(APC)阀的角度位置和腔室基础压力。通过超过500次的系统数据收集，他们专门研究了APC角度与腔室温度的关系，并成功地展示了根据所选参数检测泄漏的实时能力。
预测性维护的采用率
“在使用这些技术来提高产量、性能和计量之后，使用分析技术进行维护。在这一领域，仍有很多勘探工作要做。”为了实现从探索到采用，他进一步强调，工厂团队需要看到“在同行评审论坛上记录和公布艰苦和实际的节省。”
摆脱传统的定期维修，实施预防性维修需要管理承诺和工程投资。为了充分实现，工程师需要访问传感器数据、数据格式的灵活性以用于集成，以及各种第三方传感器之间的通信新标准，以及在分晶圆厂和晶圆厂中监控此类设备数据的系统。
不幸的是，提供来自某些设备或传感器专有格式的数据并不能促进各种设备和传感器供应商之间的数据集成。晶圆厂将拥有来自许多供应商的设备，并投资于第三方传感器。
“我们为数据分析提供灵活的选择。我们拥有专有软件格式的整个数据集，以及最简单的CSV格式，”CyberOptics的Vijay说。我们还提供了将传感器输出直接集成到工具GUI中的选项，以实现自动化维护程序。”
GlobalFoundries的Finlay指出了辅助工具和主要工艺工具之间的沟通差距。他说:“这些差距可能会使晶圆厂的维护/控制成熟速度减慢大约5到8年。”“解决这些问题后，我们可以提高成熟产量和更高的净制造时间，因为它有助于衡量以可靠性为中心的维护策略的‘所需’参数。”
为了增加预测性维护的采用，PDF Solutions的Holt强调了以下领域:
然后，将维护需求与执行维护所需的信息联系起来。
“预测性维护提供了一种在故障发生之前识别潜在故障的方法。它还提供了关于在特定时间范围内潜在故障发生概率的信息。这本身就是一个巨大的价值，但这只是故事的一部分，”Yishai Barak说，服务生命周期管理总监西门子数字工业软件．“一旦你意识到潜在的问题，你如何确保解决问题的行动计划以最有效的方式进行?服务生命周期管理通过将服务视为产品生命周期管理的一部分并与预测性维护解决方案集成来提供答案。预测性维护可以帮助您进行识别，而服务生命周期管理可以帮助您解决问题。”
结论
为了改善晶圆厂的维护实践，工程团队可以使用工艺设备内部和外部的传感器数据。将分析决策应用于计划维护已得到证明。在这种向预测性/实时维护技术的转变中，设备供应商正在积极研究这种方法，以帮助他们的客户最大限度地利用晶圆厂设备。
然而，正如GlobalFoundries的Finlay所指出的，由于在大型工厂中实现集成预测方法所需的通信标准的差距，采用速度正在放缓。但是有了可证明的ROI，人们可以期望在设备或工艺步骤的基础上采用更多的技术。
“预测性维护是一种解决方案，必须应用于正确的问题，这样才能产生足够的投资回报率，以推动预期的行为变化，”公司创新主管Don Ong说效果显著．“它包括拥有识别正确问题或机会的技能和能力，然后使用适当的技术执行。”
参考文献
有关的故事
Fab和测试数据太多，利用率低
目前，收集到的数据的增长已经超过了工程师分析所有数据的能力。
更智能的制造
人工智能、无处不在的连接和无处不在的传感器如何重塑芯片制造业，以及几乎所有其他领域。
工业物联网和预测性维护
用户通过新技术的预测性维护实现投资回报率。
|
|
|
|
|
|
|
|
|
留下回复