China
  • 021-57675563

当前位置:知识中心 / 轩田技术篇 /

封测厂自动化(二)| 配方管理-第二部分

发布时间:2022-02-23    浏览人数:69人查看

设备预测性保养是近十年来很热门的话题,特别是大数据/深度学习/人工智能等技术崛起之后,市面上出现了大量的相关公司,提供相关的产品和服务。

 

这篇文章,让我们从一个不一样的角度来探讨这个问题。

 
为什么设备需要保养?

 

我们认为最主要的原因是要保证设备的可靠性,定期地更换零部件和进行调试(Calibration)。在 199x 年刚进入半导体行业时,其中当时生产安全气囊芯片的 M 公司,发现在贴片机 (Die Bonder) 的生产过程中,会造成最后的成品出现芯片破裂的情况,当时 M 公司向 Die Bonder 的设备制造商 (简称为 E 公司)进行了数以亿计的索赔(因为需要回收大量的芯片),E 公司派了大量的工艺和研发人员到 M 公司去找出原因,最后发现是M公司没有按照规定,少做了一个必须要进行的“定时”保养的项目,最后 E 公司逃过需要巨额赔偿的命运。这件事我们印象十分的深刻,第一次发现到了保养的重要性。

 
什么是预测性保养?
 

预测性保养,是在常规的“定时”和“定量”的保养以外,去预测设备是否需要进行保养了。简单来说,就是“用科技”的方法来算命。和统计过程控制 (SPC) 理论方法一样,预测未来过程的好坏。很多工程师都有一个误差,SPC 比的就是 “规格上下限”(spec limit),其实不然,SPC 最重要的是西方电气规则 (Western Electric Rule,WER),用趋势去预测生产过程的稳定性。

 
如何帮助客户做到“预测性保养”?
 

市面上的大数据公司的做法都是告诉客户,他们可以透过平台/方法,从数据中找到“因子”,进而帮助客户做到 “预测性保养”。方法从最早期的回归分析,一直到最近流行的深度学习都是主要的卖点,由名校毕业的博士和专家团队负责操刀。但现实上,并没有一个让“普通人”可以使用的系统,快速“建构”一个可以马上使用的模型。大部分的时候,专家的结论都是 “数据不够,而且不可靠,所以我们做不出来”。现实中,如果可以采到可用的可靠数据,客户大约就能自行研制出设备预测性保养了,不需要复杂的算法和专家。 

 

其实要做到预测性保养是需要具备很多条件的,如果不具备以下的条件,成功的可能性是很低的:

 

1)要能取得设备的报警资料 

报警和保养有关系吗 ? 其实报警是预测性保养的重要输入之一,报警发生的趋势在很多设备上其实是保养的很重要的一个因素。以英飞凌做例子,APC 中 FDC 的其中一个输入就是报警;这里的报警不是知道状态而已(红绿灯中的红灯),而是报警的内容。在半导体封测中,没有 SECS/GEM 的设备,大约就可以直接略过了。 

 

2)要能够从设备中取出和工艺相关的数据 

其实大部分的设备都不具备这一个功能,包括了很多半导体封测的设备,有SECS/GEM 不代表所有的数据都能取出。很多时候,工艺相关的数据是配方相关的,而配方很多时候是 “黑箱”。 

 

3)客户有透过 MES 记录对应的工艺相关数据 

这里有几个条件,首先要有 MES,其次 MES 能记录工艺相关的数据(包括了使用的消耗品,检测站点的量测数据等),最后客户还要愿意去花人力去收集数据。 这往往是最困难的部分,因为人力为主的数据收集是有代价的,而人力是半导体封测厂要节省的部分如果一个公司连基础的MES/EAP都无法很好地实现,连RMS 等系统都还在规划中,那要实现设备预测性保养是很难的。

 

下一次,我们会探讨半导体封测中有可能实现的设备预测性保养是哪一些,敬请期待。