对 Fab 工具采用预测性维护的重要性
本文由半导体产业纵横（ID:ICVIEWS）编译自semiengineering
预测性维护基于来自半导体制造设备的更多更准确的传感器数据，与定期维护相比，可以减少晶圆厂的停机时间并最终降低成本。但是，实施这种方法并非易事，它可能会破坏本身已设计好的制造流程。
维护速度不够快可能会导致晶圆或工艺工具本身损坏。在实施及时维护策略的情况下，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以及防止由于设备组件故障而导致的产量偏差。
采用这种方法的速度比预期的要慢。通信标准仍然存在差距，晶圆厂仍然担心由于技术、方法或流程的变化而导致代价高昂的停机。这些变化还需要在分析和培训方面进行前期投资，因此高层管理人员的支持至关重要，并且通常基于有据可查的投资回报。
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提高工厂绩效和生产敏捷性来优化产量和质量。将分析应用于制造设备维护是一项新的补充，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，工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互联程度以及传感器（振动、声音、图像）的使用增加，现在可以主动预测或检测故障组件或过程工具。
预测方法基本上可以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。两者都是有效方法，可以显著提高定期维护例程的投资回报率。
要实施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，工程师需要展示晶圆厂产能指标、产品良率和质量方面的优势。经济数据越准确，投资回报率的理由就越有说服力。
“缺少的专业知识水平之一是从财务角度了解工厂运营所需的专业知识，”Onto Innovation软件产品管理总监Mike McIntyre说：“运营财务——就流程成本、维护成本以及通过该流程的材料的价值而言——是在确定如何最好地优化工厂时必须考虑的另一个因素”
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策。这样做需要工程投资，而这种投资可能会阻碍采用率。
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。
在与客户的对话中，我们发现大多数客户都有某种固定时间表的预防性维护系统。换句话说，他们以某个预定的时间间隔更换硬件，无论硬件是否需要更换，Galaxy半导体首席执行官Wes Smith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会进行更有根据的统计。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。”
晶圆厂和子晶圆厂设备中的传感器涉及可测量的环境、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。这些为预测性维护解决方案提供了一致的方法，”Synopsys产品营销总监Anjaneya Thakar说。“但是，我不知道预测性维护的任何具体标准。”
“几乎所有传感器数据都可以通过符合SEMI标准通信协议（HSMS，SECS，GEM，EDA / Interface-A，OPC，PLC，MQTT，GRPC）甚至定制设备驱动程序的CIM接口或驱动程序从设备或传感器获得，”PDF Solutions全球批量制造解决方案晶圆厂应用解决方案经理Jon Holt说。“然而，据我所知，预测性维护策略和执行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，可维护性和利用率的定义和测量规范）;SEMI E58（自动化可靠性、可用性和可维护性标准：概念、行为和服务）；和 ISA-95 3 级（工厂自动化）。”
虽然现有标准提供了对设备信息的访问权限，但仍有许多工作要做，特别是在将子晶圆厂设备数据与晶圆厂设备数据连接方面。
“我们缺乏来自许多关键工具组件的适当跟踪数据，”GlobalFoundries工程师Boyd Finlay说。我们需要“传感器频率响应”来测量“完整”奈奎斯特信号以进行测量和控制。一个非常基本的例子是，除非我们部署第三方传感器，否则我们不会在任何节点看到真正的“机械漂移”。这种方法成本高昂。因此，我们还没有为PdM（预测性维护）做好准备。
问题与无缝集成的通信协议有关，这是目前没有标准的领域。
“主要工具和腔室是加工的地方，”Finlay说。“辅助工具描述了这些工具的子系统，这些子系统通常位于洁净室或子晶圆厂的其他地方 - 例如，泵、减排、冷却器。辅助工具和主工具/腔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液位跟踪数据，并且没有通过主机设备接口信号上下连接的主要工具/腔室进行集成，即过程启动/停止、配方步骤 1、2、3、传感器 A、B、C 等。”
为了最轻松地进行预测性或实时维护，工程团队可以寻找单个参数的行为变化。例如，考虑一下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，趋势分析可提供指导维护决策的可操作信息。
“机器人搬运是该过程非常关键的部分，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，”CyberOptics高级项目经理Vidya Vijay说，“机器人手臂至少有九个部件可能需要更换，异常振动可能表明特定部件出现故障。”
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，当环是新的时，可以记录能够电镀晶圆的引脚的接触电阻的测量值，并在加工过这么多批晶圆后使用。这可以清楚地了解何时必须清洁或更换接触环。当手指涂上电镀化学品时，电阻增加。电阻可以使用WaferSense自动电阻传感器（ARS）进行测量。”
真空系统在晶圆制造工厂的沉积、蚀刻和离子注入工具中无处不在。检测腔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关心的问题。
“预测性维护更为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，”Galaxy的 Smith 说。“典型的配置涉及一系列麦克风和复杂的信号处理算法。在某些情况下，这些通过测量维持预期真空度所需的电流消耗的电传感器来增强。”
真空吸尘器必不可少的设备供应商一直在积极努力为其客户提供预测性维护解决方案。2022 年先进半导体制造会议的两篇论文提供了成功案例，他们强调了从计划维护转向预防性维护的投资回报率。
Edwards Vacuum 的作者分享了他们对低温泵预测性维护实践的策略。这些泵支持工艺腔室中的环境，而有故障的泵会导致这些腔室受到污染。如果泵意外发生故障，与计划内服务事件相比，计划外事件的成本很高。具体而言，作者指出：
维修成本：计划外停机事件几乎总是会导致需要更换的零件更多。
计划外停机时间：计划外停机时间总是需要更长的时间才能恢复，例如，由于需要清洁腔室。
工具重新认证：这可能需要相当长的时间，并包括额外的计量成本。
晶圆成本：每个先进节点晶圆可能要花费数千美元。
Edwards团队描述了使用基于100多个传感器数据集的多个变量，包括静态和时间序列数据。为了标记阻碍性故障，可以使用基于规则或基于统计的算法，并通过主题专家的数据审查来增强这些算法。两种分析方法都使用了多个变量。
PSK工程师分享了他们对干式带钢机真空泄漏的实时检测技术。该设备使用远程等离子体源和O2/N2从晶圆中去除光刻胶实时检测泄漏的动机是提高生产率，因为检查泄漏的传统方法要求将带钢工具从生产模式中取出，直接影响OEE。这种方法还会改变工艺气体成分，这可能会产生不希望的处理结果。工程团队选择了以下与真空泄漏相关的参数 — 泵送/排气时间、自动压力控制 （APC） 阀的角度位置和腔室底部压力。通过系统地收集了 500 多次运行的数据，他们专门研究了 APC 角度与腔室温度的关系，并成功展示了从所选参数检测泄漏的实时能力。
“使用分析进行维护是使用这些技术进行产量、性能和计量的背后。在这个领域，还有很多探索正在进行，”Onto的McIntyre说。为了从探索到采用，他进一步强调，工厂团队需要看到“在同行评审的论坛上记录的内容和实际的成本节省。”
摆脱传统的定期维护和实施预防性维护需要管理层的承诺和工程投资。要完全启用，工程师需要访问传感器数据，灵活地使用用于集成目的的数据格式，以及各种第三方传感器与监控子晶圆厂和晶圆厂中此类设备数据的系统之间的通信新标准。
遗憾的是，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了灵活的选择。我们拥有以专有软件格式以及最简单的CSV格式提供的整个数据集，”CyberOptics的Vijay说。“我们还提供将传感器输出直接集成到工具GUI中的选项，以实现自动维护程序。”
GlobalFoundries 的Finlay指出了辅助工具和主要工艺工具之间的沟通差距。“这些差距可能会使晶圆厂维护/控制成熟度减缓大约五到八年，”他说。“通过解决这些问题，我们可以提高成熟产量和更长的净制造时间，因为它有助于衡量以可靠性为中心的维护策略的'必需'参数。”
为了增加预测性维护的采用，PDF Solutions的Holt强调了以下几个方面：
对劳动力进行能力再教育。
工业4.0基础设施的采用和部署（能够在工具或边缘训练和部署模型）。
不会使保修或支持合同无效的 OEM 支持。
广泛分享成功案例。
然后，将维护需求与执行维护的必要信息联系起来。
预测性维护提供了一种在潜在故障发生之前识别它的方法。它还提供有关在特定时间范围内发生潜在故障的概率的信息。这本身就是一个巨大的价值，但它只是过程的一部分，西门子数字工业软件服务生命周期管理总监Yishai Barak说。“一旦你意识到潜在的问题，你如何确保你的行动计划以最有效的方式完成？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。预测性维护可帮助您完成识别部分，而服务生命周期管理则可以帮助您解决问题。”
为了改善晶圆厂的维护实践，工程团队可以使用在工艺设备内部和外部采集的传感器数据。已经演示了将分析决策应用于定期维护。在向预测/实时维护技术的转变中，设备供应商正在积极研究此类方法，以帮助其客户充分利用晶圆厂设备。
然而，正如GlobalFoundries的Finlay所指出的那样，由于通信标准的差距，采用速度正在放缓，而通信标准是在大型工厂中实现集成预测方法所必需的。但是，凭借可证明的投资回报率，人们可以期望在设备或工艺步骤的基础上采用更多。
“预测性维护是一种解决方案，必须应用于正确的问题，以便产生足够的投资回报率来推动所需的行为改变，”Advantest创新主管Don Ong说。“它涉及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。”