新聞資訊

淺談設備預測性保養(一)

2022-04-06180人查看

設備預測性保養是近十年來很熱門的話題,特別是大數據/深度學習/人工智能等技術崛起之后,市面上出現了大量的相關公司,提供相關的產品和服務。

 

這篇文章,讓我們從一個不一樣的角度來探討這個問題。

 
為什么設備需要保養?

 

我們認為最主要的原因是要保證設備的可靠性,定期地更換零部件和進行調試(Calibration)。在 199x 年剛進入半導體行業時,其中當時生產安全氣囊芯片的 M 公司,發現在貼片機 (Die Bonder) 的生產過程中,會造成最后的成品出現芯片破裂的情況,當時 M 公司向 Die Bonder 的設備制造商 (簡稱為 E 公司)進行了數以億計的索賠(因為需要回收大量的芯片),E 公司派了大量的工藝和研發人員到 M 公司去找出原因,最后發現是M公司沒有按照規定,少做了一個必須要進行的“定時”保養的項目,最后 E 公司逃過需要巨額賠償的命運。這件事我們印象十分的深刻,第一次發現到了保養的重要性。

 
什么是預測性保養?
 

預測性保養,是在常規的“定時”和“定量”的保養以外,去預測設備是否需要進行保養了。簡單來說,就是“用科技”的方法來算命。和統計過程控制 (SPC) 理論方法一樣,預測未來過程的好壞。很多工程師都有一個誤差,SPC 比的就是 “規格上下限”(spec limit),其實不然,SPC 最重要的是西方電氣規則 (Western Electric Rule,WER),用趨勢去預測生產過程的穩定性。

 
如何幫助客戶做到“預測性保養”?
 

市面上的大數據公司的做法都是告訴客戶,他們可以透過平臺/方法,從數據中找到“因子”,進而幫助客戶做到 “預測性保養”。方法從最早期的回歸分析,一直到最近流行的深度學習都是主要的賣點,由名校畢業的博士和專家團隊負責操刀。但現實上,并沒有一個讓“普通人”可以使用的系統,快速“建構”一個可以馬上使用的模型。大部分的時候,專家的結論都是 “數據不夠,而且不可靠,所以我們做不出來”?,F實中,如果可以采到可用的可靠數據,客戶大約就能自行研制出設備預測性保養了,不需要復雜的算法和專家。 

 

其實要做到預測性保養是需要具備很多條件的,如果不具備以下的條件,成功的可能性是很低的:

 

1)要能取得設備的報警資料 

報警和保養有關系嗎 ? 其實報警是預測性保養的重要輸入之一,報警發生的趨勢在很多設備上其實是保養的很重要的一個因素。以英飛凌做例子,APC 中 FDC 的其中一個輸入就是報警;這里的報警不是知道狀態而已(紅綠燈中的紅燈),而是報警的內容。在半導體封測中,沒有 SECS/GEM 的設備,大約就可以直接略過了。 

 

2)要能夠從設備中取出和工藝相關的數據 

其實大部分的設備都不具備這一個功能,包括了很多半導體封測的設備,有SECS/GEM 不代表所有的數據都能取出。很多時候,工藝相關的數據是配方相關的,而配方很多時候是 “黑箱”。 

 

3)客戶有透過 MES 記錄對應的工藝相關數據 

這里有幾個條件,首先要有 MES,其次 MES 能記錄工藝相關的數據(包括了使用的消耗品,檢測站點的量測數據等),最后客戶還要愿意去花人力去收集數據。 這往往是最困難的部分,因為人力為主的數據收集是有代價的,而人力是半導體封測廠要節省的部分。如果一個公司連基礎的MES/EAP都無法很好地實現,連RMS 等系統都還在規劃中,那要實現設備預測性保養是很難的。

 

下一次,我們會探討半導體封測中有可能實現的設備預測性保養是哪一些,敬請期待。

上海工商Copyright ? 2022 上海軒田工業設備有限公司 版權所有滬ICP備17028023號-1 滬ICP備17028023號-2 滬公網安備 31011202005670號

中国大陆国产高清a毛片