智能應用效率最佳化_Exhaust sub-main自動連結設備FDC即時分析系統

1. 前言

目前各廠機台的運轉資訊，使用Si-view或Report整合系統進行查詢機況與相關資訊。本專案以Exhaust壓力變化為例，若有Exhaust相關的FDC alarm發生，廠務皆處於被動狀態被告知後，在進行後續的查找與詢問，耗費大量人力跟時間。隨著各廠產能逐漸上升，不能停貨的壓力越來越大，若能在Exhaust相關機況發生前後有預防動作，得知如何發生、為何發生?有助於降低因廠務相關的運轉風險。

2. 文獻回顧

隨著工廠與廠務端監視與查詢軟體逐漸整合，資料獲取已不再處於被動，且隨著透明化的資訊越來越多，從中獲取相關與需要的資料也相當重要。考慮將資料去蕪存菁，使用大數據與機械學習分析，得到有用的資訊是目前最佳的方式。

2.1 大數據取得與解析

「大數據」是指數量龐大而無法以傳統方式處理的資料，無論何種產業皆能透過分析大數據預測未來趨勢，使大數據成為各行業都在發展的數位技術。^[1]

「大數據」有4V特性，分別為 : ①Volume，資料量大；②Variety，資料多樣性；③Velocity，資料即時性；④Veracity，資料真實性。它在藉由分析步驟，最後可轉化成簡單易瞭的形式輸出，提供團隊進行決策或研發，使其成為準確預測未來的最佳工具，如 圖1。

2.2 機械學習

「機械學習」是設計讓電腦可以自動學習演算，從資料中自主分析獲得相關則，並利用規則對未知資料進行預測。因為學習演算法中涉及大量的統計學理論，機器學習與推斷統計學聯絡尤為密切，也被稱為統計學習理論。

2.3 結合「大數據」與「機械學習」利用於廠務系統

對於廠務系統而言，大數據分析在機械系統中多利用於預知保養，藉由定義重要參數做為故障發生的先期指標，在發生前即進行保養，降低設備故障機率。另透過數據取得與分析，也有可能發現造成故障發生的新變因，客觀檢視故障發生原因。

本文研究機械系統-Exhaust排氣壓力，收集Tool FDC做成「大數據」資料庫，並從中分析找出廠務端相關參數，經「機械學習」得到適合Submain Exhaust與Tool FDC壓力的最佳位置，使廠務或廠內設備端在進行T/S或PM時，不至於發生設備異常停線的狀況。

3. 研究方法

3.1 Exhaust壓力偏移處理手法精進

Exhaust壓力有警報時，目前廠務和廠內設備端數據無連結，無法即時掌握銜接機台狀況，一定要逐台進行查詢。若需調整壓力，則手動寄發mail通知下游設備端進行調整，才算完成結案(如 圖2)。所以我們構思一套一條龍系統，自動提供銜接機台FDC chart、機況，藉此快速找出影響源，再以auto-mail寄發調整通知給下游設備端，exhaust壓力資訊兩方皆透明化，也可縮短應變時間，如 圖3。

3.2 展開使用情境

當Submain exhaust壓力或相關於廠務的Tool FDC alarm時，為降低廠內運轉風險，當下即利用大數據進行相關性分析並自動判讀，然後呈現於GUI報表，找出下游機台是否進行T/S或PM，當然也可能是Exhaust壓力偏移導致。但Submain下游機台數眾多，若撇除Tool運轉特性，通常Tool只在T/S或PM才會導致Exhaust壓力偏移，我們需抓出導致偏移的Tool發出Auto-mail告知，且對其他運轉中的Tool FDC進行掃描，看其是否偏移，如 圖4。

3.3 設計開發

在開發使用情境時，分成Tool FDC alarm與Exhaust壓力alarm，都有價值可進行研究探討。Exhaust壓力偏移alarm計算目前移植ICCI統計方式，但較ICCI精準，故壓力在偏移頻率高或Peak時會發出Auto-mail告知，利用規則排除，方法如 圖5所示。

在Tool FDC alarm的部分，就Tool FDC又可分為U-chart與T-chart，優缺點如 表1。與FDCIM(廠務自動化整合課)討論後，使用U-chart來進行FDC alarm mail的發出，比較即時且可快速進行對廠內的應變。T-chart屆時會用來與Exhaust壓力比對，使用機械學習分析Tool FDC健康程度，在FDC已有偏移時會有mail告知廠務端，決定是否將調整Exhaust或Tool FDC壓力。

Tool FDC在廠內動則好幾萬點，利用以下四點手法，找出對廠務端Exhaust壓力有意義的FDC：

1. 撈取Alarm case時間前1hr+後30分鐘
2. 資料處理方式：
   • FDC_IND缺值使用上一個有數值的時間點資料補
   • 3分鐘為單位做Average smoothing
   • FDC_IND NA>85%移除
3. 新增FDC spec最小差距%作為排序/rule filter依據(相關性+最小差距)
4. Correlation只計算Keyword相關的FDC_IND，且其值需>0.7，Correlation相關性分析如式1，結果如 圖6所示 :
   

4. 結果與討論

4.1 Exhaust Alarm處理流程

過往的Exhaust壓力alarm處理的流程將其分為十個階段，可看出高度依賴人工查詢，經專案將其中六個階段自動化，如 表2，至少可提升83%的效率。而經由Auto-mail的功能，可在Tool FDC alarm時找出兇手，加速處理該Tool機況，縮短復機時間，如 圖7。

4.2 查詢FDC與告知

若廠務端需切換機保養或進行可能影響Submain exhaust壓力的動作時，之前都以mail告知下游設備且詢問Tool FDC是否偏移，設備可能無法即時回覆，可利用整合廠內Tool資訊與Exhaust壓力的系統，加速廠務端動作進行，系統使用界面如 圖8。

• Case：新擴充AEX開機

F18P1新擴充AEX後初次開機，雖經由風車運轉曲線與管路壓力計算得知起機頻率跟Damper開度的位置，但對於Tool端Exhaust壓力變化還是抱持著謹小慎微的態度，為求FDC分析系統與Tool端撈取的FDC一致，進行交叉比對。

使用FDC分析系統撈取與AEX相關的下游Tool流程如下，以Ox-CMP Wafer Reclaim(CW)製程為例：

1. 選取相關的AEX Exhaust，Ox-CMP為AH-L30-A104，如 圖9。
2. 由Exhaust選擇Tool，可直接選取或鍵入想找的Tool，如圖10。
3. 鍵入所需的FDC name與日期後按APPLY，如 圖11。
4. 搜尋後可得到Tool FDC與其上下限，交叉比對EE給的FDC Chart，可看出完全一樣，如 圖12。
5. 由開機經驗的振幅推估此FDC區間是否會觸發Alarm，若會則告知設備需調整，以Chart來看開機振幅不會觸到FDC Alarm。
6. 查看其他Chamber的FDC，重複③~⑤。

5. 未來展望

抓取Tool FDC對廠務來說，不只Tool運轉資訊透明化，且可檢視廠務本身運轉參數是否在一個穩定的值，降低Tool FDC alarm帶來運轉的壓力與困擾。目前在Exhaust壓力Tool FDC alarm已有Auto-mail告知，但是否偏移還需手動查詢，FDC pre-alert功能尚在進行討論與開發，此功能預計能提早發現FDC偏移，在與設備攜手合作調整，降低因FDC alarm帶來的停線事故，且可推廣於其他非機械系統之廠務端。