Page 35 - Vol.47
P. 35

EAOC Review改善案例如下,Module計畫在CWR Side            3.2  精准監控搭建OMDS(Offline Mapping DataBase System)
                Room新增軌道機器人,經廠務現場勘察,並依據規劃change
                                                                       無塵室中機台分佈等外部環境,會隨著現場實際裝移機等
                圖紙(圖7)進行CFD模擬。圖8所示為軌道機器人氣體流場模擬
                                                                   需求不斷變化。大部分因change而產生的不良反應,會在前期評
                圖。因軌道機器人直接固定在高架地板上,導致原downflow氣
                                                                   估改造時可以進行預見性避免或克服。但一些類似於OPI電腦移
                流受阻使得流線平行度大幅下降。特別是靠近軌道機器人附近
                                                                   位導致回風變化,機台制程改變導致熱濕負荷變化等等不受管控
                氣流平行度變化明顯,存在渦流現象,有間接導致環境品質下
                                                                   的change,會在不經意間因量變引發質變,使得現場氣流組織發
                降,PD管控難度上升的問題。經廠務研判建議將部分區域地板
                                                                   生細微改變,進而導致環境管控參數異常,具體表像為Particle數
                品類(蜂板→格柵板)進行更換(孔隙率:17%→50%),計畫通過減
                                                                   值上升,溫濕度不均勻,橫向風增大等等。然而,在廠區建廠初
                小產生的局部阻力來緩解安裝機器人新增而帶來的阻力,達到
                                                                   期均會考慮到成本因素,遠端溫濕度監視及調控都是區域性的,
                平衡阻力的目的。由此可見,通過前期數值模擬我們可以預測
                                                                   這就會存在各區域內部的溫濕度等參數是否一致的問題。要想
                change給我們帶來的影響,從而change評估提供正確的方向。
                                                                   弄清這一問題,就必須要進行線下量測,並定期收取Data以確定
                                                                   溫濕度是否偏離Baseline。正因如此,我們建立了Offline Mapping
                                                                   DataBase System來確保現場變化能及時被知曉。
                                                                       如 圖9為CR Mapping DataBase軟體圖,我們將整個FAB劃
                                                                   分成299個小區域,將各區域獨立編號,由人工季度性量測。
                                                                   在Offline量測環境參數上,我們目前管控溫濕度H&T、氣態
                                                                   分子污染物AMC(NH 3  & TS & HCL & HF)、水準及橫向風速、
                                                                   氣流平行度(飄帶法)、潔淨度(Air Particle)。在管控目標上,短
                                                                   期以OOC為管控標準,長期收取適量DataBase後計算SPC及
                                                                   Baseline進行管控。Offline Mapping相較於Online自動監控的優

                          圖7、CWR Room新增軌道機器人示意圖                    勢體現在精細化低成本管控,特別在管控精細度上,溫度監控
                                                                   管控力提升185%,濕度監控管控力提升315%。(表2)



                                                                          表2、CR T&H Control strategy Summary
                                                                    管控方法    區域          控制點位數量            管控目標
                                                                                   Temperature  Humidity
                                                                     Online  P1       36         18     SPC & 3-Sigma
                                                                             P2       36         18
                                                                             CS       33         12
                                                                            Total    105         48
                                 圖8、變更模擬預測                           Offline  P1     102        102       22±0.5°C
                                                                             P2       99         99       45±2%
                                                                             CS       98         98
                                                                            Total    299        299
























                                                     圖9、CR Mapping DataBase軟體圖


                                                                                             FACILITY JOURNAL        09  2022  33
   30   31   32   33   34   35   36   37   38   39   40