監診實績

監診實績

應用領域

應用領域

常見問題

常見問題

Support

如何確保Scrubber清洗製程動作位置?

監診實績|如何確保Scrubber清洗製程動作位置?

#半導體領域

#機器學習

#PHM

#加工製造

#預知保養

晶圓清洗中,常藉由Scrubber機以溶液清洗晶圓表面來去除微粒(particle),清洗晶圓程序雖然簡單,但Scrubber的清洗過程更直接影響到晶圓品質,該如何確保動作穩定?

晶圓清洗

晶圓清洗中,常藉由 Scrubber 機以溶液清洗晶圓表面來去除微粒(Particle),能有效去除表面各式污染源,並且還要能夠避免對晶圓造成表面的缺陷或刮傷,此時清洗的 Spray Nozzla 噴射角度與流量都會影響到衝擊力道、壓力位置等,更是直接影響到晶圓的品質。

Spray nozzle原理
Spray nozzle是一種霧化噴嘴,以氮氣內部壓力推動液體,高速流動衝擊形成霧化水滴。並利用霧化水滴噴灑於晶圓上,能夠有效移除晶圓上的小微粒。我們藉由確保Spray nozzle是否有移動到指定位置外,也可發現此動作與相關物件的運行狀況做趨勢化管理。

Spray nozzle

監測說明

VMS-ML 機器學習智能監控系統
透過傳感器將動態訊號轉換成可視化圖像表示方式,進而發現製程隱含的訊息做為日後線上監控的依據。此外,伺服馬達帶動其他物件運行,利用機器學習智能監控系統管理,確保伺服馬達每次作動的一致及 Spray Nozzla 是否有移動到指定位置。

量測狀況

Scruber作動清洗流程:
1. Z軸上升
2. X軸橫移
3. X軸橫移+第一次清洗
4. X軸橫移+第二次清洗

單片晶圓清洗流程

單片晶圓清洗流程

模擬VMS-ML機械學習監控系統量測

四片晶圓清洗狀況比較

四片晶圓清洗狀況比較

Dynamic Similarity

Dynamic Similarity

快速學習並對於標定製程上重複行為或部分重複行為,由VMS-ML進行動作相似度判別給分,做趨勢分析管理

測量結論

VMS-ML機械學習效益說明

設備對接:不用與設備系統對接,安裝sensor學習後即可開始管理
時域 / 頻域:VMS-ML同時時域與頻域管理相對應關係
邊緣運算:管理設備不用大量RAW DATA儲存空間
可視化管理:設備運行狀況圖像管理
聚焦管理:設備運行可視化針對異常部位軸向維修管理
維修前後:確認設備是否需維修、機台覆歸品質確認
AI趨勢分析:精修門檻,預知保養規格

VMS-ML 機器學習智能監控系統
VMS-ML 機器學習智能監控系統
VMS-ML 機器學習智能監控系統

及時攔截不良品