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

如何預防晶圓在運送過程中產生刮片?

監診實績|如何預防晶圓在運送過程中產生刮片?

#半導體領域

#機器學習

#PHM

#機械手臂

搬送晶圓的機械手臂 (Wafer Robot),運送過程若出現異常振動有可能將導致晶圓片刮片、撞片等,該如何提早預防避免晶圓片受損報廢?

專用於搬送晶圓的機械手臂

晶圓手臂多數應用在半導體製程的前段中,能夠替代人力進行晶圓片的傳輸,晶圓片的成本費用高昂,因此用戶也非常重視手臂在傳輸上的穩定度。晶圓手臂在結構上大都有多軸向關節,使其能夠更方便在狹小的空間裡準確而穩定的輸送晶圓。而在搬運過程中手臂若出現異常振動,將大幅影響著晶圓品質,可能導致刮片、撞片等。而晶圓手臂有各種多軸方向性,該如何進行監測呢?

搬送晶圓的機械手臂 (Wafer Robot)

解決與監測說明

VMS-ML 機器學習智能監控系統
藉由 VMS-ML 機器學習智能監控系統 學習晶圓手臂輸送過程的動態訊號,本系統無需與設備系統進行對接,只需安裝一顆sensor即可開始學習動態訊號,藉由量測即可得知各區段的變化。

量測狀況

Wafer Robot 搬送手臂動作可視化圖像比對監測

Wafer Robot 搬送手臂動作可視化圖像比對監測

機械學習監控量測畫面

監測狀態:正常 Pass

監測狀態:正常 Pass 手臂傳送動作正常,每次動作規範與監測動作可視化圖形緊密貼緊。相似度分數:94%

手臂傳送動作正常,每次動作規範與監測動作可視化圖形緊密貼緊。
相似度分數:94%

監測狀態:異常警報Fail

監測狀態:異常警報Fail 模擬異常狀況輕敲fork。動態訊號與頻域改變,造成相似度判分判分下降。

模擬異常狀況輕敲fork。動態訊號與頻域改變,造成相似度判分判分下降。
相似度分數:66%

測量結論

利用 VMS-ML 機器學習智能監控系統 學習正確動作行為作為規範,為各別動作進行監測與診斷,透過系統了解設備在哪一個動作出現異常或不穩定的狀態,提早進行預知保養,避免無預警異常的發生。

利用 VMS-ML 監測手臂健康狀態能夠帶來的效益:防止手臂異常造成晶圓受損報廢、監測手臂搬送晶圓流程,警報異常刮片、撞片。藉由收集健康歷程趨勢,作為數據化保養計畫參考依據。並可在維修保養前後進行穩定度測試,確認維修品質、保養效果。

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

掌握手臂輸送晶圓狀態