skip to main content

工业 4.0 解决方案 进入厂务层

By Andreas Neuber, Maxime Cayer, John Koenig and Shaun Crawford

为了充分发挥制造系统和人员的潜 力,许多行业的公司正迅速转向采用 高度自动化的系统和以数字数据驱 动的方法和工具。[1] 这就是广为人知 的“ 智 能 制 造 ”,或 者 说 工 业 4.0,由 此 带来的生产率提升可谓天翻地覆,很多 人称这种转变是一场新的工业革命。[2]

数字化水平本来就高于其他许多行业的半导 体行业已率先采用工业 4.0 技术。几年前,高度 自动化晶圆厂引入的 SECS/GEM 设备接口协议 (用于设备到主机的数据通信)就是其中一个例 子。

。 不过,半导体制造业的工业 4.0 实施仍有很大 缺口。在此类实施工作中,厂务层通常都没有被 涵盖在内。不过,随着晶圆厂为满足强劲的芯片 需求而大幅提高产量,这种情况开始发生变化。

厂务层消耗的能源和资源比生产设施的任何 其他部分都多,[3] 因此,随着产量的增加,各制 造厂家都在争相努力寻找更好的方法来管理能 源、水和化学品的用量,同时保持高

现状报告:厂务层的工业 4.0

表 1 总结了晶圆厂和相关厂务层组件迥然不 同的工业 4.0 实施水平。

表 1. 工业 4.0 在半导体行业的实施现状。如图所示,相比厂务层,生产车间已完成(绿色)或正在开展(黄色) 的实施工作要多得多。红色表示未来重点领域及处于早期阶段的探索领域。

虽然厂务层的工业 4.0 实施仍处于起步 阶段,但已有一些初步工作在开展。这包括:

  • 排放报告(通过监测气体流量并对 照减排情况生成报告)
  • 厂务层组件的警报管
  • 维护计划的管理

表 2 显示了采用应用材料公司 iSystem™ 控制系统执行的分析示例。

表 2. 采用应用材料公司 iSystem 控制系统在厂务层初步实施工业 4.0 的示例。(注:由于 PCW 过滤器堵塞, 某些配置会频繁发出温度警报。)

备的数据集成和运行同步将带来其他应用,可 进一步提高晶圆厂的整体生产率和产量。这 包括:

  • 更高水平的警报管理,用风险分析来 弥补单一故障。管理机柜的排气流就 是其中一个例子(若非如此,该系统 有自动防故障装置)。
  • 设备和厂务层信息的大数据评估。这 种方法颇具价值,例如能支持干泵的 预测性维护和预防性维护。尽管泵供 应商已明确指示泵可能出现故障的一 些指标变化(例如振动、温度等),但 是并不总是清楚这些变化是源自半导 体制造工艺的改变,还是源自泵本身。 在大数据框架中采用应用材料公司的 iSystem 控制系统,可使工艺变更与 泵信息重叠对照,从而可降低成本和 偏差,提高质量和效率。
  • 生成和修改设备在不同工艺条件下的 能量平衡。这可以通过外部传感器实 施。

用的重要工具。目前,该控制系统在全球晶 圆厂已安装 1000 多例。iSystem 控制系统在 监控设备运行的同时收集有价值的数据。这些 数据不仅可用于生成资源消耗、温室气体排 放和其它报告,还可用于实现更先进的智能制 造应用。每台控制系统最多可支持四套设备, 可轻松安装在应用材料公司和其他供应商的 200mm 和 300mm 工艺设备上。

工业 4.0 规划考虑因素

业 4.0 规划考虑因素 工业 4.0 规划涉及诸多战略和战术上的因 素,这些因素互为补充,必须一并加以考虑。

在战略层面,晶圆厂管理层关注的是整体问题,例如晶圆厂数据的重要性日益增加 ;需要对工艺有完全的控制 ;更好地控制参数。将厂务层组件与生产设备及监督监控系统紧密同步,可在所有这些工作中发挥重要作用。

在战术层面,目标是利用智能制造技术有针对性地实施具体改进,例如提高整体设备效率 (OEE)、改善腔室匹配、降低总体拥有成本 (COO) 等。这可以通过多种方式来实现,而纳入厂务层数据对此会有所助益。例如 :

  • 监控趋势和成本,确定一套最佳设备,扩展已知最佳方法 (BKM) 的收集
  • 查找通常表明将发生故障的趋势 / 变化 /偏移
  • 集成传感器以改善性能数据

在我们考察半导体行业中所有的工业 4.0 实施工作时,似乎很清楚的一点是,要实现各项战略和战术目标,必须将三个方面结合在一起,使之相互补充。这三个方面是 :(1) 有效的数据收集 ;(2) 全面的数据评估 ;(3) 根据数据分析结果采取适当行动(图 1)。

图 1. 在半导体行业成功实施工业 4.0 的三个基本要素。

未来几年,预计这三个领域都将取得显著进展。这将有助于提高生产设备与厂务层的集成水平,从而提高晶圆厂的整体生产率。

例如,通过数据收集,越来越多的传感器将集成到设备和网络中。这其中包括用于简化安装和降低成本的新型传感器,例如基于物联网的能量收集设备。

通过数据评估,将可以实现实时能量平衡。数据挖掘引擎将用于识别生产风险,例如没有预测到的组件故障。深度学习算法将用于预测性 / 预防性维护工作。

最终,通过这一数据收集过程,根据评估结果,采取具体应对措施。其中的一个例子是将厂务层管理和维护系统与调度系统及晶圆厂的其他主机系统集成。此外,在工业 4.0 框架下,数据管理能力的提高也将支持厂务层管理,从而简化维护工作,在设备整修后更快设置组件等。

展望未来

半导体制造厂家在探索所有可能的途径来满足巨大的芯片市场需求。随着对更高产量和生产率的需求增加,厂务层组件和生产设备与监督监控系统的更紧密集成,将使晶圆厂降低运营成本并满足环境法规要求。

欲知详情,请联系 andreas_neuber@amat.com.

[1] http://www.avidsolutionsinc.com/blog/smart-manufacturing-success-stories

[2] https://en.wikipedia.org/wiki/Industry_4.0#References

[3] http://www.appliedmaterials.com/nanochip/nanochip-fab-solutions/july-2015/trends-in-subfab-energy-consumption-and-emissions-control

[4] https://www.semiconductors.org/issues/environment/environment_safety_health/