標的裝置的基底預測保養(yǎng)方法
【專利摘要】一種標的裝置(TD)的基底預測保養(yǎng)方法。首先，收集此標的裝置剛進行維修保養(yǎng)后所產(chǎn)生的數(shù)個新鮮樣本。接著，收集標的裝置生產(chǎn)新工件所產(chǎn)生的一新工件樣本。使用建模樣本并根據(jù)一推估演算法來建立一TD基底模型，其中建模樣本包含有上述的數(shù)個新鮮樣本和剛收集的新工件樣本。然后，由TD基底模型來計算出新工件的TD健康基底值并計算出裝置健康指數(shù)(DHI)、基底誤差指數(shù)(BEI)、及基底個體相似度指標(ISIB)，藉以達到錯誤偵測及診斷(FDC)和預測保養(yǎng)(PdM)的目標。
【專利說明】標的裝置的基底預測保養(yǎng)方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明是有關(guān)于一種預測保養(yǎng)(Predictive Maintenance ；PdM)方法，且特別是有關(guān)于一種以虛擬量測技術(shù)為基礎(chǔ)的標的裝置(Target Device ；TD)的基底預測保養(yǎng)(Baseline Predictive Maintenance ；BPM)方法。
【背景技術(shù)】
[0002]生產(chǎn)機臺是任何制造廠不可缺少的部分。生產(chǎn)機臺中的組件、模塊或裝置(例如:加熱器、壓力模塊和節(jié)流閥(Throttle Valve)等)的失效會引起生產(chǎn)異常,導致不良的產(chǎn)品品質(zhì)和/或降低產(chǎn)能，因而造成重大損失。
[0003]—般,解決上述問題最常用的方法是定期的預防保養(yǎng)(Preventive Maintenance ；PM)。即，在預設時間間隔下執(zhí)行保養(yǎng)相關(guān)作業(yè)。此預設時間間隔基本上是根據(jù)標的裝置(TD)的平均故障時間間隔(Mean Time between Failure ；MTBF)來決定。因此，如何安排適當?shù)腜M計畫通常是工廠的關(guān)鍵議題。一個不當?shù)亩ㄆ赑M計畫會增加維修成本或降低產(chǎn)倉泛。
[0004]為改善機臺保養(yǎng)計畫以增加晶圓廠的績效，國際半導體技術(shù)制造協(xié)會(International Sematech Manufacturing Initiative ;ISMI)提出一種預測性和預防性保養(yǎng)(Predictive and Preventive Maintenance ；PPM)的指標。如 ISMI 所定義，PPM包含預防保養(yǎng)(PM)、基于條件的保養(yǎng)(Condition-based Maintenance ;CbM)、預測保養(yǎng)(Predictive Maintenance ；PdM)和故障后維修(Breakdown Maintenance ;BDM)。其中，ISMI主張CbM和PdM的技術(shù)應被發(fā)展，并以單一模塊或多個模塊的型式被使用，使得終端使用者能有效率地使用這些技術(shù)。CbM的定義為:「在指出機臺將要失效或機臺的性能正在惡化的一或多個指標出現(xiàn)后進行保養(yǎng)」。錯誤偵測及分類(Fault Detection andClassification ；FDC)是一種與CbM相關(guān)的方法,其定義為:「監(jiān)控機臺與工廠數(shù)據(jù)以評估機臺的健康，并在偵測到錯誤時發(fā)出警報和/或關(guān)閉機臺」。另一方面，PdM是一種應用預測模型的技術(shù)，找出設備狀態(tài)資訊與保養(yǎng)資訊間的關(guān)聯(lián)，來預測機臺或標的裝置(TD)的剩余壽命(Remaining Useful Life ;RUL),以達到減少非計畫性停機的保養(yǎng)事件的目標。
[0005]大部分的已知FDC方法先尋找需被監(jiān)控的標的裝置(TDs)及與標的裝置相關(guān)的關(guān)鍵參數(shù)，然后應用統(tǒng)計工藝管制(Statistical Process Control ;SPC)方法來偵測錯誤。請參照圖1，其繪示等離子體輔助化學氣相沉積(Plasma Enhanced Chemical VaporDeposition ；PECVD)機臺的節(jié)流閥(Throttle Valve)角度的SPC管制圖，其中所監(jiān)控的標的裝置(TD)為節(jié)流閥的角度。然而，在實際狀況中，異常的來源不單是由標的裝置(即節(jié)流閥)本身所引起，其亦可能是受其他與標的裝置(即節(jié)流閥)相關(guān)工藝參數(shù)的影響所造成。如圖1所示，節(jié)流閥的角度中心點為27度；如維修工程師所定義，其管制上限(UpperControl Limit ；UCL)和管制下限(Lower Control Limit ；LCL)分別為 32 度和 22 度；總共有450樣本被監(jiān)控。此已知SPC方法推斷出:范圍1、2、4中的樣本為離群值(Outlier)，而范圍3中的樣本位于管制界限內(nèi)。經(jīng)仔細檢視后，范圍2、4中的樣本的確是異常，且由節(jié)流閥故障所引起的。至于范圍I中的樣本，其異常并不是由節(jié)流閥所引起，而是由相關(guān)工藝參數(shù)「氨(Ammonia ;NH3)」所造成的。范圍3中的樣本的偏離因相關(guān)工藝參數(shù)「壓力」的緣故。因此，已知SPC方法無法偵測和診斷出在范圍1、3中的樣本的錯誤。
[0006] 因此，需要一種標的裝置的基底預測保養(yǎng)方法，以克服上述已知技術(shù)的缺點。

【發(fā)明內(nèi)容】

[0007]因此，本發(fā)明的目的即在提供一種以虛擬量測技術(shù)為基礎(chǔ)的標的裝置的基底預測保養(yǎng)方法，藉以推論出標的裝置的健康狀態(tài)，并預測標的裝置(TD)的剩余有用壽命(RUL)，而克服已知技術(shù)的缺點。
[0008]根據(jù)本發(fā)明的一方面，提供一種標的裝置的基底預測保養(yǎng)方法。在此標的裝置的基底預測保養(yǎng)方法，首先，收集標的裝置剛進行一維修保養(yǎng)后生產(chǎn)數(shù)個工件時所產(chǎn)生的數(shù)個新鮮樣本。接著，收集標的裝置生產(chǎn)一新工件時所產(chǎn)生的一新工件樣本，其中每一個新鮮樣本和新工件樣本包含由一組TD相關(guān)工藝參數(shù)數(shù)據(jù)(X)和標的裝置所產(chǎn)生的一實際代表值(yT)所組成的成對數(shù)據(jù)，此組TD相關(guān)工藝參數(shù)數(shù)據(jù)(X)包含數(shù)個參數(shù)。接著，使用建模樣本并根據(jù)一推估演算法來建立一 TD基底模型，其中此些建模樣本包含數(shù)個新鮮樣本和新工件樣本。然后，由TD基底模型來計算出生產(chǎn)新工件的標的裝置的一健康基底值作B)，其中健康基底值為標的裝置(TD)處于健康狀態(tài)時應有的健康的實際代表值(yT)的推估值。接者，計算出裝置健康指數(shù)(Device Health Index ;DHI)、基底誤差指數(shù)(Baseline ErrorIndex ；BEI)、及基底個體相似度指標(ISIb)。最后，通過判斷邏輯及yT與>b的比較，來達到錯誤偵測及診斷(FDC)和預測保養(yǎng)(PdM)的目標。
[0009]在一實施例中，前述的推估演算法為類神經(jīng)網(wǎng)絡(Neural Network ;NN)演算法、復回歸(Mult1-Regression ；MR)演算法、支持向量機(Support Vector Machines ；SVM)演算法或一部份最小平方(Partial Least Squares ；PLS)演算法。
[0010]在一實施例中，前述的標的裝置的基底預測保養(yǎng)方法更包含:以轉(zhuǎn)換公式將標的裝置(TD)的實際代表值(yT)轉(zhuǎn)換成裝置健康指數(shù)(Device Health Index ;DHI),轉(zhuǎn)換公式為:
【權(quán)利要求】
1.一種標的裝置的基底預測保養(yǎng)方法，包含: 收集一標的裝置(TD)剛進行一維修保養(yǎng)后生產(chǎn)數(shù)個工件時所產(chǎn)生的數(shù)個新鮮樣本；收集該標的裝置生產(chǎn)一新工件時所產(chǎn)生的一新工件樣本，其中該些新鮮樣本和該新工件樣本其中每一者包含由一組TD相關(guān)工藝參數(shù)數(shù)據(jù)(X)和該標的裝置所產(chǎn)生的一實際代表值所組成的成對數(shù)據(jù)，該組TD相關(guān)工藝參數(shù)數(shù)據(jù)(X)包含數(shù)個參數(shù)； 使用數(shù)個建模樣本并根據(jù)一推估演算法來建立一 TD基底模型，其中該些建模樣本包含該些新鮮樣本和該新工件樣本； 由該TD基底模型來計算出生產(chǎn)該新工件的該標的裝置的一健康基底值(夕B)，其中該健康基底值為該標的裝置(TD)處于健康狀態(tài)時應有的健康的實際代表值的推估值。
2.如權(quán)利要求1所述的標的裝置的基底預測保養(yǎng)方法，其中該推估演算法為一類神經(jīng)網(wǎng)絡演算法、一復回歸演算法、一支持向量機演算法或一部份最小平方演算法。
3.如權(quán)利要求1所述的標的裝置的基底預測保養(yǎng)方法，更包含: 以一組第一轉(zhuǎn)換公式將該新工件樣本的實際代表值(yT)轉(zhuǎn)換成一裝置健康指數(shù)(DHI)該組第一轉(zhuǎn)換公式為:
4.如權(quán)利要求3所述的標的裝置的基底預測保養(yǎng)方法，其中 當
5.如權(quán)利要求3所述的標的裝置的基底預測保養(yǎng)方法，更包含: 以一組第二轉(zhuǎn)換公式將該新工件樣本的實際代表值(yT)與生產(chǎn)該新工件的該標的裝置的健康基底值(知)轉(zhuǎn)換成基底誤差指數(shù)(BEI)，該組第二轉(zhuǎn)換公式為:

6.如權(quán)利要求5所述的標的裝置的基底預測保養(yǎng)方法，其中 當Zero_mapping > BEI > Spec _mapping時,該標的裝置健康且正常運作的； 當Spec __mapping >bei> (HardSpec - yτ、)_mapping 時,該標的裝置已生病,在該標的裝置的剩余壽命用盡后，該標的裝置將無法運作； 當(HardSpec -yT)_mapping >BEI> Max Ye—mapping時，該標的裝置已死亡，需要立即維修。
7.如權(quán)利要求5所述的標的裝置的基底預測保養(yǎng)方法，更包含: 針對該些新鮮樣本的TD相關(guān)工藝參數(shù)數(shù)據(jù)(X)的每一該些參數(shù)計算其平均數(shù)與標準差并進行標準化的動作，而獲得該新工件樣本的TD相關(guān)工藝參數(shù)的每一該些參數(shù)的一基底個體相似度指標(ISIb)，其中若DHI ≥ DHIt且該新工件樣本的TD相關(guān)工藝參數(shù)數(shù)據(jù)(X)中的每一該些參數(shù)的該ISIb均小于其ISIb t，則代表該標的裝置健康且TD相關(guān)工藝參數(shù)所對應到的元件均正常運作；若DHI ≥ DHIt且該新工件樣本的TD相關(guān)工藝參數(shù)數(shù)據(jù)(X)的該些參數(shù)的ISIb其中至少一者大于或等于其ISIb t，則該標的裝置(TD)正常，但標的裝置(TD)相關(guān)工藝參數(shù)所對應的元件至少有一者異常，應加以檢查； 若DHI < DHIt且BEI ^ BEIt ;或DHI < DHIt且該新工件樣本的TD相關(guān)工藝參數(shù)數(shù)據(jù)(X)的該些參數(shù)的ISIb其中至少一者大于或等于其ISIb t，則代表該標的裝置(TD)正常，而其超過管制是因標的裝置(TD)相關(guān)工藝參數(shù)所對應的元件至少有一者異常的緣故，應加以檢查； 以及若DHI < DHIt且BEI < BEIt且該新工件樣本的TD相關(guān)工藝參數(shù)數(shù)據(jù)(X)的每一該些參數(shù)的該ISIb均小于其ISIb τ，則代表該標的裝置(TD)異常，且是其本身所造成，應立刻進行維修的動作；其中DHIt為DHI門檻值，BEI為DHI門檻值，ISIb t為ISIb門檻值。
8.如權(quán)利要求1所述的標的裝置的基底預測保養(yǎng)方法，更包含: 收集該標的裝置生產(chǎn)一下一新工件時所產(chǎn)生的一下一新工件樣本，其中該下一新工件樣本的組成元素與該新工件樣本相同； 將該下一新工件樣本加入至該些建模樣本中，再使用該些建模樣本并根據(jù)該推估演算法來重新建立該TD基底模型； 由該TD基底模型來計算出生產(chǎn)該下一新工件的該標的裝置(TD)的健康基底值(夕B); 計算該下一新工件樣本的

9.如權(quán)利要求8所述的標的裝置的基底預測保養(yǎng)方法，其中該預測演算法為一曲線擬合法或一時間序列預測法。
10.如權(quán)利要求1所述的標的裝置的基底預測保養(yǎng)方法，更包含: 收集該標的裝置所產(chǎn)生的健康的數(shù)個歷史樣本，其中該些歷史樣本在該標的裝置于健康狀態(tài)時分別生產(chǎn)數(shù)個歷史工件后所產(chǎn)生的，其中該些歷史樣本的組成元素與該些新鮮樣本相同； 使用一動態(tài)移動視窗方法來自該些歷史樣本中篩選出精簡且健康的歷史樣本；以及 將該些精簡且健康的歷史樣本加入至該些建模樣本。
【文檔編號】G06Q10/04GK103577887SQ201310181746
【公開日】2014年2月12日 申請日期:2013年5月16日 優(yōu)先權(quán)日:2012年7月20日
【發(fā)明者】鄭芳田, 謝曜聲, 王崇任, 王圣齊 申請人:鄭芳田