這篇部落格文章最初發表於 cimetrix.com
在「EDA 應用與優勢」系列的這篇最終文章中，我們將探討一項既最為基礎且直觀，同時也為機器學習與人工智慧（AI）領域眾多新興功能奠定基礎的應用——軌跡資料分析。 此外，在過去 6 個月中我們所介紹的所有應用中，追蹤資料分析是最能直接發揮 SEMI 設備資料擷取（EDA）標準能力的應用。
問題陳述
當我們詢問晶圓廠製程工程師及其支援的自動化團隊，為何現在要求新設備必須符合最新的 SEMI EDA/Interface A 標準時，最常聽到的答案是：「為了更深入了解設備與製程的行為。」 而當被問及為何無法透過 SECS/GEM 介面達成此目標時，答案同樣一致：「我們所需的詳細資訊，要麼無法取得，要麼無法以我們所需的頻率進行蒐集，以致無法精準觀察並闡明我們所關注的行為特徵。即使這在理論上可行，我們也缺乏足夠的運作彈性，無法隨著需求變化迅速調整資料蒐集系統，因此必須採取更靈活的方法。」
這些工程師所尋求的起點，是一種能夠輕鬆指定一組潛在相關設備參數清單，並以足夠快的速率收集其數值的方法，藉此觀察這些參數之間如何相互變化。人類在模式辨識方面非常出色，僅僅是將一組訊號並列顯示在「條形圖」上（參見下圖第一張），便能對底層的運作過程獲得重要的洞見。 當然，當工程師能夠精確指定這項視覺分析的關注時間範圍時，此功能便能發揮最大效益。這有時被稱為資料「區間設定」，可透過利用設備事件來界定關注的時段來實現（參見下文第二幅圖）。
\
雖然人類或許擅長模式辨識，但當需要檢視的參數數量增加和／或需考量的時間範圍擴大時，他們很快就會感到應接不暇……這正是追蹤資料分析軟體派上用場之處。
解決方案的組成部分
除了具備極具彈性的時間序列資料視覺化工具外，追蹤資料分析軟體套件還必須能夠對大型資料集的子集進行「多維度切片與分析」，以比較所有可想像的組合——包括設備實例、製程腔室、產品、層次、製程配方、夾具、耗材批次、班次、操作員……（您應該明白我的意思）——藉此找出重要工廠指標與相關設備行為之間的關聯性。 此外，這些軟體套件必須能夠識別並標記「異常」（其定義須具彈性）情況以供進一步分析，因為這些情況可能蘊含關於潛在故障的線索，而傳統的多變量 FDC（故障檢測與分類）應用程式可能無法察覺。
事實上，在缺陷檢測領域正逐漸形成一種新思維，其主張：「大多數時候，設備所生產的晶圓品質良好；因此，除非（透過追蹤資料分析）發現最新批次與當前批次之間的設備行為存在顯著差異，否則當前批次極有可能同樣符合品質標準。」 這種簡化的方法也被稱為「無模型故障檢測（FDC）」，因為它主要比較追蹤資料訊號，而非將設備參數輸入到高度依賴特定情境的多變量統計模型中。
當然，任何痕量數據分析應用程式的效能，取決於其所依據的數據品質……這正是 EDA 標準及相關設備採購規格發揮作用之處。
EDA（設備資料擷取）標準的應用
在先前的文章——《第 4 集：故障檢測與分類》中，我們已闡述了Freeze II EDA 標準在「資料蒐集計畫（DCP）」以及構成其內容的「追蹤請求」、「事件請求」和「例外請求」方面的功能。我們也強調了在制定設備採購規範中的 EDA 章節時，需要廣泛徵詢利害關係人的意見，並說明了為此所設計的流程。
然而，為了能全面支援世界級的軌跡數據分析應用程式，了解應向設備供應商提出哪些要求至關重要。為此，我們以下節錄了一份典型採購規格書中的部分關鍵範例要求。
- 設備型號內容 (SEMI E120、E125、E164)
- 元資料模型的層級深度應至少涵蓋「現場可更換單元」（FRU）層級，若涉及複雜的子系統，則應再包含其下方的兩個層級之一。
- 元數據模型必須包含所有會影響物料移動之設備組件的指令與狀態資訊。這不僅包括機器人手臂等物料轉運元件，還包括可能阻礙或允許物料移動的裝置，例如閘閥、互鎖裝置等。
- 元數據模型必須包含設備中所有重要操作機構及子系統的控制參數。這些控制參數可能包括但不限於：過程變量設定點與狀態值；控制變量狀態值；PID 調諧參數、控制限值及校準常數。
- 元資料模型必須包含任何可能對基於時間、使用量及狀態的維護排程演算法有所助益的額外使用計數器、計時器及其他參數。
- 元資料模型必須包含描述關鍵製程資源（例如電力、製程氣體及其他消耗品）消耗率與消耗量的參數。這些參數會應用於部分 FDC 模型中，以偵測潛在的異常製程狀況。
- 供應商必須針對所有關鍵製程參數，提供書面說明，內容應包含更新頻率、建議的採樣間隔、正常運作範圍與行為，以及高限、低限與變化率限值。
- 等等。
- 資料蒐集能力（SEMI E134）
- 設備必須內建 DCP，以支援供應商所熟知的常見設備效能監控、診斷及維護流程。這些 DCP 的文件必須明確定義其目的、啟動條件、所佔用的介面頻寬，以及所收集資料所能進行的分析類型。
- 透過 EDA 介面提供的設備參數必須具備多項資料品質特徵，包括但不限於：內部採樣／更新率須足以準確反映底層訊號；曲線圖報告的時序須與採樣間隔保持一致，誤差範圍為 +/- 1.0%；相鄰曲線圖報告中的數值必須包含指定採樣間隔下的當下數值；以及須剔除明顯的異常值。
- 性能要求
- 效能要求將以以下各項的組合來表述：採樣間隔、每個 DCP 的參數數量、同時處於活躍狀態的 DCP 數量、群組規模、緩衝間隔、針對臨時「一次性」DCP 的響應時間、相關設備狀態發生後事件產生之最大延遲、追蹤報告中時間戳記與指定採樣間隔的一致性，以及其他可能的項目。
- 範例：EDA 介面必須能夠以 0.1 秒（10Hz）的採樣間隔，且「群組大小」設為 1 的情況下，報告至少 5,000 個參數，總資料擷取容量（頻寬）須達每秒 50,000 個參數。 此外，該介面必須能同時支援至少 5 個客戶端進行資料擷取，同時仍能達到每秒 50,000 個參數的總頻寬；為達到此性能水準，可使用大於 1 的群組大小。
- 根據使用這些資料的應用程式對即時與高密度資料的重要性程度，某些設備類型的性能要求可能比其他類型更為嚴格。
受影響的關鍵績效指標 (KPI)
鑑於製程日益複雜，加上必須維持傳統的「達產時間」生產爬坡進度，蹤量資料分析無疑將在當今晶圓廠的其他「任務關鍵型」應用中佔有一席之地。對於目前正採用最新 EUV 掃描儀的產業先驅而言，這一點尤為重要，因為在未來幾年內，關於這項新技術仍有許多待探索之處。
歡迎您分享您的想法！
如果您想了解最新的 EDA 標準與追蹤資料分析如何協助您實現未來的製造目標，或是如何將其納入您的智慧製造藍圖中，請立即預約會議！https://www.pdf.com/schedule-a-demo/