您的瀏覽器不支援JavaScript語法,但是並不影響您獲取本網站的內容。

工業技術與資訊月刊

字級:
小字級
中字級
大字級

312期2017年10月號

2017-10-15 Published

封面故事 Features

提前預警設備故障 減少停機損失 半導體機台故障預診斷軟體

撰文/賴宛靖 攝影/黃鼎翔

半導體產線需24小時不停運作,如何維持機台正常運作和產線順暢,是確保良率的關鍵。工研院創新研發半導體機台故障預診斷軟體,可提早預知產線設備的健康狀態,減少無預警異常造成的損失。

應用於半導體產線的「機台故障預診斷軟體」,為原本就具備競爭優勢的我國半導體產業,注入新的競爭能量。
應用於半導體產線的「機台故障預診斷軟體」,為原本就具備競爭優勢的我國半導體產業,注入新的競爭能量。

一個人如果生病了才去看醫生,不僅已對身體健康帶來影響,同時也造成醫療資源的浪費,因此預防醫學於焉興起。一如人的身體健康維護,必須24小時持續運作的機械設備,如果可以透過巨量資料分析,預先診斷並排除故障,便可以提高產業競爭力,這是在產業邁向智慧製造,非常重要的一環。

近年來全球製造業競爭激烈,在專業人力資源短缺、市場供需變動大、客戶客製化需求等挑戰下,全球製造業正積極導入巨量資料(Big data)分析科技,為產線設備診斷,減少設備突然故障的機率,工研院研發的「半導體機台故障預診斷軟體」,便因應而生。

機台故障預診斷 有效提升生產力

工研院巨量資訊科技中心經理林群惟指出,根據IBM的研究報告顯示,83%的資訊長認為,設備維護以及總體資產分析最佳化為提升企業競爭力之最主要途徑,導入機台故障預診斷技術效益包括:達到10倍 投資報酬率(ROI)、減少20%-25%維護成本、消除70%-75%不預期當機、增加20%-25%生產力,由此可見,工廠產線設備的穩定與正常,深刻牽動製造業的競爭力。

有鑑於此,工研院於2013年起開始投入「半導體機台故障預診斷軟體」研發,藉著收集、分析機台資料來監控與評估設備及其零件的健康狀態,及早預測機台需要維修的時間點,減少產線因機台突然故障而必須停頓的風險,目前已開發出應用於半導體產線的「機台故障預診斷系統」,為原本就具備競爭優勢的我國半導體產業,再注入新的競爭能量。

林群惟說明,「半導體機台故障預診斷軟體」是一套基於人工智慧(AI)與機器學習的系統平台,分析機台所產生出的製程資料,進行即時監看、預測並以視覺化資料呈現,讓產線管理者可以掌握設備的健康狀態。

以光電工廠產線上的磊晶製程機台為例,此系統可預測重要零件質量流量控制器(Mass Flow Controller;MFC)、微粒過濾器(Particle Filter;PF)的故障機率與剩餘使用壽命,藉此決定零件更換與維修的時程。林群惟指出,藉由預知異常事件即將發生,可提早排除,減少突發事件造成的查修時間壓力與風險,提高產線工程師的工作效率,讓工程師專心投入創新研發,為公司創造更多的附加價值。

三關鍵打造全球機台故障預診斷系統

「半導體機台故障預診斷軟體」已技轉給國內多家光電半導體廠商,為國內產業邁向工業4.0的智慧製造時代,向前推進一大步,而這項創新研發,也榮獲國際肯定,入圍2017全球百大科技研發獎,並具備三大成功關鍵:

關鍵1》蒐集對的資料 從中萃取關鍵參數
由於半導體產線的資料參數,多達400、500種,要從中找到真正影響機台健康的參數,是研發這套系統的第一道關卡。為此工研院整合光、機、電與資訊軟體等領域的研發團隊,經過反覆驗證與測試,順利找出能反映機台設備健康的關鍵參數。

關鍵2》建立整體式學習預測技術
找到能反映機台設備健康的關鍵參數後,接著要建立資料分析模型。研究團隊跳脫過往採用單一「英雄式」的分析演算法,整合數十幾套先進機器學習演算法建立「整體式學習預測分析模型」,提高機台預測分析的準確度。機台預測分析準確度如果不夠高,一直發出誤警報反而會造成產線工程師的困擾,影響產線生產效率,目前很多智慧製造預測分析技術都有此類問題。工研院研發的整體式學習預測分析技術,準確率達到95%以上,減少誤警報的狀況發生。

關鍵3》建立資料分析準則
提高「半導體機台故障預診斷軟體」的準確度還不夠,為將此系統導入更多製造領域的產線,工研院研究團隊進一步建立一套資料分析準則,讓此系統實際導入應用於其他產線時,可以直搗產線生產環節的核心問題,快速建立分析模型。

「半導體機台故障預診斷軟體」基於人工智慧與機器學習,可精確預測設備異常,掌握設備健康狀況。
「半導體機台故障預診斷軟體」基於人工智慧與機器學習,可精確預測設備異常,掌握設備健康狀況。
  
下載本篇全文