智能制造的大數(shù)據(jù)分析

智能制造的大數(shù)據(jù)分析JamesMoyne，Jimmylskandar技術(shù)先進(jìn)工工控制lAPC：-府用性起施畸器『,或果用W析和葉律機(jī)厘以.厚葬隹化的機(jī)器沒(méi)置式及將溯般序并聃定具原因的I『I可擊學(xué)科一APC幕的技術(shù)報(bào)茸檢照｛FD1通過(guò)品利利弁擔(dān)枳甘平，成工藝飲據(jù)的殳化來(lái)杓期才芾情況的技術(shù)。FCI包網(wǎng)單變，笛曲］印多登■'；MVA|院甘分析拄木.故降為■吳(FC)松溯至1歆住后硼定散障啟國(guó)的達(dá)未「故障段用與藥療卡國(guó)受故障起賽任口1與報(bào)障四史1FCJ的紡舍.榭冷皿洞［FP!或誨晰誦以監(jiān)測(cè)和分析_1_王致裾的生牝*.地曲界定情況的技術(shù).世閩(R2Ri粒艱社工行at攻之同健題配方參益玄適把捽包朝松以舊島工N+t能的近術(shù)一■HL"可以月巾長(zhǎng).也可設(shè)￡西片品第.見(jiàn)計(jì)式_L藝性制(SPC)接用兼計(jì)方法分析工藝城產(chǎn)品指標(biāo).以粘1適當(dāng)?shù)膲蚣Z來(lái)家現(xiàn)和維用狡；度制狀態(tài)并不斷發(fā)晶工豈曜力的技術(shù).■P的浜技東設(shè)為健康狀況位篇IEHM］蓋洲機(jī)臺(tái)參就以期氫與正常行為的播雙度注評(píng)拈機(jī)臺(tái)胃點(diǎn)壇用的拄米.EHM本的_1_不定具電預(yù)潺性.但近靠昆顆測(cè)取統(tǒng)的卻成鄒分.相涌式步始(POM)利用工藝和設(shè)福狀冬信息來(lái)俄測(cè)機(jī)含電機(jī)法的料定九件何IM可燧需要堆井培后利曲課前測(cè)宅息段走維護(hù)過(guò)式的技術(shù).ii總昧?xí)赊o焉洌J1避免計(jì)劃外的停機(jī)JM貨用通潮結(jié)址替代計(jì)劃外停機(jī)時(shí)間表未弭整計(jì)劃部件機(jī)安排.本文歷定義的PdM解決方案外瀏乩瓶海維護(hù)需求一到從堆碟小件中帙復(fù).再打慘復(fù)生產(chǎn)的卷今堆護(hù)周期.短測(cè)式狙撞利用關(guān)于利白粕_LJ狀態(tài)一郎用.在河售.述度一前法利口斗侑當(dāng)前，；皂和保京獨(dú)計(jì)信息京秋斕并國(guó)城等成t機(jī)臺(tái).機(jī)班品制「學(xué)*謂度的技長(zhǎng).虛總量削(VM)強(qiáng)測(cè)和上后，激變?【可理■的或不呼流■的I的核術(shù)，證用_L2和品比狀態(tài)信息t可色指_L源?溯利或傳照濟(jì)數(shù)據(jù)).由H也用-虛擬性氣’相-特盛厘窿臺(tái)一若水詰累表示誼即能力.應(yīng)車(chē)胰闋正柱置個(gè)砧IHlr信息【例如機(jī)白和■冽信忌I以臉源工藝或生產(chǎn)我最菖R率的技術(shù);圖1apc和ape擴(kuò)展能力的定義

圖2.分析能力維度.將半導(dǎo)體制苣業(yè)慣常采用的APC解決方案與這些維度相對(duì)應(yīng)（現(xiàn)象模型是體現(xiàn)工藝知識(shí)的實(shí)體模型形式？利用統(tǒng)計(jì)數(shù)據(jù)來(lái)調(diào)整或修改）圖3m利用MVA預(yù)測(cè)器及其元件的PdM方法，包括故瞳時(shí)間趨均和以置信度或區(qū)間表示的預(yù)測(cè)結(jié)果圖3m利用MVA預(yù)測(cè)器及其元件的PdM方法，包括故瞳時(shí)間趨均和以置信度或區(qū)間表示的預(yù)測(cè)結(jié)果—一故薄浮蠲——下洋竹制上附周*1外就用q軾片口irr100* ? ft單牙事均H咫蒯1邦，唾主芾予，足設(shè)備和工藝方面的專(zhuān)業(yè)知識(shí)是半導(dǎo)體制造分析解決方案的關(guān)鍵組成部分。過(guò)去幾年，應(yīng)用材料公司在探索半導(dǎo)體制造業(yè)的大數(shù)據(jù)分析方法上一直走在業(yè)界前列。公司在瑞士曼迪匹艾（MDPI）的開(kāi)放期刊Processes上發(fā)表的一篇文章，獲得了2016年和2017年度“最佳論文獎(jiǎng)”。該文探討了半導(dǎo)體制造業(yè)大數(shù)據(jù)分析的發(fā)展趨勢(shì)和機(jī)遇，并提供了相應(yīng)的路線圖，闡述了如何采用分析技術(shù)為缺陷檢測(cè)到預(yù)防式維護(hù)等一系列應(yīng)用提供支持。本文對(duì)這篇論文的要點(diǎn)予以介紹。塑造智能制造分析技術(shù)的前景智能制造（SM）一詞通常用于描述制造業(yè)這樣一種發(fā)展方向：供應(yīng)鏈上下游整合，實(shí)體功能與線上功能整合，運(yùn)用先進(jìn)信息提高靈活性和適應(yīng)能力。智能制造充分利用數(shù)據(jù)在數(shù)量、速度、多樣性、真實(shí)性（即數(shù)據(jù)質(zhì)量分析技術(shù)）方面的巨大優(yōu)勢(shì)，即利用通常所謂的“大數(shù)據(jù)”技術(shù)，通過(guò)大數(shù)據(jù)分析來(lái)改進(jìn)現(xiàn)有分析功能并提供預(yù)測(cè)式分析等新功能。圖1總結(jié)的這些改進(jìn)功能和新功能屬于“先進(jìn)工藝控制”（APC）擴(kuò)展技術(shù)的一部分。半導(dǎo)體制造中設(shè)備和工藝分析技術(shù)的出現(xiàn)和發(fā)展，一定程度上是行業(yè)三大挑戰(zhàn)促成的結(jié)果。這些挑戰(zhàn)數(shù)十年來(lái)一直存在，并非是特定于智能制造或大數(shù)據(jù)革命時(shí)代才出現(xiàn)，但可以說(shuō)是半導(dǎo)體制造業(yè)所獨(dú)有。半導(dǎo)體制造業(yè)面對(duì)的這三大挑戰(zhàn)是：（1）設(shè)備和工藝的復(fù)雜性;（2）工藝的動(dòng)態(tài)性和背景豐富性;（3）在準(zhǔn)確性和可用性方面表現(xiàn)不良的數(shù)據(jù)質(zhì)量。這些挑戰(zhàn)使人們意識(shí)到半導(dǎo)體行業(yè)的分析解決方案不能完全由數(shù)據(jù)驅(qū)動(dòng)。機(jī)臺(tái)、工藝和分析領(lǐng)域的專(zhuān)門(mén)知識(shí)或?qū)W科專(zhuān)業(yè)知識(shí)（SME）也是大多數(shù)晶圓廠分析解決方案的關(guān)鍵組成部分。因此，在設(shè)計(jì)和運(yùn)用半導(dǎo)體制造業(yè)工藝分析技術(shù)時(shí)要始終謹(jǐn)記這一點(diǎn)。實(shí)際上，SME的運(yùn)用機(jī)制通常按照數(shù)據(jù)收集、數(shù)據(jù)處理、參數(shù)選擇、模型構(gòu)建、模型和臨界值優(yōu)化以及解決方案部署和維護(hù)等方面來(lái)正式界定。了解半導(dǎo)體制造分析技術(shù)的組成過(guò)去十年中，分析方法呈爆炸式增長(zhǎng)，許多利用大數(shù)據(jù)的分析方法已經(jīng)形成。這些分析方法需要加以辨別和分類(lèi)，其中一種方法就是對(duì)分析技術(shù)的能力維度進(jìn)行界定，然后詳述或繪制出與這些維度相關(guān)的分析能力。圖2對(duì)與半導(dǎo)體制造業(yè)中的分析技術(shù)相關(guān)的維度進(jìn)行了細(xì)分。有了這些維度，對(duì)于一項(xiàng)分析應(yīng)用或分析技術(shù)，就可以根據(jù)其能力在每個(gè)維度中的價(jià)值對(duì)其進(jìn)行界定。例如，在多變量分析（MVA）、故障檢測(cè)（FD）和設(shè)備健康狀況監(jiān)測(cè)（EHM）中經(jīng)常使用的主成分分析（PCA）屬于無(wú)監(jiān)督、應(yīng)答式分析。多變量分析通常是靜態(tài)的、無(wú)狀態(tài)的，并不正式納入5兇￡。在分析應(yīng)用方面，當(dāng)今晶圓廠的故障檢測(cè)很大程度上是無(wú)監(jiān)督、應(yīng)答式、單變量、無(wú)狀態(tài)和以統(tǒng)計(jì)為基礎(chǔ)的，在故障檢測(cè)模型的開(kāi)發(fā)階段會(huì)納入5兇￡。使用這些和其他維度來(lái)界定分析技術(shù)和分析應(yīng)用，提供了一個(gè)可以明確能力差距、前進(jìn)機(jī)會(huì)以及長(zhǎng)期改進(jìn)路線圖的框架。半導(dǎo)體制造業(yè)APC應(yīng)用的最新發(fā)展，體現(xiàn)了從應(yīng)答式到預(yù)測(cè)式、甚至到主動(dòng)式工廠控制的轉(zhuǎn)變。這在很大程度上依賴(lài)于大數(shù)據(jù)爆炸，后者為更大容量和更長(zhǎng)期的數(shù)據(jù)存檔提供支持，在一定程度上使預(yù)測(cè)式解決方案能夠破譯參數(shù)的多變量交互的復(fù)雜性，刻畫(huà)系統(tǒng)的動(dòng)態(tài)性，抑制干擾并濾除數(shù)據(jù)質(zhì)量問(wèn)題。在許多情況下，必須重寫(xiě)這些解決方案中的算法，才能充分利用大數(shù)據(jù)解決方案賦予的并行計(jì)算能力來(lái)及時(shí)處理數(shù)據(jù)。此外還可以開(kāi)發(fā)更適應(yīng)大數(shù)據(jù)的新算法。例如，早期的預(yù)測(cè)式解決方案依賴(lài)于單核CPU和串行處理，但是隨著大數(shù)據(jù)時(shí)代的到來(lái)，偏最小二乘（PLS）和支持向量機(jī)（SVM）之類(lèi)的算法就可用于服務(wù)器場(chǎng)的并行計(jì)算。同樣，自組織映射（SOM）和生成式拓?fù)溆成洌℅TM）等無(wú)監(jiān)督的數(shù)據(jù)探索技術(shù)也要經(jīng)過(guò)重寫(xiě)，以便處理大量數(shù)據(jù)，使用戶(hù)能夠快速獲得有用的分析結(jié)果。類(lèi)似地，可以將諸如隱馬爾可夫模型⑷兇兇）和粒子群優(yōu)化之類(lèi)耗時(shí)的統(tǒng)計(jì)技術(shù)重寫(xiě)，以求大幅提高計(jì)算效率。但是，擁有眾多技術(shù)和大量數(shù)據(jù)并不一定會(huì)帶來(lái)更多有用的分析結(jié)果和更強(qiáng)的預(yù)測(cè)能力。筆者認(rèn)為，沒(méi)有一種方法或方法組合是放之四海而皆準(zhǔn)的。具體采用的方法需要根據(jù)手頭的數(shù)據(jù)，針對(duì)具體的應(yīng)用進(jìn)行定制。不論怎樣，我們相信SME將在解決方案的開(kāi)發(fā)和維護(hù)中繼續(xù)發(fā)揮引導(dǎo)作用。人工智能的崛起和新的大數(shù)據(jù)親和分析技術(shù)人工智能（AI）-詞可用于描述能感知其環(huán)境并采取相應(yīng)行動(dòng)以實(shí)現(xiàn)目標(biāo)的任何裝置或分析技術(shù)。現(xiàn)今，這一術(shù)語(yǔ)通常指模仿人腦功能的裝置或分析技術(shù)概念，例如自動(dòng)駕駛汽車(chē)應(yīng)用中采用的裝置或技術(shù)［7］。人工神經(jīng)網(wǎng)絡(luò)（ANN）就是這種分析技術(shù)的一個(gè)例子，這種AI分析技術(shù)數(shù)十年前就已出現(xiàn)，如今隨著大數(shù)據(jù)的發(fā)展演變而再度興起。例如，深度學(xué)習(xí)是一種非常類(lèi)似于結(jié)構(gòu)化ANN的技術(shù)，它利用分層抽象方法來(lái)提高大批量數(shù)據(jù)分析的質(zhì)量和速度。深度學(xué)習(xí)可用于解決大數(shù)據(jù)分析中的一些高維問(wèn)題，包括從二維圖像（例如晶圓圖）中提取復(fù)雜模式。深度學(xué)習(xí)技術(shù)受益于數(shù)據(jù)量的增加，并使用數(shù)據(jù)驅(qū)動(dòng)的監(jiān)督學(xué)習(xí)技術(shù)來(lái)發(fā)現(xiàn)數(shù)據(jù)中的關(guān)系。這種技術(shù)的主要缺陷是相對(duì)來(lái)說(shuō)在模型的開(kāi)發(fā)和維護(hù)階段無(wú)法納入5兇￡?，F(xiàn)有開(kāi)發(fā)好的模型通常無(wú)法直接使用，因此很難評(píng)估，而半導(dǎo)體制造分析中涉及的背景豐富性和動(dòng)態(tài)性使得深度學(xué)習(xí)技術(shù)無(wú)法利用大量的一致性數(shù)據(jù)。最近的研究工作集中在將SME與AI技術(shù)相結(jié)合，這種方法有望未來(lái)應(yīng)用于生產(chǎn)車(chē)間。另一項(xiàng)受到重視的大數(shù)據(jù)分析能力是利用通常稱(chēng)為“爬蟲(chóng)”的解決方案來(lái)進(jìn)行背景分析。這類(lèi)“爬蟲(chóng)”應(yīng)用程序在后臺(tái)挖掘數(shù)據(jù)，尋找相關(guān)的模式或分析結(jié)果，例如接近故障狀態(tài)的部件。然后，它們通過(guò)異步方式通知工廠控制系統(tǒng)等應(yīng)用程序，以便采取適當(dāng)?shù)拇胧?。該方法還能提高診斷和預(yù)測(cè)的重新配置能力。展望未來(lái)：分析技術(shù)發(fā)展路線圖隨著我們邁向智能制造，分析技術(shù)顯然將繼續(xù)發(fā)揮更大的作用以最大程度提高吞吐量并降低成本，同時(shí)實(shí)現(xiàn)高良率。大數(shù)據(jù)領(lǐng)域的進(jìn)步，將推動(dòng)這些分析技術(shù)快速發(fā)展，筆者相信目前取得的進(jìn)展已經(jīng)帶來(lái)了一些重要的研究發(fā)現(xiàn)，并且有助于最大限度地發(fā)揮這些分析技術(shù)的作用。第一項(xiàng)重要發(fā)現(xiàn)是，業(yè)界正在尋求開(kāi)發(fā)或增強(qiáng)的許多分析解決方案可以利用相同的模型開(kāi)發(fā)（“靜態(tài)數(shù)據(jù)”）和模型執(zhí)行/維護(hù)（“動(dòng)態(tài)數(shù)據(jù)”）結(jié)構(gòu)。例如，PdM的六步模型^發(fā)過(guò)程（圖3a和36作了總結(jié)）可用于虛擬量測(cè)甚至是良率預(yù)測(cè)。利用通用方法不僅可以節(jié)省提升這些技術(shù)所耗費(fèi)的時(shí)間和精力，還使得制造商能交叉利用分析方法上不斷取得的進(jìn)步成果