基於狀態的監測系統 (CBM, Condition-based Monitoring) 作為一新的控制方案，先試圖將機器狀態特徵化、指標化，藉此觸發相應的控制動作。在CBM的架構中，應包括既有錯誤診斷和未來失效預測兩模組。在我們的這項研究中，針對半導體晶圓製造過程中收集到的機台感測器訊號 (如下圖一)，提出批量製程的設備老化模型和對應的監控框架。為了分析機台不穩定的訊號，我們使用了最佳適配的母小波對訊號進行拆解，如圖二所示，機台的每一感測器參數，均可分為宏觀與微觀層面訊號源的組合，用以識別不同類型的機台衰退現象，如果機台參數設定飄移，則應在宏觀訊號上觀察 (如圖三第350片左右的晶圓)；若是機台漸進式的衰退，則可在微觀層面上捕捉到 (圖四可見機台狀況趨於不穩定且每況愈下)。分拆的訊號透過多元相關矩陣的行列式計算成為機台的狀態特徵，在此研究中，我們提出一逐步搜索演算法定位出導致衰退的因素。案例研究表明，所提出的方法的確可將衰退現象建模，並找出關鍵因子。（工業工程所藍俊宏教授提供） 圖一、批次製程之機台訊號。 圖二、透過小波分析的拆解，將原始訊號分為宏觀 (approximation) 與微觀 (detail) 訊號源。 圖三、利用宏觀訊號建模，可看到第350片的晶圓處，機台訊號有嚴重飄移情形。 圖四、微觀訊號的機台模型中，可觀察到其衰退情形，且狀態愈趨向不穩定 (上下震幅愈大)。
基於狀態的監測系統 (CBM, Condition-based Monitoring) 作為一新的控制方案，先試圖將機器狀態特徵化、指標化，藉此觸發相應的控制動作。在CBM的架構中，應包括既有錯誤診斷和未來失效預測兩模組。在我們的這項研究中，針對半導體晶圓製造過程中收集到的機台感測器訊號 (如下圖一)，提出批量製程的設備老化模型和對應的監控框架。為了分析機台不穩定的訊號，我們使用了最佳適配的母小波對訊號進行拆解，如圖二所示，機台的每一感測器參數，均可分為宏觀與微觀層面訊號源的組合，用以識別不同類型的機台衰退現象，如果機台參數設定飄移，則應在宏觀訊號上觀察 (如圖三第350片左右的晶圓)；若是機台漸進式的衰退，則可在微觀層面上捕捉到 (圖四可見機台狀況趨於不穩定且每況愈下)。分拆的訊號透過多元相關矩陣的行列式計算成為機台的狀態特徵，在此研究中，我們提出一逐步搜索演算法定位出導致衰退的因素。案例研究表明，所提出的方法的確可將衰退現象建模，並找出關鍵因子。（工業工程所藍俊宏教授提供）
圖一、批次製程之機台訊號。
圖二、透過小波分析的拆解，將原始訊號分為宏觀 (approximation) 與微觀 (detail) 訊號源。
圖三、利用宏觀訊號建模，可看到第350片的晶圓處，機台訊號有嚴重飄移情形。
圖四、微觀訊號的機台模型中，可觀察到其衰退情形，且狀態愈趨向不穩定 (上下震幅愈大)。