監診實績

應用領域

常見問題

Support

真空腔體內搬運手臂異常？

監診實績｜真空腔體內搬運手臂異常？

#半導體

#機器學習

腔體內手臂雖然看似機構簡單，實則負責高頻率、高精度、高風險的動作。然而，現場普遍缺乏對此類手臂運作狀態的即時健康監控機制，導致當異常發生時，往往已造成晶圓損壞或整機停擺，產生極高的損失。

真空多腔鍍膜設備

在半導體前段製程中，Cluster Tool 為高度整合式的多腔體製程平台，中央的搬運手臂負責在真空中將晶圓依序送入各處理腔體，進行鍍膜、蝕刻、清洗等操作。該手臂位於真空腔內，屬於極高精度且不易更換的核心機構。然而，現場普遍缺乏對此類手臂運作狀態的即時健康監控機制，導致當異常發生時，往往已造成晶圓損壞或整機停擺，產生極高的損失。因此，有必要導入一套具備異常預判能力的監測方案，實現智慧預知保養。

為什麼要監測腔體內手臂？
腔體內手臂雖然看似機構簡單，實則負責高頻率、高精度、高風險的動作。一旦手臂運作不穩，會直接導致：
• 晶圓傳送錯誤或掉落
• 晶圓刮傷、破片或偏位進腔
• 腔體與手臂機構撞擊損壞
• 門控與移動時序錯誤導致腔體停擺
• 全機停機進行故障排除與手臂拆解維修

由於手臂位於真空腔中，無法如一般機構直接目視檢查，且製程運作中也不容頻繁停機拆檢，因此「在不中斷製程的情況下，持續掌握手臂健康狀態」成為核心目標。

發生異常時的實際問題與痛點
腔體內手臂往往在未發生明顯故障前難以察覺，一旦爆發便需耗費大量工時與成本修復。

問題類型	說明	造成影響
晶圓掉落或破片	放片位置偏移或夾爪鬆動	汙染腔體，良率下降，需整機清洗
手臂與門機構撞擊	動作錯時、門延遲或手臂誤動作	機構損傷，須換零件並調校
動作遲緩或偏擺	馬達老化、潤滑不足或機構磨損	傳送時間變長，降低生產效率
微小震動異常未即時發現	傳統監控僅檢查是否「能動」，無法察覺「動得對不對」	故障前兆未被掌握，錯過保養時機

解決與監測說明

VMS-ML 機器學習智能監控系統
VMS-ML 對於真空腔體內手臂運行可視化管理且設定目標動作管理目標軸向位置。將感測器安裝於伺服馬達上緣位置上，藉由 VMS-ML 機器學習智能監控系統學習正確的作動產生的動態訊號，並且加以對比判分，不侷限手臂長動作與短動作學習後皆可納入管理。

量測狀況

Pattern 測試動作

1. 手臂 B 旋轉至 Chamber1 取片
2. 手臂 A 前伸至 Chamber1 取片
3. 手臂 A 前伸至 Chamber 1取片後轉向至 Output port 放片後收回

測試動作 1：手臂B旋轉至Chamber1取片

安裝位置：馬達本體下方
手臂軸向管理：X軸前伸、TH軸旋轉
量測結果：TH軸訊號特徵不明顯但仍可動作判入

手臂運行時序狀況: (單位X軸:sec ; Y軸:mm/s)

測試動作 2：手臂 A 旋轉前伸至 Chamber1 取片(短動作)

安裝位置：馬達本體上方
手臂軸向管理：X軸前伸後退動作
量測結果：訊號特徵明顯可作為量測點

手臂運行時序狀況: (單位X軸:sec ; Y軸:mm/s)

測試動作 2 多次動作判入與相似度趨勢分析

測試動作 3：手臂 A 前伸至 Chamber1 取片後轉向至 Output port 放片後收回

安裝位置：馬達本體上方
手臂軸向管理：X軸動作、TH軸旋轉
量測結果：訊號特徵明顯可作為量測點

手臂運行時序狀況: (單位X軸:sec ; Y軸:mm/s)

測試動作 3 多次動作判入與相似度趨勢分析

外層燈號顯示機台狀況與多動作同時監測管理

測量結論

VMS-ML對於真空腔體內手臂運行可視化管理且設定目標動作管理目標軸向位置。不侷限手臂長動作與短動作學習後皆可納入管理。手臂狀況預知保養：判入分數作趨勢化門檻管理。手臂運行狀況：外層燈號與健康度門檻管理。

在高精度、高產能與高可靠度並重的半導體製程環境中，Cluster Tool 腔體內手臂的穩定運作，是確保良率與產能的關鍵。然而，傳統以時間制或經驗判斷為主的保養模式，已無法因應複雜製程與日益縮小的容錯空間。因此，導入以振動監測、馬達電流分析與時序行為模型為基礎的預知保養系統，不僅能提早辨識手臂潛在異常，更能將維修決策從「事後處理」提升至「事前預判」。

導入此預知保養系統後，將為半導體廠帶來多項顯著效益，在故障前即發出預警，可安排非尖峰時段維修，避免製程中斷。提前掌握手臂異常，防止晶圓破片污染，提升良率與客戶滿意度。避免持續在異常狀態下運行，減少機構加速磨耗。確保每批晶圓處理節奏與位置穩定一致，減少製程波動。設備健康狀態量化、透明、可視，支援全廠智慧製造佈局。

VMS-ML 機器學習智能監控系統

及時攔截不良品

常見問題（FAQ）

為什麼 Cluster Tool 真空腔體內搬運手臂需要監測？
Cluster Tool 真空腔體內搬運手臂負責在多腔體製程平台中傳送晶圓，動作頻率高、精度要求高，且位於真空腔體內，不易直接目視檢查。一旦手臂出現偏擺、動作遲緩、夾爪異常或時序錯誤，可能造成晶圓刮傷、破片、掉落、腔體污染或整機停擺。因此，透過即時監測掌握手臂健康狀態，可提前發現異常徵兆，降低非預期停機風險。

真空腔體內搬運手臂異常可能造成哪些問題？
真空腔體內搬運手臂異常可能造成晶圓傳送錯誤、晶圓掉落、破片、偏位進腔、手臂與門機構撞擊、腔體停擺、機構損傷與維修時間增加。由於半導體製程對潔淨度與穩定性要求極高，若異常未及時發現，可能導致腔體污染、良率下降與產能損失。

VMS-ML 如何監測腔體內手臂的運作狀態？
VMS-ML 機器學習智能監控系統可透過安裝於伺服馬達位置的感測器，學習手臂正常作動時的動態訊號，並將後續運行訊號與正常模型進行比對。系統可針對手臂前伸、後退、旋轉、取片、放片等不同動作進行管理，並透過判入分數、相似度趨勢與健康度門檻判斷手臂是否出現異常。

VMS-ML 可以監測手臂的長動作與短動作嗎？
可以。VMS-ML 不侷限於單一動作型態，無論是手臂短距離前伸取片，或是前伸、旋轉、放片後收回的長動作流程，都可透過機器學習建立正常訊號模型，並納入趨勢化管理。這有助於設備工程師掌握不同動作階段的健康狀態。

真空腔體內手臂監測通常會看哪些訊號？
真空腔體內手臂監測通常會觀察手臂在 X 軸前伸後退、TH 軸旋轉等動作下的振動訊號、動作時序、相似度分數與健康度趨勢。若訊號特徵逐漸偏離正常模型，可能代表馬達老化、潤滑不足、機構磨耗、偏擺或其他潛在異常。

導入腔體內手臂預知保養有什麼效益？
導入腔體內手臂預知保養後，可在故障發生前發出預警，讓維護人員安排非尖峰時段檢修，避免製程中斷。同時可降低晶圓破片與污染風險、減少機構加速磨耗、穩定晶圓傳送節奏，並將設備健康狀態量化與可視化，支援半導體廠智慧製造與設備健康管理。