机器学习如何应用在监测封装设备上？
固德科技报｜机器学习如何应用在监测封装设备上？#半导体领域
#机器学习
#PHM
#预知保养
Posted On : 16 Dec. 2019
在机台出现一点点小问题症状时，即可立即得知并即时处理或排定维修计画，可确保产线机台的品质一致性与可靠度，进一步减少机器全面性的损坏、延长设备正常运作、提高生产效率。
半导体的精密製程
半导体的精密製程中，以封装製程最为繁琐及精密，所以各厂区也在此製程中会花费大量的时间和精神去维持每个製程的精准度与品质。晶圆前段封装製程顺序大致上为：Wafer In → Taping 贴胶 → Wafer Grinding 晶圆研磨 → De-Taping去胶 → Wafer Mount 上框 → UV UV上框 → Wafer Saw 晶圆切割 → VS 晶圆检查 → Die Attach 黏晶粒 → Oven烘烤 → plasma 电浆清洗 → Wire Bonder 銲线 → PI銲线检查 → Be后段製程。
每一道製程设备都需要经过精密的计算及稳定的运作，有一点误差就可能会导致不良品的产生及成本的损耗。业值得重视的问题。没有健康的员工，对于企业已然变成相当头疼的问题，部分企业开始实行自我健康管理的计画，保障自己也保障他人。
＃晶圆半导体 ＃封装设备製程 ＃前段製程
确保产线机台的品质一致性与可靠度
在这里利用机器学习智能监控系统对于封装製程上 Wafer Saw、Die Bonder、Wire Bonder 等设备进行监测，即时监测、预知保养等为产品良率把关，并且快速且精准找出异常原因，避免过久停机，恢復稼动。
利用 VMS-ML 机器学习智能监控系统快速学习规范动作，在机台出现一点点小问题症状时，即可立即得知并即时处理或排定维修计画，可确保产线机台的品质一致性与可靠度，进一步减少机器全面性的损坏、延长设备正常运作、提高生产效率。
快速、精准找出异常原因
VMS-ML 机器学习智能监控系统在机台发生异常时，系统将会发报 MAIL 或是送出停机讯号。需要找出原因排除，可参考VMS封装厂量测应用。在设备恢復正常时，便可持续监测。透过软体的自动叠合比对功能，也能够清楚了解在哪个时段发生了异常，并将结果数据化给使用者更容易了解。
范例：Wire Bonder 动态监测
第三次判定：製造过程中，有一次打线动作过大且与第一次位置相同，因误相似度86.88％判定为（Pass）、振幅超标次数1次（Fail）、画面显示（Fail），其异常原因为 Dynamic Action Fail.
