晶圆搬送旅途，藏着哪些风险？

AMHS，不只是搬送效率，更关係晶圆搬送品质

在高度自动化的半导体 Fab 中，AMHS（Automated Material Handling System）串联 Stocker、OHT 与各製程设备，负责 FOUP 在不同站点间的自动搬送。当 Wafer 价值持续提高，AMHS 管理的重点也不再只有 搬得快、送得到、不中断，更需要关注整段搬送过程是否稳定。

从 OHT 天车状态、Track 品质、Wafer Robot 动作，到突发地震造成的设备震动，都可能成为搬送过程中难以察觉的品质变因。

CoWoS、CoPoS 时代，晶圆价值持续提高

AI、HPC 带动先进封装快速发展，从 CoWoS 到 CoPoS，封装尺寸与整合程度持续提升，并整合先进製程晶片、Chiplet、HBM 等高价值元件。製程越往后，Wafer 累积的材料、设备、製程与时间成本越高。一旦发生刮伤、Particle、碰撞或破片，损失的不只是晶圆本身，更可能是前面多道製程累积的高额价值。

Wafer 越昂贵，每一次搬送就越不能出错。

随着先进製程与高阶封装技术发展，Wafer 价值持续攀升，每一次搬送都伴随更高风险。从 OHT 天车、轨道、晶圆传送手臂到突发地震，任何微小异常都可能造成晶圆碰撞、刮伤甚至整批损失。

隐形风险一｜OHT 天车：异常发生了，但问题是哪一台车？

在大型半导体 Fab 中，天花板上的 OHT 搬送网路涵盖製程区、Stocker 与各个 Bay，大量 OHT 车辆持续执行 FOUP 搬送任务。对现场工程师而言，真正困难的往往不是发现一次异常震动，而是如何从大量运行中的 OHT，锁定真正异常的那一台车。

Fab 的 OHT Route 複杂，同一台车会经过不同路段，同一路段也会有大量不同车辆通过。如果只有单次量测数据，很容易把「车的问题」与「路的问题」混在一起。因此，Vehicle ID 与量测数据能不能对得起来非常重要。只有持续累积同一台 OHT 在不同时间、不同路径下的数据，才有机会把 Vehicle Effect 与 Track Effect 分开，进一步锁定真正需要 Check 或 PM 的车辆。

即使量到了，Spec 怎么订又是另一个问题，多少 Vibration / Shock 才算异常？ OHT 并不像部分製程参数已有明确的上下限可以直接套用。不同 Fab、OHT 型号、车龄、速度、负载与 Route 条件都可能造成量测差异，因此很难直接用单一数值定义所有 OHT 的 Pass / Fail。Spec 设太严，正常的转弯、加减速或轨道接点就可能大量触发异常；设太宽，又可能把真正开始劣化的 Vehicle 当成正常。

所以，比起一开始就硬订一条 Alarm Limit，更实际的方式是先建立 OHT Fleet Baseline： 同型车互相比较 → 找出 Outlier → 长期追踪同一 Vehicle → 建立正常分布 → 再逐步形成厂内自己的 OHT Quality Spec。 对工程师来说，真正需要的不是多一笔振动数值，而是最后能回答：「哪一台 OHT 跟其他车不一样？差异持续多久？是否已经需要安排检查？」这才是 OHT 搬送品质监测真正能协助现场解决的问题。

隐形风险二｜OHT 轨道：车没有问题，问题可能出在轨道？

排除 OHT Vehicle 本身的异常后，另一个需要确认的就是 Track Condition。半导体 Fab 的 OHT 轨道遍布天花板，串联 Stocker、製程设备与不同 Bay。

因此，轨道品质管理不能只看「振动有没有超标」，更重要的是把量测结果与 Position / Route 对应，确认异常是否反复发生在相同位置。

Track 很长，最困难的是把异常位置找出来
Fab 内的 OHT 轨道路网庞大且高度交错，即使知道某趟搬送发生异常，工程师仍需要回答： 异常发生在哪一段 Track？是直线、转弯、Switch，还是轨道接点？其他 Vehicle 经过同一位置是否也会发生？异常是偶发事件，还是这个位置正在持续劣化？ 如果只知道「这趟搬送振动偏高」，对维修的帮助其实有限。

真正有用的是进一步缩小范围，例如从整条 Route，定位到 Zone → Track Section → 异常位置，工程师才能实际到现场 Check。

Track Spec 同样不能只靠一条数值判断
轨道另一个困难，是不同位置本来就有不同的振动特性。直线高速行驶、Curve、Switch、加减速区与轨道接点，本身的 Vibration / Shock 就不会完全相同。如果所有位置套用相同 Threshold，很容易出现大量误判。因此，比起直接订定全厂统一 Spec，更实际的是先累积各区段的正常数据，建立 Track Baseline，再比较同一位置长期的变化： 正常状态 → 持续偏移 → 异常增加 → 安排 Check / Maintenance

最后工程师需要看到的，不是一张单纯的振动趋势图，而是一张可以直接回答：「Fab 里哪一段 Track 的搬送品质正在变差？」的 OHT Track Quality Map。 当 Vehicle ID、Route、Position 与 Vibration / Shock 能够一起分析，就能进一步区分：

同一台车，到哪里都异常 → 优先 Check Vehicle
不同车，到同一位置都异常 → 优先 Check Track
如此才能把原本难以追查的 OHT 搬送异常，真正缩小到工程师可以处理的设备或位置。

隐形风险三｜Wafer Robot：手臂发生异常，还在持续作业中？

Wafer 安全抵达设备后，最后还要经过 Wafer Robot，才能从 FOUP 被取出并送入 Load Lock、Process Chamber 或指定 Station。对设备工程师而言，Wafer Robot 最棘手的问题往往不是「完全不能动」，而是：Robot 还在正常 Run，但动作品质已经开始改变。

Wafer Robot 长时间执行大量 Pick、Place、Extend、Retract、Rotate 动作，随着轴件、Bearing、传动与机构状态逐渐变化，可能开始出现微小振动、姿态差异、重複定位变化或特定动作段的异常。这些变化初期可能仍在设备控制允许范围内，因此没有 Alarm、没有 Interlock，甚至 Cycle Time 看起来也没有明显异常。 但对 Wafer 搬送品质而言，「能完成动作」与「每一次都稳定完成动作」是两件不同的事。

问题发生在哪一个 Motion，才是工程师真正需要知道的
当 Robot 一个完整 Cycle 包含多个动作，只看到整体 Vibration 偏高，其实很难 Troubleshooting。

工程师更需要进一步拆解： 是 Extend 时异常？Retract 时出现振动？Rotate 过程开始不稳？还是 Pick / Place 的瞬间与正常状态不同？甚至同一支 Robot，在不同 Slot、Station、Position 执行动作时，也可能呈现不同特徵。因此，Wafer Robot 的监测重点不是单纯量一个整体振动值，而是将振动讯号与 Motion Sequence 对应，建立每一个动作区段原本应有的特徵。

正常 Motion → 特徵开始偏移 → 持续劣化 → 异常确认
如此一来，即使设备还没有 Alarm，也能更早看见 Robot 动作品质正在发生改变。 从「Robot 有没有故障」，进一步看到「哪一个动作开始不一样」

对工程师而言，真正有价值的资讯不是一句：「Robot 振动异常。」而是能进一步回答： 哪一支 Robot？哪一个 Axis？哪一段 Motion？什么时候开始偏离正常状态？当每一次 Wafer Transfer 都能留下可比较的动作特徵，就能从原本的故障后处理，进一步掌握 Robot 的长期劣化趋势，在真正影响 Wafer 搬送品质之前安排 Check / PM。

隐形风险四｜突发地震：知道震度，不代表知道设备实际震了多少？

对半导体 Fab 而言，地震最大的问题不只是「发生地震」，而是地震发生后，工程师必须在短时间内判断：哪些设备受到影响？要不要停机？什么时候可以恢復生产？

一般地震资讯可以告诉我们区域震度与地震规模，但这些数据并不等于 Fab 内设备实际承受的震动。 同一场地震下，不同厂区、楼层、设备位置与结构条件，都可能产生不同的振动反应。对高精度半导体设备而言，真正需要确认的是 Tool Level 的实际震动状况。

对大型 Fab 而言，设备数量庞大，全部 Check 需要时间；全部停机等待确认，又直接影响产能。同一场地震，不代表每一台 Tool 都要用相同方式处理。如果能在关键设备旁持续量测 X / Y / Z 三轴震动，地震发生时即可留下各设备位置实际的振动纪录。

工程师就能从：「今天 Fab 发生几级地震？」进一步判断：「这一台 Tool 实际承受了多少震动？」 并依照设备位置、震动强度与内部管理规范进行分级，优先检查真正受到较大影响的设备。

如此一来，地震监测的目的就不只是发出警报，而是为震后的 Tool Check、Hold / Release 与復机判断提供更直接的现场数据依据。 地震无法避免，但震后哪些设备该先 Check，不应只能靠经验判断。

从风险发现到精准定位，建立 Wafer 搬送品质防线

固德科技针对 OHT、轨道巡检、Wafer Robot 与地震事件建立设备层级的动态品质监测，目的不只是增加 Sensor 或收集更多 Raw Data，而是将数据转换成工程师能直接用于判断与维护的资讯。

01｜OHT 天车品质监测
从大量 Vehicle 中，快速找出异常车辆
针对 OHT 搬送过程持续量测 Vibration、Shock、Acceleration 等动态讯号，藉由 OCR 镜头扫描每台OHT，在通过监测站时及时将数据与 Vehicle ID 对应，为每台 OHT 建立搬送品质纪录。

透过 AI 演算法为同型 OHT 之间的 Fleet Comparison，比较不同车辆在相似运行条件下的振动特徵，先建立正常车群的 Baseline，再从大量 Vehicle 中找出明显偏离的 Outlier。经由长期累积数据后，更能掌握单一 Vehicle 的变化趋势，逐步建立符合厂内实际运行条件的管理基准。

解决重点：让工程师不只知道「OHT 有异常」，而是直接缩小到：哪一台 OHT，需要优先 Check？

02｜FOUP 轨道巡检车
把异常 Shock 对回位置，找出真正需要维护的 Track
将装载感测器的 FOUP 装入 OHT 巡检车，在每次震动异常发生时，发动自动巡检机制。行驶过程搜集量测到的振动值并与 RFID 对应，建立轨道品质分布。 当经过相同位置，都反复出现较大的振动或冲击，即可将问题进一步锁定可能异常的 Track Section。 透过长期数值累积，AI 更可比较同一位置不同时间的数据，观察轨道品质是否持续劣化，建立 OHT Track Quality Map。

解决重点：Route → Position → Shock → Repeatability → Track Check 让工程师从：「这趟搬送震动很大」，进一步得到：「异常集中在这一段 Track，可以直接安排现场 Check。」

03｜Wafer Robot 传送动作品质监测
将每一次 Transfer 拆开，找到开始改变的 Motion
针对 Wafer Robot 的完整 Transfer Cycle 进行动态讯号监测，将每次运行的姿态建立学习规范，不是只判断整支 Robot 的振动是否超标，而是建立各 Motion 的正常 Motion ，持续比较相同动作的特徵变化并给予判分。 当特定 Axis 或 Motion 开始偏离正常模式，即使设备尚未 Alarm，也能提早发现动作品质变化，协助工程师进一步 Check 机构、轴件或传动状态。

解决重点：Robot → Axis → Motion → Baseline → Deviation 最终回答工程师：哪一支 Robot、哪一个 Motion，正在开始变得不一样？

04｜设备层级地震监测
从区域震度，进一步掌握每个 Tool 的实际震动
在 Fab 关键区域或重要设备建立 Tool Level 三轴震动监测节点，持续记录 X / Y / Z 实际震动。当地震发生时，立即留下各位置的 Peak、震动方向、持续时间与事件历程，并依厂内管理标准进行分级。地震分析系统採一体成型，快速安装部署于机台底部。 工程师可依实际数据快速区分设备受影响程度，决定哪些 Tool 应优先 Check、哪些设备可进一步评估 Release，减少全面人工巡检所需的时间。

解决重点：Earthquake → Tool Level Data → X/Y/Z → Severity → Check Priority 让震后判断从：「Fab 发生几级地震？」进一步变成：「哪些 Tool 实际受到较大影响，需要优先确认？」

事件	过去做法	固德科技
触发时间	设备故障/Alarm 才处理	侦测到「微小偏移」即预警
维护依据	定期全检/依赖人工经验	依据数据趋势 / Outlier 排定优先顺序
规范制定	苦恼于缺乏统一 Spec，设太宽或太严	动态建立厂区每台设备的专属 Baseline
地震应对	看厂区级数，盲目全面停机巡检	依据实际震度，科学分级復机

高价值 Wafer，更需要守住每一次搬送

将过去难以量化的搬送品质，转化为工程师可以比较、定位、追踪与判断的设备数据，让 Wafer 保护不只停留在製程设备内，而是延伸至整个搬送过程。...

从「Wafer 有没有安全送达」到「整段搬送品质可追溯」
OHT找出哪一台车异常、轨道巡检找出哪一段路异常、Wafer Robot 找出哪一个 Motion 异常、地震分析系统找出哪一台 Tool 受到影响。将原本分散且难以追查的风险转化为 Vehicle、Position、Motion、Tool 四个可定位的工程资讯，才能真正把 Wafer 搬送品质从「发生异常后追查」，往前推进到可量测、可比较、可追溯、可提前管理。

01｜异常可定位，缩短 Troubleshooting 时间
从「搬送有异常」进一步定位至 哪一台 OHT、哪一段 Track、哪一个 Robot Motion、哪一台 Tool，缩小工程师排查范围，减少大量逐台、逐区确认所耗费的时间。

02｜建立自己的 Baseline，解决 Spec 难订问题
面对 OHT、Track、Robot 缺乏统一判定标准的问题，可先透过长期数据建立正常 Baseline，比较 Fleet、Position 与 Motion 的差异，再逐步形成符合厂内实际条件的管理规范，而非直接套用单一固定 Threshold。

03｜提早看见劣化，不必等到 Alarm 才处理
设备「可以 Run」不代表品质没有改变。透过振动、冲击与动作特徵的长期比较，可观察尚未触发设备 Alarm 的微小偏移，将管理时点从 Failure / Alarm 往前移至 Degradation。

04｜用数据安排 Check / PM，减少无效巡检
从定期全部检查，转向依据 Outlier、Trend、异常位置与事件严重程度安排维护优先顺序。工程师可以把时间集中在真正需要 Check 的 Vehicle、Track 或 Tool，提高维护效率。

05｜建立可追溯的搬送品质履历
将原本一次性的量测转为长期数据，持续保留 OHT 车况、Track 品质、Robot Motion 与地震事件纪录。当 Wafer 搬送或设备品质出现问题时，能有历史资料进行前后比对与异常追溯。

06｜降低高价值 Wafer 的非製程风险
CoWoS、CoPoS 等先进封装让单片 Wafer 承载更高的累积价值。透过 OHT、Track、Robot 到设备端的品质管理，降低搬送震动、冲击、动作劣化及突发地震所带来的潜在风险。

随着 CoWoS、CoPoS 等先进封装持续发展，Wafer 承载的製程成果与价值不断提高，品质管理也需要从製程延伸至搬送环节。从 OHT 天车、轨道、Wafer Robot 到突发地震，真正重要的不只是异常发生后的处理，而是能否提早掌握变化、精准定位问题，并透过长期数据建立符合 Fab 现场的品质基准。当每一次搬送都有数据可以追溯，才能让高价值 Wafer 从製程到移动过程，都获得更完整的品质保障。