真空腔体内搬运手臂异常？

监诊实绩｜真空腔体内搬运手臂异常？

腔体内手臂虽然看似机构简单，实则负责高频率、高精度、高风险的动作。然而，现场普遍缺乏对此类手臂运作状态的即时健康监控机制，导致当异常发生时，往往已造成晶圆损坏或整机停摆，产生极高的损失。

真空多腔镀膜设备

在半导体前段製程中，Cluster Tool 为高度整合式的多腔体製程平台，中央的搬运手臂负责在真空中将晶圆依序送入各处理腔体，进行镀膜、蚀刻、清洗等操作。该手臂位于真空腔内，属于极高精度且不易更换的核心机构。然而，现场普遍缺乏对此类手臂运作状态的即时健康监控机制，导致当异常发生时，往往已造成晶圆损坏或整机停摆，产生极高的损失。因此，有必要导入一套具备异常预判能力的监测方案，实现智慧预知保养。

为什麽要监测腔体内手臂？
腔体内手臂虽然看似机构简单，实则负责高频率、高精度、高风险的动作。一旦手臂运作不稳，会直接导致：
• 晶圆传送错误或掉落
• 晶圆刮伤、破片或偏位进腔
• 腔体与手臂机构撞击损坏
• 门控与移动时序错误导致腔体停摆
• 全机停机进行故障排除与手臂拆解维修

由于手臂位于真空腔中，无法如一般机构直接目视检查，且製程运作中也不容频繁停机拆检，因此「在不中断製程的情况下，持续掌握手臂健康状态」成为核心目标。

发生异常时的实际问题与痛点
腔体内手臂往往在未发生明显故障前难以察觉，一旦爆发便需耗费大量工时与成本修復。

问题类型	说明	造成影响
晶圆掉落或破片	放片位置偏移或夹爪松动	汙染腔体，良率下降，需整机清洗
手臂与门机构撞击	动作错时、门延迟或手臂误动作	机构损伤，须换零件并调校
动作迟缓或偏摆	马达老化、润滑不足或机构磨损	传送时间变长，降低生产效率
微小震动异常未即时发现	传统监控仅检查是否「能动」，无法察觉「动得对不对」	故障前兆未被掌握，错过保养时机

解决与监测说明

VMS-ML 机器学习智能监控系统
VMS-ML 对于真空腔体内手臂运行可视化管理且设定目标动作管理目标轴向位置。将感测器安装于伺服马达上缘位置上，藉由 VMS-ML 机器学习智能监控系统学习正确的作动产生的动态讯号，并且加以对比判分，不侷限手臂长动作与短动作学习后皆可纳入管理。

量测状况

Pattern 测试动作

1. 手臂 B 旋转至 Chamber1 取片
2. 手臂 A 前伸至 Chamber1 取片
3. 手臂 A 前伸至 Chamber 1取片后转向至 Output port 放片后收回

测试动作 1：手臂B旋转至Chamber1取片

安装位置：马达本体下方
手臂轴向管理：X轴前伸、TH轴旋转
量测结果：TH轴讯号特徵不明显但仍可动作判入

手臂运行时序状况: (单位X轴:sec ; Y轴:mm/s)

测试动作 2：手臂 A 旋转前伸至 Chamber1 取片(短动作)

安装位置：马达本体上方
手臂轴向管理：X轴前伸后退动作
量测结果：讯号特徵明显可作为量测点

手臂运行时序状况: (单位X轴:sec ; Y轴:mm/s)

测试动作 2 多次动作判入与相似度趋势分析

测试动作 3：手臂 A 前伸至 Chamber1 取片后转向至 Output port 放片后收回

安装位置：马达本体上方
手臂轴向管理：X轴动作、TH轴旋转
量测结果：讯号特徵明显可作为量测点

手臂运行时序状况: (单位X轴:sec ; Y轴:mm/s)

测试动作 3 多次动作判入与相似度趋势分析

外层灯号显示机台状况与多动作同时监测管理

测量结论

VMS-ML对于真空腔体内手臂运行可视化管理且设定目标动作管理目标轴向位置。不侷限手臂长动作与短动作学习后皆可纳入管理。手臂状况预知保养：判入分数作趋势化门槛管理。手臂运行状况：外层灯号与健康度门槛管理。

在高精度、高产能与高可靠度并重的半导体製程环境中，Cluster Tool 腔体内手臂的稳定运作，是确保良率与产能的关键。然而，传统以时间制或经验判断为主的保养模式，已无法因应複杂製程与日益缩小的容错空间。因此，导入以振动监测、马达电流分析与时序行为模型为基础的预知保养系统，不仅能提早辨识手臂潜在异常，更能将维修决策从「事后处理」提升至「事前预判」。

导入此预知保养系统后，将为半导体厂带来多项显着效益，在故障前即发出预警，可安排非尖峰时段维修，避免製程中断。提前掌握手臂异常，防止晶圆破片汙染，提升良率与客户满意度。避免持续在异常状态下运行，减少机构加速磨耗。确保每批晶圆处理节奏与位置稳定一致，减少製程波动。设备健康状态量化、透明、可视，支援全厂智慧製造佈局。

VMS-ML 机器学习智能监控系统

及时拦截不良品