监诊实绩
应用领域
常见问题
如何确保Scrubber清洗制程动作位置？
监诊实绩｜如何确保Scrubber清洗制程动作位置？晶圆清洗中，常藉由Scrubber机以溶液清洗晶圆表面来去除微粒（particle），清洗晶圆程序虽然简单，但Scrubber的清洗过程更直接影响到晶圆品质，该如何确保动作稳定？
晶圆清洗
晶圆清洗中，常藉由Scrubber 机以溶液清洗晶圆表面来去除微粒（Particle），能有效去除表面各式污染源，并且还要能够避免对晶圆造成表面的缺陷或刮伤，此时清洗的Spray Nozzla 喷射角度与流量都会影响到冲击力道、压力位置等，更是直接影响到晶圆的品质。
Spray nozzle原理
Spray nozzle是一种雾化喷嘴，以氮气内部压力推动液体，高速流动冲击形成雾化水滴。并利用雾化水滴喷洒于晶圆上，能够有效移除晶圆上的小微粒。我们藉由确保Spray nozzle是否有移动到指定位置外，也可发现此动作与相关物件的运行状况做趋势化管理。
监测说明
VMS-ML 机器学习智能监控系统
透过传感器将动态讯号转换成可视化图像表示方式，进而发现制程隐含的讯息做为日后线上监控的依据。此外，伺服马达带动其他物件运行，利用机器学习智能监控系统管理，确保伺服马达每次作动的一致及 Spray Nozzla 是否有移动到指定位置。
量测状况
Scruber作动清洗流程：
1. Z轴上升
2. X轴横移
3. X轴横移＋第一次清洗
4. X轴横移＋第二次清洗
单片晶圆清洗流程
模拟VMS-ML机械学习监控系统量测
四片晶圆清洗状况比较
Dynamic Similarity
快速学习并对于标定制程上重复行为或部分重复行为，由VMS-ML进行动作相似度判别给分，做趋势分析管理
测量结论
VMS-ML机械学习效益说明
设备对接：不用与设备系统对接，安装sensor学习后即可开始管理
时域 / 频域：VMS-ML同时时域与频域管理相对应关系
边缘运算：管理设备不用大量RAW DATA储存空间
可视化管理：设备运行状况图像管理
聚焦管理：设备运行可视化针对异常部位轴向维修管理
维修前后：确认设备是否需维修、机台覆归品质确认
AI趋势分析：精修门槛，预知保养规格
VMS-ML 机器学习智能监控系统
及时拦截不良品
常见问题（FAQ）
Scrubber 清洗製程为什么需要监测动作位置？
Scrubber 在晶圆清洗製程中，会透过 Spray nozzle 将清洗液喷洒至晶圆表面，以去除 particle 与汙染物。若喷嘴位置、移动路径、喷射角度或流量不稳定，可能造成清洗不均、晶圆表面残留汙染、刮伤或良率下降，因此需要监测每次清洗动作是否到达指定位置。
Spray nozzle 的角度与流量会影响晶圆品质吗？
会。Spray nozzle 的喷射角度与流量会影响清洗液对晶圆表面的冲击力道与压力位置。若角度偏移或流量异常，可能导致局部清洗不足、液体冲击过大或表面缺陷，进而影响晶圆清洗品质与后续製程稳定性。
Scrubber 清洗流程通常包含哪些动作？
本案例中的 Scrubber 清洗流程包含 Z 轴上升、X 轴横移、X 轴横移加第一次清洗，以及 X 轴横移加第二次清洗。这些动作具有重複性，因此适合透过机器学习建立正常动作模型，并用于后续相似度判别与趋势管理。
VMS-ML 如何监测 Scrubber 清洗动作？
VMS-ML 机器学习智能监控系统可透过感测器撷取 Scrubber 作动时的动态讯号，并将讯号转换为可视化图像。系统会学习正常清洗流程中的重複或部分重複行为，再针对后续每次动作进行相似度判别与给分，协助确认伺服马达作动一致性与 Spray nozzle 是否移动到指定位置。
Dynamic Similarity 在 Scrubber 监测中有什么用途？
Dynamic Similarity 可用来比较每次清洗动作与正常模型之间的相似度。若某次 Z 轴或 X 轴动作、喷嘴移动路径或清洗流程与正常状态差异过大，系统即可透过相似度分数与趋势变化提示异常风险，协助工程师提前检查设备状态。
导入 Scrubber 清洗动作监测有什么效益？
导入 Scrubber 清洗动作监测后，可在不需要大量储存 RAW DATA 的情况下，透过边缘运算、时域/频域分析与可视化管理掌握设备运行状况。系统可协助确认设备是否需要维修、检查维修后复归品质，并透过 AI 趋势分析精修门槛，建立预知保养管理规格。