Thực tế
Ứng dụng
Hỏi đáp
Bất thường tay robot vận chuyển trong buồng chân không?
Thực tế giám sát｜Bất thường tay robot trong buồng chân không?Tay robot trong buồng tưởng như đơn giản nhưng thực tế đảm nhiệm các chuyển động tần suất cao, độ chính xác cao và rủi ro cao. Tuy nhiên, hiện trường thường thiếu cơ chế giám sát tình trạng hoạt động theo thời gian thực, khiến khi xảy ra bất thường thì đã gây hư hại wafer hoặc dừng toàn bộ hệ thống, dẫn đến tổn thất rất lớn.
Thiết bị phủ màng chân không đa buồng
Trong quy trình bán dẫn tiền đoạn, Cluster Tool là nền tảng xử lý đa buồng tích hợp cao. Tay robot trung tâm chịu trách nhiệm vận chuyển wafer trong môi trường chân không, lần lượt đưa vào các buồng để phủ màng, khắc và làm sạch. Tay robot này nằm trong buồng chân không, là cơ cấu lõi có độ chính xác cực cao và khó thay thế. Tuy nhiên, hiện trường thường thiếu cơ chế giám sát sức khỏe theo thời gian thực cho tay robot, dẫn đến khi xảy ra bất thường thì wafer bị hỏng hoặc hệ thống dừng máy, gây thiệt hại nghiêm trọng. Do đó, cần triển khai giải pháp giám sát có khả năng dự đoán bất thường để thực hiện bảo trì dự đoán thông minh.
Vì sao cần giám sát tay robot trong buồng?
Tay robot trong buồng đảm nhiệm các chuyển động tần suất cao, độ chính xác cao và rủi ro cao. Khi vận hành không ổn định có thể trực tiếp gây ra:
• Truyền wafer sai hoặc rơi wafer
• Trầy xước, vỡ wafer hoặc lệch vị trí khi vào buồng
• Va chạm gây hư hại giữa buồng và cơ cấu tay robot
• Sai lệch trình tự cửa và chuyển động gây dừng buồng
• Dừng toàn hệ thống để xử lý sự cố và tháo tay robot sửa chữa
Do tay robot nằm trong buồng chân không, không thể kiểm tra trực quan như cơ cấu thông thường, đồng thời không cho phép dừng máy thường xuyên để tháo kiểm. Vì vậy, mục tiêu cốt lõi là “liên tục nắm bắt tình trạng sức khỏe tay robot mà không gián đoạn quy trình”.
Vấn đề và điểm đau thực tế khi xảy ra bất thường
Tay robot trong buồng thường khó phát hiện sớm trước khi có lỗi rõ rệt; khi sự cố bùng phát sẽ tiêu tốn rất nhiều thời gian và chi phí để khắc phục.
| Loại vấn đề | Mô tả | Tác động |
|---|---|---|
| Rơi wafer hoặc vỡ wafer | Lệch vị trí đặt wafer hoặc kẹp giữ bị lỏng | Nhiễm bẩn buồng, giảm yield, cần vệ sinh toàn bộ hệ thống |
| Va chạm giữa tay robot và cơ cấu cửa | Sai thời điểm chuyển động, trễ cửa hoặc tay robot thao tác sai | Hư hỏng cơ cấu, phải thay linh kiện và hiệu chỉnh |
| Chuyển động chậm hoặc lệch hướng | Động cơ lão hóa, thiếu bôi trơn hoặc mài mòn cơ khí | Kéo dài thời gian vận chuyển, giảm hiệu suất sản xuất |
| Rung động nhỏ bất thường không được phát hiện kịp thời | Giám sát truyền thống chỉ kiểm tra “có chạy hay không”, không đánh giá “chạy có đúng hay không” | Bỏ lỡ dấu hiệu sớm của sự cố, mất cơ hội bảo trì kịp thời |
Giải pháp và mô tả giám sát
Hệ thống giám sát thông minh VMS-ML (Machine Learning)
VMS-ML cho phép quản lý trực quan trạng thái vận hành của tay robot trong buồng chân không và thiết lập quản lý chuyển động theo trục mục tiêu.
Cảm biến được lắp đặt tại vị trí phía trên của động cơ servo; thông qua hệ thống VMS-ML, các tín hiệu động học của chuyển động chuẩn được học và so sánh để chấm điểm.
Hệ thống không giới hạn loại chuyển động, cả chuyển động dài và ngắn của tay robot sau khi học đều có thể được đưa vào quản lý.
Tình trạng đo kiểm
Chuyển động kiểm thử (Pattern)
1. Tay B xoay đến Chamber 1 để lấy wafer
2. Tay A vươn ra đến Chamber 1 để lấy wafer
3. Sau khi lấy wafer tại Chamber 1, tay A xoay về Output Port để đặt wafer rồi thu về
Chuyển động kiểm thử 1: Tay B xoay đến Chamber 1 để lấy wafer
Vị trí lắp đặt: phía dưới thân động cơ
Quản lý theo trục của tay: trục X (vươn ra), trục TH (xoay)
Kết quả đo: đặc trưng tín hiệu trục TH không rõ, nhưng vẫn có thể đưa vào phân loại/chấm điểm chuyển động
Trạng thái thời gian vận hành tay robot (Trục X: giây; Trục Y: mm/s)
Chuyển động kiểm thử 2: Tay A xoay và vươn vào Chamber 1 để lấy wafer (chuyển động ngắn)
Vị trí lắp đặt: Phía trên thân động cơ
Quản lý trục tay: Trục X vươn ra và thu về
Kết quả đo: Đặc trưng tín hiệu rõ ràng, có thể dùng làm điểm đo
Trạng thái thời gian vận hành tay robot (Trục X: giây; Trục Y: mm/s)
Phân loại nhiều lần chuyển động của bài kiểm thử 2 và phân tích xu hướng độ tương đồng
Bài kiểm thử 3: Tay A vươn ra Chamber 1 lấy wafer, xoay về Output Port để đặt wafer rồi thu về
Vị trí lắp đặt: Phía trên thân động cơ
Quản lý trục tay: Chuyển động trục X, xoay trục TH
Kết quả đo: Đặc trưng tín hiệu rõ ràng, phù hợp làm điểm giám sát
Trình tự chuyển động tay: (Trục X: giây; Trục Y: mm/s)
Bài kiểm thử 3: Phân loại nhiều lần thao tác và phân tích xu hướng độ tương đồng
Hiển thị trạng thái máy bằng đèn tín hiệu và quản lý giám sát đồng thời nhiều thao tác
Kết luận đo lường
VMS-ML cho phép quản lý trực quan hoạt động của tay robot trong buồng chân không và thiết lập quản lý các chuyển động mục tiêu theo từng trục.
Không giới hạn ở chuyển động dài hay ngắn, sau khi học đều có thể đưa vào quản lý.
Bảo trì dự đoán tình trạng tay robot: quản lý xu hướng điểm đánh giá và ngưỡng cảnh báo.
Trạng thái vận hành tay robot: quản lý bằng đèn tín hiệu bên ngoài và ngưỡng sức khỏe.
Trong môi trường sản xuất bán dẫn đòi hỏi độ chính xác cao, sản lượng lớn và độ tin cậy cao, việc vận hành ổn định của tay robot trong Cluster Tool là yếu tố then chốt để đảm bảo yield và công suất.
Tuy nhiên, phương pháp bảo trì truyền thống dựa trên thời gian hoặc kinh nghiệm không còn đáp ứng được các quy trình phức tạp và biên an toàn ngày càng thu hẹp.
Do đó, việc triển khai hệ thống bảo trì dự đoán dựa trên giám sát rung động, phân tích dòng điện động cơ và mô hình hành vi theo thời gian
không chỉ giúp phát hiện sớm các bất thường tiềm ẩn của tay robot,
mà còn nâng cấp quyết định bảo trì từ “xử lý sau sự cố” lên “dự đoán trước sự cố”.
Sau khi triển khai hệ thống bảo trì dự đoán này, nhà máy bán dẫn sẽ đạt được nhiều lợi ích rõ rệt. Hệ thống phát cảnh báo sớm trước khi xảy ra sự cố, cho phép sắp xếp bảo trì vào thời gian thấp điểm để tránh gián đoạn sản xuất. Phát hiện sớm bất thường của tay robot, ngăn ngừa vỡ wafer và ô nhiễm, từ đó nâng cao yield và mức độ hài lòng của khách hàng. Tránh vận hành thiết bị trong trạng thái bất thường kéo dài, giúp giảm mài mòn và lão hóa cơ cấu. Đảm bảo nhịp xử lý và vị trí wafer luôn ổn định, nhất quán giữa các lô, giảm dao động quy trình. Tình trạng sức khỏe thiết bị được định lượng, minh bạch và trực quan, hỗ trợ triển khai nhà máy thông minh toàn diện.
Hệ thống giám sát thông minh Machine Learning
Machine Learning Intelligent Monitoring System
Ngăn chặn sản phẩm lỗi theo thời gian thực