基于状态和质量特征的半导体设备智能维护方法研究

Semi-conductor fabrication is a complex manufacturing process with multiple products and batches. The jobs have re-entry characteristics. The maintenance policy may affect production directly. This research will combine the status, quality and maintenance records togother and provide a integrated policy for production plan and intelligent maintenance. A hierarchy of two levels is presented. The first level is modelled with semi-markov decision process aimed at production and maintenance planning for single machine considering varied jobs and dynamic failures. The second level is discrete event simulation for multi-machines to optimize the maintenance time with balanced Work In Process, inventry and quality etc.. Virtual quality metrology is employed to obtain the unmeasured quality through status and controller data. Bayes network and Support Vector Machine are used to model the relationships with varieties between quality and status data.This project will give some simulation results with typical FAB models. At last, a real OLED production line in a coopration will be studied and used as an experimental object with the studyed model and strategy. This research is aimed at solving the problem of joint planning for production and mainteance in semi-conductor fabrications. It will provide a new strategy for semi-conductor maintenance and facilitate the deployment of intelligent maintenance in FAB.

半导体生产线是一个多品种、多批量，带"重入"的复杂制造系统，其设备维护是否得当直接影响生产。本项目以半导体复杂制造过程为对象，考虑生产计划，研究集设备状态、产品质量、历史维护数据为一体的智能维护策略。首先基于Markov决策过程模型进行单设备的维护调度方法研究，实现适应动态失效和变动作业的长期维护计划；其次，考虑生产线在制品WIP、库存、产品质量等变化，研究基于离散事件Monte Carlo仿真的多目标优化的维护策略，实现短期维护的时间点设置，适应设备实时状态的重调度。项目提出采用"虚拟测量"进行全产品测量和质量跟踪，利用质量特征分布间接确定设备状态转移概率。研究全局贝叶斯网络分解、分类回归的模型来表达多工况下不确定性变量间关系。最后，项目对典型半导体生产模型和实际OLED生产线分别进行仿真和实验验证。本项目所研究的动态维护调度模型对完善智能维护理论，促进其在半导体生产中的应用有重要意义。

半导体生产线是一个多品种、多批量，带“重入”的复杂制造系统，其设备维护是否得当直接影响生产。本项目以半导体复杂制造过程为研究对象，探讨其中的关键设备的状态检测和智能维护方法。项目主要研究了了单设备状态检测及维护方法、多设备串行维护及多设备串并混联结构典型生产系统的智能维护策略，通过仿真验证了该策略方法的有效性。另外项目所研究的检测方法和维修维护策略还被应用到其他相关领域。. 首先研究了半导体生产线的单台及多台设备串行生产模型。对设备状态进行监测和故障分类。提出了用产品质量回溯设备状态的间接测量方法，采用模板注册和匹配的方法识别LED屏幕的缺陷，研究了最小二乘支持向量机SVM模型，其中建立一种多层提取、集成采样的方法用于非均衡样本的特征提取，实验数据验证了所建模型和识别方法的高效率。. 根据串联随机衰退系统的特点，提出一种基于故障阈值的视情维护的建模方法和定点维护成本分析模型。应用可动态修正的Weibull分布对各设备的随机衰退过程进行建模，建立各检测点维护成本分析模型，通过离散事件Monte Carlo仿真，仿真验证了所提出的成本模型的合理性。对设备的衰退情况进行分类维护，以总维护费用最小化为目标，结合更新定理给出了模型求解的方法，对检测周期等参数进行优化分析。并分析了检测成本、间隔时间等对各类维护及总维护成本的影响。仿真结果表明建立的预防性维护模型和最佳检测周期可行且有效。. .其次将串行线拓展到串并联复合生产线，以半导体生产线典型模型——Mini-Fab模型为例，利用连续时间马尔科夫决策MDP模型描述各设备状态在动态维护策略下的变化情况，建立以可变维护周期和动态维护方案为优化变量，以系统效益为目标函数的优化模型，利用Matlab进行优化仿真，应用带遗传交叉因子的粒子群优化算法求解动态维护策略模型，获得最佳维护时刻及相应最优维护方案，使设备效益最大化。为验证该方案的可行性，并兼顾到系统中各设备间的相互影响，应用EM-Plant动力学仿真软件对Mini-Fab模型进行建模仿真，结果表明所提出的建模方法和决策方案能保证生产线的运行和合理维护，获得综合效益最大化。.项目所研究的设备检测和故障诊断维护方法还应用在其他相关项目中，如对列车轮对踏面的状态检测和故障识别等相关课题，也获得了有效性验证。项目发表SCI检索论文3篇，EI论文4篇，中文核心论文8篇。