任何診斷都離不開信息匯總與分析。相比數(shù)字和統(tǒng)計數(shù)據(jù)，人們總是更擅長通過圖形化的信息來分析問題，尤其是當數(shù)據(jù)呈現(xiàn)的是隨著時間的推移而發(fā)生變化的問題。以記錄你一天步行信息的GPS為例，盡管下面這張圖上下兩部分展示的是同一天的行程，但下方的地圖軌跡明顯要比上方的坐標和時間記錄更容易讓人理解。

工藝設備診斷

為實現(xiàn)針對工藝設備的診斷，泛林集團打造了一個名為“泛林數(shù)據(jù)分析器（LamDA）”的實用程序。該程序可以讀取日志數(shù)據(jù)并用圖形表現(xiàn)情況變化，非常適用于針對不同晶圓或腔體的對比�？蛻艉臀覀兊囊痪�工程師都經(jīng)常使用這款程序，其當前有效許可已超過8，000份。LamDA的最佳使用方式是借助其提供的信息來證實或反駁預先提出的假設。但是，如果問題牽扯的范圍太廣而無從下手（即“大海撈針”的難題）或有問題但完全沒有發(fā)現(xiàn)時又該如何處理呢？

更大的挑戰(zhàn)

面對更大的挑戰(zhàn)，我們的應對方法也要變，正如電影《大白鯊》的經(jīng)典臺詞：“我們要換大船來對付大家伙”。而泛林集團推出的最新一代大數(shù)據(jù)分析工具腔室匹配診斷工具（D2CM）就是這樣的“大船”。它采用了機器學習算法，可用于匯總分析所有設備在很長一段時間內(nèi)的數(shù)據(jù)。換句話說，這個工具能夠不分寒暑地主動幫你探查潛藏在汪洋大海中的“針頭”，哪怕你根本不知道有這樣一個“針頭”的存在�？梢哉fD2CM就是“超級版LamDA”。

D2CM通常被用于評估運行相同工藝（或應用）的一組設備的性能。盡管在批量生產(chǎn)中客戶可以通過控制限值來判斷設備是否按照設置的參數(shù)運行，不同設備仍然會存在誤差。這些差異不但難以識別，而且通常很難確定其背后的根本原因。D2CM的多變量（或多維）分析法可以識別這些具有統(tǒng)計意義的誤差從而找到改良的方向。該方法的一大優(yōu)勢在于它能綜合考量不同信號數(shù)據(jù)之間的相互作用（請記住，壓力、溫度、功率等都是相互關(guān)聯(lián)的），提高“信噪比”并更快找到根本原因。

由于機器學習的高度復雜性，我們往往需要大量的培訓才能熟練掌握其使用方法。若需要真正了解如何將分析結(jié)果轉(zhuǎn)化為維修或糾正措施，則需要更多技能，因為你需要非常了解工藝設備。

還有更好的方法嗎？

我們一直在努力研發(fā)“更好的方法”。我們的思路是在綜合分析大量使用大數(shù)據(jù)的基本場景，把它們開發(fā)成更簡單的“應用程序”。例如該程序可能是專用于評估同組所有設備的全部配置設置，或一個“子系統(tǒng)運行狀況模型”，又或是幫助你完成設備日常運行檢查的程序。另外，該程序還建了一個“沙盒”環(huán)境，工藝工程師可以便捷地訪問設備數(shù)據(jù)和D2CM的核心引擎，試行不同的分析方法，或?qū)��?shù)據(jù)可視化。該開發(fā)項目首批應用程序于2020年下半年投入使用，未來還會有更多應用程序加入，其中一些應用程序?qū)�來自客戶自己的沙盒�?/p>

以上所有這些努力都是為了提高數(shù)據(jù)和分析的質(zhì)量，從而更好地提升設備的性能和生產(chǎn)率。

作者：泛林集團