预测性维护与预防性维护：半导体制造厂指南

结语

• 成本影响： 预防性维护往往导致“过度维护”，浪费备件和技术人员的时间，而预测性策略只针对必要的维护。
• 减少停机时间： 与标准预防性维护计划相比，预测性维护方法可减少机器停机时间 30%–50%，并延长机器寿命 20%–40%。
• 数据依赖： 预防性维护依赖于日历，而预测性维护依赖于实时数据的完整性，因此需要强大的预测性维护软件。
• 实施： 这种转型并非非此即彼；混合模式往往能为半导体制造工厂带来最佳的投资回报率。
• 结论： 从“坏了就修”或“按计划修”转变为“需要的时候就修”，是最大限度地提高晶圆良率和设备可用性的关键。

介绍

在竞争激烈的半导体制造行业，停机是最大的敌人。它不仅会造成资金损失，还会降低晶圆良率，甚至让晶圆厂经理们过早地白发苍苍。麦肯锡公司最近发布的一份报告（2024）指出，利用工业4.0技术，特别是针对机器健康管理的技术，可以将机器停机时间减少高达50%，并将维护成本降低10%至40%。然而，许多工厂仍然深陷于“修补根本没坏的东西”的恶性循环中。

这就引出了现代可靠性工程的核心争论：预测性维护与预防性维护。虽然这两个术语在会议室里经常被混用，但它们代表着截然不同的理念。一种依赖于时间节点的可靠性；另一种则信赖数据的可靠性。

对于设备工程师和晶圆厂经理来说，选择正确的道路不是一种哲学探讨，而是一种财务上的必然选择。

核心冲突：日历与条件

要了解晶圆厂目前正在发生的转变，我们必须将这些概念分解成它们的机制。

预防性维护：定期保养

预防性维护（PM）是业内由来已久的做法。它可以是基于时间的，也可以是基于使用情况的。例如，蚀刻工具每运行500射频小时就需要维护一次。真空泵密封件每六个月更换一次。无论密封件是否真的磨损，都需要这样做。

这里的逻辑是统计学上的。我们假设，由于大多数轴承在10,000次循环后失效，因此我们应该在9,000次循环时更换所有轴承。

优点：

• 更容易制定预算和计划。
• 实施所需的技术复杂度较低。
• 与被动式（运行至故障）维护相比，可延长设备寿命。

缺点：

• 劳动力流失： 技术人员花时间修理运转正常的机器。
• 维护后故障： 具有讽刺意味的是，人为干预恰恰是导致设备故障的主要原因之一。打开腔室更换原本无需更换的部件，会引入颗粒物或真空泄漏的风险。
• 意外故障： 机器很少会按计划发生故障。随机故障仍然会在计划的时间间隔内发生。

预测性维护：智能传感器方法

预测性维护 (PdM) 颠覆了传统做法。它不再问“今天是星期几？”，而是问“设备运行状况如何？”

通过使用预测性维护工具，工程师可以实时监控设备的实际状态。传感器会跟踪振动、温度、声学和超声波特征以及功耗。只有当这些参数超出特定的控制限值时，才会触发维护操作。

优点：

• 最大限度延长零件寿命： 你应该一直使用一个组件，直到它真正接近使用寿命的终点，而不仅仅是等到手册上说时间到了才停止使用。
• 减少停机时间： 维护工作会在需要时进行安排，避免不必要的停机。
• 根本原因分析： 数据追踪有助于找出故障产生的原因。

缺点：

• 高额前期成本： 需要投资传感器和预测性维护软件。
• 数据复杂性： 你需要能够解读各种干扰信息的团队。

深度解析：晶圆厂中的预测性维护与预防性维护

当我们专门从半导体制造厂的角度来审视预测性维护与预防性维护时，情况就大不相同了。水处理厂的水泵故障令人烦恼；而化学气相沉积（CVD）工艺中的水泵故障则可能导致大量珍贵晶圆报废。

以下是两种方法在洁净室环境下的对比：

1. 触发机制

• 预防措施： CMMS（计算机化维护管理系统）会根据经过的时间或晶圆数量自动生成工作单。
• 预测性： 当特定阈值（例如，涡轮泵振动）被突破时，物联网平台或 MES（制造执行系统）会生成工作指令。

2. 硬件要求

预防性维护通常使用标准工具。如果您有扳手和记事板（或平板电脑），就可以开始了。

预测性维护需要一个数字化的神经系统。电机上需要振动传感器，电源上需要电流传感器，真空管路中需要粒子计数器。这就引出了预测性维护与预防性维护基础设施的区别。没有“P”（预测性）硬件，就无法进行预测性维护。

3. 技能差距

这一点常常被忽视。转向预测模型需要维护人员转型。他们不再仅仅是机械师，而是要成为数据分析师。他们需要了解振动图上的快速傅里叶变换 (FFT) 频谱是什么样的。

注意：我们的目标并非用软件取代技术人员，而是赋予技术人员超能力，让他们在穿戴工作服之前就能准确知道该拧哪颗螺丝。

为什么预防性维护已经远远不够了

晶圆厂经理们正面临着节点尺寸缩小速度比羊毛衫在高温烘干机里缩水还快的局面。随着我们迈向3纳米和2纳米工艺，容错空间几乎消失殆尽。

预测性维护与预防性维护：过度维护的陷阱

为了避免停机，许多晶圆厂陷入了过度维护的陷阱。他们缩短了预防性维护周期。例如，他们不再每周清洁一次腔室，而是每三天清洁一次。

这会严重影响设备可用性。如果您的设备因计划维护而停机的时间占总时间的 20%，那就意味着损失了 20% 的产能。预防性维护与预测性维护之争往往在此落下帷幕：预测性维护可以帮您挽回损失的时间。

根据美国能源部（2022）的数据，有效的预测性维护计划可降低30%至40%的维护成本，并减少35%至45%的停机时间。对于高产量晶圆厂而言，这些百分比意味着可挽回数百万美元的收入。

数据和软件的作用

你不能简单地“决定”进行预测性维护，你需要一个完整的生态系统。这就是预测性维护软件发挥作用的地方。

连接点（字面意义上的）

半导体设备会不断发送数据。通过 SECS/GEM 和 Interface A（EDA）标准，各种工具会持续不断地广播数据。真正的挑战在于如何捕获这些数据。

强大的软件解决方案充当数据聚合器的角色。它们从以下来源提取数据：

1. 故障检测与分类（FDC）系统： 监测过程参数。
2. 附加传感器： 对旧设备进行振动或温度监测改装。
3. 设施系统： 冷水机温度，洁净室湿度。

理解噪音

原始数据毫无用处。如果图表出现峰值，是指电机快坏了，还是有人碰了一下机器？

先进的预测性维护工具利用机器学习（ML）算法来学习特定工具的“正常”运行状态。它们能够区分无害的异常情况和正在发生的灾难。

• 类比时间： 这就像医生听诊你的心脏。预防性措施是每年进行一次体检。预测性措施是佩戴智能手表，一旦你的心率出现异常，它就会立即发出警报。

实施过程中遇到的挑战（以及如何克服这些挑战）

转换策略并非易事，并非像拨动开关那么简单。如果真那么容易，人人早就这么做了。

挑战一：遗留设备问题

晶圆厂里既有全新的ASML扫描仪，也有用了20年的湿法工作台。老旧的设备通常缺乏深度分析所需的内置传感器。

• 解决方案： 改造升级。利用非侵入式传感器（例如钳形电流传感器）可以从旧式工具中提取数据，而不会使保修失效或造成信号干扰。

挑战 2：数据孤岛

振动数据存储在一个服务器上；过程数据存储在另一个服务器上。

• 解决方案： 集成中间件。你需要一个统一的层，将运营技术 (OT) 和信息技术 (IT) 连接起来。这是 MES 集成团队的核心能力。

挑战三：警觉疲劳

如果你的预测性维护软件每五分钟就发出一次“紧急情况！”的警报，技术人员最终会将其静音。

• 解决方案： 调优。实施阶段需要一段时间来“训练”模型，以最大限度地减少误报。

投资回报率方程

在向领导层阐述预测性维护与预防性维护的区别时，要用财务术语来表达。

计划外停机成本

在半导体行业，计划外停机造成的损失极其巨大，因为这关系到在制品（WIP）的存量。如果某个批次的工序失败，损失的不仅仅是时间，还可能报废一整盒已经积累了数周加工价值的晶圆。

库存减少

预防性维护需要储备大量备件以备不时之需。而预测性维护策略则根据部件的损耗曲线来订购零件。这样就实现了准时制 (JIT) 维护库存，从而释放了原本占用在库存中的资金。

转型：一种混合方法

纯粹主义者可能不会告诉你的秘密是：你不必非此即彼。

最有效的维护策略是混合策略。

• 运行至故障： 适用于价格低廉、非关键性资产（例如走廊里的灯泡）。
• 预防措施： 对于有严格监管要求或故障模式纯粹与使用年限相关且完全可预测的资产。
• 预测性： 对于关键资产（集群工具、泵、射频发生器），正常运行时间就是收入。

了解预测性维护与预防性维护之间的平衡，可以让您将资源分配到损失最小、帮助最大的地方。

结语

预测性维护与预防性维护之争并非在于证明哪一种在理论上更胜一筹，而在于如何将策略与资产相匹配。然而，随着半导体制造的自动化程度越来越高，数据也越来越丰富，预测性策略正逐渐占据主导地位。

仅仅因为日历上写着要检修就拆开一台运转良好的机器的日子已经屈指可数了。通过采用合适的预测性维护软件，并将你的企业文化从被动应对转变为主动预防，你将获得最终的竞争优势：可靠性。