前言FDCFault Detection and Classification故障检测与分类是半导体智能制造的核心环节。一个12英寸晶圆厂设备每天产生TB级传感器数据靠人工监控是不可能的。FDC系统自动检测异常、分类故障类型在设备损坏前预警避免昂贵晶圆报废。一、FDC在CIM架构中的位置1.1 三层架构FDC Server接收设备上报数据实时分析FDC Database存储历史数据、故障模型、分类规则FDC Client工程师界面查看报警、确认故障1.2 与APC/SPC的关系APC调节参数 → 减少变异SPC监控稳定性 → 发现异常FDC检测故障 → 分类处理二、FDC核心功能2.1 故障检测Fault Detection阈值检测超出规格上限/下限报警趋势检测连续N点上升/下降报警模式识别正弦波、周期性异常统计检测3σ规则、Grubbs异常值检测2.2 故障分类Fault Classification硬件故障加热器损坏、阀门泄漏、泵异常工艺故障温度漂移、压力波动、气体流量异常传感器故障校准失效、信号漂移、通信中断三、FDC算法详解3.1 3σ规则最常用原理数据点超出均值±3σ判定为异常。优点简单、解释性强。缺点对微小漂移不敏感。3.2 累积和控制图CUSUM原理累计偏差对微小漂移敏感。适用高精度制程如CVD薄膜厚度控制。3.3 指数加权移动平均EWMA原理加权平均平滑噪声。适用数据噪声大的场景如等离子体蚀刻。四、Python实战FDC故障检测4.1 数据模拟蚀刻机RF功率假设我们监控蚀刻机的RF Power射频功率正常900W标准差10W。4.2 3σ规则检测实现完整代码已包含在下载包中这里展示核心片段import numpy as npimport pandas as pddef detect_3sigma(data, mean, std, k3):3σ规则检测upper mean k * stdlower mean - k * stdalarms (data upper) | (data lower)return alarms, upper, lower4.3 CUSUM检测实现def detect_cusum(data, target, threshold5):CUSUM累积和控制图cusum_pos 0cusum_neg 0alarms []for x in data:deviation x - targetcusum_pos max(0, cusum_pos deviation)cusum_neg min(0, cusum_neg deviation)alarms.append(abs(cusum_pos) threshold or abs(cusum_neg) threshold)return np.array(alarms)4.4 故障分类器随机森林from sklearn.ensemble import RandomForestClassifierdef classify_fault(features):根据特征分类故障类型# features: [RF功率, 腔压, 气体流量, 温度]model RandomForestClassifier()# 训练数据需要人工标注return model.predict([features])[0]五、FDC系统集成5.1 与SECS/GEM的接口FDC通过EAP从设备采集数据S6F11Event Report设备上报事件S6F12Event AcknowledgeFDC确认接收周期性数据Periodic Data按设定频率上报5.2 与MES的接口FDC报警后自动创建Maintenance RequestMES安排工程师处理记录处理结果FDC从MES获取Recipe参数判断是否在规格内六、FDC实施建议先从关键设备开始蚀刻/CVD/光刻再推广到全厂建立FDC规则库积累故障处理经验结合APC形成检测-调节闭环培训工艺工程师理解FDC报警含义--- 关注我每天分享半导体智能制造干货 有问题评论区留言必回 我的CSDN资源积分兑换持续更新1. 《晶圆检查可视化工具》Python完整源码2. 《简单标签管理系统》小工厂数据管理神器3. 《SPC控制图分析工具》质量管理必备4. 《MES系统设计文档模板》企业级模板5. 更多CIM工具OEE/SECS-GEM/FDC/MES/EAP/APC... 访问主页下载https://blog.csdn.net/yeflashzhihui
半导体FDC故障检测与分类实战（附Python代码）
发布时间：2026/6/7 6:13:39
前言FDCFault Detection and Classification故障检测与分类是半导体智能制造的核心环节。一个12英寸晶圆厂设备每天产生TB级传感器数据靠人工监控是不可能的。FDC系统自动检测异常、分类故障类型在设备损坏前预警避免昂贵晶圆报废。一、FDC在CIM架构中的位置1.1 三层架构FDC Server接收设备上报数据实时分析FDC Database存储历史数据、故障模型、分类规则FDC Client工程师界面查看报警、确认故障1.2 与APC/SPC的关系APC调节参数 → 减少变异SPC监控稳定性 → 发现异常FDC检测故障 → 分类处理二、FDC核心功能2.1 故障检测Fault Detection阈值检测超出规格上限/下限报警趋势检测连续N点上升/下降报警模式识别正弦波、周期性异常统计检测3σ规则、Grubbs异常值检测2.2 故障分类Fault Classification硬件故障加热器损坏、阀门泄漏、泵异常工艺故障温度漂移、压力波动、气体流量异常传感器故障校准失效、信号漂移、通信中断三、FDC算法详解3.1 3σ规则最常用原理数据点超出均值±3σ判定为异常。优点简单、解释性强。缺点对微小漂移不敏感。3.2 累积和控制图CUSUM原理累计偏差对微小漂移敏感。适用高精度制程如CVD薄膜厚度控制。3.3 指数加权移动平均EWMA原理加权平均平滑噪声。适用数据噪声大的场景如等离子体蚀刻。四、Python实战FDC故障检测4.1 数据模拟蚀刻机RF功率假设我们监控蚀刻机的RF Power射频功率正常900W标准差10W。4.2 3σ规则检测实现完整代码已包含在下载包中这里展示核心片段import numpy as npimport pandas as pddef detect_3sigma(data, mean, std, k3):3σ规则检测upper mean k * stdlower mean - k * stdalarms (data upper) | (data lower)return alarms, upper, lower4.3 CUSUM检测实现def detect_cusum(data, target, threshold5):CUSUM累积和控制图cusum_pos 0cusum_neg 0alarms []for x in data:deviation x - targetcusum_pos max(0, cusum_pos deviation)cusum_neg min(0, cusum_neg deviation)alarms.append(abs(cusum_pos) threshold or abs(cusum_neg) threshold)return np.array(alarms)4.4 故障分类器随机森林from sklearn.ensemble import RandomForestClassifierdef classify_fault(features):根据特征分类故障类型# features: [RF功率, 腔压, 气体流量, 温度]model RandomForestClassifier()# 训练数据需要人工标注return model.predict([features])[0]五、FDC系统集成5.1 与SECS/GEM的接口FDC通过EAP从设备采集数据S6F11Event Report设备上报事件S6F12Event AcknowledgeFDC确认接收周期性数据Periodic Data按设定频率上报5.2 与MES的接口FDC报警后自动创建Maintenance RequestMES安排工程师处理记录处理结果FDC从MES获取Recipe参数判断是否在规格内六、FDC实施建议先从关键设备开始蚀刻/CVD/光刻再推广到全厂建立FDC规则库积累故障处理经验结合APC形成检测-调节闭环培训工艺工程师理解FDC报警含义--- 关注我每天分享半导体智能制造干货 有问题评论区留言必回 我的CSDN资源积分兑换持续更新1. 《晶圆检查可视化工具》Python完整源码2. 《简单标签管理系统》小工厂数据管理神器3. 《SPC控制图分析工具》质量管理必备4. 《MES系统设计文档模板》企业级模板5. 更多CIM工具OEE/SECS-GEM/FDC/MES/EAP/APC... 访问主页下载https://blog.csdn.net/yeflashzhihui
