核心要点：
自主巡检机器人能在晶圆厂内的过热、泄漏及设备异常导致故障之前将其检测出来，同时让技术人员远离危险环境。
将设备状态、物料数据与晶圆结果关联起来，有助于工程师识别工艺偏差、改善腔体匹配，并维持更严格的工艺控制。
协作机器人可自动完成腔体清洁等维护任务，减少人为失误并加快设备恢复速度。不过，完全自主化的晶圆厂仍面临技术与基础设施方面的挑战。
如今，机器人与人工智能在晶圆厂中承担着越来越多的任务，尤其是在减少计划外停机、确保现有产能下产出更多合格晶圆方面。
无论是领先晶圆厂还是成熟制程晶圆厂，都在利用配备传感器的协作机器人和自主运输车辆来提升运营正常运行时间，这些设备取代了过去由人工完成的许多重复性任务。自动化确保了操作的可重复性，将人工干预留给需要解决问题的场景。
与此同时，工艺工程师如今拥有更强大的计算能力，能够更好地将设备状态、工艺背景与晶圆结果关联起来。这是他们在制造纳米级关键尺寸与公差器件的同时，控制工艺偏差的关键手段之一。
PDF Solutions全球晶圆厂应用解决方案经理乔恩·霍尔特表示："最强大的质量控制策略是将物料数据、设备数据与晶圆结果关联起来，从而在细微的偏差来源演变成良率问题之前将其发现。一种物料可能符合进料规格，但由于输送管路状况、温度历史、停留时间、腔体状态或与其他物料的相互作用，其表现可能有所不同。现代设备控制与数据采集系统有助于保留这些背景信息、强制执行操作限值、识别漂移，并在关键参数超出批准范围时阻止继续处理。"
制造成本上升、全球产能扩张以及劳动力短缺，都在推动自动化、机器人及人工智能应用的加速普及。
泛林集团（Lam Research）设备智能产品开发部门总经理拉塞尔·多佛表示："推动设备智能化重大进展的有三大趋势。第一是制造成本不断上升，以及从现有投资中获取最大生产力和投资回报率的迫切需求。30多年前我刚在英国一家晶圆厂工作时，一座晶圆厂的造价约为2000万美元。而现在这笔钱几乎只够买一套设备，一座千亿级晶圆厂的造价约为200亿美元。第二，晶圆厂正在新的地理区域蓬勃发展，企业希望将某一地区晶圆厂的能力复制到完全不同地点的类似晶圆厂中，这带来了有趣的车队式设备管理挑战。第三，我们面临的重大人才缺口正在推动对更多自动化、人工智能、机器学习和机器人技术的需求——这并非为了取代人力，而是让机器人持续稳定地执行重复性或繁琐的任务，同时更好地发挥人类的创造力，以及机器学习和人工智能所带来的速度优势。"
机器人与协作机器人提升精度、保障安全
英特尔代工厂（Intel Foundry）使用波士顿动力公司的四足机器人，对设备状况进行实时监测，主要在晶圆厂地下层（subfab）幕后开展工作（见图1）。在那里，发热的马达、泵或电气设备可能会因即将发生的过热情况而散发出热信号。故障马达往往会产生振动。泄漏的空气或特种气体会发出高频声音，声学成像系统能将其与背景噪音区分开来。这类机器人还能执行需要穿梭于狭小空间、记录数字或模拟仪表读数的常规简单任务。英特尔代工厂配备的这款机器人名为"Chip"，它在维持多个设施的设备健康方面发挥着重要作用，无需技术人员或工程师亲自前往现场记录并向主控制系统汇报常规读数。
图1：英特尔代工厂为波士顿动力公司的四足机器人配备装置，使其能在地下层、超纯水及空气冷却/分配设施中持续开展视觉、热成像及声学检测。图片来源：Semiconductor Engineering
目前，英特尔表示其机器人可通过视觉、热成像和声学检测，外加激光雷达和RealSense深度摄像头，执行16种不同的预防性检测任务。这种方式简化了技术人员的工作流程，提高了检测数据的质量，同时降低了安全风险。
英特尔代工厂物联网与机器人架构师乔·罗宾逊在近期一篇文章中解释道："例如，在对锅炉泵进行例行检测时，Chip检测到热水意外地流经一台已断电泵的管路。机器人向该区域的技术人员发出异常警报，使他们能够安全地隔离该泵进行诊断。技术人员随后发现泵内有一个失效的垫圈。人机协同的这次主动维修，避免了可能发生的热水泄漏及设备进一步损坏。"
在实际晶圆厂应用中，英特尔代工厂利用Chip机器人执行以下任务：
热成像检测：在马达、泵、电气元件及其他设备发生过热故障之前将其发现。
声学检测：探测异常声音，识别可能存在声学特征的空气/气体泄漏或机械问题。
视觉检测：通过摄像头和人工智能反复检查设备、仪表及其他检测点，而不完全依赖技术人员的人工记录。
趋势/预测性维护：重复的机器人检测能生成时间序列数据，英特尔可借此分析设备是否正朝故障方向漂移，从而在计划外停机发生前安排维护。
安全需求催生新型自动化方案
机器人与自动化在应急事件后尤为重要。例如，地震多发的台湾地区晶圆厂人员找到了一种更好的灾后恢复方式。如今，机器人可执行安全检测任务，否则这些任务将使人员暴露于气体泄漏、有毒化学品或坍塌物的风险之中。
联电（UMC）的晶圆厂设施、智能制造与IT团队共同开发了一款自主移动巡检机器人（AMR），用以安全取代人工检测。此前，每天需要两名技术人员花费1小时以上完成的常规检测，如今已实现自动化完成。
与英特尔的方法类似，联电的AMR使用超声波声学摄像头探测高频声波，从而精准定位气体或液体泄漏，或识别设备振动产生的声波振荡。该机器人的人工智能能够精确定位异常来源，并触发预防性维护团队及早介入，解决设备问题、防止设备损坏。
图2：自主移动巡检机器人（AMR）帮助预防性维护团队识别热信号、气体泄漏、液体积水，并记录仪表读数。图片来源：联电
AMR还使用热传感器探测设备过热及液体泄漏的隐蔽迹象，这些都是晶圆厂及地下层中常见的安全隐患。热成像系统能够探测到肉眼难以察觉的地面液体残留，及时识别泄漏，并清晰标示可能过热的部件，以便工程人员迅速处理问题区域。
设备控制如何减少晶圆偏差
随着每一代新器件制程节点的演进，工艺偏差问题正变得愈发关键。PDF Solutions新产品创新副总裁艾伦·韦伯表示："随着器件尺寸持续缩小、工艺窗口不断收窄，几乎每一道工艺都对偏差变得更加敏感，但图案化、沉积、蚀刻、化学机械抛光（CMP）和热处理工艺尤为关键。腔体条件、物料输送、温度、压力、等离子体行为、终点检测或设备状态上的细微差异，都可能转化为关键尺寸、薄膜特性、套刻精度、均匀性，乃至最终器件性能和良率上的显著变化。"
工程师们正致力于解决多种偏差来源。PDF Solutions战略与业务发展副总裁帕特里克·帕尼斯表示："先进器件架构需要更具选择性的工艺、更薄且更具保形性的薄膜，以及对材料界面更严格的控制，这使得设备的状态和历史记录变得愈发重要。偏差不仅可能出现在不同机台之间，还可能出现在同一机台的不同腔体、不同配方、不同维护周期、不同耗材寿命之间，甚至同一批次中连续晶圆之间也会出现偏差。因此，设备健康监测、高频数据采集、腔体匹配、逐批运行控制，以及设备数据与晶圆结果的关联分析，正日益成为工艺控制的核心组成部分。"
让工艺机台更快恢复到可用的生产状态
总体而言，无论是在工艺机台层面还是地下层设备层面，晶圆厂都越来越倾向于从计划外停机转向预测性维护。?appesLam Research的多佛表示："只要能够利用机器学习和数据分析预测出某个设备即将发生故障，就能将原本可能发生的计划外事件转变为计划内事件，这从晶圆厂运营角度来看也非常有吸引力。"
例如，泛林集团既提供基于等离子体的蚀刻设备，也提供沉积设备，这类设备在处理生产晶圆前需要达到可重复的腔体状态。多佛表示："我们利用等离子体的光发射光谱（OES）数据来判断腔体何时准备好处理晶圆。例如，腔体刚完成维护清洁后，并不具备处理晶圆的条件，首先需要进行'调理'，即均匀涂覆一层薄膜。大多数调理过程基于一个经验限值，即在腔体内运行等离子体25、50、100或200个射频小时，同时运行哑片晶圆，直至表面均匀涂覆完成。这确实能得到一个已知状态，而且行之有效。"
他表示："但如果观察OES光谱，就能开始判断实际何时达到了该状态。这一点很重要，原因有二。其一，能让腔体更快投入生产，从而提高设备可用率，产出更多晶圆。其二，腔体在两次维护周期之间的使用寿命是总射频小时数的函数。如果你要耗费200到300小时仅用于'调理'过程，那么这200到300小时就要从有效生产时间中扣除，因为这些时间被计入了下一次维护周期。"
机台间匹配
在同一家晶圆厂内，工艺工程师会定期进行机台间匹配，以确保使用相同物料和相同配方的不同机台处理出的晶圆结果一致。PDF Solutions产品管理总监史蒂夫·扎梅克解释道："机台匹配（及其近亲——腔体匹配）的主要目标，是避免仅仅因为某些'黄金机台'能产出更好结果，就将特定生产设备及其子系统专用于某些关键产品或工艺层。这种做法不仅会使工厂排产复杂化，还会降低晶圆厂的整体产能。"
这两种情况都是不良的副作用。扎梅克表示："可以应用逐批运行技术来捕捉当前机台状态，通过结合物料状态和机台状态的前馈模型，将这些信息纳入后续运行的考量，从而调整配方参数以实现预期结果。一种更稳健的方法是使用所谓的'指纹识别'技术，来表征设备中可能影响工艺结果的底层机制（如功率生成、流量控制、压力控制等），并确保所有需要纳入'匹配组'的机台中的这些机制，都与参考机台或规格保持严格一致的公差范围内。这种方法的底层假设是：如果设备的所有单个组件表现一致（即已'匹配'），那么该机台整体也应表现一致。"
随着晶圆厂活动的全球化扩张（预计未来五年内半导体行业规模将翻倍），将"匹配"流程从一家晶圆厂推广到另一家晶圆厂的需求日益迫切，这将把质量控制提升到更高水平。
许多工艺机台，如沉积、蚀刻和退火系统，为提高吞吐量，内部包含多个相同的真空腔体。对于这类系统而言，腔体间匹配至关重要，因为一批晶圆中每第三片或每第五片出现的问题可能会被遗漏，进而影响后续良率。配备随机化功能的宏观缺陷检测工具，能够利用随机化策略检测出晶圆间的细微差异，从而洞察工艺偏差的来源。
Microtronic应用总监埃罗尔·阿科梅表示："在一个案例中，信号强度的细微差异显示出仅约1000埃的BPSG（硼磷硅玻璃）形貌差异，但这种差异仅出现在每第三片晶圆中的一片上。采用批次内晶圆位置随机打乱的策略后，特定晶圆上出现的问题能够更快地追溯到源头。"
协作机器人来了
数十年来，半导体行业一直在工艺机台内部使用直角坐标机器人进行晶圆搬运、在贴片工具内进行芯片搬运，以及在晶圆厂内不同机台间自动搬运晶圆批次（FOUP）。协作机器人（cobot）的不同之处在于，它们并非完全固定绑定于某一台设备，而是可以重新配置以应对新情况。例如，同一台协作机器人可以更换不同的末端执行器和作业方案，先从腔体开口处拆卸螺丝，再执行腔体清洁工作（见图3）。
图3：协作机器人（cobot）使用不同的末端执行器执行维护程序，以比人工更安全、更具可重复性的方式松开螺丝并清洁腔体。图片来源：泛林集团
协作机器人的关注重点之一是减少计划外停机。泛林集团的多佛表示："大多数计划外停机都源于预防性维护过程中出现的失误。我们近期推出了配备多种末端执行器的Dextro协作机器人，它能够使用干冰喷射等方式清洁工艺腔体，其精度和可重复性都高于人工完成同样任务的水平，同时能确保更高的安全性。例如，即便是拧入螺丝这样的动作，人在每次操作时都很难施加完全相同的扭矩，但对协作机器人来说这不是问题。而且半导体工艺机台的设计并不符合人体工学，技术人员不得不去适应机台，而非机台适应人。此外，在个人防护装备（PPE）方面以及引入和培训技术人员所需的时间上，也能节省成本。"
当这种方式应用于数百台设备时，能带来可观的整体成本节约。多佛表示："我们的客户不仅记录到预防性维护流程执行更加规范的成果，偏差的减少还体现为Cpk（制程能力指数）的提升和边际良率的改善，这可能带来数千到数百万美元的收益。"可重复性的提升，同样改善了机台间的性能匹配和设备正常运行时间。
对"熄灯工厂"的憧憬
自前开式晶圆传送盒（FOUP）问世以来，芯片制造商就一直在畅想完全自主化晶圆厂的梦想——现场工程师和技术人员只需在幕后开展工作。对一些人而言，这一梦想还包括使用人形机器人。
多佛表示："不少重要客户都有自主化晶圆厂或'熄灯工厂'的构想，有点像《星际迷航：下一代》中那种画面——人形机器人四处走动、完成各项工作。这究竟纯粹是科幻想象，还是当前人工智能技术的飞速发展真能带我们实现这一愿景，我尚不确定。但我确实知道，人们渴望让人形机器人来执行预防性维护工作。"
需要指出的是，这些机器人必须与SEMI标准、主机通信及主机控制系统实现互操作。多佛表示："符合SEMI标准会使建筑空间增加30%，这是相对于不符合SEMI标准的情况而言的，因为需要为人员预留安全通道，所以成本因素远比人们想象的要大。"此外，还存在其他不兼容问题："例如，人形机器人依靠电池组运行的时间有限，而某些维护流程需要长达12小时，这中间存在重大的电力供应难题有待解决。"
因此，在人形机器人技术走向成熟的同时，许多晶圆厂正在充分利用巡检机器人和协作机器人，帮助维持晶圆厂、地下层、超纯水系统及其他配套设施的正常运转。
Q&A
Q1：晶圆厂使用的自主巡检机器人具体能做什么？
A：自主巡检机器人可执行热成像检测、声学检测、视觉检测等任务，能在设备过热、气体或液体泄漏、机械振动异常等问题导致故障之前将其发现，同时让技术人员远离危险环境，减少安全风险。
Q2：协作机器人（cobot）与传统工业机器人有什么区别？
A：协作机器人并非固定绑定于某一台设备，而是可以更换不同末端执行器，灵活应对腔体清洁、拧螺丝等多种维护任务，操作精度和可重复性优于人工，还能减少人为失误、缩短设备恢复时间。
Q3：完全自主化的"熄灯晶圆厂"目前能实现吗？
A：目前还无法完全实现。虽然行业对人形机器人执行预防性维护抱有憧憬，但受限于SEMI标准兼容性、建筑空间成本、电池续航等技术与基础设施问题，完全自主化晶圆厂仍面临不小挑战。
