一般所謂機台錯誤（Fault），是指機台的異常導致生產製程的錯誤，良率降 低與報廢。但是值得注意的是，並不是所有的機台異常都是錯誤。有許多方法可 以讓工程師判定異常狀況，但絕大部分工程師認為的異常，卻並不會導致最後的 錯誤。工程師如何有效的找出有意義的異常，是 FDC 發揮效益的關鍵。
FDC 是 Fault Detection and Classification 的簡稱，它包含兩個功能，一是 FD 錯誤偵測，另一個則是 FC 錯誤分類。工程師利用 FD 的功能使系統自動偵 測錯誤的發生，以採取一些必要更正的動作。不同的 Fault 需要不同的更正的動 作，而 FC 功能則是自動根據 Fault 的統計特徵值來歸類錯誤形式（Anomity Type），使得工程師可以很快的引用正確的更正的動作，以最短的時間恢復機台 正常。
生產機台的控制參數異常，主要是來自於機台本身的異常（包涵老化、故障、
其它外在原因影響）與工程師失誤（包涵製程工程師設定程式參數錯誤、設備工 程師於設備保養後未調整好機台等等）。這些異常會反映在機台跑貨期間，某些 機台參數偏離正常值。最簡單的 FD 做法，就是建立類似 SPC（統計製程管制）
的單變量管制圖表（Uni-variable Control Chart）來自動監測。如同下圖 4-3-1：
第四章 研究個案彙總 圖 4-3-1：FDC 的單變量控制圖
UCL
LCL Faults
Uni-Variable Control Chart Faults
UCL
LCL Faults
Uni-Variable Control Chart Faults
資料來源：本研究整理
為了要比對出異常，首先工程師必須決定什麼是正常。一般的做法為先在機 台正常生產時期，收集該參數值資料一段時間，取其平均值與標準差。設其平均 值為中間目標值，以及取其數倍標準差值為上控制界限（UCL）與下控制界限
（LCL），然後以此值區間來判斷正常與異常狀況。如果在區間範圍內（UCL≦X
≦LCL），判定為正常；若在區間之外，則為異常。以上的判定方法假設資料點 的分佈為統計學上的常態分配，是最簡單的方法。而類似簡單到複雜的方法有很 多，但幾乎都不難由系統提供自動計算功能。但是，以這個簡單區間方法而言，
要工程師決定正確上下控制界限的值，反而是一個非常困難的決定－設定的區間 太小，假警報跑不完，久了就成了「放羊的小孩」，再也沒人會注意；設定的區 間太大，錯誤出現了，系統沒有反應，等於沒有 FDC 系統。一個參數的上下控 制界限已如此令工程師煩惱，要對付成百成千的參數，以及成百成千的機台，就
第四章 研究個案彙總
90 成了一大挑戰。
為了解決這個問題，一些不同的做法正在研究。工程部想辦法根據累積的實 務經驗來選擇所謂關鍵參數（Key Node Parameter）與上下控制界限，成為 FDC 應用的 BKM（Best Known Method）。這些 BKM，可以說來自於 T 公司無數工 程師所累積起來的製程知識。另一方面，IT 與「統計應用部」的專家們則研究 利用多變量統計，使系統自動來決定關鍵參數（Key Node Parameter）與上下 控制界限。多變量統計的基本精神為找出變量（參數值）之間的正常連動關係，
Anomaly type 3
Anomaly type 2
Anomaly type 1
Anomaly type 3
Anomaly type 2
Anomaly type 1
資料來源：本研究整理（離開橢圓圓圈的點均是異常錯誤）
由於 FDC 收集了大量的機台訊息，透過這些資訊，可以提供很多不同的應 用。第一個是提供了一個以量化的方式，比較同一時間不同機台彼此差異的基
第四章 研究個案彙總
礎，以及比較同一機台在不同時間差異的基礎。這對於增進工程部機台管理的品 質，帶來很大的潛在利益。第二個，如果結合外部感知器（External Sensor），
工程師可以得到更多機台內部的情況，做更精確的錯誤偵測。第三個則稱為虛擬 量測技術（Virtual Metrology）， 它是利用收集到的即時資訊，以數學方法推測 出製程的結果，以減少量測機台的使用與縮短生產時間。以上只是列舉三個重要
第四章 研究個案彙總
92
裡。T 公司晶圓十二廠的「工程系統課」負責督促各個工程部門，依照工程師的 累積的實務經驗，定義出關鍵參數（Key Node Parameter）與其上下控制界限，
成為 FDC 應用的 BKM（Best Known Method）。雖然爾後總有修修改改，但是 這是使用者依據生產線的狀況來作修正，算得上是成文化的知識屬性。（專案的 第一階段）
對於 FC 錯誤分類而言，在還沒有 FDC 的時代，使用者沒有這些資訊可供 參考。有 FDC 後，使用者突然有豐富的資料參考，而且系統可提供許多統計工 具，但要能妥善利用，卻需要與使用者開發一些方法（Methodology）。由於未 知的知識很多，技術知識之內隱程度可視為很高的。（專案的第二階段）
（二）技術知識之系統複雜度
此專案所需整合的技術知識領域包含兩大領域—製程與設備工程、統計技 術、與資訊科技。以精細度而言，本系統服務的對象為 T 公司當時最先進的 0.13 微米製程產品。有鑒於 12 吋晶圓廠的精密度要求很高，此專案在建廠時期與以 專案經費，優先予以資源支持。
這個專案自 2002 年延伸至 2005 年歷時三年，可分為兩個相連的階段，專 案階段介紹見於後文。如果以開發所需耗費的人年數來估計，共需要 26.0 人年。
表 4-3-1：2002 FDC System 開發所需耗費的人年數 類別 第一階段人年數 第二階段人年數
製程整合工程部 5.0 5.0
資訊工程部 6.0 6.0
外部顧問 2.0 2.0
第四章 研究個案彙總 總計 13.0 13.0
資料來源：本研究整理
（三）技術知識之標準化程度
半導體工業界於 2000 年以前，對於 FDC 系統的資料收集介面是 SECS
（SEMI Equipment Communications Standard），見圖 4-3-3。SECS 由 SEMI
（Semiconductor Equipment and Materials International）所定義。SECS 標準 並不是只是為了 FDC 而開發的，當初它的主要目的是為了半導體工廠自動化，
FDC 資料收集是它的其中一個運用。半導體 8 吋廠自動化程度提高之後，工程 資料量與即時性控制的需求超過了 SECS-I 的限制。因此，架在 TCP/IP 網路技 術的進步之上而有了 HSMS（E37 High-Speed SECS Message Services）。
HSMS 與 SECS-I 幾乎相容，但是 HSMS 的速度為 10,000Kbps 比 SECS-I 的 20Kbps 快非常多。2000 年以後，機台工程系統應用（APC 等）愈來愈重要，
各大半導體製造廠希望機台供應商能提供更滿足需要的功能，SEMI 針對工程資 料 的 收 集 則 完 全 重 新 定 義 以 XML/Web Services 技 術 為 主 的 所 謂 EDA
（Engineering Data Acquisition）標準。
對於 FDC 系統的其他部分，包涵系統架構與各部分元件，SEMI 也有定義 所謂的「APC Framework」標準－E93（Provisional Specification for CIM Framework Advanced Process Control Component）與 PCS（Process Control System）標準。只是 2000 年後陸續發布的標準，遵循 E93 標準而開發軟體產 品的系統廠商還不多。（專案第一階段）
純粹從 IT 系統的標準化程度來看，它是屬於「產生組件的產業標準」。但是 FDC 專案的成功大部分是如何將工程師的經驗，有效的轉化在系統的 FD 設定
第四章 研究個案彙總
94
上，以及找出有的 FC 的應用方法（Methodology），才是差異化的所在。這個部 分的標準化程度是非常低的。（專案第二階段）
（四）技術知識之路徑相依程度
T 公司在 8 吋廠時代，就自行開發出類似的系統，只是這個系統只具備簡單 的單變量錯誤偵測的功能，資料收集功能的精細度也不高。雖然如此，T 公司廠 長們非常重視這個系統的使用，透過這個系統的推廣，各廠工程部也累積了不少 經驗，這些經驗的成為 12 吋廠在推廣與開發 FDC 系統的寶貴經驗。對於 12 吋 廠的使用者與 IT 工程師而言，12 吋 FDC 系統畢竟在使用上與功能上與自家開 發的簡單版本系統有很大的不同，許多改進功能與應用還是領先許多。
FDC 系統在 T 公司晶圓 12 廠的開發推廣成功，使 T 公司成為領先世界完 成 12 吋工廠 FDC 推廣的公司，再加上自家開發的 8 吋系統成效卓著，該專案 也獲得 2004 年公司最高榮譽「創新與客戶服務獎」。