電腦模擬分析與系統建模程式

在進行半導體設備之電力品質異常與診斷之前，首先要先確認所開發之 APCSuite 監控系統之建模是否準確。因此，提出兩階段之資料建模與驗證 分析，以期APCSuite 監控系統能做出精準的預警，降低現場工程師之誤判 情形，減少工程師之工作負荷，進而降低半導體設備因供電系統品質異常 而造成當機率。

兩階段建模分述如下：第一階段為從半導體機台現場，蒐集資料，作為 訓練組資料，然後再以 T²管制圖來檢定供電品質異常之狀況及確認發出警 報是否為異常，若確實發生異常，則建立異常分析原因，再由線上工程師 確認，發生異常原因，如為供電品質異常，則建入異常警報資料庫，作為 異常警報發佈時之比對參考。緊接者再以主成份分析法來從15 個變數中計 算分離出，造成電力品質異常的變數，這些經過縮減後變數可簡化多變量 管制圖，提供工程師或決策者作為當電力異常之判斷。第二階段為線上測 試，將第一階段所得之結果，直接以 T²與主成分分析法所立之模型進行線 上監控電力品質，並驗證所建立之模型之有效性及精準性。整體半導體設 備之電力品質之異常分析、監控之操作步驟，如圖13 所示。希望藉由本由 就所運用之T²、SPC 及主成分分析法來開發 APCSuite 之先進製程管制平臺 系統進行電力品質評估與預測管理。

圖 13 監測設備電力品質異常狀態與分析流程圖

擷取原始資料

資料前處理(去除異常之資料) 建模（視需要使用 Auto Drop）

儲存模型 擷取測試資料

載入模型 分析超界點之特性分

進行變更界線

是

是 否

重建模型 是 否 重 新 建 構 模

型

是否重新定義模型界

否

完成建模

測試組資料

模型檢定正確性

是 完成建模

否

4.3 訓練組資料建模與異常分析

測試組資料建模分析流程與步驟分述如下：

步驟一：擷取原始資料

資料擷取時間分別在94 年 7 月 17 至 18 日與 95 年 1 月 1 至 23 日兩個 時段，樣本點取得與分佈如表5 所示，資料結構與狀況分述如下：

(A)資料擷取時間自 94 年 7 月 17 至 18 日，每分鐘取樣一次，共 2880 筆數據。

(B)資料擷取時間自 95 年 1 月 1 至 23 日，每 30 分鐘取樣一次，去除 9 組無數據時間點，共1096 筆數據。

表5 訓練組數據說明

建模

數據 變數 訓練組

94/6

BUSBAR, TR1, TR2, TR3, FAB1 之 VA, VB 與 VC 電壓值等共 15 個變數

(1) 94 年 7 月 17 至 18 日，每 min 取樣一次 共 2880 筆數據

(2)95 年 1 月 1 至 23 日，每 30min 取樣一次 去除 9 組無數據時間點，共 1096 筆數據

步驟二：資料前處理

根據表 5 所顯示訊息包括：建模資料分析之變數、訓練組取得資料之 時間及去除無數據時間點與處理後之結果。在完成資料載入後，進行資料 匯入時，若系統發現其中有空白的資料時，系統預設以空白前的資料作為 建模資料範圍，但是從原始資料庫取回的資料可能會有一些因為資料品質 不良而造成空白數值，所以在匯入時需將資料範圍End Row 設定為真正資 料的最後範圍，在建模時再將空白的資料以平均值帶入即可。

步驟三：T²進行系統建模分析

使用T²管制圖進行建模分析，以顯著水準α = 0.01 進行模式檢定，結 果發現，標示紅色部分為誤警狀況，誤警率16 / 1432 = 1.12%，如圖 14 所 示。緊接著分析在第934 點，也就是在 6/20 11:00 系統發現有發出很大的錯 誤警報，直接看電壓趨勢圖發現，在這時間有明顯的壓降情形，如圖15 所 示。為確認T²模式所發出之警報之正確性，再以SPC 管制圖再進行一次確 認分析，以確保所建立模型之正確性，分析結果如圖16 所示。

圖 14 以 T-Square 管制圖之顯著水準α = 0.01 檢定之誤警率

圖 15 T²模型檢測第934 點壓降情形

圖 16 SPC 管制圖檢測第 934 點壓降情形

步驟四：主成分分析法進行系統建模分析

由步驟三所得之分析結果，為更進一步確認，造成異常之原因是從 15 個變數中，由哪些變數所引起電力品質異常。因此，此一步驟運用主成分 分析法來篩選出造成電力品質異常貢獻度最大的變數，如圖17 所示。

圖 17 主成分分析法計算造成第 934 點壓降之變數貢獻度

步驟五：模型確認分析

根據工程師表示在 7 月 18 日發生 TR2 壓降異常，在 T²管制圖於 2006/01/18 06:30:00 開始較為頻繁出現異常警報，與實際發生狀況相符，

符 合 系 統 建 模 。 在 SPE 管 制 圖 分 析 部 分 ， 於 2006/01/02 18:30:00~2006/01/03 05:30:00 亦偵得供電系統品質異常，亦符合系統建

表 6 訓練組數據建模結果分析 BUSBAR,

TR1, TR2, 18:30:00~2006/01/03 05:30:00 偵 得異常

運用T²、SPC 及主成分分析法來開發 APCSuite 之先進製程管制平臺系 統進行電力品評估管理，藉由訓練組數據可以精準建構電力品質之預測與 監控模式，可提供爾後線上測試之基準。