KR20200144268A - 반도체 제조공정 로봇 진단 방법 - Google Patents

반도체 제조공정 로봇 진단 방법 Download PDF

Info

Publication number
KR20200144268A
KR20200144268A KR1020190072042A KR20190072042A KR20200144268A KR 20200144268 A KR20200144268 A KR 20200144268A KR 1020190072042 A KR1020190072042 A KR 1020190072042A KR 20190072042 A KR20190072042 A KR 20190072042A KR 20200144268 A KR20200144268 A KR 20200144268A
Authority
KR
South Korea
Prior art keywords
robot
data
semiconductor
equipment
diagnosis
Prior art date
Application number
KR1020190072042A
Other languages
English (en)
Other versions
KR102272872B1 (ko
Inventor
이재남
Original Assignee
블루테크코리아 주식회사
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 블루테크코리아 주식회사 filed Critical 블루테크코리아 주식회사
Priority to KR1020190072042A priority Critical patent/KR102272872B1/ko
Publication of KR20200144268A publication Critical patent/KR20200144268A/ko
Application granted granted Critical
Publication of KR102272872B1 publication Critical patent/KR102272872B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
    • G05B23/0283—Predictive maintenance, e.g. involving the monitoring of a system and, based on the monitoring results, taking decisions on the maintenance schedule of the monitored system; Estimating remaining useful life [RUL]
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
    • G05B19/41815—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by the cooperation between machine tools, manipulators and conveyor or other workpiece supply system, workcell
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
    • G05B19/4189—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by the transport system
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
    • G05B23/0275—Fault isolation and identification, e.g. classify fault; estimate cause or root of failure
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L21/00—Processes or apparatus adapted for the manufacture or treatment of semiconductor or solid state devices or of parts thereof
    • H01L21/67—Apparatus specially adapted for handling semiconductor or electric solid state devices during manufacture or treatment thereof; Apparatus specially adapted for handling wafers during manufacture or treatment of semiconductor or electric solid state devices or components ; Apparatus not specifically provided for elsewhere
    • H01L21/67005—Apparatus not specifically provided for elsewhere
    • H01L21/67242—Apparatus for monitoring, sorting or marking
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L21/00—Processes or apparatus adapted for the manufacture or treatment of semiconductor or solid state devices or of parts thereof
    • H01L21/67—Apparatus specially adapted for handling semiconductor or electric solid state devices during manufacture or treatment thereof; Apparatus specially adapted for handling wafers during manufacture or treatment of semiconductor or electric solid state devices or components ; Apparatus not specifically provided for elsewhere
    • H01L21/677—Apparatus specially adapted for handling semiconductor or electric solid state devices during manufacture or treatment thereof; Apparatus specially adapted for handling wafers during manufacture or treatment of semiconductor or electric solid state devices or components ; Apparatus not specifically provided for elsewhere for conveying, e.g. between different workstations
    • H01L21/67739—Apparatus specially adapted for handling semiconductor or electric solid state devices during manufacture or treatment thereof; Apparatus specially adapted for handling wafers during manufacture or treatment of semiconductor or electric solid state devices or components ; Apparatus not specifically provided for elsewhere for conveying, e.g. between different workstations into and out of processing chamber
    • H01L21/67742—Mechanical parts of transfer devices
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L21/00—Processes or apparatus adapted for the manufacture or treatment of semiconductor or solid state devices or of parts thereof
    • H01L21/67—Apparatus specially adapted for handling semiconductor or electric solid state devices during manufacture or treatment thereof; Apparatus specially adapted for handling wafers during manufacture or treatment of semiconductor or electric solid state devices or components ; Apparatus not specifically provided for elsewhere
    • H01L21/677—Apparatus specially adapted for handling semiconductor or electric solid state devices during manufacture or treatment thereof; Apparatus specially adapted for handling wafers during manufacture or treatment of semiconductor or electric solid state devices or components ; Apparatus not specifically provided for elsewhere for conveying, e.g. between different workstations
    • H01L21/67763—Apparatus specially adapted for handling semiconductor or electric solid state devices during manufacture or treatment thereof; Apparatus specially adapted for handling wafers during manufacture or treatment of semiconductor or electric solid state devices or components ; Apparatus not specifically provided for elsewhere for conveying, e.g. between different workstations the wafers being stored in a carrier, involving loading and unloading
    • H01L21/67766—Mechanical parts of transfer devices
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/20—Pc systems
    • G05B2219/25—Pc structure of the system
    • G05B2219/25112—Using firmware stored in processor
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/80—Management or planning

Landscapes

  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Manufacturing & Machinery (AREA)
  • Automation & Control Theory (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Condensed Matter Physics & Semiconductors (AREA)
  • Computer Hardware Design (AREA)
  • Power Engineering (AREA)
  • Quality & Reliability (AREA)
  • General Engineering & Computer Science (AREA)
  • Robotics (AREA)
  • Manipulator (AREA)

Abstract

본 발명은 다중 센서를 이용해서 데이터를 취득, 분석하고, 취득된 데이터를 사용하여 장비의 이상 유무 판단 알고리즘 및 예상 보수 시점 검출 알고리즘을 개발하고, 개발된 개별 알고리즘을 통해 고장을 예지할 수 있는 통합관리 시스템을 적용하여 현장데이터 및 가상 데이터 등을 이용하여 반도체 제공공정 로봇에 대한 진단이 가능하도록 하여 로봇을 포함하는 장비에서 발생할 수 있는 문제를 예측하여 장비 효율을 극대화하고, 장비 보수비용을 최소화 및 최적화할 수 있는 반도체 제조공정 로봇 진단 방법에 관한 것이다.

Description

반도체 제조공정 로봇 진단 방법{Semiconductor Production Process Robot Diagnostics Method}
본 발명은 반도체 제공공정 로봇의 진단에 관한 것으로, 더욱 상세하게는 반도체 설비 내 반도체 제공공정 로봇의 안정성 및 수명을 예상하여 진단할 수 있는 반도체 제조공정 로봇 진단 방법에 관한 것이다.
기판 처리 장치와 같은 반도체 설비는 자동 반송 장비(AMHS; Automated Material Handling System)와 같은 이송 유닛을 구비한다. 자동 반송 장비는 미처리된 기판 혹은 미처리된 기판들이 수납된 수납 용기(carrier)를 로드포트에 적재하고, 처리 완료된 기판 혹은 처리 완료된 기판들이 수납된 수납 용기를 로드포트로부터 다른 공정 유닛으로 이송하는 장치이다.
반도체 생산성 향상을 위하여, 자동 반송 장비와 기판 처리 장치 간의 통신은 반도체 장비 간의 통신에 관한 표준(예컨대, SEMI E84)에 따라 수행된다. SEMI E84는 반도체 생산 설비와 자동 반송 장비 간의 수납 용기의 핸드오프(hand off)를 위해 사용되는 통신 프로토콜(communication protocol)로서, SEMI E84는 반도체 생산 설비와 자동 반송 장비 간의 광 통신에 의하여 이루어진다.
SEMI E84에서, 반도체 설비는 능동적으로 자동 반송 장비로 수납 용기를 전달하거나 자동 반송 장비로부터 수납용기를 수취하지 않고, 자동 반송 장비에 의해 수동적으로 수납 용기를 제공하거나 공급받으며, 반대로 자동 반송 장비는 능동적으로 수납 용기를 로드포트에 적재하거나 로드포트로부터 수납 용기를 가져간다. 이와 관련하여 SEMI E84 하에서 반도체 설비와 자동 반송 장비 간의 통신시, 반도체 설비는 수동 타입(passive type)으로 운영되며, 자동 반송 장비는 그 반대인 능동 타입(active type)으로 운영된다.
반도체 설비를 정상적으로 가동하여 기판 처리 등의 공정을 수행하기 이전에, 자동 반송 장비와의 통신 테스트를 통한 셋업(setup) 작업을 먼저 수행하여야 한다.
그런데 기존의 반도체 설비의 경우 능동 타입으로 동작하는 자동 반송 장비의 도움 없이는 미리 반도체 설비의 통신 테스트를 수행하기 어려우며, 자동 반송 장비가 설치된 후에야 비로소 셋업 작업을 수행할 수 있다. 자동 반송 장비의 설치가 지연될수록 반도체 설비의 오류를 확인하여 해소하는데 시간이 소요되므로, 반도체 설비의 정상 가동이 지연될 수 있다.
또한, 기존의 반도체 설비의 진단 장치에서는 자동 반송 장비를 설치하여 통신 테스트를 수행하는 과정에서 반도체 설비와 자동 반송 장비 간의 통신에 이상이 발생하는 경우, 반도체 설비의 이상인지 자동 반송 장비의 이상인지를 확인하기 어려우며, 문제 해결을 위해서는 자동 반송 장비의 제조사와의 협업이 필수적이므로, 반도체설비를 진단하고 오류를 해소하는데 불가피하게 시간이 낭비된다.
도 1은 종래 기술에 따른 반도체 설비 Tool Down 시 처리를 설명하기 위한 도면이다.
종래 기술에 따른 반도체 설비 Tool Down 시 처리는 도 1에 나타낸 바와 같이, 반도체 설비업체에서 로봇 설비의 Tool Down이 발생하면 자체적으로 해결하거나, 전문 엔지니어를 요청하여 엔지니어가 내방하여 원인을 파악한 후 로봇을 수리하거나, 교체 후 설비를 백업하였다.
이러한 경우는 구조적으로 사후 처방을 수행하는 것으로, 설비 가동률의 저하를 가져 올 수밖에 없고, 생산성이 저하되는 문제가 발생할 수밖에 없었다.
한편, 자동 반송 장비의 도움 없이 반도체 설비를 진단하기 위한 일환으로, 별도의 테스트 장비를 구입하여 테스트 장비를 이용하여 통신 테스트를 수행하고 셋업 작업을 수행하는 방안을 고려할 수 있으나, 테스트 장비는 고가의 장비로서 공정 비용을 상승시킨다.
또한, 병렬 입출력 신호도(Parallel Input/Output signal diagram)를 숙지한 숙련된 기술자의 도움을 반드시 필요로 한다. 그리고 테스트 장비와 반도체 설비 간의 이상 발생시 반도체 설비의 문제로 인한 것인지를 정확하게 판단하지 못하며, 테스트 장비 업체의 도움을 필요로 하는 등 반도체 설비를 진단하는데 어려움이 따르는 문제가 있었다.
특허문헌 1 : 대한민국 등록특허 제10-1469194호(반도체 설비의 자가 진단 장치 및 방법) 특허문헌 2 : 대한민국 공개특허 제10-2010-0085574호(기판이송장치 및 그 제어 방법)
따라서, 본 발명은 상기와 같은 종래 기술의 제반 단점과 문제점을 해결하기 위한 것으로, 다중 센서를 이용해서 데이터를 취득, 분석하고, 취득된 데이터를 사용하여 장비의 이상 유무 판단 알고리즘 및 예상 보수 시점 검출 알고리즘을 개발하고, 개발된 개별 알고리즘을 통해 고장을 예지할 수 있는 통합관리 시스템을 적용하여 현장데이터 및 가상 데이터 등을 이용하여 반도체 제공공정 로봇에 대한 진단이 가능하도록 하여 로봇을 포함하는 장비에서 발생할 수 있는 문제를 예측하여 장비 효율을 극대화하고, 장비 보수비용을 최소화 및 최적화할 수 있는 반도체 제공공정 로봇 진단 방법을 제공하는데 그 목적이 있다.
상기한 목적을 달성하기 위하여 본 발명은 반도체제조공정에서 사용되는 로봇의 진단 방법에 있어서, 반도체제조공정에서 사용되는 로봇과 해당 로봇의 진단하고자 하는 부품을 선정하는 단계; 상기 선정된 로봇에 대하여 미리 결정된 반복 정밀 측정 및 진단 관리 기법에 따라 상기 로봇의 내부 및 외부 정보를 취합하고, 취합된 정보에 따라 상기 로봇의 수리 전과 수리 후 상태에 따른 데이터를 수집하고, 분석하는 단계; 상기 수집된 데이터를 기반으로 한 상기 로봇의 예측 진단 데이터를 개발하되, 상기 예측 진단 데이터는 로봇의 Parameter 및 Error 또는 Event를 진단 및 수집하고, 정상범위에서 벗어난 Error 혹은 특수한 Event의 데이터 범위를 실험을 통해 범주화하는 Source data를 수집하며, 서버에서 상기 로봇의 내부 엔코더의 값을 리딩하고, 외부의 센서로부터 수집한 데이터를 내부 데이터와 외부데이터에 대하여 FDC(Fault Detection Controller) 시스템에 저장하고, 상기 서버에 구축된 머신 러닝 분석 시스템을 통해 내부적 정보와 외부적 정보 취합을 통해 반복 정밀도의 상관관계를 분석하며, 정상상태에서의 편차 및 데이터를 분석하고, 로봇 사용시간 및 그에 따른 데이터 편차를 분석하고, 상기 분석결과에 따라 비정상 상태에 대한 해석 및 분석 정의에 따라 상기 로봇의 패턴 및 빅데이터 분석이 상기 서버에서 분석되는 단계; 및
상기 내부 데이터와 외부데이터에 대하여 FDC(Fault Detection Controller) 시스템에 저장된 데이터와, 상기 패턴 및 빅데이터 분석을 이용하여 데이터 분석기반의 로봇 예지 진단 알고리즘이 개발되는 단계;를 포함하여 이루어지는 것을 특징으로 하는 반도체 제조공정 로봇 진단 방법을 제공한다.
여기서, 상기 반도체 제공공정 로봇은, 반도체 및 LCD용 이송 로봇으로, 상기 반도체 제공공정 로봇의 기술 특성상 Encoder Data의 높은 신뢰성을 위하여 Direct Drive 방식을 이용하며, 상기 반도체 이송 로봇에 SW, Parameter 및 Encoder의 값들은 기계적인 부품 요소와, Controller의 보드에 의하여 계산 및 처리되는 것을 특징으로 한다.
또한 상기 보드는, Firmware 저장을 맡는 보드, 중앙의 처리를 담하는 Personality, 동작의 움직임을 담당하는 Theta 및 ~Axis 보드 및 통신을 담당하는 IO보드로 구성되며, 상기 반도체 제공공정 로봇에 일체형으로도 적용될 수 있는 것을 특징으로 한다.
본 발명에 의하면 다음과 같은 효과가 있다.
첫째, 핵심 자동화 부분품인 반도체 제공공정 로봇의 예상보수 시점을 검출할 수 있으므로, 설비의 tool down을 최소화하여 생산성 저하를 최소화하여 생산성을 높일 수 있다.
둘째, PdM(Predictive Maintenance) 기술 구현을 위한 기초 기술인 빅데이터 처리기술의 발전이 가능하다.
셋째, 반도체 공정 장비뿐만 아니라 다양한 산업 장비에서 발생할 수 있는 문제점을 미리 예측할 수 있으며, 문제 발생 전에 예측할 수 있는 다양한 방법 개발이 가능하다.
넷째, 장비의 문제점을 예측할 수 있으므로 장비 효율을 극대화할 수 있고, 장비 보수비용을 최소화할 수 있다.
다섯째, 공정 장비의 보수를 최적화함으로써 다양한 장비에서 얻게 되는 데이터의 신뢰성을 높일 수 있고, 이러한 데이터 및 장비를 이용하여 제조한 제품 품질 제고에 기여할 수 있다.
도 1은 종래 기술에 따른 반도체 설비 Tool Down 시 처리를 설명하기 위한 도면이다.
도 2는 본 발명에 따른 반도체 제공공정 로봇 진단 시스템을 나타낸 도면이다.
도 3 및 도 4는 본 발명에 따른 반도체 제공공정 로봇 진단 방법 개발의 필요성을 설명하기 위한 도면이다.
도 5는 반도체 제공공정 로봇 방식의 예를 설명하기 위한 도면이다
도 6 및 도 7은 반도체 제공공정 로봇의 데이터 취득을 설명하기 위한 도면이다.
도 8은 본 발명에 따른 반도체 제공공정 로봇 진단 방법에서 기술 개발을 위한 과정을 설명하기 위한 도면이다.
도 9 및 도 10은 본 발명에 따른 반도체 제공공정 로봇 진단 방법에서 로봇의 반복 정밀 측정 및 진단 관리 기법 결정을 위한 로봇 내부와 외부 정보를 수집하는 예를 설명하기 위한 도면이다.
도 11 내지 도 12는 본 발명에 따른 반도체 제공공정 로봇 진단 방법을 설명하기 위한 흐름도이다.
본 발명의 바람직한 실시 예를 첨부된 도면에 의하여 상세히 설명하면 다음과 같다.
아울러, 본 발명에서 사용되는 용어는 가능한 한 현재 널리 사용되는 일반적인 용어를 선택하였으나, 특정한 경우는 출원인이 임의로 선정한 용어도 있으며 이 경우는 해당되는 발명의 설명부분에서 상세히 그 의미를 기재하였으므로, 단순한 용어의 명칭이 아닌 용어가 가지는 의미로서 본 발명을 파악하여야 함을 밝혀두고자 한다. 또한 실시예를 설명함에 있어서 본 발명이 속하는 기술 분야에 익히 알려져 있고, 본 발명과 직접적으로 관련이 없는 기술 내용에 대해서는 설명을 생략한다. 이는 불필요한 설명을 생략함으로써 본 발명의 요지를 흐리지 않고 더욱 명확히 전달하기 위함이다.
본 발명은 반도체 설비 내 반도체 제공공정 로봇의 안정성 및 수명을 예상하여 진단할 수 있는 Wafer Transfer Robot Diagnostics System 개발에 관한 기술로, 웨이퍼를 대기 및 진공 상태에서 공정 챔버로 운송하는 이송 로봇의 수명의 진단 및 예측을 위한 Wafer Transfer Robot Diagnostics System을 개발함으로써, 반도체 설비의 tool down시 발생하는 생산성 저하를 예방하고자 한다.
이를 위해 로봇 수명 및 움직임 예측 진단 기술 개발하고, 로봇 Encoder 값 획득 및 데이터 수집, 로봇의 반복 정밀 측정 및 진단 기술 외부센서 부착, Diagnostics System SW 기술, 통합 컨트롤러 개발 등 요소 기술의 개발과 시험을 통하여 구현하고자 한다.
도 2는 본 발명에 따른 반도체 제공공정 로봇 진단 시스템을 나타낸 도면이다.
본 발명에 따른 반도체 제공공정 로봇 진단 시스템은 도 2에 나타낸 바와 같이, 반도체 제공공정 로봇의 구동의 정확도를 확인하기 위한 내·외부적 진단을 통해 data을 수집 분석하는 SW system 기술에 관한 것으로, 대상기술은 내부(엔코더의 값을 리딩) 및 외부(Senosr로부터 획득)하는 정보를 취합이 가능하며, 로봇의 수리 전후 상태에 따른 Data를 수집하고, 연관성을 분석하기 위한 것이다.
이를 서버와 로봇간의 동기화를 통해 구현할 수 있다.
그리고 서버에서는 분석된 연관성의 자료를 토대로 예측 진단을 위한 알고리즘 등을 기획 및 제작하고, 기획된 알고리즘 및 기술을 토대로 예측 진단의 SW를 제작한다. 또한 User를 위한 Graphic Interface를 제작한다.
Wafer Transfer Robot Diagnostics System의 개발 목적은 예상치 못한 Robot의 다운으로 인한 전체 설비의 다운을 방지하는 것과 수리를 위한 정비의 down term을 줄이기 위한 시스템 개발로, 이를 구현하기 위해서,
첫째, 로봇 수명 및 모션의 예측 진단 기술 개발하고,
둘째, 로봇 Encoder 값 획득 및 데이터 수집 기술하며,
셋째, 로봇의 반복 정밀 측정 및 진단 기술 외부센서 부착하고,
넷째, Diagnostics System SW 기술한다.
도 3 및 도 4는 본 발명에 따른 반도체 제공공정 로봇 진단 방법 개발의 필요성을 설명하기 위한 도면이다.
반도체 제공공정 로봇 진단 방법 개발에 앞서 기존 반도체 제공공정 로봇의 교체 관련 MTBF(Mean Time Between Failure)의 적용을 보면, 예를 들어 B사 Mag7 로봇과 Reliance 로봇의 경우를 살펴보면, 로봇 Drive MTBF는 약 5.5년을 갖으며 실제의 수리 수선의 시점은 도 3 및 도 4에 나타낸 바와 같다.
Mag7 경우, 4~7년 사이 발생 빈도가 약 60%로, 5~6년 주기의 수리의 필요성을 가지고, Reliance의 경우, MTBF가 2.8년으로 약 3년 주기의 수리 수선이 필요한 것으로 보인다. 즉 Trend상 MTBF와 무관하지 않는 것으로 판단되고 있다.
도 5는 반도체 제공공정 로봇 방식의 예를 설명하기 위한 도면이고, 도 6 및 도 7은 반도체 제공공정 로봇의 데이터 취득을 설명하기 위한 도면이다.
본 발명 반도체 제공공정 로봇 진단 시스템에서는 기본적으로 기존에 판매되고 있는 이송 로봇 제품의 기술을 분석하여 본 발명에서 이용할 수 있는데, 이러한 반도체 제공공정 로봇의 방식을 도 5에 나타낸 바와 같다.
반도체 및 LCD용 이송 로봇의 예는 3가지 Type으로 나타내고 있는데 로봇의 기술 특성상 Encoder Data의 높은 신뢰성을 나타내는 방식은 Direct Drive 방식으로 파악하며, 반도체 제공공정 로봇에 SW, Parameter 및 Encoder의 값들은 기계적인 부품 요소 외에 Controller의 보드에 의하여 계산 및 처리한다.
각 보드 구성은 도 6 및 도 7에 나타낸 바와 같이, ①Firmware 저장을 맡는 보드와 ②각 중앙의 처리를 담하는 Personality, ③각 동작의 움직임을 담당하는 Theta 및 ~Axis 보드, 그리고 ④통신을 담당하는 IO보드로 구성되며, ⑤ 로봇에 일체형으로도 적용 가능하다.
위와 같은 분석을 통해, Firmware SW로부터 Data를 취할 수도 있는데, 로봇이 동작하면서 수ms 간격으로 실시간 발생 되는 값과, 로봇이 멈춰진 상태에서 Command로 문의해야 알 수 있는 정보들로 나눌 수 있다.
그리고 신뢰성 있는 Disgnostics를 위해선 이러한 정보에 추가로 Encoder의 다른 Data와 외부적인 장치에 의한 Data를 복합적으로 활용할 필요성이 있다.
이러한 기존 장비 분석을 통해, 진단할 수 있는 연구항목은 예를 들어 표 1과 같으며, 본 항목들을 기준으로, 장비의 기술적 결함 및 움직임을 판단하는 것이 바람직하다.
Figure pat00001
물론, 적용되는 로봇 모델에 따라 진단 기술이 달라질 수 있기 때문에, 최대한 많은 데이터를 취득하는 과정이 고려되어야 하며, 데이터 처리 방식, 신호처리, 적용진단 기술이 달라질 수 있어, 처리 기법과 범위를 결정하여 불확실성을 제거되어야 하여 최대한 많은 데이터를 취득하는 과정이 필요하다.
Data 취득과 Robot 구동의 관계는 내부의 엔코더 값을 취합하기 위하여, 로봇의 RS232통신이나 또는 이더넷 통신을 연결하여 Data를 취득이 필요한데, 물론 Data의 취득이 로봇의 동작에 영향을 미쳐서는 안된다.
지금은 RSU라는 SW처럼 Data를 획득하고, 추후에 엔지니어에 의한 진단을 SW에 적용할 수 있을 것으로 예상된다.
또한 TIR(Total indicate Reading) 값에 의한 경험(Test)적 한계가 있는데, 로봇의 외부의 값의 취득은 통계적인 진단을 의미한다. TIR(Total indicate Reading)의 유효성을 획득하기 위하여 기존 로봇의 TIR값을 알 수 있어야 한다.
도 8은 본 발명에 따른 반도체 제공공정 로봇 진단 방법에서 기술 개발을 위한 과정을 설명하기 위한 도면이고, 도 9 및 도 10은 본 발명에 따른 반도체 제공공정 로봇 진단 방법에서 로봇의 반복 정밀 측정 및 진단 관리 기법 결정을 위한 로봇 내부와 외부 정보를 수집하는 예를 설명하기 위한 도면이다.
본 발명에 따른 반도체 제공공정 로봇 진단 방법에서 기술 개발을 위한 과정을 간략히 설명하면, 분석을 위한 데이터를 수집하고, 분석파라미터 수정 데이터베이스(DB)를 구축한다. 또한 고정패턴분석을 외부 시스템(서버)과 연동하고, 서버에서 고장 발생 예측과 수명을 예측한다. 그리고 그에 따라 미리 설정된 적정한 경고값 등의 관리 기법을 개발하고 이를 통해 시스템(Diagnostics System SW)을 구축한다.
도 9 및 도 10에서는 반도체 제공공정 로봇의 모터 구동 정보를 인식하는 Encoder/CCD 센서를 통한 내부 정보 취합과 외부 정보의 취합 예를 나타내고 있다.
본 발명에 따른 반도체 제공공정 로봇 진단 방법에서 로봇의 반복 정밀 측정 및 진단 관리 기법 결정을 위한 로봇 내부와 외부 정보를 수집은 도 9 및 도 10에 나타낸 바와 같은데, 내부(엔코더의 값을 리딩) 및 외부(Sensor로부터 획득)하는 정보를 취합하고, 내부적 진단에서는 모터 내부에 장착된 엔코더값을 리딩하여, data를 추출하고, 로봇의 Wafer 이송 포인트에 맞는 shelf 제작 및 센서 선정이 필요하다.
그리고 외부적 진단을 위하여는 로봇의 움직임을 외부 센서를 통해 반복적으로 측정해 외부에서 진단한다.
도 11 및 도 12는 본 발명에 따른 반도체 제공공정 로봇 진단 방법을 설명하기 위한 흐름도이다.
본 발명에 따른 반도체 제공공정 로봇 진단 방법은 도 11에 나타낸 바와 같이, 개발에 최적화된 로봇 선정 및 부품을 선정한다(S100). 이때 측정 및 진단에 대한 하드웨어 및 소프트웨어도 선정한다.
이어 로봇의 반복 정밀 측정 및 진단 관리 기법 결정한다(S110).
이때, 반도체 제공공정 로봇의 내부(엔코더의 값을 리딩) 및 외부(Sensor로부터 획득)하는 정보를 취합한다. 여기서 내부적 진단으로 모터 내부에 장착된 엔코더값을 리딩하여, data를 추출하고, 로봇의 Wafer 이송 포인트에 맞는 shelf 제작 및 센서 선정이 필요하다. 그리고 외부적 진단으로 로봇의 움직임을 외부 센서를 통해 반복적으로 측정해 외부에서 진단한다. 그에 따라 내부적 진단으로 health data 범위 결정하고, Encoder를 통한 health data 추출한다.
이를 위해 data 추출 및 분석을 위한 SW 구매 및 프로그래밍 필요하다.
또한 로봇의 상태(수리 전, 수리 후)에 따른 Data 등을 수집하고 연관성을 분석한다.
이어 data 수집을 기반으로 한 예측 진단 기술을 개발한다(S120).
이러한 예측 진단 기술은 로봇의 Parameter 및 Error 또는 Event 진단 및 수집기술과, 정상범위에서 벗어난 Error 혹은 특수한 Event의 데이터 범위를 실험을 통해 범주화하는 Source data를 수집하는 기술과, 예측 기술 중 로봇의 모터가 연동하는 데이터를 내부 엔코더로부터 수집하는 기술과, 로봇이 구동하면서 자체적으로 발생하는 데이터를 구분, Health data의 범위 결정하는 로봇 Encoder 값 획득 및 데이터 수집 기술 결정이 있다
그 다음 분석을 위한 데이터 수집 분석 결정(S130)이 있는데, 측정된 데이터를 수집 / 분석하여 로봇의 상태, 결함의 유형 및 적정한 경고값, 선정된 관리 기법의 확인 등을 보다 구체적으로 결정한다.
이어 Diagnostics System SW 기술이 필요한데(S140), Diagnostics System SW 기술은 내·외부적으로 진단한 데이터를 실시간으로 인식해 분석하는 SW, 분석된 연관성의 자료를 토대로 로봇 예측에 필요한 진단 알고리즘 등을 기획 및 제작, User를 위한 GUI 제작, 2종 이상의 로봇에서 엔코더 Data를 획득하고, 실시간(0.1초)의 간격으로 Data를 전송하는 기술이다.
그 다음 시스템 알고리즘 개발(S150)과, 빅데이터 시스템 기반의 기술 개발(S160)이 있다.
시스템 알고리즘 개발은 내부적 외부적 정보 취합을 통한 반복 정밀도의 상관관계 분석하고, 측정된 정보를 알고리즘을 통해서 고장 시점 및 예상 루트, 교체 적정 시점 예측한다.
이를 도 12를 통해 보다 상세히 설명하면, 수집한 내부 데이터와 외부데이터에 대하여 FDC(Fault Detection Controller) 시스템에 저장하고(S151), 머신 러닝 분석 시스템(서버에 구축)을 통해 내부적 정보와 외부적 정보 취합을 통해 반복 정밀도의 상관관계를 분석한다(S152).
이어 정상상태에서의 편차 및 데이터를 분석하고(S153), 로봇 사용시간 및 그에 따른 데이터 편차를 분석한다(S154).
그에 따라 비정상 상태에 대한 해석 및 분석을 정의하고(S155), 패턴 및 빅데이터 분석이 가능하다(S156).
이와 같은 수집한 내부 데이터와 외부데이터에 대하여 FDC(Fault Detection Controller) 시스템에 저장(S151)과 패턴 및 빅데이터 분석(S156)에 따라 데이터 부넉기반의 로봇 예지 진단 알고리즘이 개발되고, 그러한 알고리즘이 적용된다(S157).
그리고 빅데이터 시스템 기반의 기술 개발은 공장 Main Server로 제공할 수 있는 새로운 정보로써, Current, Speed, position, history, cycle count, error code, frequency in error 등이 있고, 위 측정 데이터를 모니터링 할 수 있는 중앙관리 프로그램을 개발한다.
그에 따라 장비에 이상이 예측되는 시점을 엔지니어 및 관리자에게 인폼하고, Tool Down을 예방한다.
그 다음 세제품 개발 제작 및 최종 테스트를 수행한다(S170).
이는 기존 시스템에 존재하는 데이터와 본 연구개발을 통해 제공되는 데이터의 통합 시스템을 통해 빅데이터 기반의 새로운 분석 및 예측 진단 시스템으로 발전 가능하고, 내부적, 외부적 진단으로 추출한 데이터를 분석하는 실질적인 Diagnostics System SW 개발하고 제품화할 수 있다.
표 2는 이러한 Diagnostics System SW 개발에 따라 삼성반도체 1개 라인에 L社장비의 보유 대수 약 100대 가정하고, 연간 10% 로봇 수리 발생이 필요하다고 가정한 경우의 보수 비용 절감 효과를 설명하기 위한 것이다.
Figure pat00002
이상과 같은 예로 본 발명을 설명하였으나, 본 발명은 반드시 이러한 예들에 국한되는 것이 아니고, 본 발명의 기술사상을 벗어나지 않는 범위 내에서 다양하게 변형 실시될 수 있다. 따라서 본 발명에 개시된 예들은 본 발명의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 예들에 의하여 본 발명의 기술 사상의 범위가 한정되는 것은 아니다. 본 발명의 보호 범위는 아래의 청구범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든기술 사상은 본 발명의 권리범위에 포함되는 것으로 해석되어야 한다.

Claims (3)

  1. 반도체제조공정에서 사용되는 로봇의 진단 방법에 있어서,
    반도체제조공정에서 사용되는 로봇과 해당 로봇의 진단하고자 하는 부품을 선정하는 단계(S100);
    상기 선정된 로봇에 대하여 미리 결정된 반복 정밀 측정 및 진단 관리 기법(S110)에 따라 상기 로봇의 내부 및 외부 정보를 취합하고, 취합된 정보에 따라 상기 로봇의 수리 전과 수리 후 상태에 따른 데이터를 수집하고, 분석하는 단계;
    상기 수집된 데이터를 기반으로 한 상기 로봇의 예측 진단 데이터를 개발하되, 상기 예측 진단 데이터는 로봇의 Parameter 및 Error 또는 Event를 진단 및 수집하고, 정상범위에서 벗어난 Error 혹은 특수한 Event의 데이터 범위를 실험을 통해 범주화하는 Source data를 수집하며, 서버에서 상기 로봇의 내부 엔코더의 값을 리딩하고, 외부의 센서로부터 수집한 데이터를 내부 데이터와 외부데이터에 대하여 FDC(Fault Detection Controller) 시스템에 저장하고(S151), 상기 서버에 구축된 머신 러닝 분석 시스템을 통해 내부적 정보와 외부적 정보 취합을 통해 반복 정밀도의 상관관계를 분석하며(S152), 정상상태에서의 편차 및 데이터를 분석하고(S153), 로봇 사용시간 및 그에 따른 데이터 편차를 분석하고(S154), 상기 분석결과(S154)에 따라 비정상 상태에 대한 해석 및 분석 정의(S155)에 따라 상기 로봇의 패턴 및 빅데이터 분석이 상기 서버에서 분석되는 단계(S156); 및
    상기 내부 데이터와 외부데이터에 대하여 FDC(Fault Detection Controller) 시스템에 저장된 데이터(S151)와, 상기 패턴 및 빅데이터 분석(S156)을 이용하여 데이터 분석기반의 로봇 예지 진단 알고리즘이 개발되는 단계(S157);를 포함하여 이루어지는 것을 특징으로 하는 반도체 제조공정 로봇 진단 방법.
  2. 청구항 1에 있어서,
    상기 로봇은,
    반도체 웨이퍼 및 LCD용 이송 로봇으로, 상기 로봇의 기술 특성상 Encoder Data의 높은 신뢰성을 위하여 Direct Drive 방식을 이용하며,
    상기 로봇에 SW, Parameter 및 Encoder의 값들은 기계적인 부품 요소와, Controller의 보드에 의하여 계산 및 처리되는 것을 특징으로 하는 반도체 제조공정 로봇 진단 방법.
  3. 청구항 2에 있어서,
    상기 보드는,
    Firmware 저장을 맡는 보드, 중앙의 처리를 담하는 Personality, 동작의 움직임을 담당하는 Theta 및 ~Axis 보드 및 통신을 담당하는 IO보드로 구성되며, 상기 반도체 제공공정 로봇에 일체형으로도 적용된 것을 특징으로 하는 반도체 제조공정 로봇 진단 방법.
KR1020190072042A 2019-06-18 2019-06-18 반도체 제조공정 로봇 진단 방법 KR102272872B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020190072042A KR102272872B1 (ko) 2019-06-18 2019-06-18 반도체 제조공정 로봇 진단 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190072042A KR102272872B1 (ko) 2019-06-18 2019-06-18 반도체 제조공정 로봇 진단 방법

Publications (2)

Publication Number Publication Date
KR20200144268A true KR20200144268A (ko) 2020-12-29
KR102272872B1 KR102272872B1 (ko) 2021-07-05

Family

ID=74090133

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190072042A KR102272872B1 (ko) 2019-06-18 2019-06-18 반도체 제조공정 로봇 진단 방법

Country Status (1)

Country Link
KR (1) KR102272872B1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20220094740A (ko) * 2020-12-29 2022-07-06 세메스 주식회사 이송 로봇의 이상 진단 장치 및 방법

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20100085574A (ko) 2009-01-21 2010-07-29 삼성전자주식회사 기판 이송 장치 및 그 제어 방법
KR100986789B1 (ko) * 2002-05-29 2010-10-12 도쿄엘렉트론가부시키가이샤 툴 성능을 모니터링하는 장치 및 방법
KR101322434B1 (ko) * 2005-07-11 2013-10-28 브룩스 오토메이션 인코퍼레이티드 지능형 상태 감시 및 결함 진단 시스템
KR101469194B1 (ko) 2013-07-12 2014-12-09 피에스케이 주식회사 반도체 설비의 자가 진단 장치 및 방법

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100986789B1 (ko) * 2002-05-29 2010-10-12 도쿄엘렉트론가부시키가이샤 툴 성능을 모니터링하는 장치 및 방법
KR101322434B1 (ko) * 2005-07-11 2013-10-28 브룩스 오토메이션 인코퍼레이티드 지능형 상태 감시 및 결함 진단 시스템
KR20100085574A (ko) 2009-01-21 2010-07-29 삼성전자주식회사 기판 이송 장치 및 그 제어 방법
KR101469194B1 (ko) 2013-07-12 2014-12-09 피에스케이 주식회사 반도체 설비의 자가 진단 장치 및 방법

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20220094740A (ko) * 2020-12-29 2022-07-06 세메스 주식회사 이송 로봇의 이상 진단 장치 및 방법

Also Published As

Publication number Publication date
KR102272872B1 (ko) 2021-07-05

Similar Documents

Publication Publication Date Title
US20230280740A1 (en) Intelligent condition monitoring and fault diagnostic system for preventative maintenance
US7882394B2 (en) Intelligent condition-monitoring and fault diagnostic system for predictive maintenance
KR100756728B1 (ko) 반도체 처리 기술
TWI412906B (zh) 具有虛擬量測功能的製造執行系統與製造系統
TWI287244B (en) Correlation of end-of-line data mining with process tool data mining
KR102464762B1 (ko) 경험적 공유 지식 기반의 인공지능을 활용한 설비고장 예지보전 방법
CN111522329A (zh) 一种工业机器人故障诊断方法
KR102561675B1 (ko) 생산현장 가동 설비 상태 모니터링을 통한 고장진단 및 예측 시스템
US6821792B1 (en) Method and apparatus for determining a sampling plan based on process and equipment state information
KR102272872B1 (ko) 반도체 제조공정 로봇 진단 방법
Siddhartha et al. IoT enabled real-time availability and condition monitoring of CNC machines
KR20190031385A (ko) 인터페이스 장치와, 이를 이용한 반도체 제조 시스템 및 관리 방법
KR20160019119A (ko) 스테이지 모니터링 및 진단 시스템, 스테이지 장치 및 제조, 계측 및 검사 장비
EP3705964B1 (en) A method for the scalable real-time state recognition of processes and/or sub-processes during production with electrically driven production plants
CN116823211A (zh) 一种设备设施智慧运维管理方法及其系统
US7130769B1 (en) Method of dynamically designing a preventative maintenance schedule based upon sensor data, and system for accomplishing same
Vadde et al. Modeling smart sensor integrated manufacturing systems
US7783455B1 (en) Methods and systems for analyzing process equipment processing variations using sensor data
Kim et al. Introduction of equipment level FDC system for semiconductor wet-cleaning equipment optimization and real-time fault detection
KR20200132313A (ko) 수치제어 공작기계 진단 시스템, 방법, 및 상기 방법을 실행시키기 위한 컴퓨터 판독 가능한 프로그램을 기록한 기록 매체
KR102409862B1 (ko) 실시간 로봇 모니터링 서비스 제공 방법, 서버 및 프로그램
Klinger et al. Robotic Work Cell Test Bed to Support Measurement Science for Monitoring, Diagnostics, and Prognostics
JP2004028670A (ja) 自動分析装置等の分析準備・終了作業代行の遠隔支援システム
EP4398167A1 (en) Systems and methods for optimizing operation at a manufacturing assembly line
WO2021214796A1 (en) A system and a method for monitoring automated manufacturing system

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant