SmartFDC® 机器学习故障检测

成功的故障检测与分类 (FDC) 系统需要对工艺、设备和潜在故障模式有深厚的专业知识，以及持续投入系统的设置和维护。然而，即使完全配置的 FDC 系统也受到其设计中预见到的故障条件的限制。尽管精心设计的方法仍然非常有价值，但机器学习算法——一种人工智能的强大分支——为新的和现有的 FDC 项目提供了显著的优势。

借助这些先进算法的能力，INFICON 的智能制造系统团队开发了 SmartFDC^®。这一创新的附加功能能够自动检测时间序列工具数据中的异常，帮助您的 FDC 团队快速定位可能导致良率损失的问题，从而提高效率和产品质量。

使用该系统，从每个腔体收集的数据通过无监督学习自动训练算法并报告检测到的异常。

分析结果显示在直观的基于网页的用户界面中。在这里，您可以：

• 查看当前和过去的异常，包括过程数据的趋势图
• 标记异常以便跟进
• 与算法交互
• 筛选出与您的工作职能相关的结果

为了提高结果的准确性，用户可以通过监督学习来“教导”算法，结合他们对系统的工程知识。例如，已知的修剪违规、噪声问题或测试晶圆运行可能会触发错误的异常。通过训练系统识别并忽略这些误报，用户可以优化算法未来的异常检测，从而确保更精确和可靠的结果。

该系统还包含与其他INFICON产品的内置集成功能。例如，我们的计量采样优化器（Metrology Sampling Optimizer）允许您配置规则，当在SmartFDC中检测到异常时，自动在计量阶段采样材料。