اتوماسیون عمیقاً در تولید نیمه‌رسانا نهادینه شده است و کمتر وظیفه‌ای در اتوماسیون به اندازه جابه‌جایی ویفر به ثبات نیاز دارد. ربات‌ها در سراسر چرخه تولید، ویفرهای شکننده را میان لودپورت‌ها، تجهیزات فرایندی، ایستگاه‌های بازرسی و ماژول‌های دیگر جابه‌جا می‌کنند و اغلب همین حرکات را هزاران بار، در شرایطی کاملاً کنترل‌شده، تکرار می‌کنند.

وقتی ربات جابه‌جایی ویفر شروع به ایجاد خطاهای تکرارشونده می‌کند، تأثیر آن به‌ندرت فقط به خود ربات محدود می‌ماند. انتقال‌های متوقف‌شده می‌توانند مراحل فرایند را به تأخیر بیندازند، برنامه‌ریزی تولید را مختل کنند و تجهیزات گران‌قیمت را بدون مواد منتظر بگذارند. بنابراین، چالش واقعی برای تیم‌های تعمیر و نگهداری پاک‌کردن آخرین هشدار نیست، بلکه شناسایی دلیل بازگشت مداوم همان خطاست.

شکل 1. جابه‌جایی ویفر یکی از عملیات رباتیک با بیشترین حساسیت به دقت در تولید نیمه‌رسانا است.

چرا خطاهای تکرارشونده ربات در یک فب تا این حد اهمیت دارند؟

تولید نیمه‌رسانا به جابه‌جایی قابل پیش‌بینی میان مراحل فرایندیِ کاملاً هماهنگ وابسته است. ربات انتقال ویفر ممکن است تنها یکی از اجزای یک تجهیزات بسیار بزرگ‌تر باشد، اما مشکلی تکرارشونده در آن نقطه می‌تواند جریان مواد را در چند عملیات مرتبط مختل کند.

پیامدهای فوری به‌راحتی دیده می‌شوند: کاهش توان عملیاتی، تأخیر در پردازش ویفر، نیروی کار بیشتر برای تعمیر و اختلال در برنامه تولید. پیامد کمتر آشکار، ناپایداری است. تشخیص رباتی که فقط گاهی دچار خطا می‌شود می‌تواند از تشخیص رباتی که کاملاً از کار افتاده دشوارتر باشد، زیرا تکنسین‌ها ممکن است بارها سیستم را بازنشانی کرده و بدون گردآوری شواهد کافی برای شناسایی وضعیت زیربنایی، آن را به تولید بازگردانند.

به همین دلیل، بهبود زمان کارکرد باید بر الگوهای تکرارشونده تمرکز کند، نه رخدادهای منفرد. پرسش فقط این نیست که «چه هشداری ظاهر شد؟» بلکه این است: «بلافاصله پیش از این هشدار چه چیزی تغییر کرد و آیا همین توالی هر بار تکرار می‌شود؟»

با تفکیک خطا و نسبت‌دادن آن به زیرسامانه درست شروع کنید

بیشتر مشکلات تکرارشونده در جابه‌جایی ویفر را می‌توان به تعداد محدودی از حوزه‌ها نسبت داد: فرسودگی مکانیکی، مشکلات حسگر یا هم‌ترازی، عملکرد خلأ و اندافکتور، یا خطاهای ارتباطی و توالی. این دسته‌بندی‌ها روی کاغذ ساده‌اند، اما اغلب در علائمی که اپراتور مشاهده می‌کند با یکدیگر هم‌پوشانی دارند.

برای مثال، هشدار موقعیت‌یابی به‌طور خودکار ثابت نمی‌کند که موتور، تسمه یا ریل از کار افتاده است. بازخورد نادرست حسگر ممکن است مانع از تأیید کامل‌شدن حرکت توسط کنترلر شود، در حالی که خطای خلأ می‌تواند همان توالی انتقال را تقریباً در همان نقطه متوقف کند. بنابراین، عیب‌یابی مؤثر با جداکردن نشانه قابل مشاهده از زیرسامانه‌ای که واقعاً آن را ایجاد کرده است آغاز می‌شود.

این تمایز در تجهیزات نیمه‌رسانا اهمیت ویژه‌ای دارد، زیرا تنظیمات غیرضروری می‌توانند مشکلات جدیدی ایجاد کنند. هم‌راستا کردن مجدد رباتی که از نظر مکانیکی سالم است، به‌دلیل دریافت سیگنال نادرست از حسگر، ممکن است تکرارپذیری را کاهش دهد، نه اینکه آن را بهبود بخشد.

فرسودگی مکانیکی معمولاً به‌تدریج ظاهر می‌شود

مفصل‌ها، یاتاقان‌ها، تسمه‌ها، ریل‌های خطی و کوپلینگ‌های ربات در تعداد بسیار زیادی چرخه تکراری کار می‌کنند. با فرسوده شدن این اجزا، نخستین نشانه‌ها اغلب ظریف هستند: حرکت کمی زبرتر، افزایش لرزش، انحراف‌های جزئی در موقعیت‌یابی یا خطاهایی که فقط در شرایط خاص جابه‌جایی رخ می‌دهند.

این علائم ممکن است فوراً تولید را متوقف نکنند. در عوض، ربات ممکن است صدها چرخه به‌طور عادی کار کند و سپس دوباره هشدار مرتبط با موقعیت ایجاد کند. همین رفتار مقطعی است که اهمیت تاریخچه خطا را نشان می‌دهد. اگر یک محور، جهت حرکت یا موقعیت انتقال مشخص مرتباً در گزارش‌ها ظاهر شود، بازرسی مکانیکی هدفمندتر خواهد شد.

تکنسین‌ها باید به اجزایی که در معرض حرکت مداوم هستند و همچنین هرگونه نشانه افزایش لقی، مقاومت ناهماهنگ یا لرزش غیرعادی توجه ویژه‌ای داشته باشند. هدف صرفاً یافتن قطعه‌ای فرسوده نیست، بلکه باید مشخص شود آیا آن فرسودگی می‌تواند الگوی خاص خرابی مشاهده‌شده در حین تولید را توضیح دهد یا خیر.

خرابی حسگر می‌تواند شبیه خرابی حرکتی به نظر برسد

ربات‌های جابه‌جایی ویفر برای تأیید وجود ویفر، موقعیت، وضعیت شیار و تکمیل موفق هر مرحله از انتقال به حسگرها متکی هستند. ربات ممکن است از نظر مکانیکی به‌درستی حرکت کند، اما همچنان دچار خطا شود، زیرا سامانه کنترل بازخورد لازم برای ادامه توالی را دریافت نمی‌کند.

آلودگی در محیط‌های جابه‌جایی دقیق، نگرانی مهمی محسوب می‌شود. حسگری که کثیف یا اندکی نامیزان شده است، ممکن است به‌جای خرابی کامل، شروع به ایجاد مشکلات مقطعی در تشخیص کند. بنابراین هر زمان توالی خطا به بازخورد این تجهیزات وابسته است، باید حسگرهای تشخیص ویفر، تجهیزات نگاشت شیار و دوربین‌های هم‌راستاسازی را بررسی کرد.

تمیزکاری و کالیبراسیون مجدد ممکن است برخی موارد را برطرف کند، در حالی که سخت‌افزار آسیب‌دیده یا ناپایدار ممکن است نیاز به تعویض داشته باشد. نکته مهم این است که خودِ بازخورد را بررسی کنید، نه اینکه فرض کنید هر هشدار مرتبط با انتقال از مکانیک ربات ناشی می‌شود.

مشکلات خلأ اغلب هنگام برداشتن یا قرار دادن خود را نشان می‌دهند

در سامانه‌هایی که از جابه‌جایی ویفر مبتنی بر خلأ استفاده می‌کنند، اندافکتور باید در سراسر فرایند انتقال، نیروی نگهدارنده کافی را ایجاد و حفظ کند. فشار خلأ ضعیف، آلودگی در خطوط، اتصالات نشتی‌دار یا فرسودگی سطح اندافکتور همگی می‌توانند باعث خرابی‌های مقطعی در برداشتن و قرار دادن شوند.

مرحله‌ای که خطا در آن ظاهر می‌شود می‌تواند اطلاعات تشخیصی مفیدی ارائه دهد. مشکلی که به‌طور مداوم هنگام برداشتن ویفر رخ می‌دهد، باید تکنسین‌ها را پیش از بررسی محورهای نامرتبط یا سخت‌افزار ارتباطی، به سمت تولید خلأ، حسگر فشار، لوله‌ها و وضعیت عملگر انتهایی هدایت کند.

مقادیر خلأ نیز باید به‌صورت پویا بررسی شوند، نه فقط به‌عنوان مقادیر ایستا. ممکن است سامانه در نهایت به فشار موردنیاز برسد، اما این کار بیشتر از زمان مورد انتظار طول بکشد و باعث شود توالی کنترلی پیش از دریافت تأییدیه با پایان مهلت مواجه شود. در این حالت، نشانه ظاهری خطای انتقال است، درحالی‌که مشکل اصلی، افت عملکرد پنوماتیکی یا خلأ است.

خطاهای ارتباطی می‌توانند رباتی را که از نظر مکانیکی سالم است متوقف کنند

ربات‌های جابه‌جایی ویفر به‌عنوان بخشی از یک محیط یکپارچه خودکارسازی کار می‌کنند. آن‌ها فرمان‌ها و اطلاعات وضعیت را با کنترلرهای تجهیزات، درگاه‌های بارگیری، ابزارهای فرایندی و سامانه‌های سطح بالاتر تولید تبادل می‌کنند. اگر یکی از پیام‌های مورد انتظار یا سیگنال‌های مجوزدهنده دریافت نشود، ربات ممکن است متوقف شود؛ حتی اگر موتور، حسگرها و سازوکارهای مکانیکی آن به‌درستی کار کنند.

به همین دلیل، خطاهای ارتباطی باید در مراحل اولیه فرایند عیب‌یابی از خطاهای حرکت فیزیکی متمایز شوند. مهندسان باید بدانند آیا ربات تلاش کرده حرکت کند و شکست خورده است، یا اصلاً شرایط لازم برای آغاز حرکت را دریافت نکرده است.

زمان‌بندی در اینجا نیز اهمیت دارد. توقف یک انتقال بلافاصله پس از صدور فرمان می‌تواند نشانه‌ای متفاوت از توالی‌ای باشد که از نظر مکانیکی کامل می‌شود اما هرگز تأییدیه‌ای از تجهیزات مجاور دریافت نمی‌کند. در معماری‌های خودکارسازی بزرگ‌تر، بررسی وضعیت اجزای مرتبط ارتباطات و شبکه‌سازی صنعتی می‌تواند مشخص کند که اختلال درون کنترلر ربات رخ داده است یا خارج از آن.

گزارش‌های خطا زمانی بیشترین ارزش را دارند که به‌صورت یک توالی خوانده شوند

سامانه‌های مدرن جابه‌جایی ویفر می‌توانند سوابق تشخیصی دقیقی ایجاد کنند که شامل خطاهای محور، هشدارهای خلأ، خطاهای حسگر و رویدادهای ارتباطی است. بااین‌حال، خواندن فقط آخرین هشدار می‌تواند گمراه‌کننده باشد، زیرا یک مشکل آغازگر ممکن است در مدت کوتاهی چندین خطای ثانویه ایجاد کند.

رویکرد مفیدتر، بازسازی توالی رویدادهاست. کدام رویداد ابتدا رخ داد؟ آیا همان محور پیش از هشدار خلأ خطا گزارش کرد؟ آیا پیش از توقف ربات، سیگنال وجود ویفر دریافت نمی‌شد؟ آیا خطا فقط در یک درگاه بارگیری رخ داد یا در چند مقصد؟

الگوهای تکرارشونده اغلب دامنه بررسی را بسیار مؤثرتر از متن یک پیام خطای منفرد محدود می‌کنند. بنابراین، تیم‌های تعمیر و نگهداری باید هر زمان که ممکن است، مُهرهای زمانی، شرایط کاری و اقدامات اصلاحی قبلی را ثبت و حفظ کنند؛ نه اینکه بدون ثبت آنچه رخ داده، ربات را مرتباً بازنشانی کنند.

شکل ۲. عیب‌یابی ساختاریافته، خطاهای تکرارشونده جابه‌جایی ویفر را به زیرسامانه‌ای مرتبط می‌کند که واقعاً باعث توقف شده است.

بازرسی باید از شواهد پیروی کند

پس از درک توالی خطا، بازرسی فیزیکی کارآمدتر می‌شود. اگر گزارش‌ها به‌طور مکرر به یک محور اشاره کنند، تکنسین‌ها می‌توانند بر مفصل‌ها، ریل‌ها، تسمه‌ها، کوپلینگ‌ها و بازخورد موقعیت آن تمرکز کنند. اگر خطا به‌طور مداوم هنگام برداشتن ویفر رخ دهد، سامانه خلأ و ابزار انتهایی در اولویت بازرسی قرار می‌گیرند.

این موضوع بدیهی به نظر می‌رسد، اما تعویض قطعات به روش آزمون‌وخطا در تجهیزات اتوماسیون بسیار یکپارچه همچنان پرهزینه است. تعویض هم‌زمان چند قطعه نیز اطلاعات تشخیصی را از بین می‌برد، زیرا تیم‌های نگهداری دیگر نمی‌دانند کدام اقدام واقعاً خطا را برطرف کرده است.

یک فرایند منظم عیب‌یابی، در صورت امکان، هر بار فقط یک متغیر را تغییر می‌دهد، نتیجه را ثبت می‌کند و سپس بررسی می‌کند که آیا خطای اولیه در همان شرایط کاری دوباره رخ می‌دهد یا نه.

نگهداری پیشگیرانه در واقع درباره حفظ تکرارپذیری است

ربات‌های ویفر فقط به این دلیل که قطعات متحرک دارند، به نگهداری پیشگیرانه نیاز ندارند. دلیل نیاز آن‌ها این است که جابه‌جایی نیمه‌رسانا به حرکت و حسگری با تکرارپذیری بسیار بالا وابسته است. مقادیر اندک فرسودگی مکانیکی، آلودگی یا انحراف از هم‌راستایی می‌تواند مدت‌ها پیش از خرابی کامل یک قطعه، بر قابلیت اطمینان تأثیر بگذارد.

یک برنامه نگهداری منطقی ممکن است شامل روان‌کاری قطعات متحرک مشخص‌شده، بازرسی تسمه‌ها و ریل‌ها، تمیزکاری و کالیبراسیون حسگرها، بازرسی سامانه خلأ و بررسی هم‌راستایی ربات باشد. به‌روزرسانی‌های میان‌افزار یا نرم‌افزار نیز ممکن است بخشی از راهبرد نگهداری باشند، مشروط بر اینکه سازنده تجهیزات آن‌ها را ارائه و توصیه کرده باشد.

نباید فاصله‌های زمانی را بدون بررسی میان سیستم‌های مختلف کپی کرد. ساعات کارکرد، تعداد چرخه‌ها، شرایط محیطی و توصیه‌های سازنده اصلی تجهیزات همگی باید بر دفعات انجام یک وظیفه خاص تأثیر بگذارند. رباتی که به‌طور پیوسته کار می‌کند ممکن است در مقایسه با تجهیزاتی که فقط به‌صورت متناوب استفاده می‌شوند، به راهبرد نگهداری متفاوتی نیاز داشته باشد.

عیب‌یابی EFEM به نگاهی گسترده‌تر نیاز دارد

بسیاری از ربات‌های جابه‌جایی ویفر درون یک ماژول جلویی تجهیزات، یا EFEM، کار می‌کنند. در این محیط، ربات تنها یکی از عناصر توالی‌ای است که ممکن است شامل پورت‌های بارگذاری، نقشه‌برداری ویفر، مکانیزم‌های در، تجهیزات هم‌راستاسازی و ارتباط با ابزار فرایند باشد.

این معماری گسترده‌تر، منطق عیب‌یابی را تغییر می‌دهد. ممکن است ربات به این دلیل متوقف شود که یک پورت بارگذاری به‌درستی هم‌راستا نشده، حسگر نقشه‌برداری وضعیتی غیرمنتظره ایجاد کرده، مکانیزم در نتوانسته توالی خود را کامل کند یا ابزار فرایند سیگنال دست‌دهی لازم را ارائه نداده است. بنابراین، سرزنش مکرر ربات صرفاً به این دلیل که همان قطعه‌ای است که به‌طور قابل مشاهده متوقف شده، می‌تواند تکنسین‌ها را به مسیر اشتباهی هدایت کند.

شکل ۳. سامانه‌های EFEM چندین عملکرد جابه‌جایی و رابط را ترکیب می‌کنند؛ بنابراین، خطاهای تکرارشونده اغلب به تشخیص در سطح سامانه نیاز دارند.

مهندسان باید کل توالی انتقال را بررسی کنند و مشخص کنند هر مرحله تحت اختیار کدام دستگاه است. این کار تشخیص اینکه آیا ربات در اجرای یک فرمان معتبر ناکام مانده یا بخش دیگری از EFEM مانع پیشروی توالی شده است را آسان‌تر می‌کند.

داده‌های عملکرد می‌توانند زوال را پیش از وقوع خطای جدی نشان دهند

گزارش‌های خطا رویدادهایی را توصیف می‌کنند که پیش‌تر از یک آستانه تعریف‌شده عبور کرده‌اند، در حالی که داده‌های عملکرد می‌توانند زوال را زودتر آشکار کنند. میانگین زمان بین خرابی‌ها، بسامد خطا، زمان چرخه انتقال و دقت موقعیت‌یابی محورها همگی می‌توانند نشانه‌های مفیدی از تغییر رفتار سامانه ارائه دهند.

زمان چرخه را در نظر بگیرید. اگر یک مسیر انتقال به‌تدریج طولانی‌تر شود، حتی اگر هیچ خطای رسمی رخ نداده باشد، این تغییر ممکن است بازرسی را پیش از توقف نهایی ربات توجیه کند. همچنین، کاهش MTBF نشان می‌دهد که بازنشانی‌ها و تعمیرات به نتیجه‌ای پایدار و بلندمدت منجر نمی‌شوند.

دقت موقعیت‌یابی زمانی می‌تواند اطلاعات بیشتری ارائه دهد که تجهیزات داده‌های تشخیصی مناسبی در اختیار بگذارند. افزایش آهسته میزان اصلاح یا انحراف موقعیت‌یابی ممکن است پیش از آنکه اپراتورها با هشدارهای مکرر مواجه شوند، لغزش مکانیکی یا کالیبراسیون را آشکار کند.

سامانه‌های بصری‌سازی می‌توانند به تیم‌های تعمیر و نگهداری کمک کنند این روندها را با سابقه واقعی خطا مقایسه کنند. پلتفرم‌های مدرن HMI و رایانش صنعتی به‌ویژه زمانی مفید هستند که رخدادهای تکرارشونده ربات را در کنار داده‌های چرخه و عملیاتی نمایش دهند، نه اینکه هشدارها را به‌صورت مجزا نشان دهند.

عیب‌یابی استانداردشده از ناپدید شدن دانش جلوگیری می‌کند

حل مشکلات تکرارشونده تجهیزات زمانی دشوارتر می‌شود که هر تکنسین رویکرد متفاوتی داشته باشد. یک شیفت ممکن است حسگر را تمیز کند، شیفت دیگر هم‌راستایی را تنظیم کند و شیفت سوم پارامترها را بازنشانی کند، بی‌آنکه کسی سابقه‌ای منسجم از وضعیت خطا و اقدام اصلاحی حفظ کند.

رویه‌های استانداردشده تداوم ایجاد می‌کنند. تیم می‌تواند توالی هشدار، محل تحت‌تأثیر، اندازه‌گیری‌های مرتبط و اقدام تعمیراتی را ثبت کند و سپس رخداد بعدی را با مورد قبلی مقایسه کند. با گذشت زمان، این کار به ایجاد سابقه‌ای عملی از خطاهای همان دستگاه منجر می‌شود، نه اینکه فقط به مستندات عمومی خدمات متکی باشیم.

آموزش نیز به همین دلیل اهمیت دارد. تکنسین‌هایی که می‌دانند کدام علائم معمولاً با مشکلات مکانیکی، خلأ، حسگری یا ارتباطی مرتبط هستند، می‌توانند به‌جای شروع مکرر از نقطه صفر، بررسی‌ها را از مرتبط‌ترین موارد آغاز کنند.

موجود بودن قطعات یدکی بخشی از مهندسی قابلیت اطمینان است

تشخیص صحیح زمانی که قطعه موردنیاز قابل تعویض نباشد، تأثیر چندانی بر زمان کارکرد مداوم ندارد. بنابراین، کارخانه‌های تولید نیمه‌رسانا باید راهبرد قطعات یدکی را در کنار نگهداری پیشگیرانه و عیب‌یابی در نظر بگیرند.

تصمیم‌های مربوط به موجودی انبار باید بر اساس میزان بحرانی‌بودن قطعات هدایت شوند. قطعاتی که سابقه خرابی دارند، زمان تأمین طولانی دارند یا می‌توانند کل EFEM را متوقف کنند، شایسته برخوردی متفاوت از قطعات ارزان‌قیمتی هستند که می‌توان آن‌ها را سریع تهیه کرد.

با افزایش عمر تجهیزات، اهمیت این موضوع بیشتر می‌شود. سکوهای رباتیک قدیمی ممکن است سال‌ها از نظر مکانیکی توانمند باقی بمانند، در حالی که تهیه برخی حسگرها، کنترلرها، درایوها یا قطعات رابط اختصاصی آن‌ها دشوار می‌شود. پایش زودهنگام منسوخ‌شدن قطعات به تیم‌های نگهداری و تعمیرات امکان می‌دهد برنامه‌ریزی کنند، نه اینکه پس از توقف تولید در واکنش به خرابی اقدام کنند.

تعمیرات باید با اجرای توالی اصلی خرابی اثبات شوند

پس از تعمیر، تنها حرکت دادن موفقیت‌آمیز ربات با فرمان دستی ثابت نمی‌کند که مشکل اولیه برطرف شده است. تجهیزات باید با همان توالی یکپارچه‌ای آزمایش شوند که خطا را ایجاد کرده است؛ این آزمایش باید شامل حسگری، تأیید خلأ و ارتباط با تجهیزات پیرامونی نیز باشد.

اگر خرابی فقط در یک پورت بارگیری رخ داده است، باید توجه ویژه‌ای به همان مسیر شود. اگر خرابی تنها پس از چند ساعت کارکرد ظاهر شده است، یک چرخه آزمایشی کوتاه ممکن است برای نشان دادن پایداری کافی نباشد. اعتبارسنجی باید تا حد امکان با ویژگی‌های مشکل اولیه مطابقت داشته باشد.

این گام نهایی اهمیت زیادی دارد، زیرا خطاهای مقطعی ممکن است پس از نگهداری و تعمیرات، موقتاً ناپدید شوند؛ حتی اگر علت ریشه‌ای همچنان باقی مانده باشد. آماده‌به‌کاری تنها زمانی بهبود می‌یابد که خود الگوی تکرارشونده حذف شده باشد.

آماده‌به‌کاری بهتر از درک بهتر خطاها به دست می‌آید

قابلیت اطمینان ربات جابه‌جایی ویفر صرفاً با سریع‌تر ریست کردن هشدارها بهبود نمی‌یابد. فرسودگی مکانیکی، آلودگی حسگر، ناپایداری خلأ و خطاهای ارتباطی همگی می‌توانند باعث وقفه‌های تکرارشونده در انتقال شوند و هشدار قابل مشاهده ربات اغلب فقط نتیجه نهایی یک زنجیره طولانی‌تر از خرابی است.

موثرترین فرایند عیب‌یابی، تحلیل تاریخچه خطا را با بازرسی هدفمند، نگهداری و تعمیرات پیشگیرانه و درک سطح‌سیستمی EFEM ترکیب می‌کند. سپس شاخص‌هایی مانند MTBF، زمان چرخه، فراوانی خطا و دقت موقعیت‌یابی می‌توانند نشان دهند که آیا اقدامات اصلاحی واقعاً رفتار بلندمدت سیستم را بهبود داده‌اند یا نه.

در یک کارخانه ساخت نیمه‌رسانا، جابه‌جایی قابل‌اعتماد ویفر از بهره‌وری هر مرحله فرایندی که به آن وابسته است پشتیبانی می‌کند. بنابراین، زمان آماده‌به‌کاری ربات چیزی فراتر از یک شاخص نگهداری و تعمیرات است: این زمان بخشی از پایداری کلی تولید محسوب می‌شود. بهترین نتایج زمانی به دست می‌آیند که مهندسان به‌جای برخورد با هر خطا به‌عنوان حادثه‌ای جداگانه، خطاهای تکرارشونده را نشانه الگویی بنیادی بدانند که می‌توان آن را اندازه‌گیری، ایزوله و اصلاح کرد.