半導體廠廢氣處理模糊故障診斷系統研究

魏強 劉躍旭 韓志強 張建海

摘? 要：針對以往半導體廠廢氣處理設備故障診斷缺陷，提出了一種模糊故障診斷方案。根據廢氣處理設備的工作特征參數，對故障成因和特點進行分析。基于模糊推理的原則，建立了自動故障診斷系統。實踐應用表明采用模糊推理原則可以改善工作狀態時的故障預判，減少了故障發生，提高了半導體廠生產的效率。

關鍵詞：廢氣處理;模糊推理;故障診斷

中圖分類號：? ? ? ? ? 文獻標識碼：

Fuzzy-inference Based Fault Diagnosis System for Waste Gas Treatment of

Semiconductor

Wei qiang， Liu Yue-xue， Han Zhi-qiang， Zhang Jian-hai

（TJPR Environmental Engineering Technology Co.， Ltd， Tianjin 300402， China）

Abstract： In order to make up for deficiencies of the traditional fault diagnosis method of waste gas treatment system， an automatic fault diagnosis method was studied based on fuzzy inference. This paper analyzed the feature parameters of the waste gas system， utilized the fuzzy inference rule to extract the fault symptom and fault cause， then built a fault diagnosis system and raised the inference efficiency after establishing fuzzy relationship. The practice test results showed that the accuracy of fault diagnosis and forecast were improved and the fuzzy reference algorithm could satisfy the system requirements of security and stabilization as well as higher precision and rapid speed.

Keywords ：waste gas treatment; fuzzy inference; fault diagnosis system

一、引言

近幾年國內半導體行業發展迅速， 2017年以來國內新建的晶圓廠超過了20家，投資額超過1000億美元[1]。

半導體廠制程中的排氣系統和廢氣處理設備連為一體，廢氣處理設備發生故障將可能導致機臺的意外宕機，損失巨大。所以半導體廠的廢氣處理多配置在線備用系統，以保證出現故障能快速切換。由于對廢氣系統的安全性、穩定性要求高，設備的故障檢測顯得格外重要。絕大多數半導體廠在故障判斷及故障預測上仍多采用人工檢測、經驗分析或采用設定故障參數的方式。對設備故障漸變過程的預判，以及這種漸變造成的原因，傳統故障診斷方式還有很大的局限性和滯后性。如果將模糊推理引入到現有的故障診斷系統中，可以有效發現信號與故障原因的聯系，準確及時的排除，把故障發生的概率進一步降低，極大的降低維保人員的勞動強度和能耗的損失，提升生產效率。

二、故障診斷系統設計

2.1 模糊推理理論

模糊推理理論反映了故障征兆信號和故障原因之間的隸屬關系，通過某些故障征兆信號的隸屬度求出各個故障原因的隸屬度。符合復雜狀態環境中故障判斷中對度的要求。在判斷概念上更接近人類思維[2]。

模糊推理首先要取得狀態征兆集和故障原因集，對于征兆集中的每一個征兆因素Xi，根據實際工藝的需要確定其隸屬度函數。由隸屬度函數得到征兆模糊向量式（1）。

（1）式中，元素是狀態征兆Xi的隸屬度。由狀態征兆和故障原因與之間的模糊關系方程可得到故障原因模糊向量作為模糊決策的依據。

再依據最大隸屬度原則或閾值原則，從故障原因模糊向量中判別出故障原因。

2.2 廢氣處理系統故障特征分析

半導體廠制程中產生的廢氣一般機臺端會先采用 Local scrubber 處理，再將初級凈化后的廢氣分類引至各自處理設備中。這其中酸堿性廢氣占到了較大比例。以常見的濕式洗滌塔為例。處理流程為，廢氣引至洗滌塔內，通過填料的作用，讓氣液兩相充分混合，將廢氣中的水溶性酸堿成分吸收，并以廢水的形式排放到廢水處理系統中。處理后的氣體通過除霧區消除多余的水分，經風機通過煙囪排放。

在處理流程中故障發生情況分布在處理前端、處理區和排放端三個部分。運行統計數據顯示處理區發生故障的比例占到了總故障的76%。這其中又以管路故障、儀表故障、風機故障、風壓波動為主，占到了處理區故障的60%以上。這幾類故障對系統會產生立即性影響。循環水量異常、酸堿度失衡、閥門失靈等發生的幾率較小，對系統影響不是直接的，但會造成處理效果減弱。

故障診斷的前提是采集系統各部分的征兆信號。對于不同的征兆信號特征量，根據其采集的方式、頻率和信號種類可以采用基于濾波值、短期均值、變化率、震蕩幅值等幾種方式確定。

除了這些征兆信號還有一些開關量信號，例如儀表故障、設備停機等。它們屬于系統自動運行判斷信號，出現故障系統自動停止。對于此類信號設計為最高優先級故障報警。其他征兆信號在進行模糊處理后再決定是否報警。

2.3 征兆信號的隸屬度函數求取

征兆信號隸屬度函數的確定本質應該是客觀的，但也需要一定的專家經驗和測試，對應不同征兆的隸屬度函數有特定分析的方法，但都有賴于大量數據采集及具體分析。

從表1中可以看出系統正常運行時，統計所得數據顯示壓力監測的線性度為約±1.4%FS，重復精度±1.5%FS。壓力監測最大允許誤差要求±2%，響應時間最大允許誤差30%。從滿足系統要求和易于計算考慮，隸屬度函數可以采用梯形隸屬度函數。在處理流程中，廢氣各成分的濃度和氣量都可能變化，系統對于不同的對象其狀態參數是不同的（例如壓力差期望值、采集位置等）。對狀態參量不同的值設定出正常工作范圍，然后可得到隸屬度函數。最后基于上述考慮得到各征兆信號的隸屬度函數。

對壓力信號期望會出現壓力過大或壓力過小。由此可得信號過大和過小的隸屬度函數。

2.4 模糊推理和判斷

通過廢氣處理系統的運行經驗、統計數據和機理分析[3][4]，確定每種故障征兆的原因。例如出現壓差期望值的波動，其主要原因是通道不暢或泄漏。造成通道不暢的原因又涉及到風機、填料、閥門、管路等。再細化，風機皮帶、電氣元件、填料菌落失衡、水量不足、閥門泄漏等都存在可能。這其中填料出現故障頻率較多，相對權重就大。綜合多次運行試驗，就可以確定在設備運行過程中故障征兆域、故障原因域和它們之間的關系。故障征兆域為，故障原因域為。每一故障征兆對應每個故障原因進行了具體驗證和試驗修正取得關系因子，可以建立模糊關系矩陣，如下式所示。

測得故障征兆數據在經過隸屬度函數模糊化后，得到故障征兆模糊向量。通過公式得到的故障原因模糊向量作為模糊決策的依據。式中的模糊算子“”表示為式（2）

這種算子中不會丟失大量信息，同時在比較各個征兆因素后，能最大限度突出單個因素的作用。

工作過程中信號監測的動作速度易受負載變化的影響出現非線性變化。但這種非線性的變化并不是故障引起，如果單純采用最大隸屬度原則很容易誤判，所以在診斷判別時結合最大隸屬度原則和閾值原則。根據理想模型多次驗證后選取合適的閾值。對于已取得故障原因模糊向量，首先和閾值水平比較得到初步判斷，如果初步判斷則通過認定，如果不是則判定為正常擾動。如沒有拒判按中最大值判定故障原因。

三、驗證

以集管壓力2500Pa，處理風量50000m3/h的某半導體廠酸堿廢氣處理系統為例。測取60次各部分征兆信號，以每10次的綜合特征值（無量綱）為一組。

將每個樣本的征兆值分別代入其對應的隸屬函數中，得到了6組個樣本的征兆模糊向量 ，，將以及分別代入式（4），從而得到6組故障原因模糊向量，。如表2所示。

由閾值=（0.3，0.4，0.2，0.5，0.4，0.4，0.3，0.4）判斷，樣本2和樣本6有故障預兆。由最大隸屬度原則確定樣本2故障原因為風機異常，樣本6的故障為儀表故障。通過人工復檢，故障預測與實際一致。

四、結論

本文根據半導體廠酸堿廢氣處理設備要求穩定性好，安全性高的特點，基于模糊推理原理設計了酸堿廢氣處理模糊故障診斷系統，并對系統的故障征兆和故障原因的關系進行分析。通過對酸堿廢氣處理設備的長期測試與跟蹤，證實采用模糊原則后故障診斷速度明顯加快，同時減少了錯判和誤判率，并可以故障預測，事故率明顯降低。試驗結果表明基于模糊推理的故障診斷方法在導體廠酸堿廢氣處理系統上的應用是行之有效的，能滿足生產要求。

參考文獻

[1]李彎彎. 國內半導體設備發展綜述[J].廣東科技，2018：55～57

[2]吳今培. 模糊診斷理論及其應用[M]. 北京：科學出版社，1995.

[3]陳玉峰，楊驥. 半導體制程廢氣處理技術實踐[J].半導體技術，2008年 33卷 9期：752～755.

[4]楊昕，高艾偉，Dr. Frenzel. 關于半導體行業廢氣處理的解決方案[J].集成電路應用，2002年 2月：43-45.

作者簡介：魏強（1981-），男，工程師，碩士。現從事自動控制系統集成研究。郵箱：65108753@163.com。