在半導(dǎo)體制造中，工藝設(shè)備的穩(wěn)定性和精度直接決定了晶圓的良率與工廠的運(yùn)營(yíng)效率。然而，傳統(tǒng)FDC故障檢測(cè)與分類系統(tǒng)高度依賴工程師經(jīng)驗(yàn)，面臨建模周期長(zhǎng)、誤報(bào)漏報(bào)率高、無法適應(yīng)新配方頻繁調(diào)參等痛點(diǎn)。在邁向更高制程精度與更短產(chǎn)品周期的今天，半導(dǎo)體工廠亟需一種更智能、更自適應(yīng)、更精準(zhǔn)的工藝控制新范式。作為戰(zhàn)略深耕半導(dǎo)體的工業(yè)AI領(lǐng)軍企業(yè)，格創(chuàng)東智基于其CIM AI Foundation生態(tài)，推出AI FDC解決方案，正是對(duì)這一行業(yè)挑戰(zhàn)的深度回應(yīng)。通過融合工業(yè)大模型與機(jī)器學(xué)習(xí)算法，推動(dòng)傳統(tǒng)FDC從一項(xiàng)“靜態(tài)手藝”轉(zhuǎn)變?yōu)椤白赃M(jìn)化智能應(yīng)用”。

傳統(tǒng)FDC本質(zhì)上是一套基于人工經(jīng)驗(yàn)的靜態(tài)規(guī)則系統(tǒng)。工程師需從數(shù)千個(gè)設(shè)備參數(shù)中篩選關(guān)鍵變量，并為每個(gè)變量在特定工藝步驟設(shè)定靜態(tài)閾值。這種方法存在三大先天不足：

視野狹窄，單變量監(jiān)控難以捕捉多參數(shù)耦合產(chǎn)生的復(fù)雜故障；

適應(yīng)性差，設(shè)備配方更換或發(fā)生輕微漂移時(shí)，模型需人工重新調(diào)參，維護(hù)負(fù)擔(dān)沉重；

誤報(bào)陷阱，僵化的閾值難以區(qū)分正常波動(dòng)與真實(shí)異常，導(dǎo)致工程師疲于應(yīng)對(duì)虛假警報(bào)。

格創(chuàng)東智AI FDC的核心技術(shù)創(chuàng)新在于構(gòu)建了一個(gè)“知識(shí)驅(qū)動(dòng)+數(shù)據(jù)驅(qū)動(dòng)”的雙引擎架構(gòu)。在知識(shí)側(cè)，系統(tǒng)通過微調(diào)后的工業(yè)大模型，深度理解設(shè)備手冊(cè)、SVID清單和專家知識(shí)庫(kù)等非結(jié)構(gòu)化知識(shí)，實(shí)現(xiàn)關(guān)鍵監(jiān)控參數(shù)的智能初篩與推薦，并生成帶有置信度與理由的推薦報(bào)告，將工程師從繁復(fù)的“選參”工作中解放。在數(shù)據(jù)側(cè)，系統(tǒng)在知識(shí)初篩的基礎(chǔ)上，運(yùn)用軌跡模式匹配、多變量集成學(xué)習(xí)算法對(duì)初篩參數(shù)進(jìn)行數(shù)據(jù)驅(qū)動(dòng)的精篩建模與持續(xù)進(jìn)化，實(shí)現(xiàn)從單變量到多變量，從點(diǎn)到面的全局監(jiān)控。

三大技術(shù)引擎

驅(qū)動(dòng)故障監(jiān)測(cè)精準(zhǔn)化與自適應(yīng)

格創(chuàng)東智AI FDC的價(jià)值通過其三套核心建模引擎得到具體呈現(xiàn)。

1、TPM：?jiǎn)巫兞寇壽E的模式識(shí)別。

TPM不再依賴人工設(shè)定監(jiān)控窗口，而是自動(dòng)學(xué)習(xí)正常晶圓加工的全過程參數(shù)軌跡，通過模式匹配度計(jì)算“異常概率”，在顯著降低了單變量監(jiān)控的誤報(bào)率的同時(shí)，支持用戶通過可視化界面微調(diào)置信區(qū)間，并基于操作反饋進(jìn)行在線自主學(xué)習(xí)。

2、MVA：多變量關(guān)系的集成洞察。

致力于解決變量間的協(xié)同與耦合問題。面對(duì)復(fù)雜故障，MVA引擎自動(dòng)選擇最佳算法與匯總方法，將多維度參數(shù)融合輸出為一個(gè)綜合異常分?jǐn)?shù)。其關(guān)鍵價(jià)值在于提供變量重要性排序，讓工程師不僅能知其然（是否異常），更能知其所以然（哪些參數(shù)導(dǎo)致異常），實(shí)現(xiàn)了模型決策的可解釋性。

3、自適應(yīng)框架：應(yīng)對(duì)配方轉(zhuǎn)換。

致力于解決半導(dǎo)體制造中頻繁的配方轉(zhuǎn)換挑戰(zhàn)，在配方轉(zhuǎn)換初期，系統(tǒng)采用無監(jiān)督自適應(yīng)方法緩解性能衰減；在獲得少量新配方的測(cè)試數(shù)據(jù)后，可快速切換至半監(jiān)督自適應(yīng)模式，利用少量標(biāo)注數(shù)據(jù)迅速恢復(fù)模型性能，極大縮短了新配方模型的部署周期。

AI FDC 的場(chǎng)景化賦能

從CMP到CVD 工藝的價(jià)值驗(yàn)證

格創(chuàng)東智AI FDC的價(jià)值在真實(shí)場(chǎng)景中已得到驗(yàn)證。

在服務(wù)某12英寸晶圓廠的CMP拋光設(shè)備監(jiān)控中，AI FDC成功應(yīng)對(duì)了來自多家供應(yīng)商設(shè)備的差異化挑戰(zhàn)。系統(tǒng)通過智能推薦與TPM、MVA多模型協(xié)同，精準(zhǔn)檢測(cè)出如濾網(wǎng)堵塞、晶圓破片、漿料流量不穩(wěn)定等傳統(tǒng)方法易誤報(bào)漏報(bào)的故障，并憑借在線學(xué)習(xí)機(jī)制，在使用過程中持續(xù)降低誤報(bào)，將工程師從繁重的模型維護(hù)中解放出來。

在某半導(dǎo)體客戶CVD工藝場(chǎng)景中，格創(chuàng)東智部署的AI ADC 解決方案，基于MVA 模型，為故障診斷提供關(guān)鍵變量信息，通過繪制識(shí)別出的關(guān)鍵變量的原始信號(hào)與重要性排序，幫助工程師找出工藝干擾的根本原因，精確性得到大幅提升。

此外，在其他面對(duì)頻繁的配方轉(zhuǎn)換導(dǎo)致的模型性能下降問題的場(chǎng)景中，格創(chuàng)東智AI FDC的自適應(yīng)框架，實(shí)現(xiàn)了模型在新配方上的快速遷移與性能恢復(fù)，為解決研發(fā)線與量產(chǎn)線共存的碎片化監(jiān)控難題，助力客戶實(shí)現(xiàn)綜合設(shè)備效率OEE提升7.2%，年運(yùn)維成本降低超530萬美元。

對(duì)于半導(dǎo)體CIM系統(tǒng)而言，AI FDC的升級(jí)標(biāo)志著設(shè)備控制層從“流程自動(dòng)”到“智能決策”的深度演進(jìn)。AI FDC 作為格創(chuàng)東智CIM AI Foundation中的關(guān)鍵應(yīng)用，它與GT Insights良率分析平臺(tái)、章魚Agentic AI平臺(tái)、小魯班AI Agent協(xié)同，構(gòu)建了覆蓋“設(shè)備-工藝-良率”的全鏈路智能體網(wǎng)絡(luò)。通過與章魚AI Agent平臺(tái)、小魯班AI Agent集成，可賦能“設(shè)備知識(shí)庫(kù)Agent”學(xué)習(xí)自主決策；通過標(biāo)準(zhǔn)的API與模型服務(wù)，為MES、APC等上層系統(tǒng)提供實(shí)時(shí)、可靠的工藝狀態(tài)感知與決策依據(jù)；而其產(chǎn)出的精準(zhǔn)、可解釋的異常數(shù)據(jù)，為GT Insights的良率根因分析提供了最直接的工藝線索。這一生態(tài)不僅解決了煙囪式系統(tǒng)的數(shù)據(jù)孤島問題，更通過Agent框架將專家經(jīng)驗(yàn)沉淀為可復(fù)用的數(shù)字資產(chǎn)。

從行業(yè)視角看，AI FDC的突破性在于其“常用常靈”的進(jìn)化機(jī)制。同時(shí)，格創(chuàng)東智AI FDC的實(shí)踐，驗(yàn)證了半導(dǎo)體工藝控制的未來，在于構(gòu)建能夠自主理解業(yè)務(wù)、從數(shù)據(jù)中學(xué)習(xí)、并隨環(huán)境持續(xù)進(jìn)化的認(rèn)知系統(tǒng)。

未來，隨著半導(dǎo)體制造邁向零缺陷挑戰(zhàn)，AI FDC將與CIM系統(tǒng)更深度耦合，為半導(dǎo)體工廠構(gòu)建起一座通往“自適應(yīng)制造”的橋梁，實(shí)現(xiàn)半導(dǎo)體制造所追求的極致良率、極致效率和極致成本高質(zhì)量發(fā)展目標(biāo)，并為行業(yè)提供從“追趕到引領(lǐng)”的可行路徑。