在半導體制造中，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營效率。然而，傳統(tǒng)FDC故障檢測與分類系統(tǒng)高度依賴工程師經(jīng)驗，面臨建模周期長、誤報漏報率高、無法適應(yīng)新配方頻繁調(diào)參等痛點。在邁向更高制程精度與更短產(chǎn)品周期的今天，半導體工廠亟需一種更智能、更自適應(yīng)、更精準的工藝控制新范式。作為戰(zhàn)略深耕半導體的工業(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)大模型與機器學習算法，推動傳統(tǒng)FDC從一項“靜態(tài)手藝”轉(zhuǎn)變?yōu)椤白赃M化智能應(yīng)用”。

傳統(tǒng)FDC本質(zhì)上是一套基于人工經(jīng)驗的靜態(tài)規(guī)則系統(tǒng)。工程師需從數(shù)千個設(shè)備參數(shù)中篩選關(guān)鍵變量，并為每個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)生的復雜故障；

適應(yīng)性差，設(shè)備配方更換或發(fā)生輕微漂移時，模型需人工重新調(diào)參，維護負擔沉重；

誤報陷阱，僵化的閾值難以區(qū)分正常波動與真實異常，導致工程師疲于應(yīng)對虛假警報。

格創(chuàng)東智AI FDC的核心技術(shù)創(chuàng)新在于構(gòu)建了一個“知識驅(qū)動+數(shù)據(jù)驅(qū)動”的雙引擎架構(gòu)。在知識側(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、SVID清單和專家知識庫等非結(jié)構(gòu)化知識，實現(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告，將工程師從繁復的“選參”工作中解放。在數(shù)據(jù)側(cè)，系統(tǒng)在知識初篩的基礎(chǔ)上，運用軌跡模式匹配、多變量集成學習算法對初篩參數(shù)進行數(shù)據(jù)驅(qū)動的精篩建模與持續(xù)進化，實現(xiàn)從單變量到多變量，從點到面的全局監(jiān)控。

三大技術(shù)引擎，驅(qū)動故障監(jiān)測精準化與自適應(yīng)

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

1、TPM：單變量軌跡的模式識別。

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

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。面對復雜故障，MVA引擎自動選擇最佳算法與匯總方法，將多維度參數(shù)融合輸出為一個綜合異常分數(shù)。其關(guān)鍵價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)導致異常），實現(xiàn)了模型決策的可解釋性。

3、自適應(yīng)框架：應(yīng)對配方轉(zhuǎn)換。

致力于解決半導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，利用少量標注數(shù)據(jù)迅速恢復模型性能，極大縮短了新配方模型的部署周期。

AI FDC 的場景化賦能，從CMP到CVD 工藝的價值驗證

格創(chuàng)東智AI FDC的價值在真實場景中已得到驗證。

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，精準檢測出如濾網(wǎng)堵塞、晶圓破片、漿料流量不穩(wěn)定等傳統(tǒng)方法易誤報漏報的故障，并憑借在線學習機制，在使用過程中持續(xù)降低誤報，將工程師從繁重的模型維護中解放出來。

在某半導體客戶CVD工藝場景中，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，通過繪制識別出的關(guān)鍵變量的原始信號與重要性排序，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，在其他面對頻繁的配方轉(zhuǎn)換導致的模型性能下降問題的場景中，格創(chuàng)東智AI FDC的自適應(yīng)框架，實現(xiàn)了模型在新配方上的快速遷移與性能恢復，為解決研發(fā)線與量產(chǎn)線共存的碎片化監(jiān)控難題，助力客戶實現(xiàn)綜合設(shè)備效率OEE提升7.2%，年運維成本降低超530萬美元。

對于半導體CIM系統(tǒng)而言，AI FDC的升級標志著設(shè)備控制層從“流程自動”到“智能決策”的深度演進。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、章魚Agentic AI平臺、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、小魯班AI Agent集成，可賦能“設(shè)備知識庫Agent”學習自主決策；通過標準的API與模型服務(wù)，為MES、APC等上層系統(tǒng)提供實時、可靠的工藝狀態(tài)感知與決策依據(jù)；而其產(chǎn)出的精準、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)驗沉淀為可復用的數(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”的進化機制。同時，格創(chuàng)東智AI FDC的實踐，驗證了半導體工藝控制的未來，在于構(gòu)建能夠自主理解業(yè)務(wù)、從數(shù)據(jù)中學習、并隨環(huán)境持續(xù)進化的認知系統(tǒng)。

未來，隨著半導體制造邁向零缺陷挑戰(zhàn)，AI FDC將與CIM系統(tǒng)更深度耦合，為半導體工廠構(gòu)建起一座通往“自適應(yīng)制造”的橋梁，實現(xiàn)半導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，并為行業(yè)提供從“追趕到引領(lǐng)”的可行路徑。