半导体厂废气处理模糊故障诊断系统研究

魏强 刘跃旭 韩志强 张建海

摘  要：针对以往半导体厂废气处理设备故障诊断缺陷，提出了一种模糊故障诊断方案。根据废气处理设备的工作特征参数，对故障成因和特点进行分析。基于模糊推理的原则，建立了自动故障诊断系统。实践应用表明采用模糊推理原则可以改善工作状态时的故障预判，减少了故障发生，提高了半導体厂生产的效率。

关键词：废气处理;模糊推理;故障诊断

中图分类号：          文献标识码：

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

近几年国内半导体行业发展迅速， 2017年以来国内新建的晶圆厂超过了20家，投资额超过1000亿美元[1]。

半导体厂制程中的排气系统和废气处理设备连为一体，废气处理设备发生故障将可能导致机台的意外宕机，损失巨大。所以半导体厂的废气处理多配置在线备用系统，以保证出现故障能快速切换。由于对废气系统的安全性、稳定性要求高，设备的故障检测显得格外重要。绝大多数半导体厂在故障判断及故障预测上仍多采用人工检测、经验分析或采用设定故障参数的方式。对设备故障渐变过程的预判，以及这种渐变造成的原因，传统故障诊断方式还有很大的局限性和滞后性。如果将模糊推理引入到现有的故障诊断系统中，可以有效发现信号与故障原因的联系，准确及时的排除，把故障发生的概率进一步降低，极大的降低维保人员的劳动强度和能耗的损失，提升生产效率。

二、故障诊断系统设计

2.1 模糊推理理论

模糊推理理论反映了故障征兆信号和故障原因之间的隶属关系，通过某些故障征兆信号的隶属度求出各个故障原因的隶属度。符合复杂状态环境中故障判断中对度的要求。在判断概念上更接近人类思维[2]。

模糊推理首先要取得状态征兆集和故障原因集，对于征兆集中的每一个征兆因素Xi，根据实际工艺的需要确定其隶属度函数。由隶属度函数得到征兆模糊向量式（1）。

（1）式中，元素是状态征兆Xi的隶属度。由状态征兆和故障原因与之间的模糊关系方程可得到故障原因模糊向量作为模糊决策的依据。

再依据最大隶属度原则或阈值原则，从故障原因模糊向量中判别出故障原因。

2.2 废气处理系统故障特征分析

半导体厂制程中产生的废气一般机台端会先采用 Local scrubber 处理，再将初级净化后的废气分类引至各自处理设备中。这其中酸碱性废气占到了较大比例。以常见的湿式洗涤塔为例。处理流程为，废气引至洗涤塔内，通过填料的作用，让气液两相充分混合，将废气中的水溶性酸碱成分吸收，并以废水的形式排放到废水处理系统中。处理后的气体通过除雾区消除多余的水分，经风机通过烟囱排放。

在处理流程中故障发生情况分布在处理前端、处理区和排放端三个部分。运行统计数据显示处理区发生故障的比例占到了总故障的76%。这其中又以管路故障、仪表故障、风机故障、风压波动为主，占到了处理区故障的60%以上。这几类故障对系统会产生立即性影响。循环水量异常、酸碱度失衡、阀门失灵等发生的几率较小，对系统影响不是直接的，但会造成处理效果减弱。

故障诊断的前提是采集系统各部分的征兆信号。对于不同的征兆信号特征量，根据其采集的方式、频率和信号种类可以采用基于滤波值、短期均值、变化率、震荡幅值等几种方式确定。

除了这些征兆信号还有一些开关量信号，例如仪表故障、设备停机等。它们属于系统自动运行判断信号，出现故障系统自动停止。对于此类信号设计为最高优先级故障报警。其他征兆信号在进行模糊处理后再决定是否报警。

2.3 征兆信号的隶属度函数求取

征兆信号隶属度函数的确定本质应该是客观的，但也需要一定的专家经验和测试，对应不同征兆的隶属度函数有特定分析的方法，但都有赖于大量数据采集及具体分析。

从表1中可以看出系统正常运行时，统计所得数据显示压力监测的线性度为约±1.4%FS，重复精度±1.5%FS。压力监测最大允许误差要求±2%，响应时间最大允许误差30%。从满足系统要求和易于计算考虑，隶属度函数可以采用梯形隶属度函数。在处理流程中，废气各成分的浓度和气量都可能变化，系统对于不同的对象其状态参数是不同的（例如压力差期望值、采集位置等）。对状态参量不同的值设定出正常工作范围，然后可得到隶属度函数。最后基于上述考虑得到各征兆信号的隶属度函数。

对压力信号期望会出现压力过大或压力过小。由此可得信号过大和过小的隶属度函数。

2.4 模糊推理和判断

通过废气处理系统的运行经验、统计数据和机理分析[3][4]，确定每种故障征兆的原因。例如出现压差期望值的波动，其主要原因是通道不畅或泄漏。造成通道不畅的原因又涉及到风机、填料、阀门、管路等。再细化，风机皮带、电气元件、填料菌落失衡、水量不足、阀门泄漏等都存在可能。这其中填料出现故障频率较多，相对权重就大。综合多次运行试验，就可以确定在设备运行过程中故障征兆域、故障原因域和它们之间的关系。故障征兆域为，故障原因域为。每一故障征兆对应每个故障原因进行了具体验证和试验修正取得关系因子，可以建立模糊关系矩阵，如下式所示。

测得故障征兆数据在经过隶属度函数模糊化后，得到故障征兆模糊向量。通过公式得到的故障原因模糊向量作为模糊决策的依据。式中的模糊算子“”表示为式（2）

这种算子中不会丢失大量信息，同时在比较各个征兆因素后，能最大限度突出单个因素的作用。

工作过程中信号监测的动作速度易受负载变化的影响出现非线性变化。但这种非线性的变化并不是故障引起，如果单纯采用最大隶属度原则很容易误判，所以在诊断判别时结合最大隶属度原则和阈值原则。根据理想模型多次验证后选取合适的阈值。对于已取得故障原因模糊向量，首先和阈值水平比较得到初步判断，如果初步判断则通过认定，如果不是则判定为正常扰动。如没有拒判按中最大值判定故障原因。

三、验证

以集管压力2500Pa，处理风量50000m3/h的某半导体厂酸碱废气处理系统为例。测取60次各部分征兆信号，以每10次的综合特征值（无量纲）为一组。

将每个样本的征兆值分别代入其对应的隶属函数中，得到了6组个样本的征兆模糊向量 ，，将以及分别代入式（4），从而得到6组故障原因模糊向量，。如表2所示。

由阈值=（0.3，0.4，0.2，0.5，0.4，0.4，0.3，0.4）判断，样本2和样本6有故障预兆。由最大隶属度原则确定样本2故障原因为风机异常，样本6的故障为仪表故障。通过人工复检，故障预测与实际一致。

四、结论

本文根据半导体厂酸碱废气处理设备要求稳定性好，安全性高的特点，基于模糊推理原理设计了酸碱废气处理模糊故障诊断系统，并对系统的故障征兆和故障原因的关系进行分析。通过对酸碱废气处理设备的长期测试与跟踪，证实采用模糊原则后故障诊断速度明显加快，同时减少了错判和误判率，并可以故障预测，事故率明显降低。试验结果表明基于模糊推理的故障诊断方法在导体厂酸碱废气处理系统上的应用是行之有效的，能满足生产要求。

参考文献

[1]李弯弯. 国内半导体设备发展综述[J].广东科技，2018：55～57

[2]吴今培. 模糊诊断理论及其应用[M]. 北京：科学出版社，1995.

[3]陳玉峰，杨骥. 半导体制程废气处理技术实践[J].半导体技术，2008年 33卷 9期：752～755.

[4]杨昕，高艾伟，Dr. Frenzel. 关于半导体行业废气处理的解决方案[J].集成电路应用，2002年 2月：43-45.

作者简介：魏强（1981-），男，工程师，硕士。现从事自动控制系统集成研究。邮箱：65108753@163.com。