当前位置：首页 > MES/ERP 工厂落地实战 > 正文内容

半导体核心设备图鉴：FAB里最贵的那些机器都是干嘛的

【摘要】

本文系统梳理设备管理与预测性维护领域的核心问题与落地路径。建一座先进FAB需要200~300台核心设备，总投资超过100亿美元。全文围绕「背景：设备是FAB最大的投资、核心设备详解、实战：设备选型经验、设备OEE分析代码、效果对比」逐层展开，给出原理说明、实操步骤与验证方法。核心结论：━━━━━━━━━━━━━━━━━━━━━━━━━━ 🔔 觉得有用就点个关注！每天分享半导体FAB实战经验，从PE到PIE的完整成长路径都在这里。补充说明：设备管理的两类指标需要分开看：MTBF 衡量可靠性（多久坏一次），MTTR 衡量可维护性（坏了多久能修好）。两者对应完全不同的改善动作——前者靠预防与设计，后者靠备件储备、维修技能与流程效率。

【核心要点】

背景：设备是FAB最大的投资：FAB的投资结构非常夸张：80%花在设备上，15%用于厂房建设，5%是其他。一座月产5万片的12吋FAB，设备采购就要60~80亿美元。
核心设备详解：光刻机是FAB的价值中心。一台ASML（全球光刻机龙头） NXE:3600D EUV光刻机售价约20亿人民币。
实战：设备选型经验：2020年我们新FAB做设备选型时，发生过一件印象很深的事：
设备OEE分析代码：OEE=可用性×性能×质量，世界级FAB一般要求OEE>85%
实施建议：核心设备备件策略：光刻机光源、刻蚀机射频发生器、量测设备光源——备件至少准备一套现货

【适用场景】

设备非计划停机时间偏长的改善方案设计。
维保策略从定期转向预测性的可行性评估。
点检体系与异常闭环流程的建立。
设备台账与部件管理的规范化。

建一座先进FAB需要200~300台核心设备，总投资超过100亿美元。一台EUV光刻机就要20亿人民币，一台KLA量测设备也要几千万。我进FAB第一天就被这些庞然大物震住了——光刻机比一栋楼还贵、刻蚀机的真空系统能抽到10^-8 Torr。本文带你认识FAB里每一台核心设备。

🔧 配套工具：本节的核算／判读可用站内工具直接跑，推荐 FAB_MES_设备维护工单详解、FAB_OEE_设备综合效率计算器详解、FAB_设备EAP连接测试器详解、排队论机台数量与缓冲配置优化器详解（zip 包，含可运行 Python 脚本与示例数据）。
这个方向的工具共 59 款，完整清单与选型建议见 OEE与设备效能工具包。全部 351 款见工具资源包下载页。

一、背景：设备是FAB最大的投资

FAB的投资结构非常夸张：80%花在设备上，15%用于厂房建设，5%是其他。一座月产5万片的12吋FAB，设备采购就要60~80亿美元。

全球半导体设备市场2025年约1050亿美元。前五大设备商（薄膜沉积设备头部厂商、ASML（全球光刻机龙头）、刻蚀设备头部厂商、KLA（量测设备商）、热处理设备厂商）占了70%以上的份额。中国设备国产化率目前约15%~20%，但在刻蚀和沉积领域已经有不少突破。

▲ 图1：半导体核心设备分类及市场占比

设备管理的两类指标需要分开看：MTBF 衡量可靠性（多久坏一次），MTTR 衡量可维护性（坏了多久能修好）。两者对应完全不同的改善动作——前者靠预防与设计，后者靠备件储备、维修技能与流程效率。

点检的价值在于标准化与可追溯。没有标准项、没有记录、没有异常反馈闭环的点检，只是形式上的巡查。

GRR 用于量化量测系统的重复性（同一人同一次测量的波动）与再现性（不同人或不同设备之间的差异）。通行判据是 GRR 占公差比例控制在 10% 以内为优、30% 以上视为不可用。

多台量测设备数据的可比性建设。

刻蚀副产物管理是长期稳定性的关键。副产物在腔体内壁沉积会改变等离子体条件，在晶圆表面积累则影响刻蚀速率，因此清洁周期与 seasoning 流程必须标准化。

二、核心设备详解

2.1 光刻机——FAB最贵的设备

光刻机是FAB的价值中心。一台ASML（全球光刻机龙头） NXE:3600D EUV光刻机售价约20亿人民币。全球能生产EUV光刻机的只有ASML（全球光刻机龙头）一家。

EUV（极紫外光刻）：13.5nm波长，7nm以下工艺必备。产能约160片/小时

ArFi（浸没式光刻）：193nm波长+水浸没，28nm~7nm主力，产能约300片/小时

KrF/i-line（深紫外光刻）：248nm/365nm，成熟节点，产能>400片/小时

光刻机的维护成本也非常惊人——EUV每季度需要更换光源组件，一次几百万元。

2.2 刻蚀机——Lam和TEL的天下

刻蚀机市场由刻蚀设备头部厂商（美国）和东京电子（TEL（热处理设备商））主导。一台先进的CCP刻蚀机单价约8000万~1.2亿元人民币。

CCP（电容耦合等离子体）：用于氧化物刻蚀，精度高但速率慢

ICP（感应耦合等离子体）：用于金属和硅刻蚀，速度快密度高

ALE（原子层刻蚀）：最新技术，单原子层精度，3nm工艺必备

2.3 量测设备——KLA的垄断

量测设备虽然台数少，但每台都极为精密。KLA的Tencor系列晶圆缺陷检测设备售价2000万~5000万美元一台。

光刻胶CD（关键尺寸，Critical Dimension）量测：CD-SEM，精度0.1nm

薄膜厚度量测：椭圆偏振仪（Ellipsometer），精度0.1Å

缺陷检测：光学检测（Brightfield/Darkfield）和电子束检测（E-Beam Review）

Overlay（套刻精度，Overlay）量测：套刻精度量测，需要0.5nm级精度

▲ 图2：半导体核心设备单价对比

三、实战：设备选型经验

2020年我们新FAB做设备选型时，发生过一件印象很深的事：

光刻机：选了ASML（全球光刻机龙头） ArFi NXT:2000i，因为28nm~14nm混产，ArFi是最优解

刻蚀机：ICC刻蚀选了Lam 2300系列，CCP选了TEL（热处理设备商） Tactras

量测设备：KLA（量测设备商） 8900系列全线覆盖——贵但稳定，FAB停线1小时的损失就够买一台了

教训：设备选型不是看单价，要看TCO（总拥有成本）。便宜的设备维护成本可能三倍于贵设备

设备台账的准确性是维保管理的前提：设备、腔体、部件三层台账若不能准确对应，故障记录与备件消耗就无法归集，趋势分析也就失去基础。

预测性维护的技术前提是可监测的劣化特征与足够的失效样本。缺少历史失效数据时，先做状态监控与趋势管理是更务实的第一步。

OPC 的两条技术路线差异在于规则来源：规则 OPC 依赖人为总结的查找表，建模 OPC 依赖对光学与光刻胶过程的可计算建模。前者收敛快但泛化差，后者前期投入大但在新图形上更稳。

光刻的分辨率、焦深与工艺窗口三者互相制约：提升分辨率通常要牺牲焦深，而焦深不足又会让片内均匀性劣化。因此工艺开发不是追求单项最优，而是在三者之间寻找满足产品要求的平衡点。

光刻胶的灵敏度与对比度决定了曝光的实际效果。高对比度胶能给出更陡的侧壁与更好的线宽控制，但往往灵敏度较低、曝光剂量需求更高，需要在吞吐量与精度之间权衡。

四、设备OEE分析代码

以下代码计算核心设备的OEE（设备综合效率）：

import matplotlib.pyplot as plt

def calc_oee(availability, performance, quality):
    return availability * performance * quality * 100

class EquipmentOEE:
    def __init__(self, name):
        self.name = name
        self.shifts = []

    def add_shift(self, shift_id, uptime, runtime, good_count, total_count):
        a = uptime / runtime if runtime > 0 else 0
        p = runtime / (runtime + (runtime - uptime)) if hasattr(self, '') else 1.0
        total_time = runtime + (runtime - uptime)
        p = runtime / total_time if total_time > 0 else 0
        q = good_count / total_count if total_count > 0 else 0
        oee = calc_oee(a, p, q)
        self.shifts.append({
            'shift': shift_id, 'availability': a*100,
            'performance': p*100, 'quality': q*100, 'oee': oee
        })
        return oee

    def plot_oee(self, save_path="oee_chart.png"):
        shifts = [s['shift'] for s in self.shifts]
        avail = [s['availability'] for s in self.shifts]
        perf = [s['performance'] for s in self.shifts]
        qual = [s['quality'] for s in self.shifts]
        oee = [s['oee'] for s in self.shifts]

        fig, ax = plt.subplots(figsize=(10, 5))
        x = range(len(shifts))
        ax.bar(x, avail, label='可用性 Availability', color='#2E86AB', alpha=0.8)
        ax.bar(x, perf, label='性能 Performance', color='#F18F01', alpha=0.8)
        ax.bar(x, qual, label='质量 Quality', color='#27AE60', alpha=0.8)
        ax.plot(x, oee, 'r-o', linewidth=2, markersize=6, label='OEE')
        ax.axhline(y=85, color='g', linestyle='--', label='目标OEE=85%')
        ax.set_xticks(x); ax.set_xticklabels(shifts, rotation=45, fontsize=8)
        ax.set_ylabel('百分比 (%)'); ax.set_title(f'{self.name} - OEE分析')
        ax.set_ylim(0, 110); ax.legend(fontsize=8, ncol=2); ax.grid(True, alpha=0.3)
        plt.tight_layout(); plt.savefig(save_path, dpi=150); plt.close()
        return save_path

# 使用示例
eq = EquipmentOEE('ASML（全球光刻机龙头） ArFi NXT:2000i')
import random
random.seed(42)
for i in range(10):
    eq.add_shift(f'班次{i+1}',
                 uptime=random.uniform(6, 8), runtime=8,
                 good_count=random.randint(270, 290), total_count=300)
print(f'平均OEE: {sum(s["oee"] for s in eq.shifts)/len(eq.shifts):.1f}%')
eq.plot_oee()

💡 代码说明：

OEE=可用性×性能×质量，世界级FAB一般要求OEE>85%

光刻机的OEE瓶颈通常是可用性（需要频繁维护和校正），刻蚀机则是性能（射频漂移）

备件管理在成本与可用性之间取平衡：关键备件缺货造成停机的损失通常远高于备件库存成本，因此备件分级应基于失效影响而非单价。

维修效率的提升通常比降低故障率更快见效：备件可得性、维修技能、故障诊断支持三方面的改善，可以直接压缩停机时长，且不依赖长期的可靠性改善。

OEE 由三个因子相乘构成：可用率（设备实际运行时间占计划时间的比例）、性能率（实际产出速度相对理论速度的比例）、良品率（合格品占产出的比例）。相乘而非相加，是因为三者互相独立且都是必要损耗。

光源掩模协同优化把照明形状与掩模图形放在一起优化，相比只调掩模能进一步扩大工艺窗口，但对计算资源与建模精度要求更高，通常用于最关键的光刻层。

把工艺窗口当作固定常数。设备状态、光阻批次、掩模使用次数都会让窗口漂移，季度复测工艺窗口应作为例行动作，而不是出问题才做。

五、效果对比

维保策略有三种：事后维修（坏了再修）、定期维护（按时间或运行量）、预测性维护（按实际状态）。选择依据是失效模式——随机失效适合事后维修，与运行量相关的磨损适合定期维护，有可监测劣化特征的适合预测性维护。

维保策略分类设计与成本优化。

维保数据散落在纸质记录与个人经验中，无法用于趋势分析。

设备台账与现场实际不符，维修记录无法准确归集。

停机原因分类粗糙，「其它」类占比过高使分析失效。

MES（制造执行系统，Manufacturing Execution System）的数据模型是整个系统的地基：物料、设备、工序、工单、批次五类主数据的编码规则与关联关系一旦确定，后续所有功能都建立在其上。模型设计不当会在系统运行一段时间后集中爆发为数据不一致问题。

只关注功能清单不关注数据质量。系统功能齐全但数据录入随意，最终得到的是无法用于决策的「精确的垃圾」。

六、实施建议

FAB设备管理注意事项：

核心设备备件策略：光刻机光源、刻蚀机射频发生器、量测设备光源——备件至少准备一套现货

维护周期：EUV每周维护，ArFi每两周维护，刻蚀机每月陶瓷件检查

备机策略：关键工艺需要两台以上同类型设备，一台维护另一台生产

维保策略的优化方向是从定期转向按状态，但这需要可监测的劣化特征。对于没有明显劣化信号且失效随机的部件，定期更换反而更经济。

光刻的本质是一套低通滤波系统：掩模上的高频细节在衍射后无法全部被物镜收集，图形边缘因此出现圆化、缩短与线端回缩。工程上所有补偿手段都围绕「预畸变」这一思路，把损失提前在掩模板上补回来。

光刻胶厚度选择只看分辨率不看刻蚀选择比。胶太薄会导致后续刻蚀时掩模被击穿，胶太厚则影响分辨率与焦深。

刻蚀后的关键量测指标除 CD 外还包括深度、侧壁角度与底残留。只监控 CD 会漏掉深度不足或侧壁异常的问题，这些问题往往在后续工序才暴露，追溯代价很高。

七、进阶方向：国产设备替代

中国半导体设备正在快速追赶，国产刻蚀机（国产刻蚀设备厂商/国产半导体设备平台厂商）已能覆盖部分28nm工艺。

刻蚀机：国产刻蚀设备厂商的CCP刻蚀机已进入14nm产线验证

沉积设备：国产半导体设备平台厂商的PVD/CVD（化学气相沉积，Chemical Vapor Deposition）设备已在国内晶圆代工大厂量产线大量使用

清洗设备：盛美/SEMES已进入全球FAB供应链

量测设备：量测设备头部厂商（KLA（量测设备商））地位仍难以撼动，国内正集中攻关光学检测系统

📝 你用过的印象最深的设备是什么？评论区聊！

━━━━━━━━━━━━━━━━━━━━━━━━━━

🔔 觉得有用就点个关注！每天分享半导体FAB实战经验，从PE到PIE的完整成长路径都在这里。

━━━━━━━━━━━━━━━━━━━━━━━━━━

📝 讨论时间：你在FAB遇到过类似问题吗？是怎么解决的？欢迎在评论区分享你的经验！

━━━━━━━━━━━━━━━━━━━━━━━━━━

---

设备数据与工艺数据结合才能完整定位问题：同一故障在不同工艺条件下对产品的影响不同，孤立的设备数据难以判断严重程度。

干法刻蚀是化学腐蚀与离子轰击的协同过程：化学部分提供高选择比，物理部分提供方向性。二者比例通过气体配比、压力与偏压调节，比例失衡会分别导致侧壁钻蚀或掩模快速损耗。

用总时长控制刻蚀而不是用终点信号。晶圆间膜厚与设备状态差异会让固定时长必然带来过刻量波动，CD 就会随批次漂移。

用同一套照明条件覆盖所有图形类型。密集区与孤立区的最优照明形状往往不同，一套条件通吃会牺牲其中一类图形的工艺窗口。

【常见坑】

教训：设备选型不是看单价，要看TCO（总拥有成本）。便宜的设备维护成本可能三倍于贵设备
所有设备都上预测性维护。缺少劣化特征或失效样本的设备，投入产出比很低。
只统计停机时间不分析停机原因分布，改善方向无法聚焦。
点检表长期不修订，与设备实际状态脱节，形成无效记录。
备件按单价而非影响分级，关键小备件缺货导致长时间停机。

常见问题（FAQ）

Q：预测性维护需要多长的数据积累？

A：没有固定门槛，但需要覆盖足够多次的失效过程才能建立劣化模型。实践中先做状态监控与阈值报警，积累数据后再逐步过渡到趋势预测，比一步到位更稳妥。

Q：降低停机时间应该先做什么？

A：先做停机原因的分类统计与 Pareto 排序，明确主要损失来自设备故障、换型调整、等待物料还是计划保养。四类原因的改善手段完全不同，不分类就开始优化很容易做无用功。

Q：点检做得很认真但故障率没下降，为什么？

A：可能是点检项与实际失效机理不匹配。点检应针对已知的主要失效模式设计项目，而不是通用的外观巡查。建议从故障历史反推点检项，并定期根据新失效模式补充。

Q：如何确定哪些设备值得做预测性维护？

A：评估三个条件：是否存在可监测且与失效相关的劣化特征、是否有足够的历史失效样本、以及故障停机造成的损失是否显著高于监测成本。三项都满足时投入产出比最好。不具备条件时，先做状态监测与阈值管理是更务实的选择。

Q：设备故障记录应该记什么？

A：建议至少包含五个要素：发生时间、故障现象、涉及的部件或腔体、根本原因、以及采取的措施。只记录现象不记录原因的记录无法用于趋势分析，也无法转化为可复用的处理经验。

Q：备件库存怎么设置才合理？

A：按失效影响而非单价分级：导致整线停机或长时间停机的关键备件应保有一定库存，即使单价较低；影响有限且易采购的通用件可以低库存甚至零库存。分级依据是停机损失与补货周期的乘积。

【总结】

设备管理与预测性维护的难点往往不在单点技术，而在于把原理、数据与现场验证串成闭环。━━━━━━━━━━━━━━━━━━━━━━━━━━ 🔔 觉得有用就点个关注！每天分享半导体FAB实战经验，从PE到PIE的完整成长路径都在这里。 ━━━━━━━━━━━━━━━━━━━━━━━━━━。维保策略有三种：事后维修（坏了再修）、定期维护（按时间或运行量）、预测性维护（按实际状态）。选择依据是失效模式——随机失效适合事后维修，与运行量相关的磨损适合定期维护，有可监测劣化特征的适合预测性维护。建议先用小范围试点验证有效性，再逐步扩大适用范围，并保留完整的数据与判断记录以便复盘。

术语速查

EUV（Extreme Ultraviolet，极紫外光刻）：使用 13.5nm 波长光源的光刻技术，是 7nm 以下节点的主流方案。　工程意义：设备与掩模成本极高，工艺窗口窄，对随机效应敏感。
CP（Chip Probing，晶圆针测）：用探针卡对晶圆上每颗芯片进行功能与参数测试，并生成 Bin Map。　工程意义：CP 良率是判断是否继续封装的主要依据。
OEE（Overall Equipment Effectiveness，设备综合效率）：由可用率、性能率、良品率相乘得到的设备效率综合指标。　工程意义：单一数字便于横向比较，但必须拆解到六大损失才能定位问题。
MES（Manufacturing Execution System，制造执行系统）：位于计划层与控制层之间，负责工单执行、过程追溯、数据采集与质量管控的信息系统。　工程意义：是打通 ERP 计划与车间现场的中间层。
CD（Critical Dimension，关键尺寸）：光刻或刻蚀后需要严格管控的特征线宽，是工艺窗口的核心监控指标。　工程意义：CD 偏差直接映射器件性能与良率波动。
Overlay（Overlay，套刻精度）：当层图形与下层已有图形之间的对准误差。　工程意义：先进节点的套刻预算通常只占最小线宽的 15%~20%。
ICP（Inductively Coupled Plasma，电感耦合等离子体）：以射频感应线圈产生高密度等离子体的刻蚀/沉积设备构型。　工程意义：可独立控制离子密度与能量，工艺窗口更宽。
CVD（Chemical Vapor Deposition，化学气相沉积）：通过气相前驱体在硅片表面发生化学反应生成固态薄膜的工艺。　工程意义：保形性好，适合高深宽比结构的填充前铺垫。
PVD（Physical Vapor Deposition，物理气相沉积）：通过溅射或蒸发将靶材材料物理转移到硅片表面成膜的工艺。　工程意义：薄膜致密、纯度高，但台阶覆盖性较弱。
MTBF（Mean Time Between Failures，平均故障间隔时间）：设备两次故障之间的平均运行时长，衡量可靠性。　工程意义：MTBF 提升通常意味着维保策略从被动转为预防。
MTTR（Mean Time To Repair，平均修复时间）：从故障发生到恢复正常的平均耗时，衡量可维护性。　工程意义：降低 MTTR 对产能的影响往往比提升 MTBF 更快见效。

半导体核心设备图鉴：FAB里最贵的那些机器都是干嘛的

【摘要】

【核心要点】

【适用场景】

一、背景：设备是FAB最大的投资