📚 课程目录第3章数据采集系统搭建

3. 数据采集系统搭建：MES系统对接、SPC数据采集、AOI检测数据导入

数据采集，说白了就是给产线装「眼睛」和「耳朵」。
没有数据，良率提升就是空谈。我见过太多工厂，设备跑得飞起，但问起某个批次的缺陷分布，没人说得清。
嗯，这章我们就来搞定这件事。

  核心目标：打通 MES、SPC、AOI 三大系统，让数据自动、准确、实时地汇聚到良率分析平台。

3.1 MES 系统对接：生产数据的「主动脉」

MES（制造执行系统）记录了每一片晶圆、每一个模组的完整生产履历。
对接 MES，就是要拿到这些信息：

批次信息：批次号、产品型号、数量、生产日期
工艺路线：经过哪些站点、每站开始/结束时间
设备参数：每步工艺使用的设备 ID、腔室、配方
量测数据：关键尺寸、膜厚、电阻等在线量测值
良率结果：CP 测试、FT 测试的 Pass/Fail 判定

我个人习惯用 中间表 + API 的方式对接。MES 厂商通常提供标准接口，但数据格式千奇百怪。我踩过一个坑：某家 MES 的时间字段居然用字符串存，格式还不统一，解析时差点崩溃。

避坑指南：对接前先做数据字典对齐。我曾经因为「Wafer ID」字段名不一致，导致数据关联失败，排查了整整两天。

对接流程示例（伪代码）

# 伪代码：MES 数据拉取与清洗
def fetch_mes_data(batch_id):
    # 1. 调用 MES API
    raw_data = mes_api.get_batch_detail(batch_id)
    
    # 2. 字段映射与清洗
    clean_data = {
        'batch_id': raw_data['LOT_ID'],
        'product': raw_data['PROD_NAME'],
        'route': raw_data['ROUTE_ID'],
        'steps': []
    }
    
    # 3. 解析工艺步骤
    for step in raw_data['STEPS']:
        clean_data['steps'].append({
            'station': step['STATION'],
            'equip': step['EQUIP_ID'],
            'start_time': parse_time(step['START_TIME']),
            'end_time': parse_time(step['END_TIME']),
            'param': step.get('PARAM', {})
        })
    
    return clean_data

3.2 SPC 数据采集：过程稳定的「晴雨表」

SPC（统计过程控制）数据，是用来监控工艺是否稳定的。
你想想看，如果某个参数突然漂移，等良率掉下来再发现，损失已经造成了。

SPC 数据采集的关键点：

自动采集：从设备 SECS/GEM 接口直接读取，避免人工录入错误
实时上传：每笔量测数据生成后，立即推送到 SPC 服务器
规则判定：内置 Western Electric 规则，自动触发报警
数据归档：历史数据按产品、站点、参数分类存储

注意：SPC 数据采集频率要合理。太密浪费存储，太疏漏掉异常。一般建议：关键参数每片/每批采集，次要参数按频次抽检。

SPC 数据模型示例

字段	类型	说明
measurement_id	string	量测记录唯一 ID
product	string	产品型号
station	string	量测站点
param_name	string	参数名称（如 CD、THK）
param_value	float	量测值
measure_time	datetime	量测时间
equip_id	string	设备 ID
rule_flag	int	触发的 SPC 规则编号（0 表示正常）

3.3 AOI 检测数据导入：缺陷的「显微镜」

AOI（自动光学检测）是发现外观缺陷的主力。
但 AOI 设备厂商众多，数据格式五花八门。有的输出 CSV，有的用 XML，还有的自定义二进制。

我的做法是：统一数据格式。不管源头是什么，导入后都转成标准结构。

标准 AOI 数据字段

缺陷 ID：全局唯一
批次号：关联 MES
面板 ID：单片唯一标识
缺陷类型：划伤、脏污、崩边、缺角等
坐标：X/Y 位置，单位 μm
尺寸：长、宽、面积
灰度/颜色特征：辅助分类
检测时间：精确到毫秒

经验之谈：AOI 数据量巨大，一台设备一天可能产生几百万条缺陷记录。建议做数据压缩：同类型、同区域的缺陷合并为「缺陷簇」，大幅减少存储压力。

3.4 数据采集系统架构总览

下面这张图，是我在实际项目中用过的架构。它把 MES、SPC、AOI 的数据流串起来了。

3.5 数据质量保障

数据采回来了，但质量不行，分析结果就是垃圾。
我总结了几条必须做的检查：

完整性检查：关键字段不能为空，比如批次号、设备 ID
一致性检查：同一批次在不同系统的数据要能关联上
时效性检查：数据延迟不能超过设定阈值（比如 5 分钟）
异常值检查：量测值超出规格范围的要标记

血的教训：我曾经因为 AOI 的坐标原点设置不一致，导致缺陷位置分析全部偏移。后来强制要求所有设备在导入前做坐标校准，并记录原点信息。

3.6 小结

数据采集系统，是良率提升的基石。
MES 给骨架，SPC 给脉搏，AOI 给细节。三者打通，你才能看到完整的生产画像。

搭建时记住三点：标准化、自动化、可追溯。
别急着上高大上的分析算法，先把数据管道修扎实。数据干净了，后面的事就顺了。