2. 在线监控系统架构：传感器布局、数据采集层、边缘计算与云端协同
在线监控系统是工艺流片阶段实现“看得见、控得住、调得准”的数字化基础。本章从物理传感器部署开始，逐层拆解数据采集、边缘预处理与云端协同的完整链路，帮助学员建立从设备端到决策端的系统视图。
2.1 传感器布局策略
传感器是监控系统的“神经末梢”，其布局密度、类型选择和安装位置直接决定数据质量。在流片产线中，传感器按工艺区域与监控对象分为以下类别：
| 监控区域 | 典型传感器类型 | 监控参数 | 采样频率 |
|---|---|---|---|
| 光刻区 | 温度热电偶、振动加速度计、颗粒计数器 | 腔体温度(±0.1℃)、平台振动(μm级)、空气洁净度(ISO 3) | 10 Hz / 1 kHz / 1 Hz |
| 刻蚀区 | 压力变送器、射频功率传感器、光学发射光谱(OES) | 腔体压力(mTorr)、RF功率(W)、等离子体强度(a.u.) | 100 Hz / 100 Hz / 1 kHz |
| 薄膜沉积区 | 石英晶体微天平(QCM)、反射率计、温度阵列 | 膜厚(Å/min)、折射率、基板温度均匀性 | 1 Hz / 10 Hz / 10 Hz |
| 清洗/湿法区 | pH计、电导率仪、液位传感器 | 药液浓度(±0.01 pH)、电阻率(MΩ·cm)、槽液余量 | 0.5 Hz / 0.5 Hz / 0.2 Hz |
布局原则：传感器应遵循“关键参数冗余、辅助参数覆盖、干扰参数隔离”的三层策略。例如光刻机温度传感器需在腔体四角各部署1支，取均值后参与闭环控制，避免单点失效导致误判。
2.2 数据采集层架构
数据采集层负责将传感器原始信号转换为结构化数字量，并完成时间同步、异常过滤与初步缓存。典型采集链路包含以下环节：
- 信号调理：对模拟信号进行放大、滤波、隔离，消除共模干扰与高频噪声。
- 模数转换(ADC)：根据参数动态范围选择分辨率（16~24 bit），采样率需满足奈奎斯特准则的2~5倍裕量。
- 时间戳标记：通过IEEE 1588 PTP协议或硬件脉冲同步，确保多传感器数据时间对齐精度优于1 ms。
- 数据帧封装：将原始值、时间戳、传感器ID、质量标志打包为统一帧格式，便于上层解析。
关键指标：采集层端到端延迟应控制在 10 ms 以内（从传感器信号变化到数据帧输出），否则会影响刻蚀终点检测等实时闭环场景。
2.3 边缘计算层
边缘计算层部署在产线机台附近（通常为工业PC或嵌入式网关），承担数据预处理、实时推理与本地闭环控制任务。其核心功能包括：
- 数据清洗：剔除传感器漂移、毛刺、丢包等异常值，采用中值滤波或3σ准则。
- 特征提取：从高频原始信号中提取时域（均值、方差、峰值）与频域（FFT主频、能量谱）特征，降低传输带宽。
- 本地模型推理：运行轻量化异常检测模型（如孤立森林、LSTM-Autoencoder），在100 ms内输出报警。
- 参数缓存与断点续传：当云端网络中断时，边缘节点可缓存最近72小时数据，恢复后自动补传。
注意：边缘计算节点应具备独立于云端的“降级运行”能力。即使与云端失联，本地闭环控制（如温度PID调节、终点检测）仍须正常执行，不能因网络问题导致工艺中断。
2.4 云端协同架构
云端平台负责全局数据汇聚、长期存储、模型训练与多机台协同优化。边缘与云端的协同模式分为以下三种：
| 协同模式 | 数据流向 | 典型延迟要求 | 适用场景 |
|---|---|---|---|
| 实时流式 | 边缘 → 云（持续推送） | < 1 s | 全局看板、跨机台SPC监控 |
| 批量同步 | 边缘 → 云（每批次结束后） | < 5 min | 模型训练数据收集、工艺追溯 |
| 反向配置 | 云 → 边缘（下发参数/模型） | < 10 s | 模型更新、工艺参数远程调优 |
2.5 系统集成关键考量
在部署在线监控系统时，以下工程要点需提前纳入设计：
- 时间同步精度：全链路（传感器→边缘→云端）时间偏差应 < 5 ms，推荐使用PTPv2或NTP with hardware timestamp。
- 数据压缩与带宽：边缘侧对高频信号（如OES 1 kHz）进行特征提取后，上传带宽可从 10 Mbps 降至 200 kbps。
- 安全隔离：边缘节点与产线控制网络之间必须部署工业防火墙，禁止云端直接访问机台PLC。
- 冗余与高可用：关键传感器（如温度、压力）采用1:1热备，边缘网关支持主备切换，切换时间 < 500 ms。
案例参考：某12英寸晶圆厂在刻蚀机台部署上述架构后，OES终点检测的误报率从 3.2% 降至 0.4%，跨机台工艺均匀性（CpK）提升 0.35，年减少非计划停机约 120 小时。