4. 过程数据采集与建模
在半导体 EAP 系统中，事件告诉我们“发生了什么”，而过程数据回答“当时设备处于什么状态、经历了怎样的变化”。只有把两者稳定地关联起来，追溯才具备工程意义。本节围绕过程数据的来源、采样策略、质量判定、时间戳对齐以及与事件的关联模型展开，重点说明实际落地时如何选择参数、如何配置采样、如何判断数据是否可信，以及如何把过程曲线与事件记录绑定成可查询的追溯链。
一、过程数据的来源与分层
过程数据并非只来自一个接口。典型来源可分为四层：
- 设备原生信号层：如腔体压力、RF 反射功率、气体流量、温度、阀门开度、电机电流等，通常由 PLC 或设备控制器以模拟量/数字量形式提供，采样周期可到 10 ms～100 ms。
- 设备状态与报警层：如设备状态字、联锁信号、报警码、门开关状态，通常以离散事件或周期状态字形式上报。
- EAP 采集层：EAP 通过 SECS/GEM、OPC UA、Modbus TCP 或设备私有协议读取上述数据，并附加采集时间、设备 ID、Lot/Wafer ID 等上下文。
- MES/APC 上下文层：如配方号、工艺步号、批次、晶圆序号、目标值，用于把过程数据放入正确的工艺语境。
实际建模时，建议先建立“参数—来源—单位—量程—采样周期—质量规则”的参数台账，而不是直接开始写采集程序。例如某刻蚀设备的关键参数可定义为：腔体压力（来源 PLC，单位 mTorr，量程 0～200，采样 100 ms）、RF 反射功率（来源 RF 控制器，单位 W，量程 0～1500，采样 50 ms）、气体流量（MFC，单位 sccm，采样 200 ms）。
二、采样策略：按用途而不是按“越多越好”
采样策略的核心是匹配用途。追溯与 SPC 关注趋势和稳定性，故障诊断关注瞬态和尖峰，配方验证关注步进切换点。常见策略包括：
- 周期采样：固定间隔采集，适合压力、温度等缓变量，周期可设为 100 ms～1 s。
- 事件触发采样：在配方步切换、阀门动作、报警发生时提高采样率或打标记，适合捕捉瞬态。
- 变化率触发：当参数变化超过阈值（如压力变化 > 5 mTorr/100 ms）时记录一段前后窗口数据。
- 降采样与聚合：长期存储时按 1 s 均值、最大值、最小值、标准差聚合，既保留趋势又控制数据量。
一个可执行的配置示例：对 RF 反射功率采用 50 ms 周期采样，同时设置“步切换前 2 s 到后 5 s”为高密度窗口；对腔体压力采用 100 ms 周期采样，并保留每 1 s 的均值与最大值。这样既不会让存储爆炸，也不会在关键瞬态处丢失信息。
三、数据质量：先判定，再使用
过程数据常见质量问题包括：通信超时导致缺帧、传感器漂移、量程溢出、单位不一致、重复上报、时间戳跳变。工程上应把质量判定前置到采集链路中，而不是等分析时才发现。
建议为每个参数定义质量码，例如：GOOD（正常）、STALE（超过 3 个采样周期未更新）、RANGE（超出量程）、COMM（通信失败）、MANUAL（人工置值）。采集服务在写入时序库时同时写入质量码，后续查询和关联模型只使用 GOOD 数据，STALE 与 COMM 数据进入异常清单。
四、时间戳对齐：统一参照系
时间戳对齐是过程数据与事件关联的前提。必须明确一个约定：本文及图示中，所有时间戳均以 EAP 采集时刻的 UTC 时间为基准，设备本地时间在入库前统一转换为 UTC，并在数据记录中保留原始设备时间戳作为辅助字段。
对齐通常分三步：
- 时钟同步：设备控制器、EAP 服务器、时序数据库通过 NTP/PTP 同步，偏差控制在 10 ms 以内。
- 时间戳归一：把设备时间、采集时间、事件时间统一到同一时基，记录每个时间戳的来源。
- 插值与窗口对齐：对周期数据按事件窗口做线性插值或最近邻取值；对离散事件则直接使用事件发生时刻。
例如，某步进事件发生在 10:00:03.250，而压力数据在 10:00:03.200 和 10:00:03.300 各有一个点，则可用线性插值得到 10:00:03.250 的压力值；若质量码为 STALE，则标记该关联点为“低置信”。
五、过程数据与事件关联模型
关联模型的目标是：给定一个事件，能快速找到其前后窗口内的过程数据；给定一段过程曲线，能反查对应的事件与配方步。推荐采用“事件—窗口—参数快照”的三段式模型：
- 事件主表：记录 event_id、设备 ID、事件类型、事件时间、Lot/Wafer、配方步。
- 窗口定义：为每类事件定义前后窗口，如报警事件取前 5 s 后 10 s，步切换取前 2 s 后 5 s。
- 参数快照：在窗口内抽取关键参数的均值、最大值、最小值、斜率、质量码统计，形成可查询的关联记录。
下面用一张图表示从数据源到关联模型的整体结构，重点体现采样、质量判定、时间戳对齐和事件窗口之间的数据流关系。
六、落地时的关键判断
实际项目中，过程数据采集与建模最容易出问题的不是算法，而是边界条件。建议在实施时重点确认：采样周期是否与设备通信能力匹配；质量码是否覆盖了通信中断和传感器异常；时间戳是否统一到 UTC 并保留原始来源；事件窗口是否按事件类型分别定义；关联记录是否包含质量统计。只有这些条件都明确，过程数据才能真正成为可追溯、可分析、可复现的工程资产。
例如，当某批次出现良率异常时，工程师可以按 Lot 和配方步查询关联记录，先看关键参数在报警窗口内的均值与斜率是否偏离基线，再结合质量码判断数据是否可信。如果质量码正常且参数明显偏移，则进一步检查设备侧执行机构；如果质量码大量 STALE，则应先排查采集链路，而不是直接归因于工艺。这样的判断顺序，正是过程数据建模在 EAP 追溯系统中的实际价值。