2. KLA设备数据采集体系
在KLA量测与检测设备（如缺陷检测、膜厚测量、套刻量测等机型）中，FDC（Fault Detection and Classification）与设备健康管理能否成立，首先取决于数据采集体系是否完整、同步、可信。设备内部并不是“一个传感器对应一个数值”这么简单，而是由多类传感器、多个采样通道、不同通信层级共同构成一条从物理量到可用数据的链路。理解这条链路，才能合理设置采样频率、判断精度是否足够、定位数据缺失或漂移的根因。
一、KLA设备中的传感器类型与信号属性
KLA设备的传感器大致可分为四类，每类在FDC中的角色不同：
- 运动与位置类：伺服电机编码器、光栅尺、限位开关。用于反馈晶圆台、机械手、光学头的实际位置，典型信号为增量脉冲或绝对位置值。位置偏差、跟随误差是判断运动机构健康的关键。
- 环境与工艺条件类：温度传感器（PT100/热电偶）、湿度、洁净度粒子计数器、真空度、气压。这类信号变化慢，但直接影响量测重复性，例如光学系统温度漂移会导致焦距与成像质量变化。
- 光学与成像类：光源功率、相机曝光时间、增益、图像灰度统计、对准信号强度。它们既是工艺参数，也是设备状态的直接反映。
- 电气与执行机构类：电机电流、电压、功率、阀门开度、气缸压力。电流波形往往能提前暴露轴承磨损、负载异常或卡滞。
需要强调的是，传感器输出并不等于FDC可用数据。模拟量需经A/D转换，数字量需经总线或现场IO采集，图像类则需先做特征提取。采集体系必须明确每个信号的物理含义、量纲、有效范围与异常阈值，否则后续建模没有可靠输入。
二、采集频率与精度：按信号动态特性分层设计
采集频率不是越高越好。频率过高会带来数据量膨胀、通信拥塞和存储压力；频率过低则会漏掉瞬态故障。合理做法是按信号动态特性分层：
| 信号类型 | 典型采样频率 | 精度/分辨率要求 | 典型用途 |
|---|---|---|---|
| 电机电流、振动 | 1–10 kHz | 12–16 bit | 瞬态冲击、轴承磨损 |
| 位置/编码器 | 100 Hz–1 kHz | 与编码器分辨率一致 | 跟随误差、定位重复性 |
| 温度、真空、气压 | 1–10 Hz | 0.1 ℃ / 0.1 kPa | 环境漂移、热稳定性 |
| 图像统计特征 | 每片/每视场 | 按像素位深 | 成像质量、缺陷信号 |
精度方面要区分“传感器精度”和“系统精度”。例如温度传感器本身可达±0.1 ℃，但若安装位置远离被测光学元件，实际反映的温度可能滞后数秒，系统精度就下降。因此采集设计要同时考虑安装位置、响应时间、屏蔽与接地，避免引入工频干扰或地环路噪声。对于电流与振动信号，建议使用差分输入和屏蔽双绞线，并在边缘节点做抗混叠滤波，防止高频噪声折叠进低频段。
三、SECS/GEM通信协议：设备与厂务系统之间的标准语言
SECS/GEM（SEMI Equipment Communications Standard / Generic Equipment Model）是半导体设备与上位系统通信的基础。它分为两层：SECS-II定义消息格式（Stream/Function，如S1F1、S6F11），GEM定义设备行为模型（状态机、事件、报警、变量、数据收集）。在KLA设备中，FDC相关数据通常通过以下方式暴露：
- 事件报告（Event Report）：设备在关键动作（如开始量测、结束量测、报警）时主动上报，携带一组已定义的变量（DVVAL）。
- 数据收集计划（Data Collection Plan）：上位系统可请求设备按指定频率采集指定变量，适合周期性FDC数据。
- Trace Data：对高速信号，GEM支持Trace采集，将多个变量按固定时间间隔打包上报，适合电流、位置等连续量。
实际配置中，需要先与设备厂商确认可用的SVID（状态变量ID）和VID（变量ID），再在FDC侧建立映射。常见问题是变量单位不统一、时间戳精度不足或事件触发条件与工艺步骤不同步。建议在接入前用SECS模拟器逐条验证消息，确认S1F1在线、S1F3变量读取、S6F11事件上报均正常，再进入正式采集。
四、数据流架构与边缘计算节点
KLA设备的数据流通常分为三层：设备层、边缘层、厂务层。设备层负责传感器信号采集与本地闭环控制；边缘层部署在机台旁或洁净室夹层，承担协议转换、数据缓存、特征提取与实时判断；厂务层负责长期存储、跨机台分析与模型训练。
边缘计算节点的价值在于“就近处理”。以振动或电流信号为例，若把10 kHz原始波形全部上传，单台设备每天可产生数十GB数据，厂务层难以承受。边缘节点可先计算RMS、峰峰值、峭度等特征，再按秒级或批次级上传，数据量可降低两到三个数量级，同时保留故障敏感信息。对于需要波形回溯的场景，边缘节点保留环形缓冲区，仅在触发报警时上传前后数秒的原始数据。
实际部署时，边缘节点应具备断网续传能力，避免网络抖动导致数据缺口；同时要保证时间同步，建议使用NTP或PTP，使设备事件、SECS时间戳与边缘采集时间对齐到同一时间基准。若时间戳偏差超过一个采集周期，后续做多信号关联分析时会出现错位，影响故障定位准确性。
综上，KLA设备数据采集体系是一条从传感器物理量到边缘特征、再到厂务分析的完整链路。传感器类型决定能看见什么，采集频率与精度决定看得多细，SECS/GEM决定数据如何规范地流出设备，边缘计算节点决定数据在何处被压缩、判断和缓存。四者协同，才能为后续FDC建模与设备健康管理提供稳定、可信、可追溯的数据基础。