Automated, AI-based Inspection of Drive Wheels on Overhead Hoist Transport Vehicles

Abstract

Overhead Hoist Transportsysteme werden zum Transport von Wafern in 300-mm-Halbleiterfabriken eingesetzt. Diese schienenbasierten Systeme bestehen normalerweise aus Hunderten von Fahrzeugen, um einen schnellen und sicheren Transport von Wafern zwischen Werkzeugen zu gewährleisten. Fehler einzelner Fahrzeuge können zu Schäden an den übergebenen Waren und Produktionsausfällen führen. Um das Ausfallrisiko zu minimieren, ist eine umfassende vorbeugende Wartung der stark beanspruchten Fahrzeugkomponenten erforderlich. Wir haben einen automatischen Inspektionsansatz für die Antriebsräder entwickelt, der den Inspektionsprozess drastisch beschleunigen kann. Aus den erhaltenen Daten haben wir ein deep convolutional-Autoencoder-Netzwerk trainiert, um das Wachstum von Frakturen auf der Oberfläche der Räder vorherzusagen. Mit Hilfe unser Inspektionsansatz kann eine zustandsbasierte prädiktive Wartung der OHT-Fahrzeuge durchgeführt werden. Dieser Ansatz verspricht Kosteneinsparungen gegenüber routinemäßigen oder zeitbasierten Strategien zur präventiven Wartung, da Aufgaben nur dann ausgeführt werden, wenn dies gerechtfertigt ist.