任何診斷都離不開信息匯總與分析。相比數字和統計數據，人們總是更擅長通過圖形化的信息來分析問題，尤其是當數據呈現的是隨著時間的推移而發生變化的問題。以記錄你一天步行信息的GPS為例，盡管下面這張圖上下兩部分展示的是同一天的行程，但下方的地圖軌跡明顯要比上方的坐標和時間記錄更容易讓人理解。

工藝設備診斷

為實現針對工藝設備的診斷，泛林集團打造了一個名為“泛林數據分析器(LamDA)”的實用程序。該程序可以讀取日志數據并用圖形表現情況變化，非常適用于針對不同晶圓或腔體的對比。客戶和我們的一線工程師都經常使用這款程序，其當前有效許可已超過8,000份。LamDA的最佳使用方式是借助其提供的信息來證實或反駁預先提出的假設。但是，如果問題牽扯的范圍太廣而無從下手（即“大海撈針”的難題）或有問題但完全沒有發現時又該如何處理呢？

更大的挑戰

面對更大的挑戰，我們的應對方法也要變，正如電影《大白鯊》的經典臺詞：“我們要換大船來對付大家伙”。而泛林集團推出的最新一代大數據分析工具腔室匹配診斷工具(D2CM)就是這樣的“大船”。它采用了機器學習算法，可用于匯總分析所有設備在很長一段時間內的數據。換句話說，這個工具能夠不分寒暑地主動幫你探查潛藏在汪洋大海中的“針頭”，哪怕你根本不知道有這樣一個“針頭”的存在。可以說D2CM就是“超級版LamDA”。

D2CM通常被用于評估運行相同工藝（或應用）的一組設備的性能。盡管在批量生產中客戶可以通過控制限值來判斷設備是否按照設置的參數運行，不同設備仍然會存在誤差。這些差異不但難以識別，而且通常很難確定其背后的根本原因。D2CM的多變量（或多維）分析法可以識別這些具有統計意義的誤差從而找到改良的方向。該方法的一大優勢在于它能綜合考量不同信號數據之間的相互作用（請記住，壓力、溫度、功率等都是相互關聯的），提高“信噪比”并更快找到根本原因。

由于機器學習的高度復雜性，我們往往需要大量的培訓才能熟練掌握其使用方法。若需要真正了解如何將分析結果轉化為維修或糾正措施，則需要更多技能，因為你需要非常了解工藝設備。

還有更好的方法嗎？

我們一直在努力研發“更好的方法”。我們的思路是在綜合分析大量使用大數據的基本場景，把它們開發成更簡單的“應用程序”。例如該程序可能是專用于評估同組所有設備的全部配置設置，或一個“子系統運行狀況模型”，又或是幫助你完成設備日常運行檢查的程序。另外，該程序還建了一個“沙盒”環境，工藝工程師可以便捷地訪問設備數據和D2CM的核心引擎，試行不同的分析方法，或將數據可視化。該開發項目首批應用程序于2020年下半年投入使用，未來還會有更多應用程序加入，其中一些應用程序將來自客戶自己的沙盒。 

以上所有這些努力都是為了提高數據和分析的質量，從而更好地提升設備的性能和生產率。