Op weg naar Reliability 2.0: ASML zoekt naar connecties tijdens aankomend Reliability Seminar.

Eerder dit jaar werd het Reliability seminar van Holland Innovative gedwongen online plaats te vinden. De ontspannen corona grafieken maken het nu wel mogelijk om alsnog een groot live evenement te organiseren. Dit zal plaatsvinden op 14 oktober 2021, op de High Tech Campus.

Reliability is van levensbelang

Net zoals bij het online evenement staan de thema’s Reliability 2.0, data science en Root Cause Analysis (RCA) centraal. Verscheidene keynote sprekers zullen opnieuw hun opwachting maken waaronder experts als Tiedo Tinga en Michael Pecht. Maarten de Leuw, projectmanager bij ASML, zal er ook zijn. Uit het gesprek dat we met hem hadden blijkt dat Reliability en RCA van levensbelang zijn voor de high-tech productie industrie.

De Leuw is onderdeel van een project team met specialisten op het gebied van RCA en Reliability Growth Analysis (RGA). ASML maakt verschillende fotolithografiemachines die gebruikt worden in de halfgeleiderindustrie. De Leuw en zijn team focussen zich vooral op machines voor de DUV markt. De Leuw zegt: “We hebben veel machines in het veld. We onderzoeken de Reliability van onderdelen van deze machines, en als een onderdeel faalt, de oorzaak van het falen. Data uit het verleden wordt gebruikt om trends in de Reliability van een specifiek onderdeel te identificeren. Deze informatie wordt gebruikt als invoer voor verbeteringen in product design, productie proces, en onder andere bedrijfsprocessen.”

Op zoek naar de oorzaak

Met de invoer van Reliability data en een accurate omschrijving van het probleem wordt de passende strategie voor een Root Cause Analysis bepaald. Deze kan worden verdeeld in:

1. Ervaring gebaseerd
2. Brainstorm
3. Contrast

Elk van deze strategieën heeft zijn voordelen en nadelen. De ervaring gebaseerde aanpak is effectief en snel voor bekende problemen maar kan leiden tot een ‘proberen en missen’ strategie wanneer de oorzaak niet snel gevonden kan worden.

De brainstorm strategie gebruikt visgraatdiagrammen om de mogelijke factoren te categoriseren en ze één voor één te examineren. Het voordeel is dat het een gestructureerde aanpak is, het nadeel is de zeer uiteenlopende aard en het mogelijke ontbreken van onbekende factoren.

De derde strategie is gebaseerd op contrast (Statistische techniek), waarbij het zoek gebied steeds verder wordt verkleind. Het voordeel is de focus, het nadeel is dat zowel goede als falende onderdelen nodig zijn om de contrasten te onderzoeken. De contrast methode kan vergeleken worden met het spel “Wie is het?”. Hier geldt, door de juiste vragen te stellen, wordt de juiste persoon gevonden.

Voor complexe technische problemen gaat de voorkeur meestal uit naar de contrast strategie.

Omgaan met grote data sets

De kracht van de contrast strategie is dat met een beperkt aantal goede en falende onderdelen tests kunnen worden uitgevoerd om de verschillen te onderzoeken. Om tot de juiste selectie van onderdelen te komen, is het in de meeste gevallen nodig om grote data sets te gebruiken om verschillen te laten zien tussen machines, klanten, et cetera. Met behulp van smart software wordt het opschonen, classificeren, corrigeren en analyseren van grote data sets steeds makkelijker.

De grote beurt voor chip machines

Het is dus een levendig en stimulerend onderzoeksgebied. Het is belangrijk voor de klanten van ASML dat de machines draaien met de hoogst mogelijke opbrengst, zeker nu er een tekort aan chips is. De Leuw: “Wat we niet willen is dat machines stil komen te staan door het onverwachts falen van een component. Er wordt nu van ons verwacht dat we in staat zijn om te voorspellen wanneer een onderdeel uitvalt zodat het kan worden vervangen tijdens gepland onderhoud. Het is vergelijkbaar met een grote beurt aan een auto waarbij een aantal onderdelen uit voorzorg worden vervangen.”

Reliability 2.0

Het is precies de behoefte aan een voorspelling van het falen van componenten die het nodig maakt om RCA, RGA, data science en diagnostiek verder te verbinden. Denk aan typische RGA elementen zoals het bepalen van de faaloorzaak, de faal modus of de faalkans; RCA elementen zoals de CTQ parameter bepalen, die het verschil tussen goede en falende onderdelen laat zien, en data science elementen zoals het maken van voorspellingsmodellen en de beschikbaarheid van de juiste diagnostiek.

“Binnen ASML werken we in een team waarbij ook collega’s van data science en diagnostiek betrokken zijn, we doen al een hoop aan voorspellingsonderhoud en kunnen de volgende stap nemen door RCA, RGA, data science en diagnostiek verder te verbinden en zo Reliability 2.0 te bereiken.”

Verbinding

De Leuw sluit af door zijn hoop te delen dat mensen naar de seminar komen die voor dezelfde uitdagingen staan. Mensen die vragen hebben als: Hoe moeten we de stap van RCA/RGA naar data science maken? Hoe ga ik om met grote hoeveelheden data? Wat is daadwerkelijk de grootste uitdaging? Hoe moet ik dat communiceren? De Leuw: “Misschien kunnen zij wat leren van onze aanpak en wij wat van hen. Wij hebben bijvoorbeeld Holland Innovative gevraagd om hulp. Zij zijn een sterke verbindende factor. Het is precies die verbinding die het ook makkelijker maakt voor ons om stappen te maken als regio.”