Skip to content
Cala
下載

給硬體工程師的 AI troubleshooting

成為那個把沒人解得掉的問題解掉的人。

把機台的手冊載入 Cala,它就跟你一起查。每一種可能的 root cause 都攤開來看,不只你原本在追的那一條,而且每個候選原因的數值都標明出自手冊的哪一頁。Cala 就在你自己的電腦上跑。

Cala 是什麼

Cala 是一個桌面應用程式,幫硬體工程師找出機台問題的 root cause。從一台機台的手冊開始就好,不用整個文件庫。Cala 把手冊讀進你的電腦、變成那台機台的模型,然後跟你一起查問題:每一種可能的 root cause、每個 check 能排除什麼、每個數字出自哪一頁。

01 · 現場

機台 down 了,所有人都在看你。

沒有人能把這種規模的機台整個裝在腦子裡。你不行,從裝機顧到現在的資深工程師也不行。他們有的,是知道先從哪裡看起的直覺。

沒有這個直覺,你就開始換零件。你知道那是在猜。旁邊看著你換的人也知道。

02 · 迴圈

往上報,回來的是一張清單。

Escalate 上去,你知道會回來什麼:更多要 check 的項目,或是要你再收 data。幾乎不會是一個有推理過程的 root cause。回覆快則一天,慢則幾週,客戶在旁邊問到底什麼時候好。

Cala 大約一分鐘就給你排好序的假設清單,每一條都把因果鏈寫出來、標明站在哪一頁上。之後的迴圈就用你的速度跑,不是排隊的速度。

03 · 你拿到什麼

原因藏在兩個子系統之外。

複雜機台上,每個東西都牽動每個東西。一個子系統的 drift 被下一個子系統吸收,症狀在第三個子系統冒出來,而每一個單獨 check 都是正常的。難的問題之所以難,就難在這個跨界,連熟這台機的工程師也一樣。

Cala 用因果鏈推理。它從機台實際的運作方式出發,同時看每一種可能的原因,沿著物理跨過沒有任何一個人完整負責的子系統邊界。你拿到的是一條從頭寫到尾的因果鏈,幾分鐘內,每一環都附證據。

一條因果鏈,三個子系統

Subsystem A

A setting drifts out of its window

Subsystem B

A downstream loop quietly compensates

Subsystem C

The symptom appears, two systems away

每一格單獨 check 都是三個健康的子系統。問題只存在於箭頭裡。

04 · 看它跑一次

一個問題。每一種原因的候選都在。

這是機台上的一個問題。Cala 不會撲向第一個看起來像的答案。它把這台機器每一種可能的 root cause 都走過一遍,每個候選都寫明出自哪一頁、下一步要去量什麼。

Trace · 合成範例
問題

Load lock B 到達 transfer 壓力晚了 38 秒,而且只從一個 lot 的第三片開始出現。同一台機的 load lock A 完全正常。沒有 alarm,沒有 error code。

Root cause 的種類

候選 ·

證據Cryogenic pump service manual, rev D, p. 62
可能原因
Cryopump 第二級在 lot 與 lot 之間回溫,把水氣放出來
引用數值
Second stage below 17 K required for water capture
假設
假設上次組態變更之後,regeneration 週期沒有被縮短。
下一步
先記錄一整個 lot 的第二級溫度對 wafer 序號,再動 pump。

上面每一種都是真的會壞的不同東西,不是同一件事的不同講法。劃掉一種,問題就小一點。

05 · 自己驗證

每個數字都附上它出自的那一頁。

數值照你文件裡的樣子呈現,附文件名稱和頁碼,你可以自己翻去對。Cala 有可能判斷錯是哪個原因,但它不編數字:如果你載入的文件裡沒有那個數值,它會說 evidence 不足,而不是硬填一個形狀相似的。

客戶就在旁邊的時候,這件事最重要。機台停著,對方在算時數。跟他說「我們再換一個零件試試」聽起來就是在猜,因為就是在猜。帶他走過你排除了哪些、以及他們自己手冊裡把它排除掉的那一行,就不是。

From your documentsSynthetic example

Base pressure interlock: 2.4e-2 Torr, alarm at 3 s dwell

VTM service manual, rev C · p. 84

Assumption

The gauge was zeroed after the last PM. The record does not say.

06 · 另一種結局

有些晚上,結局不一樣。

因果鏈幾分鐘就攤在螢幕上,check 一驗是正的,整個房間都聽到了是什麼原因、為什麼。機台回來了,那個晚上準時結束。

這種速度不是抄捷徑。它就是一個很強的工程師要花好幾週做的 first-principles 查修,在你面前幾分鐘做完,證據和 check 的順序都排好。這個網站上的調查都是真實案例,其中幾件在被一次收掉之前,已經開著好幾個星期。

07 · 交出去

交出去的時候,citation 還在上面。

要交接的時候直接輸出:ticket 用的維修報告、給下一班的 summary、或給客戶的說明。連同你 check 了什麼、每個 check 排除了什麼、你是從哪一頁讀到的,一起交上去。

每一件調查都保留自己的症狀、證據、排好序的 root cause、假設和下一步,你的筆記和量測數據都跟在旁邊。下一季同一台機台又出類似狀況的時候,你不是從白紙開始。

loadlock-b.report.mdExport
Symptom
as written in the ticket
Checked
what was measured, in order
Ruled out
each with the page that ruled it out
Assumptions
labelled, not folded in
Next step
ordered by what it rules out

Cala's answers and extracted knowledge are AI-generated. Verify against the source documents and OEM procedures before acting.

08 · 資料放在哪

你的文件留在你的電腦上。

Cala 在你的電腦上跑,你的文件就住在那裡。Cala 推理的時候,正在讀的頁面經過我們的 proxy 送到模型供應商,然後直接回來。我們的伺服器不儲存任何內容。

留在你的電腦上
  • 你載入的文件
  • 萃取出的知識
  • 對話、調查、報告
我們的伺服器只有
  • Email、方案、用量計數
  • 你的 credit 餘額
  • 除此之外沒有了

我們這邊沒有文件內容,也沒有對話內容。

09 · 問題

大家最先問的那些問題。

用問題原本被問出來的樣子寫,因為那才是值得回答的版本。完整的說明在資訊安全和隱私權頁面,證據在實際案例裡。

整組人都卡住的問題,它真的解得了?

解過。一台機台 down 了兩個星期,每個 sensor 都在 spec 內,沒有 alarm、沒有 trend。Cala 排第一的假設是一個沒有人質疑過的軟體補償參數;把設定值調出來看只花幾分鐘, 數值大約是設計值的十倍。改回去之後,機台重新 qualify 過。

清單上的第一條假設,第一個 check 就確認。另外兩篇調查在實際案例裡。

丟一個真的問題給它,它會做什麼?

它查問題,不是陪你聊天。每一種可能的原因都攤在桌上:熱、機構、電性、污染、控制與軟體、 對位與量測。假設排好順序。證據引用文件名稱和頁碼,讀到的事實和推論分開標。

Check 依照能排除多少來排序,一個能一次刪掉三條假設的快速 check,排在一個只能確認你心頭好的慢 check 前面。最後產出一份報告檔,直接附在 ticket 上。

我的問題沒有人看過,根本沒東西可以搜。

發生過。一個尺寸震盪的現象,任何地方都查不到 write-up。Cala 提出一個沒有人湊在一起想過的材料相關機制,設計實驗把它跟其他解釋分開,每一組實驗都先掛上預測。 實驗跑完,每個預測都對。

沒有頁面可以找的時候,它就從你文件裡的物理開始推。

它只會把手冊上本來就有的講一遍吧。

手冊是起點,不是終點。有一個被信了很多年的製程模型,fitting 出來的參數一直沒辦法收斂成一組。Cala 要了那個沒有人放上桌的東西:模型的實作。結果物理上應該是 指數的地方,寫成了二次式。改正之後,每一種結構的參數都收斂到同一組。

它對「大家本來就相信的東西」沒有忠誠度。

它會亂編料號。這種工具都會。

不要信它。這個產品本來就不是建立在你會信它上面。每一個會影響判斷的數值都帶著 citation,寫明文件和頁碼,照原文引用。推論標示為推論。證據不足就說證據不足,不會硬填一個形狀 相似的數字。

用最便宜的方式測它:載入一本你滾瓜爛熟的手冊,想辦法弄壞它。這裡有一套現成的測試流程

我有搜尋,也有 ChatGPT。

搜尋只回你想到要問的東西。Chatbot 只回答你貼上去的那幾頁。Cala 告訴你「還有可能是什麼」,而且它記的是機台,不是對話:文件讀一次,整台機台的知識庫就在你的硬碟上, 之後每一次都在。你不用在凌晨三點的班上重新上傳 PDF。

我的文件是 OM、PM 手冊、BKM 和原廠的教育訓練,一半中文一半英文。

直接載入就好。一台機台累積下來的那疊原廠 PDF 正是 Cala 設計時對準的輸入:它把它們讀成那台機台的知識庫,中英夾雜不用先分類,你用哪種語言問,它就用哪種 語言答。Citation 一樣寫明文件和頁碼。

第一批使用者是半導體的設備和製程工程師。任何有完整文件的機台都一樣適用。

有什麼東西會離開我的電腦?

你的文件、以及 Cala 從裡面學到的東西,都留在你的電腦上。我們的伺服器只有你的 email、方案和用量:沒有文件內容、沒有對話內容,也不會拿任何內容去訓練。Cala 推理的時候,你的問題和正在讀的頁面會經過一個不留存任何東西的 proxy 送到模型供應商。完整細節在資訊安全頁

我需要公司同意嗎?

這件事由你和你雇主關於軟體與文件的規定決定。Cala 是個人訂閱,不是繞過任何政策的方法。如果需要跟公司談,資訊安全頁把「什麼會離開你的電腦、什麼永遠不會」寫得清清楚楚,它就是寫來給負責核准的人看的。

一個月一百美金是真的錢,而且是我自己的錢。

20、100 或 200 USD 一個月,照你查修的量選,某一週特別重就用預付的 credits 續上。個人訂閱,刷自己的卡,不用走採購。隨時可以從帳戶頁取消;取消後跑完已付的週期就停,你硬碟上 的東西都還是你的。先讀一篇實際案例,再決定。

要什麼環境才能跑?

macOS 13 以上,Apple silicon 或 Intel。Windows 10 或 11,64 位元;Windows 版目前是 preview,還沒有簽章。只有 Cala 在查問題的時候需要網路。知識庫在本機,也一直在本機。

把那件還未解決的帶來。

載入那台機台的手冊,把那個還掛著、沒有 root cause 的問題丟給 Cala。讀那張清單,把 citation 翻到它指的頁面對一對,看看上面有沒有還沒人試過的東西。