深入了解器件行為和市場(chǎng)需求將對整個(gè)半導體供應鏈產(chǎn)生廣泛影響。

半導體設備供應商開(kāi)始在他們的工具中添加更多傳感器，以改善晶圓廠(chǎng)的正常運行時(shí)間和晶圓產(chǎn)量，并降低擁有成本和芯片故障率。

從這些工具中收集的大量數據預計將提供比過(guò)去更多的關(guān)于多種類(lèi)型和變化來(lái)源的詳細信息，包括變化發(fā)生的時(shí)間和地點(diǎn)以及設備故障的發(fā)生方式，時(shí)間和原因。結合現場(chǎng)設備故障的數據，以及設計布局和驗證等內容，可以創(chuàng )建芯片設計，制造和出現問(wèn)題的詳細時(shí)間表。反過(guò)來(lái)，這可以用于提高質(zhì)量，識別潛在的缺陷來(lái)源，并提高工藝流程的效率。

圖、（a）3D迷彩。 split-fab，（b）面對背（F2B）3D IC，（c）面對面（F2F）3D IC，（d）線(xiàn)纜提升分裂器，（e）2.5D無(wú)源內插器IC，（f）2D IC

“我們有機會(huì )利用我們自己實(shí)驗室的數據，并與我們的客戶(hù)合作，將我們的數據與他們的數據相結合，使我們的工具更可靠，并使半導體資本設備的預測性維護夢(mèng)想成為現實(shí)，” Lam Research的**技術(shù)官Rick Gottscho表示。 “這種想法已經(jīng)被承諾和談?wù)摿藥资?，你看到它發(fā)生在其他行業(yè)。有理由說(shuō)，在我們的行業(yè)中，它可能更像是一場(chǎng)斗爭，但它會(huì )發(fā)生?！?

這相當于半導體制造業(yè)是地震式的重大轉變。例如，不僅可以檢查或測試die，而且可以收集和挖掘來(lái)自數百萬(wàn)個(gè)die的所有數據以用于圖案和像差。但它也需要重新思考各種操作的執行方式和時(shí)間，以及為什么它們有時(shí)會(huì )導致缺陷，從而影響長(cháng)期的工作方式。雖然業(yè)務(wù)方面有潛在的意外收獲，但可能會(huì )導致一些工藝參數的動(dòng)蕩。

圖.（a）**3D分裂工廠(chǎng)設計流程，（b）我們偽裝的3D分裂工廠(chǎng)布局處理器子集。 方陣表示μbump

“設備在工廠(chǎng)中運行的方式以及在工廠(chǎng)中進(jìn)行維護的方式將受到干擾，”Gottscho說(shuō)。 “客戶(hù)顯然會(huì )更加重視公司的數據產(chǎn)品，他們的數據戰略是什么，以及它如何與他們自己的戰略保持一致。這對行業(yè)來(lái)說(shuō)是一個(gè)巨大的挑戰。你一直聽(tīng)說(shuō)數據就是一切，擁有數據的人都有很大的優(yōu)勢。這有點(diǎn)過(guò)于簡(jiǎn)單，但人們從字面上理解這一點(diǎn)，因此存在著(zhù)試圖囤積數據的傾向。這對每個(gè)人都適得其反。我們必須找到以公司可以保持競爭優(yōu)勢的方式共享數據的方法。這些數據非常有價(jià)值，但同樣重要的是領(lǐng)域知識。挑戰在于調整數據并知道如何過(guò)濾數據，仔細觀(guān)察它并將其轉換為對給定應用程序有用的東西，而這一切都與領(lǐng)域知識有關(guān)。

因此，雖然從更多地方連續收集數據的好處很重要，但可能需要一些時(shí)間才能實(shí)現全部的收益。

“該設備的傳感器正在分析工具操作和晶圓工藝監控數據，”Coventor**技術(shù)官David Fried說(shuō)。 “例如，傳感器和數據日志正在獲取有關(guān)哪個(gè)晶圓進(jìn)入哪個(gè)腔室的信息，機器人手臂在任何時(shí)間點(diǎn)的位置等等。所有這些數據都必須進(jìn)入一個(gè)可以收集和分析的系統。即時(shí)的。而這僅僅來(lái)自一件裝備。在一個(gè)工廠(chǎng)，你有這種設備的車(chē)隊，然后你有各種其他設備和不同的工藝制造過(guò)程。這是一個(gè)巨大的大數據挑戰，你真正想要開(kāi)始做的就是學(xué)習和分析這些數據?！?

波動(dòng)

這種分析的主要目標之一是變化，這在整個(gè)供應鏈中越來(lái)越成問(wèn)題，而且往往很難確定。半導體制造業(yè)始終存在變化，但隨著(zhù)先進(jìn)節點(diǎn)和先進(jìn)封裝的容差越來(lái)越嚴重，以及隨著(zhù)芯片越來(lái)越多地用于汽車(chē)，醫療和工業(yè)等**關(guān)鍵市場(chǎng)，對其來(lái)源的了解變得越來(lái)越重要。這種變化可能涉及使用EUV掃描儀的所有內容，以及薄膜中材料的純度，或者它可能是完全隨機的錯誤。結果也可能根據制造過(guò)程的方式和地點(diǎn)以及用于開(kāi)發(fā)這些芯片的材料供應鏈中的控制有多好而有所不同。

“所有工藝工具都會(huì )增加總體變化，”應用材料公司半導體技術(shù)和戰略總經(jīng)理Regina Freed說(shuō)。 “關(guān)鍵部件是光刻的臨界尺寸均勻性（CDU）覆蓋和線(xiàn)邊緣粗糙度（LER），以及CDU和沉積和蝕刻的負載。蝕刻和材料修改技術(shù)可用于降低LER，這對于轉向EUV的客戶(hù)非常有用。但是在3nm 的工藝難度還沒(méi)有克服。所有這些變化都將轉化為邊緣放置錯誤問(wèn)題。因為我們正在處理系統性和非系統性變化，所以在制造設計（DFM）中考慮這一點(diǎn)是不夠的。這就是為什么我們與客戶(hù)密切合作，以實(shí)現新的和創(chuàng ) 新的圖案化方案，目標是使用材料工程消除EPE錯誤?！?

如果沒(méi)有足夠的數據來(lái)構建更緊密的分布來(lái)顯示導致異常數據點(diǎn)的原因，這些問(wèn)題尤其難以追蹤。

“零缺陷成功的*大障礙之一是所謂的潛在缺陷，”KLA上等主管Rob Cappel說(shuō)。 “這些缺陷的大小或位置可能*初不會(huì )殺死裸片，或者它們可能位于裸片未經(jīng)測試的區域，這對于復雜的SoC來(lái)說(shuō)是一個(gè)日益嚴重的問(wèn)題。結果，有風(fēng)險的die通過(guò)電氣測試并逃逸到供應鏈中。高溫，高濕度和高振動(dòng)的苛刻汽車(chē)環(huán)境有時(shí)會(huì )激活這些潛在的缺陷，導致過(guò)早失效。長(cháng)期以來(lái)，業(yè)界一直依賴(lài)電氣測試作為剔除壞模的方法，但潛在缺陷通過(guò)電氣測試，因此需要其他方法來(lái)阻止成本較低的源附近的逃逸。行業(yè)估計，它所經(jīng)過(guò)的每一層集成的逃逸成本都會(huì )增加10倍，從而難以有力地發(fā)現了晶圓廠(chǎng)潛在的潛在缺陷?？勺冃约炔▌?dòng)性是潛在可靠性缺陷的重要來(lái)源 - 尤其是任何類(lèi)型的光刻圖案化相關(guān)變化，例如CD，覆蓋，線(xiàn)邊緣粗糙度和局部光刻可變性。這些變化源可能并且確實(shí)會(huì )導致部分空隙或橋接，然后在極端的汽車(chē)操作環(huán)境中會(huì )發(fā)生故障。對于蝕刻（部分蝕刻）和CMP（CMP凹陷）的任何圖案化問(wèn)題也是如此?！?

共享數據的價(jià)值不斷增長(cháng)

使用工廠(chǎng)內工具的更多傳感器數據可以對許多這些問(wèn)題產(chǎn)生重大影響，但是這些數據也需要放入其他數據的上下文環(huán)境中，例如芯片布局和結構，設計和材料。實(shí)際上，它必須包括更廣泛的供應鏈。雖然某些設備的流程可能已經(jīng)足夠成熟，但新的流程節點(diǎn)和更新的技術(shù)（如印刷電子設備）需要比過(guò)去更多和不同類(lèi)型的數據。實(shí)際上，該行業(yè)并沒(méi)有停滯不前，需要為所有事物開(kāi)發(fā)新的工具和數據源。

“對于可能是油墨的金屬復合結構，失效通常更具機械性，”Brewer Science設備工程和產(chǎn)品開(kāi)發(fā)總監Ryan Giedd說(shuō)。 “*糟糕的問(wèn)題是長(cháng)期漂移。這有兩個(gè)部分。一個(gè)涉及質(zhì)量控制?；旧?，您需要同時(shí)以相同的方式測試每個(gè)傳感器。**部分是了解設備在現場(chǎng)的表現。我們合作的大多數人都非常合作，因為他們希望確保一切正常。但我們也想弄清楚如何讓它變得更好，有時(shí)這需要我們回過(guò)頭來(lái)比任何人想要解決漂移問(wèn)題。漂移可能是由環(huán)境中的雜質(zhì)到基材或阻隔層的一切引起的?！?

所有這些步驟的數據也需要放在上下文環(huán)境中。事情需要打破來(lái)看，以了解他們如何以及為什么會(huì )發(fā)生。

“我們從非破壞性測試開(kāi)始，因為我們有X射線(xiàn)，因此我們可以查看模塊和組件，看看我們認為出錯的是否出錯了，”Delta ASIC銷(xiāo)售和營(yíng)銷(xiāo)上等副總裁GertJ?rgensen說(shuō)道。師。 “然后我們嘗試對裝配模塊或組件進(jìn)行破壞性測試，以找出根本原因。這通常是不同類(lèi)型的失敗。它可能是電子，靜電放電，閃電，太多電壓（EoS） - 我們在電子元件上看到的不同故障機制?！?

走向預測分析

過(guò)去，由于兩個(gè)主要原因，有關(guān)制造和現場(chǎng)故障的數據供不應求。首先，一些大型數據挖掘公司嘲笑半導體行業(yè)產(chǎn)生的數據量，特別是與云中的數據挖掘相比。其次，由于競爭原因，晶圓廠(chǎng)對他們從運營(yíng)中收集到的數據非常保密。

在過(guò)去幾年中，情況發(fā)生了很大變化，這些變化正在不斷發(fā)展。首先，較少的代工廠(chǎng)在前沿節點(diǎn)上競爭，現在它們的流程明顯不同。此外，代工廠(chǎng)已經(jīng)認識到，為了獲得大批量芯片，他們需要與他們的EDA和IP供應商及其上等客戶(hù)更緊密地合作。因此，數據開(kāi)始流動(dòng)得比過(guò)去更加自由，隨著(zhù)更多傳感器被添加到工具中，數據流將會(huì )增加甚至進(jìn)入芯片本身。

“這不僅僅是質(zhì)量問(wèn)題，”Optimal Plus的企業(yè)技術(shù)研究員Michael Schuldenfrei說(shuō)。 “這也是制造成本問(wèn)題。您可以提高產(chǎn)量并減少廢料。在汽車(chē)行業(yè)，我們使用AI進(jìn)行檢查。但我們也在使用數據來(lái)預測電子組裝中的故障，尤其是焊接時(shí)的故障?！?

這里的*終目標是預測分析，其中工具和流程可以在問(wèn)題發(fā)生之前進(jìn)行調整。但這增加了混合的另一個(gè)復雜性。雖然擁有更多數據是好事，但并非所有數據都是好的。

“如果你沒(méi)有很好的數據，就很難進(jìn)行預測分析，”P(pán)DF Solutions營(yíng)銷(xiāo)副總裁David Park說(shuō)。 “這不僅僅是這個(gè)行業(yè)。使用電池，您可能會(huì )在發(fā)生故障之前看到尖峰。在沒(méi)有失敗的情況下，您可能有50個(gè)周期，這可能會(huì )告訴您現在有一個(gè)月。這對于車(chē)隊很有用，因為它們永遠不會(huì )停止服務(wù)。但是如果你沒(méi)有好的數據，你需要很好的學(xué)習模型。我們看到一家大型半導體公司，根本原因分析似乎是一個(gè)隨機錯誤。但是，如果您可以進(jìn)行多變量分析，您可以找到人類(lèi)永遠找不到的東西并防止失敗。這允許你做的是找到一個(gè)你永遠不會(huì )發(fā)現的共性，因為有太多的數據。如果你搜索這個(gè)，你可能會(huì )發(fā)現15次中有8次隨機失敗?！?

這就是人們開(kāi)始利用AI的地方，因為它可以快速識別可以針對特定目的進(jìn)行培訓的數據模式。

應用材料公司副總裁Sanjay Natarajan表示：“我們正在將AI納入我們的設備中，以更好地處理數十億比特的數據?！?“工具有傳感器和執行器收集數據并對數據做出反應，并且在大多數系統中都是通過(guò)算法進(jìn)行的。新興的AI功能*終將實(shí)現推理方法，其中數據可用于訓練和推斷，因此工具將根據檢測到的數據字段進(jìn)行相應調整。

這提供了對之前出現的故障模式的可見(jiàn)性。

“你也可以看到比使用算法方法更好的東西，”Natarajan說(shuō)。 “我們可以獲得的大量訓練數據令人難以置信。這些工具日復一日地生成這些數據，收集重要的輸入和輸出，并且實(shí)際上不需要了解從輸入到輸出的動(dòng)態(tài)，因為數據被添加到訓練引擎中。然后，這可能潛在地導致在前饋模式中使用該信息來(lái)控制材料的厚度或相位，或何時(shí)停止工具。這樣就可以控制工具以及晶圓的質(zhì)量和變化?！?

Advantest的新概念產(chǎn)品計劃副總裁Ira Leventhal表示，這種方法也可用于為小批量和更具針對性的應用定制流程。 “標準的數學(xué)優(yōu)化導致次優(yōu)調度，”他說(shuō)，并補充說(shuō)，未來(lái)將需要深度強化學(xué)習調度來(lái)利用這些數據。

更細化，更集成

這里的關(guān)鍵是理解數據如何應用于特定的制造部分，這可能涉及多步操作中的一個(gè)步驟，以及這將如何影響其他步驟。由于各種原因，這種跨工具，跨流程數據更像是一種方向陳述，而不是現實(shí)。首先，它需要從剛剛在現場(chǎng)測試的新設備中提取數據。因此，對于無(wú)人駕駛汽車(chē)中的AI系統，現實(shí)世界的數據不足以超越當今的模擬和各種類(lèi)型的一次性測試方法。

展望未來(lái)，挑戰將是了解運行中的設備數據，特別是在一系列用例下對信號和數據進(jìn)行各種類(lèi)型的片上監控，然后將這些數據循環(huán)回整個(gè)供應鏈。所有這些數據都需要在如何使用的背景下進(jìn)行削減和理解，這為所有這些增加了另一層復雜性。

“在芯片環(huán)境中，數據太多了，”UltraSoC**執行官Rupert Baines表示。 “關(guān)鍵是要有低成本智能和低成本過(guò)濾，以大幅減少數據量。如果您只是使用2GHz時(shí)鐘和64位總線(xiàn)對信號進(jìn)行啞測，那么對于一條跡線(xiàn)，您的速度就達到每秒100千兆位。所以你很快就會(huì )說(shuō)太字節或千兆字節。為了將數據的screeds轉化為高價(jià)值的智能信號，進(jìn)行智能的局部濾波是優(yōu)良必要的?！?

這在制造方面和在芯片級別上都是如此。

圖、SoC芯片設計供應鏈中的各種玩家以及每個(gè)玩家引入的**威脅

“我們可以收獲每一個(gè)工具上的每一個(gè)工具，但是你也希望將它與每一個(gè)在線(xiàn)計量，內聯(lián)缺陷檢測分類(lèi)相結合。在線(xiàn)電氣測試，一直到全功能測試，“Coventor's Fried說(shuō)道。 “所以你擁有所有這些不同的數據源。 **類(lèi)問(wèn)題是一個(gè)大數據問(wèn)題 - 將它全部轉化為可用的結構和格式，因為我們正在處理來(lái)自大量不同格式的源的大量數據。 解決格式問(wèn)題聽(tīng)起來(lái)并不困難，但是考慮一下沉積工具中的溫度傳感器與漿料罐中的漿料pH監測器相比，它可以供給CMP工具。 它是使用不同單位集以不同方式采樣的不同類(lèi)型的數據。 只需將其置于一種可以對數據集進(jìn)行操作的格式就是一個(gè)巨大的數據問(wèn)題?！?

而這個(gè)問(wèn)題需要在其他大量數據的背景下解決。 因此，雖然每個(gè)人都希望獲得更好的數據，并且能夠更好地了解更好的數據，但這并非易事。