• 收藏

  • 点赞

  • 评论

  • 微信扫一扫分享

普迪飞半导体:晶圆上的大数据挑战 正成为下一道竞争前线

来源:爱集微

#普迪飞#

#半导体#

#良率#

08-20 07:22

数据密集带来的挑战在一片晶圆上就足以体现。从IC设计、制造到封测,一片晶圆要经历成千上百道工序,每一道工序都会产生大量数据。这些海量数据在半导体工厂追溯问题、提升良率上承担着越来越重要的角色。

然而,半导体公司做数据分析异常艰难,因为半导体产业链极其长且高度细分,每一个环节都是由一大批专业的公司在做。这就意味着,小小一片晶圆上的数据要串联起来,面临着诸多实际困难。这是实现半导体工业4.0第一步要解决的问题。

“目前,传统半导体数据分析的现状是几乎90%的时间花在前期的数据清洗和数据整合上。”普迪飞半导体高级应用总监Edward Yang对集微网指出。Edward曾就职于苹果、恩智浦和罗克韦尔等领先公司,拥有20多年的行业经验。目前他在普迪飞负责Exensio Analytics Platform的全球应用工程团队。

作为新生产力的数据,能为半导体产业带来什么价值?

良率是半导体产业最重要的核心要素,它是芯片从实验室阶段到量产的重要衡量标准。与此同时,从经济学角度上看,芯片良率更与整体成本密切相关。

对于芯片企业来说,芯片良率直接反映了所投放的芯片可出售比例,因此也直接影响芯片制造成本,这也是半导体厂商如此重视良率的原因。半导体材料厂商Entegris执行副总裁及首席运营官Todd Edlund就曾在接受媒体采访时简单算过一笔账:对于3D NAND晶圆厂而言,1%的良率提高可能意味着每年1.1亿美元的净利润;而对于尖端的逻辑晶圆厂而言,1%的良率提升意味着1.5亿美元的净利润。

与此同时,伴随着终端智能化应用的爆发性增长,半导体芯片在全球范围内对各个行业的重要程度逐年递增,它在产品中所占的比重越来越大,对可靠性也提出了越来越高的要求。

在半导体先进制程不断向前的当下,良率问题已经不单单是晶圆厂的技术能力问题。其中数据的价值正日益凸显,因为从芯片设计到晶圆制造,再到封装、测试、PCB模板,然后做成产品进入到实际应用场景,任何一个环节出现问题都可能影响最终的良率。

然而,作为所有尖端技术基础的半导体产业,在挖掘数据价值,为产业发展提供有效洞察力的方面却并不超前。数据密集型的半导体产业正在经历着技术和应用的飞速发展,面临着大数据挑战。

具体来看,芯片设计和制造决定良率,封装测试决定产品最终的合格率。而良率还需要细分为wafer良率、Die良率和封测良率,总良率则是这三者的乘积。影响芯片良率的因素复杂多样,一般而言设计越复杂、工艺步骤越多、制程偏移率越大,芯片良率越低,同时环境因素(常见的环境因素包括尘埃、湿度、温度和光照亮度)也会对良率造成一定的影响。其中,影响最大的包括wafer尺寸、环境因素和技术成熟度。

在整个生产过程中会造成晶圆缺陷的原因有很多,可能是环境、设备、工艺问题,也可能是原材料或人员因素等。Edward指出:“如果产品出现了问题,你要第一时间知道是哪个环节出问题,整个半导体产业都需要重新审视这个问题,并引入更多有效的手段和工具。”在半导体先进工艺节点上,尤其下探到7nm、5nm时,随着工艺复杂度的提升,很多缺陷已不在晶圆表面上,而是埋在里面,这就使得在研发和量产时监控缺陷问题变得十分困难。因而提升良率除了从技术上调整之外,通过端到端全产业链的数据分析显得尤为关键。

从某种意义上来讲,这种挖掘数据价值从而实现提升半导体产业良率的方式,甚至可以被视为摩尔定律的另一种延续。

一片晶圆上的数据价值如何挖掘?

那么,如何把一片晶圆上密集的数据价值挖掘出来,从而对半导体设计、生产、封装、测试以及应用等各个环节提出有效的提升方案?这些对半导体企业而言实际操作起来并不容易。

除了庞大的数据量外,Edward指出,半导体行业进行大数据分析的一大问题是,半导体大数据种类繁多,这也给数据分析带来难度。“一片晶圆上包含了从IC设计到制造再到封装测试的各种数据,且每个环节的数据形式也不一样,分析的方法也不一样,如果不能好好整理的话,数据就杂乱无章,要去做一些问题的追溯,找出提升良率的解决方案就变得非常困难。”

Edward进一步指出,要实现覆盖半导体全产业链的数据分析,遇到的首要问题就是要如何实现这些数据格式标准化管理,比如从晶圆厂中把数据送到后续的测试厂,如何让数据格式实现标准化的通行方式,同时工业领域里又有ERP、MES等各类工业软件系统,这之间也存在数据格式如何实现标准化的问题,这些都是半导体行业实施工业4.0智能制造的关键点,也是半导体厂商在面对数据分析时的最大痛点。

普迪飞推出的半导体大数据平台Exensio 平台就是为此而生的。它整合了全产业链的大数据,包括对数据进行清洗以及分析的功能,服务于产业链上的各类公司。在半导体产业链垂直深耕20多年的普迪飞半导体,是唯一一家打通了整个半导体产业链,实现产业链端到端全覆盖的半导体大数据分析公司。

Edward介绍,Exensio平台是一套半导体供应链大数据分析基础设施。如果将整个产业链大致分为设计、制造及封测三大板块,根据每一个环节的特性,Exensio平台都有相对应的产品模块以供选择。具体来看,该平台包含了用于半导体生产缺陷侦测与分类模块(Fault Detection and Classification, Exensio-Process Control)、产品测试优化模块(Exensio-Test Operations)、半导体良率管理系统模块(Exensio-Manufacturing Analytics)与封装优化模块 (Exensio – Assembly Operations) 等,覆盖从IC设计、晶圆制造,到封装和测试等的半导体全产业链。

值得一提的是,普迪飞独有的CV(characterization vehicle)良率提升方法,不仅可以对工艺和产品特性提供针对性的设计,还可以通过灵活的工艺流程缩短监测的周期。整个系统包括高分辨的设计结构、高速并行的测试机台以及高效的良率分析软件。而在此之前,传统工艺技术采用导入工艺器件检测结构的方式来实现,如采用SRAM测试芯片来监测、诊断良率,但这种方法不够全面且周期很长。迄今,普迪飞已经提供了100多种10nm及以下的CV测试芯片。特别是CVi系统提供的大量的器件表征数据结合Exensio Platform中的数据分析功能,可以建立精确的、针对特定产品的性能模型,以实现针对特定产品的最佳工艺设置,从而最大程度地提高制造可靠性和可预测性。

连接全产业链的数据

这种全产业链数据分析的价值不止于此,Edward指出,更为重要的是,通过这样一个连通全产业链的数据平台,原本独立分工的各个产业链环节实现数据层面的互联。这种互联不仅仅只是设备之间的,同时也将各个环节的半导体工程师与所有的芯片生产、封装、测试设备连接起来,为设计和制造提供重要的回馈,有助于降低各项成本、提高性能和良率。

去年,普迪飞半导体与爱德万测试宣布建立合作伙伴关系,双方以普迪飞的 Exensio软件分析平台为基础,建立由Exensio驱动的爱德万测试云(Advantest Cloud),供爱德万公司内部和外部客户使用。通过这一合作,能为半导体工程师连接起横跨半导体价值链的自动化测试设备(Automated Test Equipment, ATE),推动重要设计并产生制造分析,藉此降低测试成本、提升效能。

全球前十大的半导体企业都是普迪飞的客户。迄今为止,在IC设计部分,普迪飞的Fire Engine软件分析了100亿个晶体管的版图结构;在晶圆制造环节,全球超过24,000台芯片生产设备通过其提供的生产监控软件进行连接;在封装测试部分,全球超过15个头部封测服务供应商的工厂数据与该平台对接,超过16,000台测试机和封装设备通过其监控整个运营情况的软件相连接。

值得一提的是,普迪飞也同样关注半导体初创公司和中小型企业的数据分析需求,针对不同成长阶段和规模的半导体企业,推出相应的数据分析模块以满足个性化的需求。

行业数据显示,截止到2020年中国的IC设计企业达到了2218家,比2019年的1780家多了438家,数量增长了24.6%。但从规模上看,大部分公司还局限在小而弱的状态。Edward指出,近年来,国内的半导体工艺一直在更新换代,IC设计公司也成长很快,但总体来看,目前国内的IC设计公司,尽管设计能力很强,可是在做数据分析、IT维护、导入量产方面,与国外公司相比则较弱。针对此,普迪飞专门推出了一款基于云端部署的半导体数据分析平台Exensio Fabless Quick Start,由普迪飞维护IT设备资源,可以帮助处于起步阶段的设计公司实现定制化的数据分析能力,从而实现数据的深度追踪和挖掘。

点击此处或扫描下方二维码,免费体验Exensio Fabless Quick Start。

更高质量的数据、更智能的预见性分析

据Edward观察,在服务半导体产业链的过程中,半导体厂商的数据分析需求在过去十多年中也不断发生着变化。从早期的由客户提供数据,然后普迪飞基于这些提供的数据进行分析并给出调整相应工艺制程的建议,渐渐转变到从客户希望达到的效果和目标入手,普迪飞基于此来建议客户需要做哪些分析,需要采集什么样的数据,同时也会帮助客户去采集相关的数据。

“采集到高质量的数据,对于数据分析的效率以及产生的价值意义重大。”Edward指出。去年,普迪飞收购了智能制造和工业4.0设备连接产品供应商Cimetrix,就是看重其强大的数据采集能力。

据介绍,超过150家半导体设备公司使用Cimetrix产品为数百种设备类型提供工厂自动化连接。这些软件产品是随设备一起装运的,这样工厂就可以很容易地从设备中获取数据,以改进制造。此外,Cimetrix Sapience智能工厂平台使世界各地的半导体制造、测试、封装与系统厂能够轻松地连接到工厂车间设备,以实现先进分析。

Edward指出,普迪飞将 Exensio与基于标准的领先连接产品Cimetrix相结合,采集到的数据实现统一标准、格式,且数据更高频高质量,数据分析的效率和质量都将得到大大提升。

高质量的数据对于训练人工智能模型从而应用到半导体行业中,实现更智能、准确的预见性分析有重要意义。而整个行业也开始越来越注重在问题发生之前如何预警从而规避。人工智能技术的导入也是业界趋势。

Edward举例,以晶圆厂为例,普迪飞的Process Control软件中有一部分功能用于监测机台设备,通过收集的过往数据来分析预测机器大约会在运作多少小时之后容易出现问题,导致生产的wafer报废。通过该功能可以实现提前停机检修。而以往,都是等到机器开始生产报废的wafer后,才会停机。此外,人工智能还可以把很多的专家经验进行数字化整合,从而实现管理和预测。在不需要专家在场的情况下,依然能够实现大规模推广应用,其关键点是需要大量的数据来支撑实现。

30年来,普迪飞半导体与国际一流的流片厂及设计公司密切合作,帮助先进 Fab、Fabless、IDM/System等国际领先的半导体公司完成了众多先进工艺量产项目,它的数据魔法陪伴着半导体产业共同迭代升级,而随着全行业智能化的深入,这种对于数据价值的挖掘也将是产业永恒的话题。

(校对/范蓉)

责编: Aki

Carrie

作者

微信:

邮箱:

作者简介

集微网IC频道副主编,关注人工智能、智能制造、智驾及AIoT产业链。

读了这篇文章的人还读了...