半導體產業(yè)先進制造的工程智能之路

今天，無論是5G、物聯(lián)網(wǎng)、汽車、數(shù)據(jù)中心等的實現(xiàn)與發(fā)展都建立在更高性能、更低功耗的芯片的基礎之上。芯片的持續(xù)進步倚賴于更好的設計、更小的晶體管尺寸（Moore's Law）、更高的晶體管密度、革新的制程架構(FinFET, GAA)以及高性能的材料或更好的封裝策略。而更小更快更便宜的芯片實現(xiàn)都來自于半導體制造技術的提升。在半導體的商業(yè)化進程中，良率直接關系到芯片的產量、生產成本與企業(yè)的盈利能力。但隨著芯片復雜度的幾何增加，生產流程的不斷加長，以及晶圓進入300mm時代，芯片的制造變得極其復雜與精密，良率變得極具挑戰(zhàn)。

為了能夠快速、高效且使用低成本的方式來生產這些芯片，我們需要用到新的光刻技術、新的光學掩膜技術，以及新材料的突破 ，比如尋找銅的替代品來獲得更好的連線性能。同時用于生成這些材料的化學沉積設備也會更加復雜，需要采用先進的過濾技術，因為極其微小的污染物也會導致嚴重的良率問題。除了這些硬件科技之外，這幾年半導體智能制造工業(yè)軟件的重要性也逐漸被業(yè)界認知。

智能制造工業(yè)軟件的應用范圍很廣，特別是在高度重視品質、良率、產能，且生產流程復雜的行業(yè)，智能制造工業(yè)軟件必不可少，半導體制造產業(yè)就是這類行業(yè)的代表。我們知道，芯片制造是全球性產業(yè)，凝聚了全人類的智慧，從普通的沙子到指甲蓋大小的芯片，需經(jīng)歷 6000 多工序，堪稱奇跡。而高精尖設備和工業(yè)軟件是成就這一奇跡的兩大保障。

智能制造工業(yè)軟件之工程智能

此前，我們對半導體智造端的CIM，尤其是MES軟件做了一定的介紹，在這個領域，國內已有不少新老玩家被業(yè)界熟識?，F(xiàn)在我們發(fā)現(xiàn)，半導體智能制造領域的又一大類工業(yè)軟件也開始嶄露頭角。

通常，我們把智能制造工業(yè)軟件分成三大組件：制造系統(tǒng)（以MES（Manufacturing Execution System）為代表，負責排產/追蹤/報表），工程系統(tǒng)（以EES（Equipment Engineering System）為代表，負責監(jiān)控/分析/控制），產品系統(tǒng)（以YMS（Yield Management System）為代表，負責良率提升/增強管理）。制造系統(tǒng)可以實現(xiàn)工廠生產的自動化，并且持續(xù)運營；工程系統(tǒng)和產品管理系統(tǒng)則決定了工廠最終能否處于領先地位。打個比方，制造系統(tǒng)就像人的手一樣，搬運制造物品，工程系統(tǒng)和產品系統(tǒng)則通過經(jīng)驗模型和人工智能的加入，打造出類似于人的大腦的功能，決定整個身體的下一步行動。工程系統(tǒng)和產品系統(tǒng)需要在大量的底層工程數(shù)據(jù)基礎上將工程的長期應用知識轉化為模型和算法，形成持續(xù)演進的工程智能方案。工程智能將整合供應鏈，產品線，質量管控的數(shù)據(jù)，為下一代智慧工廠快速響應市場不斷變化的需求并提供高質量個性化的產品奠定堅實基礎【1】。

復雜的生產步驟、海量數(shù)據(jù)給半導體工廠的新產品和新制程導入、良率達標與改善、工廠產出效率改善帶來了極大的挑戰(zhàn)，這些問題能否解決就決定了工廠的盈虧生命線、持續(xù)發(fā)展能力和核心競爭力。所以除了制造系統(tǒng)之外，市場對于制造端的工程智能應用（Engineering Intelligence）軟件需求也極為迫切。但是，目前能夠滿足半導體客戶需求的工程智能應用軟件屈指可數(shù)。

那么，工程智能軟件為何如此難？

半導體制造行業(yè)屬于工業(yè)制造的最高級別，如去年IBM官宣的2nm制程，生產制造的步驟可以高達數(shù)千步之多，生產周期動輒需要兩三個月的時間，生產過程中涉及的參數(shù)變量繁多，產生的數(shù)據(jù)量龐雜【2】。受上述因素限制，常規(guī)的實驗設計方法，即通過單純人力更改參數(shù)空間來得到最優(yōu)解的方法無法使用。正如西門子在對于智能電子工廠使用的軟件遠景中描述：分析巨量的數(shù)據(jù)不是一個容易的任務，但是唯有這樣做，才能夠定位問題，預測和解決質量問題【3】。所以合格的工程智能軟件系統(tǒng) ，必須在生產流程中不停的監(jiān)控定位設備的問題，優(yōu)化產線性能，以此來減少新產品引入的時間和實現(xiàn)良率的快速提升。為了達到這個目標，必須實現(xiàn)以下若干性能：

                                                             圖一：智能制造數(shù)據(jù)的層級【4】

芯片在復雜生產過程中產生的數(shù)據(jù)量極大，這些原始數(shù)據(jù)不經(jīng)過清洗加工處理是無法使用的，而原始數(shù)據(jù)的清洗準備費時費力，如果缺乏優(yōu)秀工具就只能有少量數(shù)據(jù)得到利用。而海量的數(shù)據(jù)處理除了需要配備充足的算力資源，還需要先進的算法迭代和針對多種場景的準確建模，這對于軟件工具的性能指標和算法模型的積累都提出了很高的要求。除此之外，影響先進半導體制造良率與產出效率的因素越來越多，各種因素之間的相關性復雜，例如全球領先的公司已經(jīng)意識到有必要將更多的生產中環(huán)境因素如溫度、濕度、氣體流量等一起納入分析，這就給工程智能軟件提出了新的要求。

半導體生產良率解決方案的技術革新道路

半導體生產良率(Yield)是半導體產業(yè)的終極挑戰(zhàn)。在半導體產業(yè)從設計-制造-封測的全流程中，發(fā)生良率損失的環(huán)節(jié)有多個，例如，設計和制造中的制程窗口過窄，脫離正常狀態(tài)的機器，非正確操作導致的致命錯誤，缺陷、封測良率等都是會影響良率的部分。針對不同的失效問題，需要不同的軟件模塊進行監(jiān)控分析及相應的操作處理。

                                                              圖二：芯片生產中的良率影響因素及改進方法

在制造過程中，設備效率和穩(wěn)定性及工藝的一致性是確保高產品質量和產量重要因素。以EES為主的工程系統(tǒng)就是實現(xiàn)了工藝生產設備的全方位的精細化管控，在全廠數(shù)千臺工藝設備生產過程中，工程師必須具備實時監(jiān)控和控制過程變化的能力，而EES中最具有代表性的應用就是設備異常監(jiān)控及分類系統(tǒng) (FDC , Fault Detection and Classification) 系統(tǒng)。FDC系統(tǒng)結合統(tǒng)計過程控制 (SPC, Statistical Process Control) 和多變量分析等嵌入式功能，可以有效地實時監(jiān)控來自成千上萬的工藝設備傳感器的流數(shù)據(jù)，并實時提供工藝過程異常的通知。借助使用良好的 FDC 系統(tǒng)，工程師可獲得及時的洞察力，快速控制過程問題并及時干預。越早發(fā)現(xiàn)流程問題，這些問題對生產成本的影響就越小。事實證明，F(xiàn)DC 系統(tǒng)是工程師監(jiān)控流程和及早獲得潛在問題的有效方式。另外EES中的高階工藝過程控制系統(tǒng)R2R(Run-to-Run)則保障了工藝的穩(wěn)定性和一致性，通過前量測和后量測的數(shù)據(jù)實現(xiàn)了Wafer to Wafer的實時工藝調優(yōu)，不斷反饋，確保每一步工藝都能獲取最佳的生產條件，從而保證了每一步生產工藝的一致性，是提升CP/CPK 的有效手段。

                                                                      圖三：良率預測分析圖譜

良率的管控是需要從每個產品的合格率管控做起，產品管理系統(tǒng)則是對Foundry中生產的每片wafer，每片Die做全面的產品管理及追蹤分析，DMS主要是負責缺陷數(shù)據(jù)的分析，來分析wafer 上各個缺陷的分布，形成的原因，而YMS則負責良率失效數(shù)據(jù)的分析及日常產品良率的管理。

以數(shù)據(jù)為基礎的分析與決策一直是半導體制造產業(yè)的核心。隨著工業(yè)4.0時代的到來，材料，設備，傳感器，缺陷，測試每天產生PB量級的海量數(shù)據(jù)，如何從海量數(shù)據(jù)中有效地快速挖掘和提升數(shù)據(jù)的價值，敏銳的大數(shù)據(jù)洞察是確保產品競爭力的捷徑。同時，人工智能和大數(shù)據(jù)計算技術的發(fā)展開啟了新的智能制造的時代，在智能制造的過程中引入人工智能的思維，通過對整個工廠數(shù)據(jù)鏈的整合，可以建立制造工廠中的工廠大腦以實現(xiàn)無人干預的智能決策方式。所以綜合來看，大數(shù)據(jù)洞察與工程智能是保證產線健康，提升良率，從而確保晶圓廠競爭力的唯一路徑。

高階分析工具（例如：eDataLyzer）結合大數(shù)據(jù)和人工智能技術快速定位工廠中產生各種良率問題、設備問題、工藝問題、材料問題、甚至是和環(huán)境相關的問題，它是一個根本原因分析的工具（Root Cause Analysis）。結合工廠中所有的生產數(shù)據(jù)、設備數(shù)據(jù)、產品數(shù)據(jù)、不良數(shù)據(jù)、甚至環(huán)境數(shù)據(jù)，在數(shù)十種以上算法的加持下，能快速挖掘到數(shù)據(jù)之間的關系；特別是基于人工智能的傳感器數(shù)據(jù)（Trace Data）的分析，可以幫助工程師實現(xiàn)到一次到位的根因分析，這個是傳統(tǒng)YMS/DMS分析系統(tǒng)無法實現(xiàn)的，這樣就幫助了工程師進行快速的改善。另外通過根因分析流程的簡化，分布式計算技術和數(shù)據(jù)挖掘技術的結合，大量減少了工程師的分析時間，大大提升工程的分析效率，幫助制造商提高響應速度和生產力。

云計算帶來的靈活性，可靠性和安全性已經(jīng)滲透到制造行業(yè)中。未來的工廠將采用云計算來取代傳統(tǒng)的IT固定資產擁有方式。這也會使得決策者可以重新把關注點拉回到時間成本和人力成本等核心的企業(yè)競爭力技術和策略上。動態(tài)工藝過程異常監(jiān)控系統(tǒng)DFD (Dynamic Fault Detection)則是基于云和人工智能算法基礎上更加智能的FDC系統(tǒng)。它不需要依賴工程師的工藝經(jīng)驗模型，通過算法，實現(xiàn)了設備生產過程中全參數(shù)、全過程的全自動監(jiān)控，讓生產異常無處躲藏。另外DFD已經(jīng)開始采用私有云或者公有云部署，打破本地部署的傳統(tǒng)方式，降低了安全和運維成本，部署靈活高效，增加了系統(tǒng)的整體擴展性。

面向泛半導體產業(yè)的工程智能軟件供應商

但很無奈的是，半導體生產良率軟件方案長期以來也是歐美公司主導，包括西門子(Mentor Graphics)、 新思科技(Synopsys)、應用材料(Applied Materials)、普迪飛(PDF Solutions)等。我們都知道，在制造執(zhí)行系統(tǒng)MES領域已經(jīng)有多家中國本土公司在探索，而工程智能領域由于其積累時間長、開發(fā)難度大從而導致進入門檻極高，之前沒有中國公司真正涉足。但筆者注意到，在半導體工程智能領域，近期有一家公司浮出水面，那就是深圳智現(xiàn)未來工業(yè)軟件。

該公司前身為韓國BISTel中國分公司，BISTel成立于2000年，在半導體智能制造系統(tǒng)和人工智能技術在半導體制造領域的應用中有20多年的積累。2021年10月該公司被中國科技集團收購，重組成為中國本土公司。此舉也將為我國智能制造軟件行業(yè)再下一城，除MES之外，我國也開始在設備工程系統(tǒng)（EES）領域布局。

智現(xiàn)未來工業(yè)軟件有限公司CEO許偉先生在接受《半導體行業(yè)觀察》采訪時指出，全球的重要經(jīng)濟體都認識到了半導體產業(yè)是數(shù)字經(jīng)濟的基石，歐美日韓新加坡等將半導體產業(yè)視為國家戰(zhàn)略。由于地緣政治競爭，海外半導體設備供應商一方面希望收獲中國市場，另一方面限制在智能制造工業(yè)軟件的輸出。各國對于AI技術的輸出則更為謹慎，一旦涉及到半導體智能制造軟件的AI應用，海外供應商對中國公司的支持往往受到極大的束縛。許偉先生透露，曾經(jīng)有中國公司收購海外公司的工廠和產線，在獲得完整的交接清單后，發(fā)現(xiàn)硬件設備完整而相應的工業(yè)軟件系統(tǒng)要么無法獲得，要么無法持續(xù)升級維護。所以發(fā)展自有的工業(yè)軟件至關重要。

在國家的十四五規(guī)劃中，發(fā)展硬科技成為國家戰(zhàn)略，對工業(yè)軟件的重視已經(jīng)是上下共識，我們很高興看到越來越多的本土工業(yè)軟件公司開始探索，為將來更多在建的或者未來的晶圓廠和封測廠等提供強有力的支持。

聲明：本文版權歸原作者所有，轉發(fā)僅為更大范圍傳播，若有異議請聯(lián)系我們修改或刪除：zhangkai@cgbtek.com