中经视野首页研究报告中经榜

半导体制造工业互联网实践之路

2020-11-21 01:46

文 / 工信智媒   编辑 / 庄梅

字号

  一月十九日,“‘智造未来-半导体先进制造’专题论坛成功召开2020北京微电子国际研讨会,来自中芯国际、北方华创、英飞凌等海内外知名半导体企业的100多名业界精英出席了本次论坛。工业互联网服务商寄云科技总裁时培昕博士在出席此次论坛时做了《半导体制造工业互联网实践之道》的汇报,从工业互联网、大数据、人工智能等角度,为半导体制造行业的发展提出了创新的思路。

1-1.jpg

  半导体制造产业机遇与挑战

  数字表明,随着智能网络设备、AI芯片和存储、显示等领域的需求激增,半导体市场将迎来一段爆发增长期。据SEMI预测,从现在到2024年,全球将新增至少38家300mmFab工厂,作为半导体产业的支柱产业,其制造显然将成为市场发展的基础。

1-2.jpg

  但是,半导体制造业是世界上最为复杂和精密的制造业,它面临着更高性能、更低功耗、更小的单位面积成本等不断提升的挑战。但另一方面,该领域也面临着摩尔定律无法替代的尴尬,因为更先进的工艺需要超乎想象的投资,企业和投资者很难承担这样的风险;同时,更先进的工艺还受到光刻(包括光刻设备,光刻胶等),器件物理中的量子效应,互连寄生效应,耗电,延迟,封装等整个产业链的限制。

1-3.jpg

  因此,面对半导体制造的关键生产步骤上千个,每道工序的工艺参数多达几千个,每道工序的良率要求都在99.99%以上…这一特点,如何有效地控制工艺质量是一项艰巨的任务。时培昕博士指出,需要通过一系列工艺控制和数据分析,配合设备自动化系统,实现生产全控制,并对生产过程中出现的各种设备异常、工艺异常进行规避和预测,从而保证良率和产能。

  工业互联网化解半导体制造挑战

  高级过程控制(APC)是半导体制造中应用最为广泛的领域之一,它旨在调整单环控制器的设置,使关键操作变量接近目标,使操作接近约束,即局部“优化”形式。常规APC需要有经验的操作员,根据他们对工艺的认识,当前的操作状况,以及生产计划等因素,来完成先进工艺控制工作。

1-4.jpg

  与传统的APC模型相比,工业互联网中物联网、大数据、人工智能的迅猛发展为APC提供了更多的可能性,APC通过阶跃响应模型来确定要调整的回路,并通过何种方式使其保持在最佳状态,而基于工业互联网的APC能够更充分地发挥过程知识和专家经验的作用,并以海量实时数据与历史数据的融合为支撑,实现对过去难以直接监测的对象进行先进的过程控制监控;同时,这种融合的数据基础也为模型灵敏度、模型精度等方面的实时优化提供了可能。

  工业因特网和APC的结合当然不容易,时博士总结了半导体企业在数字化转型过程中面临的三大挑战:

  1海量与实时的数据

1-5.jpg

  你可以从应用材料公司的调查数据中看出,在半导体领域,关键设备每一周期平均产生的数据超过一PB。大数据量激增的原因有“高频”,有些设备甚至每50毫秒产生一次数据;另一个原因是“高参量”,有些机台采集参数达数千个;还有一个重要原因是工艺升级所带来的工艺设备节点的倍增,大家可以看到,仅仅从2D工艺升级到3D工艺,这些节点增加了3倍,而且其本身就非常庞大。

  2过程的动态变化

1-6.jpg

  在半导体制造业中,设备和工艺的复杂性在不断增加,呈现出越来越强的多变量相关性、前后工序依赖性等特征,这些特征要求对长期的历史数据和设备间的数据对比进行深入的数据分析。此外,制造工艺的动态变化特性也是工业中的一个难点,它包括多工序的动态切换、背景强相关、异常事件处理、设备维护与恢复等。

  3传统过程控制的局限性

1-7.jpg

  常规过程控制普遍存在着局限性,如FDC(Fault Detectionand Classification)固定的告警门限无法动态调整,大量依赖专家经验的确认工作,UCL/LCL设置仅针对单变量,无法早期预警,大量SPC告警记录,过多无意义的Control Chart,以及R2R(Run to Run)固定的控制规则,无法动态适应,预测能力和控制精度有限。

  针对这一问题,时博士提出了四种相应的解决办法来解决这些问题:

  集成:通过工业互联网平台对设备的实时数据进行采集,通过ETL实现业务系统的数据集成。在整个业务系统中实现数据集成和指标计算,方便应用开发。

1-8.jpg


  大规模数据并行处理与管理:利用大规模数据技术实现计算任务的并行处理,利用边缘计算网关实现实时本地化操作。较好的实现了对海量数据的扩展,提高了分析和模型的效率。

1-9.jpg

  数据分析与专家知识相结合:结合专家经验、设备状态和过程动态,实现多维预测型分析。完成质量、生产能力、设备寿命的预测,快速发现异常并解决大事故。

1-10.jpg

  AI:依靠机器学习和AI分析,学习历史数据中故障的特征,通过相似度对比判断,实现专家知识经验的数字化,自动诊断和定位,实现故障和异常预测。

1-11.jpg

  寄云科技赋能半导体制造

  同时,他还通过三个实际项目案例,展示了工业互联网如何在半导体、光电、汽车制造等复杂制造领域进行赋能。

  《半导体设备过程监控与过程分析》实现了3000点/秒的机台海量数据的写入与查询,对关键工艺指标进行实时监控,对多台设备进行群集管理,对关键输出指标进行稳定控制等。

1-12.jpg

1-13.jpg

  从712个工艺参数中,计算出各参数对翘曲的影响程度,建立了一个工艺参数vs翘曲度的虚拟量测模型,对翘曲度进行实时预测,几小时后,根据工艺参数实时预测翘曲度,从而实现虚拟量测工艺优化。

1-14.jpg

  实现了“设备运行效率分析与优化”系统自动采集数据,自动监测设备运行情况和参数采集,实现生产数据的可视化,生产过程的透明化,提高了操作决策的效率,通过数据分析直接给出效率降低的原因,提高了问题快速定位的速度,实现精细、精益设备管理。该项目最终获得了OEE9%的升幅。

1-15.jpg

1-16.jpg

1-17.jpg

  所有的成功应用都是建立在基于数据智能的工业互联网平台上的——发送云NeuSeer平台上,包括“实时获取设备数据”、“在边缘端进行智能计算”、“实现异构数据的集成和指标计算”、“分析、诊断、预测和模拟指标”、“基于指标的可视化和应用”等等,都可以一步到位地实现平台提供的系列产品或组件。

本文来源本站,转载请注明来源!文章仅代表作者观点,不代表中经视野立场!(图片来源互联网,版权归原作者所有)
广告、内容合作请点这里:

相关推荐

评论(0)

我要跟帖
已输入0
发表
新评论

60244

阅读

19

文章

热门文章

关于中经商业评论

微信扫一扫