设为首页 设为首页 加入收藏 加入收藏 网站地图
[请登陆][免费注册]
搜 索

您的位置 :首页  新闻产业观察
技术颠覆需要协作型解决方案
出自:泛林集团 Jason Shields

当今,我们所处的世界瞬息万变。而技术正作为时间的双重指数函数,不断取得进展。那么,是哪些因素推动了技术的快速发展呢?我认为正是摩尔定律与互联网技术的瞬息万变,带来了这种前所未有、难以把握且呈指数级的快速变化。

当然,如今推动因素还要加上机器学习、人工智能这一热门应用,可以说这些技术正在颠覆我们做的所有事情,包括制造。

处理数据
试想一下如今晶圆厂的结构。我们曾经出售了一台设备给晶圆厂,它是一个腔室,具有控制组件,并可以和主机通信。客户尝试通过填充数据库以利用设备所采集的数据。但是,这些数据库仍旧是不完整的、断裂的,因为存在着数据孤岛,所以总有些信息处于非活跃状态。

晶圆厂为了表征化工艺并实施有效控制,需要进行测量,且这种测量的次数正在快速增加,然而随之而来的还有无效测量数量的增加。

我们的愿景
未来,晶圆厂不会再使用含有隔离信息的硬件。泛林集团将各台设备想象成网络中的节点。设备数据将与自学习算法相结合,该算法使用有关部件、测量、上游和下游工艺、设备以及良率的数据。晶圆制造流程各个部分的信息都会从设备中输入和输出,所有工艺数据都会由传感器收集,并在合适的时间以正确的格式记录和发送,从而提供精准控制。

理想情况下,一个节点应当:

·能够自我感知和自行控制;

·了解何时需要维护;

·可以根据情况自行修正,包括故障后续修正,用于稳定结果和良率,最大化生产力和降低成本。

这是一个以大数据、深度学习算法和工艺专业化为基础构建的宏大愿景,是未来实现智能设备功能的关键所在。

例如,我们在构建像腔室这样的某个工艺的中心节点时, 不但要使用设备本身的工艺数据,还要使用该节点上游和下游的信息,以便确切了解转动刻蚀机的温度旋钮时,会对工艺带来怎样的影响?我们的愿景是让设备具有自我意识,并成为网络的组成部分。

聚焦六大技术
下述六项技术正被应用于自动化或智能晶圆厂设备。

1.数据组织

对于泛林集团及其客户来说,从设备中获取数据只是整个系统的起点。然而,晶圆厂各不相同,尽管他们都希望获得尽可能多的数据,但他们对数据的分析和使用方法也不尽相同。

我们采用的方法是为客户创建具备灵活性的接口,即标准 API。它们不仅适用于不同类型、速度和容量的设备数据,还能同时保持其完整性。

一旦用户从设备中提取数据后,就需要对数据加以管理,并将其整合到工厂中。随后,我们就会收到无数关于如何管理这些数据的请求。有些用户想将这些数据存放在自己的系统上,或是将其存放在我们的系统上,也可能想同时存放在自己和我们的系统上,甚至将其存放在云端。

2.大数据机器学习平台


我们的初衷是开发一个能够用作管道或存储数据库的平台,使用行业标准组件、配合现有系统实施数据管理,支持有关通信的标准集成,并为所有泛林集团的设备提供群集控制,同时确保实施的灵活性,让客户能够根据自己的需求进行选择。

除了创建能够利用数据和跨设备组管理的算法之外,还必须不断更新这些算法。此外,确立能够可靠使用第三方软件的标准也很重要,以了解在设备上,以及在封装环境中都能做些什么。

3.自动化

关于利用自动化来降低运行过程中的差别,有多个步骤需要考虑。举例而言,我们需要通过机器学习来分析数据,检测组件偏位和模型以便重新调整,利用上下文标识 (ID)让组件和子系统跟踪使用情况,开发子系统健康状况和组件使用寿命模型,监测部件故障和早期故障,以及实现自动化硬件认证、校准、设置和故障排除。

例如,在确认腔室达到稳定的工艺条件上需要花费大量时间。然而,在刻蚀腔室或沉积设备上花费的时间则更长。

但是,期间会出现维护和替换部件的问题。为了支持自动、预测性的维护,我们必须掌握系统的当前状况,因此需要增加传感器的数量,以确定即将出现故障的部件。

然而,更换部件具有一定难度。了解设备上都有哪些部件似乎很简单,实则颇具挑战性。它远不止输入一串序列号那么简单,而是需要真正了解该部件,以便找出能够替换的型号和节点。

但是,您可以围绕设备本身制定策略。例如,通过自动更换部件,实现更高程度的自动化维护,借此提高生产力。

4.传感器和工艺控制

目前,设备上发生的很多问题都会限制生产力和工艺能力。我们可以利用传感器,从多个方面实施改进,例如监测内容、分析数据的方法,以及更快速地得出结论。我们希望能够利用工艺进行期间以及从上游节点收集到的数据,实时做出决策。在设备周边增加传感器之后,就能够使用更多信息来控制实际晶圆。

由于工艺控制成本高昂,为了掌握当前状况,用户必须实施大量测量,而对这种测量的需求只会日益增多,不会减少。晶圆厂约 9% 的预算都花费在测量和工艺控制上。为了获取结构表征,它可能需要采集数千幅透射电子显微镜(TEM)图像。但是,因为噪声和质量问题,这些测量数据中通常有 80% 左右都用不上。

随着实施这些测量采用的技术成本不断攀升,如果我们不能找出一种功效更高、成本更低的解决方案,整个行业都将面临经济问题。

泛林集团对这一领域非常关注,我们把从晶圆工艺中获得的信息与上游或后续工艺中获得的信息结合起来,用于确定高效的控制循环,借此实现工艺稳定性,此举可以减少测量或测量策略。

挑战在于,要将不同的元素结合在一起,利用原有的大数据和分析来提高生产力,降低不同类型的前馈控制和反馈控制、以及周边算法之间的差异,并且了解旋转工艺设备上的不同旋钮带来的影响。

5.虚拟工艺流程

如果我们能够对代表腔室性能的特定工艺模型实施校准,那么,在我们运行 DoE进行工艺开发时,我们就能够取消上述讨论过的大部分无附加值的路径。

如此,我们就无需测量一千个结构或一千个 TEM,而是能够利用虚拟工艺流程,在短时间内测量百万个 TEM。通过查看未经测量的结构数量,了解工艺腔室对整个设备布局的影响。同时,我们也可以扩展这项功能,以同时了解光刻和刻蚀的不同工艺影响,从而采用更加精巧的方法,借助模型来进行工艺开发。

6.先进的生产力解决方案


要能够提供如此先进的设备控制和故障排除、维护品质和自动化程度、智能数据管理,以及远程监测,借此优化设备综合效率(OEE),需要具备一个服务和软件支持子系统。

泛林集团目前拥有这种系统,并致力于继续扩展这种能力,用于打造未来的服务框架,它不但能够支持设备,还能让自身融入网络节点。

模式转变:携手合作,推动创新
或许没有哪家公司能够独立完成这项任务。让一台机器成为整个工厂智能网络众多节点中的一个智能节点,这是一个宏大的愿景——这需要采用众多新兴技术和核心竞争力,但并不是依托一个组织,而是整个行业生态系统。

行业需要变革,从如今松散连接的区域转变成网络节点,这样数据能够来回流动,来自多方团体的算法能够在同一设备上运行,并且能够以更低的拥有成本实现控制。

团队携手努力,方能取得成功。在这个复杂环境中运营,协作至关重要。但协作并不是件简单的事。

我们需要解决的最大难题就是:资产归谁所有,以及我们如何共享这些价值。我们应如何与客户、供应商、合作伙伴,甚至竞争对手合作,以实现这种空间?

关于数据,目前争论颇多,我们需要跨越这些争议,找出共享这些数据的方法,让其能够在为我们的客户及其客户开发所需的解决方案期间发挥效用。随着时间的推移,在协作方面,我们将制定更多标准方法。

泛林集团已经开始着手制定这些标准,并通过投资传感器、虚拟工艺流程、大数据架构和管理、软件和控制、平台和机器人,以及先进服务,引领行业进入“智能设备”时代。通过携手合作,我们将持续创新,以将这种先进的工艺流程愿景带给我们的客户。

 

 

0
文章收入时间: 2018-05-04
 
SEMI简介 | About SEMI | 联系我们 | Privacy Policy | semi.org
Copyright © 2018 SEMI®. All rights reserved.
沪ICP备06022522号
沪公网安备31011502000679号