本文來自微信公眾號(hào)半導(dǎo)體行業(yè)觀察，作者/杜芹。
今天，無論是5G、物聯(lián)網(wǎng)、汽車、數(shù)據(jù)中心等的實(shí)現(xiàn)與發(fā)展都建立在更高性能、更低功耗的芯片的基礎(chǔ)之上。芯片的持續(xù)進(jìn)步倚賴于更好的設(shè)計(jì)、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(gòu)(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(shí)現(xiàn)都來自于半導(dǎo)體制造技術(shù)的提升。在半導(dǎo)體的商業(yè)化進(jìn)程中，良率直接關(guān)系到芯片的產(chǎn)量、生產(chǎn)成本與企業(yè)的盈利能力。但隨著芯片復(fù)雜度的幾何增加，生產(chǎn)流程的不斷加長，以及晶圓進(jìn)入300mm時(shí)代，芯片的制造變得極其復(fù)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(chǎn)這些芯片，我們需要用到新的光刻技術(shù)、新的光學(xué)掩膜技術(shù)，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(shí)用于生成這些材料的化學(xué)沉積設(shè)備也會(huì)更加復(fù)雜，需要采用先進(jìn)的過濾技術(shù)，因?yàn)闃O其微小的污染物也會(huì)導(dǎo)致嚴(yán)重的良率問題。除了這些硬件科技之外，這幾年半導(dǎo)體智能制造工業(yè)軟件的重要性也逐漸被業(yè)界認(rèn)知。
智能制造工業(yè)軟件的應(yīng)用范圍很廣，特別是在高度重視品質(zhì)、良率、產(chǎn)能，且生產(chǎn)流程復(fù)雜的行業(yè)，智能制造工業(yè)軟件必不可少，半導(dǎo)體制造產(chǎn)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(chǎn)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(shè)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(duì)半導(dǎo)體智造端的CIM，尤其是MES軟件做了一定的介紹，在這個(gè)領(lǐng)域，國內(nèi)已有不少新老玩家被業(yè)界熟識(shí)?，F(xiàn)在我們發(fā)現(xiàn)，半導(dǎo)體智能制造領(lǐng)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(fù)責(zé)排產(chǎn)/追蹤/報(bào)表），工程系統(tǒng)（以EES（Equipment Engineering System）為代表，負(fù)責(zé)監(jiān)控/分析/控制），產(chǎn)品系統(tǒng)（以YMS（Yield Management System）為代表，負(fù)責(zé)良率提升/增強(qiáng)管理）。制造系統(tǒng)可以實(shí)現(xiàn)工廠生產(chǎn)的自動(dòng)化，并且持續(xù)運(yùn)營；工程系統(tǒng)和產(chǎn)品管理系統(tǒng)則決定了工廠最終能否處于領(lǐng)先地位。打個(gè)比方，制造系統(tǒng)就像人的手一樣，搬運(yùn)制造物品，工程系統(tǒng)和產(chǎn)品系統(tǒng)則通過經(jīng)驗(yàn)?zāi)Ｐ秃腿斯ぶ悄艿募尤?，打造出類似于人的大腦的功能，決定整個(gè)身體的下一步行動(dòng)。工程系統(tǒng)和產(chǎn)品系統(tǒng)需要在大量的底層工程數(shù)據(jù)基礎(chǔ)上將工程的長期應(yīng)用知識(shí)轉(zhuǎn)化為模型和算法，形成持續(xù)演進(jìn)的工程智能方案。工程智能將整合供應(yīng)鏈，產(chǎn)品線，質(zhì)量管控的數(shù)據(jù)，為下一代智慧工廠快速響應(yīng)市場不斷變化的需求并提供高質(zhì)量個(gè)性化的產(chǎn)品奠定堅(jiān)實(shí)基礎(chǔ)【1】。
復(fù)雜的生產(chǎn)步驟、海量數(shù)據(jù)給半導(dǎo)體工廠的新產(chǎn)品和新制程導(dǎo)入、良率達(dá)標(biāo)與改善、工廠產(chǎn)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(duì)于制造端的工程智能應(yīng)用（Engineering Intelligence）軟件需求也極為迫切。但是，目前能夠滿足半導(dǎo)體客戶需求的工程智能應(yīng)用軟件屈指可數(shù)。
那么，工程智能軟件為何如此難？
半導(dǎo)體制造行業(yè)屬于工業(yè)制造的最高級(jí)別，如去年IBM官宣的2nm制程，生產(chǎn)制造的步驟可以高達(dá)數(shù)千步之多，生產(chǎn)周期動(dòng)輒需要兩三個(gè)月的時(shí)間，生產(chǎn)過程中涉及的參數(shù)變量繁多，產(chǎn)生的數(shù)據(jù)量龐雜【2】。受上述因素限制，常規(guī)的實(shí)驗(yàn)設(shè)計(jì)方法，即通過單純?nèi)肆Ω膮?shù)空間來得到最優(yōu)解的方法無法使用。正如西門子在對(duì)于智能電子工廠使用的軟件遠(yuǎn)景中描述：分析巨量的數(shù)據(jù)不是一個(gè)容易的任務(wù)，但是唯有這樣做，才能夠定位問題，預(yù)測和解決質(zhì)量問題【3】。所以合格的工程智能軟件系統(tǒng)，必須在生產(chǎn)流程中不停的監(jiān)控定位設(shè)備的問題，優(yōu)化產(chǎn)線性能，以此來減少新產(chǎn)品引入的時(shí)間和實(shí)現(xiàn)良率的快速提升。為了達(dá)到這個(gè)目標(biāo)，必須實(shí)現(xiàn)以下若干性能：
圖一：智能制造數(shù)據(jù)的層級(jí)【4】
芯片在復(fù)雜生產(chǎn)過程中產(chǎn)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(zhǔn)備費(fèi)時(shí)費(fèi)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(jìn)的算法迭代和針對(duì)多種場景的準(zhǔn)確建模，這對(duì)于軟件工具的性能指標(biāo)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(jìn)半導(dǎo)體制造良率與產(chǎn)出效率的因素越來越多，各種因素之間的相關(guān)性復(fù)雜，例如全球領(lǐng)先的公司已經(jīng)意識(shí)到有必要將更多的生產(chǎn)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(dǎo)體生產(chǎn)良率解決方案的技術(shù)革新道路
半導(dǎo)體生產(chǎn)良率(Yield)是半導(dǎo)體產(chǎn)業(yè)的終極挑戰(zhàn)。在半導(dǎo)體產(chǎn)業(yè)從設(shè)計(jì)-制造-封測的全流程中，發(fā)生良率損失的環(huán)節(jié)有多個(gè)，例如，設(shè)計(jì)和制造中的制程窗口過窄，脫離正常狀態(tài)的機(jī)器，非正確操作導(dǎo)致的致命錯(cuò)誤，缺陷、封測良率等都是會(huì)影響良率的部分。針對(duì)不同的失效問題，需要不同的軟件模塊進(jìn)行監(jiān)控分析及相應(yīng)的操作處理。
圖二：芯片生產(chǎn)中的良率影響因素及改進(jìn)方法
在制造過程中，設(shè)備效率和穩(wěn)定性及工藝的一致性是確保高產(chǎn)品質(zhì)量和產(chǎn)量重要因素。以EES為主的工程系統(tǒng)就是實(shí)現(xiàn)了工藝生產(chǎn)設(shè)備的全方位的精細(xì)化管控，在全廠數(shù)千臺(tái)工藝設(shè)備生產(chǎn)過程中，工程師必須具備實(shí)時(shí)監(jiān)控和控制過程變化的能力，而EES中最具有代表性的應(yīng)用就是設(shè)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(jié)合統(tǒng)計(jì)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(shí)時(shí)監(jiān)控來自成千上萬的工藝設(shè)備傳感器的流數(shù)據(jù)，并實(shí)時(shí)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(shí)的洞察力，快速控制過程問題并及時(shí)干預(yù)。越早發(fā)現(xiàn)流程問題，這些問題對(duì)生產(chǎn)成本的影響就越小。事實(shí)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(shí)現(xiàn)了Wafer to Wafer的實(shí)時(shí)工藝調(diào)優(yōu)，不斷反饋，確保每一步工藝都能獲取最佳的生產(chǎn)條件，從而保證了每一步生產(chǎn)工藝的一致性，是提升CP/CPK的有效手段。
圖三：良率預(yù)測分析圖譜
良率的管控是需要從每個(gè)產(chǎn)品的合格率管控做起，產(chǎn)品管理系統(tǒng)則是對(duì)Foundry中生產(chǎn)的每片wafer，每片Die做全面的產(chǎn)品管理及追蹤分析，DMS主要是負(fù)責(zé)缺陷數(shù)據(jù)的分析，來分析wafer上各個(gè)缺陷的分布，形成的原因，而YMS則負(fù)責(zé)良率失效數(shù)據(jù)的分析及日常產(chǎn)品良率的管理。
以數(shù)據(jù)為基礎(chǔ)的分析與決策一直是半導(dǎo)體制造產(chǎn)業(yè)的核心。隨著工業(yè)4.0時(shí)代的到來，材料，設(shè)備，傳感器，缺陷，測試每天產(chǎn)生PB量級(jí)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(jià)值，敏銳的大數(shù)據(jù)洞察是確保產(chǎn)品競爭力的捷徑。同時(shí)，人工智能和大數(shù)據(jù)計(jì)算技術(shù)的發(fā)展開啟了新的智能制造的時(shí)代，在智能制造的過程中引入人工智能的思維，通過對(duì)整個(gè)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(shí)現(xiàn)無人干預(yù)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(chǎn)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(jié)合大數(shù)據(jù)和人工智能技術(shù)快速定位工廠中產(chǎn)生各種良率問題、設(shè)備問題、工藝問題、材料問題、甚至是和環(huán)境相關(guān)的問題，它是一個(gè)根本原因分析的工具（Root Cause Analysis）。結(jié)合工廠中所有的生產(chǎn)數(shù)據(jù)、設(shè)備數(shù)據(jù)、產(chǎn)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(guān)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(shí)現(xiàn)到一次到位的根因分析，這個(gè)是傳統(tǒng)YMS/DMS分析系統(tǒng)無法實(shí)現(xiàn)的，這樣就幫助了工程師進(jìn)行快速的改善。另外通過根因分析流程的簡化，分布式計(jì)算技術(shù)和數(shù)據(jù)挖掘技術(shù)的結(jié)合，大量減少了工程師的分析時(shí)間，大大提升工程的分析效率，幫助制造商提高響應(yīng)速度和生產(chǎn)力。
云計(jì)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(jì)算來取代傳統(tǒng)的IT固定資產(chǎn)擁有方式。這也會(huì)使得決策者可以重新把關(guān)注點(diǎn)拉回到時(shí)間成本和人力成本等核心的企業(yè)競爭力技術(shù)和策略上。動(dòng)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(chǔ)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(yàn)?zāi)Ｐ?，通過算法，實(shí)現(xiàn)了設(shè)備生產(chǎn)過程中全參數(shù)、全過程的全自動(dòng)監(jiān)控，讓生產(chǎn)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(yùn)維成本，部署靈活高效，增加了系統(tǒng)的整體擴(kuò)展性。
面向泛半導(dǎo)體產(chǎn)業(yè)的工程智能軟件供應(yīng)商
但很無奈的是，半導(dǎo)體生產(chǎn)良率軟件方案長期以來也是歐美公司主導(dǎo)，包括西門子(Mentor Graphics)、新思科技(Synopsys)、應(yīng)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(lǐng)域已經(jīng)有多家中國本土公司在探索，而工程智能領(lǐng)域由于其積累時(shí)間長、開發(fā)難度大從而導(dǎo)致進(jìn)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(dǎo)體工程智能領(lǐng)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(dǎo)體智能制造系統(tǒng)和人工智能技術(shù)在半導(dǎo)體制造領(lǐng)域的應(yīng)用中有20多年的積累。2021年10月該公司被中國科技集團(tuán)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(shè)備工程系統(tǒng)（EES）領(lǐng)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(dǎo)體行業(yè)觀察》采訪時(shí)指出，全球的重要經(jīng)濟(jì)體都認(rèn)識(shí)到了半導(dǎo)體產(chǎn)業(yè)是數(shù)字經(jīng)濟(jì)的基石，歐美日韓新加坡等將半導(dǎo)體產(chǎn)業(yè)視為國家戰(zhàn)略。由于地緣政治競爭，海外半導(dǎo)體設(shè)備供應(yīng)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(duì)于AI技術(shù)的輸出則更為謹(jǐn)慎，一旦涉及到半導(dǎo)體智能制造軟件的AI應(yīng)用，海外供應(yīng)商對(duì)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(chǎn)線，在獲得完整的交接清單后，發(fā)現(xiàn)硬件設(shè)備完整而相應(yīng)的工業(yè)軟件系統(tǒng)要么無法獲得，要么無法持續(xù)升級(jí)維護(hù)。所以發(fā)展自有的工業(yè)軟件至關(guān)重要。
結(jié)語
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(duì)工業(yè)軟件的重視已經(jīng)是上下共識(shí)，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(qiáng)有力的支持。
參考資料
【1】Infographic:What’s fueling the rapid rise of smart manufacturing?https://iot.eetimes.com/infographic-whats-fueling-the-rapid-rise-of-smart-manufacturing/
【2】IBM Unveils World’s First 2 nm Chiphttps://www.eetimes.com/ibm-unveils-worlds-first-2-nm-chip/
【3】Simens：Envision the future of smart electronicshttps://www.techonline.com/wp-content/uploads/Siemens_EnvisionTheFutureOfSmartElectronics.pdf?_ga=2.62378031.221249789.1653284496-1566739233.1653284495&_gl=1*1r8ag8u*_ga*MTU2NjczOTIzMy4xNjUzMjg0NDk1*_ga_ZLV02RYCZ8*MTY1MzI4NDQ5MC4xLjEuMTY1MzI4NTg0Ni4w
【4】Towards Industry 4.0:Digital Transformation in Manufacturinghttps://medium.com/neurisium/towards-industry-4-0-digital-transformation-in-manufacturing-acb95202349a
