日益复杂的供应链如何导致数据的可追溯性的挑战。
能够跟踪的谱系的所有组件在电子设备变得越来越复杂了几十年。许多行业——汽车、国防、医疗等,需要在附近找到问题的来源实时测量问题的程度是至关重要的。极端的例子是在问题发生时的产品已经分配和使用。复杂的是,当前芯片短缺推动芯片设计者二三线供应商库存。
跟踪信息不容易完成给定材料的次数可以转手在制造生命周期。设计可以从政党将IP模块1号,2号,3号(图1)。这些设计由设备的混合到一个单一的芯片设计公司。这个芯片是建在前端铸造厂1号或2号。完成芯片可以测试和部分聚集在OSAT, B,或C .完成组装成multi-chip模块(MCM)或印刷电路板(PCB)可以在装配房子1号或2号(或发生在客户如果他们提供IP设计的装置,可以组装成品制造商1号)之前,最后由设计的房子卖给最终用户或最终产品制造商,B, C, D和最终产品更多的插入,后再次测试之前卖给最终客户。
这是一个非常简化的例子复杂的供应链可以,但无论如何,这是一种说明性的。
在供应链中,单位接收物理标记,使跟踪在完成剩下的链的制造过程中代理。标志的应用之前,依赖的起源是一个函数的一部分会计和准确的记录。虽然这看起来很简单,它是复杂的过渡的“所有权”的芯片在整个供应链。
跟踪一个芯片的来源包括它的变换通过多个物理形式因素。这些物质的变化经常包括从很多/晶圆/死物理结构扣带回死在一张磁带或卷筒装配死在一个包中,或在一个托盘,或作为一个插入芯片multi-chip模块或PCB——最终结束与PCB被插入到一个更大的形式因素,如汽车或电脑服务器。每次更新物质形态因素,有机会打破供应链的可追溯性如果传入和传出的产品标签上没有一丝不苟的记录。这是由于缺乏标准化的数据格式和通信框架在整个供应链。经常,一个单元的映射后的空白。一旦发生这种情况,任何机会跟踪问题来源是危害。
幸运的是,有更好的每一天工具帮助减少跟踪错误和更全面的数据结构。
物理可追溯性苍白的挑战相比,与将数据应用到芯片相关的挑战,因为它是在生产过程运行。关联wafer-level价值芯片驻留在晶圆生产过程只是这个问题的一个方面。将所有的测试结果为PCB死在PCB然后映射那些值回晶片死亡源自暗示了问题的范围。这确实是一个“N”到“N”空间数据数组的关系。新的分析工具,特别是在机器学习领域,有助于阐明这些数据之间的关系。
硅片发现进入更多quality-centric应用程序。正确地执行分析,特别是从诊断工程/质量验证的角度来看,在实际设备上的数据是至关重要的。任何一个设备上的几率有完整的数据,更不用说MCM或PCB成品的所有设备,都是极低的。识别出任何的能力,更不用说,与建设相关的参数或特定芯片的测试,模块或董事会几乎是不可能的。
今天,工厂设置监控流程维护操作控制的目标。在工厂抽样2%的材料处理,收集20个人分一个晶片结果收集40分每100晶片处理。如果这些晶圆有500死亡/晶片(法),可能有一个死之间位置匹配和在线计量采样点是0.0008%,或每1250模加工。基本上只有不到十分之一的百分之一的材料所需的计量数据进行直接分析。作为抽样策略挑战由于成本降低,发现异常事件的机会行尾测试增加。所有未匹配模必须经过一个assumption-based扩张创造必要的数据关联。这些扩展频繁执行的没有任何考虑误差。
鉴于目前芯片短缺,工厂可能会被迫转场单位交付的速度越快,同时还需要保持质量水平。严格的交货时间表,数据的可追溯性死亡水平更为重要,快速识别需要做召回或田园,无线更新影响的软件部分。该领域的一些智能模块发送实时监控反馈厂商,将这些数据反馈给工厂系统优化某些工具使用可追溯性/家谱历史。
的日子一去不复返了公司将设计芯片,制造芯片,芯片组装和地方在董事会,董事会,卖给最终用户。今天,更长、更复杂的供应链的现实必须处理。这些长供应链还必须包括更高层次的分析,最终由更高的质量和die-origin要求满足特定的细分市场,扩大在半导体空间极大。
|
|
|
|
|
|
|
|
|
|
留下一个回复