中文 英语

寻找端到端分析框架

一旦确定了格式、标签和所有权,芯片行业将共享数据。

受欢迎程度

端到端分析可以提高工具购买的收益和投资回报率,但要获得这些好处,需要通用的数据格式、模具可追溯性、适当的数据粒度级别,以及确定谁拥有哪些数据。

新的标准、指导方针和联盟的努力正在开发中,以消除这些数据共享的障碍,用于分析目的。但是,实现这一目标所需的工作量是巨大的,并且需要时间在历史上很少或没有互动的群体之间建立必要的信任水平。

“数据生产商经常担心,下游用户或最终客户会以某种方式利用数据来对付他们,或者关键的知识产权会以某种方式泄露给竞争对手,”谷歌战略合作高级总监杰伊•拉瑟特(Jay Rathert)表示心理契约。“要克服这些问题,需要一定的安全性和适当的数据粒度,尊重每个人的IP和业务问题。此外,当数据在领域之间流动时,利益必须以平衡的方式向两个方向流动,以便每个参与者都能满足自己的利益和系统持续改进的更广泛目标。”

这是一项非同小可的工作,但好处却是显著的。Rathert表示:“我们相信,通过将传统领域的数据桥接起来,并应用现代机器学习和高级分析,可以在效率、产量学习率和设备可靠性方面取得实质性进展。”

其中一个挑战是,在IC设计和制造的任何步骤中产生的数据都是为与该步骤相关的工程团队使用的。但是,随着半导体工艺的复杂性增加,以及设计和制造之间的相互依赖性,越来越需要将来自不同工艺步骤的数据结合起来,以做出更好的决策。

Eli Roth,智能制造产品经理Teradyne指出,连接晶圆厂和测试数据可以提高良率,降低测试成本,加快上市时间,并延长测试设备的投资回报率。他说:“考虑到晶圆厂工程师如何使用数据,他们对如何将工艺步骤的结果前馈以改进后续步骤非常感兴趣。”“这可以建立在严格的可重复性控制的基础上,以提高产量和产量。”

然而,这说起来容易做起来难。数据共享常常受到访问问题以及来自不同领域的数据格式和不同报告标准的不兼容性的限制。更糟糕的是,EDA工具、制造设备、可能不支持新数据的格式以及跨多个供应商的制造过程的分解都是拼凑而成的。

好消息是,最近开发和采用新标准或扩展现有标准的努力正在开始解决这些挑战。当不同芯片供应商之间的异构设备集成成为主流时,许多公司正在讨论即将到来的数据共享需求。

“有许多公司整合了在别处设计和制造的硅,”英特尔首席测试策略师戴夫•阿姆斯特朗(Dave Armstrong)表示美国效果显著。“我不认为这是‘伙伴关系’。他们更像是一种供应商/买家关系。该行业正在学习如何以这种方式更好地合作。这个谜题的一个部分仍然需要解决,那就是数据共享。这仍然是一个挑战。”

随着对改进或新标准的需要,人们认识到仅靠标准不能解决所有问题。数据源之间的互操作性需要通用的命名约定。

数据共享的必要性
将价值链或供应链中某一点生成的数据共享到另一点的能力对于端到端分析至关重要。如果共享数据所需的能量太大,要么就不会完成,要么就会成为一项繁重而昂贵的任务。有效地共享数据需要几个关键要素:

  • 从设备/设计工具到外界的沟通;
  • 连接数据,包括IC器件的设计、制造数据和系统性能数据;
  • 数据所有权,包括谁生成了这些数据,谁有权访问这些数据,谁拥有这些数据。

图1:共享数据的关键要素。来源:A. Meixner/Semiconductor Engineering

图1:共享数据的关键要素。来源:A. Meixner/Semiconductor Engineering

对工程师在组合数据时面临的不同场景的清晰理解有助于指出标准、互操作性或业务关系指导方针可以降低阻碍提高产量、提高质量、降低成本和风险的障碍的领域。

沟通
为了支持数据共享,通信格式需要提供对感兴趣的数据的访问,并且必须支持与供应链中的其他工具/网络的互操作性。多位行业专家表示,现有标准无法跟上新的可用数据,也无法满足智能制造和硅生命周期管理的需求。这是为满足特定工程需求而设计的既定标准的副产品。由于需要管理更多的数据,并且需要将其用于更高级/更复杂的决策,当前的标准实际上限制了进展。

“在我们推动可追溯性和自动化标准,如设备数据通信到工厂,”bodefinlay说GlobalFoundries。“在某些情况下,我们还没有充分加强现有的设备跟踪数据自动化和辅助子工厂跟踪数据通信到主要工具的标准。如果我们有了这些东西,我们就可以解决一些滞后问题。例如,目前我们缺乏来自许多关键工具组件的适当跟踪数据。”

几十年来,测试程序工程师一直依赖于STDF文件格式,这对于今天的用例来说是不够的。STDF文件不能动态捕获自适应测试限制,并且它们不能在基于当前数据和分析派生模型的ATE中协助实时决策。事实上,大多数数据分析公司都在运行软件代理吃了为决策和模型构建提取数据。随着ATE软件的更新,代理经常会中断,这就要求ATE供应商在每个测试平台上修复每个定制代理。

新兴标准,TEMS和RITdb,解决这些限制并启用新的用例。

然而,标准并不是满足所有通信需求所必需的。在某些情况下,提供API就足够了,因为它支持源和目标之间的通信。EDA工具也是如此,这很重要,因为芯片制造商使用来自多个供应商的EDA工具,以及他们自己的工具。

但是,对于制造环境中可用的大量数据,API可能是将敏感数据从原点共享到集中存储库的最佳方法,无论是在内部部署还是在云中。

连接数据源
对于任何数据分析解决方案/应用程序,缺乏产品的可追溯性和一致的数据名称和粒度是连接不同数据的常见障碍。

KLA的Rathert说:“端到端的模具可追溯性仍然是一个挑战。“尽管高端芯片采用了ECID(电子芯片ID)和条形码等技术,但一些较旧或较小的芯片标识在模拟后可能变得不确定。这使得将特定的历史制造数据与模具在测试中的性能配对变得困难。”

多种ID技术可用于解决无法支持电路中标识符的小型芯片和半导体技术的产品可追溯性。随着现场应用程序实现新功能和提取性能数据,人们对IC可追溯身份的安全性越来越感兴趣。无论采用何种技术,行业都需要明确可追溯性要求的标准和最佳实践。

数据粒度归结为数据的层次性质。例如,对于复杂的晶圆加工设备,在晶圆/模具的设备谱系中跟踪设备已经不够了。同样重要的是,要知道很多东西是在哪个房间里加工的。此外,各方必须同意一致的粒度来定义对象。例如,产品名可以是掩码集、测试程序名或流程步骤等。当将产品从晶圆代工厂转移到工厂时,这种混淆尤其麻烦OSAT

“最大的障碍是数据元标签,”Onto Innovation的应用工程经理梅尔文·李(Melvin Lee)说。例如,前端的元标签可能与后端的元标签不同。前端晶圆厂使用批次/晶圆上下文,而晶圆厂的上下文实际上取决于晶圆厂希望确保晶圆粒度和系统之间的协调的严格程度。由于后端晶圆厂(或osat)是一种低成本的制造工艺,因此没有严格执行这种数据上下文标准化。”

数据所有权
数据所有权问题因安全需求和业务关系的性质而变得复杂。

微软软件产品管理总监迈克•麦金太尔(Mike McIntyre)表示:“谁拥有数据是一个非常不确定的、视情况而定的问题上的创新。“根据不同的观点,它可以有多种答案。例如,铸造厂可能拥有晶圆上的缺陷数据,但缺陷图像可能属于设备设计人员,并且工具的FDC信号可能是工具OEM专有数据集的一部分。在这一点上,我们整个行业没有一个单一的所有者或数据所有权指导方针。”

数据所有权问题在EDA中有一个有趣的倾向。

“你显然拥有自己的设计数据,”英特尔半导体解决方案高级总监米歇尔•蒙西(Michel Munsey)表示西门子EDA。“现在,当你开始分析设计时,你会使用某些工具来分析数据。EDA供应商声明我们向您展示的数据是您的,并且是专有的,因此不能与其他工具共享。换句话说,他们故意阻止其他公司的工具分析这些数据,说报告文件,日志文件,数据库本身是专有的。然后,当你将所有权移交给供应链的不同部分时,你会遇到类似的所有权问题。谁拥有过程信息?谁拥有收益率信息?”

在整个供应链中回荡的是对数据价值的认识。它与其他数据结合起来更有价值,但人们仍然不愿分享。

“对于无晶圆厂公司来说,数据所有权确实是一个重要问题,但它需要在我们谈论设备数据还是设备数据的背景下加以考虑,”美国Advantest公司ACS业务发展和运营副总裁Sonny Banwari说。“对于一些主要的测试中心来说,他们有一些测试中心自己拥有的测试器,而还有一些测试器是由最终客户委托的。向无晶圆厂客户提供实时设备数据可能会使OSAT的设备健康和操作实践暴露在供应链审查之下,这乍一看让人感到不舒服。然而,我们看到的现实是,拥抱透明度的sat在为客户提供端到端分析方面处于领先地位。简而言之,领导人已经发现好处远远超过了选择。”

标准、api、指导方针和联盟
数据所有权的问题需要解决。正如GSA可信物联网安全生态系统主席Tom Katsioulas所指出的那样:“归根结底,我们生活在一个分解的价值链中,需要通过数字数据线程重新聚合,从而实现分析。”

降低技术壁垒需要扩展现有标准并制定新的标准。但是标准的制定可能需要两到七年的时间,这可能会阻碍进步。对于遗留系统,等待每个人都升级到更新的系统以使用新格式代表了整个价值/供应链的障碍。

在某些情况下,有一个API就足够了,无论是暂时的还是长期的。然而,真正需要的是解决数据系统之间的互操作性,以支持端到端分析。这需要在支持多供应商环境的解决方案和标准之间取得平衡,无论是制造、设计还是硅生命周期管理。

“这有点像三明治,”Aegis Software新兴产业战略高级总监迈克尔·福特(Michael Ford)说。“你有解决方案和标准。解决方案包括可以测量的东西,可以报告的东西,可以记录的东西,但是每一个都需要成本。这是一端的解。然后您有了标准,这些标准使所有这些不同的解决方案提供者相互通信,以使数据可用于上层解决方案,然后用于下一个上层解决方案。你不能只是定义一个标准,然后期望它就是解决方案,因为每个人在制定分析解决方案时,可能对算法有不同的想法。他们可能对事物的重要性有不同的看法。事实上,他们的解决方案的重点是找到这些重要性的等级。不同的玩家会用不同的数据集做不同的事情。”

制造设备标准需要扩展或创建新的标准,以有效地利用设备数据进行智能制造所需的实时和预测性维护应用。除了设备自动化标准,Finlay指出,“在SEMI半导体元件、仪器和子系统技术协会我们正积极致力于推动关键材料供应链质量的防御测量改进,并提高关键部件的清洁度。”

半导体测试数据在实现端到端分析方面起着关键作用。来自SEMI的两个新兴标准E183 (RITdb)和A4 (TEMS)旨在取代STDF,并协助数据收集、管理和实时决策。

“交换测试数据就像用不同的语言说话,”Roos Instruments的首席执行官马克·鲁斯(Mark Roos)说。“部分原因是由于STDF在表达结果方面的局限性。另一个问题是,测试方法对数据的含义有很大的影响,而没有办法进行交流。这导致涉及解释器(通常是测试工程师)的数据交换。因此,为了实现自动化,我们需要自动化测试工程师在准备共享数据时所做的工作。其中一部分是拥有不限制可以包含的数据的格式。STDF和CSV文件是不够的。RITdb为数据交换提供了一个标准,留给我们的是如何交换意义。最简单的方法是帮助测试工程师查找、获取和评估数据。当然,这也是我们与RITdb合作的目标。”

TEMS还提供了其他改进。Teradyne的Roth说:“对于ATEs, TEMS为半导体指定了测试器事件消息传递。“这将有助于整个行业的数据结构和数据清理。它还支持流分析功能。”

标准对于可追溯性至关重要。“这种可追溯性问题是一个非常具有挑战性的问题,你不能作为一个公司来做到这一点,”公司首席执行官约翰·基巴里安说PDF的解决方案。“这就是标准机构如此重要的原因。将知识产权置于公共领域,然后与数据的消费者、分析人员、生成数据的工厂以及最终真正支持或不支持该标准的设备提供商合作。”

SEMI T23和SEMI E142两个标准支持可追溯性,可以支持连接数据进行端到端分析。各种数据分析供应商都在支持这些标准,特别是OSAT环境。随着支持SEMI E142标准的需求的增长,它获得了更多的牵引力。

“Cimetrix为设备供应商提供软件开发工具包,以实现许多SEMI标准。E142是SEMI的装配可追溯性标准,”Kibarian说。“在过去的几个月里,我们已经看到几家无晶圆厂公司要求他们的OSAT供应商在组装文件上使用E142可追溯性。那些osat正在为需要支持E142的设备供应商发布rfp。反过来,他们要求Cimetrix支持这个SEMI标准。我们正在将其融入到产品中。下一代软件开发工具包将支持E142。”

虽然标准代表了支持端到端分析的关键支柱,但联盟正在整理最佳实践并定义支持互操作性的公共框架。为了从建议转变为采用,行业参与者需要为端到端数据和分析定义一个模板,以支持各种工程和业务需求。实际上,它需要一个市场。

图2:支持共享数据源。来源:A. Meixner/Semiconductor Engineering

图2:支持共享数据源。来源:A. Meixner/Semiconductor Engineering

“在我们的业务中,许多数据移交点都有标准。但是没有管理机构来管理通讯。”“因此,这些标准只是建议,采纳与否完全取决于相关各方。”

但还是有很多人对此感兴趣。卡齐乌拉斯说:“如果这些数据公开,每个人都能赚钱。“问题是哪个政党赚钱。如果我们能够通过数字线程创建一个连接的生态系统,那么消费者可以向他们的生产者请求数据来创建他们自己的数据,随后的消费者可以利用这些数据。这就成为了供应链合作的动力。这就是建立数据分析数字生态系统的方式,每个人都能从中受益。”

结论
半导体生态系统依赖于企业对企业的关系、伙伴关系和协作。当涉及到共享数据的业务时,标准、api、联盟和最佳实践指南都在导航复杂性方面发挥着作用。

最终的解决方案仍有一点不明朗,而且很可能不会是一刀切的。很明显,行业参与者认识到,如果没有共享数据的框架,每个人都将受到不利影响。

“半导体行业的许多问题不是在一个地方产生的。从根本上说,这些不同领域之间存在联系,”英特尔(intel)硅生命周期分析部门主管保罗•西蒙(Paul Simon)表示Synopsys对此。“这就是为什么把这些事情联系起来变得越来越重要。否则,它就变得不可能。这也是为什么世界在变化,因为这是必要的。它不再是‘拥有的美好’了。”

参考文献
半导体元件、仪器和子系统(SCIS)技术社区,半

太阳,米歇尔,最近更新的基材制图标准半。

Skvortsova Inna。“SEMI标准下的智能高效供应链集成”半。

有关的故事
寻找端到端分析框架
一旦确定了格式、标签和所有权,芯片行业将共享数据。

连接不同数据的推动因素和障碍
在某些情况下,集成多种类型的数据是可能的,但这仍然不容易。

新的数据格式促进测试分析
RITdb简化了复杂的测试并支持新的测试层分析

晶圆厂推动机器学习深入发展
晶圆片图像解释会影响产量和吞吐量。

用更好的数据使测试透明
新的测试数据标准如何使测试平台更易于实时访问。

芯片制造中的数据问题越来越多
主数据实践使产品工程师和工厂IT工程师能够处理各种数据类型和质量。

基础设施对数据分析的影响
收集制造业数据只是问题的一部分。有效地管理这些数据对于分析和机器学习的应用至关重要。



留言回复


(注:此名称将公开显示)

Baidu