利用数据对工厂和集成电路进行实时维护。
维护是保持制造设施正常运行和数据中心正常运转的关键幕后活动。但如果不及时执行，则可能导致产品或设备损坏，或严重的系统/设备停机。
通过将定期维护转变为预测性维护，工厂和电子系统所有者可以获得巨大的收益，包括降低总拥有成本，改善工厂性能，提高产量和质量。
今天，设备传感器和IC监控器，也称为遥测电路，产生大量有价值的数据，工程师们利用这些数据主动执行设备/系统维护，并发出即将发生的组件故障的信号。与10年前相比，产生的数据至少多了一个数量级。挑战在于增加数据分析和新的维护程序所需的工程资源，以及证明实施成本的合理性。
定期维护通常是根据使用情况来执行的，这可以通过加工晶圆的数量或设备使用的月数来衡量。它可以包括更换部件、更换流体、清洗设备或工具或系统中的部件等所有内容。这是基于所有组件具有相同的可靠性配置文件和经历等效使用的假设，也称为任务配置文件。
但是部件的可靠性各不相同，工具内的使用条件也各不相同。这激发了人们对即时维护的兴趣，它可以提供根本性的好处，如更早地检测故障、延长组件寿命和更好的操作控制。
正如最近在多个行业会议上的会议演示所证明的那样，半导体制造商继续追求准时化维护计划。趋势是将预测性维护转移到分厂和测试操作中，并采用机器学习(ML)算法来管理复杂的设备或工艺场景。
“大多数现代制造半导体工厂购买带有内置传感器的OEM设备，旨在监控制造过程，以确保无缺陷的部件，并确保ISO标准(ISO-9001, ISO-9002和相关TS标准)的认证和符合性，确保设备制造的质量和可靠性，”Jon Holt说，量产解决方案全球fab应用解决方案经理PDF的解决方案．“通过适当的数据收集、分析以及监测和控制的应用，这些信息可以用于识别部件的早期磨损，并检测和预测何时应该对设备进行维护。”
这种类型的维护并不是半导体和电子产品的实践。但是对于复杂的soc，尤其是那些在数据中心和汽车中发现的soc，情况可能会有所不同。随着现在普遍使用电路进行内部遥测测量，许多工程师预见使用这些内部测量进行预测性维护。
Tessent嵌入式分析产品经理Richard Oxland表示:“如今，我们从集成电路中收集参数数据。通过测量物理参数，并利用这些参数的变化如何影响可靠性的知识，集成电路供应商可以设置正常的运行限制。西门子EDA．“被发现超出这些限制的芯片可以自我报告为无功能或需要维修。”
预测性维护好处
工业4.0和智能制造指南促进使用制造过程中产生的数据来提高工厂性能，提高生产敏捷性，并降低成本。半导体设备(晶圆厂、组装或测试)的预测性维护有助于所有三个领域。业内专家列举了以下具体好处:
“预测性维护的目标是预测事件，并在早期阶段将其对目标设备性能和可用性的负面影响降至最低，从而在事件发生之前采取纠正措施，”该公司创新主管Don Ong表示效果显著．因此，它的目标是OEE(整体设备效率)。这为客户带来了实实在在的回报。”
这也代表着一个重大转变。Holt指出:“从历史上看，工艺和设备的监测和控制一直是工艺或设备工程师的职责。“然而，随着工业4.0以及在整个工厂车间应用AI/ML等先进模型的能力，许多公司已经组建了‘新的’工厂自动化团队，以部署将整个工厂和供应链的数据链接起来的解决方案。”
对于IC生命周期管理，工程师正处于将数据应用于预测性维护用例的探索阶段。出于不同的原因，数据中心所有者和汽车制造商最渴望从计划维护转向预测维护。
“我要强调两个行业。首先是高性能、超大规模的计算。”“他们对此非常感兴趣，因为他们可以在资本和运营费用方面实现潜在的节省。即使是非常小的百分比改进也会产生实质性的结果。在这里，我不仅仅是在谈论维护本身的成本。预测性维护还使系统和芯片设计本身更容易“合适的尺寸”，并确定系统性能变差的情况，从而对功耗等关键操作参数产生影响。第二个，正如你所预料的，是汽车行业。他们正面临着金融压力、技术变化、商业模式变化以及法律和监管要求变化的完美风暴。显然，汽车召回的成本是天文数字。但潜在的声誉成本也是如此。 Preventive maintenance can help with both of those issues.”
测试设施通常依赖于定期维护来清洁探针卡针和插座/接触器。晶圆探针针和测试插座/接触器上的杂物会影响产品的成品率和质量，以及测试单元的正常运行时间。
“人们经常会问‘我应该多久打扫一次?“最好的答案是只在必要的时候清洗，以保持接触的可靠性和高产量，”Advanced Systems的总裁兼技术总监Jerry Broz说。“晶圆探针针的主要磨损机制是由于清洗过程，这可能导致高达95%的探针寿命。在大多数情况下，清洁是简单的程序，使用固定的配方，而不是动态优化。清洁配方将根据过去的经验应用，或将实现以满足具有最高接触灵敏度的设备的要求。清洗太少会导致产量降低，增加晶圆测试过程的不稳定性，需要频繁的操作人员干预。过多的清洗会降低吞吐量并增加生产成本，而不会带来额外的产量效益。理想情况下，应该根据某些指标触发清洗执行，如重复打开、bin-out失败、产量下降等。”
行动中的预测性维护
设备供应商基于运行小时数，或频率指标，如晶圆船的数量，晶圆厂的晶圆，或组装的批次/单位数量，或晶圆探针卡的触地数量和负载板插座的插入。切换到自适应维护策略需要确定哪些数据是良好的预测器。在此基础上，工程师需要选择基于预测的算法类型，对预测进行试验并根据需要进行修改，在生产环境中实现，并在预测指标发生变化时维持预测指标。
来自设备和IC内部的传感器、设备/系统外部的传感器以及产品测试数据都可以为这一开发流程提供输入。
“我们提供传感器，通过使用数据来预测半导体工具中更换组件的需求，从而帮助进行维护。例如，当机械臂在工具中移动时，我们预计会有一些振动，我们将这种振动作为AVLS3或AMS传感器的基准，”公司高级项目经理Vidya Vijay说CyberOptics．“工艺工程师在研究一段时间内的振动时使用可用的趋势分析，这有助于正确维护工具。这使得客户可以智能地决定特定组件的剩余寿命。”
使用电路监视器进行维护的IC生命周期管理解决方案仍处于早期阶段。内部测量的多样性和增加的空间密度都保证了丰富的数据集，包括:
•物理参数，如温度;
•电路性能，如路径延迟;
•内部测试数据，如内存BIST结果，和
•功能性能，例如总线事务。
“一些用例是围绕预测性维护，”Randy Fish说，硅生命周期管理总监Synopsys对此．“我们提供环境监控器——过程、电压、温度(PVT)——现在还有结构监控器，比如路径裕度监控器，可以测量功能路径上的设置时间裕度。我们看到，在热和电压数据的背景下，路径裕度数据的用例之一是关于预测性维护的。我们确实有客户正在围绕这个用例开发解决方案。”
对于制造设施中的各种工具，定期维护已经转变为预测性维护。趋势是移动更多的设备，同时也研究更复杂的算法。今天，大多数工程师使用基于一两个参数的简单规则。
分析数据时，既要比较平均值，又要比较期望值。软件产品管理总监迈克·麦金太尔说:“它也被视为与设置和动态限制的比较。上的创新．“活动一旦被描述，就可以高度自动化。这里的挑战是花必要的时间来描述信号，以免在没有完全了解的情况下做出反应。”
简单的算法在大多数情况下都有效，但在某些情况下，高级算法的效果更好。
Holt指出:“根据我的经验，大多数300mm晶圆厂(80%至90%)都采用了简单的基于规则的预测性维护。“然而，利用先进的多变量模型和算法的先进预测性维护实践仅应用于有限数量的工具，并且仅应用于领先的铸造厂和idm。”
一旦参数超过限制，就会发送维护活动的信号。
“预测性维护可以被绑定市场经济地位系统，然后非常自动化。这些设备可以自动拆卸。”“在某些情况下，维护活动的实际执行是完全自动化的(如室等离子清洗)，但更多情况下依赖于设备技术人员来执行维护(另一个变化的来源)。”
在测试设施中，从计划维护转向预测维护还处于早期阶段。ATE、晶圆探头和单元处理器的故障间隔时间较长。因此，重点是产品特定的测试抵押品-探针卡和负载板。
“在现实世界中，我看到了几种受益的场景——例如，插座、设备接口板、探测针或探测卡。今天，我们有预防性维护的解决方案，通过测试读数监控电气参数结果。我们可以以最低的成本使用这些数据，”公司增值解决方案经理Daniel Mu指出Teradyne．“我们不需要复杂的计算来估计年龄。我们可以寻找引起警报的趋势变化，甚至执行纠正措施，比如清洁。”
克服不情愿执行
与过程中的任何变化一样，需要活化能来克服对新事物的不情愿。对于晶圆厂工程师来说，这意味着使用更复杂的算法。对于测试设备，它正在进行试验。对于具有复杂soc系统的所有者来说，这是一种可能性。
采用即时维护方法的常见障碍包括缺乏标准、使管理人员相信需要进行更改，以及工程功能之间始终普遍存在的数据竖井。
那么，怎样才能让更多的数据进入预测的主要应用呢?经济学真正推动决策。
Synopsys产品营销总监Anjaneya Thakar表示:“大多数先进的晶圆厂都表达了对预测性维护的兴趣。”“虽然由于缺乏令人信服的解决方案，目前的采用率很低，但它正在增加。随着分析新技术(ML、计算性能)的可用性，预测性维护解决方案将变得更好——更快、更准确——这将推动更广泛的采用。”
“实际上，目前在预测性维护领域的活动很少，但有很多人在谈论它。在工厂里，我们看到要么它不是优先考虑的，要么它仍然被视为一个科学实验，”Teradyne的Mu说。“我们需要展示出与定期维护相比的真正好处。”
Advantest的Ong对此表示赞同。“在我看来，采用预测性维护的最大障碍是投资回报率是否足以做出这样的改变。”
第二个障碍涉及数据访问。“在工业4.0的今天，并不是所有的晶圆厂在维护方面都是真正智能的。有时，在OEM工具中使用第三方传感器会让人害怕，而且审批过程可能会很长。”“我们通过无线WaferSense传感器提供自给自足的解决方案，使晶圆厂变得更加容易。”
对于IC遥测来说，该技术都是全新的，新兴的SLM应用仍在开发中。
“还有很多东西需要学习。一般来说，半导体供应商或EDA公司还没有获得所有这些数据。突然之间，现在我们有了监控ip，插入这些监控的软件，以及从现场收集数据的机制。”“所以我们现在有大量的学习可以做。有些是非常基础的。例如，我们认为任务简介是容易摘到的果实。”
结论
在整个半导体供应链上——从晶圆厂到现场——工程团队都在朝着准时化维护策略前进。晶圆厂处于领先地位，并将继续根据需要寻求更复杂的算法。由于利润率较低，测试和组装工厂希望使用这些预测性维护方法来降低成本，同时提高产量和质量。对于拥有多个soc的大型复杂系统的所有者来说，由于IC遥测电路的广泛使用，预测性维护的可能性是可以实现的。
不过，从计划维护到动态维护再到预测维护的转变需要一个明显的收益来支持所需的工程工作。随着持续的成本、产量和质量压力，人们可以期待看到更多的公司转向准时制。
有关的故事
物联网和预测性维护
用户通过新技术的预测性维护实现投资回报率。
大量数据，但不确定如何处理
从老化效应到PVT，传感器到处都在监测，但业界仍在努力找出提取有用信息的最佳方法。
更智能的制造
人工智能、无处不在的连接和无处不在的传感器如何重塑芯片制造业，以及几乎所有其他领域。
智能制造的变化
更多数据和人工智能对整体效率和投资回报率的影响。
|
|
|
|
|
|
|
|
|
|
留下回复