下一个挑战:部分每千的五次方

要求纯度的半导体制造中使用的材料被推到前所未有的水平,越来越无法证实的可靠性需求在芯片越来越长寿命继续上升。虽然这可能看起来像一个远程问题供应链的许多地方,它会影响从可用性的材料需要那些芯片产品的最终成本。

这种趋势背后的两个主要因素。一个是关切oem和系统公司责任对安全性要求苛刻的应用,如汽车和航空航天、芯片在哪里会保持功能长达二十年。第二个是停机的成本在任务关键型应用程序中,服务器在数据中心等,设备预计将持续7至10年,或在工业操作,设备将函数长达20年。材料中杂质会影响可靠性以意想不到的方式,进而可以减少设备的寿命或工厂内的总收率。在所有情况下,增加了总成本,通常是由客户支付。

“你只有一个坏批远离线下来,”Steve Putna说英特尔资深供应链经理,在最近的一次演讲。“需要检测这在一个正在进行的基础上,并结合正在进行的变化在你的分析是非常重要的。但理想你将有一个整体模型,映射回整体映射你的供应链,从水平和垂直方向上,这样你可以很容易判断,材料可能是好还是坏。它甚至可以驱动持续改进的努力。所以有很多这样的建筑模型中的价值。我们正在与某些供应商内部做更多。”

但在先进材料纯度节点还会引发许多问题,至少到目前为止,没有解决方案。其中包括:

• 现在新的目标为纯度超过了一些检验和测量设备的能力。
• 当杂质去掉,它并不总是清楚其他被删除。可以改变材料的基本性质,以及他们如何反应。
• 纯度增加需要更多的测试、建模和分析,进而提出了芯片的整体价格。

两年前,一些材料的目标是十亿分之几,和大多数材料公司甚至不知道如果这是可能的。

“我们在兆分之(PPT)今天,”汤姆。布朗说,制造业和工程的执行主任布鲁尔科学。“我们试图找出接下来怎么去部分每千的五次方。我们正在与设备,我们正在推动工具超出了他们在销售能力,这是sub-PPT离子。但电子或半导体级水平超越你今天可以买。”

这可以显著增加的时间来测试和验证不同的材料。

“今天,我们需要测试每一个原材料,”布朗说。“15年前,我们没有这样做。有很多家谱和可追溯性的供应商范围他们调用很多。”

在大多数情况下,这些问题仍在该行业的影子,常常在筒仓。开始改变,然而,特别是在先进的节点,公差要严格得多。

“世界任何人在这个过程中,在林,我们在清洁、沉积和蚀刻市场——总是很注意材料,”大卫说油炸,计算产品的副总裁林的研究。“这些从前体材料最终沉积材料到牺牲材料。如果你考虑腐蚀气体,这些气体是不应该呆在晶片。他们旨在去除材料。但这些气体的纯度和材料特征因素到最终的性能,defectivity,晶片的成分。很难找到,因为它不是在晶片了。所以你如何跟踪?材料监测和材料传感在这些系统是一个巨大的工艺优化和质量”的一部分。

也不停止。在制造业方面,每一个过程的每一步都是感动材料纯度在某种程度上。高级副总裁杰里被在国际测试解决方案-这使得清洁材料测试探针-说他的公司每千的五次方检查哪些部分看起来像什么样的工程实现,纯度是必要的。

“这是什么意思如果你不能衡量它吗?”被问。“后端测试,我们看到更多的出现而不是ppm或每十亿,这是汽车市场的方式是看这个。我们不知道每千的五次方将影响一个罗马数字在汽车(multi-chip模块),我们不知道这将如何影响成本的测试”。

高科技的侦探工作
发现什么地方出了错在半导体制造一直都是一个挑战。但与材料,它是更加困难,因为许多这些化合物的设计生产过程中消失。包括气体、材料、料浆抛光晶片,电影,和光刻胶材料,旋转到晶圆上。

不清楚如何样一些散装材料。可能有一个55加仑的桶内部缺陷,例如,可能会包含在一些厚,低粘度黏糊糊的东西。

“这的主要原因之一是干林宣布抵制技术相比,合作ASML Imec,如此强大,”林的油炸说。“材料特性的控制是如此之高,和浪费如此低得多。如果你能更好地控制材料属性和减少浪费,这一过程的价值是巨大的。”

更糟的是,其中的一些材料混合的工业化学物质是其他产业的发展。所以,当芯片制造商可能需要一个桶或更少,这是一个微不足道的供应商的总体业务的一部分。此外,这些原材料可能坐着好几年之前使用,和纯度的要求可以改变。

数据驱动的解决方案
通常情况下,无论问题逃避最终测试到田野被认为是可接受的,直到被证明并非如此。但随着人工智能开始打入更多的应用,半导体的价值内容的增加。这是越来越明显的自动设备,如汽车和机器人,但它也适用于工业应用。因此,修理或更换的价格可以在基本的电器是巨大的,如冰箱,或在汽车回忆说。

“供应链变得越来越数据驱动,“说戴夫•亨特利的业务发展总监PDF的解决方案。“你需要地图的数据。所以,你可能有成百上千的死亡和数以百计的电线为每个死去。然后你需要看这个过程中,材料和功能和创建一个故障模式。你还需要设备支持和捕获所有数据,并追踪所有的,所以当你得到一个RMA(返回商品授权),可能通过一次单击可以爆炸的家谱。”

ASTM 1422标准接受一个抨击这一问题,将“消耗品”添加到组合而不仅仅是死在一个晶片。这就是真正的侦探工作开始,因为不是所有的生产过程中使用芯片上。事实上,什么是留下有时会导致一些问题。

“我们看到的是,先进的产品质量计划更重要,”朱莉说厚度,材料质量主管布鲁尔科学。“最大的问题是缺乏sub-supply链中的数据。贸易战争的核心挑战找到材料,如果我们没有透明度,问题会出现。通常情况下,你有一个“指纹”,你完全描述原材料进来时一个资格的过程。有时完成一个伙伴,有时不是。但我们的目标是确定一个基准的基础上许多不同的化学和结构特点。从那里,您可以看到有“旅行”,你可以比较,拇指指纹。”

工作的大部分时间,但跟踪错误是困难的实物证据后消失了。在这一点上,唯一的解决方案是微量污染物通过模型和统计分析,并要求输入来自多个供应商的整个供应链。有时结果是令人惊讶的,每一个人。

“如果你让事情太纯,你可能会删除功能是必要的,“说厚度。“如果有另一个材料使用和污染物的材料,这可能会降低我们的材料。”

通过检查,因为这是不明显的外推的数据是必需的。因此,尽管表面缺陷检测技术仍有空间,大部分的身体检查。但检查并不穿透电影和其他材料。需要数据建模。

“我们使用先进的机器学习算法多年执行缺陷检测和许多其他2 d检验任务,”Tim Skunes说,技术和业务发展副总裁CyberOptics。“最近,我们也应用深度学习专业申请缺陷检测。上下文的夫人(multi-reflection抑制)算法,这些不是基于机器学习的方法。然而,我们正在研究深度学习方法为未来的一代又一代的我们的算法夫人。”

更多的数据,更多的时间
在这一点上,这涉及到谁有最好的数据和最好的建模工具。但另一个问题进入画面,因为这些设备预计将持续十年或更长时间。这是真的在汽车,将人工智能逻辑辅助和自主驾驶最先进的节点,以及工业应用。

“新挑战是数据存储的时间,”沃尔特·Ng说,业务发展副总裁联华电子。“有时候这是10到12年。铸造一般持续5到6年的数据对于消费者应用程序,和在其他更多关于黄金流动。我们看到在汽车更有限的黄金流动与晶片更严格的控制。工作,结合供应链中发生。所有基板,我们有质量保证过程。作为一个消费者的基板,我们也需要一定的测试。但是对于汽车客户,他们也要求供应商保留所有数据,这样他们就可以保持可追溯性。”

Ng表示这个已经有一段时间在mil /航空世界,关于质量有严格的要求。但随着汽车推到更高级的节点,以及chiplets成为未来战略的一部分,整个生态系统需要同步的数据。

“仍有犹豫分享数据上下供应链,”他说。“即使chiplets,数据共享是一个潜在的障碍。从材料的角度来看,你得到硅基于不同的流程,还有OSATs有不同的解决方案。每个人都需要共享数据,便于测试和调试。下是一回事做一些垄断供应商。这是另一个释放它作为一个开放的生态系统。”

当问题出现,一切都需要审查。

“很明显,这并不需要完成每一批,“英特尔Putna说。“但是如果有一个问题,需要进一步的调查,这将促使你回去把额外的参数。我们发现聚合物,有两个系统之间的功能形态学差异。他们是不一样的。我们利用,进行供应链性能的变化。”

复杂的因素
的一个复杂的因素在所有这是hyper-customization。随着垂直市场分裂成更sub-markets,被定制为每个应用程序的解决方案。这是发生从云到边缘,并添加新的强调供应链。

“包装是创建自己的定制和扩展,”Ben Rathsack说技术副总裁、副总经理和制造业电话。“无论你想做手机或电脑系统,将会有更多的定制,形式因素和得到你的内存和处理器之间的距离。”

事实上,系统公司/ oem厂商的目标之一是能够跟踪失败个人死在一个晶片,晶片制造的日期,和所有其他组件,进入死亡。

“有很多价值能够连接这些点,“Putna说。“我们希望整合垂直和水平元素真正理解我们的供应链中的所有的可变性来源,某些产品的性能的影响。在大多数情况下,我们这里基本上没有,至少在物质空间。我们可能会在设备空间。”