曾经是别人的问题是现在所有人的问题。
今天,大多数设计工程师不太关注变化。这是通常被认为是一个制造的问题。
甚至在工厂内,各种工作职能分割,变化过程的一部分,如光掩模车间,不一定来的关注人做沉积和蚀刻或抛光晶片。
但是越来越多的变化正在成为一个团队运动。在一个领域一个问题会影响整体质量或产量。甚至更糟的是,变化的元素系统可能导致可靠性问题,可以半自治车辆或一个工业AI系统甚至尽管所有的组件或过程用来构建这些系统在可接受的质量分布。
有很多变化的主要来源,和每个的多个因素。制造业,变化是最好的理解,最大的挑战是使设计和翻译成GDSII什么与什么印在硅或其他基材。这变得更加困难的在每一个新节点因为公差范围内的几个原子,就能够计算这些原子并确保足够的原子沉积,或者太多没有蚀刻掉,是工程中最令人难以置信的壮举之一。更不可思议的当你考虑设备实现,年龄不同,两院之间的差异,EUV扫描仪必须相互校准,因为没有两个是完全一样的。
第二个变化来自于设计方面的主要来源。与近年来,当大部分的设计关注的是相当可预测的冯诺依曼体系结构的实现,越来越多的芯片被用于小批量和更有针对性的应用程序。这将创建一个一系列的挑战,尤其是在利用历史数据的能力效果最好,什么什么出错,为什么,以及如何解决可能出现的任何问题。
在过去,大多数的芯片开发满足一组插座的规格。专业知识建立了几十年,系统地培训新员工使用。但在市场,如汽车,7纳米人工智能芯片现在正在开发的,没有一个公司有一个完整的专业知识。系统公司如苹果和Waymo和消费者等芯片巨头高通,从未建立汽车系统,或任何需要18年来在恶劣环境条件。一级博世、德尔福等,与此同时,从来没有建造7纳米芯片,在噪声、电迁移、热自热等问题,和复杂的路由非常难于管理。
还有其他来源的变化,从来没有被认为是在过去,。广泛使用模型可以产生不同的结果。所以可以驾驶条件的确切位置传感器,汽车内存储器和逻辑。所以可以用于这些设备的包装。每添加一个水平的系统性变化,其中任何一个可以给别人造成麻烦。
另一个变化涉及到材料的来源。汽车制造商,敏锐地意识到他们的责任问题,纯度要求7σ水平。这可能是也可能不是真实的,但目前没有人确切知道因为这些数字是纯粹的理论。从来没有人试图测量兆分之缺陷。虽然这可能是统计上可能随着时间的推移,通过测量问题车辆在路上,你如何跟踪缺陷的掺杂剂或燃气设备,使这些测量时不能发现这些问题的规模?一个可接受的水平的随机缺陷是什么?
添加了这些变异来源对整个供应链产生广泛影响,因为变化本身是添加剂。变化在一个领域可能不重要,但当结合else-variation在硬件、软件或制造处理它会导致整个系统故障。在智能手机的情况下,这可能是一个不便。对于植入式医疗设备或卫星的影响更显著。
是时候开始整个供应链共享信息变化理解问题的规模和需要在哪里以及如何解决。数据只有宝贵的如果它是有用的,有图片的一部分,就像有密码的一部分。它不解决这个难题。
有关的故事
变异成长更广泛和深入的问题
新来源,高安全性的应用程序和更严格的公差时提高工厂内外的新问题。
变化的长,弯弯曲曲的尾巴在7/5nm恶化
多个源的可变性导致意想不到的问题,从人工智能芯片汽车可靠性和投放市场的时间。
过程变化和老化
半导体产业的快速进步是如何使晶体管老化更加困难。
为什么芯片模
半导体器件制造之前和之后面临许多危险,会导致他们过早地失败。
变化在芯片制造
为什么材料的一致性在先进的关键节点。
|
|
|
|
|
|
|
|
|
|
制造业面临的三个主要障碍有:不必要的复杂性、可变性,过度和知识近视。的传播是其中最阴险的可变性。三个方程,必须理解如果你想克服这些障碍是:小定律,p k方程,和变化的传播方程。尽管如此,绝大多数工厂工程师还没听说过这些方程。希望,你的博客将鼓励更多的兴趣变化——性能杀手。