端到端分析何时何地有效

随着数据在所有制造步骤中的爆炸式增长，从晶圆厂到现场利用数据的承诺开始得到回报。

工程师们开始跨制造和测试步骤连接设备数据，使得以更低的成本更容易实现产量和质量目标成为可能。关键是要知道哪个工艺旋钮可以提高产量，哪些故障可以更早地检测到，以及哪些新的工艺/设计交互作用对产量影响最大。但要实现这一点，需要在不同数据源之间建立连接。

收益管理生命周期管理数据分析平台承诺两件关键的事情。首先，团队可以提高数据质量和完整性，以确保对日常数据分析的信心，从而支持满足产量和可靠性目标。其次，有效的分析平台可以洞察所有数据源之间的关系——从模具监控器值的设计模拟预测，到检测图像和系统数据。

在半导体设计和制造过程中，数据是在硅之前和硅之后生成的。多年来，这些数据被封存在不同的地方。例如，工程师在给定的流程步骤中处理数据，通常不会利用自己无法获得的潜在学习能力——主要是因为它不容易获得。

这种情况在过去15年里慢慢发生了变化。首先，大型idm在测试制造期间开始采用前馈应用。在代工/无晶圆厂环境中，类似的应用变得更加可能数据分析平台，降低内存存储成本，更容易访问大数据计算环境。这促进了数据的端到端连接，以及生成新的和可操作的见解。

问题是，并不是每个人的端到端都是一样的。工程师根据他们的用例和职责有不同的视角。因此，他们最感兴趣回答的问题可能会有所不同。

端到端方向
促进端到端分析并不是简单地将所有数据放在一个数据湖或存储库中。数据内容和用例方面的专业知识在实现端到端分析的承诺方面发挥着关键作用。特定的用例决定了分析的方向。

通常，当工程师讨论半导体制造数据时，他们的框架是按时间顺序排列的。所以“上游”指的是生产的早期，“下游”指的是后期。随着晶圆在制造过程中的移动，以设备监视器、计量测量和检查图像的形式产生数据。类似地，装配过程具有相同类型的数据，但现在它是在单元(或部件)或一组单元上执行的。

图1:晶圆片和器件按时间顺序从多个晶圆厂经过器件组装和封装过程。来源:Onto Innovation

有了模上电路监控器，这种年表现在可以扩展到系统和现场数据，从而提供有用的测量连接线程。

在生产线上的每一站，每个模块都有数据。还可以将生成的所有数据及其相关元数据考虑到端到端数据中。从某种意义上说，这代表了晶圆、许多晶圆、单元或单元托盘的所有数据的封装。这些数据通常与设备测量数据、设备监控数据和工厂操作数据分隔为不同的数据组。通常，这些数据组存储在不同的数据管理系统中，每个系统都有自己的数据格式特点。

图2:每个流程步骤的封装数据。资料来源:A. Meixner/Semiconductor Engineering

同样，对于片上数据，在建立数据分析平台时，有关设备的热、功率和计算工作负载的更广泛的测量上下文可能是相关的。但是要有一个有效的数据分析平台，就需要了解在流程中每个站点收集的数据之间的关系，以及连接每个站点内数据的方法。

“为了能够正确地将数据关系放入正确的结构中，你必须能够理解所有数据的最终用例。为此，你需要内容专家，他们可以就数据可能的变化提出很好的问题，”微软软件产品管理总监迈克·麦金太尔说上的创新．

图3:晶圆厂制造过程中产生的数据和交叉数据交互评估。来源:Onto Innovation

其他人同意领域专业知识在连接上游和下游数据方面的价值。连接之间的时间间隔越长，这种专业知识就越重要。当工程师将制造数据与现场系统级数据连接时，尤其需要一个专家团队。

“如果你对晶圆进行一些分析，可能会有工程师没有想到的现场数据用例，因为他们只关注晶圆，”英特尔公司硅生命周期分析部门的集团总监保罗·西蒙(Paul Simon)说Synopsys对此．“一般来说，上游产生的一些数据可能是下游所必需的。从事上游工作的工程师可能知道，也可能不知道这些数据的价值。这就是为什么你需要把这些领域的知识整合在一起。所以在我的团队中，有现场人员、测试人员、装配人员、制造人员和设计人员。”

如今端到端工作的地方
在制造业中，工程师通常使用数据分析的前馈方法。产品测试工程师是该技术的早期采用者，他们成功地使用晶圆级测试数据来确定最佳的后续方案测试或组装选择,而跳过漫长的老化测试．

“我们一直在与Advantest和OSAT合作伙伴合作，将我们的数据交换网络投入测试。因此，来自上游加工(E-test晶圆探针)的信息可以被带到老化测试、最终测试或系统级测试时。PDF的解决方案．“一旦你知道了芯片将进入哪个市场，你就可以利用所有先前的信息，做出关于下一次测试制造插入的决定——特别是，它是否适合该应用。这一切都是为了让我们的客户在做出生产选择时尽可能灵活。”

自适应流不仅仅是为了测试。通过改进的数据分析，晶圆厂工艺工程师可以应对多种变化，从而降低良率和质量偏差的风险。

“我一直在和人们讨论，并问他们，‘这些数据对我的收益重要吗?’在一个正常运转的工厂里，你不会看到任何与产量有关的东西，因为你的产量应该是正常的。”麦金太尔说道。“如果一种工具超出了这种常态，它仍然可能不会在收益率中体现出来。为什么?因为其他抑制收益率的因素都比这个信号大。工具、操作或计量读数影响产量的唯一时间是在产量计算中所有其他影响中最重要的时候。”

为了控制晶圆厂的操作，工程团队依赖于工艺设备和检查统计过程控制(SPC)图，每个图代表一个参数(即单变量)。由于某些工艺的复杂性，多个参数(即多变量)之间的相互作用可能导致产量偏移。这是工程师利用数据对后续的晶圆制造或计量步骤做出决策，以提高良率和质量。

McIntyre说:“当我们今天查看fab数据时，我们正在进行同样类型的自适应学习。“如果我开始看到不符合我预期行为的事情，它们在单变量控制下仍然可以接受，但在多变量意义上，它们不符合我的模型。我会努力理解这种新的组合。例如，在一个特定的设备中，我的泵压很高，但我的气体流量很低，我的腔室很冷，相对而言，所有(参数)单独都在规范中。但我以前从未见过这种情况，所以我需要确定这一套新的工艺条件是否有影响。我把材料送到我的计量站。现在，如果内联计量数据正好在中心，我可能会忽略这个信号。”

随着设计人员采用更多的芯片上电路监视器，这些也可以被认为是数据源。在测试过程和现场使用过程中使用芯片电路监控器提供数据是一个新的端到端数据趋势。工程师寻找从一个制造测试步骤到下一个测试步骤的数据值的重大变化，因为这些可能表明失败或以后失败的风险。使用这些相同的监控器，工程师可以观察产品生命周期中的变化，并使用这些数据预测早期生命周期故障或更好地理解实际工作负载和系统性能之间的相互作用。为了有效地利用这个机会，工程师必须了解他们的产品学习目标，以及在哪里以及如何在芯片上电路监视器可以最好地支持这些目标。

Tessent硅生命周期解决方案投资组合策略高级总监Aileen Ryan表示:“数据取决于客户的具体担忧，这将取决于设计和终端系统。西门子EDA．“如果他们在设计基站，而不是为汽车设计数据系统，他们可能会有不同的关注点。我们提前与他们合作，设计系统内电路，以满足他们的特定需求。”

一旦设计者选择了电路，通常会进行广泛的模拟。

“我们基于平台的方法提供了许多好处，由于我们的通用芯片遥测技术产生的数据，从设计、验证、测试和现场的每个阶段都需要输入，”Marc Hutner说proteanTecs．“我们连接设计信息，如蒙特卡罗模拟，使我们的客户能够比较模拟和实际性能。机器学习应用于前硅和后硅数据源，可以更清楚地理解设备操作。然后，从一个阶段获得的见解可以用于了解其他阶段-例如，导致最终产品性能变化的电压偏移。我们的通用数据语言实现了以前不可能实现的应用。”

连接端到端数据
要成功地跨任何端到端方向使用数据，需要一个通用的名称、标记或索引。

数据标签连接在制造步骤中生成的不同数据源。在收购晶圆厂的过程中，遇到不同的命名惯例并不罕见，比如晶圆批次的名称。这些差异会阻碍工厂设备和整体工厂运营绩效指标之间的比较。使用相同的术语有助于从故障模具、单元或客户回报中确定共性，从而深入了解故障的可能原因。

设备历史(又名设备谱系)可能非常具有启发性，但要查看整个供应链的模式需要可追溯性——一种在整个供应链中跟踪单个设备的方法。在跟踪晶圆设备/封装单元的制造操作中，在任何特定的制造步骤，可以有20个不同的蚀刻机，每个蚀刻机有3到4个不同的操作人员和200个不同的FOUP载体。类似地，考虑汽车中复杂SoC的利用率将根据驾驶员和驾驶环境的不同而有所不同。

将这些数据连接在一起需要一个公共标识符或ID。

“在某些情况下，我们需要所有原始数据，在其他情况下，我们需要汇总数据。它是如何聚合的取决于很多东西，你需要可追溯性，”西蒙说。“如果你有一辆车在现场出了故障，你希望能够搜索数据，了解哪些部件经过了哪些设备。它们来自哪些晶圆，以及什么样的测试历史?”

其他人指出，如果没有可追溯性，就无法交付端到端分析。

PDF Solutions的业务开发总监戴夫·亨特利(Dave Huntley)说:“当你获得了所有这些测试数据后，你可以回过头来分析它，并对特定的故障部分进行更多的工程设计——只要你找到了识别线程。”“顺便说一下，情况并非总是如此。但是要连接数据，您必须具有可跟踪性线程。否则，你就是在浪费时间。”

建立连接的时间跨度是不同的。从芯片设计到安装到系统中很容易需要2年时间。根据系统的不同，产品的生命周期可能是4年(数据中心)或15年(车辆)。这将导致来自现场的反馈，以验证预测模型。

然而，谨慎是必要的。Onto公司的McIntyre说:“在查看历史时，连接长时间内的数据是准确核算和数据可追溯性的功能。”“当以前瞻性的方式连接数据或试图连接数据时，例如预测，代表未来的能力，或者更具体地说，预测中未来的不确定性，往往没有得到考虑。”

结论
端到端分析的圣杯现在已经触手可及。端到端分析的前景是基于数据完整性、用例和各种数据源之间的连接。连接有多个方向——用于制造的多个数据源及其相关数据库，测试时报告的片上数据监视器，以及整个制造供应链中的设备数据和历史记录。

虽然预先确定的用例指导感兴趣的数据关系，但工程师现在仍然可以提出新的问题。最终，两个问题仍然是最重要的:半导体设备是否满足终端客户的需求，半导体供应商是否盈利?

有关的故事
测试更多以提高利润
通过性能装箱，芯片制造商从测试中获利更多。

使用分析来减少老化
数据驱动的方法可以显著降低制造成本和时间，但它并不完美。

在IC分析中寻找和应用领域专业知识
建立和有效使用分析需要一个专家团队。

在IC分析中寻找和应用领域专业知识
建立和有效使用分析需要一个专家团队。

组合不同类型Fab数据的巨大回报
但充分利用这些数据仍然存在技术、物理和业务障碍。

连接不同数据的使能器和障碍
在某些情况下，集成多种类型的数据是可能的，但仍然不容易。

Fab和测试数据太多，利用率低
目前，收集到的数据的增长已经超过了工程师分析所有数据的能力。

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。