KI in der Ertragsoptimierung von Halbleiterfabriken

Die Ausbeute ist der Bruchteil der Chips (Chips) auf einem Wafer, die funktionieren. Fabs verlieren aufgrund zufälliger Partikel, systematischer Prozessprobleme und langsamer Drift in der Ausrüstung ihre Ausbeute. Da ein Wafer mehrere Wochen in der Fabrik verbringen kann, kann ein Problem, das Tage zu spät auftritt, viele Lose ruinieren. KI hilft in drei Hauptbereichen. Zunächst geht es um die Fehlererkennung und -klassifizierung. Optische und Elektronenstrahl-Inspektionswerkzeuge finden Anomalien auf Wafern und automatische Fehlerklassifizierungsmodelle kennzeichnen sie nach Typ. Unabhängig davon erstellt der elektrische Test Waferkarten, die zeigen, welche Chips ausgefallen sind. Das räumliche Muster ist ein Hinweis: Ein Randring deutet auf ein Problem am Waferrand während eines Prozesses wie dem Ätzen hin, während ein Kratzer auf einen Handhabungsschaden hindeutet. Der öffentliche WM-811K-Datensatz, der aus realen Fab-Wafer-Karten stammt, wird häufig in der Forschung zur Klassifizierung dieser Muster verwendet. An zweiter Stelle steht die virtuelle Messtechnik. Das Messen jedes Wafers bei jedem Schritt ist langsam und teuer, also fabs Probenahme. Die virtuelle Metrologie sagt Messergebnisse aus bereits aufgezeichneten Sensordaten wie Druck, Temperatur, Gasfluss und HF-Leistung voraus und liefert eine Schätzung für jeden Wafer. Drittens ist die Prozesskontrolle. Systeme zur Fehlererkennung und -klassifizierung überwachen die Spuren der Werkzeugsensoren auf abnormales Verhalten, und die Steuerungen passen die Rezepteinstellungen zwischen den Chargen an, um die Ergebnisse auf dem Sollniveau zu halten. Maschinelles Lernen kann beides verbessern, indem es nichtlineare Beziehungen modelliert, die bei der herkömmlichen statistischen Prozesskontrolle übersehen werden. Mehrere Missverständnisse sind weit verbreitet. Fabs verfügen nicht über große, gekennzeichnete Datensätze für jeden Fehlertyp: Seltene Fehler treten möglicherweise nur wenige Male auf, die Klassen sind stark unausgewogen und die Kennzeichnungen hängen von erfahrenen Ingenieuren ab. Modelle veralten auch, wenn Werkzeuge gewartet werden oder Rezepte geändert werden. Und eine Vorhersage allein reicht nicht aus; Ingenieure benötigen eine plausible physikalische Ursache, bevor sie einen Prozess ändern. Dieses Thema betrifft die Herstellung, nicht das Chip-Layout-Design.