MWONGOZO wa Viwanda

AI katika Uboreshaji wa Mazao ya Semiconductor Fab

AI katika uboreshaji wa mavuno ya kitambaa cha semicondukta hutumia ujifunzaji wa mashine kwenye picha za ukaguzi wa kaki, data ya kihisi cha zana na matokeo ya majaribio ili kupata kasoro, kutabiri vipimo na kuweka michakato ya utengenezaji kwenye lengwa.

  • dk 3 kusoma
  • Ilisasishwa mwisho
Katika ukurasa huudk 3 kusoma
  1. Muhtasari
  2. Dive ya kina
  3. Athari za kimkakati
  4. Mustakabali wa AI katika Uboreshaji wa Mazao ya Semiconductor Fab
  5. Utekelezaji wa Ulimwengu Halisi
  6. Hatari & Walinzi
  7. Ramani ya Utekelezaji
  8. Endelea Kuchunguza
  9. Maswali yanayoulizwa mara kwa mara

Muhtasari

Ni muhimu kwa sababu chip ya kisasa hupitia mamia ya hatua za mchakato, na maboresho madogo katika sehemu ya chipsi zinazofanya kazi kwa kila kaki hutafsiri moja kwa moja katika uokoaji wa gharama kubwa na usambazaji zaidi.

Dive ya kina

Mavuno ni sehemu ya chips (hufa) kwenye kaki inayofanya kazi. Vitambaa hupoteza mavuno kwa chembe za nasibu, matatizo ya mchakato wa kimfumo na kusogea polepole kwa vifaa. Kwa sababu kaki inaweza kutumia wiki kwenye kitambaa, kukamata siku za shida kuchelewa kunaweza kuharibu kura nyingi. AI husaidia katika maeneo makuu matatu. Kwanza ni kugundua kasoro na uainishaji. Zana za ukaguzi wa macho na boriti ya elektroni hupata hitilafu kwenye kaki, na miundo ya uainishaji wa kasoro kiotomatiki huziweka lebo kulingana na aina. Kando, jaribio la umeme hutoa ramani za kaki zinazoonyesha ni ipi ambayo haifaulu. Mchoro wa anga ni kidokezo: pete ya ukingo inapendekeza tatizo kwenye ukingo wa kaki wakati wa mchakato kama etching, huku mkwaruzo unapendekeza kushughulikia uharibifu. Seti ya data ya umma ya WM-811K, iliyotolewa kutoka kwa ramani za kaki halisi, inatumika sana katika utafiti wa kuainisha ruwaza hizi. Pili ni metrolojia halisi. Kupima kila kaki kwa kila hatua ni polepole na ni ghali, kwa hivyo sampuli ya vitambaa. Upimaji mtandaoni hutabiri matokeo ya vipimo kutoka kwa zana za data za kihisi ambazo tayari zimerekodi, kama vile shinikizo, halijoto, mtiririko wa gesi na nishati ya RF, ikitoa makisio kwa kila kaki. Tatu ni udhibiti wa mchakato. Mifumo ya kugundua hitilafu na uainishaji hutazama ufuatiliaji wa vitambuzi vya tabia isiyo ya kawaida, na vidhibiti vya kukimbia-kukimbia hurekebisha mipangilio ya mapishi kati ya kura ili kushikilia matokeo kwenye lengo. Kujifunza kwa mashine kunaweza kuboreshwa kwa kuiga uhusiano usio na mstari ambao udhibiti wa mchakato wa takwimu wa kitamaduni hukosa. Maoni kadhaa potofu ni ya kawaida. Vitambaa havina seti kubwa za data zilizo na lebo kwa kila aina ya kasoro: kasoro adimu zinaweza kuonekana mara chache tu, madarasa hayana usawa, na lebo hutegemea wahandisi waliobobea. Miundo pia huchakaa wakati zana zinapofanyiwa matengenezo au mabadiliko ya mapishi. Na utabiri pekee hautoshi; wahandisi wanahitaji sababu ya kimwili inayokubalika kabla ya kubadilisha mchakato. Mada hii inahusu utengenezaji, sio muundo wa mpangilio wa chip.

Athari za kimkakati

Muktadha na sheria

Muktadha wa tasnia huamua kama mawazo ya AI yatadumu katika mawasiliano na ukweli.

Udhibiti wa ubora

Vikwazo vya kikoa huathiri viwango vinavyokubalika vya makosa na miundo ya uangalizi.

Tengeneza chaguzi

Usambazaji uliofanikiwa hulinganisha uwezo wa kiufundi na mtiririko wa kazi wa mstari wa mbele.

Mustakabali wa AI katika Uboreshaji wa Mazao ya Semiconductor Fab

Kadiri vipengele vya chipu vinavyopungua na miundo kuhamia kwenye miundo ya 3D na ufungashaji wa hali ya juu, idadi ya hatua za mchakato na data ambayo kila moja hutoa huendelea kukua, jambo ambalo huongeza mahitaji ya uchanganuzi wa kiotomatiki. Huenda maelekezo yanajumuisha miundo inayochanganya data katika hatua zote ili kufuatilia hasara ya mazao hadi chanzo chake, na mbinu bora za kujifunza kutoka kwa mifano michache iliyo na lebo. Kuasili kutabaki kuwa waangalifu: vitambaa hubadilisha michakato tu kwa ushahidi thabiti, na urekebishaji usio sahihi wa kiotomatiki unaweza kufuta kaki za bei ghali. Wahandisi wa kibinadamu wanatarajiwa kukaa katika udhibiti wa maamuzi ya sababu za mizizi.

Utekelezaji wa Ulimwengu Halisi

Mtandao wa kubadilisha mfumo wa neva huainisha ramani za kaki kutoka kwa jaribio la umeme katika mifumo kama vile pete-pembe, katikati, mwanzo au nasibu, inayoelekeza wahandisi kuelekea hatua ya mchakato inayoweza kuwa na hitilafu.

Muundo wa metrolojia pepe hutabiri unene wa filamu kwa kila kaki kutoka kwa ufuatiliaji wa vitambuzi vya zana, kwa hivyo kitambaa hupima sampuli tu huku kikiendelea kushika michirizi.

Uainishaji otomatiki wa kasoro hupanga maelfu ya picha za hadubini ya elektroni za kasoro katika kategoria kama vile chembe, madaraja na mkunjo wa mchoro, kukata muda wa kukagua mwenyewe.

Kidhibiti cha kukimbia-kukimbia hurekebisha muda wa etch kwa kura inayofuata kulingana na matokeo yaliyopimwa na yaliyotabiriwa kutoka kwa kura ya awali, kufidia mtiririko wa polepole wa chemba.

Hatari & Walinzi

  • Mahitaji ya udhibiti yanaweza kubatilisha prototypes zenye nguvu.

  • Data ya kihistoria inaweza kusimba upendeleo unaodhuru jumuiya mahususi.

  • Mifumo ya urithi inaweza kuunda vikwazo vya ushirikiano na gharama zilizofichwa.

Ramani ya Utekelezaji

  1. Shirikisha wataalam wa kikoa kutoka kwa uundaji wa shida hadi tathmini.

  2. Tengeneza njia za ukaguzi na nyaraka kabla ya kuzinduliwa.

  3. Thibitisha majukumu ya kufuata na usalama mapema.

  4. Toa kwa awamu kwa vigezo wazi vya kusimamisha na kurejesha.

Endelea Kuchunguza

Free newsletter

Get the daily AI briefing

Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.

One email each weekday. Unsubscribe in one click. We never sell or share your address.

Test yourself

Take the AI in Semiconductor Fab Yield Optimization quiz

Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.

Anza chemsha bongo

Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation

Maswali yanayoulizwa mara kwa mara

AI ni nini katika Uboreshaji wa Mazao ya Semiconductor Fab?

AI katika uboreshaji wa mavuno ya kitambaa cha semicondukta hutumia ujifunzaji wa mashine kwenye picha za ukaguzi wa kaki, data ya kihisi cha zana na matokeo ya majaribio ili kupata kasoro, kutabiri vipimo na kuweka michakato ya utengenezaji kwenye lengwa. Ni muhimu kwa sababu chip ya kisasa hupitia mamia ya hatua za mchakato, na maboresho madogo katika sehemu ya chipsi zinazofanya kazi kwa kila kaki hutafsiri moja kwa moja katika uokoaji wa gharama kubwa na usambazaji zaidi.

Je, 'mavuno' inamaanisha nini katika utengenezaji wa semiconductor?

Mavuno ni sehemu ya chips kwenye kaki inayofanya kazi kwa usahihi; kuipandisha kunapunguza gharama kwa kila chip nzuri.

Metrolojia pepe hufanya nini?

Upimaji mtandaoni hutumia data ya vitambuzi kama vile shinikizo, halijoto na nguvu ya RF ili kukadiria vipimo, kwa hivyo vitambaa vinaweza kufuatilia kila kaki huku kikipima sampuli kimwili pekee.

Mchoro wa pete ya ukingo kwenye ramani ya kaki ina uwezekano mkubwa unaelekeza kwenye nini?

Mifumo ya anga hubeba dalili; pete ya ukingo inapendekeza suala la mchakato lililowekwa kwenye ukingo wa kaki, wakati mkwaruzo unapendekeza kushughulikia uharibifu.

Jedwali la data la WM-811K linatumika kwa ajili gani?

WM-811K ni seti ya umma ya ramani za kaki halisi zinazotumiwa sana kwa utafiti wa uainishaji wa muundo wenye kasoro.

Kwa nini modeli za metrolojia pepe zinahitaji kusawazishwa mara kwa mara?

Matengenezo ya kuzuia, kuzeeka na mabadiliko ya mapishi husababisha kuteleza, kwa hivyo miundo lazima igundue mabadiliko na kusasisha kwa kutumia vipimo vipya halisi.