ДаліНаступний посібник
ШІ в доставці на останню милю та оптимізації маршруту
Галузі промисловості
Галузеві довідники
ШІ в оптимізації продуктивності фабрики напівпровідників
AI в оптимізації продуктивності напівпровідникових фабрик використовує машинне навчання на зображеннях перевірки пластин, даних датчиків інструменту та результатах тестування, щоб знаходити дефекти, прогнозувати вимірювання та підтримувати виробничі процеси на цільовому рівні.
На цій сторінці3 хвилини читання
Огляд
Це важливо, тому що сучасний чіп проходить через сотні етапів процесу, і невеликі покращення частки працюючих чіпів на пластину безпосередньо перетворюються на значну економію коштів і збільшення пропозиції.
Глибоке занурення
Вихід — це частка стружки (плашки) на пластині, яка працює. Фабрики втрачають продуктивність через випадкові частинки, систематичні проблеми процесу та повільний дрейф обладнання. Оскільки вафля може провести тижні у виробництві, виявлення проблеми на кілька днів із запізненням може зруйнувати багато чого. ШІ допомагає в трьох основних сферах. По-перше, це виявлення та класифікація дефектів. Інструменти оптичного та електронно-променевого контролю виявляють аномалії на пластинах, а моделі автоматичної класифікації дефектів позначають їх за типом. Окремо електричні випробування створюють карти пластин, які показують, які матриці вийшли з ладу. Просторовий візерунок є підказкою: крайове кільце вказує на проблему на краю пластини під час такого процесу, як травлення, тоді як подряпина вказує на пошкодження при обробці. Загальнодоступний набір даних WM-811K, зібраний із справжніх платівкових карт, широко використовується в дослідженнях класифікації цих шаблонів. По-друге, це віртуальна метрологія. Вимірювання кожної пластини на кожному кроці є повільним і дорогим, тому беріть зразки. Віртуальна метрологія прогнозує результати вимірювань на основі вже записаних даних датчиків, таких як тиск, температура, потік газу та радіочастотна потужність, надаючи оцінку для кожної пластини. По-третє, це контроль процесу. Системи виявлення та класифікації несправностей відстежують сліди датчиків інструменту на наявність ненормальної поведінки, а контролери від циклу до циклу коригують параметри рецептів між партіями, щоб утримувати результати на цільовому рівні. Машинне навчання може покращити обидва шляхом моделювання нелінійних зв’язків, яких не вистачає традиційного статистичного керування процесом. Поширені кілька помилкових уявлень. Фабрики не мають величезних мічених наборів даних для кожного типу дефекту: рідкісні дефекти можуть з’являтися лише кілька разів, класи сильно незбалансовані, а мітки залежать від досвідчених інженерів. Models also go stale when tools undergo maintenance or recipes change. І одного передбачення недостатньо; інженерам потрібна правдоподібна фізична причина, перш ніж вони змінять процес. This topic concerns manufacturing, not chip layout design.
Стратегічний вплив
Контекст і правила
Галузевий контекст визначає, чи виживуть ідеї ШІ при контакті з реальністю.
Контроль якості
Обмеження домену впливають на прийнятну кількість помилок і моделі контролю.
Створіть вибір
Успішне розгортання узгоджує технічні можливості з робочими процесами.
Майбутнє штучного інтелекту в оптимізації продуктивності напівпровідникових фабрик
У міру того, як характеристики чіпів зменшуються, а конструкції переходять до 3D-структур і вдосконаленого пакування, кількість етапів процесу та даних, які кожен генерує, продовжують зростати, що збільшує попит на автоматизований аналіз. Ймовірні вказівки включають моделі, які об’єднують дані на різних етапах, щоб відстежити втрату врожаю назад до її джерела, а також кращі методи навчання на кількох позначених прикладах. Adoption will remain cautious: fabs change processes only with strong evidence, and a wrong automated adjustment can scrap expensive wafers. Human engineers are expected to stay in control of root-cause decisions.
Реалізація в реальному світі
Згорточна нейронна мережа класифікує карти пластин із електричного випробування на шаблони, такі як кільце краю, центр, подряпина або випадковий, спрямовуючи інженерів на ймовірний несправний етап процесу.
Віртуальна метрологічна модель передбачає товщину плівки для кожної пластини за слідами датчика інструменту для осадження, тому фабрика фізично вимірює лише зразок, уловлюючи дрейфи.
Автоматична класифікація дефектів сортує тисячі зображень дефектів скануючого електронного мікроскопа за такими категоріями, як частинки, містки та згортання візерунків, скорочуючи час перегляду вручну.
Контролер серії регулює час травлення для наступної партії на основі виміряних і прогнозованих результатів попередньої партії, компенсуючи поступовий дрейф камери.
Ризики та огорожі
Нормативні вимоги можуть зробити недійсними в іншому випадку надійні прототипи.
Історичні дані можуть кодувати упередженість, яка шкодить певним спільнотам.
Застарілі системи можуть створювати вузькі місця інтеграції та приховані витрати.
Дорожня карта впровадження
Залучайте експертів із предметної області від розробки проблеми до оцінки.
Створіть контрольні стежки та документацію перед запуском.
Завчасно перевірте зобов’язання щодо відповідності та безпеки.
Розгортайте поетапно з чіткими критеріями зупинки та відкату.
Продовжуйте досліджувати
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.
Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation
Часті запитання
What is AI in Semiconductor Fab Yield Optimization?
AI в оптимізації продуктивності напівпровідникових фабрик використовує машинне навчання на зображеннях перевірки пластин, даних датчиків інструменту та результатах тестування, щоб знаходити дефекти, прогнозувати вимірювання та підтримувати виробничі процеси на цільовому рівні. Це важливо, тому що сучасний чіп проходить через сотні етапів процесу, і невеликі покращення частки працюючих чіпів на пластину безпосередньо перетворюються на значну економію коштів і збільшення пропозиції.
Що означає «продуктивність» у виробництві напівпровідників?
Вихід — це частка мікросхем на пластині, які функціонують правильно; її підвищення знижує вартість хорошого чіпа.
Що робить віртуальна метрологія?
Віртуальна метрологія використовує дані датчиків, такі як тиск, температура та радіочастотна потужність, для оцінки вимірювань, тому заводи можуть контролювати кожну пластину, фізично вимірюючи лише зразок.
На що, швидше за все, вказує кільцевий візерунок на пластині?
Просторові моделі несуть підказки; крайове кільце вказує на проблему процесу, зосереджену на краю пластини, тоді як подряпина вказує на пошкодження під час обробки.
Для чого використовується набір даних WM-811K?
WM-811K — це загальнодоступний набір карт реальних фаб пластин, які широко використовуються для дослідження класифікації зразків дефектів.
Чому віртуальні метрологічні моделі потребують частого повторного калібрування?
Профілактичне технічне обслуговування, старіння та зміни рецептів спричиняють дрейф, тому моделі повинні виявляти зміни та оновлювати за допомогою нових фізичних вимірювань.
Продовжуйте вчитися
Пов'язані посібники
Інші посібники, вибрані для цієї теми