سیمی کنڈکٹر Fab Yeld Optimization میں AI

پیداوار ایک ویفر پر چپس (ڈیز) کا حصہ ہے جو کام کرتا ہے۔ Fabs بے ترتیب ذرات، منظم عمل کی دشواریوں اور آلات میں سست رفتاری سے پیداوار کھو دیتے ہیں۔ چونکہ ایک ویفر فیب میں ہفتوں تک گزار سکتا ہے، اس لیے کسی مسئلے کو دنوں میں دیر سے پکڑنا بہت ساری چیزوں کو برباد کر سکتا ہے۔ AI تین اہم شعبوں میں مدد کرتا ہے۔ سب سے پہلے عیب کا پتہ لگانے اور درجہ بندی کرنا ہے۔ آپٹیکل اور الیکٹران بیم معائنہ کرنے والے ٹولز ویفرز پر بے ضابطگیوں کو تلاش کرتے ہیں، اور خودکار خرابی کی درجہ بندی کے ماڈل ان کو قسم کے لحاظ سے لیبل کرتے ہیں۔ الگ سے، الیکٹریکل ٹیسٹ ویفر کے نقشے تیار کرتا ہے جس میں دکھایا گیا ہے کہ کون سا ناکام ہو گیا ہے۔ مقامی پیٹرن ایک اشارہ ہے: ایک کنارے کی انگوٹی اینچنگ جیسے عمل کے دوران ویفر کے کنارے پر کسی مسئلے کی تجویز کرتی ہے، جب کہ سکریچ نقصان سے نمٹنے کی تجویز کرتا ہے۔ عوامی WM-811K ڈیٹاسیٹ، اصلی فیب ویفر نقشوں سے تیار کیا گیا ہے، ان نمونوں کی درجہ بندی کرنے کی تحقیق میں وسیع پیمانے پر استعمال ہوتا ہے۔ دوسرا ورچوئل میٹرولوجی ہے۔ ہر قدم پر ہر ویفر کی پیمائش سست اور مہنگی ہے، لہذا fabs نمونہ. ورچوئل میٹرولوجی پہلے سے ریکارڈ شدہ سینسر ڈیٹا ٹولز سے پیمائش کے نتائج کی پیشین گوئی کرتی ہے، جیسے کہ دباؤ، درجہ حرارت، گیس کا بہاؤ اور RF پاور، ہر ویفر کا تخمینہ پیش کرتی ہے۔ تیسرا عمل کنٹرول ہے۔ غلطی کا پتہ لگانے اور درجہ بندی کے نظام غیر معمولی رویے کے لیے ٹول سینسر کے نشانات کو دیکھتے ہیں، اور رن ٹو رن کنٹرولرز نتائج کو ہدف پر رکھنے کے لیے لاٹوں کے درمیان ترکیب کی ترتیبات کو ایڈجسٹ کرتے ہیں۔ مشین لرننگ غیر خطوطی تعلقات کی ماڈلنگ کرکے دونوں کو بہتر بنا سکتی ہے جو روایتی شماریاتی عمل کے کنٹرول سے محروم رہتے ہیں۔ کئی غلط فہمیاں عام ہیں۔ Fabs میں ہر قسم کی خرابی کے لیے بڑے لیبل والے ڈیٹا سیٹس نہیں ہوتے ہیں: نایاب نقائص صرف چند بار ظاہر ہو سکتے ہیں، کلاسز بہت زیادہ غیر متوازن ہیں، اور لیبلز ماہر انجینئرز پر منحصر ہیں۔ جب ٹولز کی دیکھ بھال یا ترکیبیں تبدیل ہوتی ہیں تو ماڈل بھی باسی ہو جاتے ہیں۔ اور صرف ایک پیشین گوئی کافی نہیں ہے۔ انجینئرز کو کسی عمل کو تبدیل کرنے سے پہلے ایک قابل فہم جسمانی وجہ کی ضرورت ہوتی ہے۔ یہ موضوع مینوفیکچرنگ سے متعلق ہے، نہ کہ چپ لے آؤٹ ڈیزائن سے۔