Tiếp theoHướng dẫn tiếp theo
AI trong giao hàng chặng cuối và tối ưu hóa tuyến đường
ngành công nghiệp
HƯỚNG DẪN ngành
AI trong Tối ưu hóa năng suất Fab bán dẫn
AI trong tối ưu hóa năng suất nhà máy bán dẫn sử dụng công nghệ học máy trên hình ảnh kiểm tra tấm bán dẫn, dữ liệu cảm biến công cụ và kết quả kiểm tra để tìm ra lỗi, dự đoán các phép đo và đảm bảo quy trình sản xuất đạt mục tiêu.
Trên trang nàyĐọc trong 3 phút
Tổng quan
Điều này quan trọng vì một con chip hiện đại phải trải qua hàng trăm bước quy trình và những cải tiến nhỏ về tỷ lệ chip hoạt động trên mỗi tấm bán dẫn sẽ trực tiếp giúp tiết kiệm chi phí lớn và cung cấp nhiều hơn.
Lặn sâu
Hiệu suất là tỷ lệ chip (khuôn) trên một tấm bán dẫn hoạt động được. Fab mất năng suất do các hạt ngẫu nhiên, các vấn đề về quy trình có hệ thống và sự trôi chậm trong thiết bị. Bởi vì một tấm wafer có thể phải mất hàng tuần trong nhà máy nên việc phát hiện sự cố muộn vài ngày có thể làm hỏng rất nhiều sản phẩm. AI hỗ trợ trong ba lĩnh vực chính. Đầu tiên là phát hiện và phân loại lỗi. Các công cụ kiểm tra chùm tia quang học và điện tử sẽ tìm thấy những điểm bất thường trên các tấm bán dẫn và các mô hình phân loại khuyết tật tự động gắn nhãn chúng theo loại. Riêng biệt, thử nghiệm điện tạo ra các bản đồ wafer cho thấy khuôn nào bị lỗi. Mô hình không gian là một manh mối: một vòng cạnh cho thấy có vấn đề ở cạnh tấm bán dẫn trong quá trình xử lý như khắc, trong khi một vết xước cho thấy việc xử lý hư hỏng. Bộ dữ liệu WM-811K công khai, được lấy từ bản đồ wafer thực tế, được sử dụng rộng rãi trong nghiên cứu phân loại các mẫu này. Thứ hai là đo lường ảo. Việc đo từng tấm wafer ở mỗi bước rất chậm và tốn kém, vì vậy thật tuyệt vời. Đo lường ảo dự đoán kết quả đo từ các công cụ dữ liệu cảm biến đã được ghi lại, chẳng hạn như áp suất, nhiệt độ, lưu lượng khí và công suất RF, đưa ra ước tính cho từng tấm bán dẫn. Thứ ba là kiểm soát quá trình. Hệ thống phát hiện và phân loại lỗi theo dõi dấu vết của cảm biến dụng cụ để phát hiện hành vi bất thường và bộ điều khiển chạy để chạy điều chỉnh cài đặt công thức giữa các lô để giữ kết quả đúng mục tiêu. Học máy có thể cải thiện cả hai điều này bằng cách mô hình hóa các mối quan hệ phi tuyến tính mà hệ thống kiểm soát quy trình thống kê truyền thống bỏ sót. Một số quan niệm sai lầm là phổ biến. Fab không có bộ dữ liệu được gắn nhãn khổng lồ cho mọi loại lỗi: các lỗi hiếm gặp có thể chỉ xuất hiện một vài lần, các lớp rất mất cân bằng và nhãn phụ thuộc vào các kỹ sư chuyên môn. Các mô hình cũng trở nên lỗi thời khi các công cụ được bảo trì hoặc công thức nấu ăn thay đổi. Và chỉ dự đoán thôi thì chưa đủ; các kỹ sư cần một nguyên nhân vật lý hợp lý trước khi họ thay đổi một quy trình. Chủ đề này liên quan đến sản xuất chứ không phải thiết kế bố trí chip.
Tác động chiến lược
Bối cảnh và quy tắc
Bối cảnh của ngành quyết định liệu các ý tưởng AI có tồn tại được khi tiếp xúc với thực tế hay không.
Kiểm soát chất lượng
Các ràng buộc về miền ảnh hưởng đến tỷ lệ lỗi có thể chấp nhận được và các mô hình giám sát.
Xây dựng lựa chọn
Triển khai thành công sẽ điều chỉnh năng lực kỹ thuật phù hợp với quy trình làm việc tuyến đầu.
Tương lai của AI trong tối ưu hóa năng suất Fab bán dẫn
Khi các tính năng của chip thu nhỏ lại và thiết kế chuyển sang cấu trúc 3D và đóng gói tiên tiến, số bước quy trình và dữ liệu mà mỗi bước tạo ra tiếp tục tăng lên, điều này làm tăng nhu cầu phân tích tự động. Các hướng có khả năng bao gồm các mô hình kết hợp dữ liệu qua các bước để theo dõi sự mất mát năng suất từ nguồn của nó và các phương pháp tốt hơn để học hỏi từ một số ví dụ được gắn nhãn. Việc áp dụng sẽ vẫn thận trọng: các nhà chế tạo chỉ thay đổi quy trình khi có bằng chứng rõ ràng và việc điều chỉnh tự động sai có thể làm hỏng các tấm bán dẫn đắt tiền. Các kỹ sư con người được kỳ vọng sẽ nắm quyền kiểm soát các quyết định về nguyên nhân gốc rễ.
Triển khai trong thế giới thực
Mạng nơ-ron tích chập phân loại các bản đồ wafer từ thử nghiệm điện thành các mẫu như vòng cạnh, trung tâm, vết xước hoặc ngẫu nhiên, hướng các kỹ sư đến bước quy trình có thể bị lỗi.
Một mô hình đo lường ảo dự đoán độ dày màng cho mỗi tấm wafer từ dấu vết cảm biến của công cụ lắng đọng, do đó, nhà chế tạo chỉ đo vật lý một mẫu trong khi vẫn thu được các vết trôi.
Phân loại lỗi tự động sắp xếp hàng nghìn hình ảnh khiếm khuyết bằng kính hiển vi điện tử quét thành các danh mục như hạt, cầu nối và sự sụp đổ mẫu, cắt giảm thời gian xem xét thủ công.
Bộ điều khiển chạy để điều chỉnh thời gian ăn mòn cho lô tiếp theo dựa trên kết quả được đo và dự đoán từ lô trước đó, bù đắp cho độ lệch buồng dần dần.
Rủi ro & lan can
Các yêu cầu pháp lý có thể vô hiệu hóa các nguyên mẫu mạnh mẽ.
Dữ liệu lịch sử có thể mã hóa thành kiến gây tổn hại cho các cộng đồng cụ thể.
Các hệ thống cũ có thể tạo ra các nút thắt cổ chai trong tích hợp và chi phí tiềm ẩn.
Lộ trình thực hiện
Thu hút các chuyên gia trong lĩnh vực từ việc xác định vấn đề đến đánh giá.
Thiết kế các đường dẫn kiểm tra và tài liệu trước khi ra mắt.
Xác nhận sớm các nghĩa vụ tuân thủ và an toàn.
Triển khai theo từng giai đoạn với tiêu chí dừng và khôi phục rõ ràng.
Tiếp tục khám phá
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
Câu hỏi thường gặp
AI trong việc tối ưu hóa năng suất Fab bán dẫn là gì?
AI trong tối ưu hóa năng suất nhà máy bán dẫn sử dụng công nghệ học máy trên hình ảnh kiểm tra tấm bán dẫn, dữ liệu cảm biến công cụ và kết quả kiểm tra để tìm ra lỗi, dự đoán các phép đo và đảm bảo quy trình sản xuất đạt mục tiêu. Điều này quan trọng vì một con chip hiện đại phải trải qua hàng trăm bước quy trình và những cải tiến nhỏ về tỷ lệ chip hoạt động trên mỗi tấm bán dẫn sẽ trực tiếp giúp tiết kiệm chi phí lớn và cung cấp nhiều hơn.
'Năng suất' nghĩa là gì trong sản xuất chất bán dẫn?
Sản lượng là phần chip trên một tấm bán dẫn hoạt động chính xác; tăng nó sẽ làm giảm chi phí cho mỗi con chip tốt.
Đo lường ảo làm gì?
Đo lường ảo sử dụng dữ liệu cảm biến như áp suất, nhiệt độ và công suất RF để ước tính các phép đo, do đó, các nhà chế tạo có thể giám sát mọi tấm bán dẫn trong khi chỉ đo vật lý một mẫu.
Mẫu vòng cạnh trên bản đồ wafer rất có thể chỉ ra điều gì?
Các mô hình không gian mang theo manh mối; vòng cạnh cho thấy vấn đề về quy trình tập trung ở cạnh wafer, trong khi vết xước cho thấy việc xử lý hư hỏng.
Bộ dữ liệu WM-811K được sử dụng để làm gì?
WM-811K là một bộ bản đồ wafer thực tế công khai được sử dụng rộng rãi để nghiên cứu về phân loại mẫu khuyết tật.
Tại sao các mô hình đo lường ảo cần hiệu chuẩn lại thường xuyên?
Bảo trì phòng ngừa, lão hóa và thay đổi công thức gây ra sai lệch, vì vậy các mô hình phải phát hiện sự thay đổi và cập nhật bằng các phép đo vật lý mới.
Tiếp tục học hỏi
Hướng dẫn liên quan
Đã chọn thêm hướng dẫn cho chủ đề này