數據密度帶來的挑戰完全可以在一個晶圓上體現出來從IC設計，制造到封裝測試，一個晶圓要經過上百道工序，每一道工序都會產生大量的數據這些海量數據在追蹤問題和提高半導體工廠產量方面發揮著越來越重要的作用
但是半導體公司做數據分析是極其困難的，因為半導體產業鏈極其漫長，高度細分，每一個環節都由大量的專業公司來做這意味著在小晶片上連接數據有許多實際困難這是實現半導體工業4.0的第一步
目前傳統半導體數據分析的現狀是，幾乎90%的時間都花在前期的數據清理和數據整合上普迪飛半導體高級應用總監楊德昌向王記偉指出愛德華曾在蘋果，恩智浦和羅克韋爾等領先公司工作，擁有20多年的行業經驗目前，他在普迪飛負責Exensio分析平臺的全球應用工程團隊
作為新生產力的數據，能給半導體行業帶來什么價值。
良率是半導體產業最重要的核心要素，是衡量芯片從實驗室階段到量產的重要尺度同時，從經濟角度來看，芯片良率與整體成本的關系更為密切
對于芯片企業來說，芯片良率直接反映了芯片可以銷售的比例，從而直接影響芯片制造成本，這也是半導體廠商如此重視良率的原因半導體材料制造商Entegris執行副總裁兼首席運營官托德埃德倫德在接受媒體采訪時簡單算了一筆賬:對于3D NAND晶圓廠來說，1%的產量提升可能意味著每年凈賺1.1億美元對于復雜的邏輯晶圓廠來說，1%的收益率意味著1.5億美元的凈利潤
與此同時，伴隨著智能終端應用的爆發式增長，半導體芯片對全球各行業的重要性逐年提升，在產品中所占的比重也不斷增加，這對可靠性提出了越來越高的要求。
伴隨著先進半導體制造工藝的發展，成品率問題不僅僅是晶圓廠技術能力的問題其中，數據的價值日益凸顯，因為從芯片設計到晶圓制造，再到封裝，測試，PCB模板，再到將產品制作成實際應用場景，任何一個環節出現問題都可能影響最終的良率
可是，半導體行業作為所有前沿技術的基礎，在挖掘數據價值和為產業發展提供有效洞察方面并不領先數據密集型半導體產業正經歷著技術和應用的快速發展，面臨著大數據的挑戰
具體來說，芯片設計和制造決定良率，封裝測試決定產品最終良率良率還需要細分為晶圓良率，Die良率和封測良率，總良率是這三者的乘積影響芯片產量的因素復雜多樣一般來說，設計越復雜，工藝步驟越多，工藝偏移率越大，芯片良率越低同時，環境因素也會對產量產生一定的影響其中，影響最大的因素包括晶圓尺寸，環境因素和技術成熟度
造成晶圓缺陷的原因在整個生產過程中有很多，可能是環境，設備，工藝問題，原材料或人員因素等愛德華指出:如果產品有問題，要第一時間知道是哪個環節出了問題整個半導體行業都需要重新審視這個問題，引入更有效的手段和工具在半導體的先進工藝節點，尤其是7nm和5nm，伴隨著工藝復雜度的提高，很多缺陷并不在晶圓表面，而是埋在其中，這使得在R&D和量產中對缺陷的監控非常困難因此，除了技術調整之外，通過全產業鏈端到端的數據分析來提高產量尤為關鍵
從某種意義上來說，這種挖掘數據價值提高半導體產業良率的方式甚至可以看作是摩爾定律的又一次延續。
如何挖掘晶圓片上數據的價值。
那么，如何挖掘出晶圓上密集數據的價值，進而對半導體設計，生產，封裝，測試和應用提出有效的改進方案呢這些都是半導體企業在實踐中不易操作的
除了數據量巨大之外，Edward指出，半導體行業大數據分析的一個主要問題是半導體行業的大數據種類繁多，這也給數據分析帶來了困難一個晶圓包含了從IC設計，制造到封裝測試的各種數據，每個環節的數據形式和分析方法都不一樣如果組織得不好，數據就會雜亂無章，很難追溯到一些問題，找到提高產量的解決方案
Edward進一步指出，要實現覆蓋整個半導體產業鏈的數據分析，遇到的首要問題是如何實現這些數據格式的標準化管理，比如將數據從晶圓廠發送到后續的測試工廠，以及數據格式如何標準化同時，工業領域還有ERP，MES等各種工業軟件系統還有如何規范數據格式的問題這些都是半導體行業實施工業4.0智能制造的關鍵點，也是半導體廠商面對數據分析時最大的痛點
普迪飛推出的半導體大數據平臺Exensio平臺就是為此而誕生的它整合了整個產業鏈的大數據，包括數據的清理和分析功能，服務于產業鏈中的各類公司深耕半導體產業鏈20余年的普迪飛半導體，是唯一一家打通整個半導體產業鏈，實現產業鏈端到端全覆蓋的半導體大數據分析公司
Edward介紹，Exensio平臺是半導體供應鏈的大數據分析基礎設施如果把整個產業鏈大致分為設計，制造和封裝測試三個環節，根據每個環節的特點，Exensio平臺都有相應的產品模塊可供選擇
Exensio—Process Control)，產品測試優化模塊(Exensio—Test Operations)，半導體良率管理系統模塊(Exensio—Manufacturing Analytics)與封裝優化模塊 (Exensio ndash， Assembly Operations) 等，覆蓋從IC設計，晶圓制造，到封裝和測試等的半導體全產業鏈。
值得一提的是，普迪飛獨有的CV(characterization vehicle)良率提升方法，不僅可以對工藝和產品特性提供針對性的設計，還可以通過靈活的工藝流程縮短監測的周期整個系統包括高分辨的設計結構，高速并行的測試機臺以及高效的良率分析軟件而在此之前，傳統工藝技術采用導入工藝器件檢測結構的方式來實現，如采用SRAM測試芯片來監測，診斷良率，但這種方法不夠全面且周期很長迄今，普迪飛已經提供了100多種10nm及以下的CV測試芯片特別是CVi系統提供的大量的器件表征數據結合Exensio Platform中的數據分析功能，可以建立精確的，針對特定產品的性能模型，以實現針對特定產品的最佳工藝設置，從而最大程度地提高制造可靠性和可預測性
連接全產業鏈的數據
這種全產業鏈數據分析的價值不止于此，Edward指出，更為重要的是，通過這樣一個連通全產業鏈的數據平臺，原本獨立分工的各個產業鏈環節實現數據層面的互聯這種互聯不僅僅只是設備之間的，同時也將各個環節的半導體工程師與所有的芯片生產，封裝，測試設備連接起來，為設計和制造提供重要的回饋，有助于降低各項成本，提高性能和良率
去年，普迪飛半導體與愛德萬測試宣布建立合作伙伴關系，雙方以普迪飛的 Exensio軟件分析平臺為基礎，建立由Exensio驅動的愛德萬測試云(Advantest Cloud)，供愛德萬公司內部和外部客戶使用通過這一合作，能為半導體工程師連接起橫跨半導體價值鏈的自動化測試設備(Automated Test Equipment， ATE)，推動重要設計并產生制造分析，藉此降低測試成本，提升效能
全球前十大的半導體企業都是普迪飛的客戶迄今為止，在IC設計部分，普迪飛的Fire Engine軟件分析了100億個晶體管的版圖結構，在晶圓制造環節，全球超過24，000臺芯片生產設備通過其提供的生產監控軟件進行連接，在封裝測試部分，全球超過15個頭部封測服務供應商的工廠數據與該平臺對接，超過16，000臺測試機和封裝設備通過其監控整個運營情況的軟件相連接
值得一提的是，普迪飛也同樣關注半導體初創公司和中小型企業的數據分析需求，針對不同成長階段和規模的半導體企業，推出相應的數據分析模塊以滿足個性化的需求。
行業數據顯示，截止到2020年中國的IC設計企業達到了2218家，比2019年的1780家多了438家，數量增長了24.6%但從規模上看，大部分公司還局限在小而弱的狀態Edward指出，最近幾年來，國內的半導體工藝一直在更新換代，IC設計公司也成長很快，但總體來看，目前國內的IC設計公司，盡管設計能力很強，可是在做數據分析，IT維護，導入量產方面，與國外公司相比則較弱針對此，普迪飛專門推出了一款基于云端部署的半導體數據分析平臺Exensio Fabless Quick Start，由普迪飛維護IT設備資源，可以幫助處于起步階段的設計公司實現定制化的數據分析能力，從而實現數據的深度追蹤和挖掘
更高質量的數據，更智能的預見性分析
據Edward觀察，在服務半導體產業鏈的過程中，半導體廠商的數據分析需求在過去十多年中也不斷發生著變化從早期的由客戶提供數據，然后普迪飛基于這些提供的數據進行分析并給出調整相應工藝制程的建議，漸漸轉變到從客戶希望達到的效果和目標入手，普迪飛基于此來建議客戶需要做哪些分析，需要采集什么樣的數據，同時也會幫助客戶去采集相關的數據
，采集到高質量的數據，對于數據分析的效率以及產生的價值意義重大，Edward指出去年，普迪飛收購了智能制造和工業4.0設備連接產品供應商Cimetrix，就是看重其強大的數據采集能力
據介紹，超過150家半導體設備公司使用Cimetrix產品為數百種設備類型提供工廠自動化連接這些軟件產品是隨設備一起裝運的，這樣工廠就可以很容易地從設備中獲取數據，以改進制造此外，Cimetrix Sapience智能工廠平臺使世界各地的半導體制造，測試，封裝與系統廠能夠輕松地連接到工廠車間設備，以實現先進分析
Edward指出，普迪飛將 Exensio與基于標準的領先連接產品Cimetrix相結合，采集到的數據實現統一標準，格式，且數據更高頻高質量，數據分析的效率和質量都將得到大大提升。
高質量的數據對于訓練人工智能模型從而應用到半導體行業中，實現更智能，準確的預見性分析有重要意義而整個行業也開始越來越注重在問題發生之前如何預警從而規避人工智能技術的導入也是業界趨勢
Edward舉例，以晶圓廠為例，普迪飛的Process Control軟件中有一部分功能用于監測機臺設備，通過收集的過往數據來分析預測機器大約會在運作多少小時之后容易出現問題，導致生產的wafer報廢通過該功能可以實現提前停機檢修而以往，都是等到機器開始生產報廢的wafer后，才會停機此外，人工智能還可以把很多的專家經驗進行數字化整合，從而實現管理和預測在不需要專家在場的情況下，依然能夠實現大規模推廣應用，其關鍵點是需要大量的數據來支撐實現
鄭重聲明：此文內容為本網站轉載企業宣傳資訊，目的在于傳播更多信息，與本站立場無關。僅供讀者參考，并請自行核實相關內容。
|
