今天，無論是5G、物聯網、汽車、數據中心等的實現與發展都建立在更高性能、更低功耗的芯片的基礎之上。芯片的持續進步倚賴于更好的設計、更小的晶體管尺寸（Moore’s Law）、更高的晶體管密度、革新的制程架構(FinFET, GAA)以及高性能的材料或更好的封裝策略。而更小更快更便宜的芯片實現都來自于半導體制造技術的提升。在半導體的商業化進程中，良率直接關系到芯片的産量、生産成本與企業的盈利能力。但隨著芯片複雜度的幾何增加，生産流程的不斷加長，以及晶圓進入300mm時代，芯片的制造變得極其複雜與精密，良率變得極具挑戰。
爲了能夠快速、高效且使用低成本的方式來生産這些芯片，我們需要用到新的光刻技術、新的光學掩膜技術，以及新材料的突破 ，比如尋找銅的替代品來獲得更好的連線性能。同時用于生成這些材料的化學沉積設備也會更加複雜，需要采用先進的過濾技術，因爲極其微小的汙染物也會導致嚴重的良率問題。除了這些硬件科技之外，這幾年半導體智能制造工業軟件的重要性也逐漸被業界認知。
智能制造工業軟件的應用範圍很廣，特別是在高度重視品質、良率、産能，且生産流程複雜的行業，智能制造工業軟件必不可少，半導體制造産業就是這類行業的代表。我們知道，芯片制造是全球性産業，凝聚了全人類的智慧，從普通的沙子到指甲蓋大小的芯片，需經曆 6000 多工序，堪稱奇迹。而高精尖設備和工業軟件是成就這一奇迹的兩大保障。
智能制造工業軟件之工程智能
此前，我們對半導體智造端的CIM，尤其是MES軟件做了一定的介紹，在這個領域，國內已有不少新老玩家被業界熟識。現在我們發現，半導體智能制造領域的又一大類工業軟件也開始嶄露頭角。
通常，我們把智能制造工業軟件分成三大組件：制造系統（以MES（Manufacturing Execution System）爲代表，負責排産/追蹤/報表），工程系統（以EES（Equipment Engineering System）爲代表，負責監控/分析/控制），産品系統（以YMS（Yield Management System）爲代表，負責良率提升/增強管理）。制造系統可以實現工廠生産的自動化，並且持續運營；工程系統和産品管理系統則決定了工廠最終能否處于領先地位。打個比方，制造系統就像人的手一樣，搬運制造物品，工程系統和産品系統則通過經驗模型和人工智能的加入，打造出類似于人的大腦的功能，決定整個身體的下一步行動。工程系統和産品系統需要在大量的底層工程數據基礎上將工程的長期應用知識轉化爲模型和算法，形成持續演進的工程智能方案。工程智能將整合供應鏈，産品線，質量管控的數據，爲下一代智慧工廠快速響應市場不斷變化的需求並提供高質量個性化的産品奠定堅實基礎【1】。
複雜的生産步驟、海量數據給半導體工廠的新産品和新制程導入、良率達標與改善、工廠産出效率改善帶來了極大的挑戰，這些問題能否解決就決定了工廠的盈虧生命線、持續發展能力和核心競爭力。所以除了制造系統之外，市場對于制造端的工程智能應用（Engineering Intelligence）軟件需求也極爲迫切。但是，目前能夠滿足半導體客戶需求的工程智能應用軟件屈指可數。
那麽，工程智能軟件爲何如此難？
半導體制造行業屬于工業制造的最高級別，如去年IBM官宣的2nm制程，生産制造的步驟可以高達數千步之多，生産周期動辄需要兩三個月的時間，生産過程中涉及的參數變量繁多，産生的數據量龐雜【2】。受上述因素限制，常規的實驗設計方法，即通過單純人力更改參數空間來得到最優解的方法無法使用。正如西門子在對于智能電子工廠使用的軟件遠景中描述：分析巨量的數據不是一個容易的任務，但是唯有這樣做，才能夠定位問題，預測和解決質量問題【3】。所以合格的工程智能軟件系統 ，必須在生産流程中不停的監控定位設備的問題，優化産線性能，以此來減少新産品引入的時間和實現良率的快速提升。爲了達到這個目標，必須實現以下若幹性能：
圖一：智能制造數據的層級【4】
芯片在複雜生産過程中産生的數據量極大，這些原始數據不經過清洗加工處理是無法使用的，而原始數據的清洗准備費時費力，如果缺乏優秀工具就只能有少量數據得到利用。而海量的數據處理除了需要配備充足的算力資源，還需要先進的算法叠代和針對多種場景的准確建模，這對于軟件工具的性能指標和算法模型的積累都提出了很高的要求。除此之外，影響先進半導體制造良率與産出效率的因素越來越多，各種因素之間的相關性複雜，例如全球領先的公司已經意識到有必要將更多的生産中環境因素如溫度、濕度、氣體流量等一起納入分析，這就給工程智能軟件提出了新的要求。
半導體生産良率解決方案的技術革新道路
半導體生産良率(Yield)是半導體産業的終極挑戰。在半導體産業從設計-制造-封測的全流程中，發生良率損失的環節有多個，例如，設計和制造中的制程窗口過窄，脫離正常狀態的機器，非正確操作導致的致命錯誤，缺陷、封測良率等都是會影響良率的部分。針對不同的失效問題，需要不同的軟件模塊進行監控分析及相應的操作處理。
圖二：芯片生産中的良率影響因素及改進方法
在制造過程中，設備效率和穩定性及工藝的一致性是確保高産品質量和産量重要因素。以EES爲主的工程系統就是實現了工藝生産設備的全方位的精細化管控，在全廠數千台工藝設備生産過程中，工程師必須具備實時監控和控制過程變化的能力，而EES中最具有代表性的應用就是設備異常監控及分類系統 (FDC , Fault Detection and Classification) 系統。FDC系統結合統計過程控制 (SPC, Statistical Process Control) 和多變量分析等嵌入式功能，可以有效地實時監控來自成千上萬的工藝設備傳感器的流數據，並實時提供工藝過程異常的通知。借助使用良好的 FDC 系統，工程師可獲得及時的洞察力，快速控制過程問題並及時幹預。越早發現流程問題，這些問題對生産成本的影響就越小。事實證明，FDC 系統是工程師監控流程和及早獲得潛在問題的有效方式。另外EES中的高階工藝過程控制系統R2R(Run-to-Run)則保障了工藝的穩定性和一致性，通過前量測和後量測的數據實現了Wafer to Wafer的實時工藝調優，不斷反饋，確保每一步工藝都能獲取最佳的生産條件，從而保證了每一步生産工藝的一致性，是提升CP/CPK 的有效手段。
圖三：良率預測分析圖譜
良率的管控是需要從每個産品的合格率管控做起，産品管理系統則是對Foundry中生産的每片wafer，每片Die做全面的産品管理及追蹤分析，DMS主要是負責缺陷數據的分析，來分析wafer 上各個缺陷的分布，形成的原因，而YMS則負責良率失效數據的分析及日常産品良率的管理。
以數據爲基礎的分析與決策一直是半導體制造産業的核心。隨著工業4.0時代的到來，材料，設備，傳感器，缺陷，測試每天産生PB量級的海量數據，如何從海量數據中有效地快速挖掘和提升數據的價值，敏銳的大數據洞察是確保産品競爭力的捷徑。同時，人工智能和大數據計算技術的發展開啓了新的智能制造的時代，在智能制造的過程中引入人工智能的思維，通過對整個工廠數據鏈的整合，可以建立制造工廠中的工廠大腦以實現無人幹預的智能決策方式。所以綜合來看，大數據洞察與工程智能是保證産線健康，提升良率，從而確保晶圓廠競爭力的唯一路徑。
高階分析工具（例如：eDataLyzer）結合大數據和人工智能技術快速定位工廠中産生各種良率問題、設備問題、工藝問題、材料問題、甚至是和環境相關的問題，它是一個根本原因分析的工具（Root Cause Analysis）。結合工廠中所有的生産數據、設備數據、産品數據、不良數據、甚至環境數據，在數十種以上算法的加持下，能快速挖掘到數據之間的關系；特別是基于人工智能的傳感器數據（Trace Data）的分析，可以幫助工程師實現到一次到位的根因分析，這個是傳統YMS/DMS分析系統無法實現的，這樣就幫助了工程師進行快速的改善。另外通過根因分析流程的簡化，分布式計算技術和數據挖掘技術的結合，大量減少了工程師的分析時間，大大提升工程的分析效率，幫助制造商提高響應速度和生産力。
雲計算帶來的靈活性，可靠性和安全性已經滲透到制造行業中。未來的工廠將采用雲計算來取代傳統的IT固定資産擁有方式。這也會使得決策者可以重新把關注點拉回到時間成本和人力成本等核心的企業競爭力技術和策略上。動態工藝過程異常監控系統DFD (Dynamic Fault Detection)則是基于雲和人工智能算法基礎上更加智能的FDC系統。它不需要依賴工程師的工藝經驗模型，通過算法，實現了設備生産過程中全參數、全過程的全自動監控，讓生産異常無處躲藏。另外DFD已經開始采用私有雲或者公有雲部署，打破本地部署的傳統方式，降低了安全和運維成本，部署靈活高效，增加了系統的整體擴展性。
面向泛半導體産業的工程智能軟件供應商
但很無奈的是，半導體生産良率軟件方案長期以來也是歐美公司主導，包括西門子(Mentor Graphics)、 新思科技(Synopsys)、應用材料(Applied Materials)、普迪飛(PDF Solutions)等。我們都知道，在制造執行系統MES領域已經有多家中國本土公司在探索，而工程智能領域由于其積累時間長、開發難度大從而導致進入門檻極高，之前沒有中國公司真正涉足。但筆者注意到，在半導體工程智能領域，近期有一家公司浮出水面，那就是深圳智現未來工業軟件。
該公司前身爲韓國BISTel中國分公司，BISTel成立于2000年，在半導體智能制造系統和人工智能技術在半導體制造領域的應用中有20多年的積累。2021年10月該公司被中國科技集團收購，重組成爲中國本土公司。此舉也將爲我國智能制造軟件行業再下一城，除MES之外，我國也開始在設備工程系統（EES）領域布局。
智現未來工業軟件有限公司CEO許偉先生在接受《半導體行業觀察》采訪時指出，全球的重要經濟體都認識到了半導體産業是數字經濟的基石，歐美日韓新加坡等將半導體産業視爲國家戰略。由于地緣政治競爭，海外半導體設備供應商一方面希望收獲中國市場，另一方面限制在智能制造工業軟件的輸出。各國對于AI技術的輸出則更爲謹慎，一旦涉及到半導體智能制造軟件的AI應用，海外供應商對中國公司的支持往往受到極大的束縛。許偉先生透露，曾經有中國公司收購海外公司的工廠和産線，在獲得完整的交接清單後，發現硬件設備完整而相應的工業軟件系統要麽無法獲得，要麽無法持續升級維護。所以發展自有的工業軟件至關重要。
結語
在國家的十四五規劃中，發展硬科技成爲國家戰略，對工業軟件的重視已經是上下共識，我們很高興看到越來越多的本土工業軟件公司開始探索，爲將來更多在建的或者未來的晶圓廠和封測廠等提供強有力的支持。
參考資料
【1】Infographic: What’s fueling the rapid rise of smart manufacturing?https://iot.eetimes.com/infographic-whats-fueling-the-rapid-rise-of-smart-manufacturing/
【2】IBM Unveils World’s First 2 nm Chiphttps://www.eetimes.com/ibm-unveils-worlds-first-2-nm-chip/
【3】Simens：Envision the future of smart electronicshttps://www.techonline.com/wp-content/uploads/Siemens_EnvisionTheFutureOfSmartElectronics.pdf?_ga=2.62378031.221249789.1653284496-1566739233.1653284495&_gl=1*1r8ag8u*_ga*MTU2NjczOTIzMy4xNjUzMjg0NDk1*_ga_ZLV02RYCZ8*MTY1MzI4NDQ5MC4xLjEuMTY1MzI4NTg0Ni4w
【4】Towards Industry 4.0: Digital Transformation in Manufacturinghttps://medium.com/neurisium/towards-industry-4-0-digital-transformation-in-manufacturing-acb95202349a
*免責聲明：本文由作者原創。文章內容系作者個人觀點，半導體行業觀察轉載僅爲了傳達一種不同的觀點，不代表半導體行業觀察對該觀點贊同或支持，如果有任何異議，歡迎聯系半導體行業觀察。
今天是《半導體行業觀察》爲您分享的第3055內容，歡迎關注。
晶圓｜集成電路｜設備｜汽車芯片｜存儲｜台積電｜AI｜封裝
