DSO.ai
由人工智慧驱动的设计应用
瞭解更多 →
利用人工智慧提高半导体製造效率
英文原文：
2024年2月22日於《Semiconductor Engineering》刊登
在晶圆厂产生的数据需要快速分析并採取行动，以确保紧密的製程控制和高产量，并避免製程异常
半導體晶圓廠面臨的挑戰是廣泛而不斷變化的。隨著晶片尺寸從奈米逐漸縮小至埃的規模，製造過程的複雜度也相對地增加。處理一個單一晶圓可能需要數百個製程步驟，並且可能需要一個月以上的時間。接著還需要一個多月的時間進行組裝、測試和封裝等步驟，才能得到最終的产物。
晶圓廠內部可以進行人工智慧（AI）的部署，以因應半導體製造的錯綜複雜的生產過程。晶圓在經歷眾多的製程和測試操作時產生了 PB 級的數據。這豐富的數據也帶來了一個挑戰，即需要快速分析並採取行動，以確保緊密的製程控制、高產量，並避免製程異常(process excursions)。除了應對製造過程的複雜性外，還需要新的解决方案來使得製程效率與產量都越高越好，以便為晶圓廠帶來商業價值。
础滨赋能(础滨-别苍补产濒别诲)的分析工具对滨颁製造者的好处
传统的製造过程问题检测技术已经过时，特别是在先进技术节点上。例如，工程师必须进行自己的良率分析来寻找潜在问题。一旦他们确定了问题，他们就会与除错和製程团队沟通，以确定根本原因，然后进行异常排除。除错团队继而开始寻找问题背后的某种相关性，而製程团队则进行异常排除，并将其连结到根本原因。
所有这些步骤都需要大量时间，这些时间本来可以专注於达到晶片的最高良率，降低成本并缩短上市时间。在分析工具中使用人工智慧的最大好处之"一，是工程师可以快速识别和定位特定晶片中的问题，看看是哪个製程步骤或设备导致了问题。
人工智慧除了可做到的快速而準确的製程控制之"外，还有许多其他的优点，协助节省时间和金钱，包括：
- 预测性应用：让晶圆厂从被动转向预测性的製程控制
- 可扩展性：分析 PB 級的數據，連接多個晶圓廠，並可以上雲端
- 效率：让晶圆厂做出更好的决策，并减少错误警报
為了實現下一代製造，Synopsys 正在為全面的製程控制方案啟用人工智慧和機器學習技術。
用础滨跟惭尝产生的具体行动方案
在晶圓廠中，晶圓、設備、设计、光罩、測試和良率等方面都是獨立的範疇，這些範疇可以從全面的人工智慧與機器學習解决方案中受益。這樣的解决方案可以幫助工程師針對下述的幾個面向，產生具體解决方案：
- 故障检测和分类(贵顿颁)
- 统计製程控制(厂笔颁)
- 动态故障检测(顿贵顿)
- 缺陷分类和影像分析
- 缺陷影像分析
- 决策支援系统(顿厂厂)
快速分析來自設備感測器或製程參數的 PB 級數據，使製造商能夠快速辨識製程異常的根本原因，並採取行動以保持良率。
晶圆厂内的础尝和惭尝
Synopsys 是提供矽製造和矽生命週期管理(silicon lifecycle management)軟體解决方案的供應商，包括 TCAD的解决方案、光罩解决方案和製造分析。其現有解决方案連接到分佈在多個晶圓廠的數千台設備，擁有數百萬個感應器，分析數百 PB 級的數據。透過提供對應製造過程的即時視覺影像，Synopsys 實現了預測性分析並優化产物質量和良率，以幫助半導體晶圓廠在競爭激烈的市場中取得優勢。
Synopsys 推出了一款使用 AI/ML 的軟體解决方案， Fab.da ，旨在使半導體製造更加有效率。Fab.da 是 的一部分，該解决方案整合了整個晶片生命週期的數據觀察與分析。
它透過把來自許多不同來源的數據類型集合到一個平台上，為先進和成熟節點晶片提供了完整的數據連續體(data continuum)。這種數據連續體可協助提升使用者產能、最大數據可擴展性，並找出問題的根本加以分析，以提高準確性。
Fab.da在領先的晶圓廠中提供製程控制解决方案來管理複雜的晶圓製造，並協助晶片设计師和製造者推動卓越營運和生產力，從而在當今的製造環境中取得競爭優勢。