半导体产业先进制造的工程智能之路

今天，无论是5G、物联网、汽车、数据中心等的实现与发展都建立在更高性能、更低功耗的芯片的基础之上。芯片的持续进步倚赖于更好的设计、更小的晶体管尺寸（Moore's Law）、更高的晶体管密度、革新的制程架构(FinFET, GAA)以及高性能的材料或更好的封装策略。而更小更快更便宜的芯片实现都来自于半导体制造技术的提升。在半导体的商业化进程中，良率直接关系到芯片的产量、生产成本与企业的盈利能力。但随着芯片复杂度的几何增加，生产流程的不断加长，以及晶圆进入300mm时代，芯片的制造变得极其复杂与精密，良率变得极具挑战。

为了能够快速、高效且使用低成本的方式来生产这些芯片，我们需要用到新的光刻技术、新的光学掩膜技术，以及新材料的突破 ，比如寻找铜的替代品来获得更好的连线性能。同时用于生成这些材料的化学沉积设备也会更加复杂，需要采用先进的过滤技术，因为极其微小的污染物也会导致严重的良率问题。除了这些硬件科技之外，这几年半导体智能制造工业软件的重要性也逐渐被业界认知。

智能制造工业软件的应用范围很广，特别是在高度重视品质、良率、产能，且生产流程复杂的行业，智能制造工业软件必不可少，半导体制造产业就是这类行业的代表。我们知道，芯片制造是全球性产业，凝聚了全人类的智慧，从普通的沙子到指甲盖大小的芯片，需经历 6000 多工序，堪称奇迹。而高精尖设备和工业软件是成就这一奇迹的两大保障。

智能制造工业软件之工程智能

此前，我们对半导体智造端的CIM，尤其是MES软件做了一定的介绍，在这个领域，国内已有不少新老玩家被业界熟识。现在我们发现，半导体智能制造领域的又一大类工业软件也开始崭露头角。

通常，我们把智能制造工业软件分成三大组件：制造系统（以MES（Manufacturing Execution System）为代表，负责排产/追踪/报表），工程系统（以EES（Equipment Engineering System）为代表，负责监控/分析/控制），产品系统（以YMS（Yield Management System）为代表，负责良率提升/增强管理）。制造系统可以实现工厂生产的自动化，并且持续运营；工程系统和产品管理系统则决定了工厂最终能否处于领先地位。打个比方，制造系统就像人的手一样，搬运制造物品，工程系统和产品系统则通过经验模型和人工智能的加入，打造出类似于人的大脑的功能，决定整个身体的下一步行动。工程系统和产品系统需要在大量的底层工程数据基础上将工程的长期应用知识转化为模型和算法，形成持续演进的工程智能方案。工程智能将整合供应链，产品线，质量管控的数据，为下一代智慧工厂快速响应市场不断变化的需求并提供高质量个性化的产品奠定坚实基础【1】。

复杂的生产步骤、海量数据给半导体工厂的新产品和新制程导入、良率达标与改善、工厂产出效率改善带来了极大的挑战，这些问题能否解决就决定了工厂的盈亏生命线、持续发展能力和核心竞争力。所以除了制造系统之外，市场对于制造端的工程智能应用（Engineering Intelligence）软件需求也极为迫切。但是，目前能够满足半导体客户需求的工程智能应用软件屈指可数。

那么，工程智能软件为何如此难？

半导体制造行业属于工业制造的最高级别，如去年IBM官宣的2nm制程，生产制造的步骤可以高达数千步之多，生产周期动辄需要两三个月的时间，生产过程中涉及的参数变量繁多，产生的数据量庞杂【2】。受上述因素限制，常规的实验设计方法，即通过单纯人力更改参数空间来得到最优解的方法无法使用。正如西门子在对于智能电子工厂使用的软件远景中描述：分析巨量的数据不是一个容易的任务，但是唯有这样做，才能够定位问题，预测和解决质量问题【3】。所以合格的工程智能软件系统 ，必须在生产流程中不停的监控定位设备的问题，优化产线性能，以此来减少新产品引入的时间和实现良率的快速提升。为了达到这个目标，必须实现以下若干性能：

                                                             图一：智能制造数据的层级【4】

芯片在复杂生产过程中产生的数据量极大，这些原始数据不经过清洗加工处理是无法使用的，而原始数据的清洗准备费时费力，如果缺乏优秀工具就只能有少量数据得到利用。而海量的数据处理除了需要配备充足的算力资源，还需要先进的算法迭代和针对多种场景的准确建模，这对于软件工具的性能指标和算法模型的积累都提出了很高的要求。除此之外，影响先进半导体制造良率与产出效率的因素越来越多，各种因素之间的相关性复杂，例如全球领先的公司已经意识到有必要将更多的生产中环境因素如温度、湿度、气体流量等一起纳入分析，这就给工程智能软件提出了新的要求。

半导体生产良率解决方案的技术革新道路

半导体生产良率(Yield)是半导体产业的终极挑战。在半导体产业从设计-制造-封测的全流程中，发生良率损失的环节有多个，例如，设计和制造中的制程窗口过窄，脱离正常状态的机器，非正确操作导致的致命错误，缺陷、封测良率等都是会影响良率的部分。针对不同的失效问题，需要不同的软件模块进行监控分析及相应的操作处理。

                                                              图二：芯片生产中的良率影响因素及改进方法

在制造过程中，设备效率和稳定性及工艺的一致性是确保高产品质量和产量重要因素。以EES为主的工程系统就是实现了工艺生产设备的全方位的精细化管控，在全厂数千台工艺设备生产过程中，工程师必须具备实时监控和控制过程变化的能力，而EES中最具有代表性的应用就是设备异常监控及分类系统 (FDC , Fault Detection and Classification) 系统。FDC系统结合统计过程控制 (SPC, Statistical Process Control) 和多变量分析等嵌入式功能，可以有效地实时监控来自成千上万的工艺设备传感器的流数据，并实时提供工艺过程异常的通知。借助使用良好的 FDC 系统，工程师可获得及时的洞察力，快速控制过程问题并及时干预。越早发现流程问题，这些问题对生产成本的影响就越小。事实证明，FDC 系统是工程师监控流程和及早获得潜在问题的有效方式。另外EES中的高阶工艺过程控制系统R2R(Run-to-Run)则保障了工艺的稳定性和一致性，通过前量测和后量测的数据实现了Wafer to Wafer的实时工艺调优，不断反馈，确保每一步工艺都能获取最佳的生产条件，从而保证了每一步生产工艺的一致性，是提升CP/CPK 的有效手段。

                                                                      图三：良率预测分析图谱

良率的管控是需要从每个产品的合格率管控做起，产品管理系统则是对Foundry中生产的每片wafer，每片Die做全面的产品管理及追踪分析，DMS主要是负责缺陷数据的分析，来分析wafer 上各个缺陷的分布，形成的原因，而YMS则负责良率失效数据的分析及日常产品良率的管理。

以数据为基础的分析与决策一直是半导体制造产业的核心。随着工业4.0时代的到来，材料，设备，传感器，缺陷，测试每天产生PB量级的海量数据，如何从海量数据中有效地快速挖掘和提升数据的价值，敏锐的大数据洞察是确保产品竞争力的捷径。同时，人工智能和大数据计算技术的发展开启了新的智能制造的时代，在智能制造的过程中引入人工智能的思维，通过对整个工厂数据链的整合，可以建立制造工厂中的工厂大脑以实现无人干预的智能决策方式。所以综合来看，大数据洞察与工程智能是保证产线健康，提升良率，从而确保晶圆厂竞争力的唯一路径。

高阶分析工具（例如：eDataLyzer）结合大数据和人工智能技术快速定位工厂中产生各种良率问题、设备问题、工艺问题、材料问题、甚至是和环境相关的问题，它是一个根本原因分析的工具（Root Cause Analysis）。结合工厂中所有的生产数据、设备数据、产品数据、不良数据、甚至环境数据，在数十种以上算法的加持下，能快速挖掘到数据之间的关系；特别是基于人工智能的传感器数据（Trace Data）的分析，可以帮助工程师实现到一次到位的根因分析，这个是传统YMS/DMS分析系统无法实现的，这样就帮助了工程师进行快速的改善。另外通过根因分析流程的简化，分布式计算技术和数据挖掘技术的结合，大量减少了工程师的分析时间，大大提升工程的分析效率，帮助制造商提高响应速度和生产力。

云计算带来的灵活性，可靠性和安全性已经渗透到制造行业中。未来的工厂将采用云计算来取代传统的IT固定资产拥有方式。这也会使得决策者可以重新把关注点拉回到时间成本和人力成本等核心的企业竞争力技术和策略上。动态工艺过程异常监控系统DFD (Dynamic Fault Detection)则是基于云和人工智能算法基础上更加智能的FDC系统。它不需要依赖工程师的工艺经验模型，通过算法，实现了设备生产过程中全参数、全过程的全自动监控，让生产异常无处躲藏。另外DFD已经开始采用私有云或者公有云部署，打破本地部署的传统方式，降低了安全和运维成本，部署灵活高效，增加了系统的整体扩展性。

面向泛半导体产业的工程智能软件供应商

但很无奈的是，半导体生产良率软件方案长期以来也是欧美公司主导，包括西门子(Mentor Graphics)、 新思科技(Synopsys)、应用材料(Applied Materials)、普迪飞(PDF Solutions)等。我们都知道，在制造执行系统MES领域已经有多家中国本土公司在探索，而工程智能领域由于其积累时间长、开发难度大从而导致进入门槛极高，之前没有中国公司真正涉足。但笔者注意到，在半导体工程智能领域，近期有一家公司浮出水面，那就是深圳智现未来工业软件。

该公司前身为韩国BISTel中国分公司，BISTel成立于2000年，在半导体智能制造系统和人工智能技术在半导体制造领域的应用中有20多年的积累。2021年10月该公司被中国科技集团收购，重组成为中国本土公司。此举也将为我国智能制造软件行业再下一城，除MES之外，我国也开始在设备工程系统（EES）领域布局。

智现未来工业软件有限公司CEO许伟先生在接受《半导体行业观察》采访时指出，全球的重要经济体都认识到了半导体产业是数字经济的基石，欧美日韩新加坡等将半导体产业视为国家战略。由于地缘政治竞争，海外半导体设备供应商一方面希望收获中国市场，另一方面限制在智能制造工业软件的输出。各国对于AI技术的输出则更为谨慎，一旦涉及到半导体智能制造软件的AI应用，海外供应商对中国公司的支持往往受到极大的束缚。许伟先生透露，曾经有中国公司收购海外公司的工厂和产线，在获得完整的交接清单后，发现硬件设备完整而相应的工业软件系统要么无法获得，要么无法持续升级维护。所以发展自有的工业软件至关重要。

在国家的十四五规划中，发展硬科技成为国家战略，对工业软件的重视已经是上下共识，我们很高兴看到越来越多的本土工业软件公司开始探索，为将来更多在建的或者未来的晶圆厂和封测厂等提供强有力的支持。

声明：本文版权归原作者所有，转发仅为更大范围传播，若有异议请联系我们修改或删除：zhangkai@cgbtek.com