半導體設計/制造
返回首頁

如何利用智能制造提高半導體工廠效率

2020-10-29 來源:EEWORLD

本文編譯自embedded-computing


半導體制造設施不同于其他任何工廠。他們可以有數十億美元的投資,用于生產人類有史以來一些最小的商用產品。小到一點灰塵都會對最終產品造成無法彌補的損害。幾十年來,該行業開創了許多流程,其他工業制造商最終將在幾十年后采用這些流程。隨著越來越多的產品、設備和系統依賴計算能力和復雜的納米架構來運行,對晶圓的需求預計只會增長。


但是,這種工業制造業不可避免地需要永無止境的運營創新,以獲得更高的投資回報。過去幾十年中取得的許多改進都是非常有價值的,但這是一個收益遞減的過程。這些改進常常是以提高產量的名義進行的。毫無疑問,這是一個至關重要的指標,但專注于單一的優化因素可能會導致工程師將自己封閉。從這一立場來看,歷來有兩種選擇:投資于更小的節點或更大的晶圓。這兩者都是有利可圖的,但需要數十億美元的前期資本投資。


這使得除了最大的代工廠和制造廠之外,其他企業幾乎不可能與之競爭,這就是智能制造的用武之地。在最簡單的層面上,所有的生產設施都有三個調整旋鈕可以轉動:成本、時間和質量。智能制造所做的是微調這三個旋鈕,從而使企業獲得更大的控制權。還有其他好處,如基于規則的規劃和流程優化,將智能制造定位為走出邊際收益遞減角落的一條受歡迎的道路。


集成電路發展的新時代


增長速度加快


物聯網(IoT)設備已成為半導體營收的最大驅動力,無線通信、汽車和人工智能產品緊隨其后。這種廣泛的設備種類將給該行業帶來更多的變化,但為如此多樣化的產品優化制造將成為一個更大的障礙。生產這些不同產品的最佳時間表是什么?生產是否會像一個黑匣子一樣對待,而不知道實時發生了什么?如果需要對設計進行更改——調整過程需要多長時間?生產效率是否能與改革前相比?


跟蹤要求


許多半導體應用也在社會上扮演著更重要的安全關鍵角色,對人類的健康負責。為了應對OEM面臨的新風險,許多企業希望或要求嚴格的跟蹤產品生命周期。如果新車的高級駕駛員輔助功能比預期的更早發生故障,詳細的過程信息對于找到根本原因將是非常寶貴的。其他應用,如安全和生物識別,需要保證沒有任何設計在制造過程中被修改或篡改。越來越多的消費電子市場對他們購買的產品的可持續性感興趣。客戶如何知道他們收到的是他們購買的東西?


產量優化越來越難


產量無疑是優化盈利能力的一個關鍵指標,但這一過程的大部分已經被自動化和優化,特別是在大晶圓廠和先進的節點上。智能制造不僅僅是優化的第二條路線,它還是一個地圖繪制者,它籌劃了提高效率和盈利能力的所有其他可能路徑,并在更換制造設施的傳感器之前測試其有效性。


成功之路


智能制造的價值在于其靈活性,它是西門子Xcelerator軟件、服務和應用程序開發平臺組合的核心組成部分,可為企業帶來新的見解、機遇和自動化。當大規模生產時,即使是對工藝的小調整也能帶來巨大的節約。為了說明這種方法在推動創新中的重要性,我們將討論兩個例子:批量優化和調度優化。


“Digital-Twins可以是產品或性能的強關聯。理想情況下,這些數字孿生兄弟相互促進,以獲得洞察力和持續改進。西門子Xcelerator產品組合涵蓋了Digital Twins的設計、實現和優化。”西門子數字工業軟件公司電子和半導體行業副總裁Alan D.Porter說。


假設一個新的制造廠正在建設,投資近140億美元。首個60天的運行產生了10萬個合格的集成電路單元。其中大約25%將直接進入到倉庫中,這是一個巨量投資,但在整個行業中是很常見的。


140億美元中的25%是一筆巨大損失,特別是與最終的收益率(2000-4000萬美元)相比。為什么會發生這種情況?因為許多公司對其制造設施的精確細節沒有足夠的了解。


批量優化


大多數生產小于300毫米晶圓的晶圓廠的一次批量約為25片晶圓,但在某些情況下,小批量晶圓可能更有效。但是批量優化與這些指標無關。相反,它關注的是從這些晶圓組裝多芯片模塊所需的晶圓數量。


作為一個例子,IC封裝可以包括從容納10000個芯片的主晶圓派生的處理器芯片,內存芯片可能有15000個芯片。通常情況下,10000個多芯片模塊將被建造成與主晶圓數量相匹配,因為這是標準,而且它們是更昂貴的晶圓。剩下5000個額外的記憶體,這個過剩怎么辦?它們通常被存放在設施的某個地方,在那里它們可能會過期或丟失。最終,損失被視為收益損失。這可能導致價值數百萬美元的免費晶圓丟失或報廢。


那是一大筆錢。但是,這并不是損失的全部價值。這些制造占據了產能。他們進行了組裝,使用了更多有價值的資源,直到最終被存放在一個架子上,很難找到。不過,還有更多的損失——每片原晶片10000個晶片正好適合。訂單可能只有8000個單位,但是主晶圓很貴,所以他們被超額生產了20%。


根據我們與世界各地半導體制造商的經驗,這是一個保守的估計。許多工廠通常會額外生產30%。是的,一些積壓的存貨可以在以后出售,但是如果有一個周期中期修正呢?這就留下了總收入的15%左右。


晶圓級可追溯性


許多產品可能還需要可追溯性,以了解晶圓何時進行生產,當時的狀況如何,或者該批次的故障率是否更高。但為了充分優化批量和調度,需要一種更精確的跟蹤方法:晶圓級可追溯性。跟蹤單個晶圓的生產過程,進入組裝階段,然后進入真實世界,排除了生產效率和利潤的許多障礙。

調度優化


為了提高操作的清晰度,需要建立一些流程:


首先,需要一個有限的調度系統。一個能實時了解發生一切的人。但這需要數字化轉型。對生產車間中每個流程的數據進行隨時訪問可以讓您更深入地了解整體效率,但如果沒有從機器、工人到管理和控制流程的連續數字線程,幾乎毫無用處。


第二,為了建立有限調度系統的數字進程,需要在整個制造設施中積極部署物聯網傳感器。幸運的是,對于許多工廠來說,他們的機器可能已經產生了大量的數據。這包括高度精確的溫度和濕度讀數,以確保半導體的穩定和最佳生產環境。它甚至可以包括伺服系統在機器內的速度或保持晶圓所需的助力。


最后一個要求是整個工廠流程都需要精確模擬。理論過程時間與實際時間相比如何?過程中的各個步驟呢?換工具要多長時間?為了使這些答案趨于一致并實現優化,需要將來自物聯網基礎設施的真實世界數據反饋到仿真模型中。這就形成了一個閉環模型,使得最終支持機器學習等高級人工智能能力成為可能。


這三個步驟使生產更快、更高效。但還有一個更關鍵的因素:批量優化。如果這四個步驟在沒有這一能力的情況下實施,那么庫存率只會增加,因為生產將比以前更超出需求。


結論:


產能是一個很好的衡量標準,但它們并不是衡量一個高效半導體工廠的唯一標準,尤其是市場的產能和復雜性只會增長。如果不考慮實際生產以外的其他過程,數百萬美元要么被放在儲藏室里,要么更糟的是,丟在垃圾桶的底部。智能制造是為了在優化工廠時擴大范圍,作為西門子Xcelerator產品組合的一部分,用于半導體開發和生產的工具正在為今天的工廠帶來了明天的生產效率。


Alan D.Porter是西門子數字工業軟件公司(Siemens Digital Industries Software)電子和半導體行業副總裁。他于2020年加入西門子,在半導體和電子工程領域工作了30多年,涉及多個行業,包括消費電子、軍用/航空、汽車和網絡基礎設施。他曾在包括蘋果和華為在內的大公司、包括Mentor、Synopsys和Cadence在內的EDA軟件公司、初創公司和產能產品的專業服務職位。

進入半導體設計/制造查看更多內容>>
相關視頻
  • 嵌入式系統高級C語言編程(東南大學凌明)

  • 機器學習從零到一

  • 直播回放: 與英飛凌一起探索智能門鎖背后的黑科技

  • 計算機視覺與深度學習

  • 跟我學myRIO

  • VLSI設計基礎(數字集成電路設計基礎)(東南大學)

    相關電子頭條文章
萝卜大香蕉