工业AI如何赋能半导体芯片制造.docx

《工业AI如何赋能半导体芯片制造.docx》由会员分享，可在线阅读，更多相关《工业AI如何赋能半导体芯片制造.docx（7页珍藏版）》请在优知文库上搜索。

1、工业AI如何赋能半导体芯片制造1971年，英特尔发明了全球第一个商用微处理器4004,宣告了集成电路设备时代的到来；1979年，8088微处理器诞生；1981年,基于8088的第一台个人计算机(PC)诞生，从而人类真正进入电脑时代。目前微处理器的载体是硅半导体，其集成度从微米级、亚微米级到纳米级甚至埃米级。在纳米级时代或埃米级时代逐渐到达极限时,人们有望迎来原子级石墨烯或其他二维材料的微处理器技术，最终可以期待光量子级、电子级的微处理器与量子化计算机。微处理器以其微小体积、精巧结构、可无限扩展、极低价位等基本特征，成为了人工智能(AI)的一个理想的归一化智力内核。从而人类开始了以AI为中心的现

2、代计算机知识革命、数字化革命、智力革命、信息革命与产业革命。因此，我们通常会将Al的起始年代划定在20世纪70年代，可想半导体产业对Al发展的作用所在。工业Al正在从两种不同的方向影响半导体产业，一个是市场机会，新的技术发展产生的新的终端应用，例如5G、物联网、无人驾驶、大数据、云存储等技术发展带来新的应用场景的出现对Al芯片需求进一步提高，Meta,Google,英特尔(Intel),英伟达(NVIDIA)等都推出自家不用用途的Al芯片；另一方面，对半导体产业本身带来的升级，AI技术将进一步推进半导体芯片制造技术向前发展。工业Al技术进入工业4.0体系，将会颠覆传统工厂生产制造模式，半导体芯

3、片制造作为最复杂、最先进、最烧钱的制造产业，也将最先借助工业AI技术，来进一步提升半导体芯片制造的生产效率、产品良率等关键指标。因此，工业Al与半导体产业的发展可谓相辅相成。工业Al在芯片制造过程中可以将制造技术与数字技术、智能技术、网络技术的集成应用于芯片设计、生产、管理和服务的全生命周期中，并在制造过程中进行感知、分析、推理、决策与控制，为半导体芯片制造赋能助力。下面简单探究下工业AI将从哪些方面赋能半导体芯片制造。1、视觉Al随着半导体制程向IOnm以下迈进，单芯片晶体管数量达到上百亿，加工精度越来越小。因此芯片制造对于检测精度的要求极高，在这种背景下，人工目检无法满足质检要求，整个制造

4、过程几乎完全要依赖机器视觉。视觉Al-方面在光学分辨率方面不断提高精度，一方面在图形分析对比，图形判断等方面发挥关键作用。芯片制造的自动光学检测设备-AOl(AutomatedOpticalInspection)为高速高精度光学影像检测系统，它通过运用视觉Al作为检测标准技术，利用光学方式取得成品的表面状态，以影像处理来检出异物或图案异常等瑕疵，从而可以代替人力使用光学仪器进行检测的缺点，提升芯片检测效率及精度。如何实现这一技术，离不开视觉Al解决方案，比如NVIDIA基于自家的GPU芯片开发了具有超高精确度的自动化检测解决方案，用于满足半导体芯片制造需求。国际代表AOl系统厂家有安捷伦(Ag

5、ilent)、CyberopticssMVP、OrboteCh、泰瑞达(Teradyne)等公司。除了质检外，其他视觉Al也将在芯片制造发挥作用，例如光学邻近修复技术-OPC(OpticalProximityCorrection)就是利用视觉Al计算的方法对掩模版上的图形做修正，使得投影到光刻胶上的图形尽量符合设计要求，是一种光刻分辨率增强技术。这一技术类似我们手机的摄像头的人脸识别与智能美颜功能。OPC技术也是一种通过改变掩模透射光的振幅，进而对光刻系统成像质量的下降进行补偿的一种技术。光学邻近效应修正首先于25OnnI技术节点被引入光刻工艺中。OPC软件根据事先确定的规则对设计图形做光学邻

6、近效应修正,修正规则是从大量实验数据中归纳出来的，而且会随着光照及工艺条件的变化而变化，因此非常复杂。随着计算技术的发展，修正规则可以通过Al算法得以实现，并发挥关键作用。全球最大的光刻机公司ASML也将计量学、图形控制、检测技术作为重要的技术提升方向，而每一个环节都需要视觉Al发挥作用。2、自动化Al半导体芯片制造的自动化程度很高，除了本身生产设备的自动化之外，还辅助了自动化的物流系统以及自动化的生产软件系统。例如CIM.MES、MRP、EAP、AMHS等等，所有这些系统都不是孤立运行的，都是彼此关联，相互作用的。在芯片厂建厂初期，就需要对工厂的自动化系统进行前期规划,例如规划AMHS(自动

7、物流搬运系统)来实现更高效的物流搬运线路，同时来进行生产设备的布局。这是一个很复杂的工程，需要大量经验数据、复杂的算法、模型来进行模拟仿真才能实现最优的结果。行业里面已经有非常专业的公司为芯片制造工厂提供AMHS的硬件系统及自动化软件系统，并提供规划设计服务，而Al技术在这一复杂的过程中能发挥的作用不容小觑。而物流规划也只是芯片制造自动化的第一步，芯片制造过程非常复杂而且精细，需要精准控制。除了合理的物流规划及生产派工之外,需要对芯片制造的每一个步骤实现精准控制以及问题分析，来保证产品的良率稳定。因此，芯片制造要求企业从人工流程向自动化的流程推进，消除重复、单调的任务，避免人为失误，更迅速地达

8、到高效、稳定的生产。为了满足这一需求，半导体行业利用AI赋能自动化,使企业能够将自动化应用到更广泛的任务中。MES（制造执行系统）系统是半导体芯片制造运用最为成熟的系统，也是必不可少的系统。一个常见的MES系统需要支持生产调度、产品跟踪、质量控制、工艺调试、设备故障分析以及网络报表管理,来自工艺、设计、操作、管理人员普遍需要查看和并且维护。MES最早在上世纪90年代提出，半导体是MES早期进行验证的行业之一。半导体的MES系统起初是由设备供应商提供的，1998年，应用材料收购了COnSiIiUn1（旗下产品有FAB300、Workstream）;2006年，应用材料继续收购Brooks的子公司

9、brookssoftware（旗下产品有PROMIS和Factoryworks）进入21世纪后，专门的MES系统提供商开始出现，比如IBM,提供了SlVieW的解决方案。SIVieW可能是目前唯一可以与应用材料一较高下的半导体MES系统。目前，国际上绝大部分的12英寸晶圆的MES系统由应用材料公司和IBM提供。48英寸晶圆厂则多使用PROMlS。随着云计算、云存储的兴起，以云化SaaS的方式提供轻MES产品同样成为一种趋势，但是云MES是否符合半导体行业的特点仍需要市场验证。另外，半导体生产设备本身的自动化也将进一步利用Al赋能。比如Lam公司的EquipmentIntelligence解决方

10、案整合了机器学习、AI和自动化、自感知的硬件与工艺，有望提高生产效率，改善产品性能，加速行业创新。这套解决方案利用工业Al技术从三个方面提供助力：1）加快设备设计。数字李生技术可以减少物理世界的学习周期，创造更多一次成功”的产品。一旦设计合适，就可以使用3D打印的方法实现传统技术无法轻易制造的零件；2）加快工艺开发。虚拟制造和虚拟工艺开发可以在实验设计之前，开发优化的单元工艺，并集成到整体工艺解决方案当中；3）加快良率提升。机器学习可以快速识别腔室失配和工艺参数变动，从而尽早发现和解决问题，确保制造过程能随着时间的推移保持一致性；虚拟现实和增强现实技术，加上按部就班的指导，可以帮助确保高质量的

11、安装和服务。3、大数据Al半导体是典型的数据密集型产业，每一个环节都会产生大量的数据。大量的半导体测试数据价值有待挖掘和利用，因为这不仅可以带来测试效率的提升，保证产品良率，更能通过数据分析优化测试方案,控制成本。爱德万(AdVanteSt)和泰瑞达作为半导体测试领域的两大巨头，一方面不断利用大数据Al技术提高测试数据分析能力，一方面也在布局远程云端测试等技术。比如，爱德万发布了TE-CloUd(TestEngineeringCloud)云平台服务，整合各个合作伙伴测试资源，可以为客户提供完整的测试程序开发环境，以及全方位测试外包服务。泰瑞达也推出了具备远程自动化功能的机台，NI公司通过该公司

12、开发的模块，采集从实验室到量产车间的数据。至于更深入的数据分析层面，则需要引入更多基于AI、机器学习等技术的分析手段。爱德万测试与半导体生态系统综合数据解决方案供应商普迪飞半导体(PDFSolutions)密切合作，并推出了首个联合开发的产品一爱德万测试云解决方案一动态参数测试(ACSDPT)o该解决方案将普迪飞的EXenSiO大数据Al分析产品与爱德万测试的V93000参数测试系统集成在一起，可以实时优化V93000测试平台上的参数测试，并减少人工交互。在这个意义上，通过云计算、AI、机器学习等先进技术，挖掘半导体测试的数据价值和潜力，无疑是下一个产业聚集的重要趋势。4、工业互联网AI工业互

13、联网作为第四次工业革命的重要基石、制造业数字化转型的核心驱动力之一，工业互联网几乎涉及了包括AI、云计算、区块链、大数据、边缘计算在内的所有前沿领域。而在半导体芯片制造环节，生产设备是其中的重中之重。先进过程控制(APC)是半导体制造应用最深入的领域之一，一方面对设备的工艺制程实现精准控制;一方面可以实现快速诊断，故障处理。工业互联网中的物联网、大数据、AI的大力发展为APC打开了更多的可能性。半导体生产设备目前在生产线都实现了EAP联网，可以实现远程操作及信息交互。工业互联网可以在此基础上借助机器学习和Al分析手段，从历史数据学习故障的特征，通过相似度对比进行判决，实现专家知识经验数字化,自

14、动诊断和定位，实现故障和异常预测；除此之外，工业互联网为半导体设备工艺监测和制程分析中实现了3000点/秒/机台海量数据的写入和查询，关键工艺指标的实时监测，多台设备的集群管理，以及故障检测与分类、关键输出指标的稳定性控制；同时，工业互联网使设备运行效率分析和优化实现系统自动收集数据，自动监控设备运行和参数采集，使生产数据可视化，生产过程透明化，提高了运营和决策的效率，通过数据分析直接给出效率损失的原因，提高问题定位速度，实现精细化、精益化的设备管理。随着Al技术的发展，相信会使设备综合利用率(OEE)有进一步的提升。目前半导体制造企业最为担心的是信息泄露、黑客攻击等安全问题，因此，工业互联网AI技术在半导体产业的推广必须应对安全问题这一巨大的挑战。5、总结半导体制造业是高端制造业的一颗明珠，代表着全球最先进的产业制造，其高复杂度、高精细化及高科技含量的特点，为Al的应用提供了得天独厚的应用场景。中国半导体制造业目前正在加紧追赶世界先进水平，更加需要行业协同创新，依托各种力量提升追赶的脚步。在中国制造2025、工业4.0的大潮中，半导体芯片制造唯有快速应用Al手段得以赋能，才能实现跨越式发展，走的更快更远。