导入大数据分析 优化半导体制程

日月光采用AMCoT系统平台提升制程效率。来源：aseglobal.com

半导体产业的摩尔定律(Moore’s Law)不断推进，集成电路不断微缩，制程的复杂度日益提高，只要制程有一环节出错，都将造成时间和金钱成本的巨大浪费，甚至导致整公司整体竞争力下降。再者，随着制程精进，设备投资愈大，产品良率提高才能创造获利空间，因此必须借助监控、实时诊断及预防等方法来确保制程运行顺利。

近年来，半导体公司利用大数据分析，逐步由自动化进展至智能制造，无论是制程良率、产品品质及成本控制，都得以持续优化。

在过去，半导体制程的监控重点多放在机台状况的记录，制程若出现问题，多是在事后才找出纪录进行数据分析，然后才能对症下药，找出解决之道。然而，随着制程的复杂提高，数据的筛选分析太过耗费人力和时间，且不一定找得到真正原因。智能制造模式及新工具的引进势在必行。

提升制程效率  改善产品良率

以半导体封装大厂日月光为例，该集团将2018年定为AI元年，除了持续投资高端先进技术外，也加速自动化智能生产。据悉，日月光以往的制程设备数据分析，多取决于工程师的经验，而封装厂内的制程工序多达140道，因此制程设备量测及分析相当耗时。此前于2017年，为了制程优化，日月光已与成功大学智能制造研究中心(iMRC)技术合作。

在这项合作中，藉由采用成大的先进制造物联云AMCoT系统平台，以及导入全自动虚拟量测(AVM)、智能预测保养(IPM)、智能良率管理(IYM)等三大服务系统，日月光集团旗下部分封装厂的制程效率不仅大幅提升，且产品品质可以达成接近零缺陷(Zero Defects)的目标，也就是进入工业4.1阶段。

素有台湾半导体自动化教父之称的成大制造所暨资工系讲座教授郑芳田，近年积极推广工业4.1愿景，也就是除了提升生产效率，还必须提升产品品质，甚至是实现产品「零缺陷」。郑芳田同时也是成功大学智能制造研究中心(iMRC)主任。

全自动虚拟量测  实现全检

要实现零缺陷，全检是必要手段，但是以传统方法进行全检并不实际，所以业者只能抽检。iMRC开发的全自动虚拟量测(AVM)技术方式，是利用机台参数推估在线生产的产品品质，进行在线且实时的估测，以此种虚拟方法代替实体量测，厂商毋需购置大量硬件设备且检测时间大幅缩短，全检成为可能。

据了解，由于导入AVM技术，某半导体业者不需购置两台单价400万美元的量测仪器；得以省下800万美元。

这套结合大数据分析的虚拟量测方法，已取得中华民国、美国、日本、德国、韩国、和国内大陆等多项发明专利，且已成功完成46项技术移转给多家业者，除半导体厂商外，还包括面板、太阳、航太、工具机、吹瓶机及碳纤等产业领域。

AVM可在线且实时地提供所有产品全检的信息，当发现任一产品有缺陷时，即可将其剔除而不交货，如此一来，交货产品就可实现零缺陷目标。针对被剔除的瑕疵品，利用iMRC开发智能良率管理(IYM)系统内的关键参数查找演算法(KSA)，则能找出产生缺陷的主要原因，进而从根本解决并持续改善，如此可使所有生产产品接近零缺陷。

至于智能预测保养(IPM)系统，则能预测机台剩余寿命，以避免无预警当机。除了利用大数据分析优化制程及提升产品良率之外，值得一提的，日月光也积极运用人工智能(AI)与大数据辅助管理强化网安防护网。

智能化晶圆厂  缩短生产周期

身为全球晶圆代工领导业者，台积电于2011年便已陆续利用大数据分析、机器学习、人工智能等技术打造智能化晶圆厂，借此大幅提升制造效率和产品良率，达到机台、制程与良率的全面最佳化。

基本上，半导体晶圆制程有上千个工序步骤，每座工厂都有数千台机台，每一机台每天收集到的数据量多达百万，甚至是数千万笔。以这些数据为分析基础，才能找出制程参数优化的关键，进而提升良率。

在制程管制和分析系统上，台积电整合多个智能功能模块，包括自我诊断、自我反应、精准机台腔体匹配和良率采矿分析等模块，有助于达到提升良率、改善流程、错误侦测、降低成本与缩短研发周期等目标。

此外，精准实时缺陷侦测分类系统、先进智能机台控制和先进智能制程控制系统等模块，则具备实时监控并准确调整制程条件的功能。据了解，台积电推动智能制造并应用大数据和机器学习后，生产周期至少已进步50%，竞争力持续提升中。

整体而言，半导体制程不容出错，否则会造成极大的损失，善用大数据分析可进一步优化生产线，且能预防制程问题，不用等到发生故障后才来解决，进而提升产能与获利。此外，半导体产业也善于使用大数据找出下一波产品趋势，料敌机先并及早准备，不让商机溜走。