半导体产业的大数据应用

半导体晶圆制造程序繁杂，先进制程产生的生产数据量也将暴增，形成分析处理的困扰，必须导入大数据分析方法进行处理。IBM

大数据(Big Data)的技术与方法正持续优化生产方法，尤其在产线机具上持续产出大量、多样、实时数据，从这些巨量数据中发现优化制程、改善良率的关键程序，再从数据里挖掘创新商机与更高的产量与获利信息。

随着摩尔定律持续推进，集成电路内部线宽不断微缩，从制程角度检视现代集成电路制作的物理极限会发现，在临界尺度(Critical Dimension)或制程缺陷的相关考量与生产控制就会变得益形重要。

为维持半导体产质 制程实时记录优化成为重点

以半导体的晶圆生产流程观察，最重要而且最关键的制程技术即是微影制程，微影设备制程本身的精密度高、机台设备成本动辄超过千万，半导体制造产业中晶圆设备的投资费用往往是极为重点的项目，设备良莠也会影响实际产出的晶圆产品获益价值，在是半导体产业进入20nm或更高密度线宽的发展条件下，必须投入更新颖、更高精度的制程改善生产更高密度的晶圆产品。

实际上在半导体制造产线往往呈现满载，尤其是主流先进制程的机台与产线状况更是明显，即便在生产过程发现生产问题在予以纪录，也常因为纪录的数据过于片段、无可参照的历史数据供参照分析，往往设备或制程问题仅昙花一现而无法进行完整分析与回溯，可能就会将能分析、改善的制程问题误当偶发状况处理，错失优化制程的绝佳时机。另一方面，以物联网(IoT)技术带动的巨量数据(Big Data)的分析方法，相关技术方案也开始尝试导入半导体制程，透过有效的传感终端部署、实时记录制程机台的运行状态，搭配大数据分析方法找出制程优化关键。

半导体制程精密 微小差错即造成钜额损失

由于半导体制程精密，衡量尺度至少都是数纳米甚至更细微的度量单位，对生产阶段过程越先进、制造成本也随之攀高，制造商必须在生产流程避免可能的生产问题，因为只要因为生产阶段所导致的问题，让问题组件或是成品流入市面，届时因为问题半导体零件导致的大规模退货、维修成本，也将造成大的生产成本耗损，制造过程必须实时监控、记录与分析，避免制品进入实际产品制造后才在消费者端发现产品问题，造成返工、维修的庞大成本负荷。

有监于此，半导体生产线厂多数已在关键设备设置各种机器视觉检测设备、传感纪录，在晶圆产制运用机器视觉全程记录产制过程，同时搭配传感器的庞大Log数据纪录备存，制造过程中即累积大量生产数据内容，而这些生产数据内容若无使用大数据数据挖掘、分析方法处理，也不容易发现制程关键问题。早期的半导体制程监控数据较着重产生生产过程的影像Log，在机台运转时即恒时纪录，待生产出现问题或产品在后段制程出现问题，才用料件批号回推查找制程错误发生时点影像与相关生产数据Log，反推查找数据、再分析与处理庞杂信息无效率也不见得能追踪到真正的错误源头，反而浪费了修正制程问题的良机。

机台使用实时分析、图像数据呈现 现场人员掌握生产现况

而半导体大数据分析方法导入，除维持原有半导体产制设备的监控数据、影像与各种数据纪录外，累积下来的庞大生产数据即利用数据分析进行处理，甚至在部分较容易归纳出产制问题的模式样态数据数据，即可运用实时(Real-time)数据分析让现场工作人员即可透过提示提早关注可能生产问题，进而增加产品良率及生产效率。

虽说纪录制程数据与产制过程影像说起来挺容易，但实际上却不然，因为半导体制程不管先进与否，制造流程涉及不同制造设备的交替连动，生产处理也有机械、电子或化学处理流程，复杂度相当高，如何在每个制造流程中设置正确有用的传感或是影像撷取设备，搭配Real-Time实时分析数据与部署生产数据分析逻辑，就是一个相当困难的问题，为了提升产量与生产效益，也是半导体产业不得不面对的问题。

制程监控纪录数据量多 针对制程特性订制重点监测项目

以常规半导体生产为例，制程中若要经过浸润、曝光、再针对同一材料进行多重曝光处理，其实过程中就多了许多制程节点，而记录的重点就不是仅有分区节点的实时纪录，而应该是尽量记载每个料件分段制程起始点、出站点与相关过程数据，纪录数据的重点应该针对该站处理可能引发的错误徵象进行重点侦测纪录，找出能左右晶圆制造的潜在影响，量测站点会有蚀刻深度量测、缺陷量测、电子显微镜影像纪录等，当半导体制作因为下探更精密的制程，量测记录数据也会因此倍增，为避免拖慢产线运行可能就会采行折衷的抽样纪录方案处理，例如每批量生产抽测数组样本留存，就可能产生纪录不完整与后续解读数据数据断层问题。

导入大数据的分析方法，就是为了避免宝贵的生产数据遭闲置，透过数据分析策略与方法找出生产信息潜藏的生产问题警讯，同时结合制程参数设定，甚至可更进一步找到优化制程关键点，进而提升制造产值和获利。尤其在先进制程更趋繁复，透过生产巨量数据的分析，积极改善生产效能，例如，韩国半导体业者就运用大数据减少10%制程设备机具问题发生率，增加员工产能达50%、同时减少重制成本，就值得借镜学习。

分析数据区隔生产优化与实时信息 凸显巨量数据分析优势

一般进行大数据分析，会先将汇整的巨量数据切割成不同栏位、再进行数据分析，分析成果再透过视觉化软件呈现，执行的时间成本较高。其实巨量数据分析可以切割成现场即使生产所使用的分析结果、与生产记录数据的分析结果两大块，以针对生产线长所需的实时数据需求，可在机台采集生产数据送至服务器时，即直接运用实时报表产生视觉图形呈现，让生产线主管可以透过信息面板在巨量数据中快速查找问题、同步监控，而不是自动化后现场人员的价值就仅有开关电源与简单送料动作，而是能从巨量数据的实时分析、呈现也能起到制程问题防患未然作用。

除实时化的数据呈现外，以12寸晶圆制程产线每片晶圆会经历上千道处理程序，在纪录生产过程中往往会累积大量的巨额数据，透过自生产机台蒐集来的各式动态数据分析，可以做到提早预测可能出现生产问题的设备状态与参照历史数据预知可能错误状态，实时进行设备调校改善，就能减少因为生产流程出错中断生产造成的巨额损失，而生产线停机再开机不仅浪费时间，也可能为了恢复生产徒增更多成本。

而半导体生产导入巨量分析仅是第一步，而过程需要面对的挑战却不只是技术导入这麽简单，早期半导体生产所产生的数据量，因为产品晶体管密度有限数据也不会太多，但随着进入更高端的半导体制程，同时随着纪录技术改善，单一机台产生的生产数据纪录数已呈现百倍的增长，必须导入如Hadoop这类运算平台透过分散式运算提升数据处理效能，否则数据数据的分析速度，根本追不上数据产生速度。