導入大數據分析 優化半導體製程
- 魏淑芳
-
半導體產業的摩爾定律(Moore’s Law)不斷推進，積體電路不斷微縮，製程的複雜度日益提高，只要製程有一環節出錯，都將造成時間和金錢成本的巨大浪費，甚至導致整公司整體競爭力下降。再者，隨著製程精進，設備投資愈大，產品良率提高才能創造獲利空間，因此必須借助監控、即時診斷及預防等方法來確保製程運行順利。
近年來，半導體公司利用大數據分析，逐步由自動化進展至智慧製造，無論是製程良率、產品品質及成本控制，都得以持續優化。
在過去，半導體製程的監控重點多放在機台狀況的記錄，製程若出現問題，多是在事後才找出紀錄進行數據分析，然後才能對症下藥，找出解決之道。然而，隨著製程的複雜提高，數據的篩選分析太過耗費人力和時間，且不一定找得到真正原因。智慧製造模式及新工具的引進勢在必行。
提升製程效率 改善產品良率
以半導體封裝大廠日月光為例，該集團將2018年定為AI元年，除了持續投資高階先進技術外，也加速自動化智能生產。據悉，日月光以往的製程設備數據分析，多取決於工程師的經驗，而封裝廠內的製程工序多達140道，因此製程設備量測及分析相當耗時。此前於2017年，為了製程優化，日月光已與成功大學智慧製造研究中心(iMRC)技術合作。
在這項合作中，藉由採用成大的先進製造物聯雲AMCoT系統平台，以及導入全自動虛擬量測(AVM)、智慧型預測保養(IPM)、智慧型良率管理(IYM)等三大服務系統，日月光集團旗下部分封裝廠的製程效率不僅大幅提升，且產品品質可以達成接近零缺陷(Zero Defects)的目標，也就是進入工業4.1階段。
素有台灣半導體自動化教父之稱的成大製造所暨資工系講座教授鄭芳田，近年積極推廣工業4.1願景，也就是除了提升生產效率，還必須提升產品品質，甚至是實現產品「零缺陷」。鄭芳田同時也是成功大學智慧製造研究中心(iMRC)主任。
全自動虛擬量測 實現全檢
要實現零缺陷，全檢是必要手段，但是以傳統方法進行全檢並不實際，所以業者只能抽檢。iMRC開發的全自動虛擬量測(AVM)技術方式，是利用機台參數推估在線生產的產品品質，進行線上且即時的估測，以此種虛擬方法代替實體量測，廠商毋需購置大量硬體設備且檢測時間大幅縮短，全檢成為可能。
據了解，由於導入AVM技術，某半導體業者不需購置兩台單價400萬美元的量測儀器；得以省下800萬美元。
這套結合大數據分析的虛擬量測方法，已取得中華民國、美國、日本、德國、南韓、和中國大陸等多項發明專利，且已成功完成46項技術移轉給多家業者，除半導體廠商外，還包括面板、太陽、航太、工具機、吹瓶機及碳纖等產業領域。
AVM可線上且即時地提供所有產品全檢的資訊，當發現任一產品有缺陷時，即可將其剔除而不交貨，如此一來，交貨產品就可實現零缺陷目標。針對被剔除的瑕疵品，利用iMRC開發智慧型良率管理(IYM)系統內的關鍵參數搜尋演算法(KSA)，則能找出產生缺陷的主要原因，進而從根本解決並持續改善，如此可使所有生產產品接近零缺陷。
至於智慧型預測保養(IPM)系統，則能預測機台剩餘壽命，以避免無預警當機。除了利用大數據分析優化製程及提升產品良率之外，值得一提的，日月光也積極運用人工智慧(AI)與大數據輔助管理強化資安防護網。
智慧化晶圓廠 縮短生產週期
身為全球晶圓代工領導業者，台積電於2011年便已陸續利用大數據分析、機器學習、人工智慧等技術打造智慧化晶圓廠，藉此大幅提升製造效率和產品良率，達到機台、製程與良率的全面最佳化。
基本上，半導體晶圓製程有上千個工序步驟，每座工廠都有數千台機台，每一機台每天收集到的數據量多達百萬，甚至是數千萬筆。以這些數據為分析基礎，才能找出製程參數優化的關鍵，進而提升良率。
在製程管制和分析系統上，台積電整合多個智慧功能模組，包括自我診斷、自我反應、精準機台腔體匹配和良率採礦分析等模組，有助於達到提升良率、改善流程、錯誤偵測、降低成本與縮短研發週期等目標。
此外，精準即時缺陷偵測分類系統、先進智慧機台控制和先進智慧製程控制系統等模組，則具備即時監控並準確調整製程條件的功能。據了解，台積電推動智慧製造並應用大數據和機器學習後，生產週期至少已進步50%，競爭力持續提升中。
整體而言，半導體製程不容出錯，否則會造成極大的損失，善用大數據分析可進一步優化生產線，且能預防製程問題，不用等到發生故障後才來解決，進而提升產能與獲利。此外，半導體產業也善於使用大數據找出下一波產品趨勢，料敵機先並及早準備，不讓商機溜走。
