半導體產業的大數據應用

半導體晶圓製造程序繁雜，先進製程產生的生產數據量也將暴增，形成分析處理的困擾，必須導入大數據分析方法進行處理。IBM

大數據(Big Data)的技術與方法正持續優化生產方法，尤其在產線機具上持續產出大量、多樣、即時數據，從這些巨量資料中發現優化製程、改善良率的關鍵程序，再從數據裡挖掘創新商機與更高的產量與獲利資訊。

隨著摩爾定律持續推進，積體電路內部線寬不斷微縮，從製程角度檢視現代積體電路製作的物理極限會發現，在臨界尺度(Critical Dimension)或製程缺陷的相關考量與生產控制就會變得益形重要。

為維持半導體產質 製程實時記錄優化成為重點

以半導體的晶圓生產流程觀察，最重要而且最關鍵的製程技術即是微影製程，微影設備製程本身的精密度高、機台設備成本動輒超過千萬，半導體製造產業中晶圓設備的投資費用往往是極為重點的項目，設備良莠也會影響實際產出的晶圓產品獲益價值，在是半導體產業進入20nm或更高密度線寬的發展條件下，必須投入更新穎、更高精度的製程改善生產更高密度的晶圓產品。

實際上在半導體製造產線往往呈現滿載，尤其是主流先進製程的機台與產線狀況更是明顯，即便在生產過程發現生產問題在予以紀錄，也常因為紀錄的資料過於片段、無可參照的歷史資料供參照分析，往往設備或製程問題僅曇花一現而無法進行完整分析與回溯，可能就會將能分析、改善的製程問題誤當偶發狀況處理，錯失優化製程的絕佳時機。另一方面，以物聯網(IoT)技術帶動的巨量資料(Big Data)的分析方法，相關技術方案也開始嘗試導入半導體製程，透過有效的感測終端部署、即時記錄製程機台的運行狀態，搭配大數據分析方法找出製程優化關鍵。

半導體製程精密 微小差錯即造成鉅額損失

由於半導體製程精密，衡量尺度至少都是數奈米甚至更細微的度量單位，對生產階段過程越先進、製造成本也隨之攀高，製造商必須在生產流程避免可能的生產問題，因為只要因為生產階段所導致的問題，讓問題組件或是成品流入市面，屆時因為問題半導體零件導致的大規模退貨、維修成本，也將造成大的生產成本耗損，製造過程必須實時監控、記錄與分析，避免製品進入實際產品製造後才在消費者端發現產品問題，造成返工、維修的龐大成本負荷。

有鑑於此，半導體生產線廠多數已在關鍵設備設置各種機器視覺檢測設備、感測紀錄，在晶圓產製運用機器視覺全程記錄產製過程，同時搭配感測器的龐大Log資料紀錄備存，製造過程中即累積大量生產數據內容，而這些生產數據內容若無使用大數據資料挖掘、分析方法處理，也不容易發現製程關鍵問題。早期的半導體製程監控資料較著重產生生產過程的影像Log，在機台運轉時即恆時紀錄，待生產出現問題或產品在後段製程出現問題，才用料件批號回推查找製程錯誤發生時點影像與相關生產數據Log，反推查找數據、再分析與處理龐雜資訊無效率也不見得能追蹤到真正的錯誤源頭，反而浪費了修正製程問題的良機。

機台使用即時分析、圖像數據呈現 現場人員掌握生產現況

而半導體大數據分析方法導入，除維持原有半導體產製設備的監控數據、影像與各種數據紀錄外，累積下來的龐大生產數據即利用數據分析進行處理，甚至在部分較容易歸納出產製問題的模式樣態資料數據，即可運用即時(Real-time)數據分析讓現場工作人員即可透過提示提早關注可能生產問題，進而增加產品良率及生產效率。

雖說紀錄製程資料與產製過程影像說起來挺容易，但實際上卻不然，因為半導體製程不管先進與否，製造流程涉及不同製造設備的交替連動，生產處理也有機械、電子或化學處理流程，複雜度相當高，如何在每個製造流程中設置正確有用的感測或是影像擷取設備，搭配Real-Time即時分析數據與部署生產數據分析邏輯，就是一個相當困難的問題，為了提升產量與生產效益，也是半導體產業不得不面對的問題。

製程監控紀錄數據量多 針對製程特性訂製重點監測項目

以常規半導體生產為例，製程中若要經過浸潤、曝光、再針對同一材料進行多重曝光處理，其實過程中就多了許多製程節點，而記錄的重點就不是僅有分區節點的實時紀錄，而應該是盡量記載每個料件分段製程起始點、出站點與相關過程數據，紀錄數據的重點應該針對該站處理可能引發的錯誤徵象進行重點偵測紀錄，找出能左右晶圓製造的潛在影響，量測站點會有蝕刻深度量測、缺陷量測、電子顯微鏡影像紀錄等，當半導體製作因為下探更精密的製程，量測記錄數據也會因此倍增，為避免拖慢產線運行可能就會採行折衷的抽樣紀錄方案處理，例如每批量生產抽測數組樣本留存，就可能產生紀錄不完整與後續解讀數據資料斷層問題。

導入大數據的分析方法，就是為了避免寶貴的生產數據遭閒置，透過數據分析策略與方法找出生產資訊潛藏的生產問題警訊，同時結合製程參數設定，甚至可更進一步找到優化製程關鍵點，進而提升製造產值和獲利。尤其在先進製程更趨繁複，透過生產巨量資料的分析，積極改善生產效能，例如，韓國半導體業者就運用大數據減少10%製程設備機具問題發生率，增加員工產能達50%、同時減少重製成本，就值得借鏡學習。

分析數據區隔生產優化與即時訊息 凸顯巨量數據分析優勢

一般進行大數據分析，會先將彙整的巨量資料切割成不同欄位、再進行數據分析，分析成果再透過視覺化軟體呈現，執行的時間成本較高。其實巨量數據分析可以切割成現場即使生產所使用的分析結果、與生產記錄數據的分析結果兩大塊，以針對生產線長所需的即時數據需求，可在機台採集生產數據送至伺服器時，即直接運用即時報表產生視覺圖形呈現，讓生產線主管可以透過資訊面板在巨量資料中快速查找問題、同步監控，而不是自動化後現場人員的價值就僅有開關電源與簡單送料動作，而是能從巨量數據的即時分析、呈現也能起到製程問題防患未然作用。

除即時化的數據呈現外，以12吋晶圓製程產線每片晶圓會經歷上千道處理程序，在紀錄生產過程中往往會累積大量的巨額數據，透過自生產機台蒐集來的各式動態數據分析，可以做到提早預測可能出現生產問題的設備狀態與參照歷史資料預知可能錯誤狀態，即時進行設備調校改善，就能減少因為生產流程出錯中斷生產造成的巨額損失，而生產線停機再開機不僅浪費時間，也可能為了恢復生產徒增更多成本。

而半導體生產導入巨量分析僅是第一步，而過程需要面對的挑戰卻不只是技術導入這麼簡單，早期半導體生產所產生的資料量，因為產品電晶體密度有限數據也不會太多，但隨著進入更高階的半導體製程，同時隨著紀錄技術改善，單一機台產生的生產數據紀錄數已呈現百倍的增長，必須導入如Hadoop這類運算平台透過分散式運算提升資料處理效能，否則資料數據的分析速度，根本追不上資料產生速度。