利用人工智慧提高半導體製造效率

在晶圓廠產生的數據需要快速分析並採取行動，以確保緊密的製程控制和高產量，並避免製程異常

半導體晶圓廠面臨的挑戰是廣泛而不斷變化的。隨著晶片尺寸從奈米逐漸縮小至埃的規模，製造過程的複雜度也相對地增加。處理一個單一晶圓可能需要數百個製程步驟，並且可能需要一個月以上的時間。接著還需要一個多月的時間進行組裝、測試和封裝等步驟，才能得到最終的產品。

晶圓廠內部可以進行人工智慧（AI）的部署，以因應半導體製造的錯綜複雜的生產過程。晶圓在經歷眾多的製程和測試操作時產生了 PB 級的數據。這豐富的數據也帶來了一個挑戰，即需要快速分析並採取行動，以確保緊密的製程控制、高產量，並避免製程異常(process excursions)。除了應對製造過程的複雜性外，還需要新的解決方案來使得製程效率與產量都越高越好，以便為晶圓廠帶來商業價值。

AI賦能(AI-enabled)的分析工具對IC製造者的好處

傳統的製造過程問題檢測技術已經過時，特別是在先進技術節點上。例如，工程師必須進行自己的良率分析來尋找潛在問題。一旦他們確定了問題，他們就會與除錯和製程團隊溝通，以確定根本原因，然後進行異常排除。除錯團隊繼而開始尋找問題背後的某種相關性，而製程團隊則進行異常排除，並將其連結到根本原因。

所有這些步驟都需要大量時間，這些時間本來可以專注於達到晶片的最高良率，降低成本並縮短上市時間。在分析工具中使用人工智慧的最大好處之一，是工程師可以快速識別和定位特定晶片中的問題，看看是哪個製程步驟或設備導致了問題。

人工智慧除了可做到的快速而準確的製程控制之外，還有許多其他的優點，協助節省時間和金錢，包括：

• 預測性應用：讓晶圓廠從被動轉向預測性的製程控制
• 可擴展性：分析 PB 級的數據，連接多個晶圓廠，並可以上雲端
• 效率：讓晶圓廠做出更好的決策，並減少錯誤警報

為了實現下一代製造，Synopsys 正在為全面的製程控制方案啟用人工智慧和機器學習技術。

用AI跟ML產生的具體行動方案

在晶圓廠中，晶圓、設備、設計、光罩、測試和良率等方面都是獨立的範疇，這些範疇可以從全面的人工智慧與機器學習解決方案中受益。這樣的解決方案可以幫助工程師針對下述的幾個面向，產生具體解決方案：

• 故障檢測和分類(FDC)
• 統計製程控制(SPC)
• 動態故障檢測(DFD)
• 缺陷分類和影像分析
• 缺陷影像分析
• 決策支援系統(DSS)

快速分析來自設備感測器或製程參數的 PB 級數據，使製造商能夠快速辨識製程異常的根本原因，並採取行動以保持良率。

晶圓廠內的AL和ML

Synopsys 是提供矽製造和矽生命週期管理(silicon lifecycle management)軟體解決方案的供應商，包括 TCAD的解決方案、光罩解決方案和製造分析。其現有解決方案連接到分佈在多個晶圓廠的數千台設備，擁有數百萬個感應器，分析數百 PB 級的數據。透過提供對應製造過程的即時視覺影像，Synopsys 實現了預測性分析並優化產品質量和良率，以幫助半導體晶圓廠在競爭激烈的市場中取得優勢。

Synopsys 推出了一款使用 AI/ML 的軟體解決方案， Fab.da ，旨在使半導體製造更加有效率。Fab.da 是 Synopsys EDA 數據分析解決方案的一部分，該解決方案整合了整個晶片生命週期的數據觀察與分析。

它透過把來自許多不同來源的數據類型集合到一個平台上，為先進和成熟節點晶片提供了完整的數據連續體(data continuum)。這種數據連續體可協助提升使用者產能、最大數據可擴展性，並找出問題的根本加以分析，以提高準確性。

Fab.da在領先的晶圓廠中提供製程控制解決方案來管理複雜的晶圓製造，並協助晶片設計師和製造者推動卓越營運和生產力，從而在當今的製造環境中取得競爭優勢。