如何利用智能制造提高半导体工厂效率

本文编译自embedded-computing

半导体制造设施不同于其他任何工厂。他们可以有数十亿美元的投资，用于生产人类有史以来一些最小的商用产品。小到一点灰尘都会对最终产品造成无法弥补的损害。几十年来，该行业开创了许多流程，其他工业制造商最终将在几十年后采用这些流程。随着越来越多的产品、设备和系统依赖计算能力和复杂的纳米架构来运行，对晶圆的需求预计只会增长。

但是，这种工业制造业不可避免地需要永无止境的运营创新，以获得更高的投资回报。过去几十年中取得的许多改进都是非常有价值的，但这是一个收益递减的过程。这些改进常常是以提高产量的名义进行的。毫无疑问，这是一个至关重要的指标，但专注于单一的优化因素可能会导致工程师将自己封闭。从这一立场来看，历来有两种选择：投资于更小的节点或更大的晶圆。这两者都是有利可图的，但需要数十亿美元的前期资本投资。

这使得除了最大的代工厂和制造厂之外，其他企业几乎不可能与之竞争，这就是智能制造的用武之地。在最简单的层面上，所有的生产设施都有三个调整旋钮可以转动：成本、时间和质量。智能制造所做的是微调这三个旋钮，从而使企业获得更大的控制权。还有其他好处，如基于规则的规划和流程优化，将智能制造定位为走出边际收益递减角落的一条受欢迎的道路。

集成电路发展的新时代

增长速度加快

物联网（IoT）设备已成为半导体营收的最大驱动力，无线通信、汽车和人工智能产品紧随其后。这种广泛的设备种类将给该行业带来更多的变化，但为如此多样化的产品优化制造将成为一个更大的障碍。生产这些不同产品的最佳时间表是什么？生产是否会像一个黑匣子一样对待，而不知道实时发生了什么？如果需要对设计进行更改——调整过程需要多长时间？生产效率是否能与改革前相比？

跟踪要求

许多半导体应用也在社会上扮演着更重要的安全关键角色，对人类的健康负责。为了应对OEM面临的新风险，许多企业希望或要求严格的跟踪产品生命周期。如果新车的高级驾驶员辅助功能比预期的更早发生故障，详细的过程信息对于找到根本原因将是非常宝贵的。其他应用，如安全和生物识别，需要保证没有任何设计在制造过程中被修改或篡改。越来越多的消费电子市场对他们购买的产品的可持续性感兴趣。客户如何知道他们收到的是他们购买的东西？

产量优化越来越难

产量无疑是优化盈利能力的一个关键指标，但这一过程的大部分已经被自动化和优化，特别是在大晶圆厂和先进的节点上。智能制造不仅仅是优化的第二条路线，它还是一个地图绘制者，它筹划了提高效率和盈利能力的所有其他可能路径，并在更换制造设施的传感器之前测试其有效性。

成功之路

智能制造的价值在于其灵活性，它是西门子Xcelerator软件、服务和应用程序开发平台组合的核心组成部分，可为企业带来新的见解、机遇和自动化。当大规模生产时，即使是对工艺的小调整也能带来巨大的节约。为了说明这种方法在推动创新中的重要性，我们将讨论两个例子：批量优化和调度优化。

“Digital-Twins可以是产品或性能的强关联。理想情况下，这些数字孪生兄弟相互促进，以获得洞察力和持续改进。西门子Xcelerator产品组合涵盖了Digital Twins的设计、实现和优化。”西门子数字工业软件公司电子和半导体行业副总裁Alan D.Porter说。

假设一个新的制造厂正在建设，投资近140亿美元。首个60天的运行产生了10万个合格的集成电路单元。其中大约25%将直接进入到仓库中，这是一个巨量投资，但在整个行业中是很常见的。

140亿美元中的25%是一笔巨大损失，特别是与最终的收益率（2000-4000万美元）相比。为什么会发生这种情况？因为许多公司对其制造设施的精确细节没有足够的了解。

批量优化

大多数生产小于300毫米晶圆的晶圆厂的一次批量约为25片晶圆，但在某些情况下，小批量晶圆可能更有效。但是批量优化与这些指标无关。相反，它关注的是从这些晶圆组装多芯片模块所需的晶圆数量。

作为一个例子，IC封装可以包括从容纳10000个芯片的主晶圆派生的处理器芯片，内存芯片可能有15000个芯片。通常情况下，10000个多芯片模块将被建造成与主晶圆数量相匹配，因为这是标准，而且它们是更昂贵的晶圆。剩下5000个额外的记忆体，这个过剩怎么办？它们通常被存放在设施的某个地方，在那里它们可能会过期或丢失。最终，损失被视为收益损失。这可能导致价值数百万美元的免费晶圆丢失或报废。

那是一大笔钱。但是，这并不是损失的全部价值。这些制造占据了产能。他们进行了组装，使用了更多有价值的资源，直到最终被存放在一个架子上，很难找到。不过，还有更多的损失——每片原晶片10000个晶片正好适合。订单可能只有8000个单位，但是主晶圆很贵，所以他们被超额生产了20%。

根据我们与世界各地半导体制造商的经验，这是一个保守的估计。许多工厂通常会额外生产30%。是的，一些积压的存货可以在以后出售，但是如果有一个周期中期修正呢？这就留下了总收入的15%左右。

晶圆级可追溯性

许多产品可能还需要可追溯性，以了解晶圆何时进行生产，当时的状况如何，或者该批次的故障率是否更高。但为了充分优化批量和调度，需要一种更精确的跟踪方法：晶圆级可追溯性。跟踪单个晶圆的生产过程，进入组装阶段，然后进入真实世界，排除了生产效率和利润的许多障碍。

调度优化

为了提高操作的清晰度，需要建立一些流程：

首先，需要一个有限的调度系统。一个能实时了解发生一切的人。但这需要数字化转型。对生产车间中每个流程的数据进行随时访问可以让您更深入地了解整体效率，但如果没有从机器、工人到管理和控制流程的连续数字线程，几乎毫无用处。

第二，为了建立有限调度系统的数字进程，需要在整个制造设施中积极部署物联网传感器。幸运的是，对于许多工厂来说，他们的机器可能已经产生了大量的数据。这包括高度精确的温度和湿度读数，以确保半导体的稳定和最佳生产环境。它甚至可以包括伺服系统在机器内的速度或保持晶圆所需的助力。

最后一个要求是整个工厂流程都需要精确模拟。理论过程时间与实际时间相比如何？过程中的各个步骤呢？换工具要多长时间？为了使这些答案趋于一致并实现优化，需要将来自物联网基础设施的真实世界数据反馈到仿真模型中。这就形成了一个闭环模型，使得最终支持机器学习等高级人工智能能力成为可能。

这三个步骤使生产更快、更高效。但还有一个更关键的因素：批量优化。如果这四个步骤在没有这一能力的情况下实施，那么库存率只会增加，因为生产将比以前更超出需求。

结论：

产能是一个很好的衡量标准，但它们并不是衡量一个高效半导体工厂的唯一标准，尤其是市场的产能和复杂性只会增长。如果不考虑实际生产以外的其他过程，数百万美元要么被放在储藏室里，要么更糟的是，丢在垃圾桶的底部。智能制造是为了在优化工厂时扩大范围，作为西门子Xcelerator产品组合的一部分，用于半导体开发和生产的工具正在为今天的工厂带来了明天的生产效率。

Alan D.Porter是西门子数字工业软件公司（Siemens Digital Industries Software）电子和半导体行业副总裁。他于2020年加入西门子，在半导体和电子工程领域工作了30多年，涉及多个行业，包括消费电子、军用/航空、汽车和网络基础设施。他曾在包括苹果和华为在内的大公司、包括Mentor、Synopsys和Cadence在内的EDA软件公司、初创公司和产能产品的专业服务职位。