引入智能制造解决方案为半导体行业能带来哪些好处?

半导体制造是一个复杂的行业，这个过程中任何地方的小改进都会对底线产生重大影响。本文讨论了通过引入智能制造解决方案为半导体行业不断优化制造的好处。

日益复杂的市场需求正推动着半导体晶圆厂（无论是集成设备制造商（如英特尔或三星）还是无晶圆厂/代工厂模式）寻求提高生产灵活性，上市时间和盈利能力的方法。引入新产品的步伐正在加快，开发，制造和部署产品到市场的复杂性也在增加。为了满足这些需求，公司将产品设计和测试与制造联系起来，以在闭环反馈周期内优化产品和过程。

数字化可以满足减少周期时间，降低成本和提高产量同时增强创造力和创新的业务需求。数字化正在帮助解决跨组织和价值链扩展和协调的局限性。同样，工程领域和垂直专业领域之间的界限也越来越模糊，因为公司充分利用了大数据的能力，并且在以前孤立的领域中水平地进行了分析。

但是，晶圆厂完全数字化和“智能化”意味着什么？智能制造与当今大多数半导体公司有何不同？每个晶圆厂将有自己的需求，并由量化的业务目标驱动不同的数字转换切入点。智能制造已全面数字化，不仅在晶圆厂内部，而且在从设计到分销的所有参与者之间，都提供了越来越多和更可靠的信息流。半导体中的智能制造不仅仅是晶圆厂中的连接设备。它涉及从概念和设计到制造和服务的流程优化。

智能工厂的各个方面

实现智能晶圆厂的周期时间，良率和成本效益意味着数字化连接整个制造过程生命周期。这远远超出了最现代的半导体制造执行系统（MES）及其跟踪功能。尽管跟踪和跟踪的改进已基本到位，但在客户为受管制设备（汽车，医疗，航空航天和国防，安全和生物识别技术）制造IC的推动下，将设计与制造相连接的技术才刚刚成为重要的资源。晶圆厂利用历史和高级预测分析来提高晶圆厂性能。

智能化工厂概念化的一种方法是作为一个统一的协作平台，该平台包括产品，生产和性能的数字孪生子，而不仅仅是静态模型。

数字孪生的这一概念已广泛用于航空航天，国防和汽车等行业，以描述设计的产品。制造商可以基于数字双胞胎的概念，以结构化，集成的方式将产品信息，决策和历史联系在一起，从而在整个产品生命周期中捕获产品创新和知识。这被称为数字线程，它使创新生命周期内的可追溯性成为可能。它还使在下游流程中重用设计变得更加容易，这不仅节省了时间，而且由于每个人都在使用单一的事实来源，因此提高了质量。最初，智能制造应该更专注于生产和绩效的数字化线程，

一个智能半导体晶圆厂具有与MES集成的调度功能，可以创建一个环境，以便不断更新资源受限的每个工作站下一步的操作视图。当今的高级MES可以对复杂的流程建模，但它们还需要在可重复使用的工作流程中管理规格，方剂，掩膜和工具。

智能工厂的所有组件都需要进行自定义，以适应任何给定组织的特定需求。低代码和无代码应用程序开发平台是关键组件。这些平台使您能够通过自定义软件应用程序推动业务转型。

如今，任何经验水平的设计师都可以创建适合他们需求的应用程序。这将建立内部人员开发人员网络，通过连接新旧系统，自动化流程并促进提供可操作情报的数据分析，来获取洞察力并加快数字化进程。

封闭设计，构建和测试的循环

作为智能制造实现的一部分，有机会使用设计数据来提高产量和其他裕量因素。晶圆厂已经将产品设计与制造联系起来，以通过制造设计（DFM）技术实现产品优化。制造测试结果中的数据还提供了降低成本，提高质量和产量所需的宝贵见解。

通过新一代的端到端软件自动化，可以加速设计与制造之间的联系。设计自动化软件也许是智能晶圆厂中最不明显的组件，但是为了创建更高效的IC制造，控制成本并为电子功能的持续改进创造空间，它变得越来越重要。在一个示例中，IC设计在生成掩模之前要经过物理验证。使用机器学习算法分析该过程中的数据，并将其反馈给铸造厂以优化设计流程。

设计与制造之间的联系的另一个例子，也有助于建立一个开放的现代生态系统，来自IC测试分析。半导体技术和过程控制要求在数千种不同产品设计中具有可重现的原子级性能。在所有产品上始终如一的高产能力令人望而生畏。过去，良率由制程能力，使用测试芯片进行良率学习以及在晶圆厂进行制程监控来控制。如今，通过先进的机器学习算法对来自失败的IC测试的数据进行了分析，以找出过去可能无法发现的良率限制因素。

捕获良率限制器的概念也可以在上游扩展到实际制造设计（DFM）流程中，尤其是在光刻过程中，这是制造过程中的关键步骤。到晶圆厂发现严重的与光刻相关的问题时，为进行简单的布局更改而在设计过程中为时已晚。为了避免或减少设计延迟，设计人员可以使用光刻模拟来检测布局中的薄弱点，并分析光刻对设计的电气性能的影响。

然后，工程师可以在设计流程的早期进行任何所需的调整。为此，必须有一种机制使设计人员能够将光刻工艺知识纳入其现有设计流程中。实际上，以光刻友好设计（LFD）套件的形式存在。LFD套件使IC设计人员可以评估布局对给定工艺的响应，然后纠正那些在制造过程中最有可能失败的配置。这里利用机器学习算法来预测具有高检测精度和覆盖率的产量限制，同时减少总体运行时间。

收集，分析和使用这些数据是创建以智能制造为中心的全面数字孪生的一部分。它还需要基于信任和经过验证的数据安全性的紧密合作伙伴生态系统。

设计公司需要了解其特定于设计的制造/产量挑战的方法，而铸造厂则需要设计数据以有效解决产品/过程的相互作用。制造测试数据与设计数据相结合可以提供强大的工具来解决一些最具挑战性的原子级问题。没有这些信息共享，生态系统将无法真正发展成为在全球半导体市场中竞争所需要的智能制造愿景。

现在开始智能半导体制造

半导体晶圆厂在实现智能制造方面处于领先地位，但是功能多种多样，并且发展迅速。面对竞争压力，半导体晶圆厂需要催化剂来实现并加速其数字化转型。障碍依然存在，但是生态系统正在积极开发智能工厂所有组件的解决方案，从不但利用工厂中的物联网，而且利用宝贵的设计数据的完整数字孪生子，到灵活的平台和统一的生态系统，从而为买家，开发人员，设计师，生产单位，分包商，供应商等等。与经验丰富的专业行业合作伙伴合作，将最佳地定位智能晶圆厂，以实现利润和创新。

晶圆厂应寻求具有现成解决方案的供应商进行产品开发和制造，以加速实现真正的智能晶圆厂。例如，西门子的Xcelerator产品组合集成了软件，服务和应用程序开发平台，以帮助制造商全面数字化其运营以实现智能工厂的目标。迈向完全智能工厂的下一步将需要一定的机构意愿，投资，并需要与生态系统合作伙伴建立合作伙伴关系，而生态系统合作伙伴对于产品开发和制造拥有丰富的数字软件产品组合。
责任编辑：tzh