skip to main content

數位分身於 微電子智慧製造的應用

By James Moyne

在智慧製造原則中,[1]「數位分身」方案為微電子製造商提供極佳機會,讓他們可利用現有與新興技術改善品質和產量,還可降低變異性與成本。

微電子產業正積極利用大數據革命的機會,藉此進一步拓展智慧製造 (SM) 與工業 4.0 的策略。這將能提高整合及分析能力,並提供預測性維護與最佳化排程以及調度等方案。有個廣受矚目的關鍵智慧製造 (SM) 原則是所謂的「數位分身」(DT)。本文中我們將檢視此概念,並解釋微電子產業如何在其技術開發與執行上穩居領導地位。

科幻情節成真

「數位分身」一詞激盪出許多創意發想:例如以撒.艾西莫夫 (Isaac Asimov) 的科幻小說;《2001 太空漫遊》及《機械公敵》等電影;甚至複製人都是很典型的例子。所以對不少人來說,製造業數位分身的願景是電腦可複製工廠內的一切,從元件與設備到系統,甚至是人員的行動以及行為也能複製。雖然這在未來確實可能發生,但我們需要回過頭來了解製造業如何定義數位分身,接著評估如何應用此概念發展。

我們可以在維基百科中找到普遍被認同的數位分身 定義,即「數位分身是指可用於各種目的之實體資產、流程與系統的數位複製品。」[ 2] 若分解此定義,我們會發現數位分身不單是複製品或事物模型 ( 如同電影情節 ),還包含流程與系統的模型。例如,除了蝕刻系統配置的模型外,晶圓廠蝕刻應用製程、泵浦可靠度數據或產品流程等細節或更高層級模型,都可被視為是數位分身家族的一部分。根據此數位分身更完善的定義,我們可以對微電子製造數位分身的最先進技術與願景做出以下陳述:
  • 該產業已成功在整個晶圓廠內部署許多數位分身組件。應用材料早與客戶共同合作,以可提供最佳客製化效益的方式來實現這些數位分身。
  • 大量製造微電子元件具備特大規模與精密度等特性,使其成為世上最錯綜複雜的一種製造方式,我們則必須開發數位分身技術以滿足本身的製造需求。因此,我們業界可以說是推動數位分身技術進步的領導者。
  • 本產業開始從提取與結合這些數位分身組件來探索,並從中獲取效益。
  • 本產業為數位分身設有實質願景與發展藍圖;在未來 10 年中,將顯著改善品質與產能,並降低變異性和成本。

本文其他部分將藉由許多數位分身的成功案例詳細探討這些重點。

今日晶圓廠的數位分身運用

或許尚未意識到,但其實許多晶圓廠現已處於革命最前端,開創許多數位分身技術並見證數位分身的成功。我們現在有已普遍被使用的技術如批次 (R2R) 控制和即時排程與調度 (S/D),以及新興技術如預測性維護 (PdM) 與虛擬量測技術 (VM),這些都是數位分身的關鍵要素。本章節將探討今日晶圓廠如何應用這些技術。

批次 (R2R) 控制—在 1990 年代早期,以模型為基礎的製程控制 ( 在我們業界稱為批次控制 ) 先是應用於如化學機械平坦化 (CMP) 等半導體製造技術。[3] 透過改善控制與降低如厚度以及均勻度等品質變異性,成功證明了其改善製程的能力。如今大多數晶圓廠普遍使用批次控制,且批次控制是許多先端製程的必要需求。圖 1 說明了批次控制的好處,而表 1 總結了當今微電子先端技術中廣泛應用的批次功能。[4] 微電子產業成功採用全晶圓廠以模型為基礎的製程控制方案,這讓我們成為技術領導者,並且持續在這個領域改革創新,提供如非線程批次控制的方案延伸以及將批次控制和排程與調度等功能相結合。[5,13]

圖 1:批次控制成功的例子說明了在 (1) 接近目標和 (2) 降低變異性上的改善,這兩者都對改善 Cpk 有所助益。( 資料來源:應用材料 )

表 1:批次控制在微電子製造的典型應用以及效益報告之摘要。( 資料來源:應用材料 )

即時排程與調度 (S/D) —雖然批次控制可說是業界最明顯同時最受矚目的數位分身功能,但即時排程與調度模擬不單是微電子另一項普及的技術,也是製造業數位分身系列的關鍵組件。有效的排程與調度方案採用可設定的控制規則,模擬晶圓廠內的製程與產品流程,並確定整個晶圓廠的排程與特定機台調度中應該如何決策。例如,透過了解佇列等候時間長度、生產周期與運送時間並結合產品優先順序 ( 如緊急批次 ),可啟用應用材料 RTD™ 即時排程與調度方案,利用控制規則將在製品 (WIP) 流程最佳化以達成客戶的良率 - 產量目標。這些規則可輕易更新並重新設定,以回應不斷變化或不可預期的情況 ( 如改變需求或非預期停機 )。[6] 這些功能與其他創新使微電子產業持續在此技術領域具領先地位,而其他有嚴格製程控制需求的垂直產業 ( 如製藥與化學產業 ) 正考量使用應用材料 RTD 即時排程與調度 (S/D) 方案。[7]

預測性維護 (PdM) 與虛擬量測技術 (VM)—雖然批次控制以及排程與調度數位分身組件普遍為當今晶圓廠所使用,但未來幾年還有新興的數位分身技術將成為晶圓廠不可或缺的一部分;其中最主要的是預測性維護與虛擬量測技術。這兩種技術都利用與大數據革命相關的進步如數據整合、歸檔、品質以及分析能力,提供設備或組件健康狀況與量測的數位分身功能。成功實現這些新興數位分身功能的關鍵為:
  1. 了解在高度動態與複雜的微電子製造環境中,實施這些功能的複雜性;
  2. 提供協作環境,將用戶、代工廠 (OEM) 與分析方案供應商知識整合至可擴展與維護的方案中;及
  3. 提供安全數據存取方法,以便在安全的 IP 保護環境中開發方案。[8,9]

圖 2 顯示虛擬量測領域的成功範例。應用材料製程與設備知識結合了分析功能,可實現晶圓溫度與化學反應室清潔終點的虛擬量測方案。[10] 同樣的方法可用在客戶廠區開發客製化的虛擬量測、虛擬感測與預測性維護方案,且在未來十年成為工廠整合方案的一部分。

圖 2. 現象 ( 以物理為根據、統計上調整過 ) 模型將取代虛擬量測 / 感測器方案中的純統計模型。( 資料來源:“Virtual Sensors for APC in CVD,” APC Conference 2017)

下一步: 結合數位分身功能

現有與新興數位分身功能都利用相同的數據收集與管理基礎架構,且 ( 如圖 3 所示 ) 通常可在國際自動化協會 (ISA)1 層級與其他數位分身和非數位分身功能交互作用,以提供目標效益。

圖 3. 說明在多個層級上的數位分身功能;且這些層級都運用相同的收集數據和管理基礎架構。我們可以將數位分身功能對映在 ISA-95 分層工廠模型上,並說明 (1) 批次控制、虛擬量測技術與預測性維護為層級 1 和層級 2 的製程數位分身範例,以及 (2) 用於即時排程與調度方面以規則為主的系統,以及包含預測組件的電腦維護管理系統 (CMMS) 是層級 3 的製程數位分身範例。

雖然這些效益非常顯著,但下一代數位分身功能已經實現,可透過提取一個層級的模擬資訊來結合多層級的數位分身功能,然後在更高層級使用此訊息改善數位分身功能與精密度。圖 4a 的例子說明如何在 ISA-95 第 2 層級提取批次控制數位分身功能來處理 (Cpk) 預測,然後用於第 3 層級的應用材料 RTD 系統來改善排程與調度模擬與操作的準確性。結果 ( 圖 4b) 顯示如果能重新將應用材料 RTD 排程與調度決策最佳化,以納入批次 Cpk 預測訊息,即可改善晶圓廠的利潤 ( 以多產品的良率與產量的函數計算 )。[13] 應用材料工程師會與客戶合作,了解如批次控制及 RTD 等數位分身功能是否能更有效整合,以更進一步對決策最佳化。

圖 4a:案例說明多層級結合數位分身功能。右下方是典型的批次控制方案;此方案利用量測前、後以及動態更新製程數位分身模型,以提出可改善製程能力的配方建議。此方案還具備長期估計 Cpk 的能力。本圖上方為實施應用材料 RTD 數位分身的一般案例;其中使用加權因數 ( 如生產周期與等候時間,詳見公式 ) 確定引導批量路線以實現產量 - 品質最佳化目標。在結合批次控制與即時排程與調度數位分身的執行作業時,我們將批次 Cpk 估計資訊併入成為應用材料 RTD 最佳化功能中的另一個因數。如此是為了改善最佳化結果 ( 如圖 4b 所示 )。

圖 4b:將設備製程數位分身資訊併入製造執行系統 (MES) 層級流程中。[13] 這裡可看到將 Cpk 從較低層級批次控制數位分身併入應用材料 RTD 數位分身最佳化功能的結果。應用材料 RTD 排程與調度最佳化的功能以「收益」函數表示,也就是 Y 軸。該圖顯示當我們將 Cpk 因數併入最佳化的計算時,因為預期會將品質併入排程與調度決策中而使利潤增加。隨著我們增加 Cpk 因數權重,預期利潤增加到最大。如果我們將權重提高太多,則因品質因素決策開始干擾其他如產量等最佳化目標,所以反而造成利潤開始下降。

數位分身的願景與產業發展藍圖

雖然目前和新興的數位分身功能可為微電子製造業提供極佳的機會,但為了讓我們準備好一起進步,了解數位分身的長期願景非常重要。幸運的是,國際裝置與系統發展藍圖 (IRDS) 承擔了這項任務,並將數位分身願景定義為「晶圓廠營運狀態 ...... 所有晶圓廠營運的即時模擬有如現有系統的延伸,並可動態更新模擬模型。」[11] 當今產業中許多現有與新興的應用程式可能會持續發展,以更直接地呼應願景。所有層級的應用程式 ( 從設備到製造執行系統 (MES) 和企業資源規劃 (ERP)) ( 如圖 3 所示 ) 將運用大數據功能以及高層級的垂直與水平整合方式,以延伸至虛擬網域並支援預測、假設 (what if) 分析和規範性操作等功能。

我們早已向前邁進

當我們的產業邁向實現 IRDS 數位分身願景之際,特別值得注意的是,本公司已經在多個層面上 ( 從設備到 MES) 成功實施全晶圓廠的數位分身技術。我們之所以能在數位分身領域取得成功,有部分是因為我們最先著重「這在做什麼」 ( 即複製一個過程 ),然後再嘗試研究「這是什麼」 ( 即複製一個實體資產,例如一套設備 )。應用材料擁有涉及整個數位分身領域的許多方案,且我們致力於持續創新,提供環境讓我們能結合設備、流程與分析知識,並進而實現數位分身願景。

欲知詳情,請聯絡 michael_d_armacost@ amat.com.

James Moyne 博士是密西根大學機械工程系的副研究員以及應用材料公司顧問。

[1] 2017 年 12 月版的《Nanochip 晶圓廠解決方案》刊物介紹了完整的 SM願景,其中也包含 SM 原則的介紹。請參考應用材料公司 2017 年 12 月第 12 卷第 2 期《Nanochip 晶圓廠解決方案》的「邁向智能工廠」(Moving Toward the Smart Factory)。

[2] Wikipedia: Digital Twin. Available online: https://en.wikipedia.org/wiki/Digital_twin

[3] Run-to-Run Control in Semiconductor Manufacturing, J. Moyne, E. Del Castillo, and A. Hurwitz, CRC Press, November 2000.

[4] Applied SmartFactory® R2R Control. Available online at: http://www.appliedmaterials.com/global-services/automationsoftware/e3-run-to-run-control-r2r

[5] Zou, J., et. al., “Minimizing pilot runs with non-threaded control technology,” Advanced Process Control Conference XXVI, September 2014. Available via: http://apcconference.com.

[6] Applied SmartFactory® Real-time Dispatching and Reporting. Available at: http://www.appliedmaterials.com/global-services/automation-software/apf-rtd-and-reporter

[7] S. Romero-Torres, J. Moyne and M. Kidambi, “Towards Pharma 4.0; Leveraging Lessons and Innovation from Silicon Valley,” American Pharmaceutical Review, February 2017. Available at: http://www.americanpharmaceuticalreview.com/Featured-Articles/333897-Towards-Pharma-4-0-Leveraging-Lessons-and-Innovation-from-Silicon-Valley.

[8] J. Moyne and J. Iskandar, “Big Data Analytics for Smart Manufacturing: Case Studies in Semiconductor Manufacturing,” Processes Journal, Vol. 5, No. 3, July 2017. Available at: http://www.mdpi.com/2227-9717/5/3/39/htm.

[9] J. Moyne, S. Mashiro, D. Gross, “Determining a Security Roadmap for the Microelectronics Industry,” Proceedings of the 28th Annual Advanced Semiconductor Manufacturing Conference (ASMC 2018), Saratoga Springs, New York, May 2018.

[10] Mungekar, H., et. al., “Virtual Sensors for APC in CVD,” APC Conference 2017, available via: http://apcconference.com.

[11] International Roadmap for Devices and Systems (IRDS), 2017 Edition: Factory Integration White Paper and Factory Integration Roadmap. Available at http://irds.ieee.org.

[12] ISA95, Enterprise-Control System Integration. Available at: https://www.isa.org/isa95/.

[13] Lopez, F., Moyne, J., Barton, K., and Tilbury, D., “Processcapability- aware scheduling/dispatching in wafer fabs,” Advanced Process Control Conference XXIX, October 2017. Available via: http://apcconference.com.