通过智能技术改善半导体制造

　　半导体制造设施与其他任何设施都不同。他们可以持有数亿美元的投资，用于人类有史以来为商业用途制造的一些最小的产品。如此之小，以至于一点灰尘会对最终产品造成不可挽回的损害。几十年来，该行业开创了许多突破性的程序，其他工业制造商最终将在几十年后采用这些程序。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结构来运行，对这些薄晶圆的需求预计只会增长。

　　但是，这种与工业制造业其他部分的差异正在无情地成为看似永无止境的运营创新的压力点，以实现更高的投资回报。过去几十年来所做的许多改进都非常有价值，但它们的成功创造了一个收益递减的旅程。这些改进通常是以更高的产量的名义进行的。毫无疑问，这是一个关键指标，但专注于单一的优化因素可能会导致工程师将自己设计得无影无踪。从这个角度来看，历史上有两种选择;投资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。

　　这使得除了最大的铸造厂和制造商之外，几乎所有公司都不可能竞争。这就是智能制造的用武之地。在最简单的层面上，所有制造工厂都有三个调节旋钮：成本、时间和质量。智能制造所做的是改善这三个旋钮的微调，从而更好地控制企业。还有其他好处，例如基于规则的规划和流程优化，将智能制造定位为摆脱收益递减角落的欢迎途径。

　　集成电路发展的新时代

　　增长增加

　　物联网（IoT）设备已成为半导体收入的最大驱动力，无线通信，汽车和人工智能产品在短时间内紧随其后1.这些广泛的设备将为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。生产所有这些不同产品的最佳时间表是什么？生产是否会被视为一个不知道实时情况的黑匣子？如果需要对设计进行更改，需要多长时间来调整流程？生产效率能否与变革前相媲美？

　　跟踪和追溯需求

　　许多半导体应用在社会中也扮演着更重要的安全关键角色，对人类生活的福祉负责。为了应对OEM面临的这一新风险，许多企业希望或要求严格的跟踪和追溯协议。如果新车中的高级驾驶员辅助功能比预期的更早发生故障，则详细的过程信息对于查找根本原因将非常宝贵。其他应用，如安全和生物识别技术，需要确保设计在制造过程中没有改变或篡改。消费电子市场中越来越多的人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就是他们购买的？

　　良率优化越来越难

　　产量无疑是优化盈利能力的关键指标，但这个过程的大部分已经自动化和优化，特别是在最大的晶圆厂和最先进的节点上。智能制造不仅仅是优化的次要途径，它还是制图师绘制所有其他可能的途径，以提高效率和盈利能力，并在制造设施中更换传感器之前测试其功效。

　　成功之路

　　智能制造的价值在于其灵活性，这是西门子Xcelerator软件、服务和应用开发平台产品组合的核心组成部分，可为组织带来新的见解、机遇和自动化。在大规模生产时，即使对流程进行微小的调整也可以节省大量成本。为了说明这种方法在推动创新方面的重要性，将讨论两个示例 - 批量大小优化和调度优化。

　　“数字孪生体可以是产品、生产或性能。理想情况下，这些数字孪生体相互馈送以获得见解和持续改进。西门子 Xcelerator 产品组合涵盖数字孪生体的设计、实现和优化，“西门子数字工业软件公司电子与半导体行业副总裁 Alan D. Porter 表示。

　　假设正在建设一个新的制造设施，投资近140亿美元。运行的前60天产生了100，000个可行的IC单元。最重要的是，其中大约25%将直接移动到存储中。这是一个很大的投资，留在一个房间里，但这是整个行业的常见情况。

　　140亿美元中的25%是一笔巨大的储蓄损失，特别是与收益率增加四分之一（2000万至4000万美元）的回报相比。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可见性。

　　手数大小优化

　　像许多其他学科一样，半导体制造可能成为传统的牺牲品。大多数生产小于300mm晶圆的晶圆厂的批量大小约为25个晶圆，尽管在某些情况下，较小的批量尺寸可能更有效率。但手数大小优化与这些指标无关。相反，它专注于从这些晶圆组装多芯片模块所需的芯片数量。

　　例如，IC封装可能包括一个处理器芯片，该芯片来自容纳10，000个芯片的初级晶圆。一个免费的存储器芯片晶圆可能有15，000个芯片。通常，将构建10，000个多芯片模块以匹配主芯片数量，因为这是常态，并且它们是更昂贵的芯片。这留下了5，000个额外的内存模具。这种超额部分会发生什么？通常，它们被储存在设施中的某个地方，在那里它们会萎靡不振，可能会过期或丢失在存储中。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模具丢失或报废。

　　这是一笔可观的钱。但是，这并不是失去的全部价值。这些模具必须制造出来，占用制造能力。它们经过组装，使用更有价值的资源，直到它们最终被存放在架子上并且很难找到。不过，还有更多的损失 - 每个初级晶圆10，000个芯片正好适合。该订单可能只有8，000个单位，但初级模具价格昂贵，因此它们被过度建造了20%。

　　根据我们与世界各地半导体制造商合作的经验，这是一个保守的估计。许多晶圆厂经常超建30%。是的，一些积压的库存可以在以后出售，但是如果有中期修订怎么办？这留下了大约15%的总收入损失。

　　芯片级可追溯性

　　许多产品可能还需要可追溯性，以了解模具何时投入生产，条件如何，或者该批次中是否存在更高的故障率。但要完全优化批量大小和调度，需要一种更精确的跟踪方法：模具级可追溯性。跟踪单个模具的整个生产过程，进入装配，再到现实世界，消除了高效和有利可图的生产的许多障碍。

　　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。一个实时了解正在发生的一切的人。但这需要数字化转型。随时访问有关生产车间每个流程的数据可以更深入地了解整体效率，但是如果没有从机器和工人到管理和控制流程的连续数字线程，几乎毫无用处。

　　其次，为了建立有限调度系统的数字线程，物联网传感器需要在整个制造设施中积极部署。幸运的是，对于许多晶圆厂来说，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。它甚至可以包括机器内伺服器的速度或固定晶圆所需的力。

　　最后一个要求是需要精确模拟整个工厂车间。理论处理时间与实际时间相比如何？流程中的各个步骤呢？切换工具需要多长时间？为了使这些答案收敛并实现优化，需要将来自物联网基础设施的真实数据反馈到仿真模型中。这创建了一个闭环模型，可以最终支持机器学习等高级AI功能。

　　这三个步骤使生产更快，更高效。但还有一个更关键的因素：手数大小优化。如果在没有此功能的情况下实施这四个步骤，存储速率只会增长，因为生产速度将比以前更快。

　　结论：

　　产量是一个很好的指标，但它们并不是高效半导体晶圆厂的唯一指标，特别是因为市场预计只会在产能和复杂性方面增长。如果不考虑字面生产之外的其他流程，数百万美元要么坐在储藏室里，要么更糟的是，放在垃圾桶的底部。智能制造旨在扩大优化工厂的兴趣范围。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未来的生产效率。

　　审核编辑：郭婷