一文读懂 | 关于半导体制造数据的那些事儿

 

 

在精密复杂的半导体制造生态中，数据如同 “血液” 般贯穿始终，支撑着质量管控、良率提升与产品可靠性保障。深耕行业30余年的普迪飞（PDF Solutions），凭借覆盖从设计到系统级测试全流程的综合数据管理系统，已为全球数百家客户提供坚实支持。

 

本文将带您走进半导体制造数据的世界，解析其内涵与核心价值。

 

 

半导体制造全流程：从设计到终端产品

 

在深入探讨特定数据类型之前，了解半导体制造流程至关重要：

 

图片来源：普迪飞

 

设计阶段：芯片架构与性能指标的初始定义，是一切的起点；

晶圆制造（Fab）：通过数百道精密工序，在硅片上完成电路构建；

晶圆测试（Wafer Sort）：对晶圆上的单个芯片进行电气性能检测；

封装阶段：筛选合格芯片并进行封装保护；

最终测试（Final Test）：在封装或模块层面开展全面性能验证；

系统集成：将芯片嵌入智能手机、计算机等终端产品；

 

普迪飞的旗舰产品Exensio大数据智能分析管理平台（制造分析 MA），已实现对上述全流程数据的采集与分析，服务全球150余家客户，其中包括多家顶尖半导体企业。

 

图片来源：普迪飞

 

 

晶圆制造中的核心数据

 

制造执行系统（MES）

 

MES是晶圆厂的 “中枢神经系统”，负责协调晶圆厂或代工厂的所有运营：实时追踪物料流转、工艺进度与设备状态。该系统生成在制品数据，精准定位每片晶圆的当前位置与所处工序。

 

自动化物料搬运系统（AMHS）

 

现代晶圆厂依托高架运输系统实现晶圆盒的自动化转运。每片晶圆拥有唯一 ID，AMHS系统能够全程记录其在各类设备与腔室中的移动轨迹，为问题排查提供关键追溯依据。

 

故障检测与分类（FDC）

 

FDC数据直接来源于生产设备。现代制造工具配备100-200个不同的传感器，实时监测温度、压力、气体流量和阀门位置等参数。这些传感器在每个工艺运行期间高频收集数据，并生成工艺指标，有助于检测任何偏离正常运行的情况。

 

图片来源：普迪飞

计量数据

 

聚焦物理特性测量，主要包括三类：

 

形状/3D几何：检测晶圆上结构的三维属性；

关键尺寸（CD）：测量线路宽度，这一点至关重要，因为线条尺寸直接关系到晶体管的性能；

叠层精度：确保不同图层的对准精度，这对历经3个月2000 余道工序的制造过程至关重要”，避免重复；

 

这些测量通过晶圆划片线（芯片间的间隙区域）内的专用靶标完成。

 

缺陷数据

 

理想状态下，晶圆上的所有芯片应完全一致。因此检测工具会扫描晶圆以识别异常。缺陷数据有两种形式：

 

缺陷检测：记录缺陷的坐标、尺寸、面积及类型等属性；

缺陷复核：对重点缺陷采集高清图像，通过自动分类（ADC）进行分析，以判断其性质（如颗粒污染、短路等）

 

分析缺陷模式可以揭示 “空间特征”，这些特征通常与特定的设备问题相关。例如，圆形的缺陷模式可能表明加工工具中的某个卡盘存在问题 —— 我们有时将其称为在晶圆厂中找到 “确凿证据”。

 

过程控制监控（PCM）数据

 

过程控制监控（PCM）数据是从划片线中的专用测试结构收集的，提供晶圆的电气特性，是评估性能达标度的核心依据，PCM数据包括：

 

晶体管参数（跨导、漏电率、阈值电压）

互连性能（线路与过孔电阻）

介电击穿电压（可靠性指标）

结特性（薄层电阻、接触电阻、电容）

射频、图像传感器等特殊技术的专用参数

 

值得注意的是，PCM 数据是代工厂通常会与其无晶圆厂客户共享的少数数据类型之一。而缺陷、计量等数据通常被视为敏感信息，代工厂不会披露。

 

电气晶圆测试（EWS）数据

 

电气晶圆测试（EWS）数据来自在各种条件下对晶圆上的每个芯片进行的测试，包括：

 

标准工况测试

高温测试（确保芯片在120°C下工作—— 比如放在汽车仪表板上的手机）

低温测试

老化测试（筛选早期失效产品）

 

测试结果决定 “合格芯片（KGD）” 的归属，芯片按性能分级入 “箱”，这也是同一芯片存在不同版本（如标准版与高性能 FPGA）、图像传感器像素合格率有差异的原因。

 

此外，即使芯片通过所有测试，也可能因 “标记剔除规则” 被判定为不合格 —— 例如，被失效芯片环绕的芯片可能被列为可疑品，排除在后续流程之外。

 

 

晶圆之外的数据流

 

晶圆测试完成并确定合格芯片后，晶圆作为整体的生命周期结束。芯片根据 “拾取图” 从晶圆上分离并进入封装环节，由此开启封装与最终测试阶段的全新数据旅程。

 

 

半导体数据的规模与价值

 

半导体行业每天产生数TB数据，根据客户和应用的不同，数据保留要求长达5-15年，总量可达PB级，这要求专用数据中心进行存储与管理。

 

能否高效利用这些数据，是区分优秀半导体制造商与卓越半导体制造商的关键。通过跨类型数据关联分析，企业可精准定位良率瓶颈、优化工艺，最终向市场交付更可靠的产品。

 

借助Exensio大数据智能分析管理平台，半导体企业正将海量原始数据转化为切实可行的决策依据，在这一全球技术前沿领域持续提升质量、良率与盈利能力。