2021年08月20日 | 普迪飞半导体：晶圆上的大数据挑战 或成下一道竞争前线

数据密集带来的挑战在一片晶圆上就足以体现。从IC设计、制造到封测，一片晶圆要经历成千上百道工序，每一道工序都会产生大量数据。这些海量数据在半导体工厂追溯问题、提升良率上承担着越来越重要的角色。

然而，半导体公司做数据分析异常艰难，因为半导体产业链极其长且高度细分，每一个环节都是由一大批专业的公司在做。这就意味着，小小一片晶圆上的数据要串联起来，面临着诸多实际困难。这是实现半导体工业4.0第一步要解决的问题。

“目前，传统半导体数据分析的现状是几乎90%的时间花在前期的数据清洗和数据整合上。”普迪飞半导体高级应用总监Edward Yang对集微网指出。Edward曾就职于苹果、恩智浦和罗克韦尔等领先公司，拥有20多年的行业经验。目前他在普迪飞负责Exensio Analytics Platform的全球应用工程团队。

作为新生产力的数据，能为半导体产业带来什么价值？

良率是半导体产业最重要的核心要素，它是芯片从实验室阶段到量产的重要衡量标准。与此同时，从经济学角度上看，芯片良率更与整体成本密切相关。

对于芯片企业来说，芯片良率直接反映了所投放的芯片可出售比例，因此也直接影响芯片制造成本，这也是半导体厂商如此重视良率的原因。半导体材料厂商Entegris执行副总裁及首席运营官Todd Edlund就曾在接受媒体采访时简单算过一笔账：对于3D NAND晶圆厂而言，1%的良率提高可能意味着每年1.1亿美元的净利润；而对于尖端的逻辑晶圆厂而言，1%的良率提升意味着1.5亿美元的净利润。

与此同时，伴随着终端智能化应用的爆发性增长，半导体芯片在全球范围内对各个行业的重要程度逐年递增，它在产品中所占的比重越来越大，对可靠性也提出了越来越高的要求。

在半导体先进制程不断向前的当下，良率问题已经不单单是晶圆厂的技术能力问题。其中数据的价值正日益凸显，因为从芯片设计到晶圆制造，再到封装、测试、PCB模板，然后做成产品进入到实际应用场景，任何一个环节出现问题都可能影响最终的良率。

然而，作为所有尖端技术基础的半导体产业，在挖掘数据价值，为产业发展提供有效洞察力的方面却并不超前。数据密集型的半导体产业正在经历着技术和应用的飞速发展，面临着大数据挑战。

具体来看，芯片设计和制造决定良率，封装测试决定产品最终的合格率。而良率还需要细分为wafer良率、Die良率和封测良率，总良率则是这三者的乘积。影响芯片良率的因素复杂多样，一般而言设计越复杂、工艺步骤越多、制程偏移率越大，芯片良率越低，同时环境因素（常见的环境因素包括尘埃、湿度、温度和光照亮度）也会对良率造成一定的影响。其中，影响最大的包括wafer尺寸、环境因素和技术成熟度。

在整个生产过程中会造成晶圆缺陷的原因有很多，可能是环境、设备、工艺问题，也可能是原材料或人员因素等。Edward指出：“如果产品出现了问题，你要第一时间知道是哪个环节出问题，整个半导体产业都需要重新审视这个问题，并引入更多有效的手段和工具。”在半导体先进工艺节点上，尤其下探到7nm、5nm时，随着工艺复杂度的提升，很多缺陷已不在晶圆表面上，而是埋在里面，这就使得在研发和量产时监控缺陷问题变得十分困难。因而提升良率除了从技术上调整之外，通过端到端全产业链的数据分析显得尤为关键。

从某种意义上来讲，这种挖掘数据价值从而实现提升半导体产业良率的方式，甚至可以被视为摩尔定律的另一种延续。

一片晶圆上的数据价值如何挖掘？

那么，如何把一片晶圆上密集的数据价值挖掘出来，从而对半导体设计、生产、封装、测试以及应用等各个环节提出有效的提升方案？这些对半导体企业而言实际操作起来并不容易。

除了庞大的数据量外，Edward指出，半导体行业进行大数据分析的一大问题是，半导体大数据种类繁多，这也给数据分析带来难度。“一片晶圆上包含了从IC设计到制造再到封装测试的各种数据，且每个环节的数据形式也不一样，分析的方法也不一样，如果不能好好整理的话，数据就杂乱无章，要去做一些问题的追溯，找出提升良率的解决方案就变得非常困难。”

Edward进一步指出，要实现覆盖半导体全产业链的数据分析，遇到的首要问题就是要如何实现这些数据格式标准化管理，比如从晶圆厂中把数据送到后续的测试厂，如何让数据格式实现标准化的通行方式，同时工业领域里又有ERP、MES等各类工业软件系统，这之间也存在数据格式如何实现标准化的问题，这些都是半导体行业实施工业4.0智能制造的关键点，也是半导体厂商在面对数据分析时的最大痛点。

普迪飞推出的半导体大数据平台Exensio 平台就是为此而生的。它整合了全产业链的大数据，包括对数据进行清洗以及分析的功能，服务于产业链上的各类公司。在半导体产业链垂直深耕20多年的普迪飞半导体，是唯一一家打通了整个半导体产业链，实现产业链端到端全覆盖的半导体大数据分析公司。

Edward介绍，Exensio平台是一套半导体供应链大数据分析基础设施。如果将整个产业链大致分为设计、制造及封测三大板块，根据每一个环节的特性，Exensio平台都有相对应的产品模块以供选择。具体来看，该平台包含了用于半导体生产缺陷侦测与分类模块（Fault Detection and Classification, Exensio-Process Control）、产品测试优化模块（Exensio-Test Operations）、半导体良率管理系统模块（Exensio-Manufacturing Analytics）与封装优化模块 (Exensio – Assembly Operations) 等，覆盖从IC设计、晶圆制造，到封装和测试等的半导体全产业链。

值得一提的是，普迪飞独有的CV（characterization vehicle）良率提升方法，不仅可以对工艺和产品特性提供针对性的设计，还可以通过灵活的工艺流程缩短监测的周期。整个系统包括高分辨的设计结构、高速并行的测试机台以及高效的良率分析软件。而在此之前，传统工艺技术采用导入工艺器件检测结构的方式来实现，如采用SRAM测试芯片来监测、诊断良率，但这种方法不够全面且周期很长。迄今，普迪飞已经提供了100多种10nm及以下的CV测试芯片。特别是CVi系统提供的大量的器件表征数据结合Exensio Platform中的数据分析功能，可以建立精确的、针对特定产品的性能模型，以实现针对特定产品的最佳工艺设置，从而最大程度地提高制造可靠性和可预测性。

连接全产业链的数据

这种全产业链数据分析的价值不止于此，Edward指出，更为重要的是，通过这样一个连通全产业链的数据平台，原本独立分工的各个产业链环节实现数据层面的互联。这种互联不仅仅只是设备之间的，同时也将各个环节的半导体工程师与所有的芯片生产、封装、测试设备连接起来，为设计和制造提供重要的回馈，有助于降低各项成本、提高性能和良率。

去年，普迪飞半导体与爱德万测试宣布建立合作伙伴关系，双方以普迪飞的 Exensio软件分析平台为基础，建立由Exensio驱动的爱德万测试云(Advantest Cloud)，供爱德万公司内部和外部客户使用。通过这一合作，能为半导体工程师连接起横跨半导体价值链的自动化测试设备(Automated Test Equipment, ATE)，推动重要设计并产生制造分析，藉此降低测试成本、提升效能。

全球前十大的半导体企业都是普迪飞的客户。迄今为止，在IC设计部分，普迪飞的Fire Engine软件分析了100亿个晶体管的版图结构；在晶圆制造环节，全球超过24,000台芯片生产设备通过其提供的生产监控软件进行连接；在封装测试部分，全球超过15个头部封测服务供应商的工厂数据与该平台对接，超过16,000台测试机和封装设备通过其监控整个运营情况的软件相连接。

值得一提的是，普迪飞也同样关注半导体初创公司和中小型企业的数据分析需求，针对不同成长阶段和规模的半导体企业，推出相应的数据分析模块以满足个性化的需求。

行业数据显示，截止到2020年中国的IC设计企业达到了2218家，比2019年的1780家多了438家，数量增长了24.6%。但从规模上看，大部分公司还局限在小而弱的状态。Edward指出，近年来，国内的半导体工艺一直在更新换代，IC设计公司也成长很快，但总体来看，目前国内的IC设计公司，尽管设计能力很强，可是在做数据分析、IT维护、导入量产方面，与国外公司相比则较弱。针对此，普迪飞专门推出了一款基于云端部署的半导体数据分析平台Exensio Fabless Quick Start，由普迪飞维护IT设备资源，可以帮助处于起步阶段的设计公司实现定制化的数据分析能力，从而实现数据的深度追踪和挖掘