Du driver litografibay’en på en 300 mm waferfab — otte scannere, et renrum og en recept, der skal holde sig inden for specifikationen. Wafere står i kø, værktøjer går i stykker, partikler driver ind, og udbyttet ændrer sig med hver beslutning.
Det lærer du
Hvorfor en værktøjsgruppe, der kører tæt på 100 % udnyttelse, får køerne til at eksplodere (Littles lov, Kingman).
Hvordan luftbårne partikler bliver til dræbende defekter, og hvordan chipstørrelsen ændrer udbyttet (negativ binomial-model).
Hvordan SPC-kontrolkort afslører en receptdrift, før den kasserer wafere.
Simulator
Tid 0 t
▶Produktiv
‖Standby
⚙Ingeniørarbejde
✕Nede (reparation)
•Luftbårne partikler
Betjening
Wafere sluset ind i bay’en pr. time.
Andel af scannertiden givet til eksperimentelle waferpartier, der lærer processen op: mindre output nu, færre defekter senere.
Hver tekniker reparerer ét værktøj ad gangen.
Flere luftskift fortynder partikler; ventilatoreffekten vokser med hastigheden i tredje potens.
Hver person i renrumsdragt afgiver stadig partikler.
Wafere målt pr. time: skarpere SPC-kort, lidt mindre kapacitet.
Tager 3 t og tilføjer 2 personer i rummet, mens de arbejder.
2 t med halv kapacitet, derefter er processen tilbage på målet.
Indikatorer
Gode chips ud
19547/h
Udbytte
89,8%
normal
Renrummets ISO-klasse
3,4
normal
Bay-gennemløbstid
1,6h
normal
Værktøjstilgængelighed
100 %
Værktøjsudnyttelse
71 %
Ingeniørtid
10 %
Frigivne waferstarter
34 wph
Varer i arbejde
20 wafers
Defekttæthed
0,110 /cm²
Proceskapabilitet Cpk
1,25 · advarsel
Uden for specifikation (waferækvivalenter)
0,0 wph
Bay-effekt
1339 kW
Tendens
SPC-prøve (CD-afvigelse)
Krisescenarier
Niveau 1 · Partikeludsving
Et rutinemæssigt skift på mobilchiplinjen. Et sted over bay’en er et loftfilter ved at svigte. Hold renrummet i klassen, beskyt udbyttet — og lad ikke ventilatorerne køre på fuld hastighed længere end nødvendigt.
ISO-klasse tilbage på ≤ 3,6 til sidst
Aldrig over klasse 4,55 efter den første time
Gennemsnitligt udbytte ≥ 87 % i de første timer af udsvinget
Gennemsnitlig bay-effekt ≤ 1.380 kW i anden halvdel
Niveau 2 · Scannernedbrud
Bay’en kører varmt med 38 waferstarter i timen. Tre scannere er ved at gå ned på én gang. Forhindr, at køen eksploderer, mens du får dem tilbage, og lever stadig gode chips.
WIP ≤ 60 wafere til sidst
Gennemløbstid aldrig over 3,5 h efter nedbruddet (køtidsvindue)
Mindst 900.000 gode chips på 48 t
Frigiv mindst 1600 waferstarter på 48 h (startplan: 34 i timen)
Niveau 3 · Receptdrift
En ny receptrevision gik i luften i går aftes. Ingen ved endnu, at den langsomt forskyder den kritiske dimension. Hold øje med SPC-kortet: opdag driften, og gå tilbage, før wafere falder uden for specifikationen.
Højst 12 waferækvivalenter uden for specifikation i alt
Cpk ≥ 1,2 til sidst
Mindst 620.000 gode chips
Niveau 2 · Opstart af nyt produkt
En stor acceleratorchip går i produktion med en umoden proces: defekttætheden er høj, og en 600 mm² chip er ubarmhjertig. Linjen er belastet med 42 waferstarter i timen. Du har 14 dage. Afvej output i dag mod læring til i morgen.
Defekttæthed ≤ 0,08 /cm² på dag 14
Mindst 660.000 gode chips over 14 dage
Grundlag — modellen bag tallene
Alle sammenhænge, simulatoren bruger, med deres kilde. Konstanter markeret som antagelser er illustrative kalibreringer.
Værktøjer svigter tilfældigt med en eksponentiel tid til svigt; reparationer venter på en ledig tekniker.
P(fail in Δt) = 1 − e^(−Δt/MTBF), MTBF = 250 h; repair ~ Exp(mean 6 h) once a technician is free[17][1]Antagelse: størrelsesordener (MTBF, generationsrater, k, τ) er illustrative kalibreringer, ikke data fra en rigtig fab.
Littles lov forbinder varer i arbejde, gennemløb og gennemløbstid.
I en stabil linje er gennemstrømningen lig med frigivelsesraten, så en waferstart, der ikke frigives, er en wafer, der aldrig kommer ud. Wafere, der venter for længe mellem trinene, overskrider køtidsvinduet.
TH = release rate while u < 1 ⇒ wafers out ≈ Σ starts; queue wait = CT − T0 = queue / TH ≤ queue-time window (3.5 h CT in semi-tool-crash)[5][16]Antagelse: grænsen på 3,5 h for gennemløbstid står i stedet for et køtidsvindue; rigtige vinduer fastsættes trin for trin af procesingeniørerne, og wafere, der overskrider dem, kasseres typisk.
Kingmans approksimation: køtiden vokser som u/(1−u) — den eksploderer, når udnyttelsen nærmer sig 100 %.
CTq ≈ ((ca² + ce²)/2) · (u/(1−u)) · te[5]Vist for intuitionens skyld: simulatorens kø opstår af tilfældige ankomster og tilfældig kapacitet og ikke af denne formel.
ISO 14644-1-klassegrænse for partikler af størrelse D; ved 0,1 µm er klassen logaritmen af koncentrationen.
Negativ binomial-udbytte: defekter klumper sig sammen, så udbyttet falder langsommere, end Poisson-modellen forudsiger.
Y = (1 + A·D/α)^(−α), α = 2 (α→∞: Y = e^(−A·D))[3][4][15][14]
Udbyttelæring: defekttætheden aftager mod et modent niveau, efterhånden som der bruges ingeniørtid.
D(t+Δt) = D∞ + (D − D∞)·e^(−Δt/τ), τ = 120 h · (0.10 / engineering share)[15][18]Antagelse: τ er tidskomprimeret omkring 100 × i forhold til de rapporterede læringsrater i branchen (4–6,5 % pr. måned, Leachman), så et scenarie på 14 dage viser effekten.
Partikler, der lander på wafere, tilføjer dræbende defekter i forhold til luftkoncentrationen.
D_total = D_learn + k · C, k = 4·10⁻⁶ cm⁻² per particle/m³Antagelse: en illustrativ konstant — rigtige fabs kalibrerer raterne for dræbende defekter ud fra deres egne inspektionsdata.
Parametrisk udbytte: andelen af en normal proces, der falder inden for specifikationsgrænserne; Cpk måler marginen.
Tilfældighed: en seedet mulberry32-generator; anvendte fordelinger — uniform, eksponentiel (invers CDF), normal (Box–Muller), Poisson (Knuth). Seed vises og kan deles.
W. Whyte — Cleanroom Technology: Fundamentals of Design, Testing and Operation (2nd ed.), ch. on dispersion of particles from people; well-mixed room dilution equation — Wiley, 2010