Sie leiten die Lithografie-Bay einer 300-mm-Wafer-Fab — acht Scanner, ein Reinraum und ein Rezept, das innerhalb der Spezifikation bleiben muss. Wafer stauen sich, Werkzeuge fallen aus, Partikel dringen ein, und die Ausbeute bewegt sich mit jeder Entscheidung.
Das lernen Sie
Warum eine Werkzeuggruppe nahe 100 % Auslastung die Warteschlangen explodieren lässt (Little'sches Gesetz, Kingman).
Wie Partikel in der Luft zu Killerdefekten werden und wie die Die-Größe die Ausbeute verändert (negativ-binomiales Modell).
Wie SPC-Kontrollkarten ein driftendes Rezept aufdecken, bevor es Wafer verschrottet.
Simulator
Zeit 0 h
▶Produktiv
‖Standby
⚙Engineering
✕Stillstand (Reparatur)
•Partikel in der Luft
Regler
Pro Stunde in den Bay eingeschleuste Wafer.
Anteil der Scannerzeit für experimentelle Waferlose, die den Prozess anlernen: jetzt weniger Output, später weniger Defekte.
Jeder Techniker repariert jeweils ein Werkzeug.
Mehr Luftwechsel verdünnen Partikel; die Ventilatorleistung wächst mit der dritten Potenz der Drehzahl.
Jede eingekleidete Person setzt trotzdem Partikel frei.
Pro Stunde gemessene Wafer: schärferes SPC-Diagramm, etwas weniger Kapazität.
Dauert 3 h und bringt 2 Personen zusätzlich in den Raum, solange sie arbeiten.
2 h bei halber Kapazität, dann ist der Prozess wieder auf Zielwert.
Kennzahlen
Ausgegebene Gut-Dies
19547/h
Ausbeute
89,8%
normal
Reinraum-ISO-Klasse
3,4
normal
Bay-Durchlaufzeit
1,6h
normal
Werkzeugverfügbarkeit
100 %
Werkzeugauslastung
71 %
Entwicklungszeit
10 %
Eingeschleuste Wafer-Starts
34 wph
Work in Process
20 wafers
Defektdichte
0,110 /cm²
Prozessfähigkeit Cpk
1,25 · Warnung
Außerhalb der Spezifikation (Wafer-Äquivalente)
0,0 wph
Bay-Leistung
1339 kW
Verlauf
SPC-Stichprobe (CD-Versatz)
Krisenszenarien
Stufe 1 · Partikelabweichung
Eine Routineschicht an der Mobilchip-Linie. Irgendwo über der Bay fällt gleich ein Deckenfilter aus. Halten Sie den Reinraum in seiner Klasse, schützen Sie die Ausbeute — und lassen Sie die Ventilatoren nicht länger als nötig auf voller Drehzahl.
ISO-Klasse am Ende wieder ≤ 3,6
Nach der ersten Stunde nie über Klasse 4,55
Mittlere Ausbeute ≥ 87 % in den ersten Stunden der Abweichung
Mittlere Bay-Leistung ≤ 1.380 kW in der zweiten Hälfte
Stufe 2 · Scannerabsturz
Die Bay läuft heiß mit 38 Wafer-Starts pro Stunde. Drei Scanner fallen gleich gleichzeitig aus. Verhindern Sie, dass die Warteschlange explodiert, während Sie sie zurückholen, und liefern Sie trotzdem gute Dies.
WIP ≤ 60 Wafer am Ende
Durchlaufzeit nach dem Absturz nie über 3,5 h (Queue-Time-Fenster)
Mindestens 900.000 Gut-Dies in 48 h
Mindestens 1600 Wafer-Starts in 48 h einschleusen (Startplan: 34 pro Stunde)
Stufe 3 · Rezeptdrift
Gestern Abend ging eine neue Rezeptrevision live. Noch weiß niemand, dass sie die kritische Dimension langsam verschiebt. Beobachten Sie das SPC-Diagramm: Erkennen Sie die Drift und setzen Sie zurück, bevor Wafer außerhalb der Spezifikation landen.
Höchstens 12 Wafer-Äquivalente außerhalb der Spezifikation insgesamt
Cpk ≥ 1,2 am Ende
Mindestens 620.000 Gut-Dies
Stufe 2 · Hochlauf eines neuen Produkts
Ein großer Beschleunigerchip geht mit einem unreifen Prozess in Produktion: Die Defektdichte ist hoch, und ein 600-mm²-Die verzeiht nichts. Die Linie wird mit 42 Wafer-Starts pro Stunde beladen. Sie haben 14 Tage. Wägen Sie den Output von heute gegen das Lernen für morgen ab.
Defektdichte ≤ 0,08 /cm² an Tag 14
Mindestens 660.000 Gut-Dies in 14 Tagen
Grundlage — das Modell hinter den Zahlen
Jede Beziehung, die der Simulator verwendet, mit ihrer Quelle. Als Annahmen gekennzeichnete Konstanten sind anschauliche Kalibrierungen.
Werkzeuge fallen zufällig mit exponentiell verteilter Zeit bis zum Ausfall aus; Reparaturen warten auf einen freien Techniker.
P(fail in Δt) = 1 − e^(−Δt/MTBF), MTBF = 250 h; repair ~ Exp(mean 6 h) once a technician is free[17][1]Annahme: Größenordnungen (MTBF, Erzeugungsraten, k, τ) sind anschauliche Kalibrierungen, keine Daten einer realen Fab.
Das Little'sche Gesetz verknüpft Work in Process, Durchsatz und Durchlaufzeit.
In einer stabilen Linie entspricht der Durchsatz der Einschleusrate: Ein nicht eingeschleuster Wafer-Start ist ein Wafer, der nie herauskommt. Wafer, die zwischen den Schritten zu lange warten, überschreiten das Queue-Time-Fenster.
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]Annahme: Die Durchlaufzeitgrenze von 3,5 h steht für ein Queue-Time-Fenster; reale Fenster legt die Prozesstechnik Schritt für Schritt fest, und Wafer, die sie überschreiten, werden in der Regel verschrottet.
Kingman-Näherung: Die Wartezeit wächst wie u/(1−u) — sie explodiert, wenn sich die Auslastung 100 % nähert.
CTq ≈ ((ca² + ce²)/2) · (u/(1−u)) · te[5]Zur Veranschaulichung gezeigt: Die Warteschlange des Simulators entsteht aus zufälligen Ankünften und zufälliger Kapazität, nicht aus dieser Formel.
Klassengrenze nach ISO 14644-1 für Partikel der Größe D; bei 0,1 µm ist die Klasse der Logarithmus der Konzentration.
Negativ-binomiale Ausbeute: Defekte treten gehäuft auf, sodass die Ausbeute langsamer sinkt, als das Poisson-Modell vorhersagt.
Y = (1 + A·D/α)^(−α), α = 2 (α→∞: Y = e^(−A·D))[3][4][15][14]
Ausbeute-Lernen: Die Defektdichte sinkt auf ein reifes Niveau, je mehr Entwicklungszeit aufgewendet wird.
D(t+Δt) = D∞ + (D − D∞)·e^(−Δt/τ), τ = 120 h · (0.10 / engineering share)[15][18]Annahme: τ ist gegenüber den berichteten Lernraten der Branche (4–6,5 % pro Monat, Leachman) etwa 100-fach zeitlich gestaucht, damit ein 14-Tage-Szenario den Effekt zeigt.
Partikel, die auf Wafer fallen, erzeugen Killerdefekte proportional zur Luftkonzentration.
D_total = D_learn + k · C, k = 4·10⁻⁶ cm⁻² per particle/m³Annahme: eine anschauliche Konstante — reale Fabs kalibrieren Killerdefektraten aus ihren eigenen Inspektionsdaten.
Parametrische Ausbeute: der Anteil eines normalen Prozesses, der innerhalb der Spezifikationsgrenzen liegt; Cpk misst den Spielraum.
Zufall: ein Mulberry32-Generator mit Seed; verwendete Verteilungen — gleichverteilt, exponentiell (inverse Verteilungsfunktion), normal (Box–Muller), Poisson (Knuth). Der Seed wird angezeigt und lässt sich teilen.
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