💠 ဆီမီကွန်ဒတ်တာစက်ရုံ တိုက်ရိုက်မော်ဒယ်

အခြေခံ — ကိန်းဂဏန်းများနောက်ကွယ်ရှိ မော်ဒယ်

ဆင်မျူလေတာအသုံးပြုသော ဆက်စပ်ချက်တိုင်းကို ရင်းမြစ်နှင့်အတူ ဖော်ပြထားသည်။ ယူဆချက်အဖြစ် အမှတ်အသားပြုထားသော ကိန်းသေများသည် ဥပမာချိန်ညှိမှုများဖြစ်သည်။

စက်ပစ္စည်းအခြေအနေများသည် SEMI E10 ကို လိုက်နာသည်- ထုတ်လုပ်မှု၊ စောင့်ဆိုင်း၊ အင်ဂျင်နီယာလုပ်ငန်း၊ စီစဉ်ထားသည့်နှင့် မစီစဉ်ထားသော ရပ်နားမှု။

Availability = up tools / 8 · Utilization = productive tool-hours / total[1]

ကိရိယာများသည် ထပ်ကိန်းပျက်စီးချိန်ဖြင့် ကျပန်းပျက်စီးသည်၊ ပြုပြင်မှုများ အားလပ်ကျွမ်းကျင်ပညာရှင်ကို စောင့်သည်။

P(fail in Δt) = 1 − e^(−Δt/MTBF), MTBF = 250 h; repair ~ Exp(mean 6 h) once a technician is free[17][1]ယူဆချက်- ပမာဏများ (MTBF၊ ထုတ်လုပ်မှုနှုန်း၊ k၊ τ) သည် ဥပမာချိန်ညှိမှုများဖြစ်ပြီး အစစ်အမှန်စက်ရုံ၏ ဒေတာမဟုတ်ပါ။

လစ်တယ်၏ဥပဒေက လုပ်ငန်းစဉ်ထဲရှိအလုပ်၊ ဖြတ်သန်းမှုနှင့် လည်ပတ်ချိန်ကို ချိတ်ဆက်သည်။

CT = WIP / TH = T0 + queue / TH, T0 = 1 h[6][5]

တည်ငြိမ်သော လိုင်းတွင် ထွက်ရှိမှုသည် ထုတ်လွှတ်နှုန်းနှင့် ညီသောကြောင့် မထုတ်လွှတ်ရသေးသော ဝေဖာစတင်မှုသည် ဘယ်တော့မှ ထွက်မလာမည့် ဝေဖာဖြစ်သည်။ အဆင့်များကြား အလွန်ကြာစောင့်သော ဝေဖာများက queue-time ပြတင်းပေါက်ကို ချိုးဖောက်သည်။

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]ယူဆချက်- 3.5 နာရီ လည်ပတ်ချိန်ကန့်သတ်ချက်သည် queue-time ပြတင်းပေါက်ကို ကိုယ်စားပြုသည်၊ အမှန်တကယ် ပြတင်းပေါက်များကို လုပ်ငန်းစဉ်အင်ဂျင်နီယာက အဆင့်တစ်ဆင့်ချင်း သတ်မှတ်ပြီး ၎င်းတို့ကို ချိုးဖောက်သော ဝေဖာများကို များသောအားဖြင့် စွန့်ပစ်သည်။

ကင်မန်၏ ခန့်မှန်းချက်- တန်းစီချိန်သည် u/(1−u) ကဲ့သို့ တိုးသည် — အသုံးချမှု 100 % နီးလာသည်နှင့် ပေါက်ကွဲသည်။

CTq ≈ ((ca² + ce²)/2) · (u/(1−u)) · te[5]နားလည်မှုအတွက် ပြသထားသည်- ဆင်မျူလေတာ၏ တန်းစီမှုသည် ဤဖော်မြူလာမှမဟုတ်ဘဲ ကျပန်းရောက်ရှိမှုနှင့် ကျပန်းစွမ်းရည်မှ ပေါ်ပေါက်လာသည်။

အရွယ်အစား D ရှိသော အမှုန်များအတွက် ISO 14644-1 အတန်းကန့်သတ်ချက်၊ 0.1 µm တွင် အတန်းသည် အာရုံစူးစိုက်မှု၏ လော်ဂရစ်သမ်ဖြစ်သည်။

Cn = 10^N · (0.1/D)^2.08 ⇒ N = log10(C≥0.1µm)[2]

ကောင်းစွာရောနှောထားသော အခန်း- အာရုံစူးစိုက်မှု = ထုတ်လုပ်မှု ÷ (လေလဲလှယ်မှု × ထုထည် × စစ်ထုတ်ကိရိယာထိရောက်မှု)။

C = G / (ACH · V · η)[13][11]ယူဆချက်- ပမာဏများ (MTBF၊ ထုတ်လုပ်မှုနှုန်း၊ k၊ τ) သည် ဥပမာချိန်ညှိမှုများဖြစ်ပြီး အစစ်အမှန်စက်ရုံ၏ ဒေတာမဟုတ်ပါ။

ပန်ကာတူညီမှုဥပဒေ- စွမ်းအားသည် ပန်ကာအမြန်နှုန်း၏ ကုဗအတိုင်း မြင့်တက်သည်။

P_fan = P_max · (speed)³[10]

အနုတ်ဒွိကိန်းအထွက်နှုန်း- ချို့ယွင်းချက်များ စုစည်းတတ်သောကြောင့် အထွက်နှုန်းသည် ပွာဆွန်မော်ဒယ်ခန့်မှန်းသည်ထက် ပိုနှေးကျသည်။

Y = (1 + A·D/α)^(−α), α = 2 (α→∞: Y = e^(−A·D))[3][4][15][14]

အထွက်နှုန်းသင်ယူမှု- အင်ဂျင်နီယာချိန်သုံးလာသည်နှင့်အမျှ ချို့ယွင်းချက်သိပ်သည်းမှုသည် ရင့်ကျက်သောအဆင့်သို့ ကျဆင်းသည်။

D(t+Δt) = D∞ + (D − D∞)·e^(−Δt/τ), τ = 120 h · (0.10 / engineering share)[15][18]ယူဆချက်- ၁၄ ရက်အခြေအနေတွင် အကျိုးသက်ရောက်မှုပေါ်လာစေရန် τ ကို အစီရင်ခံထားသော စက်မှုသင်ယူမှုနှုန်းများ (တစ်လလျှင် 4–6.5 %၊ Leachman) ထက် ခန့်မှန်း 100× အချိန်ချုံ့ထားသည်။

ဝေဖာပေါ်ကျသော အမှုန်များသည် လေအာရုံစူးစိုက်မှုနှင့် အချိုးကျ အသေစီရင်ချို့ယွင်းချက်များ ထပ်တိုးစေသည်။

D_total = D_learn + k · C, k = 4·10⁻⁶ cm⁻² per particle/m³ယူဆချက်- ဥပမာကိန်းသေ — အစစ်အမှန်စက်ရုံများသည် ၎င်းတို့၏ကိုယ်ပိုင်စစ်ဆေးမှုဒေတာမှ အသေစီရင်ချို့ယွင်းချက်နှုန်းကို ချိန်ညှိကြသည်။

ပါရာမက်ထရစ်အထွက်နှုန်း- ပုံမှန်လုပ်ငန်းစဉ်တစ်ခု၏ စံသတ်မှတ်ချက်ကန့်သတ်ချက်အတွင်း ကျသောအချိုး၊ Cpk က အနားသတ်ကို တိုင်းသည်။

Y_param = Φ((USL−μ)/σ) − Φ((LSL−μ)/σ), Cpk = min(USL−μ, μ−LSL)/(3σ)[7][8][19]

SPC- နမူနာ n ခု၏ ပျမ်းမျှ၊ ±3σ/√n ထိန်းချုပ်ကန့်သတ်ချက်များနှင့် ဇုန်စည်းမျဉ်းများပါ။

x̄ ~ N(μ, σ/√n), control limits ±3σ/√n; zone rules (2 of 3 beyond 2σ, 4 of 5 beyond 1σ, 8 on one side)[8][7][12]

မော်ဒယ်အသုံးပြုသည့် အခြားလည်ပတ်မှုကိန်းသေများ။

8 scanners × 6 wafer-starts/h · metrology −0.5 % capacity per sampled wafer/h · rollback: 2 h at half capacity + 4 wafer-equivalents reworked · drift 0.25 nm/h · crash repair 18 technician-hours · leak crew +2 people for 3 h · tools 150 kW busy / 60 kW idle, fans 150 kW at 100 %ယူဆချက်- ပမာဏများ (MTBF၊ ထုတ်လုပ်မှုနှုန်း၊ k၊ τ) သည် ဥပမာချိန်ညှိမှုများဖြစ်ပြီး အစစ်အမှန်စက်ရုံ၏ ဒေတာမဟုတ်ပါ။

ဧရိယာ A ရှိ ဒိုင်တစ်ခုအတွက် 300 mm ဝေဖာတစ်ခုလျှင် စုစုပေါင်းဒိုင်များ။

DPW = π·d²/(4A) − π·d/√(2A), d = 300 mm[9]

ကျပန်းဖြစ်မှု- seed ပါသော mulberry32 ဂျင်နရေတာ၊ သုံးသောဖြန့်ဝေမှုများ — တူညီ၊ ထပ်ကိန်း (ပြောင်းပြန် CDF)၊ ပုံမှန် (Box–Muller)၊ ပွာဆွန် (Knuth)။ seed ကို ပြသပြီး မျှဝေနိုင်သည်။

ရင်းမြစ်များ

1. SEMI E10 — Specification for Definition and Measurement of Equipment Reliability, Availability, and Maintainability (RAM) and Utilization — SEMI
2. ISO 14644-1:2015 Cleanrooms and associated controlled environments — Part 1: Classification of air cleanliness by particle concentration — ISO, 2015
3. C. H. Stapper, F. M. Armstrong, K. Saji — Integrated circuit yield statistics — Proceedings of the IEEE 71(4), 1983
4. J. A. Cunningham — The use and evaluation of yield models in integrated circuit manufacturing — IEEE Trans. Semiconductor Manufacturing 3(2), 1990
5. W. J. Hopp, M. L. Spearman — Factory Physics (3rd ed.), ch. 7–8: Little’s law, Kingman (VUT) equation — Waveland Press, 2008
6. J. D. C. Little — A Proof for the Queuing Formula L = λW — Operations Research 9(3), 1961
7. D. C. Montgomery — Introduction to Statistical Quality Control (x̄ charts, process capability Cpk) — Wiley, 2019
8. NIST/SEMATECH e-Handbook of Statistical Methods — 6.3 Univariate and Multivariate Control Charts; 6.1.6 Process capability — NIST
9. Dies-per-wafer estimate DPW = πd²/(4S) − πd/√(2S) (de Vries, “Investigation of gross die per wafer formulas”, IEEE TSM 18(1)) — IEEE, 2005
10. Fan affinity laws: flow ∝ speed, pressure ∝ speed², power ∝ speed³ — U.S. DOE — Improving Fan System Performance: A Sourcebook for Industry
11. EN 1822-1:2019 High efficiency air filters (EPA, HEPA and ULPA) — classification (U15 ≥ 99.9995 % at MPPS) — CEN, 2019
12. Western Electric Statistical Quality Control Handbook (1956) — zone rules for control charts — Western Electric / NIST e-Handbook 6.3.2
13. 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
14. Yu. I. Bogdanov, N. A. Bogdanova, V. L. Dshkhunyan — Statistical Yield Modeling for IC Manufacture: Hierarchical Fault Distributions (§2 Compound Poisson distribution, after Eq. (17), p. 4 of the arXiv PDF — large-area clustering negative binomial model: the cluster parameter’s “typical values approximately range from 0.3 to 7”) — arXiv physics/0303039, 2003
15. R. C. Leachman — Yield Modeling and Analysis (Poisson, Murphy, Seeds, negative-binomial models; §8: SMLY survey with C. N. Berglund for International SEMATECH, 2002–03 — yield loss fitted as YL(t) = YL(0)·e^(−λt), Table 2 averages 4.4 / 4.0 / 6.5 %/month at 350 / 250 / 180 nm) — UC Berkeley, IEOR 130 course notes (unpublished), 2014
16. A. Klemmt, L. Mönch — Scheduling jobs with time constraints between consecutive process steps in semiconductor manufacturing (time windows set by process engineering against native oxidation and contamination; jobs that violate them are scrapped) — Proceedings of the 2012 Winter Simulation Conference, 2012
17. NIST/SEMATECH e-Handbook of Statistical Methods — 8.1.6.1 Exponential distribution (constant failure rate) — NIST
18. C. Weber — Yield learning and the sources of profitability in semiconductor manufacturing and process development — IEEE Trans. Semiconductor Manufacturing 17(4), 2004
19. M. Abramowitz, I. Stegun — Handbook of Mathematical Functions, 26.2.17 — NBS, 1964