💠 सेमिकन्डक्टर फ्याब लाइभ मोडेल

आधार — सङ्ख्याको पछाडिको मोडेल

सिमुलेटरले प्रयोग गर्ने हरेक सम्बन्ध, यसको स्रोतसहित। मान्यताका रूपमा चिह्नित स्थिरांक उदाहरणीय क्यालिब्रेसन हुन्।

उपकरणका अवस्था SEMI E10 अनुसार छन्: उत्पादक, स्ट्यान्डबाइ, इन्जिनियरिङ, तोकिएको र नतोकिएको बन्द।

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

उपकरण घातीय बिग्रने-समयसहित अनियमित रूपमा बिग्रन्छन्; मर्मत खाली प्राविधिकको प्रतीक्षामा हुन्छ।

P(fail in Δt) = 1 − e^(−Δt/MTBF), MTBF = 250 h; repair ~ Exp(mean 6 h) once a technician is free[17][1]मान्यता: परिमाण (MTBF, उत्पादन दर, k, τ) उदाहरणीय क्यालिब्रेसन हुन्, वास्तविक फ्याबको तथ्याङ्क होइनन्।

Little को नियमले प्रक्रियामा रहेको काम, थ्रुपुट र साइकल टाइमलाई जोड्छ।

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

स्थिर लाइनमा थ्रुपुट रिलिज दरबराबर हुन्छ, त्यसैले रिलिज नगरिएको वेफर स्टार्ट भनेको कहिल्यै बाहिर ननिस्कने वेफर हो। चरणहरूबीच धेरै बेर पर्खने वेफरले क्यू-टाइम विन्डो नाघ्छन्।

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]मान्यता: 3.5 घण्टाको साइकल-टाइम सीमा क्यू-टाइम विन्डोको सट्टामा राखिएको हो; वास्तविक विन्डो प्रक्रिया इन्जिनियरिङले हरेक चरणका लागि तोक्छ, र तिनलाई नाघ्ने वेफर प्रायः फालिन्छन्।

Kingman को सन्निकटन: लाइनमा बिताउने समय u/(1−u) जस्तै बढ्छ — उपयोग 100 % नजिक पुग्दा यो विस्फोटक रूपमा बढ्छ।

CTq ≈ ((ca² + ce²)/2) · (u/(1−u)) · te[5]सहज बुझाइका लागि देखाइएको: सिमुलेटरको लाइन यो सूत्रबाट होइन, अनियमित आगमन र अनियमित क्षमताबाट उत्पन्न हुन्छ।

D आकारका कणका लागि ISO 14644-1 श्रेणी सीमा; 0.1 µm मा श्रेणी भनेको सान्द्रताको लगारिदम हो।

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

राम्ररी मिसिएको कोठा: सान्द्रता = उत्पादन ÷ (हावा परिवर्तन × आयतन × फिल्टर दक्षता)।

C = G / (ACH · V · η)[13][11]मान्यता: परिमाण (MTBF, उत्पादन दर, k, τ) उदाहरणीय क्यालिब्रेसन हुन्, वास्तविक फ्याबको तथ्याङ्क होइनन्।

पंखा एफिनिटी नियम: शक्ति पंखाको गतिको घनअनुसार बढ्छ।

P_fan = P_max · (speed)³[10]

निगेटिभ-बाइनोमियल यिल्ड: दोष गुच्छामा आउँछन्, त्यसैले पोइसन मोडेलले अनुमान गरेभन्दा यिल्ड ढिलो घट्छ।

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

यिल्ड लर्निङ: इन्जिनियरिङ समय खर्चिँदै जाँदा दोष घनत्व परिपक्व स्तरतिर घट्छ।

D(t+Δt) = D∞ + (D − D∞)·e^(−Δt/τ), τ = 120 h · (0.10 / engineering share)[15][18]मान्यता: 14 दिनको परिदृश्यमा प्रभाव देखियोस् भनेर τ लाई रिपोर्ट गरिएका उद्योग लर्निङ दर (प्रति महिना 4–6.5 %, Leachman) भन्दा करिब 100× समय-सङ्कुचित गरिएको छ।

वेफरमा खस्ने कणले हावाको सान्द्रताको अनुपातमा किलर दोष थप्छन्।

D_total = D_learn + k · C, k = 4·10⁻⁶ cm⁻² per particle/m³मान्यता: उदाहरणीय स्थिरांक — वास्तविक फ्याबले आफ्नै निरीक्षण तथ्याङ्कबाट किलर-दोष दर क्यालिब्रेट गर्छन्।

प्यारामेट्रिक यिल्ड: सामान्य प्रक्रियाको स्पेक सीमाभित्र पर्ने अंश; Cpk ले मार्जिन मापन गर्छ।

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

SPC: n नमूनाको औसत, ±3σ/√n नियन्त्रण सीमा र जोन नियमसहित।

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]

मोडेलले प्रयोग गरेका अन्य सञ्चालन स्थिरांक।

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 %मान्यता: परिमाण (MTBF, उत्पादन दर, k, τ) उदाहरणीय क्यालिब्रेसन हुन्, वास्तविक फ्याबको तथ्याङ्क होइनन्।

A क्षेत्रफलको डाइका लागि प्रति 300 mm वेफर कुल डाइ।

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

अनियमितता: सिड भएको mulberry32 जेनेरेटर; प्रयोग गरिएका वितरण — एकसमान, घातीय (उल्टो CDF), सामान्य (Box–Muller), पोइसन (Knuth)। सिड देखाइन्छ र साझा गर्न सकिन्छ।

स्रोत

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