Yarı iletken fabrikası Canlı model

300 mm'lik bir wafer fabrikasının litografi bölmesini yönetiyorsunuz — sekiz scanner, bir temiz oda ve spesifikasyon içinde kalması gereken bir reçete. Wafer'lar kuyruğa girer, araçlar bozulur, parçacıklar sızar ve verim her kararınızla değişir.

Neler öğreneceksiniz

Simülatör

Zaman 0 sa
Araç kullanılabilirliği 100% · İşlemdeki iş 20 · Temiz oda ISO sınıfı 3,4S1⚙S2▶S3▶S4▶S5▶S6▶S7‖S8‖WIP 20▶ 34 wph
  • Üretken
  • Beklemede
  • Mühendislik
  • Arızalı (onarım)
  • Havadaki parçacıklar

Kontroller

Saatte bölmeye bırakılan wafer.

Süreci öğreten deneysel yonga plakası partilerine ayrılan tarayıcı süresinin payı: şimdi daha az çıktı, sonra daha az kusur.

Her teknisyen aynı anda bir aracı onarır.

Daha fazla hava değişimi parçacıkları seyreltir; fan gücü hızın küpüyle artar.

Tulum giymiş her kişi yine de parçacık saçar.

Saatte ölçülen wafer: daha keskin SPC grafiği, biraz daha az kapasite.

3 sa sürer ve çalışırken odaya 2 kişi ekler.

Yarı kapasitede 2 sa, sonra proses hedefe döner.

Göstergeler

Çıkan sağlam kalıp
19547/h
Verim
89,8%
normal
Temiz oda ISO sınıfı
3,4
normal
Bölme çevrim süresi
1,6h
normal
Araç kullanılabilirliği100 %
Araç kullanımı71 %
Mühendislik süresi10 %
Hatta verilen wafer girişleri34 wph
İşlemdeki iş20 wafers
Kusur yoğunluğu0,110 /cm²
Proses yeterliliği Cpk1,25 · uyarı
Spesifikasyon dışı (wafer eşdeğeri)0,0 wph
Bölme gücü1339 kW

Eğilim

Çıkan sağlam kalıp: — /h250000

SPC örneği (CD sapması)

SPC örneği (CD sapması): 0 ⚑+3σ−3σ

Kriz senaryoları

Seviye 1 · Parçacık sapması

Mobil çip hattında rutin bir vardiya. Bölmenin üstünde bir yerde bir tavan filtresi arızalanmak üzere. Temiz odayı sınıfında tutun, verimi koruyun — ve fanları gerekenden uzun süre tam hızda bırakmayın.

  • Sonunda ISO sınıfı tekrar ≤ 3,6
  • İlk saatten sonra hiçbir zaman 4,55 sınıfının üzerine çıkmasın
  • Sapmanın ilk saatlerinde ortalama verim ≥ %87
  • İkinci yarıda ortalama bölme gücü ≤ 1.380 kW

Seviye 2 · Scanner çöküşü

Bölme saatte 38 wafer girişiyle yüksek tempoda çalışıyor. Üç scanner aynı anda devre dışı kalmak üzere. Onları geri getirirken kuyruğun patlamasını önleyin ve yine de sağlam kalıp gönderin.

  • Sonunda WIP ≤ 60 wafer
  • Çöküşten sonra çevrim süresi hiçbir zaman 3,5 saati aşmaz (kuyruk süresi penceresi)
  • 48 saatte en az 900.000 sağlam kalıp
  • 48 saatte hatta verilen en az 1600 wafer girişi (giriş planı: saatte 34)

Seviye 3 · Reçete kayması

Yeni bir reçete revizyonu dün gece devreye girdi. Kritik boyutu yavaşça kaydırdığını henüz kimse bilmiyor. SPC grafiğini izleyin: wafer'lar spesifikasyon dışına düşmeden kaymayı yakalayın ve geri alın.

  • Toplamda en fazla 12 spesifikasyon dışı wafer eşdeğeri
  • Sonunda Cpk ≥ 1,2
  • En az 620.000 sağlam kalıp

Seviye 2 · Yeni ürün yükselişi

Büyük bir hızlandırıcı çip olgunlaşmamış bir prosesle üretime girer: kusur yoğunluğu yüksek ve 600 mm²'lik bir kalıp affetmez. Hat saatte 42 wafer girişiyle yüklenir. 14 gününüz var. Bugünkü çıktıyı yarınki öğrenmeyle dengeleyin.

  • 14. günde kusur yoğunluğu ≤ 0,08 /cm²
  • 14 günde en az 660.000 sağlam kalıp

Dayanak — sayıların ardındaki model

Simülatörün kullandığı her bağıntı, kaynağıyla birlikte. Varsayım olarak işaretlenen sabitler örnek kalibrasyonlardır.

Ekipman durumları SEMI E10'u izler: üretken, beklemede, mühendislik, planlı ve plansız duruş.
Availability = up tools / 8 · Utilization = productive tool-hours / total[1]
Araçlar üstel arıza süresiyle rastgele arızalanır; onarımlar boş bir teknisyeni bekler.
P(fail in Δt) = 1 − e^(−Δt/MTBF), MTBF = 250 h; repair ~ Exp(mean 6 h) once a technician is free[17][1]Varsayım: büyüklükler (MTBF, üretim oranları, k, τ) örnek kalibrasyonlardır, gerçek bir fabrikanın verisi değildir.
Little yasası, işlemdeki işi, verimi ve çevrim süresini birbirine bağlar.
CT = WIP / TH = T0 + queue / TH, T0 = 1 h[6][5]
Kararlı bir hatta çıktı, giriş hızına eşittir; bu yüzden hatta verilmeyen bir wafer girişi, hiçbir zaman çıkmayacak bir wafer'dır. Adımlar arasında çok uzun bekleyen wafer'lar kuyruk süresi penceresini aşar.
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]Varsayım: 3,5 sa'lik çevrim süresi sınırı bir kuyruk süresi penceresinin yerini tutar; gerçek pencereler proses mühendisliği tarafından adım adım belirlenir ve bunları aşan wafer'lar genellikle hurdaya ayrılır.
Kingman yaklaşımı: kuyruk süresi u/(1−u) gibi büyür — kullanım %100'e yaklaştıkça patlar.
CTq ≈ ((ca² + ce²)/2) · (u/(1−u)) · te[5]Sezgi için gösterilmiştir: simülatörün kuyruğu bu formülden değil, rastgele varışlardan ve rastgele kapasiteden ortaya çıkar.
D boyutlu parçacıklar için ISO 14644-1 sınıf sınırı; 0,1 µm'de sınıf, konsantrasyonun logaritmasıdır.
Cn = 10^N · (0.1/D)^2.08 ⇒ N = log10(C≥0.1µm)[2]
İyi karışmış oda: konsantrasyon = üretim ÷ (hava değişimi × hacim × filtre verimi).
C = G / (ACH · V · η)[13][11]Varsayım: büyüklükler (MTBF, üretim oranları, k, τ) örnek kalibrasyonlardır, gerçek bir fabrikanın verisi değildir.
Fan benzerlik yasası: güç, fan hızının küpüyle artar.
P_fan = P_max · (speed)³[10]
Negatif binom verimi: kusurlar kümelenir, bu yüzden verim Poisson modelinin öngördüğünden daha yavaş düşer.
Y = (1 + A·D/α)^(−α), α = 2 (α→∞: Y = e^(−A·D))[3][4][15][14]
Verim öğrenmesi: mühendislik süresi harcandıkça kusur yoğunluğu olgun bir seviyeye doğru azalır.
D(t+Δt) = D∞ + (D − D∞)·e^(−Δt/τ), τ = 120 h · (0.10 / engineering share)[15][18]Varsayım: τ, 14 günlük bir senaryo etkiyi gösterebilsin diye bildirilen sektör öğrenme oranlarına (ayda %4–6,5, Leachman) göre yaklaşık 100 kat sıkıştırılmıştır.
Wafer'lara düşen parçacıklar, hava konsantrasyonu ile orantılı olarak öldürücü kusurlar ekler.
D_total = D_learn + k · C, k = 4·10⁻⁶ cm⁻² per particle/m³Varsayım: örnek bir sabit — gerçek fabrikalar öldürücü kusur oranlarını kendi inceleme verilerinden kalibre eder.
Parametrik verim: normal bir prosesin spesifikasyon sınırları içine düşen payı; Cpk marjı ölçer.
Y_param = Φ((USL−μ)/σ) − Φ((LSL−μ)/σ), Cpk = min(USL−μ, μ−LSL)/(3σ)[7][8][19]
SPC: n örneğin ortalamaları, ±3σ/√n kontrol limitleri ve bölge kurallarıyla.
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]
Modelin kullandığı diğer işletme sabitleri.
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 %Varsayım: büyüklükler (MTBF, üretim oranları, k, τ) örnek kalibrasyonlardır, gerçek bir fabrikanın verisi değildir.
A alanlı bir kalıp için 300 mm wafer başına brüt kalıp sayısı.
DPW = π·d²/(4A) − π·d/√(2A), d = 300 mm[9]

Rastgelelik: tohumlu bir mulberry32 üreteci; kullanılan dağılımlar — düzgün, üstel (ters CDF), normal (Box–Muller), Poisson (Knuth). Tohum gösterilir ve paylaşılabilir.

Kaynaklar

  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

Bunu meslek olarak kim yapar

Eğitim amaçlı model — operasyonel kararlar için değildir. Gerçek tesisler her sabiti kendi ekipmanlarına ve verilerine göre kalibre eder.