Itinéraires de classement dans les usines de fabrication de plaquettes de semi-conducteurs
MaisonMaison > Blog > Itinéraires de classement dans les usines de fabrication de plaquettes de semi-conducteurs

Itinéraires de classement dans les usines de fabrication de plaquettes de semi-conducteurs

Jul 24, 2023

Rapports scientifiques volume 13, Numéro d'article : 13267 (2023) Citer cet article

150 accès

Détails des métriques

Nous développons une méthode pour estimer la qualité des itinéraires de traitement dans un processus de fabrication de tranches. Le classement de ces itinéraires peut être utile pour identifier les « meilleurs » et les « pires » itinéraires lors des ajustements des recettes. La catégorisation des itinéraires est également utile pour développer des algorithmes de planification efficaces. En particulier, nous proposons une méthode de classement des itinéraires basée sur des métriques basées sur le nombre telles que le nombre de défauts sur une plaquette. Nous partons d'un modèle statistique pour produire un classement « local » d'un outil puis construisons un classement « global » via une procédure heuristique. Créer une procédure entièrement statistique pour classer les itinéraires dans les usines de fabrication de semi-conducteurs est pratiquement impossible, étant donné le nombre d'itinéraires possibles et les données limitées disponibles. Néanmoins, nos discussions avec des ingénieurs en activité indiquent que même des classements approximatifs sont utiles pour prendre de meilleures décisions opérationnelles.

Dans cet article, nous développons une méthode pour estimer la qualité des itinéraires de traitement dans un processus de fabrication. Ce travail s’inspire de la situation d’une usine de fabrication typique de plaquettes de semi-conducteurs, mais la méthode pourrait être utilisée dans n’importe quel secteur. Cependant, une partie de notre terminologie et de notre orientation dépendent du domaine d'application que nous envisageons.

Une usine de fabrication de semi-conducteurs est connue sous le nom d’usine de fabrication. Généralement, un processus de fabrication de semi-conducteurs consiste en des tranches de semi-conducteurs (les entités en cours de fabrication) se déplaçant à travers une séquence d'outils (ou d'équipements ou de machines) dans un ordre prédéfini de telle sorte qu'elles puissent être traitées de manière appropriée par chaque outil. Cet ordre prédéfini d'outils est appelé itinéraire dans l'industrie de fabrication de semi-conducteurs. Chaque outil du parcours dispose également d'un réglage prédéfini pour obtenir des plaquettes d'une certaine qualité. Ensemble, l'itinéraire et les paramètres prédéfinis pour chaque outil de cet itinéraire sont appelés une recette.

Dans une usine de fabrication de semi-conducteurs, plusieurs outils peuvent généralement être choisis pour réaliser une étape donnée du processus de production. Une recette, comme décrit précédemment, consiste en un ordre spécifique des étapes de fabrication ainsi que des paramètres d'outils à chaque étape. Le classement de ces itinéraires peut être utile pour diverses raisons. Premièrement, l’identification des « meilleurs » et des « pires » itinéraires est utile pour explorer les recettes. Plus précisément, lorsque des ajustements sont apportés aux paramètres des outils, il est utile d'identifier les meilleurs et les pires itinéraires dans le processus existant, car ils sont susceptibles de fournir de bonnes limites de performances pour la recette ajustée. Deuxièmement, la catégorisation des itinéraires peut être utilisée pour faciliter une planification efficace. Par exemple, le classement des itinéraires peut être utilisé comme facteur de répartition des tâches à mesure qu'elles progressent dans le processus de fabrication.

Nous développons une méthode de classement des itinéraires pour des métriques basées sur le nombre, dans laquelle la métrique prend des valeurs qui sont des entiers non négatifs et pour lesquelles des valeurs plus faibles sont meilleures. En particulier, 0 est la meilleure valeur possible de la métrique. L'exemple de calcul considéré dans cet article concerne le nombre de défauts sur une tranche.

De manière générale, notre méthode commence par élaborer un classement « local » d’un outil puis construit un classement « global » via une procédure heuristique. Notez qu'il n'est pas toujours possible de classer les outils directement à partir, par exemple, des données de défauts, car ces données ne sont souvent collectées qu'après qu'un produit ait subi plusieurs étapes de traitement. Il faut donc estimer la corrélation entre les défauts et les choix d’outils. De même, la création d’une procédure statistique détaillée pour classer les itinéraires dans les semi-conducteurs est pratiquement impossible, étant donné le nombre d’itinéraires possibles et le nombre limité de données disponibles. Néanmoins, nos discussions avec les ingénieurs en activité indiquent que même un classement approximatif est utile pour prendre de meilleures décisions opérationnelles dans l'usine de fabrication.

Le reste du document est organisé comme suit. Dans la section « Revue de la littérature », nous passons brièvement en revue les travaux antérieurs connexes. Dans « Classement des itinéraires basé sur le comptage », nous proposons deux algorithmes de classement pour les données de comptage : le classement basé sur la régression du comptage et le classement basé sur la probabilité binaire. Dans « Exemples informatiques », nous illustrons les algorithmes à l'aide de quelques exemples informatiques et comparons les résultats des deux algorithmes de classement. Enfin, nous terminons l'article dans la « Conclusion » avec des suggestions sur le moment où utiliser un algorithme de classement par rapport à un autre.

{\widehat{\mu }}\) or \(\frac{\widehat{\sigma }^2}{\widehat{\mu }} > 1\). The latter expression is called the dispersion statistic. The analysis of overdispersion depends on three things: (1) the value of the dispersion statistic, (2) the number of observations in the model, and (3) the structure of the data./p>