设备智能将成为预见未来的指路明灯

Tim Archer

泛林集团对于设备智能的愿景是将数据化建模、虚拟化和人工智能带入每个环节，包括设计、开发、采购、构建和支持系统与工艺等，从概念设计和可行性研究到实现量产。

2020年是泛林集团成立的第40周年，过去40年我们坚持创新和突破，并取得了开拓性进展，其中包括对于设备智能的探索。展望未来，我们认为，对于半导体行业来说，设备智能将成为预见未来发展的指路明灯。

制造难度和成本日益增长

在40年前，我们很难想象半导体技术会给世界带来如此巨大的改变。譬如1980年，个人电脑配备的微处理器包含大约5万个晶体管，而如今的高级芯片通常包含超过300亿个晶体管。然而，技术的飞速发展也带来了巨大的挑战。新一代器件的开发意味着更复杂的结构、更多的工艺步骤、新材料和设计规则，参数之间的依赖性亦在不断提升。

设备智能是迎接挑战的关键

设备智能可以促成数据和学习过程的良性循环，帮助我们解决上述挑战。通过充分利用其强大的数据收集和处理能力，我们可以在芯片制造领域实现创新与突破。

泛林集团对于设备智能的愿景是将数据化建模、虚拟化和人工智能带入每个环节，包括设计、开发、采购、构建和支持系统与工艺等，从概念设计和可行性研究到实现量产。设备智能的最终目标就是在加快技术转换速度的同时，降低成本、资源消耗和浪费，也就是通过解除复杂性障碍来释放创新力。

在设备智能的时代，全流程的数字化是关键。任何系统从初始概念到终止运行的每一步都应该留下数据的脚印。

在芯片设计和制造工艺方面，为了满足性能和成本等各方面要求，我们往往需要在百万亿个潜在配方组合中进行大海捞针式的探索，从而找到最佳配方。以刻蚀为例。在过去的十年中，工艺配方开发和验证的成本以10倍的速度增长，在这种情况下，虚拟工艺开发是解决问题的重要工具，它能帮助工程师以更快的速度找到最佳配方。

尽管我们对具体工艺的理解在不断加深，纯物理的刻蚀和沉积过程模型仍过于复杂，涉及的计算量过于庞大，很难产生实际结果。我们的策略是结合机器学习和历史数据挖掘来构建可计算的模型，通过该模型的运算来找出正确的变量组合并在多种选择中成功找到最佳方案。

通过与芯片制造商在结构和工艺要求方面的紧密合作，我们已经利用虚拟工艺开发实现了初级组合的优化，并成功将所需实验次数和成本减少至少20%。目前该方法仍处于早期实验阶段，我们还需要与芯片制造商开展持续且密切的合作，实现规模的扩展。

复杂性带来的挑战不仅限于研发。要实现芯片的量产，制造商必须将最佳工艺在数百个腔室中复制，保证每月生产数十万个符合埃米级公差要求的晶圆。为保证所有工艺一致的性能表现，我们需要投入更智能化的设備和服务。

自适应和自维护能力的智能设备。自我感知是指设备了解自身的软件和硬件配置，并能使用传感器监视关键性能指标。

与之前的设备相比，新一代设备新增了约400个传感器，它们所生成的数据结合制造商晶圆厂的信息，可将腔室匹配的时间从数周缩短至数天。

自适应功能是指这些智能设备能持续地根据单位工艺偏差、物料变化进行自我调整或优化生产率。自维护功能包括自动校准、清洁或维护等，有助于提升机台的产量。经验证，在晶圆厂运行一个关键应用程序的一组设备，其自维护能力每年能够帮助客户节省4.5万个工时。

基于数据的智能化服务生态系统

智能化设备需要智能化的服务生态系统，否则无法保证数百个工艺腔室的整体设备效率，而这样的智能服务离不开数据。

要找出纠正措施、预测维护事件、管理智能零件和优化设备性能的方法，我们需要基于数据专门开发出相应的算法。为此，泛林集团设立了设备数据存储库，并在维持数据完整性的同时根据情况向客户开放数据控制和访问的权限。这种灵活的解决方案有助于我们应对日益增长的挑战，即在量产的环境中维护复杂的系统，从而保证产品在满足严格工艺公差的前提下达成设备良率目标。

此外，虚拟现实和增强现实技术可以利用数据帮助工程师提高效率，并分享全球专家的专业技术。协作对于持续创新至关重要，也是实现设备智能优势的关键所在。如今，半导体行业处于松散分离的模式，行业必须由此过渡成以节点构成的网络，促进数据的流动和算法的整合，从而实现更具效益的行业控制。

我们相信，通过充分发挥设备智能的潜能，我们就能预见到世界未来的发展。