2020.01.15 【成大研發快訊】智慧型良率管理系統

隨著半導體與TFT-LCD製程技術的不斷提昇與功能日趨強大，其製程也日趨精密且複雜。處於此環境下，如何能在發現產品良率不佳時，快速地找到造成此良率不佳之關鍵因子，進而能持續改善以提升良率，已成為一個重要的課題。
我們研究業界於良率管理所面臨的問題，並提出一關鍵站點搜尋演算法，如圖1所示。

圖1　關鍵站點搜尋演算法

本關鍵站點搜尋演算法包含以下模組：

• 資料前處理模組 (Data-Preprocessing Module)：進行資料前處理及品質的確認。
• KSA核心分析模組 (KSA Core Algorithm Module)：含 TPOGA (Triple Phase Orthogonal Greedy Algorithm)與 ALASSO (Automated Least Absolute Shrinkage and Selection Operator)演算法，分析關鍵站點供使用者參考。
• 交互作用模組 (IESA Module)：利用TPOGA及Tree找出交互作用機台及參數。並針對參數定訂規格，達到持續改善良率的目標。
• 盲站搜尋模組 (BSA Module)：輔助KSA 核心分析模組，辨識出哪些影響參數可能因為製程特性而無法分析，並提出兩階段的流程針對該些影響參數進行深入檢視。
• 信心指標模組 (RIK Module)：透過比較KSA 核心分析模組分析結果的重合程度，產出信心指標。

進一步使用實際半導體凸塊製程資料進行驗証，比較有專家經驗介入及完全盲目搜尋等兩種搜尋方式，結果如圖2所示。可以發現在前兩大可疑機台為一致，更進一步針對第一大可疑機台繪製盒鬚圖，亦可看得到第一大可疑機台相當顯著，與工程師確認，該機台確實為根本原因。

圖2 半導體實際案例比較專家經驗及盲目搜尋


圖3 第一可疑機台盒鬚圖

驗証結果除了顯示關鍵站點搜尋演算法的正確性外，也隱含著使用者不一定需要針對分析之製程有專業的知識，關鍵站點搜尋演算法仍可採用盲目搜尋之方式，且可獲得不錯的結果，供使用者進行產品良率異常分析的參考。

此外影響產品良率的因子非常多，舉凡在製品過站資訊、生產加工條件及站點間量測…等資料， 若將上述資料完全收集並用於良率分析，則所收集之資料數量是相當龐大，此時就需要一個完善的資訊架構來支援。我們研究團隊提出了先進製造物聯雲架構，此架構應用物聯網、雲端運算、巨量資料分析、虛實整合技術等實現高度垂直整合的智慧製造系統，如圖4所示。

基於先進製造物聯雲所建構之智慧型良率管理系統透過物聯網元件(CPA)的應用抓取所需資料；透過巨量資料分析管理大量生產線上的資料；應用虛實整合技術順利部署關鍵站點搜尋演算法，如此便可將智慧型良率管理系統實際應用於業界，達到提升良率和減少搜尋時間之目標。


圖4 以先進製造物聯雲(AMCoT)為基部署智慧型良率管理系統



相關連結：成大研發快訊