普迪飞“芯知识”公开课:如何让半导体数据大有作为?

来源:普迪飞 #普迪飞#
1.7w

半导体技术不断发展,其中涉及的数据种类和数据量也越来越多,将这些数据有效利用起来并使其转化为收益将是未来的关注。此外,工艺升级、产品迭代、产能紧缺等现实情况,使得如何迅速提升良率成为一个备受关注的问题。

半导体中有哪些类型的数据?如何处理和利用这些数据?如何将大数据方法应用在半导体行业?为什么要提升良率?有哪些方法可以提升良率?

围绕这些话题,普迪飞开展了“芯知识”公开课,资深行业专家以直播的形式向大家介绍了半导体数据与良率的相关知识,来自100多家公司的相关人员观看了直播并参与互动。

如何处理和利用半导体供应链中的各种数据?

第一期 说说半导体中的数据 详细介绍了半导体行业链中,从设计、生产制造到测试,以及封测、系统级测试中所涉及的数据,包括数据的来源、特点和用途等。普迪飞的Exensio分析平台可以整合所有这些不同类型的数据,通过语义模型建立数据间的关联,并提供高效的数据分析和可视化平台。例如,它可以轻松便捷地将WEH和良率数据结合起来,进行设备相关性分析,找出有问题的设备;可以从已建立关联的Final Test和Wafer Sort数据中去查找问题Bin的来源。

芯片良率一直是行业的焦点,如何建立良率模型来进行良率分析和提升呢?

第二期 芯片良率和良率模型 阐述了良率模型的建立和优化。业界通常采用Possion模型和B-E模型,这两种模型提供了一种快速估算良率的方法,它们在一阶展开是一样的,但B-E模型还引入了额外的输入,可以对缺陷、工艺进行更好的拟合。普迪飞采用基于critical area的良率模型,使用YIMP(Yield Impact Matrix)可建立完整的模型表征工艺和设计对良率的影响,不仅可以对产品良率做出更精确的估算,了解产品对特定工艺问题的敏感程度,还可以针对工艺问题或者失效模式对良率的影响进行分解和排序,了解工艺改进对良率的影响。

如何将大数据方法应用在半导体行业?

第三期 谈谈半导体中的大数据 涵盖了大数据的处理技术和分析方法,通过几个具体的实例详细讲述了大数据方法在半导体行业的应用。Pattern match可以快速从大量数据中高效找出匹配的pattern;采用机器学习算法可以对高维度数据进行异常值检测;深度学习算法在图像识别领域的应用同样可以用在wafermap的模式匹配上。此外,针对半导体领域的人工智能需求,普迪飞将大数据基础架构和机器学习应用程序与数十年的制造和测试经验相结合,推出了AIM(Advanced Insights for Manufacturing)半导体人工智能解决方案。AIM解决方案架设于Exensio大数据软件平台之上,包含了早期失效诊断(ELF)、智能测试(ST)、电子物料管理(eBOM)等十多个功能模块,结合人工智能技术和协同反馈,驱动对每个客户至关重要的特定目标结果,实现效率提升和成本下降。

如何提升良率呢?

第四期 快速get良率提升方法 从技术发展趋势出发讲述了芯片良率的重要性。传统工艺技术采用导入工艺器件检测结构,比如SRAM测试芯片来监测、诊断良率,但这种方法可能不够全面而且周期很长。普迪飞基于CV(characterization vehicle)的良率提升方法不仅可以针对工艺和产品提供针对性的设计,提高分辨率,还可以有灵活的工艺流程从而缩短监测的周期。迄今,普迪飞已经提供了100多种10nm及以下的CV测试芯片。普迪飞CV系统提供的大量的器件表征数据结合Exensio Analytics Platform中的产品测试数据分析,可以建立精确的、针对特定产品的性能模型,以实现针对特定产品的最佳工艺设置,从而最大程度地提高制造可靠性和可预测性。

 

要了解更多信息并注册观看系列公开课,请单击此处

普迪飞作为半导体的行家里手,30年来一直致力于半导体先进制程良率提升和大数据分析。“芯知识”公开课围绕半导体中的相关知识,帮助大家快速入门,命中要害。接下来,普迪飞还会针对行业热点话题,例如汽车电子、封装测试做一些专题公开课,敬请关注!

获取更多产品详细信息,请点击这里

对产品感兴趣,需要产品演示,请邮件联系:china-info@pdf.com。

责编: 爱集微
来源:普迪飞 #普迪飞#
THE END
关闭
加载

PDF 加载中...