半導体製造の複雑なエコシステムにおいて、データは品質管理、歩留まり向上、製品信頼性を可能にする生命線として機能します。30年以上にわたり業界に携わってきたPDF Solutionsは、初期設計からシステムレベルテストに至るまで、多様なデータタイプをサポートする包括的なシステムを開発してきました。本ブログでは、半導体製造データの全体像、その意味、そして重要性について概説します。
製造の旅：設計からシステムまで製造の旅：設計からシステムまで
特定のデータタイプについて掘り下げる前に、半導体製造フローを理解することが重要です：
- 設計 – すべてはチップのアーキテクチャと仕様から始まる
- ファブ – シリコンウエハーが数百の精密な工程を経て製造される場所– シリコンウエハーが数百の精密工程を経て製造される場所
- ウェーハ選別 – ウェハー上に残ったままの個々のダイに対する電気的テスト
- 組立 – 良品が抽出され、包装される場所
- 最終テスト – パッケージまたはモジュールレベルでのテスト
- システム統合 – スマートフォンやコンピュータなどの最終製品への組み込み– スマートフォンやコンピュータなどの最終製品への組み込み
当社の主力製品である「Exensio® Manufacturing Analytics（MA）」は、製造プロセス全般にわたるデータ収集と分析をサポートしており、大手半導体企業を含む世界中の150社以上の顧客に利用されています。
ウェーハ製造における主要データタイプ
製造実行システム（MES）
MESはファブやファウンドリにおける全ての操業を統括します。製造工場の中枢神経系と捉え、材料・工程・設備の状態をリアルタイムで追跡します。このシステムは進行中の作業データを生成し、各ウエハーが現在どこに位置し、どの処理工程を実行中かを正確に示します。
自動搬送システム（AMHS）
現代のファブでは、加工ステーション間でウエハーカセットを移動させる天井搬送システムによる高度な自動化が特徴である。各ウエハーには固有のIDコードが割り当てられ、AMHS（自動搬送システム）が各種装置やチャンバーを通るウエハーの移動経路を追跡する。このトレーサビリティデータは、問題発生時の根本原因分析において極めて重要である。
故障検出と分類 (FDC)
FDCデータは製造装置から直接取得されます。現代の製造装置には100～200個の異なるセンサーが搭載されており、温度、圧力、ガス流量、バルブ位置などのパラメータを監視します。これらのセンサーは各プロセス実行中に高頻度でデータを収集し、正常動作からの逸脱を検出するのに役立つプロセス指標を生成します。
計測データ計量データ
計量学は物理的特性の測定を扱い、主に三つの種類に分類される：
- 形状／3D幾何学 – ウェハー上の構造物の三次元特性を測定する– ウェハー上の構造物の三次元特性を測定する
- クリティカルディメンション（CD） – 主に配線の幅を測定する。配線寸法はトランジスタ性能に直接影響するため、これが重要である
- オーバーレイ – 異なる層間の位置合わせを測定し、3か月間にわたる2000以上の製造工程全体で、層間の正確な位置合わせを確保します– 異なるレイヤー間の位置合わせを測定し、3か月間にわたる2000以上の製造工程全体で、レイヤー間の正確な位置合わせを確保します
これらの測定値は、「スクライブライン」（ウェーハ上のダイ間のスペース）に配置された特殊ターゲットから取得されます。
欠陥データ
ウェハー上の全てのダイは同一であるべきであるため、検査装置はウェハーを走査して異常を特定する。欠陥データは次の2つの形式で提供される：
- 欠陥検査 – X-Y座標、サイズ、面積、欠陥タイプなどの属性を記録する
- 欠陥レビュー – 選定された欠陥について、高解像度画像を収集し、自動欠陥分類（ADC）を用いて分析し、欠陥の性質（粒子、短絡など）を特定する
欠陥パターンの分析により、特定の装置の問題と相関する「空間的特徴」が明らかになることがある。例えば、円形の欠陥パターンは、プロセス装置内の特定のチャックに問題があることを示唆する可能性があり、これはファブにおける「決定的な証拠」を見つけることとも呼ばれる。
プロセス制御モニター（PCM）データ
PCMデータは、スクライブライン内の専用テスト構造から収集され、ウェーハの電気的特性を提供します。これは理想的な性能達成度を示すため、最も重要なデータタイプの一つです。PCMデータには以下が含まれます：
- トランジスタ特性（トランスコンダクタンス、リーク電流、しきい値電圧）
- 相互接続測定（配線抵抗およびビア抵抗）
- 絶縁破壊電圧（信頼性指標）
- 接合部測定（シート抵抗、接触抵抗、静電容量）
- RFやイメージセンサーなどの技術向けアプリケーション固有のパラメータ特定用途向けパラメータ（例：RF技術やイメージセンサーなど）
興味深いことに、PCMデータはファウンドリがファブレス顧客と通常共有する数少ないデータタイプの一つである。欠陥や計測データなどの他のデータタイプは、機密性の高い内部情報や「汚れた洗濯物」と見なされることが多く、ファウンドリは開示を好まない。
電気的ウエハー選別（EWS）電気ウェハー選別
EWSデータは、ウェーハ上の各ダイを様々な条件下でテストすることで得られます。これには以下が含まれます：
- 標準操作条件
- 高温試験（チップが120℃で動作することを確認する – 車内のダッシュボードに放置されたスマートフォンを想定）高温試験（チップが120℃で動作することを確認する。例：車内のダッシュボードに放置されたスマートフォンを想定）
- 低温試験
- 初期不良を特定するためのバーンイン試験
この結果に基づき、パッケージへの組み立てに適した「既知良品ダイ（KGD）」が選定される。ダイは性能に応じて複数の「ビン」に分類され、メーカーはそれに応じて製品を格付けする。これが、同一チップでも異なるグレード（標準FPGAと高性能FPGAなど）が存在したり、許容不良画素数が異なるイメージセンサーが存在したりする理由である。
「インクアウトルール」のような仮想的な操作では、たとえ全てのテストに合格したダイであっても欠陥品としてマークされる可能性がある。例えば、不合格のダイに囲まれているダイは疑わしいと見なされ、それ以降の処理から除外されるかもしれない。
ウエハーを超えて
ウェーハの選別が完了し良品ダイが特定されると、ウェーハ自体は単一ユニットとしての存在を終える。ダイは「ピックマップ」に従ってウェーハから取り出され、パッケージに配置される。これにより、組み立てと最終試験を通じた全く新たなデータの旅が始まる。
半導体データの規模半導体データの規模
半導体業界では毎日テラバイト規模のデータが生成され、顧客や用途に応じて5～15年間の保存要件が課される。これはペタバイト規模のデータを保存・管理・分析する必要があることを意味し、多くの場合専用のデータセンターを要する。
このデータを効果的に活用する能力こそが、優れた半導体メーカーと卓越したメーカーを分ける要素である。異なるデータタイプ間の情報を関連付けることで、企業は歩留まりを制限する要因を特定し、プロセスを改善し、最終的に消費者により信頼性の高い製品を提供できる。
半導体企業は、包括的なデータ収集とExensioのような高度な分析プラットフォームを通じて、生製造データを実用的な知見へと変換し、世界で最も技術的に進んだ産業の一つにおいて品質、歩留まり、収益性を向上させることができる。