在半導體製造這個複雜的生態系統中，資料猶如生命線，是實現品質控制、提升良率及確保產品可靠性的關鍵。PDF Solutions 在該產業深耕逾 30 年，已開發出能支援從初期設計到系統級測試各類資料的全面性系統。本篇部落格將概述半導體製造資料的整體現況、其意義所在，以及為何如此重要。
製造之旅：從設計到系統
在深入探討具體的資料類型之前，了解半導體製造流程至關重要：
- 設計 – 一切始於晶片架構與規格
- 晶圓廠 – 矽晶圓是透過數百道精密工序製造而成的
- 晶圓分選 – 在晶圓上對個別晶粒進行電氣測試
- 組裝 – 優質模具的拆卸與包裝工序
- 最終測試 – 封裝或模組層級的測試
- 系統整合 – 整合至智慧型手機或電腦等終端產品中
我們的旗艦產品 Exensio® 製造分析（MA）支援涵蓋整個製造流程的數據收集與分析，服務對象包括全球超過 150 家客戶，其中不乏規模最大的半導體公司。
晶圓製造中的關鍵資料類型
製造執行系統 (MES)
MES 負責協調晶圓廠或代工廠內的所有運作。可以將其視為製造廠的中央神經系統，能即時追蹤物料、製程及設備狀態。該系統會產生在製品數據，精確顯示每片晶圓在任何時刻的確切位置，以及正處於哪個製程步驟。
自動化物料搬運系統（AMHS）
現代晶圓廠採用高度自動化，透過高架運輸系統在各處理站之間運送晶圓盒。每片晶圓皆擁有唯一的識別碼，而自動晶圓運輸系統（AMHS）會追蹤每片晶圓在各類設備與處理艙間的移動路徑。當問題發生時，這項可追溯性資料對於進行根本原因分析至關重要。
故障檢測與分類 (FDC)
FDC 數據直接來自製造設備。現代製造工具可能配備 100 至 200 個不同的感測器，用以監測溫度、壓力、氣體流量及閥門位置等參數。這些感測器在每次製程運行期間以高頻率收集數據，並產生製程指標，有助於偵測任何偏離正常運作的情況。
計量數據
計量學涉及對物理特性的測量，主要分為三類：
- 形狀／3D 幾何形狀 – 測量晶圓上結構的三維屬性
- 關鍵尺寸（CD） – 主要用於測量線寬，這點至關重要，因為線寬尺寸會直接影響電晶體的性能
- 疊層 – 測量不同層間的對齊狀況，確保在為期三個月、涵蓋 2000 多個製造步驟的過程中，各層之間能精確對位
這些測量數據是從位於「刻線」（晶圓上晶片之間的間隙）中的特殊標靶所取得。
缺陷資料
由於晶圓上的所有晶片都應完全相同，因此檢測設備會掃描晶圓以辨識異常狀況。缺陷資料可分為兩種形式：
- 缺陷檢測 – 記錄諸如 X-Y 座標、尺寸、面積及缺陷類型等屬性
- 缺陷審查 – 針對選定的缺陷，會收集高解析度影像，並透過自動缺陷分類（ADC）進行分析，以辨識缺陷的性質（如顆粒、短路等）
分析缺陷模式可揭示「空間特徵」，這些特徵通常與特定的設備問題有關。舉例來說，圓形缺陷模式可能顯示製程設備中的某個夾頭出現問題——這在半導體工廠中，我們有時稱之為找到「關鍵證據」。
製程控制監控器 (PCM) 資料
PCM 資料是從刻線中的專用測試結構所蒐集的，並提供晶圓的電氣特性。這是最關鍵的資料類型之一，因為它能告訴您距離達到理想性能還有多遠。PCM 資料包括：
- 電晶體特性（傳導電容、洩漏電流、閾值電壓）
- 互連測量（線路與過孔電阻）
- 介電擊穿電壓（可靠性指標）
- 結點測量（片電阻、接觸電阻、電容）
- 針對射頻（RF）或影像感測器等技術的特定應用參數
有趣的是，PCM 資料是晶圓代工廠通常會與無廠晶片客戶共享的少數資料類型之一。其他資料類型，例如缺陷或量測資料，往往被視為敏感的內部資訊或「醜聞」，晶圓代工廠通常不願透露這些資訊。
電氣晶圓分選（EWS）
EWS 數據來自於在各種條件下對晶圓上的每個晶粒進行測試，包括：
- 標準操作條件
- 高溫測試（確保晶片能在 120°C 下正常運作——例如手機放在車內儀表板上的情況）
- 低溫測試
- 老化測試，用以識別早期故障
測試結果將決定哪些晶粒被視為「已知良品晶粒」（KGD），適合組裝成封裝產品。晶粒會根據其性能被分類到多個「等級」，讓製造商能據此對產品進行分級。這就是為什麼您可能會看到同一款晶片有不同等級（例如標準型與高效能型 FPGA），或是影像感測器的可接受缺陷像素數量各不相同。
諸如「墨跡消失規則」這類虛擬運作機制，可能會將即使通過所有測試的晶圓標記為瑕疵品——例如，若某個晶圓周圍盡是檢測失敗的晶圓，它便可能被視為可疑品，並被排除在後續處理流程之外。
晶圓之外
一旦晶圓分選完成且確認合格的晶粒，晶圓本身便不再作為一個整體存在。根據「取片圖」，將晶粒從晶圓上取下並裝入封裝中，由此展開一段全新的數據旅程，歷經組裝與最終測試。
半導體數據的規模
半導體產業每天產生數太字節的數據，其保存期限依客戶與應用情境而異，通常為 5 至 15 年。這意味著需要儲存、管理及分析數拍字節的數據，往往需要專用的資料中心。
能否有效運用這些資料，正是區分優秀與卓越半導體製造商的關鍵。透過分析不同資料類型的關聯性，企業能夠找出限制良率的因素、優化製程，並最終為消費者提供更可靠的產品。
透過全面性的資料蒐集以及 Exensio 等先進分析平台，半導體公司能夠將原始製造資料轉化為可付諸實行的洞見，從而推動全球技術最先進產業之一在品質、良率與獲利能力方面的提升。