原因分析
Georgia Z. Morgan，高级统计学家，已退休
原因分析是一个通用术语，适用于调查、分析并最终确定单个或多个异常的因果因素的任务。 先进的机器学习方法和其他数据挖掘工具减少了分析数据的时间和精力。
数据准备，即获取数据并将其转化为信息的步骤，需要领域专业知识。 为了从根本上解决复杂的制造过程，领域专家很可能来自不同的职能组织并且数据来自不同的来源。
我的经验是别人分享的：
“通常，数据位于不同的系统中，需要访问并转换为可用于数据挖掘和机器学习的数据集。……
这通常需要大量的数据聚合和转换。 一旦聚合了用于分析的单个分析基表，生命周期的其他方面就开始发挥作用。 因为需要对数据进行实验，所以准备阶段也非常迭代，分析师尝试不同类型的数据以获得最准确的预测结果”。
（娜）， (nd), 从头到尾的数据挖掘。217 年 7 月 31 日检索自 SAS 网站https://www.sas.com/content/dam/SAS/en_us/doc/whitepaper1/data-mining-from-az-104937.pdf
“正如我在无数场合指出的那样，挖掘数据和回答问题之间存在巨大差异。 任何给定的数据集都可以提供对现实的特定一瞥，但没有任何一个数据集可以提供对所有存在的整体的完美、整体和公正的看法。 这意味着，在分析数据时，从很多方面来说，了解所查看的数据比拥有统计学博士学位重要得多。 ”
Leetaru, K.（2016 年 6 月 12 日）为什么我们需要更多数据科学领域的专家。 2017 年 7 月 31 日摘自福布斯网站https://www.forbes.com/sites/kalevleetaru/2016/06/12/why-we-need-more-domain-experts-in-the-data-sciences/#14ee761e3b50
我的经验还表明：
- 大多数数据迭代都是耗时的。
- 连接几乎总是离线的，因此每次迭代都需要另一次会议，换句话说，
- 不敏捷！
本次演讲有两个目标。 我的主要目标是演示 JMP 虚拟连接如何帮助根本原因分析团队在组合表时更加敏捷。 我的第二个目标是为将要提出的原因分析收集替代建议。这个例子是假设的，因为它没有描述我见过的实际问题，而是基于一些可能出错的经验。 此外，所有数据都是模拟的。 虽然这个例子来自半导体 (IC) 制造，但这个问题可能发生在任何加工厂，甚至在药物研究中。
对 IC 制造的各个方面进行简要概述，以提供数据和异常的背景信息，然后是有关虚拟连接的一些详细信息，然后进行分析。请注意，此处提供的示例是随附论文中写的两个示例之一。
关键词：异常, RCA（根本原因分析）、数据挖掘工具、半导体制造、JMP® 虚拟连接、JSL、可重入工艺、IC（集成电路）、FEOL（生产线前端）、BEOL（生产线后端）、EOL（生产结束）生产线，通常是良率和性能测试以及模具准备、PM（预防性维护）。
一些背景
集成电路 (IC) 是通过众多处理步骤创建的：氧化、注入、具有不同导电性和势垒（非导电性）特性的薄膜和溅射金属的沉积、图案化、平坦化，当然还有清洁和测量。 它从裸露的掺杂硅晶圆 [1] 开始，最终每个晶圆上有多个芯片 (IC)。 每个晶圆的最大芯片数量取决于晶圆尺寸（直径）和芯片尺寸[2]。 见图1(L)
图 1(R) 是一幅卡通图，描绘了具有 5 层铜金属互连 BEOL 的芯片的一小部分。[3]尽管每个铜层的架构、金属厚度、布局以及可能的配方可能有所不同，但通常情况下，它们是在同一工厂区域（晶圆厂）和相同的工具上进行加工的。
图1 （ L ) 25 片裸硅晶圆的载体，具有平坦且经过完全加工的晶圆，带有凹口 (右) 五层铜互连 BEOL 的 IC 图形。
FEOL 和 BEOL 是分段的。 即使是微量的铜也会快速扩散到氧化物中，从而产生缺陷并降低栅极氧化物的质量。
图 2 描述了 FEOL 可能的晶圆厂（工厂）布局 [4]。 相同类型和功能的加工设备位于间隔内。 它们的布局针对散装化学品输送、排气和排水管道进行了优化。 一种称为自动物料搬运系统 (AMHS) 的高架轨道系统将晶圆厂从一个站点运送到下一站点，或将它们临时存储在远程储料器中，直到工具可用为止。 没有标准的布局，每个半导体公司都有自己的工厂规划小组。 大多数工厂队列都是可重入的。 例如，海湾 7 和 9 中的四个工具可能执行七个不同的清理步骤。 了解工厂流程和设备使用情况对于根本原因分析至关重要。 使用此示例，单个工具可能会影响晶圆厂多达七次，并且某些晶圆厂可能从未在该设备上进行过处理。
请参阅参考资料 [7] 或快速网络搜索视频和其他来源，以了解有关半导体制造的更多信息。
图2 FEOL 工艺的可能工厂布局。
处理顺序、步骤之间的时间、在特定工具上处理的时间以及处理可能是导致异常（影响 IC 质量的问题）的重要因素。 每个硅晶片都有一个刻在硅上的晶片编号。 有一个行业标准可以追踪每个晶圆的来源。大约 20 年来，晶圆厂 (fab) 的加工设备和处理程序都配备了 RFID 读取器。 制造系统捕获晶圆进入和退出工具的准确时间等。 所呈现（和附加）的模拟数据使用简单的编号系统。 它不是晶圆厂数据的复制品，但提供了此示例所需的特征。
虚拟加入
A虚拟加入：
- 允许主表链接到多个辅助表，而无需物理连接它们。
- 需要设置两个列属性：链接参考（主表）和链接ID （辅助表）。
- 引用（链接）数据表的列在主表中显示为分组变量。
- 这些列可用于公式、图表、分析和表格命令。
- 可以从 UI 创建，并且可以使用 JSL 创建和管理。
图 3 (L) 描绘了 7 个连接表，它们通过唯一的晶圆编号 (Wafernum) 连接。 这链接参考链接时显示为蓝色阴影键，取消链接时显示为灰色。 单击公开图标以引用该表的列。
图3 (大) EOL 产量/性能/异常数据与 7 次操作的设备数据虚拟结合， (男) M1 辅助表面板，带链接 ID， (右)表菜单，合并参考数据，
图 3 (M) 描绘了其中一个桌子的桌子面板（M1，第一层 Cu 层）。 这链接ID是一把金钥匙。这链接参考和链接ID必须是相同的数据类型。 这链接ID值必须是唯一的，不能重复。如果使用 JSL，或者为了能够在另一个会话中重新链接表，则需要将表保存到磁盘。下面的列表提供了虚拟连接的一些特征。 图 3(R) 显示可以随时合并选定的一组表链接。 选择链接参考要合并，或对所有链接列选择“无”，然后从主表菜单中选择“合并”。将它们合并到主表中就这么简单。
注意事项
- 路径区分大小写，但如果辅助 jmp 数据表与主数据表位于同一目录中，则不需要路径名。 （如果团队混合使用不同的操作系统，请使用 posix 语法 c:/temp/）。
- 对于晶圆厂数据，典型的链接是批次、晶圆 ID，也可能是芯片（行、列）。 RCA 团队应就一个标准达成一致，每个区域代表应拥有自己的数据，并通过创建链接ID 。 这样可以与 RCA 会议同时进行数据更正，并且一旦准备好就可以轻松链接。
- 不要对链接使用数据库名称，因为每个链接表都需要一个唯一的链接参考以及相应的链接 ID。使用链接函数。 更新数据将更加容易，并且链接值也会更新。 （每个 Wafernum.M 列都使用 DB 列 Wafernum 的列公式。）
这种更简单的语法似乎有效。
：姓名（ “工具[Wafernum.M1] ” ）换句话说， ：姓名（ ”科名[链接ID]” ）
- 关闭辅助表，而不是取消链接，特别是如果稍后可能使用链接（可能用于不同的文件）。
受到推崇的：
创建加载项或脚本以自动创建链接并打开已建立的链接文件。
虚拟加入的好处：
- 栏目名称管理t图 4 显示了 7 个链接表中的 3 个。 它们各自具有相同的列名称。 所有 JMP 联接都会为具有相同名称的列添加有关源表的信息，但这些名称是源表名称，通常又长又复杂。 为一个虚拟加入，您设置链接参考和链接ID名称。 通过更简洁的语法，名称管理对于链接和脚本编写来说更容易且更具可读性。
- 并行工作假设 M5 的原因分析团队成员表示他的数据有问题。 关闭 M5 数据表，让团队继续，准备好后，打开更正的表并通过右键单击主表列 Wafernum.M5 并选择重新链接它链接参考。 将出现文件列表并选择 M5 文件。
图4 3 次操作的晶圆厂设备数据，相同的列名称
模拟示例 - EOL M3 电阻间歇性失效
更难根除的原因之一是污染问题，特别是如果污染通过定期维护 (PM) 消除并随着使用而消散（可修复）并且有条件的话。 对 BEOL 半导体制造工厂的 7 层金属溅射进行了模拟，以演示这种异常情况。
流行病学、药物研究以及食品和药物加工可能会以某种频率经历类似类型的异常。
SRHO是金属电阻质量指标。SRHO 增加的潜在原因并不缺乏，甚至将调查仅限于 M3 环路。 如果线太窄，电阻就会增加。 如果线路破裂或其他缺陷或金属污染会影响金属的导电特性。 图 5 显示了效果。 上图代表假期关闭前几周的基线材料。 下图描绘了节后材料。 一些间歇性批次的M3电阻EOL指标未通过SPC，并且目前已经失控，晶圆必须报废。 只有少数异常地段，然后就没有看到了。 然后“最终规则”开始生效：小信号最终成为大信号。 一系列不良批次出现在生产线的末尾。
图5 M3.SRHO (T)基线批次平均 (乙) 节后批次平均与 M3 溅射工具的比较
原因分析问题
- 异常工具是否具体？
- 流程是否一致，是否使用相同的化学品？
- 考虑到间歇性，这可能与工具状态有关吗？
- 这是否与流程顺序、排队时间、一个步骤到另一个步骤之间的时间等有关？
仅使用 FIFO 队列模拟 M1-M7 溅射，但有例外。 全批次为 25 片晶圆，半批次为 12 片晶圆，快速周转批次为 6 片晶圆。FIFO 例外是 6 片晶圆批次优先。 为了向模拟添加一些真实性，“其他”处理步骤的随机吞吐量时间被用来在 M1 和 M2 等之间具有不同的重入时间。这些其他处理时间基于固定的设置时间；处理时间取决于晶圆数量和优先级；和随机排队时间。 在使用真实数据进行真实原因分析时，循环中的每个工具和队列都需要调查。 仅模拟溅射工具以限制复杂性并专注于方法。 另请注意，本文使用的叙述是内联关键尺寸数据显示行尺寸没有变化。 为了消除断线或裂纹，通常会检查剥离或内联视觉效果。 什么也没找到，所以重点是金属本身。
为了回答问题#1，我们回顾了不同工具的发生率比较。 大多数情况下，这是一次一个工具的审查，由模块完成，并在第一次 RCA 团队会议上进行审查。 或者，具有特征选择的数据挖掘工具可以应用于包含来自多个步骤的列的大型表。 可以使用如图 3 (L) 中所示的虚拟链接主表，而不是单个整体文件。
问题#2，继续叙述，对散装系统的化学审查没有发现任何结果。 所有工具都连接到相同的系统。 此时，异常数据可以与在线监控数据、工具传感器数据表链接并进行分析。
随着叙述的继续，一名工程师表示，在关闭前几周，M5 的配方、化学混合物发生了变化，以使沉积物更符合 M5 的地形（结构）。 实施前的表征包括一些 M5 晶圆，然后是一些 M1 晶圆，并对其他层重复。 所有结果均在基线内。
RCA 团队主席要求对 M3 和 M5 的晶圆数量进行分析，试图回答有关工具状态的问题 3。 假设工程师的第一个文件只有晶圆总数。 关闭表格并让工程师添加一列，用于显示在 M3 之前运行的 M5 晶圆的累积数量。 数据修改后，打开新文件并链接。 图 6 展示了不同的文件、不同的迭代可以链接到异常数据。
图6节后 EOL M3 异常数据与 M3 工具 PMCounters 关联
图7 - 按工具划分的节后 M3.SRHO 与 PM_WFRCOUNT（此处仅显示 SPUTT02）
图 7 是 M3.SRHO 数据与 SPUTT02 晶圆数的 Y by X 拟合图，表明在低晶圆数和高晶圆数时都会发生故障。 模拟计划每 500 个晶圆进行一次 SPC，并在 5000 个晶圆或每个腔室大约 2500 个晶圆后进行一次 PM。 整批晶圆上似乎都存在耗尽效应（每个晶圆都有所减少）。 此外，由于这种模拟的性质，节后早期的材料有许多 6 晶圆、快速周转批次。
鉴于实施前特征显示仅运行少数 M5 晶圆没有效果，这可能是累积或由于排序所致，换句话说，问题#4？
对于过去的分析，我在接下来的步骤中使用了事件分析。
- 创建所有工具事件的表。 （溅射机的 MES 数据。）
- 创建代表 10 个或更多滞后的列。 通过工具更容易做到这一点。 步骤如下： 按工具划分子集。编写一个脚本来创建滞后（请参阅 lagit.jsl） 合并工具文件。
- 选择 M3 操作数据，因为这种潜在的工具状态异常似乎仅影响 M3。即仅使用 M3 行。请参见文件 M3 Last 20.jmp。 创建链接ID晶圆.M3。
- 打开此文件，然后从异常数据中右键单击 Wafernum.M3 列，选择链接参考。 使用树方法（分区）和特征选择来查找模式。
使用适用于字符列的 JMP 函数 Lag( :col, n ) 可以相当快地完成事件排序。 在这种情况下，将创建工具历史记录（该工具之前运行过的内容）。
图8带有工具事件滞后的表 M3 Last 20.jmp 结构的片段
图9 M3.SRHO 批次平均值与最后 20 个工具事件的划分
图 8 显示了表结构的片段，图 9 显示了分区历史记录。 按顺序选择滞后 1、2 和 3，并且每次都在事件 M5LotMoveIn 上进行拆分。 图 8 显示了一个公式列以简化排序。 它是编码事件的串联，0 = PM，5 = M5，1 表示所有其他事件。 图 10 是 RCA 管理更新的图表。
图10 M3SRHO批次处理效果展示图
评论
- 模拟达到了预期的效果。
- 由于内置的饱和度、PM 和损耗，对这种类型的异常进行标准建模很困难。
- 排序和寻找特定效果是我的 BKM。
- 查找之前运行过 M5 的所有 M3 批次。
- 计算与基线的增量。 将效果与晶圆数量进行比较。
- 研究晶圆耗尽效应。
- 目前，我正在研究可靠性测序并寻找标准化这些方法的建议。
- 该论文包含更多细节，以及另一个原因分析示例。 附加的数据文件夹包含有关模拟和建模效果的 readme.txt 文件。 链接后的数据文件已附加脚本来重新创建图形和分区。
虚拟联接有助于敏捷的数据更新和重组，这对于 RCA 特别有用。
参考
[1] 图 1(L) 裸硅片，(na)， (nd), 硅片。 2017 年 7 月 31 日检索自 TechInstro 网站， https://www.techinstro.com/silicon-wafer/
[2] 图 1 (L)、(na)、 2013 年 4 月 9 日，每晶圆芯片公式和（免费）计算器。 2017 年 7 月 31 日检索自anysilicon 网站， http://anysilicon.com/die-per-wafer-formula-free-calculators/
[3] 图 1(R) (na)， (nd), 生产线后端。 2017 年 7 月 31 日检索自维基百科、免费百科全书、网站、 https://en.wikipedia.org/wiki/Back_end_of_line
[4] 图2，유광재，2015年1月20日，韩国科学技术院 (KAIST) 工业与系统工程 Optimal Fab SDM 实验室，图2。 基于工艺类型之间的物料流动的最佳FAB布局设计。 2017 年 7 月 31 日检索自http://sdm.kaist.ac.kr/wordpress/korean/%EC%9C%A0%EA%B4%91%EC%9E%AC/ , http://sdm.k aist.ac.kr/wordpress/korean/wp-content/uploads/sites/2/2015/01/YGJ_2.png。
[5] Leetaru, K.（2016 年 6 月 12 日）为什么我们需要更多数据科学领域的专家。 2017 年 7 月 31 日摘自福布斯网站https://www.forbes.com/sites/kalevleetaru/2016/06/12/why-we-need-more-domain-experts-in-the-data-sciences/#14ee761e3b50
[6]（娜）， (nd), 从头到尾的数据挖掘。217 年 7 月 31 日检索自 SAS 网站https://www.sas.com/content/dam/SAS/en_us/doc/whitepaper1/data-mining-from-az-104937.pdf
[7] 了解更多半导体制造的其他网站
https://www.bloomberg.com/news/articles/2016-06-09/how-intel-makes-a-chip
https://www.youtube.com/watch?v=vmAyXWvLHeI （FOUP 加载影片）
https://www.youtube.com/watch?v=4Q_n4vdyZzc （台积电半导体技术，2011）
