Analisi delle cause
Georgia Z. Morgan, Sr Statistica, in pensione
L'analisi delle cause è un termine generico applicato alle attività utilizzate per investigare, analizzare e infine determinare i fattori causali di una singola o più anomalie. I metodi avanzati di apprendimento automatico e altri strumenti di data mining hanno ridotto il tempo e lo sforzo per analizzare i dati.
La preparazione dei dati, i passaggi per acquisire dati e trasformarli in informazioni, richiedono competenza di dominio. Per dare origine a un processo di produzione complesso, è probabile che gli esperti di dominio provengano da diverse organizzazioni funzionali e che i dati provengano da fonti diverse.
La mia esperienza è condivisa da altri:
“Spesso i dati si trovano in sistemi diversi e devono essere accessibili e trasformati in un set di dati che può essere utilizzato per il data mining e l'apprendimento automatico. …
Ciò richiede spesso una notevole quantità di aggregazione e trasformazione dei dati. Una volta che una singola tabella di base analitica per l'analisi è stata aggregata, entrano in gioco gli altri aspetti del ciclo di vita. Poiché è necessario sperimentare con i dati, anche la fase di preparazione è molto iterativa, con l'analista che prova diversi tipi di dati per ottenere i risultati predittivi più accurati ".
(na), (nd), Data Mining dalla A alla Z. Recuperato il 31 luglio 2017 dal sito web SAS https://www.sas.com/content/dam/SAS/en_us/doc/whitepaper1/data-mining-from-az-104937.pdf
"Come ho notato in innumerevoli occasioni, c'è una differenza enorme tra l'estrazione di dati e la risposta a domande. Ogni set di dati offre uno sguardo particolare sulla realtà, ma nessun singolo set di dati offre una visione perfetta, olistica e imparziale dell'intera esistenza. Ciò significa che quando si tratta di analizzare i dati, per molti versi è molto più importante avere una qualsiasi comprensione dei dati che si stanno esaminando che avere un dottorato di ricerca in statistica.”
Leetaru, K. (12 giugno 2016) Perché abbiamo bisogno di più esperti di dominio nelle scienze dei dati . Recuperato il 31 luglio 2017 dal sito web di Forbes https://www.forbes.com/sites/kalevleetaru/2016/06/12/why-we-need-more-domain-experts-in-the-data-sciences/#14ee761e3b50
Anche la mia esperienza è che:
- La maggior parte delle iterazioni dei dati richiede molto tempo.
- Le unioni sono quasi sempre offline, quindi ogni iterazione richiede un altro incontro, in altre parole,
- Non è agile!
Questa presentazione ha due obiettivi. Il mio obiettivo principale è dimostrare come JMP Virtual Join può aiutare un team di analisi delle cause profonde a essere più agile, quando si tratta di combinare tabelle. Il mio obiettivo secondario è raccogliere proposte alternative per le analisi delle cause che saranno presentate. L'esempio è ipotetico in quanto non descrive un problema reale che ho visto, ma si basa su diverse esperienze di cosa può andare storto. Inoltre, tutti i dati sono simulati. Mentre questo esempio trarrà spunto dalla produzione di semiconduttori (IC), questo problema potrebbe verificarsi in qualsiasi fabbrica di lavorazione o persino negli studi sui farmaci.
Una breve panoramica degli aspetti della produzione di IC, per fornire contesto per i dati e l'anomalia, sarà seguita da alcuni dettagli sui Virtual Join e quindi dalle analisi. Nota, l'esempio presentato qui è uno dei due che sono scritti nel documento allegato.
Parole chiave: anomalia , RCA (Root Cause Analysis), strumenti di data mining, produzione di semiconduttori, JMP® virtual join, JSL, processo di rientro, IC (circuito integrato), FEOL (Front End Of Line), BEOL (Back End Of Line), EOL (End Of Line, in genere test di resa e prestazioni e preparazione degli stampi), PM (manutenzione preventiva).
Un po' di contesto
I circuiti integrati, IC, sono creati da numerose fasi di lavorazione di: ossidazione, impianto, deposizione di pellicole e metalli spruzzati con diverse caratteristiche di conduttività e barriera (non conduttività), modellazione, planarizzazione e, naturalmente, pulizia e misurazione. Si inizia con un wafer di silicio nudo e drogato [1] e si finisce con più die (IC) per wafer. Il numero massimo di die per wafer dipende dalle dimensioni del wafer (diametro) e dalle dimensioni del die [2]. Vedere Figura 1 (L)
La figura 1(R) è un fumetto che raffigura un segmento molto piccolo di un chip con un'interconnessione BEOL in metallo Cu a 5 strati.[3] Anche se l'architettura, lo spessore del metallo, il layout e possibilmente la ricetta potrebbero essere diversi per ogni strato di Cu, in genere vengono elaborati nella stessa area di fabbrica (fab bay) e sugli stessi strumenti.
Figura 1 ( L ) Supporto di 25 wafer di silicio nudi con wafer piatto e completamente lavorato con intaglio ( R ) Un grafico IC di un'interconnessione BEOL in Cu a cinque strati.
Il FEOL e il BEOL sono segmentati. Anche una minima quantità di Cu si diffonde rapidamente attraverso gli ossidi creando difetti e degradando la qualità dell'ossido di gate.
La figura 2 illustra un possibile layout di fabbrica per un FEOL [4]. Le apparecchiature di elaborazione dello stesso tipo e funzione sono posizionate in baie. Il loro layout è ottimizzato per l'impianto idraulico per la consegna di prodotti chimici alla rinfusa, scarichi e scarichi. Un sistema di rotaie aeree, chiamato sistema di movimentazione automatica dei materiali (AMHS), trasporta i lotti di fabbrica da una stazione all'altra o li immagazzina temporaneamente in un magazzino remoto finché non diventa disponibile uno strumento. Non esiste un layout standard, ogni azienda di semiconduttori ha il proprio gruppo di pianificazione della fabbrica. La maggior parte delle code di fabbrica sono rientranti. Ad esempio, i quattro strumenti nelle baie 7 e 9 potrebbero eseguire sette diversi passaggi di pulizia. La conoscenza del flusso di fabbrica e dell'utilizzo delle apparecchiature è essenziale per l'analisi delle cause principali. Utilizzando questo esempio, un singolo strumento potrebbe potenzialmente influenzare un lotto di fabbrica fino a sette volte e alcuni lotti di fabbrica potrebbero non essere mai stati elaborati su quel pezzo di attrezzatura.
Consultare i riferimenti [7] o effettuare una rapida ricerca sul web per video e altre fonti per saperne di più sulla produzione di semiconduttori.
Figura 2 Possibile layout di fabbrica per un processo FEOL. 
Le sequenze di elaborazione, il tempo tra i passaggi, il momento in cui è stato elaborato su uno strumento specifico e la gestione possono essere importanti fattori che contribuiscono a un'anomalia, un problema che influisce sulla qualità dell'IC. Ogni wafer di silicio ha un numero di wafer inciso nel silicio. Esiste uno standard di settore che può tracciare ogni wafer fino alla sua origine. Per circa 20 anni, le apparecchiature di elaborazione e i gestori di fab (fabbrica) hanno lettori RFID. I sistemi di produzione catturano l'ora esatta in cui i wafer entrano ed escono da uno strumento e altro ancora. I dati di simulazione presentati (e allegati) utilizzano un semplice sistema di numerazione. Non è una replica dei dati fab, ma fornisce le caratteristiche desiderate per questo esempio.
Partecipazione virtuale
A Partecipazione virtuale:
- Consente a una tabella principale di collegarsi a più tabelle ausiliarie senza unirle fisicamente.
- Richiede l'impostazione di due proprietà di colonna: Riferimento collegamento (tabella principale) e ID collegamento (tabella ausiliaria).
- Le colonne della tabella dati referenziata (collegata) vengono visualizzate come variabili raggruppate nella tabella principale.
- Queste colonne possono essere utilizzate in formule, grafici, analisi e comandi di tabella.
- Può essere creato dall'interfaccia utente e può essere creato e gestito tramite JSL.
La Figura 3 (L) raffigura 7 tabelle unite, unite dal numero wafer univoco (Wafernum). Il Riferimento collegamento è visualizzato come una chiave ombreggiata blu quando è collegato e grigio quando non è collegato. Fare clic sull'icona di divulgazione per fare riferimento alle colonne per quella tabella.
Figura 3 (l) Dati di rendimento/prestazioni/anomalie EOL virtualmente uniti ai dati dell'attrezzatura per 7 operazioni, (M) Pannello della tabella ausiliaria M1 con ID collegamento, (R) Menu della tabella, Unisci dati referenziati,
Figura 3 (M)Rappresenta il pannello della tabella per una di queste tabelle (M1, il primo strato Cu). L' ID collegamento è una chiave gold. Il Riferimento collegamento e l'ID collegamento devono essere dello stesso tipo di dati. I valori dell'ID collegamento devono essere univoci, nessun valore duplicato. Se si utilizza JSL, o per poter ricollegare le tabelle in un'altra sessione, le tabelle devono essere salvate sul disco. L'elenco seguente fornisce alcune caratteristiche dei virtual join. La Figura 3(R) mostra che in qualsiasi momento è possibile unire un set selezionato di collegamenti di tabella. Selezionare i Riferimenti di collegamento da unire, oppure selezionarne nessuno per tutte le colonne collegate, quindi selezionare Unisci dal menu della tabella principale. È facile come questo unirli nella tabella principale.
Elementi da notare
- Il percorso è sensibile alla distinzione tra maiuscole e minuscole, ma non è obbligatorio specificare un nome di percorso se la tabella dati jmp ausiliaria si trova nella stessa directory della tabella dati principale. (Utilizzare la sintassi posix c:/temp/ se il team lavora con un mix di sistemi operativi diversi).
- Per i dati fab, i link tipici sarebbero Lot, Wafer ID, forse Die (riga, colonna). Il team RCA dovrebbe concordare uno standard e ogni rappresentante di area dovrebbe possedere i propri dati e prepararsi creando l' ID collegamento . Ciò consente correzioni dei dati parallelamente alle riunioni RCA e può essere facilmente collegato una volta pronto.
- Non usare un nome DB per i link, poiché ogni tabella collegata richiede un Riferimento collegamento univoco e un Link ID corrispondente. Usa una funzione per i link. L'aggiornamento dei dati sarà più semplice e anche il valore Link verrà aggiornato. (Ogni Wafernum.M la colonna utilizza una formula di colonna per la colonna DB Wafernum.)
- Gli script della piattaforma salvati utilizzano una sintassi dettagliata per fare riferimento a una colonna collegata.
Colonna referenziata( "Strumento[Wafernum.M1]" ,
Riferimento( Colonna (:Wafernum.M1), Riferimento( Colonna ( :Strumento ))))
Questa sintassi più semplice sembra funzionare.
: Nome ( "Strumento[Wafernum.M1] " ) in altre parole, : Nome ( " nomecolonna [ID collegamento]" )
- Chiudere la tabella ausiliaria anziché scollegarla, soprattutto se il collegamento potrebbe essere utilizzato in seguito, magari per un file diverso.
Raccomandato:
Crea un componente aggiuntivo o degli script per creare automaticamente collegamenti e aprire i file di collegamento stabiliti.
Vantaggi dell'adesione virtuale:
- Gestione dei nomi delle colonne La Figura 4 mostra 3 delle 7 tabelle collegate. Ognuna ha gli stessi nomi di colonna. Tutti i join JMP aggiungono informazioni sulla tabella di origine per le colonne con gli stessi nomi, tuttavia, i nomi sono i nomi delle tabelle di origine che sono spesso lunghi e complessi. Per una Partecipazione virtuale , si impostano i nomi di Riferimento collegamento e ID collegamento . Con la sintassi meno prolissa, la gestione dei nomi è più semplice e leggibile per il collegamento e lo scripting.
- Lavorando in parallelo Supponiamo che il membro del team di analisi delle cause per M5 abbia dichiarato che i suoi dati presentavano un problema. Chiudi la tabella dati M5, lascia che il team continui e, quando sei pronto, apri la tabella corretta e ricollegala con un clic destro sulla colonna della tabella principale Wafernum.M5 e seleziona Riferimento collegamento . Appare un elenco di file e seleziona il file M5.
Figura 4 Dati delle apparecchiature Fab per 3 operazioni, stessi nomi di colonna
Esempio simulato - Resistenza EOL M3 con guasto intermittente
Una delle cause più difficili da sradicare è un problema di contaminazione, soprattutto se la contaminazione viene rimossa con manutenzione programmata (PM) e si dissipa con l'uso (riparabile) e se è condizionale. È stata creata una simulazione per una fabbrica di produzione di semiconduttori BEOL per uno sputtering di metallo a 7 strati per dimostrare questa anomalia.
È probabile che un tipo di anomalia simile si verifichi con una certa frequenza anche nell'epidemiologia, negli studi sui farmaci e nella lavorazione di alimenti e farmaci.
SRHO è una metrica di qualità della resistenza del metallo. Non mancano potenziali cause per un aumento di SRHO, anche limitando l'indagine al solo loop M3. Se le linee sono troppo strette, la resistenza aumenta. Se le linee sono incrinate o altri difetti o contaminazione del metallo possono influenzare le caratteristiche conduttive del metallo. La Figura 5 mostra l'effetto. Il grafico in alto rappresenta il materiale di base per diverse settimane prima di una chiusura per le vacanze. Il grafico in basso raffigura il materiale post-vacanza. Gli indicatori EOL di alcuni lotti intermittenti per la resistenza M3 non superano l'SPC e sono finora fuori controllo, i wafer devono essere scartati. C'erano solo alcuni lotti anomali, poi non ne è stato visto nessuno. Quindi entra in gioco la "regola finale": i piccoli segnali alla fine diventano segnali grandi. Una raffica di lotti difettosi appare alla fine della linea.
Figura 5 M3.SRHO (T) Media del lotto di base ( B ) Media del lotto post-vacanza rispetto agli strumenti di sputtering M3 
Domande di analisi delle cause
- Lo strumento di rilevamento delle anomalie è specifico?
- I processi sono coerenti e utilizzano le stesse sostanze chimiche?
- Data la natura intermittente, ciò potrebbe essere correlato allo stato dell'utensile?
- Potrebbe essere correlato alla sequenza del processo, ai tempi di coda, al tempo tra una fase e l'altra, ecc.
Solo lo sputter M1-M7 è stato simulato con una coda FIFO, con un'eccezione. I lotti completi sono 25 wafer, i lotti dimezzati sono 12 wafer e i lotti a rotazione rapida sono 6 wafer. L'eccezione FIFO è che un lotto da 6 wafer ha la precedenza. Per aggiungere un po' di realtà alla simulazione, sono stati utilizzati tempi di elaborazione casuali per "altri" passaggi di processo per avere tempi di rientro variabili tra M1 e M2, ecc. Questi altri tempi di elaborazione erano basati su tempi di configurazione fissi; tempo di elaborazione basato sul numero di wafer e precedenza; e tempi di coda casuali. In un'analisi delle cause reali con dati reali, ogni strumento e coda nel ciclo necessita di indagine. Sono stati simulati solo gli strumenti di sputter per limitare la complessità e concentrarsi sui metodi. Si noti inoltre che il documento utilizza la narrazione secondo cui i dati delle dimensioni critiche in linea non hanno mostrato alcuna modifica nelle dimensioni della linea. Per eliminare rotture o crepe della linea, in genere vengono esaminati uno strip back o immagini in linea. Non è stato trovato nulla, quindi l'attenzione è sul metallo stesso.
Per rispondere alla domanda n. 1, viene esaminato un confronto di incidenza per strumenti. Nella maggior parte dei casi si tratta di una revisione di uno strumento alla volta effettuata dai moduli e analizzata durante la prima riunione del team RCA. Oppure uno strumento di data mining con selezioni di funzionalità potrebbe essere applicato a una tabella massiccia con colonne da più passaggi. Invece di un singolo file monolitico, potrebbe essere utilizzata una tabella principale virtualmente collegata come quella mostrata nella Figura 3 (L).
Domanda n. 2, per continuare la narrazione, una revisione chimica dei sistemi di massa non trova nulla. Tutti gli strumenti sono collegati agli stessi sistemi. A questo punto, i dati di anomalia potrebbero essere collegati con tabelle di dati di monitoraggio in linea, dati di sensori di strumenti e analizzati.
Mentre la narrazione continua, un ingegnere afferma che un paio di settimane prima della chiusura, la ricetta M5, la miscela chimica è stata modificata per rendere la deposizione più conforme alla topografia (strutture) in M5. La caratterizzazione prima dell'implementazione includeva alcuni wafer M5 seguiti da alcuni wafer di M1, e ripetuta per gli altri strati. Tutti i risultati erano entro la linea di base.
Il presidente del team RCA chiede un'analisi dei conteggi dei wafer per M3 e M5, cercando di rispondere alla domanda n. 3, sullo stato degli strumenti. Supponiamo che il primo file dell'ingegnere abbia solo conteggi totali dei wafer. Chiudi la tabella e chiedi all'ingegnere di aggiungere una colonna per il numero cumulativo di wafer M5 eseguiti prima di M3. Quando i dati vengono modificati, apri il nuovo file e collegalo. La Figura 6 dimostra che file diversi, iterazioni diverse possono essere collegate ai dati delle anomalie.
Figura 6 Dati di anomalia M3 post-vacanza EOL collegati con lo strumento M3 PMCounters
Figura 7 - M3.SRHO post-vacanza rispetto a PM_WFRCOUNT per strumento (qui è mostrato solo SPUTT02)
Figura 7, un grafico Fit Y by X dei dati M3.SRHO rispetto ai conteggi di wafer per SPUTT02 dimostra che si sono verificati guasti con bassi conteggi di wafer e alti conteggi di wafer. La simulazione ha programmato SPC ogni 500 wafer e un PM viene eseguito dopo 5000 wafer o circa 2500 wafer per camera. Sembra che si sia verificato un effetto di esaurimento sui lotti completi (una diminuzione con ogni wafer). Inoltre, a causa della natura di questa simulazione, il materiale post-vacanza precoce aveva molti lotti da 6 wafer, a rotazione rapida.
Dato che la caratterizzazione pre-implementazione non ha mostrato alcun effetto con solo pochi wafer M5 eseguiti, potrebbe trattarsi di un accumulo o di una conseguenza del sequenziamento, in altre parole, domanda n. 4?
Per le analisi passate, per i miei prossimi passi ho utilizzato le analisi degli eventi.
- Creare una tabella di tutti gli eventi degli strumenti. ( Dati MES per gli sputterer.)
- Crea colonne che rappresentano 10 o più lag. È più facile farlo con uno strumento. I passaggi sono: Subset con uno strumento. Scrivi uno script per creare lag (vedi lagit.jsl) Combina i file dello strumento.
- Selezionare i dati dell'operazione M3, poiché questa potenziale anomalia dello stato dell'utensile sembra influenzare solo M3. Ciò significa utilizzare solo le righe M3. Vedere il file M3 Last 20.jmp. Creare l' ID collegamento Wafernum.M3.
- Apri questo file e dai dati di anomalia fai clic con il pulsante destro del mouse sulla colonna Wafernum.M3, seleziona Riferimento collegamento . Utilizza metodi ad albero (partizione) e selezione delle feature per trovare un pattern.
Il sequenziamento degli eventi può essere eseguito abbastanza rapidamente utilizzando la funzione JMP Lag( :col, n ), che funziona su colonne di caratteri. In questo caso, viene creata la cronologia dello strumento, ciò che lo strumento ha eseguito in precedenza.
Figura 8 Frammento della tabella M3 Ultimi 20.jmp Struttura con ritardi degli eventi degli strumenti
Figura 9 Partizione della media del lotto M3.SRHO rispetto agli ultimi 20 eventi dello strumento
La Figura 8 mostra un frammento della struttura della tabella e la Figura 9 la cronologia delle partizioni. I ritardi 1, 2 e 3 sono stati scelti in ordine e, ogni volta, suddivisi sull'evento M5LotMoveIn. La Figura 8 mostra una colonna di formule per semplificare la sequenza. È la concatenazione di eventi codificati, 0 = PM, 5 = M5 e 1 per tutti gli altri eventi. La Figura 10 è il grafico presentato per l'aggiornamento della gestione RCA.
Figura 10 Grafico di presentazione dell'effetto di elaborazione del lotto M3SRHO
Commenti
- La simulazione ha ottenuto l'effetto sperato.
- La modellazione standard di questo tipo di anomalia è difficile a causa della saturazione, del particolato e dell'esaurimento intrinseci.
- Il mio BKM è (era) il sequenziamento e la ricerca di effetti specifici.
- Trova tutti i lotti M3 in cui è stato eseguito M5 appena prima.
- Calcola il delta rispetto alla baseline. Confronta l'effetto con il numero di wafer.
- Studiare gli effetti dell'esaurimento dei wafer.
- Attualmente sto conducendo ricerche sul sequenziamento dell'affidabilità e sto cercando suggerimenti per standardizzare questi metodi.
- Il documento contiene maggiori dettagli e un altro esempio di analisi delle cause. La cartella dati allegata contiene file readme.txt riguardanti la simulazione e l'effetto modellato. I file dati una volta collegati hanno script allegati per ricreare i grafici e la partizione.
Le unioni virtuali consentono aggiornamenti e ristrutturazioni agili dei dati, il che è particolarmente utile per RCA.
Riferimenti
[1] Figura 1(L) Wafer di silicio nudo, (na), (nd), Wafer di silicio . Recuperato il 31 luglio 2017 dal sito web TechInstro, https://www.techinstro.com/silicon-wafer/
[2] Figura 1 (L), (na), 9 aprile 2013, Die Per Wafer Formula e calcolatrice (gratuita) . Recuperato il 31 luglio 2017 dal sito web di anysilicon, http://anysilicon.com/die-per-wafer-formula-free-calculators/
[3] Figura 1(R) (na), (nd), Fine della linea . Recuperato il 31 luglio 2017 da Wikipedia, The Free Encyclopedia, sito web, https://en.wikipedia.org/wiki/Back_end_of_line
[4] Figura 2, 유광재, 20 gennaio 2015, Optimal Fab SDM LAB, KAIST Industrial & Systems Engineering , Figura 2. Progettazione ottimale del layout FAB basata sul flusso di materiale tra i tipi di processo. Recuperato il 31 luglio 2017 da http://sdm.kaist.ac.kr/wordpress/korean/%EC%9C%A0%EA%B4%91%EC%9E%AC/ , http://sdm.kaist.ac.kr/wordpress/korean/wp-content/uploads/sites/2/2015/01/YGJ_2.png .
[5] Leetaru, K. (12 giugno 2016) Perché abbiamo bisogno di più esperti di dominio nelle scienze dei dati . Recuperato il 31 luglio 2017 dal sito web di Forbes https://www.forbes.com/sites/kalevleetaru/2016/06/12/why-we-need-more-domain-experts-in-the-data-sciences/#14ee761e3b50
[6] (na), (nd), Data Mining dalla A alla Z. Recuperato il 31 luglio 2017 dal sito web SAS https://www.sas.com/content/dam/SAS/en_us/doc/whitepaper1/data-mining-from-az-104937.pdf
[7] Altri siti web per saperne di più sulla produzione di semiconduttori
https://www.bloomberg.com/news/articles/2016-06-09/how-intel-makes-a-chip
https://www.youtube.com/watch?v=vmAyXWvLHeI (FOUP Carica filmato)
https://www.youtube.com/watch?v=4Q_n4vdyZzc (Tecnologia dei semiconduttori presso TSMC, 2011)
