Analisi delle cause
Georgia Z. Morgan, Statistica Senior, in pensione
Analisi delle cause è un termine generico applicato alle attività utilizzate per indagare, analizzare e infine determinare i fattori causali di una o più anomalie. Metodi avanzati di apprendimento automatico e altri strumenti di data mining hanno ridotto i tempi e gli sforzi necessari per analizzare i dati.
La preparazione dei dati, ovvero le fasi per acquisire i dati e trasformarli in informazioni, richiede competenze specifiche di settore. Per dare origine a un processo produttivo complesso, è probabile che gli esperti di settore provengano da organizzazioni funzionali diverse 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 aggregata una singola tabella di base per l'analisi, 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 osservato innumerevoli volte, c'è un'enorme differenza tra l'analisi dei dati e il rispondere a domande. Ogni set di dati offre una visione particolare della realtà, ma nessun singolo set di dati offre una visione perfetta, olistica e imparziale della totalità dell'esistenza. Ciò significa che, quando si tratta di analizzare i dati, per molti versi è molto più importante comprendere i 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 settore nelle scienze dei dati . Consultato 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 richiedono molto tempo.
- Le unioni sono quasi sempre offline, quindi ogni iterazione richiede un'altra riunione, in altre parole,
- Non agile!
Questa presentazione ha due obiettivi. Il mio obiettivo principale è dimostrare come JMP Virtual Join possa 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 verranno presentate. L'esempio è ipotetico in quanto non descrive un problema reale che ho riscontrato, ma si basa su diverse esperienze su cosa potrebbe andare storto. Inoltre, tutti i dati sono simulati. Sebbene questo esempio si basi sulla produzione di semiconduttori (IC), questo problema potrebbe verificarsi in qualsiasi fabbrica di trasformazione o persino negli studi sui farmaci.
Una breve panoramica degli aspetti della produzione di circuiti integrati, per fornire un contesto ai dati e alle anomalie, sarà seguita da alcuni dettagli sui Virtual Join e dalle analisi. Si noti che l'esempio presentato qui è uno dei due descritti nel documento allegato.
Parole chiave: anomalia , RCA (analisi delle cause alla radice), strumenti di data mining, produzione di semiconduttori, unione virtuale JMP®, JSL, processo rientrante, 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 dello stampo), PM (manutenzione preventiva).
Un po' di contesto
I circuiti integrati (IC) vengono creati attraverso numerose fasi di lavorazione: ossidazione, impianto, deposizione di film e metalli sputterati con diverse caratteristiche di conduttività e barriera (non conduttività), modellazione, planarizzazione e, naturalmente, pulizia e misurazione. Il processo inizia con un wafer di silicio nudo e drogato [1] e termina 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]. Si veda la 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 tacca ( R ) Un grafico IC di un'interconnessione BEOL in Cu a cinque strati.
FEOL e BEOL sono segmentati. Anche una minima quantità di Cu 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 lavorazione dello stesso tipo e funzione sono posizionate in baie. Il loro layout è ottimizzato per le tubazioni, la distribuzione di prodotti chimici sfusi, gli scarichi e gli scarichi. Un sistema di rotaie aeree, chiamato sistema automatico di movimentazione dei materiali (AMHS), trasporta i lotti di produzione da una stazione all'altra o li immagazzina temporaneamente in un magazzino remoto fino a quando non diventa disponibile uno strumento. Non esiste un layout standard, ogni azienda produttrice di semiconduttori ha il proprio gruppo di pianificazione della fabbrica. La maggior parte delle code di produzione sono rientranti. Ad esempio, i quattro strumenti nelle baie 7 e 9 potrebbero eseguire sette diverse fasi di pulizia. La conoscenza del flusso di produzione e dell'utilizzo delle apparecchiature è essenziale per l'analisi delle cause profonde. Utilizzando questo esempio, un singolo strumento potrebbe potenzialmente influenzare un lotto di produzione fino a sette volte e alcuni lotti di produzione potrebbero non essere mai stati elaborati su quell'apparecchiatura.
Vedere i riferimenti [7] o effettuare una rapida ricerca sul web di 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 le fasi, il momento in cui il prodotto è stato elaborato su uno specifico strumento e la manipolazione possono essere importanti fattori che contribuiscono a un'anomalia, un problema che influisce sulla qualità del circuito integrato. Ogni wafer di silicio ha un numero di wafer inciso nel silicio. Esiste uno standard industriale che consente di risalire all'origine di ogni wafer. Da circa 20 anni, le apparecchiature di lavorazione e i gestori delle fabbriche sono dotati di lettori RFID. I sistemi di produzione rilevano l'istante esatto 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 si tratta di una replica dei dati di fabbricazione, ma forniscono 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 dei dati referenziati (collegati) 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) mostra 7 tabelle unite, unite dal numero di wafer univoco (Wafernum). Il Riferimento al collegamento è visualizzato come una legenda ombreggiata in blu quando la tabella è collegata e in grigio quando non è collegata. Fare clic sull'icona di divulgazione per fare riferimento alle colonne di quella tabella.
Figura 3 (L) Dati di rendimento/prestazioni/anomalie EOL virtualmente uniti ai dati dell'apparecchiatura per 7 operazioni, (M) Pannello della tabella ausiliaria M1 con ID collegamento, (R) Menu della tabella, Unisci dati referenziati,
La Figura 3 (M) mostra il pannello della tabella per una di queste tabelle (M1, il primo strato Cu). L' ID collegamento è una chiave gold. Il Riferimento al collegamento e l'ID collegamento devono essere dello stesso tipo di dati. I valori dell'ID collegamento devono essere univoci, senza valori duplicati. Se si utilizza JSL, o per poter ricollegare le tabelle in un'altra sessione, è necessario salvarle su disco. L'elenco seguente fornisce alcune caratteristiche dei virtual join. La Figura 3(R) mostra che in qualsiasi momento è possibile unire un insieme selezionato di collegamenti di tabella. Selezionare i Riferimenti al collegamento da unire, oppure selezionarne nessuno per tutte le colonne collegate, quindi selezionare Unisci dal menu principale della tabella. Unirli nella tabella principale è semplicissimo.
Elementi da notare
- Il percorso distingue tra maiuscole e minuscole, ma non è obbligatorio 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 sistemi operativi diversi).
- Per i dati fab, i collegamenti tipici sarebbero lotto, ID wafer, forse matrice (riga, colonna). Il team RCA dovrebbe concordare uno standard e ogni rappresentante di area dovrebbe possedere i propri dati, preparandosi creando il collegamento ID . Ciò consente correzioni dei dati in parallelo alle riunioni RCA e può essere facilmente collegato una volta pronto.
- Non utilizzare un nome di database per i collegamenti, poiché ogni tabella collegata richiede un Riferimento al collegamento univoco e un ID di collegamento corrispondente. Utilizzare una funzione per i collegamenti. L'aggiornamento dei dati sarà più semplice e anche il valore del collegamento verrà aggiornato. (Ogni Wafernum.M 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 ( " nome colonna [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'iscrizione 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 della tabella 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 dettagliata, 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. Chiudete la tabella dati M5, lasciate che il team continui e, quando siete pronti, aprite la tabella corretta e ricollegatela facendo clic con il pulsante destro del mouse sulla colonna principale della tabella, Wafernum.M5, e selezionando Riferimento al collegamento . Apparirà un elenco di file; selezionate 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 eliminare è un problema di contaminazione, soprattutto se la contaminazione viene rimossa tramite manutenzione programmata (PM) e si dissipa con l'uso (riparabile) e se è condizionale. Per dimostrare questa anomalia, è stata creata una simulazione per un impianto di produzione di semiconduttori BEOL per uno sputtering metallico a 7 strati.
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.
L'SRHO è un parametro di qualità per la resistenza dei metalli. Non mancano potenziali cause di un aumento dell'SRHO, anche limitando l'indagine al solo circuito M3. Se le linee sono troppo strette, la resistenza aumenta. Se le linee presentano crepe o altri difetti o contaminazione metallica, le caratteristiche conduttive del metallo possono essere compromesse. La Figura 5 ne mostra l'effetto. Il grafico in alto rappresenta il materiale di base per diverse settimane prima di una chiusura per festività. Il grafico in basso rappresenta il materiale post-festività. Alcuni indicatori di fine linea (EOL) di lotti intermittenti per la resistenza M3 non superano l'SPC e sono finora fuori controllo; i wafer devono essere scartati. Ci sono stati solo pochi lotti anomali, poi non ne è stato rilevato nessuno. Quindi entra in gioco la "regola finale": i piccoli segnali alla fine diventano segnali grandi. Una raffica di lotti difettosi appare a fine 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 sputtering M1-M7 è stato simulato con una coda FIFO, con un'eccezione. I lotti completi sono composti da 25 wafer, i mezzi lotti da 12 wafer e i lotti a rotazione rapida da 6 wafer. L'eccezione FIFO è che un lotto da 6 wafer ha la precedenza. Per aggiungere un po' di realismo alla simulazione, sono stati utilizzati tempi di throughput casuali per "altre" fasi del processo per ottenere tempi di rientro variabili tra M1 e M2, ecc. Questi altri tempi di elaborazione erano basati su tempi di setup fissi; tempi di elaborazione basati sul numero di wafer e sulla precedenza; e tempi di coda casuali. In un'analisi di causa reale con dati reali, ogni strumento e coda nel ciclo richiede un'analisi. Solo gli strumenti di sputtering sono stati simulati per limitare la complessità e concentrarsi sui metodi. Si noti inoltre che il documento utilizza la narrazione secondo cui i dati dimensionali critici in linea non hanno mostrato alcuna variazione nelle dimensioni della linea. Per eliminare rotture o crepe nella linea, in genere vengono esaminati uno stripback o delle immagini in linea. Non è stato rilevato nulla, quindi l'attenzione è rivolta al metallo stesso.
Per rispondere alla domanda n. 1, viene esaminato un confronto dell'incidenza per strumento. Il più delle volte si tratta di una revisione di uno strumento alla volta, effettuata dai moduli e analizzata durante la prima riunione del team RCA. In alternativa, uno strumento di data mining con selezione delle funzionalità potrebbe essere applicato a una tabella di grandi dimensioni con colonne provenienti da più fasi. Invece di un singolo file monolitico, si potrebbe utilizzare una tabella principale virtualmente collegata come quella mostrata in Figura 3 (L).
Domanda n. 2, per continuare la narrazione, un'analisi chimica dei sistemi di massa non rileva nulla. Tutti gli strumenti sono collegati agli stessi sistemi. A questo punto, i dati delle anomalie potrebbero essere collegati alle tabelle dei dati del monitor in linea e dei dati dei sensori degli strumenti e analizzati.
Mentre la narrazione prosegue, un ingegnere afferma che un paio di settimane prima della chiusura, la ricetta M5, ovvero la miscela chimica, è stata modificata per rendere la deposizione più conforme alla topografia (strutture) di M5. La caratterizzazione prima dell'implementazione ha incluso alcuni wafer M5 seguiti da alcuni wafer di M1, e ripetuta per gli altri strati. Tutti i risultati erano in linea con i valori di base.
Il responsabile del team RCA richiede un'analisi del numero di wafer per M3 e M5, cercando di rispondere alla domanda n. 3 sullo stato degli utensili. Supponiamo che il primo file dell'ingegnere contenga solo il numero totale di wafer. Chiudere la tabella e chiedere all'ingegnere di aggiungere una colonna per il numero cumulativo di wafer M5 processati prima di M3. Una volta modificati i dati, aprire il nuovo file e collegarlo. La Figura 6 mostra come file diversi e iterazioni diverse possano essere collegate ai dati delle anomalie.
Figura 6 Dati di anomalia M3 post-vacanza EOL collegati allo strumento M3 PMCounters
Figura 7 - M3.SRHO post-vacanza rispetto a PM_WFRCOUNT per strumento (qui viene mostrato solo SPUTT02)
Figura 7, un grafico Y per X dei dati M3.SRHO rispetto al numero di wafer per SPUTT02 dimostra che i guasti si sono verificati sia con un numero basso di wafer che con un numero elevato di wafer. La simulazione prevedeva un SPC ogni 500 wafer e una manutenzione preventiva (PM) dopo 5000 wafer, ovvero circa 2500 wafer per camera. Sembra che si sia osservato un effetto di deplezione sui lotti completi (una diminuzione per ogni wafer). Inoltre, data la natura di questa simulazione, il materiale post-vacanza presentava molti lotti da 6 wafer a produzione 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 ritardi. Questo è più facile da fare con uno strumento. I passaggi sono: Crea un sottoinsieme con lo strumento. Scrivi uno script per creare i ritardi (vedi lagit.jsl). Combina i file dello strumento.
- Selezionare i dati dell'operazione M3, poiché questa potenziale anomalia nello stato dell'utensile sembra interessare solo M3. In altre parole, utilizzare solo le righe M3. Vedere il file M3 Last 20.jmp. Creare l' ID collegamento Wafernum.M3.
- Aprire questo file e, dai dati delle anomalie, fare clic con il pulsante destro del mouse sulla colonna Wafernum.M3 e selezionare Riferimento al collegamento . Utilizzare i metodi ad albero (partizione) e la 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, ovvero 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, suddividendoli ogni volta in base all'evento M5LotMoveIn. La Figura 8 mostra una colonna formula per semplificare la sequenza. Si tratta della 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 i file readme.txt relativi alla simulazione e all'effetto modellato. I file dati, una volta collegati, sono corredati da script per ricreare i grafici e la partizione.
I Virtual Join 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, Formula Die Per Wafer 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), Back End of Line . 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 materiali 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 (carica filmato FOUP)
https://www.youtube.com/watch?v=4Q_n4vdyZzc (Tecnologia dei semiconduttori presso TSMC, 2011)
