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换为信息的步骤，需要领域专业知识。为了查明复杂的制造流程的根本原因，领域专家可能来自不同的职能组织，数据也可能来自不同的来源。
我的经验与其他人分享如下：
“通常，数据位于不同的系统中，需要访问并转换成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会发挥作用。由于需要对数据进行实验，因此准备阶段也是非常反复的，分析师会尝试不同类型的数据以获得最准确的预测结果。”
(na)，(nd)，从 A 到 Z 的数据挖掘。217 年 7 月 31 日从 SAS 网站检索https://www.sas.com/content/dam/SAS/en_us/doc/whitepaper1/data-mining-from-az-104937.pdf
“正如我无数次指出的那样，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，但没有一个数据集可以提供对所有存在的整体的完美、全面和无偏见的看法。这意味着，在分析数据时，在许多方面，对所查看的数据有所了解远比拥有统计学博士学位更重要。”
Leetaru, K.（2016 年 6 月 12 日）为什么我们需要更多数据科学领域专家。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
根据我的经验：
- 大多数数据迭代都非常耗时。
- 加入几乎总是离线的，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。我的主要目标是展示 JMP Virtual Join 如何帮助根本原因分析团队在合并表格时更加灵活。我的次要目标是收集将要介绍的原因分析的替代方案。这个例子是假设性的，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。虽然这个例子取自半导体 (IC) 制造，但这个问题可能发生在任何加工厂，甚至药物研究中。
简要概述 IC 制造的各个方面，为数据和异常提供背景信息，然后介绍虚拟连接的一些详细信息，然后进行分析。请注意，此处介绍的示例是随附论文中介绍的两个示例之一。
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、可重入过程、IC（集成电路）、FEOL（生产线前端）、BEOL（生产线后端）、EOL（生产线末端，通常为产量和性能测试以及芯片准备）、PM（预防性维护）。
一些背景信息
集成电路 (IC) 的制作需要经过许多加工步骤：氧化、植入、沉积具有不同导电性和阻隔性（非导电性）特性的薄膜和溅射金属、图案化、平坦化，当然还有清洁和测量。它从一块裸露的掺杂硅晶片 [1] 开始，最终每个晶片上会有多个芯片（IC）。每个晶片的最大芯片数量取决于晶片尺寸（直径）和芯片尺寸[2]。参见图 1(L)
图 1（R）是一幅动画，展示了带有 5 层 Cu 金属互连 BEOL 的芯片的一小部分。[3] 尽管每个 Cu 层的结构、金属厚度、布局以及可能的配方可能不同，但通常情况下，它们都是在同一工厂区域（晶圆厂区）使用相同的工具进行处理的。
图 1 （左）带有平坦且经过完全处理的带有凹口的晶圆的载体（右）五层 Cu 互连 BEOL 的 IC 图形。
FEOL 和 BEOL 是分段的。即使是微量的 Cu 也会迅速扩散穿过氧化物，造成缺陷并降低栅极氧化物的质量。
图 2 描绘了 FEOL [4] 的可能晶圆厂 (工厂) 布局。相同类型和功能的处理设备位于隔间中。它们的布局针对散装化学品输送、排气和排水的管道进行了优化。一种称为自动物料处理系统 (AMHS) 的高架轨道系统将晶圆厂批次从一个站点运送到下一个站点，或将它们临时存储在远程仓库中，直到有工具可用。没有标准布局，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，隔间 7 和 9 中的四种工具可能执行七个不同的清洁步骤。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。以此为例，一种工具可能会对一个晶圆厂批次产生多达七次影响，并且某些晶圆厂批次可能从未在该设备上进行过处理。
请参阅参考文献[7]或快速在网上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 工艺的可能晶圆厂布局。 
处理顺序、步骤之间的时间、在特定工具上进行处理的时间以及处理方式都是导致异常的重要因素，异常是影响 IC 质量的问题。每个硅片上都刻有晶圆编号。有一个行业标准可以追溯每个晶圆的来源。大约 20 年来，晶圆厂 (工厂) 处理设备和处理器都配备了 RFID 读取器。制造系统可以捕获晶圆进入和离开工具的准确时间等等。所呈现的 (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性。
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。
- 需要设置两列属性：链接引用（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、图形、分析和表格命令。
- 可以从UI创建，也可以使用JSL创建和管理。
图 3 (L) 显示了 7 个已连接的表，它们通过唯一的晶圆编号 (Wafernum) 连接。链接参考在已连接时显示为蓝色阴影键，在未连接时显示为灰色。单击显示图标可引用该表的列。
图 3 (左) EOL 产量/性能/异常数据与 7 项操作的设备数据虚拟连接， (中)带有链接 ID 的 M1 辅助表面板， (右)表格菜单，合并引用数据，
图 3 (M) 描绘了其中一个表（M1，第一个 Cu 层）的表面板。链接 ID是一把金钥匙。链接引用和链接 ID必须是相同的数据类型。链接 ID值必须是唯一的，不能有重复的值。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) 表明可以随时合并一组选定的表链接。选择要合并的链接引用，或为所有链接列选择无，然后从主表菜单中选择合并。将它们合并到主表中就是这么简单。
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。（如果团队使用混合不同的操作系统，则使用 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做好准备。这允许在 RCA 会议的同时进行数据更正，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唯一的链接参考和相应的链接 ID。对链接使用函数。更新数据将更容易，并且链接值也会更新。（每个 Wafernum.M列使用 DB 列 Wafernum 的列公式。
这个更简单的语法似乎有效。
: 姓名 ( 工具[Wafernum.M1] " )换句话说， : 姓名 ( " 列名 [链接ID]” )
- 关闭辅助表，而不是取消链接，特别是如果该链接可能稍后用于不同的文件。
受到推崇的：
创建插件或脚本来自动创建链接，并打开已建立的链接文件。
虚拟加入的好处：
- 列名管理图 4 显示了 7 个链接表中的 3 个。它们每个都有相同的列名。所有 JMP 连接都会为具有相同名称的列添加有关源表的信息，但是，名称是源表名称，通常很长且很复杂。对于虚拟连接，您可以设置链接引用和链接 ID名称。使用不太冗长的语法，名称管理更容易，并且更易于链接和脚本编写。
- 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，准备就绪后，打开更正后的表并通过右键单击主表列 Wafernum.M5 并选择链接参考来重新链接。出现文件列表并选择 M5 文件。
图 4 3 个操作的晶圆厂设备数据，相同的列名称
模拟示例 - 间歇性失效 EOL M3 电阻
最难根除的原因之一是污染问题，尤其是如果污染通过定期维护 (PM) 清除，并随着使用而消散（可修复），并且是有条件的。为 BEOL 半导体制造厂的 7 层金属溅射模拟，我们创建了一个模拟来演示这种异常。
流行病学、药物研究以及食品和药物加工可能也会以某种频率出现类似的异常现象。
SRHO是一种金属电阻质量指标。即使将调查范围限制在 M3 环路，SRHO 增加的潜在原因也有很多。如果线路太窄，电阻会增加。如果线路破裂或其他缺陷或金属污染会影响金属导电特性。图 5 显示了这种影响。上面的图表表示假期停工前几周的基准材料。下面的图表描绘了假期后的材料。一些间歇性批次的 M3 电阻 EOL 指标未通过 SPC，并且已经失控，晶圆必须报废。只有少数异常批次，之后就再也没有出现过。然后“最终规则”开始发挥作用：小信号最终会变成大信号。生产线末端会出现大量不良批次。
图 5 M3.SRHO （重）基线批次平均值 ( B ) 假期后批次平均值与 M3 溅射工具
原因分析题
- 异常工具是否具体？
- 这些工艺是否一致、使用相同的化学品？
- 鉴于其间歇性，这可能与工具状态有关吗？
- 这是否与流程顺序、排队时间、一个步骤与另一个步骤之间的时间等有关？
只有 M1-M7 溅射是用 FIFO 队列模拟的，但有一个例外。全批次为 25 个晶圆，半批次为 12 个晶圆，快速周转批次为 6 个晶圆。FIFO 例外是 6 个晶圆批次优先。为了给模拟增加一些真实性，使用“其他”工艺步骤的随机吞吐时间，使 M1 和 M2 之间的重入时间有所不同，等等。这些其他处理时间基于固定设置时间；基于晶圆数量和优先顺序的处理时间；以及随机排队时间。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，本文使用了在线关键尺寸数据显示线尺寸没有变化的叙述。为了消除线断裂或裂纹，通常会检查剥离或在线视觉效果。没有发现任何问题，因此重点放在金属本身上。
为了回答问题 1，需要对工具的发生率进行比较。通常，这是由模块一次完成的单个工具审查，并在第一次 RCA 团队会议上进行审查。或者可以将具有特征选择的数据挖掘工具应用于包含来自多个步骤的列的大型表。可以使用虚拟链接的主表（如图 3（L）所示），而不是单个单片文件。
问题 2，继续叙述，对散装系统进行化学检查未发现任何问题。所有工具都连接到同一系统。此时，异常数据可以与在线监测数据表、工具传感器数据表关联起来并进行分析。
叙述继续进行，一位工程师表示，在停产前几周，M5 配方（化学混合物）进行了更改，以使沉积物更符合 M5 的形貌（结构）。实施前的特性包括几个 M5 晶圆，然后是几个 M1 晶圆，并重复其他层。所有结果都在基线范围内。
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第 3 个问题。假设工程师的第一个文件只有总晶圆数量。关闭表格，让工程师添加一列，用于记录在 M3 之前运行的 M5 晶圆的累计数量。修改数据后，打开新文件并链接。图 6 表明，不同的文件、不同的迭代可以链接到异常数据。
图 6与 M3 工具 PMCounters 关联的假期后 EOL M3 异常数据
图 7 - 假期后 M3.SRHO 与 PM_WFRCOUNT 的工具对比（此处仅显示 SPUTT02）
图 7 是 SPUTT02 的 M3.SRHO 数据与晶圆数量的拟合 Y x 图表，表明晶圆数量少和晶圆数量多时都会发生故障。模拟计划每 500 个晶圆进行一次 SPC，在 5000 个晶圆或每个腔室约 2500 个晶圆后进行一次 PM。似乎在整批产品上出现了消耗效应（每片晶圆都会减少）。此外，由于此模拟的性质，假期后早期材料有许多 6 片晶圆的快速周转批次。
鉴于实施前的特性分析在仅运行少量 M5 晶圆时没有显示出任何效果，这可能是由于积累还是由于排序造成的，换句话说，问题 #4？
对于过去的分析，我已经使用事件分析来指导我的下一步行动。
- 创建所有工具事件的表格。（溅射器的 MES 数据。）
- 创建代表 10 个或更多滞后的列。使用工具更容易完成。步骤如下：通过工具进行子集化。编写脚本以创建滞后（参见 lagit.jsl）合并工具文件。
- 选择 M3 操作数据，因为这个潜在的工具状态异常似乎只影响 M3。也就是说只使用 M3 行。参见文件 M3 Last 20.jmp。创建链接 ID Wafernum.M3。
- 打开此文件，在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。
可以使用 JMP 函数 Lag( :col, n ) 相当快地完成事件排序，该函数作用于字符列。在这种情况下，将创建工具历史记录（即工具之前运行的内容）。
图 8表 M3 Last 20.jmp 结构片段，包含工具事件的滞后
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。按顺序选择了滞后 1、2 和 3，每次都根据事件 M5LotMoveIn 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 代表所有其他事件。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
- 模拟达到了预期效果。
- 由于内置的饱和度、PM 和损耗，这种异常类型的标准建模很困难。
- 排序并寻找特定的效果是（曾经是）我的 BKM。
- 查找所有之前运行过 M5 的 M3 批次。
- 计算与基线的差值。将效果与晶圆数量进行比较。
- 调查晶圆耗尽效应。
- 目前，我正在研究可靠性排序并寻找标准化这些方法的建议。
- 本文包含更多细节，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。链接后的数据文件附带了用于重新创建图形和分区的脚本。
虚拟连接可以实现灵活的数据更新和重组，这对于 RCA 特别有用。
参考
[1] 图 1(L) 裸硅晶圆、(na)、(nd)、硅晶圆。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，每晶圆芯片数量公式和（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)，线路后端。2017 年 7 月 31 日检索自维基百科，自由百科全书，网站， https://en.wikipedia.org/wiki/Back_end_of_line
[4] 图 2，유광재，2015 年 1 月 20 日，最佳 Fab SDM 实验室，韩国科学技术研究院工业与系统工程系，图 2。基于工艺类型间材料流的最佳 FAB 布局设计。检索日期：2017 年 7 月 31 日，来自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.（2016 年 6 月 12 日）为什么我们需要更多数据科学领域专家。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]（na），（nd），数据挖掘从 A 到 Z。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] 了解有关半导体制造的更多信息的其他网站
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 年）
