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，指的是调查、分析并最终确定单个或多个异常的因果因素。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。为了查明一个复杂的制造流程的根本原因，领域专家很可能来自不同的职能部门，数据来源也各不相同。
我的经验与其他人分享：
“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。一旦用于分析的单一分析基表被聚合，生命周期的其他方面就开始发挥作用。由于需要对数据进行实验，准备阶段也需要反复迭代，分析师需要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着巨大的差异。任何给定的数据集都能提供对现实的特定一瞥，但没有哪个数据集能够提供对所有存在整体的完美、全面和公正的视角。这意味着，在分析数据时，在很多方面，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的专家。摘自2017年7月31日《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：
- 大多数数据迭代都很耗时。
- 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！
本次演示有两个目标。我的主要目标是演示 JMP Virtual Join 如何帮助根本原因分析团队在合并表格时更加敏捷。我的次要目标是为即将呈现的原因分析收集替代方案。示例是假设性的，因为它并非我亲眼见过的实际问题，而是基于一些可能出错的经验。此外，所有数据均为模拟数据。虽然示例取自半导体 (IC) 制造行业，但这个问题可能发生在任何加工厂，甚至药物研究中。
本文将简要概述集成电路制造的各个方面，为数据和异常提供背景信息。之后，我们将详细介绍虚拟连接，并进行分析。请注意，本文提供的示例是附件论文中提到的两个示例之一。
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工艺步骤：氧化、注入、沉积具有不同导电性和阻隔性（非导电性）的薄膜和溅射金属、图案化、平坦化，当然还有清洁和测量。集成电路的制作始于一块裸露的掺杂硅晶圆 [1]，最终每个晶圆上会包含多个芯片（IC）。每个晶圆上的最大芯片数量取决于晶圆尺寸（直径）和芯片尺寸 [2]。参见图 1(L)。
图 1(R) 是一幅卡通画，描绘了一块芯片的很小一部分，该芯片具有 5 层 Cu 金属互连 BEOL。[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）装有 25 片裸硅晶片的载体，晶片平坦且经过完全处理，带有凹口（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层的质量。
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内。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工位运送到下一个工位，或将它们临时存储在远程储料器中，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，7 号和 9 号隔间的四个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。以这个例子为例，一件工具可能会对一个晶圆厂批次影响多达七次，而且有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资源，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、在特定设备上的处理时间以及处理方式都可能是导致异常的重要因素，而异常会影响集成电路的质量。每个硅晶圆上都刻有晶圆编号。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）的加工设备和处理机都配备了RFID读取器。制造系统可以捕捉晶圆进出设备的精确时间等等。本文提供（及附件）的模拟数据采用了简单的编号系统。它并非晶圆厂数据的复制品，但提供了本例所需的特性。
虚拟连接
A 虚拟连接:
- 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、图表、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) 展示了 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。点击显示图标即可查看该表的列。
图 3 (左) EOL 产量/性能/异常数据与 7 个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) 展示了其中一个表（M1，第一个 Cu 层）的面板。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值必须唯一，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。以下列表提供了虚拟连接的一些特性。图 3(R) 显示，可以随时合并一组选定的表链接。选择要合并的链接引用，或者对所有链接列都选择“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，则无需路径名。（如果团队使用混合不同的操作系统，请使用 posix 语法 c:/temp/）。
- 对于晶圆厂数据，典型的关联关系包括批次、晶圆 ID，甚至可能是芯片（行、列）。RCA 团队应就标准达成一致，每个区域代表应拥有各自的数据，并通过创建关联 ID做好准备。这样可以在 RCA 会议期间同步进行数据更正，并在准备就绪后轻松关联。
- 不要使用数据库名称作为链接，因为每个链接表都需要唯一的链接参考和相应的链接 ID。使用函数来创建链接。更新数据会更容易，并且链接值也会更新。（每个 Wafernum.M列使用 DB 列 Wafernum 的列公式。)
这种更简单的语法似乎有效。
:名称( 工具[Wafernum.M1] " )换句话说， :名称( " 列名 [链接 ID]” )
- 关闭辅助表，而不是取消链接，特别是如果链接可能稍后用于不同的文件。
受到推崇的：
创建一个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。它们每个都具有相同的列名。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，这些名称是源表名称，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。由于语法简洁，名称管理更简单，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，让团队继续工作。准备就绪后，打开已更正的表，并通过右键单击主表列Wafernum.M5并选择“链接参考”重新链接。出现文件列表，选择M5文件。
图 4 3 个操作的晶圆厂设备数据，相同的列名
模拟示例 - 间歇性失效 EOL M3 电阻
污染问题是最难根除的原因之一，尤其是在污染已通过定期维护 (PM) 清除，并随着使用而消散（可修复）的情况下，以及污染是有条件的。为了演示这种异常情况，我们创建了一个 BEOL 半导体制造厂的 7 层金属溅射模拟。
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的异常现象。
SRHO是一种金属电阻质量指标。即使将调查范围仅限于 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。如果线路出现裂缝或其他缺陷或金属污染，则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产前几周的基准材料。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，必须报废晶圆。只有少数异常批次，然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。生产线末端出现了大量不良批次。
图 5 M3.SRHO （T）基线批次平均值 ( B ) 假期后批次平均值与 M3 溅射工具的比较
原因分析题
- 异常工具是否具体？
- 这些过程是否一致，使用相同的化学品？
- 鉴于间歇性，这可能与工具状态有关吗？
- 这可能与流程顺序、排队时间、一个步骤与另一个步骤之间的时间等有关吗？
仅使用先进先出 (FIFO) 队列模拟了 M1-M7 溅射工艺，但有一个例外。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 例外情况是，6 片晶圆批次优先。为了使模拟更具真实性，我们使用了“其他”工艺步骤的随机吞吐时间，以便在 M1 和 M2 之间产生不同的重入时间，等等。这些其他工艺时间基于固定的设置时间；基于晶圆数量和优先级的工艺时间；以及随机队列时间。在使用真实数据进行真实原因分析时，需要调查循环中的每个工具和队列。仅模拟了溅射工具，以降低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路尺寸没有变化的叙述。为了消除线路断裂或裂纹，通常会检查剥离或在线视觉效果。由于没有发现任何问题，因此重点关注金属本身。
为了回答问题1，需要对不同工具的发生率进行比较。通常，这是由各个模块逐个工具进行的审查，并在第一次RCA团队会议上进行。或者，可以将具有特征选择功能的数据挖掘工具应用于包含来自多个步骤的列的海量表。可以使用虚拟链接的主表（如图3（L）所示）来代替单个庞大的文件。
问题2：继续叙述，对批量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，可以将异常数据与在线监测数据表、工具传感器数据表关联起来进行分析。
叙述继续进行，一位工程师表示，在停产前几周，M5 的配方（化学混合物）进行了调整，以使沉积物更贴合 M5 的形貌（结构）。实施前的表征包括几片 M5 晶圆，接着几片 M1 晶圆，并重复其他层。所有结果均在基线范围内。
RCA团队主席要求对M3和M5的晶圆数量进行分析，试图回答关于设备状态的第三个问题。假设工程师的第一个文件只包含晶圆总数。关闭表格，并让工程师添加一列，用于记录M3之前M5晶圆的累计数量。修改数据后，打开新文件并进行链接。图6演示了不同的文件、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 为 SPUTT02 的 M3.SRHO 数据与晶圆数量关系的 X 轴拟合图，表明故障发生在晶圆数量较少和较多的情况下。仿真计划每 500 片晶圆进行一次 SPC，并在 5000 片晶圆（即每个腔室约 2500 片晶圆）后进行一次 PM。在满批次上似乎出现了损耗效应（每片晶圆数量减少）。此外，由于本次仿真的性质，假期后初期的材料有很多 6 片晶圆的快速周转批次。
鉴于实施前的特性分析显示，仅运行少量 M5 晶圆时没有效果，这可能是累积效应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进行下一步分析。
- 创建所有工具事件的表格。（溅射器的 MES 数据。）
- 创建表示 10 个或更多滞后值的列。使用工具更容易完成。步骤如下：使用工具进行子集化。编写脚本创建滞后值（参见 lagit.jsl）。合并工具文件。
- 选择 M3 操作数据，因为此潜在工具状态异常似乎仅影响 M3。也就是说，仅使用 M3 行。请参阅文件 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” 。使用树状图方法（分区）和特征选择来查找模式。
使用 JMP 函数 Lag(:col, n) 可以相当快速地完成事件排序，该函数作用于字符列。在这种情况下，会创建工具历史记录，即工具之前运行过的内容。
图 8表 M3 Last 20.jmp 结构片段（包含工具事件的滞后）
图 9 M3.SRHO 批次平均值与最近 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
- 模拟达到了预期的效果。
- 由于内置饱和、PM 和损耗，这种异常类型的标准建模很困难。
- 排序并寻找特定效果是（曾经是）我的 BKM。
- 查找所有之前运行过 M5 的 M3 地段。
- 计算与基线的差异。将效果与晶圆数量进行比较。
- 研究晶圆耗尽效应。
- 目前，我正在研究可靠性排序并寻找标准化这些方法的建议。
- 论文包含更多细节，以及另一个原因分析示例。附件数据文件夹包含与模拟和模型效果相关的 readme.txt 文件。链接后的数据文件附带了用于重建图表和分区的脚本。
虚拟连接可以实现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。检索日期：2017 年 7 月 31 日，摘自 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，韩国科学技术研究院工业与系统工程系最佳晶圆厂SDM实验室，图2. 基于工艺类型间材料流的最佳晶圆厂布局设计。检索日期：2017年7月31日，来源：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) 《我们为何需要更多数据科学领域专家》 。摘自2017年7月31日《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。2017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
[7] 其他了解半导体制造信息的网站
https://www.bloomberg.com/news/articles/2016-06-09/how-intel-makes-a-chip
https://www.youtube.com/watch?v=vmAyXWvLHeI（FOUP装载影片）
https://www.youtube.com/watch?v=4Q_n4vdyZzc （台积电半导体技术，2011 年）
