Analisi delle cause
Georgia Z. Morgan, Statistica senior, in pensione
L'analisi delle cause è un termine generale applicato alle attività utilizzate per indagare, analizzare ed eventualmente determinare i fattori causali di una o più anomalie. Metodi avanzati di apprendimento automatico e altri strumenti di data mining hanno ridotto il tempo e gli sforzi per analizzare i dati.
La preparazione dei dati, i passaggi per acquisire dati e trasformarli in informazioni, richiedono competenze nel settore. Per innescare un processo di produzione complesso, è probabile che gli esperti del 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 ed è necessario accedervi e trasformarli in un set di dati che può essere utilizzato per il data mining e l’apprendimento automatico.…
Ciò spesso richiede una quantità significativa di aggregazione e trasformazione dei dati. Una volta aggregata un'unica tabella analitica 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 e l'analista prova diversi tipi di dati per ottenere i risultati predittivi più accurati .”
(n / a), (nd), Estrazione dei dati dalla A alla Z.Estratto il 31 luglio 217 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 un'enorme differenza tra l'estrazione dei dati e la risposta alle domande. Ogni dato 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 comprendere i dati che si stanno osservando piuttosto che avere un dottorato in statistica. "
Leetaru, K. (12 giugno 2016) Perché abbiamo bisogno di più esperti di dominio nelle scienze dei dati . Estratto 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
È anche la mia esperienza che:
- La maggior parte delle iterazioni dei dati richiede 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 principali 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 può andare storto. Inoltre, tutti i dati vengono simulati. Anche se questo esempio si basa sulla produzione di semiconduttori (IC), questo problema potrebbe verificarsi in qualsiasi fabbrica di trasformazione o anche negli studi sui farmaci.
Una breve panoramica degli aspetti della produzione di circuiti integrati, per fornire il contesto ai dati e alle anomalie, sarà seguita da alcuni dettagli sui Virtual Join e quindi dalle analisi.Nota: l'esempio presentato qui è uno dei due riportati nel documento allegato.
Parole chiave: anomalia , RCA (Root Cause Analysis), strumenti di data mining, produzione di semiconduttori, JMP® virtual join, JSL, processo rientrante, IC (circuito integrato), FEOL (Front End Of Line), BEOL (Back End Of Line), EOL (End Of Linea, tipicamente, prove di resa e prestazione e Die Prep), PM (Manutenzione Preventiva).
Un po' di contesto
I circuiti integrati, i circuiti integrati, vengono 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 dalla dimensione del wafer (diametro) e dalla dimensione del die[2]. Vedi Figura 1(L)
La Figura 1(R) è una vignetta raffigurante 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, la disposizione ed eventualmente la ricetta potrebbero essere diversi per ogni strato di Cu, in genere vengono lavorati nella stessa area della fabbrica (fab bay) e sugli stessi strumenti.
Figura 1 ( l ) Portante di 25 wafer di silicio nudi con wafer piatto e completamente lavorato con tacca ( R ) Un grafico IC di un'interconnessione Cu BEOL a cinque strati.
FEOL e BEOL sono segmentati. Anche una piccola 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 (fabbrica) per un FEOL [4]. Nelle baie sono ubicate apparecchiature di trattamento dello stesso tipo e funzione. La loro disposizione è ottimizzata per l'impianto idraulico per la consegna di prodotti chimici sfusi, scarichi e scarichi. Un sistema ferroviario sopraelevato, chiamato sistema di movimentazione automatica dei materiali (AMHS), trasporta lotti favolosi 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 nei vani 7 e 9 potrebbero eseguire sette diversi passaggi di pulizia. La conoscenza del flusso di fabbrica e dell'utilizzo delle attrezzature è essenziale per l'analisi delle cause profonde. Usando questo esempio, un singolo strumento potrebbe potenzialmente influenzare un fablot fino a sette volte, e alcuni fablot potrebbero non essere mai stati elaborati su quel pezzo di attrezzatura.
Consulta i riferimenti [7] o esegui una rapida ricerca sul Web per video e altre fonti per saperne di più sulla produzione di semiconduttori.
figura 2 Possibile layout favoloso per un processo FEOL.
Le sequenze di lavorazione, il tempo tra le fasi, il momento in cui è stata elaborata su uno strumento specifico e la manipolazione possono essere fattori importanti che contribuiscono a un'anomalia, un problema che influisce sulla qualità del circuito integrato. Ciascun wafer di silicio ha un numero di wafer inciso nel silicio. Esiste uno standard industriale in grado di risalire a ogni wafer fino alla sua origine.Da circa 20 anni, le apparecchiature di lavorazione e i manipolatori delle fabbriche (di fabbrica) dispongono di 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 della simulazione presentati (e allegati) utilizzano un semplice sistema di numerazione. Non è una replica di dati fab, ma fornisce le caratteristiche desiderate per questo esempio.
Partecipazione virtuale
UN 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 al collegamento (tabella principale) e ID collegamento (tabella ausiliaria).
- Le colonne della tabella dati a cui si fa riferimento (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 utilizzando JSL.
La Figura 3 (L) raffigura 7 tabelle unite, sono unite dal numero univoco del wafer (Wafernum). IL Riferimento al collegamento viene visualizzato come una chiave ombreggiata in blu quando è collegata e in grigio quando non è collegata. Fai clic sull'icona di divulgazione per fare riferimento alle colonne di quella tabella.
Figura 3 (L) Dati su resa/prestazioni/anomalie EOL virtualmente uniti ai dati sulle apparecchiature per 7 operazioni, (M) Pannello tavolo ausiliario M1 con ID collegamento, (R) Menu Tabella, Unisci dati di riferimento,
Figura 3 (M) Rappresenta il pannello del tavolo per uno di questi tavoli (M1, il primo strato di Cu). IL ID collegamento è una chiave d'oro.IL Riferimento al collegamento E ID collegamento deve essere lo stesso tipo di dati. IL ID collegamento i valori 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 join virtuali. La Figura 3(R) mostra che in qualsiasi momento è possibile unire un insieme selezionato di collegamenti di tabella. Seleziona il Riferimenti di collegamento da unire oppure selezionarne nessuna per tutte le colonne collegate, quindi selezionare Unisci dal menu principale della tabella.È semplicissimo unirli nella tabella principale.
Elementi da notare
- Il percorso fa distinzione tra maiuscole e minuscole, ma non è richiesto un nome 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 diversi sistemi operativi).
- Per i dati fab, i collegamenti tipici sarebbero Lotto, ID wafer, forse Die (riga, colonna). Il team RCA dovrebbe concordare uno standard e ciascun rappresentante di area dovrebbe possedere i propri dati e prepararsi creando il ID collegamento . Ciò consente correzioni dei dati in parallelo con le riunioni RCA e può essere facilmente collegato una volta pronto.
- Non utilizzare un nome DB per i collegamenti, poiché ogni tabella collegata richiede un nome univoco Riferimento al collegamento e corrispondente ID collegamento.Utilizzare una funzione per i collegamenti. L'aggiornamento dei dati sarà più semplice e anche il valore del collegamento verrà aggiornato. (Ogni colonna Wafernum.M 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 di riferimento( "Strumento[Wafernum.M1]" ,
Riferimento( Colonna (:Wafernum.M1), Riferimento( Colonna ( :Attrezzo ))))
Questa sintassi più semplice sembra funzionare.
: Nome ( "Strumento[Wafernum.M1] " ) in altre parole, : Nome ( " colname [ID collegamento]" )
- Chiudi la tabella ausiliaria, anziché scollegarla, soprattutto se il collegamento potrebbe essere utilizzato in seguito, possibilmente per un file diverso.
Consigliato:
Crea un componente aggiuntivo o script per creare automaticamente collegamenti e aprire file di collegamento stabiliti.
Vantaggi dell'iscrizione virtuale:
- Gestione dei nomi delle colonne T La Figura 4 mostra 3 delle 7 tabelle collegate. Ognuno di essi 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 un Partecipazione virtuale , hai impostato il Riferimento al collegamento E ID collegamento nomi. Con la sintassi meno dettagliata, la gestione dei nomi è più semplice e più leggibile per il collegamento e lo scripting.
- Lavorare 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 è pronto, apri la tabella corretta e ricollegala con un clic destro sulla colonna della tabella principale Wafernum.M5 e seleziona Riferimento al collegamento . Viene visualizzato un elenco di file e selezionare il file M5.
Figura 4 Dati sull'attrezzatura Fab per 3 operazioni, stessi nomi di colonna
Esempio simulato: resistenza EOL M3 a guasto intermittente
Una delle cause più difficili da eliminare è un problema di contaminazione, soprattutto se la contaminazione viene rimossa con la manutenzione programmata (PM) e si dissipa con l'uso (riparabile) e se è condizionale. Per dimostrare questa anomalia è stata creata una simulazione per una fabbrica di produzione di semiconduttori BEOL per uno sputtering metallico a 7 strati.
L'epidemiologia, gli studi sui farmaci e la lavorazione di alimenti e farmaci probabilmente sperimentano un tipo simile di anomalia con una certa frequenza.
SRHO è una metrica della qualità della resistenza del metallo.Non mancano le 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 sono incrinate o altri difetti o contaminazione metallica possono influenzare le caratteristiche conduttive del metallo. La Figura 5 mostra l'effetto. Il grafico in alto rappresenta il materiale di riferimento per diverse settimane prima della chiusura per le festività. Il grafico in basso mostra il materiale post-festivo. Gli indicatori EOL di alcuni lotti intermittenti per la resistenza M3 non superano l'SPC e sono così fuori controllo che i wafer devono essere scartati. C'erano solo pochi lotti anomali, poi non se ne è più visto nessuno. Poi entra in gioco la “regola eventuale”: piccoli segnali infine diventano grandi segnali. Alla fine della riga appare una raffica di lotti cattivi.
Figura 5 M3.SRHO (T) Media lotto di riferimento ( B ) Media lotto post-festivo rispetto agli strumenti Sputter M3
Domande sull'analisi delle cause
- Lo strumento di anomalia è specifico?
- I processi sono coerenti e utilizzano le stesse sostanze chimiche?
- Data la natura intermittente, ciò potrebbe essere correlato allo stato dello strumento?
- Potrebbe essere correlato alla sequenza del processo, ai tempi di coda, al tempo tra un passaggio e l'altro, ecc.
Solo lo sputtering M1-M7 è stato simulato con una coda FIFO, con un'eccezione. I lotti completi sono 25 wafer, i mezzi lotti sono 12 wafer e i lotti rapidi sono 6 wafer.L'eccezione FIFO è che un lotto di 6 wafer ha la precedenza. Per aggiungere un po' di realtà alla simulazione, sono stati utilizzati tempi di throughput casuali per "altre" fasi del processo per avere tempi di rientro variabili tra M1 e M2, ecc. Questi altri tempi di elaborazione erano basati su tempi di impostazione fissi; tempo di elaborazione in base al numero di wafer e alla precedenza; e tempi di coda casuali. In un'analisi delle cause reali con dati reali, ogni strumento e coda nel ciclo necessita di analisi. Sono stati simulati solo gli strumenti sputter per limitare la complessità e concentrarsi sui metodi. Si noti inoltre che il documento utilizza la narrazione secondo cui i dati sulle dimensioni critiche in linea non hanno mostrato alcun cambiamento nella dimensione della linea. Per eliminare rotture o incrinature della linea, in genere vengono esaminati elementi visivi strip back o in linea. Non è stato trovato nulla, quindi l'attenzione è concentrata sul metallo stesso.
Per rispondere alla domanda n. 1, viene esaminato un confronto dell'incidenza per strumenti. Molto spesso si tratta di una revisione uno strumento alla volta eseguita dai moduli e rivista durante la prima riunione del team RCA. Oppure uno strumento di data mining con selezione di funzionalità potrebbe essere applicato a una tabella enorme con colonne provenienti 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, un esame chimico dei sistemi sfusi non trova nulla. Tutti gli strumenti sono collegati agli stessi sistemi. A questo punto, i dati di anomalia potrebbero essere collegati alle tabelle dei dati del monitor in linea e ai dati dei sensori dello strumento e analizzati.
Mentre la narrazione continua, un ingegnere afferma che un paio di settimane prima dello spegnimento, la ricetta di M5, la miscela chimica è stata modificata per rendere la deposizione più conforme alla topografia (strutture) di M5. La caratterizzazione prima dell'implementazione includeva alcuni wafer M5 seguiti da alcuni wafer M1 e ripetuta per gli altri strati. Tutti i risultati rientravano nei valori basali.
Il presidente del team RCA chiede un'analisi del numero di wafer sia per M3 che per M5, cercando di rispondere alla domanda n. 3, sullo stato dello strumento. Supponiamo che il primo file dell'ingegnere contenga solo il conteggio totale dei wafer. Chiudi la tabella e chiedi al tecnico di aggiungere una colonna per il numero cumulativo di wafer M5 eseguiti prima di M3. Una volta modificati i dati, aprire il nuovo file e collegarlo. La Figura 6 dimostra che file diversi e iterazioni diverse possono essere collegate ai dati dell'anomalia.
Figura 6 Dati sulle anomalie M3 EOL post-festivi collegati allo strumento M3 PMCounters
Figura 7 - M3.SRHO post-festivo rispetto a PM_WFRCOUNT per strumento (qui è mostrato solo SPUTT02)
La Figura 7, un grafico Adatta Y per X dei dati M3.SRHO rispetto ai conteggi di wafer per SPUTT02 dimostra che si sono verificati guasti con conteggi di wafer bassi e conteggi di wafer elevati. La simulazione prevede un SPC ogni 500 wafer e un PM viene eseguito dopo 5000 wafer o circa 2500 wafer per camera. Sembra che si osservi un effetto di esaurimento su tutti i lotti (una diminuzione con ciascun wafer). Inoltre, a causa della natura di questa simulazione, il materiale post-festivo 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 dovuto al sequenziamento, in altre parole, la domanda n. 4?
Per le analisi precedenti, ho utilizzato l'analisi degli eventi per i passaggi successivi.
- Crea una tabella di tutti gli eventi dello strumento. ( Dati MES per gli sputterer.)
- Crea colonne che rappresentano 10 o più ritardi. Questo è più facile da fare con lo strumento. I passaggi sono: Sottoinsieme per strumento.Scrivi uno script per creare ritardi (vedi lagit.jsl) Combina i file dello strumento.
- Selezionare i dati operativi M3, poiché questa potenziale anomalia dello stato dell'utensile sembra interessare solo M3.Cioè usa solo le righe M3.Vedere il file M3 Ultimi 20.jmp. Crea il ID collegamento Wafernum.M3.
- Apri questo file e dai dati dell'anomalia fai clic con il pulsante destro del mouse sulla colonna Wafernum.M3, seleziona Riferimento al collegamento . Utilizzare i metodi dell'albero (Partizione) e la selezione delle funzionalità per trovare uno schema.
La sequenza degli eventi può essere eseguita abbastanza rapidamente utilizzando la funzione JMP Lag( :col, n ), che funziona sulle 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 Last 20.jmp Struttura con ritardi degli eventi dello strumento
Figura 9 Partizione della media del lotto M3.SRHO rispetto agli ultimi 20 eventi dello strumento
La Figura 8 mostra uno snippet 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 in base all'evento M5LotMoveIn. La Figura 8 mostra una colonna formula per semplificare la sequenziazione. 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 dell'elaborazione del lotto M3SRHO
Commenti
- La simulazione ha raggiunto l'effetto desiderato.
- La modellizzazione standard di questo tipo di anomalia è difficile a causa della saturazione, del PM e dell’esaurimento incorporati.
- Il sequenziamento e la ricerca di effetti specifici è (era) il mio BKM.
- Trova tutti i lotti M3 in cui è stato eseguito M5 appena prima.
- Calcolare il delta rispetto alla linea di base. Confronta l'effetto con il numero di wafer.
- Esaminare gli effetti di esaurimento dei wafer.
- Attualmente sto ricercando il sequenziamento dell'affidabilità e cercando suggerimenti per standardizzare questi metodi.
- Il documento contiene ulteriori dettagli e un altro esempio di analisi delle cause. La cartella dati allegata contiene file readme.txt riguardanti la simulazione e l'effetto modellato. Ai file di dati una volta collegati sono allegati 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 . Estratto il 31 luglio 2017 dal sito Web TechInstro, https://www.techinstro.com/silicon-wafer/
[2] Figura 1 (L), (na), 09 aprile 2013, Formula Die Per Wafer e calcolatore (gratuito). . Estratto il 31 luglio 2017 dal sito Web anysilicon, http://anysilicon.com/die-per-wafer-formula-free-calculators/
[3] Figura 1(R) (na), (nd), Fine della riga posteriore . Estratto 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 Ingegneria industriale e di sistema , Figura 2. Progettazione ottimale del layout FAB in base al flusso di materiale tra i tipi di processo. Estratto il 31 luglio 2017 da 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. (12 giugno 2016) Perché abbiamo bisogno di più esperti di dominio nelle scienze dei dati . Estratto 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), Estrazione dei dati dalla A alla Z.Estratto il 31 luglio 217 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)
