数据|普迪飞半导体：晶圆上的大数据挑战正成为下一道竞争前线

数据密集带来的挑战在一片晶圆上就足以体现。从IC设计、制造到封测，一片晶圆要经历成千上百道工序，每一道工序都会产生大量数据。这些海量数据在半导体工厂追溯问题、提升良率上承担着越来越重要的角色。
然而，半导体公司做数据分析异常艰难，因为半导体产业链极其长且高度细分，每一个环节都是由一大批专业的公司在做。这就意味着，小小一片晶圆上的数据要串联起来，面临着诸多实际困难。这是实现半导体工业4.0第一步要解决的问题。

“目前，传统半导体数据分析的现状是几乎90%的时间花在前期的数据清洗和数据整合上。”普迪飞半导体高级应用总监Edward Yang对集微网指出。Edward曾就职于苹果、恩智浦和罗克韦尔等领先公司，拥有20多年的行业经验。目前他在普迪飞负责Exensio Analytics Platform的全球应用工程团队。
作为新生产力的数据，能为半导体产业带来什么价值？
良率是半导体产业最重要的核心要素，它是芯片从实验室阶段到量产的重要衡量标准。与此同时，从经济学角度上看，芯片良率更与整体成本密切相关。
对于芯片企业来说，芯片良率直接反映了所投放的芯片可出售比例，因此也直接影响芯片制造成本，这也是半导体厂商如此重视良率的原因。半导体材料厂商Entegris执行副总裁及首席运营官Todd Edlund就曾在接受媒体采访时简单算过一笔账：对于3D NAND晶圆厂而言，1%的良率提高可能意味着每年1.1亿美元的净利润；而对于尖端的逻辑晶圆厂而言，1%的良率提升意味着1.5亿美元的净利润。
与此同时，伴随着终端智能化应用的爆发性增长，半导体芯片在全球范围内对各个行业的重要程度逐年递增，它在产品中所占的比重越来越大，对可靠性也提出了越来越高的要求。
在半导体先进制程不断向前的当下，良率问题已经不单单是晶圆厂的技术能力问题。其中数据的价值正日益凸显，因为从芯片设计到晶圆制造，再到封装、测试、PCB模板，然后做成产品进入到实际应用场景，任何一个环节出现问题都可能影响最终的良率。
然而，作为所有尖端技术基础的半导体产业，在挖掘数据价值，为产业发展提供有效洞察力的方面却并不超前。数据密集型的半导体产业正在经历着技术和应用的飞速发展，面临着大数据挑战。
具体来看，芯片设计和制造决定良率，封装测试决定产品最终的合格率。而良率还需要细分为wafer良率、Die良率和封测良率，总良率则是这三者的乘积。影响芯片良率的因素复杂多样，一般而言设计越复杂、工艺步骤越多、制程偏移率越大，芯片良率越低，同时环境因素（常见的环境因素包括尘埃、湿度、温度和光照亮度）也会对良率造成一定的影响。其中，影响最大的包括wafer尺寸、环境因素和技术成熟度。
在整个生产过程中会造成晶圆缺陷的原因有很多，可能是环境、设备、工艺问题，也可能是原材料或人员因素等。Edward指出：“如果产品出现了问题，你要第一时间知道是哪个环节出问题，整个半导体产业都需要重新审视这个问题，并引入更多有效的手段和工具。”在半导体先进工艺节点上，尤其下探到7nm、5nm时，随着工艺复杂度的提升，很多缺陷已不在晶圆表面上，而是埋在里面，这就使得在研发和量产时监控缺陷问题变得十分困难。因而提升良率除了从技术上调整之外，通过端到端全产业链的数据分析显得尤为关键。
从某种意义上来讲，这种挖掘数据价值从而实现提升半导体产业良率的方式，甚至可以被视为摩尔定律的另一种延续。

数据|普迪飞半导体：晶圆上的大数据挑战 正成为下一道竞争前线

数据|普迪飞半导体：晶圆上的大数据挑战正成为下一道竞争前线