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( 二 )

一片晶圆上的数据价值如何挖掘？
那么，如何把一片晶圆上密集的数据价值挖掘出来，从而对半导体设计、生产、封装、测试以及应用等各个环节提出有效的提升方案？这些对半导体企业而言实际操作起来并不容易。
除了庞大的数据量外，Edward指出，半导体行业进行大数据分析的一大问题是，半导体大数据种类繁多，这也给数据分析带来难度。“一片晶圆上包含了从IC设计到制造再到封装测试的各种数据，且每个环节的数据形式也不一样，分析的方法也不一样，如果不能好好整理的话，数据就杂乱无章，要去做一些问题的追溯，找出提升良率的解决方案就变得非常困难。”
Edward进一步指出，要实现覆盖半导体全产业链的数据分析，遇到的首要问题就是要如何实现这些数据格式标准化管理，比如从晶圆厂中把数据送到后续的测试厂，如何让数据格式实现标准化的通行方式，同时工业领域里又有ERP、MES等各类工业软件系统，这之间也存在数据格式如何实现标准化的问题，这些都是半导体行业实施工业4.0智能制造的关键点，也是半导体厂商在面对数据分析时的最大痛点。
普迪飞推出的半导体大数据平台Exensio 平台就是为此而生的。它整合了全产业链的大数据，包括对数据进行清洗以及分析的功能，服务于产业链上的各类公司。在半导体产业链垂直深耕20多年的普迪飞半导体，是唯一一家打通了整个半导体产业链，实现产业链端到端全覆盖的半导体大数据分析公司。
Edward介绍，Exensio平台是一套半导体供应链大数据分析基础设施。如果将整个产业链大致分为设计、制造及封测三大板块，根据每一个环节的特性，Exensio平台都有相对应的产品模块以供选择。具体来看，该平台包含了用于半导体生产缺陷侦测与分类模块（Fault Detection and Classification, Exensio-Process Control）、产品测试优化模块（Exensio-Test Operations）、半导体良率管理系统模块（Exensio-Manufacturing Analytics）与封装优化模块 (Exensio – Assembly Operations) 等，覆盖从IC设计、晶圆制造，到封装和测试等的半导体全产业链。

值得一提的是，普迪飞独有的CV（characterization vehicle）良率提升方法，不仅可以对工艺和产品特性提供针对性的设计，还可以通过灵活的工艺流程缩短监测的周期。整个系统包括高分辨的设计结构、高速并行的测试机台以及高效的良率分析软件。而在此之前，传统工艺技术采用导入工艺器件检测结构的方式来实现，如采用SRAM测试芯片来监测、诊断良率，但这种方法不够全面且周期很长。迄今，普迪飞已经提供了100多种10nm及以下的CV测试芯片。特别是CVi系统提供的大量的器件表征数据结合Exensio Platform中的数据分析功能，可以建立精确的、针对特定产品的性能模型，以实现针对特定产品的最佳工艺设置，从而最大程度地提高制造可靠性和可预测性。
连接全产业链的数据
这种全产业链数据分析的价值不止于此，Edward指出，更为重要的是，通过这样一个连通全产业链的数据平台，原本独立分工的各个产业链环节实现数据层面的互联。这种互联不仅仅只是设备之间的，同时也将各个环节的半导体工程师与所有的芯片生产、封装、测试设备连接起来，为设计和制造提供重要的回馈，有助于降低各项成本、提高性能和良率。
去年，普迪飞半导体与爱德万测试宣布建立合作伙伴关系，双方以普迪飞的 Exensio软件分析平台为基础，建立由Exensio驱动的爱德万测试云(Advantest Cloud)，供爱德万公司内部和外部客户使用。通过这一合作，能为半导体工程师连接起横跨半导体价值链的自动化测试设备(Automated Test Equipment, ATE)，推动重要设计并产生制造分析，藉此降低测试成本、提升效能。

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( 二 )

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( 二 )