由于半导体生产制造工艺复杂(数百上千道丁艺步骤),引起yield loss的原因很多,需SGM2019-1.8YN5G要做各种各样的分析,来追溯问题的源头。这些分析要求收集的数据种类繁多,数据量庞大,数据整合(data integration)能力常常是yiCld learning的瓶颈之一。

    图17.23表示部分生产制造中要求的数据及要求做的分析类型。 数据往往来白不同的设备和系统,由于供应商的不同,格式不一致,数据格式的规范、转化和对准是一个庞大的系统I程。在缺乏有效系统支持的情况下,△分析人员超过80%的时问都用于数据收集、对准、整合L面,真正有效分析的时间很少,很多分析甚至囚此无法实施。而进入纳米时代后,由于制程管控的需求,FDC(忆uh detection dassification)等新型分析的引人,tool、sensor级别的实时海量数据的收集、处理,不同系统、不同接口、不同数据类型的整合,对于YMS(yield management system)系统提出了极大的挑战。yield leaming的第五个要素是实验设计和数据分析能力。数据不等于信息,从海量数据中及时找到有效的信息,是yiCld lcarning巾往往容易被忽ˉ视却义极具意义的一个环节。数据的分析,有效信息的提取依赖于强大、灵活的系统平台。