芯片自动化与摩尔定律的进展

更小、更快、更便宜。这是并且一直是半导体行业的信条，转化为我们所有人的更小、更智能的设备。在这个流动的时代，给咒语加上更低的力量。随着越来越多的自动驾驶汽车进入我们的生活，也增加了更多的责任。

需求在不断增长，而行业在不断提供产品。芯片制造商正在探索自动化和控制生产过程的新方法，以继续推进被称为摩尔定律的不懈努力。

大多数人都听说过摩尔定律，至少大致了解它的影响。我们都是英特尔联合创始人戈登·摩尔在我们生活中几乎所有技术方面的著名观察。从技术上讲，它是集成电路(IC)上晶体管的数量每几年翻一番;英特尔的大卫·豪斯表示，芯片性能每18个月翻一番;或者你可以从更经济的角度来看，每一代IC的计算能力在相同的生产成本下翻倍。

半个多世纪以来，摩尔定律一直推动着以更少的成本生产更多产品——降低每项功能的制造成本，并在单一半导体基板上生产更复杂的电路。更小、更快、更便宜。

英特尔技术与制造集团副总裁、英特尔全球供应管理总监卡罗林•苏厄德在今年早些时候的一次活动上评论道:“我们必须继续不懈地追求降低成本，否则这项技术将无法生产。”

对于自动化行业来说也是如此，越来越小的设备所能容纳的惊人的计算能力，也就意味着更小、更快、更便宜、功能更强的控制器和其他设备。

但是，自动化所索取的东西，它也会给予回报——如此之多，以至于很容易把摩尔定律视为理所当然。尽管自动化带来了诸多好处，但半导体行业在跟上发展步伐方面所面临的巨大压力也不应被低估。

很多复杂的步骤
制造集成电路的过程非常复杂，这与其他任何行业都不同。虽然大多数产品的制造可以被巧妙地分为离散或过程制造，半导体制造两者兼而有之。就像工艺制造一样，一步的产出成为下一步的投入;就像离散制造一样，一组步骤以单一产品结束。

为了从最基本的层面来描述这个过程，半导体从晶圆(通常由高度纯化的硅切割而成)开始，晶圆充当裸芯片的基板。在晶圆被切割成单独的模具进行包装之前，它要经过不同顺序的几个步骤，包括沉积、图案、扩散、掺杂、蚀刻、抛光、金属化等。整个过程都在进行测试，包括晶圆级和模具级，以及在模具封装到封装后。

但让整个过程特别复杂的部分原因——除了在一根头发的横截面宽度上制造数十万个晶体管的纯粹科学——在于晶圆上的任何给定的模具都有许多可能的结果，这取决于性能分级、可编程性和封装方式。

“在一个特定的晶圆厂中，每个IC在工厂中都有不同的流程，”at的行业部门主管达蒙•特里(Damon Turley)表示费斯托．“工厂里有很多意大利面条一样的绳子，非常复杂。”

自动化工具，而不是工厂
21世纪初，半导体行业开始了从200毫米(8英寸)晶圆到300毫米(12英寸)晶圆的相对痛苦的转型。晶圆尺寸和重量的增加带来了人体工程学的问题，需要一种更自动化的方式来移动晶圆批次通过晶圆厂。前开统一吊舱(FOUP)被用于携带晶圆片，它不仅保持了自身高水平的清洁度，而且可以通过架空起重机转移(OHT)系统实现自动运输。

对于200毫米的晶圆，通常使用未密封的盒式盒来移动晶圆。通常情况下，员工会把磁带从一台机器搬到另一台机器，通常会把它们推在所谓的购物车上。

尽管最先进的晶圆厂是那些加工300毫米晶圆片的工厂，但Turley认为，更老的200毫米晶圆机才是提升自动化游戏的机会所在。

特里表示，由于整个半导体过程非常复杂，制造执行系统(MES)很难跟上所有的进度。他回忆起一个工厂的情况，该工厂有四个钨蚀刻工具，正在安装第五个。第五种工具对射频发生器进行了改进，产生了更好的功率和更好的蚀刻速率。但他表示，MES无法处理工具之间的差异;最终，他们不得不将生成器移离工具更远，以将其性能降低到其他四个工具的水平。他说:“MES无法为人类的卓越做出这些调整。”

这就是为什么festo——在整个过程中提供产品和系统，专注于阀门和运动——专注于单个工具的自动化，而不是整个工厂的自动化。“大工厂还没有稳定下来，”特里说。“你如何使不稳定的东西自动化?在这些东西运行稳定之前，你如何实现工具之间的自动化?”

此外，公司还开始考虑升级旧工具，这是半导体行业的一个重大变化。传统机床制造商的大部分收入来自机器升级和加工，与之不同的是，为半导体行业服务的原始设备制造商严重依赖每台新机器的出货，Turley说。他补充说，每一件设备都投入了大量的研发资金，而oem则为其买单。

定制的芯片
300mm晶圆厂的自动化程度很高，有许多为熄灯生产而设计的工具间和工具内自动化。如今，这种做法的问题在于，半导体行业面临着与其他许多行业完全相同的趋势——对小批量定制产品的需求不断增加。

特里表示，如今的半导体行业是应用特定的IC (ASIC)。他说:“每一款集成电路都越来越有针对性。”“我们的产品运行时间不是更长，而是更短。”

一遍又一遍地制作千篇一律的薯片不再常见。就在2010年，宝马还要求在7个月的时间内大量生产5种不同的芯片，这样就不必按需生产芯片了。现在，像博世这样的汽车供应商正在讨论在一辆汽车上安装50种不同的MEMS设备，仅用于传感器技术，特里说。

特雷说，200毫米的晶圆厂能够处理这种灵活的动态，因为它们没有严格的工具间和工具内自动化。

机器人在半导体工厂可能会出问题，因为半导体工厂的地板通常是穿孔的，这样粒子就不会回流污染晶圆。特里说:“如果你把一个大约400磅重的大型机器人放进工厂，你会在穿孔地板上产生谐波，这将导致工艺转移。”

但是，通过使用标准机械接口(SMIF)分离舱，在现有200毫米晶圆设备上增加自动化是一个很大的机会，这种分离舱在概念上与300毫米晶圆使用的foup类似。该盒子不仅为晶圆提供了一个小型的环境，具有可控的气流，而且还与生产设备上的自动化机械接口相匹配。

除了与行业协会SEMI就粒子标准进行合作外，Festo还与oem和芯片制造商合作升级旧的生产工具，Turley说。机器制造商通常在微型环境中拥有专有的控制，Festo致力于创建一个混合自动化系统——无论是电子还是气动，任何人的控制器都可以，特雷说。

标准化
苏厄德说，随着消费者需求的波动越来越大，制造业变得越来越复杂。英特尔需要认识到它希望在哪些方面保持标准，以及在哪些方面增加定制是有意义的。她表示:“定制带来了大量成本和制造方面的诸多问题。”“为了获得竞争优势，我们希望尽量减少这种情况。”

在一个以定制技术为标志的行业，它付钱给像英特尔这样的芯片制造商来标准化生产，英特尔每年销售数亿个微处理器。苏厄德说:“我们正在努力确保尽可能多地使用标准的现成设备和材料。”

英特尔实际上已经将从一个位置到另一个位置的标准化行为发挥到了极致。“精确复制”是英特尔的理念，在20世纪80年代中期开始实施，在多个工厂中标准化生产——完善流程，然后在世界各地的晶圆厂中复制它们，直到最后的细节。工艺流程中的每一步都面临着非常严格的公差，步骤之间的相互作用非常复杂，这种复杂性只会随着每一代新芯片的产生而增加。

因此，英特尔的“精确复制”方法旨在使所有内容尽可能保持一致，以保持较高的成品率。可以肯定的是，就像在工厂里复制油漆的品牌和颜色，以免不同的颜色产生不同的污染物混合物一样，英特尔在运行其工厂设备的计算机上要求一致性。

“我们制造一台电脑，可能有20个主要部件。我们不能改变任何东西。Advantech．“如果你想给英特尔供货，你必须做到复制精确。这是他们的方法论，他们的文化。”

穆斯科洛表示，尽管研华科技只向原始设备制造商提供个人电脑，但发号施令的仍是英特尔。因此，在没有提前通知和大量文档的情况下，研华科技不会更换电脑上的任何一块芯片。“事情会改变的;这是不可避免的。但你必须控制它。”“你必须为过时做计划。”

“更小、更快、更便宜”并不一定是用于半导体设备的机架式计算机的口头禅。在这种情况下，关键在于“质量、寿命和性能”，马斯科洛说。

处理数据
你可以想象，由于过程的复杂性，半导体行业需要处理大量的数据。

半导体测试部门的主要市场开发经理Joey Tun说，数据在半导体测试中总是一件大事国家仪器(NI)．他特别提到了NI与专门从事无线技术的芯片制造商高通(Qualcomm)的合作。

高通面临的挑战是其最新的Atheros芯片——一种针对最新Wi-Fi标准的三无线电多输入多输出(MIMO)收发器。随着无线标准变得越来越复杂，设备的操作模式数量呈指数级增长。对于802.11ac无线标准，高通向Atheros添加了新的调制方案、更多的通道、更多的带宽设置和额外的空间流。当面对数千个独立的操作增益设置时，描述无线局域网(WLAN)收发器是特别具有挑战性的。

高通将NI PXI矢量信号收发器与NI软件配对，以显著提高测试速度和测试覆盖率。资料来源:国家仪器

高通正在寻找一种方法，以保持WLAN测试成本低，准确性高，同时减少表征时间。答案以NI的PXI矢量信号收发器(VST)和LabView FPGA模块的形式出现，组合成一个定制的、灵活的WLAN测试系统，比以前的机架和堆栈仪器减少了200倍的测试时间，从而降低了测试成本和更好的设备表征。

传统的机架-堆叠测量仅限于最佳估计增益表的选择。由于测试时间的改进，高通可以在每个设备的一次测试扫描中描述芯片的整个无线电操作范围，以获取所有30万个数据点，并更好地确定最佳操作设置。这些数据的可用性让高通团队看到了他们以前从未见过的设备运行情况，使他们能够探索新的操作机制。

晶圆级可靠性测试通常在晶圆的一个子集上进行。Tun解释道:“测试结构提供给你数据，并且应该代表你的整个人群。“因此，统计意义非常重要。”有数百个源测量单元(SMU)通道，他补充说，这使得数据速度至关重要。

为了可靠性，数千个站点同时被探测。Tun说:“你不需要移动指针就能获得大量数据。”

Tun表示，大型分析工具开始在线处理后端数据，包括历史数据、当前数据趋势以及对未来的某种预测。“现在有很多机器学习，人工智能可能很快就会上线，”他补充道。

生产车间挤满了功能测试人员。Tun说:“有大量的数据通过这些测试人员流到服务器。“这些数据正在被大量分析，以至于他们可以从过去的数据中得出很多东西。当一个测试正在运行，甚至在它完成之前，如果一个参数给了他们一个特定的值，他们可以预测测试的其余部分将是什么。”

可追溯性
制造商发现，越来越多的人需要能够保存各种测试和生产数据，以防将来某个时候芯片出现故障。

就像制药行业的可追溯性一样，半导体行业的可追溯性也变得越来越重要，特别是在自动驾驶汽车越来越接近现实的汽车行业。特里说:“他们必须记录下如何重新制作芯片，以防万一出现故障。”“随着这些设备越来越多地承担汽车的功能，它们必须能够重建IC。”

Tun对此表示赞同:“从技术和法律的角度来看，数据可追溯性将非常重要，”他说。不仅仅是自动驾驶汽车。“我可以想象这样一个世界，你手里可能有一部手机，你手机上的每个芯片都将有数据可追溯，一直到骰子。”