Melhore a análise de rendimento de produção com IA

Os engenheiros de análise de rendimento sempre realizaram uma análise do rendimento final de linha nas fábricas wafers de silício da Intel (fabs). Uma coisa que os engenheiros buscam são áreas de falha bruta (GFAs) — padrões que indicam que um problema ocorreu na fab. Problemas diferentes causam padrões visuais diferentes. Exemplos de problemas incluem uma ferramenta que começa a falhar, o conjunto de ferramentas trabalhando sem sincronia ou uma mudança em um dos passos de um processo que está inadvertidamente afetando o passo seguinte.

À medida que o número de produtos e volume crescem no ambiente de produção da Intel, uma abordagem de detecção manual para a análise da produção impõe vários desafios:

• Recursos humanos limitados impedem que os engenheiros revisem e documentem todos os problemas em cada wafer de cada lote.
• A precisão da detecção depende do nível de experiência de um engenheiro.
• O compartilhamento de conhecimentos entre os locais de fabricação é complicado e lento.

O departamento de TI da Intel está mudando o paradigma da análise de rendimento deste manual, de uma abordagem reativa “pull” para uma abordagem proativa “push”. Quanto mais rapidamente os problemas na fab forem identificados, mais cedo eles serão contidos e o rendimento geral será melhorado.

A solução engloba três elementos-chave:

• Modelo de IA. Desenvolvemos um fluxo de trabalho dedicado de IA que usa técnicas de aprendizado por máquina, aprendizado profundo e processamento de imagens para realizar o reconhecimento automatizado de padrões. A IA pode identificar e documentar várias GFAs por wafer e aprender a capturar padrões que afetam o rendimento.
• Detecção autônoma de ponta a ponta. O legado das ferramentas de GFA era limitado e exigia intervenção e consultas manuais. Agora, a abordagem push automatizada produz dados para a análise da causa raiz e calcula as tendências de impacto no rendimento.
• Integração holística. Os resultados dos algoritmos são perfeitamente integrados aos métodos de fluxo de trabalho de produção e ferramentas existentes, o que melhora a facilidade do uso e a nossa capacidade de estender o valor comercial dos algoritmos para casos de uso adicional.

A solução combinada — algoritmo, automação e integração — atualmente oferece dois serviços:

• Detecção de padrões de linha de base. Para 100% dos wafers de fim de linha, a solução pode usar os exemplos de padrões fornecidos para determinar automaticamente se um wafer tem um problema conhecido (linha de base) em linha, sem intervenção manual. Este aspecto da solução busca problemas que sabemos que existem no ambiente de produção até certo ponto. A solução fornece mais de 90% de precisão na detecção de padrões de linha de base.
• Detecção de padrões desconhecidos. A solução pode também fornecer informações sobre todos os padrões que estão impactando o rendimento no momento e o nível do impacto. Os engenheiros de análise de rendimento podem usar o relatório para identificar novos insights, como um novo padrão, um padrão conhecido que tem uma definição alterada ou uma mudança no nível de impacto do rendimento. Esta última informação pode ajudar os engenheiros a definir suas prioridades de pesquisa. Uma vez que os engenheiros concluem a análise da causa raiz de um padrão desconhecido previamente, o novo padrão é adicionado ao repositório de padrões da linha de base e o modelo de IA é preparado novamente para reconhecê-lo.

Nossa solução exclusiva permite que a detecção de problemas de fim de linha identifique vários problemas no mesmo wafer e examine 100% dos wafers em cada lote. A combinação da inteligência artificial (IA) com o conhecimento dos engenheiros de análise de rendimento permite que ofereçam suporte a mais produtos, usem o conhecimento adquirido coletivamente nas fabs e encurtem o tempo de resolução dos problemas.