找出关键参数 亦思Yieldata 半导体制程最爱

亦思科技Yieldata大数据分析系统，可加速筛选关键参数。图／亦思提供　文／杨智强

半导体产业明年将进入10奈米世代，随机台设备的演进，可撷取的资料更为繁杂，掌握大数据运算，将有助于产业迅速发展。位于竹科的亦思科技，专精于提供大数据平台的建置与分析计算等技术，针对大数据分析的应用开发出的Yieldata系统，在半导体业界已获得大量使用，协助客户优化制程，利用数据创造更多的黄金。

受限于过去传统关联式资料库的特性，资料量的成长往往使得资料库的运用受限，不但效能上无法达到要求，对于空间的配置和资料查询也无法提供有效的解决方案，Hadoop丛集系统的扩充性则因此逐渐被大量应用。丛集系统为分散式架构，可用来储存极为大量的资料与快速计算，且提供良好的扩展性来应付资料量的成长。在Hadoop丛集上可以建立HBase分散式资料库来处理结构化的资料，亦可利用Spark这类in-memory快速计算技术处理非结构化资料，这些特性都恰恰满足大量资料分析的需求。

目前在高科技产业的应用中，丛集资料库主要是用来搜集FDC（Fault Detection Classification）系统资料库的资料，及对应机台设备的纪录档Tool Log资料，FDC系统是广泛应用于晶圆厂的制程监控系统，每个重要的机台设备都有一对应的FDC系统，该系统可以针对重要的数个参数进行监控，对于异常的参数范围或是组合来发出警告，但碍于FDC资料库的资料容量限制与计算速度，每个机台设备的异常状况仅能单独来考虑，而数个机台设备彼此之间的影响状况须考量的参数资料过于庞大，需要大数据系统才能进行处理。另外，每个机台设备还储存了更巨量的纪录档，目前资料撷取的频率已经到达每0.1秒进行一笔的纪录，而可以记录的参数多达数百到上千个，这种巨量的档案与FDC资料库之间，再加上数个机台设备交互的作用，其组合而成的资料变化是传统方法无法负荷的储存与计算挑战。

亦思科技所研发的Yieldata系统，可以进行巨量参数资料的筛选及可能问题参数的排序，可以协助工程师在面对大量未知问题参数时，先找出可能的蛛丝马迹，再用数学统计相关软体工具进行更深层分析，对于原本可能耗费很多人力及时间的流程，转换成为系统化的资料搜集与筛选方法，可节省分析时间及提高找寻问题参数的精准度，进一步再串联生产相关系统数据，达成更完整的自动化效益。