良率 95%：AI 技术导入半导体制程

30 December 2024

立即查看完整导入案例：半导体工站维持良率 95%

前言

全球半导体市场规模预计将从 2024 年的 6810.5 亿美元增长至 2032 年的 20625.9 亿美元，期间（2024 年至 2032 年）的复合年增长率（CAGR）为 14.9%。
Source: Fortune Business Insights, December 02, 2024

受智能手机、智能设备需求及 5G 技术推动，网络与通信以 32% 的市场占有率主导全球半导体市场。
Source: Fortune Business Insights, December 02, 2024

网络与通讯在中国（32.2%）和全球（32%）市场占有相近份额，显见其在半导体行业中的重要性与影响力。Source: Fortune Business Insights, December 02, 2024

随着市场需求的增长，全球半导体产业持续扩大生产能力。

全球半导体制造业预计在 2024 年增加 6% 的产能，并在 2025 年再增长 7%，达到每月 3370 万片晶圆（wpm: 8-inch equivalent）产能的新记录。
Source: Semi, World Fab Forecast, June 18, 2024

半导体产能发展预测。Source:  World Fab Forecast

尽管产能持续扩张，供应与需求之间的差距依然存在。

在此背景下，「提升良率」成为制造商竞争力的关键。通过实现高良率，不仅能降低废品率，还能以有限的产能生产更多合格产品，满足高端应用对质量的严格要求。

良率反映出高质量产品的产出比例，直接影响制造成本和客户满意度，从而影响订单获取与市场份额的提升。

聚焦于 AI 视觉技术在智能制造中的应用，PowerArena 从企业长期战略角度出发，帮助半导体企业实现自动化制程管理，构建维持高良率（Yield Rate）与高直通率（First Pass Yield, FPY）的高效产线，助力其提升市场竞争力。

良率优化对半导体制程的困难度

对于半导体行业来说，提升良率本身就是一项巨大的挑战。复杂的制程涉及众多变量，任何细微的偏差都可能对良率产生影响。

随着新技术的不断推陈出新，制造商在保持技术创新的同时，如何稳定并提升良率，已成为决定竞争力的核心问题。

制造商通过良率优化，系统性改进生产流程，最大化高质量产品的产出，同时将浪费与缺陷降至最低。

制程的复杂性

整体制程可能包含上百甚至上千个步骤，每一步的小偏差积累，都可能成为重大缺陷。同时，由于多种物理现象（如热、应力、电性）和材料（如硅、铜、介电层）的相互影响，使问题更加难以控制。

随着制程节点的进一步缩小，任何微小的误差都可能导致产品性能下降。此外，制程对环境条件极为敏感，如空气中的微粒或温湿度变化，都可能影响结果。

同时，大量的制程数据使问题诊断更加困难，找出真正的问题根源常常需要耗费大量时间和资源。

微小瑕疵造成的巨大影响

从制造业 4M1E（人员、机器、物料、方法、环境）的角度来看，任何一个因素的波动都可能影响良率。

人：操作人员对作业程序熟悉程度的差异，或是个人操作习惯，可能导致产品缺陷或生产中断。

机：半导体制程高度依赖自动化设备。设备维护不足导致精度和稳定性下降，会影响成品的完整性。

料：即使是极小的杂质或原材料批次间的差异，也可能在制程中累积缺陷，从而降低良率。

法：工艺参数设置不当或标准作业程序设计不佳，将直接影响芯片性能与稳定性。

环：微小的环境变化可能引发静电或污染，从而导致晶圆损坏或缺陷产生。

PowerArena 聚焦于「人」、「机」、「法」改善，优化制程效率。

AI 导入半导体制程，管理人工作业

PowerArena 观察到，「人」是半导体制程中最难以追踪与管理的因素。

半导体制程高度依赖自动化设备生产，但剩下需要灵活性的工作，往往需要依赖操作员的参与。然而，操作员的组装动作、在生产线上的行为等，缺乏有效的自动记录与分析系统，导致出现管理盲区。

PowerArena 将 AI 导入半导体制程，可以有效弥补人工作业的数据缺口，提升管理效率。

关键制程数据追踪，加速制程优化

机器作业的制程数据通过物联网系统自动追踪。

然而，依赖人工生产的组装工站，往往需要管理层人工判断和收集产线数据。

一个常见场景是，周期时间（Cycle Time），是制程中反映生产效率的关键指标。为了获取数据，工业工程师需要亲自进入产线，用肉眼观察生产情况，用秒表记录周期时间，再手抄记录数据。

这些收集到的少量数据，无法反映完整、真实的作业情况，人工记录的数据也可能发生错误。

将 AI 视觉导入人工作业产线，可以完整记录和分析产线上的人工操作过程。

管理层先定义作业规范，例如生产开始与结束的场景，AI 视觉即可追踪关键产线数据。设置生产目标后，系统能自动追踪生产线周期时间 (Cycle Time)、制程时间 (Process Time) 和闲置时间 (Idle Time) 等。

完整的制程数据，才能为生产计划优化提供有效依据。

实时作业异常警示，防止错误发生

对于半导体行业而言，制程中的容错率极低。操作员微小的步骤失误，可能显著影响产品良率。

PowerArena HOP 人因作业平台就像具备制程知识的管理者，协助管理人员在制程端消除人工操作错误。

人员设置好 SOP 后，系统会追踪操作员动作，一旦发现不符合规范的操作异常，系统会实时警示管理班组或产线工程师，并告知错误原因。管理者可以立即回放生产影像，确认原因，并决定是否暂停生产或继续放行工站。

管理层无需更改现有产线流程，即可捕捉更多生产环节，不仅在制程端防止错误发生，还能通过自动化系统对生产线的情况有更真实、完整的了解。

良率维持 95%，关键工站部署 HOP

AI 正在快速改变全球产业格局，企业推动 AI 项目的速度将决定其市场竞争力。

PowerArena 通过在半导体产线上导入 AI 视觉技术，为制程带来实际效益，提供可落地的 AI 解决方案。

PowerArena HOP 人因作业平台在半导体服务现场中，帮助某工站稳定维持良率在 95%。

通过 AI 视觉导入，自动发现原本可能发生的组装错误，例如漏装物料，让管理者了解生产现状，实时纠正错误，减少返工和废品。

同时，HOP 人因作业平台能弥补过去人工操作的数据缺口，让管理层更了解人员在产线的操作情况，从而更有效优化操作流程规范，将精力集中于制定更多提升良率的策略。

邀请进一步了解 HOP 人因作业平台