机器人进入晶圆厂，半导体制造走向无人化

如今，机器人和人工智能正在晶圆厂承担越来越多的任务，尤其是在减少非计划停机、利用现有产能生产更多合格晶圆方面发挥作用。

无论是先进晶圆厂还是成熟制程晶圆厂，都在通过配备传感器的协作机器人和自动驾驶车辆来提升设备运行时间。这些设备正在取代过去由人工完成的大量重复、繁琐的工作。自动化能够确保操作过程具有更高的一致性，人可以将精力更多放在分析问题和解决问题上。

与此同时，随着计算能力不断提升，工艺工程师可以把设备状态、工艺条件和晶圆结果更好地关联起来，从而更及时地发现和控制工艺波动。对于关键尺寸和工艺容差已经达到纳米级的芯片制造来说，这也是控制工艺稳定性的重要手段之一。

“最有效的控制质量的方式，是将材料数据、设备数据和晶圆结果连接起来，进而在微小波动演变成良率问题之前就将其识别出来。”PDF Solutions全球晶圆厂应用解决方案经理Jon Holt表示，“一种材料即使符合进料规格，也可能因为供料管线状态、温度历史、停留时间、腔室状态，或者与另一种材料发生相互作用，而表现出不同的特性。现代设备控制和数据采集系统能够保留这些上下文信息、执行操作范围限制、识别设备漂移，并在关键参数超出批准范围时阻止工艺继续进行。”

不断上升的制造成本、晶圆厂在全球范围内的扩张，以及劳动力短缺，都在推动自动化、机器人和人工智能得到更广泛的应用。

“有三个趋势正在推动设备智能化取得巨大进展。”Lam Research设备智能产品开发董事总经理Russell Dover表示，“首先是制造成本不断上升，这使得企业必须尽可能从现有投资中获得更高的生产效率和投资回报。我30多年前刚进入英国一家晶圆厂工作时，一座晶圆厂大约需要2000万美元的投资。如今，这个数字甚至只能勉强覆盖一套设备，而一座超大规模晶圆厂的投资已经达到约200亿美元。第二，晶圆厂正在新的地理区域快速建设，因此企业希望将一个地区晶圆厂的能力复制到不同地区的另一座晶圆厂，这也带来了设备群管理问题。第三，我们面临明显的人才缺口，这进一步推动了自动化、人工智能、机器学习和机器人技术的发展。这并不是为了取代人，而是让机器人稳定地执行重复或繁琐的任务，同时更好地发挥人的创造力，以及机器学习和人工智能在速度方面的优势。”

机器人和协作机器人提升精度并保障安全

英特尔代工正在使用Boston Dynamics的四足机器人，对设备状态进行实时监测。这项工作主要在厂房辅助设施区（subfab）内进行，通常不容易被外界看到（见图1）。在这些区域，电机、泵或电气设备出现即将过热的情况时，通常会产生明显的热特征；发生故障的电机往往会出现振动；而空气或特种气体泄漏，则可能产生高频声音，声学成像系统可以将这些声音与背景噪声区分开来。这类机器人还可以完成一些常规且简单的任务，例如穿过狭窄空间，对数字仪表或指针式仪表进行读数。英特尔代工为这类机器人配备了相应功能，并将其命名为Chip。它可以在多个设施中持续开展设备状态维护，无需技术人员或工程师亲自到现场，只为了读取常规仪表数据，再向主机控制器记录和报告结果。

图1：英特尔代工使用波士顿动力四足机器人，在辅助设施区、超纯水设施以及空气冷却和分配设施中持续进行视觉、热成像和声学检查。来源：Semiconductor Engineering

英特尔表示，目前其机器人已经可以利用视觉、热成像和声学检测，以及激光雷达和RealSense深度摄像头，执行16项不同的预防性检查任务。这种方式不仅简化了技术人员的检查流程，提高了采集数据的质量，也降低了人员面临的安全风险。

英特尔代工物联网与机器人架构师Joe Robinson此前曾介绍过一个案例：“在一次锅炉泵的例行检查中，Chip检测到一台已经断电的泵，其管线中却意外有热水流动。机器人立即向现场技术人员发出异常警报，使他们能够安全隔离这台泵并进行诊断。技术人员随后发现，泵中的一个垫片已经失效。通过人和机器人的主动协作，这次及时维修避免了潜在的热水泄漏以及进一步的设备损坏。”

从晶圆厂实际应用来看，英特尔代工使用Chip机器人主要进行以下几类工作：

• 热成像检查：在电机、泵、电气元件及其他设备因过热发生故障之前，提前发现异常高温。
• 声学检查：检测异常声音，以及可能存在的空气或气体泄漏和具有明显声学特征的机械故障。
• 视觉检查：通过摄像头和AI反复检查设备、仪表及其他检查点，而不再完全依赖技术人员人工记录。
• 趋势分析与预测性维护：通过持续、重复的机器人巡检形成时间序列数据，英特尔可以分析设备状态变化，识别设备逐渐接近故障的趋势，并在发生非计划停机之前安排维护。

安全需求推动新的自动化解决方案

在发生紧急情况之后，机器人和自动化的重要性尤其突出。例如，在地震多发的中国台湾，晶圆厂工作人员已经找到了一种更安全的灾后恢复方式。如今，机器人可以代替人员完成安全检查，从而避免工作人员暴露在气体泄漏、有毒化学品甚至坠落物等风险之下。

联华电子（UMC）的晶圆厂设施团队、智能制造团队和IT团队共同开发了一款自主移动巡检机器人（Autonomous Mobile Inspection Robot，AMR），用于安全地替代人工巡检。过去，每天需要两名技术人员花费1小时甚至更长时间完成例行检查，而如今这些任务可以由机器人自动完成。

与英特尔的方案类似，UMC的AMR利用超声波声学摄像头检测高频声波，以定位气体或液体泄漏，并识别由设备振动引起的声波变化。机器人的AI系统可以精确定位潜在异常源，并触发预防性维护团队进行提前干预，从而解决设备问题并避免设备进一步受损。

图2：自主移动巡检机器人（AMR）帮助预防性维护团队识别热特征、气体泄漏和液体积水，并读取和记录仪表数据。来源：UMC

AMR还配备了热传感器，可以检测设备内部隐藏的过热迹象以及液体泄漏。这些问题都是晶圆厂和辅助设施区常见的安全隐患。热成像系统能够检测出肉眼难以发现的地面液体残留，及时发现泄漏，同时明确指出可能过热的部件，从而帮助工程人员快速处理异常区域。

设备控制如何降低晶圆工艺波动

随着每一代新工艺节点的推进，工艺波动的重要性都在持续上升。

“随着器件尺寸不断缩小、工艺窗口不断收紧，几乎所有工艺都会对波动更加敏感，其中图形化、沉积、刻蚀、CMP以及热处理工艺尤其关键。”PDF Solutions新产品创新副总裁Alan Weber表示，“腔室状态、材料输送、温度、压力、等离子体行为、终点检测或设备状态出现微小差异，都可能转化为关键尺寸、薄膜特性、套刻、均匀性等方面的明显变化，并最终影响器件性能和良率。”

工程师正在针对多种不同的波动来源进行控制。“先进器件架构需要更加具有选择性的工艺、更薄且更具共形性的薄膜，以及对材料界面进行更加严格的控制。这使得设备本身的状态及其历史记录变得越来越重要。”PDF Solutions战略与业务开发副总裁Patrick Pannese表示，“波动不仅可能来自不同设备之间，也可能来自不同腔室、不同配方、不同维护周期、不同耗材寿命阶段，甚至可能出现在同一批次中连续加工的晶圆之间。因此，设备健康监测、高频数据采集、腔室匹配、Run-to-Run控制，以及将设备数据与晶圆结果进行关联，正在成为工艺控制不可或缺的组成部分。”

更快地让工艺设备恢复生产

总体来看，无论是在工艺设备层面还是厂务设备层面，晶圆厂都越来越希望从非计划停机转向预测性维护。“只要能够利用机器学习和分析方法提前预测某个部件正在失效，就可以把原本可能造成非计划停机的事件，转变成一次可安排的计划事件。从晶圆厂运营角度来看，这非常有吸引力。”Lam Research的Dover表示。

例如，Lam Research提供等离子体刻蚀设备和沉积设备，这些设备在正式加工产品晶圆之前，都需要先确保腔室处于稳定且可重复的状态。“我们利用等离子体的光学发射光谱（Optical Emission Spectroscopy，OES）数据来判断一个腔室何时具备加工晶圆的条件。”Dover表示，“例如，腔室刚完成维护清洁之后，并不能立即用于加工晶圆。首先需要对腔室进行‘conditioning’，也就是在表面均匀覆盖一层薄膜。目前大多数conditioning是基于经验设定的时间或极限值来完成的，例如让设备运行25、50、100或200个射频小时，同时加工假片，直到腔室表面实现均匀覆盖。这种方法确实能够获得一个已知状态，而且也能正常工作。”

“但如果观察OES光谱，就可以开始判断腔室实际上是在什么时候真正达到这一状态。”他说，“这很重要，有两个原因。第一，可以让腔室更快恢复生产，从而提高设备可用率，产出更多晶圆。第二，腔室两次维护之间的寿命取决于累计射频小时数。如果每次seasoning都要消耗200到300小时，那么这200到300小时就会从有效生产时间中被扣除，因为它们实际上是在消耗腔室下一次维护周期的寿命。”

设备间匹配

在晶圆厂内部，工艺工程师通常需要开展设备间匹配（tool-to-tool matching），确保不同设备使用相同材料和相同工艺配方加工出的晶圆能够获得一致的结果。PDF Solutions产品管理总监Steve Zamek解释称：“设备匹配以及与其密切相关的腔室匹配，最主要的目标是避免因为某些关键产品或关键层在某几台‘黄金设备’上表现更好，就必须长期固定使用这些生产设备及其子系统。这种做法不仅会增加工厂排产的复杂度，也会降低晶圆厂的整体产能。”

这两种影响都不理想。“Run-to-Run技术可以捕捉设备当前状态，并通过前馈模型将这些信息带入后续生产。前馈模型会结合材料状态和设备状态，再相应调整工艺配方参数，以获得目标结果。”Zamek表示，“更稳健的方法是使用所谓的fingerprinting技术，对设备中可能影响工艺结果的底层机制进行特征描述，例如功率产生、流量控制、压力控制等，并确保所有需要组成‘匹配设备组’的设备，其这些机制都被控制在参考设备或规格要求的严格容差范围内。这种方法背后的基本假设是，如果设备中的每一个独立部件都能够保持一致的行为，也就是彼此‘匹配’，那么整台设备的整体表现也应该保持一致。”

随着全球晶圆厂建设持续扩张，预计未来五年半导体产业规模将翻倍，因此，不同晶圆厂之间开展“匹配”的需求也在迅速增加，质量控制正在向更高水平推进。

许多沉积、刻蚀和退火设备都在真空环境下配置多个相同腔室，以提升生产吞吐量。对于这类设备而言，腔室之间的匹配同样非常重要，因为如果一个问题每3片或每5片晶圆才出现一次，就可能被传统抽检遗漏，最终对后续良率造成影响。配备随机化功能的宏观缺陷检测设备可以发现晶圆之间非常细微的差异，并通过随机化分析进一步判断工艺波动究竟来自哪里。

“在一个案例中，信号强度出现了轻微差异，对应的是大约1000埃厚的BPSG（硼磷硅玻璃）表面形貌差异，但这一问题只会出现在每三片晶圆中的一片上。”Microtronic应用总监Errol Akomer表示，“通过在批次内部随机调整晶圆位置，可以更快地追溯特定晶圆上出现的问题究竟源自哪个环节。”

协作机器人来了

几十年来，半导体行业一直在使用X轴机器人，在工艺设备内部进行晶圆搬运，在取放设备中搬运晶粒，同时通过自动化系统在晶圆厂不同设备之间搬运晶圆盒（FOUP）。协作机器人（cobot）与传统机器人的不同之处在于，它们并不完全绑定于某一台设备，可以根据新的工作场景进行重新配置。例如，同一台协作机器人可以通过更换不同的末端执行器，完成腔室开口处螺钉的拆卸，也可以执行腔室清洁任务（见图3）。

图3：协作机器人利用不同的末端执行器执行维护流程，以更加安全、稳定和可重复的方式完成螺钉拆卸与腔室清洁。来源：Lam Research

减少非计划停机，是协作机器人目前重点解决的问题之一。“绝大多数非计划停机都源自预防性维护过程中出现的错误。”泛林集团的Dover表示，“我们最近推出了配备多个末端执行器的Dextro协作机器人。例如，它可以利用干冰喷射清洁工艺腔室，其精度和重复性都高于人工操作，同时能够提供更高的安全性。比如在拧紧螺钉时，人很难每次都施加完全相同的扭矩，而协作机器人不存在这个问题。而且，半导体工艺设备在人体工程学方面通常并不友好，技术人员必须适应设备，而设备无法反过来适应人。此外，在个人防护装备（PPE）以及技术人员进场和培训所需要的时间方面，也可以节省成本。”

当这类方案应用到数百台设备上时，对最终运营成本的影响就会非常可观。Dover表示：“客户不仅能够记录到更好的预防性维护执行结果，设备波动的降低也开始体现在Cpk和边际良率的改善上，其带来的价值可能达到数千美元，甚至数百万美元。”更高的重复性还可以改善设备间的性能匹配，并提升设备运行时间。

对“无人晶圆厂”的设想

自前开式晶圆盒（FOUP）出现以来，芯片制造商就一直在讨论一种理想状态：晶圆厂实现高度甚至完全自动化，现场工程师和技术人员只需要在幕后处理问题。有些人的设想甚至包括使用人形机器人。

“有一些关键客户已经开始设想自主晶圆厂或者无人值守晶圆厂。他们设想的是一种类似《星际迷航：下一代》的场景，人形机器人可以自行在工厂里移动并完成各种工作。”Dover表示，“这究竟只是科幻，还是AI技术目前突飞猛进的发展最终真的能够把我们带到那里，我不知道。但我知道，确实已经有人希望未来能够让人形机器人承担预防性维护工作。”

不过需要注意的是，这些机器人必须能够与SEMI标准、主机通信系统以及主机控制系统实现互操作。“与不遵循SEMI标准的方案相比，遵循SEMI标准可能会使厂房所需空间增加30%，因为必须为人员设置安全通道。因此，其成本影响远远高于很多人的预期。”Dover表示。此外，还存在其他兼容性问题。“例如，人形机器人依靠电池供电，连续运行时间有限，而有些维护流程需要持续12个小时。这其中还存在很大的供电问题需要解决。”

因此，随着人形机器人不断成熟，许多晶圆厂已经开始从检测机器人和协作机器人中获得实际收益。这些机器人正在帮助晶圆厂及其辅助设施区、超纯水系统以及其他配套设施持续保持正常运行。