面向小批量传感器生产关键工序的R2R控制系统研发未完成 1.docx
- 文档编号:27648758
- 上传时间:2023-07-03
- 格式:DOCX
- 页数:58
- 大小:564.59KB
面向小批量传感器生产关键工序的R2R控制系统研发未完成 1.docx
《面向小批量传感器生产关键工序的R2R控制系统研发未完成 1.docx》由会员分享,可在线阅读,更多相关《面向小批量传感器生产关键工序的R2R控制系统研发未完成 1.docx(58页珍藏版)》请在冰豆网上搜索。
面向小批量传感器生产关键工序的R2R控制系统研发未完成1
摘要
越来越多的企业把产品质量控制放在企业发展的重要位置,产品质量形成的加工过程成为企业关注的重点。
对于军工企业而言,产品质量要求更高,军工产品的质量水平已经成为决定国家军队战斗能力高低和战争胜负的重要因素。
由于其产品的特殊性与高质量要求,对产品设计进行鉴定和校正修改,再根据批生产和大量生产的要求,编制工艺规程,指派制造全部工艺装备,采用小批量进行试生产。
但是目前企业急需解决的是小批量试制过程中关键工序的质量控制问题,主要是识别试制过程中的关键工序,在小批量试制过程中产品特征数据量不足的情况下实现对关键重点控制。
对小批量试制过程进行重点监控,才能提高试制效率,减少不必要的损失。
因此,小批量试制过程中关键工序控制点的选择问题成为企业研究的重点问题。
本论文的理论模型是建立在小批量试制过程分析的基础上,通过引入有向图理论对小批量试制过程进行建模,在模型的基础上计算试制过程中各工序节点的关键度,识别出关键工序进行重点控制。
关键工序的选择可以缩小试制过程质量控制的范围,节约大量的成本,重点控制可提高质量控制的效率,从而提升小批量试制的效率。
在实际的研究过程中分析了某军工企业的小批量试制过程,对企业的试制过程进行现场分析和调研,在有向图理论的基础上建立了小批量试制过程的有向图模型。
分析了小批量试制过程中工序对其他工序的影响程度和工序本身的稳定性,结合企业现有试制过程中所发现的质量问题分析和企业的现有技术条件进行工序关键度计算。
最后,在关键工序识别的基础上,按照影响关键工序加工过程的“5M1E”因素的相似性对关键工序上采集的质量特征数据进行转换,增大样本容量,绘制移动极差图和累积和控制图,实现了对关键工序的质量控制。
多图联合控制方法提高了对加工过程波动的敏感性,保证了加工过程质量控制的有效性。
更多还原
关键词:
小批量试制;关键工序;有向图;质量控制;
一、绪论
1.1研究背景及意义
在传感器产品制造的流程中,一般进口工艺设备的自动化和控制精度高,而国产的工艺设备却较低,这就造成了整个生产线的自动化水平参差不齐。
芯片材料生长这样自动化和控制精度较高的工艺设备,在生产过程中,由于产品品种多,需根据不同产品的技术性能参数的不同,对设备和工艺参数进行调整,由于工艺参数的变更,引入的工艺条件的漂移主要靠人为进行调节,并经过多次反复实验和测试验证,才能确定后面生产的另一种产品的最佳工艺参数,这既耗成本又耗时间,同样需要智能数字化改造,而像芯片测试系统、器件封装系统和产品组装系统等半自动或手动设备,更易造成生产信息获取滞后、生产参数一致性不好的问题,这大大制约了产品的生产。
所以各大传感器厂商以及研究人员纷纷开始找寻一种管理或者监控手法,提出了先进制程控制(APC)系统的概念,希望借助APC系统的功能,可以更快捷跟精确的反应或修正传感器制造过程中的异常,及时避免不必要的错误来保障产品良率的提升[1-2]。
现在,APC已经得到了蓬勃的发展与应用,在半导体业界也有R2R(RunToRun)的叫法。
R2R是一门跨学科的技术领域,从最初的理论,到实验设计,工艺调整,再到实践上线,其主要目标即为传感器设备领域提供制程多批次调整方案,采用批量根据微积分以及权重设置,修改产品的实际运行工艺,从而最大限度地减少工艺漂移,移位和异变。
批间控制在传感器行业中应用后取得了显著的效果,越来越多的专家学者对批间控制更进一步的研究,并发展出更为复杂精密的控制方法,像是针对特定操作的控制。
然而大部分有关批间控制方面的研究,都是假设在一条生产在线,只生产单一种产品,然而在现实工厂操作下,都是一条生产在线,生产许多不同种的产品。
在实际的生产过程中,同一生产线的产品往往是以少量多样(不同型号,不同规格的产品)的形式出现。
在生产过程中,由于设备的磨损、老化以及来料质量的波动,按设定的参数值生产导致生产结果出现漂移。
此时,若提高产品的良率需要通过先进制程控制(R2R)实现。
当前R2R控制系统的算法主要针对传感器器件大批量生产,某传感器生产线关键工序R2R控制系统需针对小批量生产对R2R控制算法进行改进与系统调整,本课题主要针对这一问题进行相关研究与开发。
1.2国内外研究现状及发展趋势
2.1半导体制造过程
半导体制造是当今最先进和最复杂的制造工业之一,基本过程总体上可分为五个制造阶段,分别为晶圆制备、晶圆制造、晶圆测试/挑拣、装配与封装,以及终测[3]。
其中,晶圆制造和晶圆测试/挑拣又称作前端工艺,装配与封装和终测被称为后端工艺,前端工艺是集成电路制造中最复杂和最关键的部分。
前端工艺主要完成晶圆上电路的印刷工作,前端工艺的加工步骤主要包括氧化、光刻、刻蚀、掺杂、淀积和平坦化。
晶圆制造过程是许多复杂工艺步骤的交互。
晶圆到达半导体制造厂,经过清洗、成膜、化学机械研磨(CMP)、光刻、刻蚀和掺杂等步骤,将整套的集成电路刻蚀在晶圆上。
晶圆制造阶段,每一片晶圆都要经过几百道由上述基本制造过程组成的复杂工艺过程;为实现批量化定制生产,晶圆制造按照各自的工业配方,以成批次的方式组织生产。
质量控制是生产车间质量管理中的一个核心问题,是提高产品质量的关键。
印刷电路板(PCB)生产过程质量控制的目的是通过对表面贴装技术(SMT)流水线上生产的PCB产品最终质量形成过程的关键因素进行控制,实现从源头上对产品质量的控制,以便及早发现问题,缩短检测返修和调试的周期,降低生产成本,提高产品的合格率。
SMT生产车间过程质量控制的问题之一是如何应用在小批量多品种的生产环境中。
近年来有许多方案和软件系统被应用在小批量多品种加工领域里,但针对PCB行业的相关质量控制理论与应用软件还需进一步展开研究。
本文首先分析了PCB制造行业和小批量多品种过程质量控制研究的现状。
针对实施过程质量控制中存在的“对什么数据进行控制”,“怎样控制”的问题,深入分析了操作者、工艺方法、设备和原材料对PCB加工过程质量的影响,并提取出其中最重要的因素,克服了以往只重视设备而忽略其他因素的问题;采用可视化的相关技术实现了SMT生产线上关键参数的动态显示;着重分析了与SMT车间统计过程质量控制系统有关的生产过程判异和故障原因分析的方法,针对以往的Z-MR控制图只有基本算法研究的问题,提取对PCB加工过程质量有影响的关键因素,给出了Z-MR控制图应用于具体生产流程的可行方法。
最后应用本文中研究与提出的方法和技术设计实现了SMT现场质量管理系统软件,有效地解决了以下问题:
1)生产实时监控中可监控数据种类仅与生产设备有关。
2)实时分析和可视化模块显示的数据缺乏直观性和动态性。
3)小批量多品种的生产环境下无法有效使用SPC技术的问题。
数据存储是质量控制系统一个重要的环节,但本文未对该部分进行详细的讨论,因此在后续的工作中将继续进行C/S结构下数据存储方面的研究。
半导体制造厂一般将半导体制造过程分成六个独立的生产区[3]:
扩散(包括氧化,膜淀积和掺杂工艺)、光刻、刻蚀、成膜、离子注入和化学机械研磨,这六个主要的生产区和相关步骤以及测量工具都在工厂的超净间内。
扩散区是完成高温工艺及薄膜淀积的区域,主要制造装备是高温扩散炉和湿法清洗设备,以实现氧化、扩散、淀积、退火以及合金化的工艺流程。
光刻区是将电路图形转移到覆盖有光刻胶的晶圆表面的区域,主要制造装备有涂胶/显影track机和步进式光刻机。
刻蚀区是在晶圆上没有光刻胶保护的地方留下永久图形的区域,主要制造装备是等离子刻蚀机和等离子去胶机。
离子注入区是杂质掺杂的区域,气体中带着要掺入的杂质在离子注入机中离化,通过高电压和磁场的加速,穿透涂胶晶圆的表面。
薄膜区是完成各个步骤中介质层与金属层沉积的区域,主要制造工艺有化学气相沉积(CVD)和物理气相沉积(PVD)。
研磨区是完成晶圆表面平坦化的区域,平坦化是为了消除晶圆表面的凹凸不平给后续工艺带来的困难,主要制造装备是化学机械研磨机(抛光机)。
典型的半导体制造过程流程如图1所示。
图1典型的半导体制造过程的流程模型
2.2外延生长设备MOCVD工作原理与控制参数
本课题仅针对传感器生产的关键设备进行相应的R2R控制改造,经调研某传感器生产厂的外延生长设备MOCVD是传感器生产过程中的重要组成部分,该设备目前存在设备老化、内壁附着物随时间增多等现象导致经外延生长的传感器产品存在质量波动较大,良品率下降的趋势。
MOCVD是以Ⅲ族、Ⅱ族元素的有机化合物和Ⅴ、Ⅵ族元素的氢化物等作为晶体生长源材料,以热分解反应方式在衬底上进行气相外延,生长各种Ⅲ-Ⅴ族、Ⅱ-Ⅵ族化合物半导体以及它们的多元固溶体的薄层单晶材料。
通常MOCVD系统中的晶体生长都是在常压或低压(10-100Torr)下通H2的冷壁石英(不锈钢)反应室中进行,衬底温度为500-1200℃,用射频感应加热石墨基座(衬底基片在石墨基座上方),H2通过温度可控的液体源鼓泡携带金属有机物到生长区。
图1用于Ⅲ-Ⅴ族化合物薄膜生长的MOCVD系统示意图
影响MOCVD外延生长的主要工艺参数有温度、压力、湿度与气体流量,其中根据生产产品的不同,生长源气体包括AsH3气体、PH3气体、SiH4气体,H2气体等。
这些是R2R控制系统需要调节的主要参数,其选取直接影响产品的质量。
主要在线检测设备与其测试参数如下表所示:
测试设备
测试参数
光荧光系统
PL波长、FWHM
X-衍射仪
失配量
ECV
生长厚度、掺杂浓度
检测设备每一批次的检测参数一旦超过预设值,SPC(设备异常诊断)会发出指令,将其结果通过SECS通讯传输给R2R控制模块并作为作为前一批次的输出参数为R2R控制器提供下一批次的调节参考。
2.2R2R控制方法
半导体制造过程控制可分为实时控制、R2R控制和监督控制三个层次[4]。
实时控制是最低层次的控制,是加工腔体内的控制。
监督控制是最高层次的控制,监督和跟踪晶圆从前一单元操作到后续单元操作是否需要调整某些参数,以便降低产品质量差异。
R2R控制是控制层次的中间层次,是同一单元操作不同批次间的控制,是由Sachs等人针对半导体制造批间过程控制的特点于1991年提出的控制方法[5-6]。
若每批次加工多个晶圆,多个晶圆称为一批(Lot),此种情况下Run-to-Run控制的组态形式为Lot-to-Lot(L2L),是早期半导体制造中按批次加工晶圆的组态形式。
若每批次加工单个晶圆(Wafer),此种情况下Run-to-Run控制的组态形式为Wafer-to-Wafer(W2W)。
由于工艺的改进,现代半导体制造多为单晶圆的组态形式[7]。
图2Run-to-Run的两种组态形式
2.2.1指数加权移动平均方法
指数加权移动平均(ExponentiallyWeightedMovingAverage,EWMA)方法[8]是半导体制造过程控制的常规方法,EWMA采用如式
(1)所示的线性回归模型:
(1)
式中:
Y(k)为第k批次的输出;A为模型的增益;X(k)为控制输入(recipe);C(k-1)为模型中的截距;
(k)为第k批次的过程所受到的扰动。
若假设A保持不变,截距随批次由指数平滑估计方法式
(2)进行更新。
(2)
式中:
w为需设置的权值。
增益更新与此类似。
给定目标值T,X(k)按式(3)求取:
(3)
式
(1)的线性回归模型通过试验设计(DesignofExperiment,DOE)获得。
由于机理建模的困难,半导体制造过程的另外一种建模方法是根据历史样本数据的经验建模方法,一般通过辨识实现。
图3EWMA控制器结构
2.2.2预测纠正控制方法
预测纠正控制(PredictorCorrectorControl,PCC)方法[9]是对EWMA方法的一种扩展,在EWMA指数平滑过滤器的基础上添加了预测过滤器,截距更新和控制律求解如式(4)~式(6)所示,其中w1和w2为需设置的权值,P(k)为补偿值,用于补偿由C(k)引起的误差,对于有漂移的过程而言,PCC比EWMA能够更好地跟踪目标T。
(4)
(5)
(6)
图4PCC控制器结构
2.2.3人工神经网络方法
由于人工神经网络(ArtificialNeuralNetwork,ANN)在非线性建模上的优势,很多文献中提出了构建基于ANN的控制器[10-12],基于三层前馈神经网络控制器的总体结构如图5所示,其中由输出至输入的虚线表示通过前驱批次的输出来调节当前批次的输入。
图5基于前馈3层神经网络控制器的总体结构
2.2.4模型预测控制方法
模型预测控制(ModelPredictiveControl,MPC)方法[13]具有预测模型、滚动优化和反馈校正三个基本特征,可有效解决工业过程的不确定性、非线性、关联和变量的约束,具有控制效果好、鲁棒性强等优点。
由于MPC具有的优势也能很好地用于半导体制造过程的R2R控制,许多文献提出了多种不同的基于MPC的R2R控制器,基于MPC的R2R控制器结构如图6所示。
图6基于MPC的R2R控制器结构
上述算法是目前应用较多的R2R主流控制算法。
EMWA与PCC算法在应对线性过程时有着算法复杂度低的优势,但应对严重的非线性情况则效果大大降低;人工神经网络算法则在算法复杂度上较前者存在一定劣势,但能够处理较为严重的非线性过程;MPC在连续过程的先进控制中获得了广泛的应用,基于MPC的Run-to-Run控制器可以提供多变量控制,这是它最大的优势。
目前的大多数Run-to-Run控制算法均无法适用于小批量生产,针对此类生产过程存在的问题以上方法没有能够有效解决。
表1是以上4类R2R控制算法的适用对象和算法复杂度的比较。
表1Run-to-Run控制器的比较
R2R
控制算法
线性过程
轻微的非线性过程
严重的非线性过程
有无稳态误差
算法复杂度
适用小批量生产
EMWA
适用
适用
不适用
有
简单
否
PCC
适用
适用
不适用
无
简单
否
ANN
适用
适用
适用
无
复杂
否
MPC
适用
适用
不适用
无
中等
否
1.3课题主要研究内容
本课题的项目研发任务为结合现有中科院MES系统的基础上,针对某传感器生产线关键工序所存在生产结果漂移问题,开发出适用于小批量生产的R2R控制器软件功能模块。
其主要研究内容包括:
(1)分析影响传感器生产关键工序(MOCVD)生产产品出现结果漂移的主要问题。
通过在线检测实时提取其控制参数,为传感器生产的工程师提供有效的制程数据依据,同时作为主要的R2R控制器的输入参数对传感器生产进行批间控制从而提高产品良率。
(2)本课题采用EWMA控制器算法,针对传感器生产的小批量(少量多样)的生产特点,比较基于机台的EWMA控制器与基于产品的EWMA控制器,同时引入时变折扣因子对原有的传统算法加以改进,设计并实现传感器关键工序的R2R批间控制改造。
(3)结合现有的中科院MES系统,完成R2R控制模块与传感器生产机台,统计过程控制模块SPC,设备自动化模块EAP的交互对接。
设计并实现一套完整的小批量传感器生产批间控制系统,能够针对产生漂移的扰动进行制程配方的实时修正。
一、R2R控制方法与SEC通讯介绍
2.1EWMA控制器算法介绍
EWMA控制器
EWMA控制器[3]利用下列方式,通过模型预测调整控制器的输入,根据实际过程的输出与目标值的差值,来不断的调整预测模型,并且改变制程控制中的控制器输入,使过程输出值稳定在目标值。
假设过程输出
可以表示成控制器输入
的线性函数关系:
其中,
为第t次的产出,
为截距,
为斜率,
为第t之批间的投入值,
是干扰(disturbance)。
其控制律是:
其中,
为第t批次后的截距项的估计值,
为期望的目标值。
称为折扣因子,一般设
。
代入得化简的EWMA控制器表达式为:
其中:
,
,由此可得制程输出表达式最终可化为:
其中,
,
,
为过程输出的目标值,
为过程的初始值,由最初的模型预测值决定。
2.2半导体自动化通信协议SECS
传感器生产线的机台设备需要在设备运行期间与主机保持通讯联系,其交互的主要内容包括来自主机的控制指令和制程的查询及设备的反馈回应以及异常状况的报告。
传感器生产机台与主机间的通讯协定为SECS(SEMIEquipmentCommunicationStandard,半导体设备通信标准)。
本课题需要通过SECS发送和接收指令从而完成设备通讯、设备资料数据与主机间的传输、制程配方的控制等任务,从而使得传感器生产设备按照指定的流程采用预先设定的制程配方进行生产加工。
R2R控制系统模块需要实时与机台进行SECS通讯以实现反馈控制。
SECS通讯支持RS-232点对点协议。
其主要架构分为SECSI与SECSII两层。
2.2.1SECSI标准
SECSI定义了SECS通讯的电气规格、传输速度、交换码、资料长度、讯息头部、校验和等待时间限制。
(1)SECSI以RS232为串行通讯标准,8N1的传输协定,采用半双工方式进行点对点通讯。
(2)通讯速度为300-9600bps,目前主要以9600bps居多,少数为19200bps。
(3)交换码,当设备机台与主机间进行SECS信息交互时,首先需要传送ENQ告知对方要传送SECSMessage数据信息,等待对方回应EOT时才开始传送数据资料,数据采集完成后经校验比对,如无问题则发送信号ACK告知对方;若校验有误则发送NAK告知对方重新传输一次。
Name
BinaryCode
Hex
Function
ENQ
00000101
05
RequesttoSend
EOT
00000100
04
ReadytoReceive
ACK
00000101
06
CorrectReception
NAK
00010101
15
IncorrectReception
(4)资料长度表示一个区块内有多少个字节,不含资料长度1个字节和校验的2个字节,其值为10-254。
(5)讯息头部,每一块的头部长度均为10个字节,其功能时为SECSII的StreamFunction提供有效信息。
(6)校验,2个字节,将头部及Data内的资料汇总,所得到的2个字节的信息为校验信息。
下表为一个SECSMessage数据块的结构。
名称
数值
说明
字节组
LengthByte
10-254
资料长度
0
UpperDeviceID
R0-127
装置识别码,自行定义
1
LowerDeviceID
0-256
2
UpperMessageID
W0-127
StreamNo.
3
LowerMessageID
0-255
FunctionNo.
4
UpperBlockNo,
E0-127
区块序号
5
LowerBlockNo.
1-255
区块序号
6
SystemBytes
0-255
系统对比用资料
7
SystemBytes
0-255
8
SystemBytes
0-255
9
SystemBytes
0-255
10
Data
0-255
SECSII定义
11-254
UpperChecksum
0-255
第1位字节至第254位字节汇总
255
LowerChecksum
0-255
256
(11)等待时间限制,在设备机台与主机间进行数据通信时,由于可能的存在的发送延迟和机台设备故障等原因,造成数据传输不完整或数据传输失败。
此时需要通知工程师进行设备检修或重新进行数据通讯。
SECSI定义消息的等待时间分为四种,同时规定了重新传输的次数限制,在设备初始化时可以根据不同的设备类型设定不同的值。
下表为等待时间限制的类型。
类型
Timeout名称
默认值
T1
Inter-Character
0.5s
T2
Protocol
10s
T3
Reply
45s
T4
Inter-Block
45s
RTY
RetryLimit
3次
2.2.2SECSII标准
SECSII是在SECSI底层通讯的基础上将SECSI传输的数据资料以标准的信息格式表示出来,将主机与设备之间的通讯信息进行了详尽的解释,相当于OSI中的表示层。
SECSII定义了Stream和Function,主机与机台设备间的通讯信息均以Stream和Function的形式展现出来。
Stream定义了所有信息的分类,Function则是具体的类别下的特定信息内容。
SECSII通讯信息的Stream和Function以SnFm的形式发送出来并会以相应的SnFm+1的形式回复。
SECSII信息都是成对出现的,发送的是主消息(PrimaryMessage),回复的称为副消息(SecondaryMessage)。
下表为StreamFunction对应的信息类别:
讯息种类
StreamNumber(n)
FunctionNumber(m)
机台状态
1
0~10
机台控制及诊断
2
0~50
材料状态
3
0~26
材料控制
4
0~42
例外处置
5
0~18
资料收集
6
0~30
机台操作管理
7
0~36
控制程式传送
8
0~4
系统错误
9
0~14
终端机服务
10
0~10
主机档案服务
11
已被SEMI删除
晶圆定位
12
0~20
资料组传送
13
0~16
物件服务
14
0~18
配方管理
15
0~48
程序处理管理
16
0~28
机台控制及诊断
17
0~14
子系统控制与资料
18
0~14
本课题主要目的是通过R2R模块来进行相应的制程程式管理,在主机和机台设备间传送制程程式配方并管理这些制程配方。
主机将设备运作的制程配方下载并存储于设备中,通过批间控制R2R模块与统计过程控制SPC模块验证反馈后继续执行。
由于传感器小批量生产的特点所致,制程配方的下达所需考量的情况很多,因此是传感器生产最重要的生产程序之一。
项目主要使用的StreamFunction如下表所示:
StreamFunction
信息含义
Host←→Equip
S6,
F11
EventReportSend
←
S6
F12
EventReportAcknowledge
→
S7
F1
ProcessProgramLoadInquire
→
S7
F2
ProcessProgramLoadGrant
←
S7
F19
CurrentEPPIDRequest
→
S7
F20
CurrentEPPIDData
←
S7
F23
FormattedProcessProgramSend
←→
S7
F24
FormattedProcessProgramAcknowledge
←→
S7
F25
FormattedProcessProgramRequest
←→
S7
F26
FormattedProcessProgramData
←→
S7
F27
ProcessProgramVerificationSend
←→
S7
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 面向小批量传感器生产关键工序的R2R控制系统研发 未完成 面向 批量 传感器 生产 关键 工序 R2R 控制系统 研发