ניהול מחזור החיים של סיליקון מתקדם עם Unified Analytics

ביום טיפוסי בחייו של מהנדס מוצר, הם עברו את בדיקות מיון הפרוסות הנדרשות בייצור עם השלב הבא להרכיב את התבנית הטובה שנוצרה לתוך האריזות שלהם. תוך כדי ביצוע סדרת בדיקות פרמטריות במהלך מבחן סופי, נתקלים בבעיות תשואה ומתחיל תהליך מציאת מקור הבעיות. למרבה המזל, עם גישה לפתרון ניתוח נתונים טוב, ניתן לעקוב אחר חיי הסיליקון דרך שלבי ייצור קודמים של בדיקות בנפח גבוה כגון הרכבה, מיון פרוסות, בדיקות קבלה של פרוסות וכן דרך שלב הייצור המוקדם יותר של NPI שבו הגישה לתכנון, זמינים נתוני אבחון, כמו גם כלי תזמון טרום סיליקון וכלים לניתוח כשל סיליקון (FA).

מעקב אחר התבנית הארוזה שנכשלה דרך הרכבה מוקדמת יותר, נתוני מיון פרוסות ונתוני בדיקת פרוסות לא חושפים מתאם מדוע הקוביות הללו נכשלות כעת במבחן הסופי. עם זאת, מתאם עם נתוני אבחון מראה שהקוביות הארוזות הכושלות במבחן הסופי היו קרובות מבחינה גיאו-מרחבית למות על מפת רקיק שנכשלה בבדיקות סריקה ספציפיות במהלך מיון פרוסות. יתר על כן, לא בוצע FA על קוביות שנכשלו במבחני הסריקה הספציפיים הללו מכיוון שהם לא נחשבו לאחת מבעיות התפוקה השיטתיות העיקריות במהלך In-Ramp. נתוני האבחון אכן גילו, עם זאת, כי כשלי הסריקה נבעו ככל הנראה מבעיית תזמון במספר נתיבים קריטיים בסיליקון, שכן מספר בדיקות סריקה של תקלות עיכוב מעבר (TDF) נכשלו.

דרך מהירה אחת לפתור את בעיית התזמון הזו היא לחזור למודלים של תזמון טרום סיליקון ולהוריד את כל התאים תוך ביצוע מחדש של סינתזה ומקום ומסלול כדי לעמוד בתזמון בסיליקון האמיתי. עם זאת, הדבר יגרום לשימוש בתאים גדולים ומהירים יותר באזורים של השבב שלא היו נחוצים וישתמשו בכוח כולל יותר מבעבר, מה שיגרום לבעיות בחיי הסוללה או עלול לקצר את חיי המכשיר בשימוש לאורך זמן.

במקום גישה זו, יש פתרון טוב יותר. ראשית, המהנדס יכול לשלוח את נתוני הצג והחיישנים בפועל משבבי בדיקה מוקדמים של NPI לכלי התזמון כדי לכייל מחדש את דגמי התזמון לצורך דיוק משופר; שנית, בקש ממנו להעריך מספר נתיבים כושלים מאבחון כדי לראות אם יש תאים בנתיבים המדוברים שיש להם בעיות תזמון. לפיכך, האם תאים כלשהם מכילים רפיון "שלילי" שיסביר את בדיקות הסריקה הכושלות? בדוגמה זו, נניח שתא ספרייה מסוים מתוך כל התאים בכמה נתיבים כושלים נמצא כיוצר עיכוב משמעותי, מה שגורם לבעיית התזמון. כדי לאשר את הממצאים, יש צורך לשלוח כמה קוביות ארוזות שנכשלו מהבדיקה הסופית יחד עם נתוני האבחון המפורטים לכלי ה-FA להמשך ניתוח FA חשמלי ופיזי; כאן ניתן לגלות שאכן התא האחד הזה היה איטי ולפיכך, הגורם לכשל בתזמון בסיליקון בפועל.

הסיבה שיותר חלקים נכשלים במהלך הבדיקה הסופית מאשר בבדיקות סריקה במהלך מיון הפרוסים היא בגלל שהם נבדקים בתנאי סביבה שונים. ניתוח נוסף, כגון הערכת Vmin אוטומטית, מראה את המתח הנדרש שהמתקים הללו יצטרכו לפעול בו כדי לעבור. בדוגמה זו, אולי מתח ההפעלה המינימלי שיאפשר לחלקים לעבור חורג מדרישת פרופיל ההספק/ביצועים של המפרט של השבב הזה. לפיכך, הצורך בשינוי עיצובי.

שינוי העיצוב בדוגמה זו כרוך בהפחתת רק של תא ספרייה איטי זה כך שתא שונה אך אולי מהיר וגדול יותר ייבחר במקומו במהלך הסינתזה, המקום והמסלול. בית היציקה גם יקבל הודעה על מודל התא המקורי האיטי והלא מדויק. בעוד שהתא החדש שנבחר יפיק יותר כוח שהכרחי למכשירים ספציפיים, ייתכן שניתן יהיה לזהות תאים אחרים שניתן לשדרג אותם לתאים איטיים וקטנים יותר כדי לפצות על הכוח הנוסף שמיוחס לתא החדש. לפיכך, אותו פרופיל כוח וביצועים כולל נשמר.

זו רק דוגמה אחת שמהנדסי מוצר יכולים לחוות לעתים קרובות. ללא גישה לפתרון אנליטי מתאים התומך בתובנות מהקופסה, מעקב אחר מוות ומתאם של סוגי נתונים רבים בכל שלבי מחזור החיים, ייתכן שהבעיה הספציפית הזו לקחה חודשים במקום ימים או שבועות עד למצוא ולתקן. התוצאה הסופית למרבה הצער עלולה להיות אובדן הכנסות פוטנציאלי, כמו גם עלויות ייצור גבוהות יותר עקב גריטת מכשירים כושלים בלתי צפויים ואריזות יקרות. בנוסף, יכולות להיות עלויות חוזרות הקשורות לזמן רב של בודקים.

Synopsys SLM

החזון בתעשייה עבור ניהול מחזור החיים של סיליקון (SLM) הוא לספק את היכולת לנטר את בריאות הסיליקון לאורך חייו מתכנון מוקדם דרך הייצור ולאחר מכן אל תוך השטח בזמן שהסיליקון נמצא בשימוש, כפי שמוצג באיור 1 להלן. עם זאת, הוא לא רק יכול לנטר את תקינותם של מכשירי סיליקון אלא גם להשפיע עליו באופן חיובי על ידי אופטימיזציה של המדדים התפעוליים של השבב כגון כוח וביצועים. בנוסף, היכולת לבצע במהירות ניתוח סיבת שורש כדי לאתר כל בעיה משמעותית בתפוקה או איכות בכל נקודה נתונה במסע הסיליקון היא גם חשובה.

איור 1: Synopsys SLM – שלבי מחזור חיים

עם זאת, ניטור, אופטימיזציה וניפוי באגים לאורך כל חיי הסיליקון אינם משימה של מה בכך על השבבים המתקדמים, ה-SoCs וה-MDSs (מערכות מרובות מות), אשר ממשיכות לגדול באופן משמעותי בהיקף ובמורכבות. ישנן גם מורכבויות של תהליכי התכנון, הייצור והבדיקה, כולל סוגי נתונים רבים ושונים לתמיכה אשר מסבכים עוד יותר את האתגר הזה.

הפתרון מתרכז סביב הנתונים שנלכדו מסיליקון עם היכולת לבצע את הדרישות הבאות:

• הוסף נראות בתוך הסיליקון באמצעות צגים וחיישנים כדי לנטר מה באמת קורה במהלך פעולת השבב או המכשיר
• לצרוך ולנתח כמויות גדולות ביותר של נתונים
• ספק תובנות ניתנות לפעולה כדי לכוון את המהנדס היכן שוכנות הבעיות שלו או לזהות נקודות עניין מרכזיות

דרישות אלו הן כולן בראש ובראשונה בחברות fabless ו-IDM כיום. איור 2 להלן מציג את השלבים הפרוצדורליים הקשורים לשלבי מחזור החיים שיש ליישם כדי לאפשר ניטור, אופטימיזציה וניפוי באגים של הסיליקון לאורך חייו.

• שלב 1: צגים בתוך שבב כגון הספק, מתח וטמפרטורה או צגי שולי נתיב מתקדמים חדשים יותר מוכנסים לתכנון כדי לנטר מאוחר יותר את התכונות התפעוליות של הסיליקון במהלך הפעולה בכל שלב בחייו.
• שלב 2: כל נתוני הבדיקה והתכנון הרלוונטיים מאוחסנים וזמינים לניתוח. עם זאת, נתוני ייצור מבחנים מסורתיים כגון בדיקת קבלה של פרוסות (WAT), בליטה, מיון רקיק (WS), הרכבה, בדיקה סופית (FT) ובדיקה ברמת המערכת (SLT) אינם מספיקים עוד כדי לספק ניתוח שורש של בעיות. יש צורך בנתונים מהמוניטורים והחיישנים, נתוני עיצוב (LEF/DEF/GDS), נתונים מעולים אם זמינים (מטרולוגיה מקוונת, תקלות) ונתוני אבחון (מתבניות סריקה של ATPG או זיכרון BIST).
• שלב 3: בצע ניתוח המבוסס על ניתוח מותאם אישית לשלב מחזור החיים הנתון. מנוע הניתוח מספק תובנות ניתנות לפעולה עם יכולת מעקב ברמת התבנית המאפשרת לאורך תהליך הייצור עם יכולות מתאם בלחיצה אחת בכל סוגי הנתונים כדי לאתר בעיות באופן אוטומטי תוך שניות. זה אמור להיות מקובל לבצע ניתוח שורש של רוב הבעיות תוך מספר קליקים מכוונים לתוך תצוגות פירוט שונות של הנתונים שלך.
• שלב 4: פעל על הנושא על ידי ביצוע פעולה מתקנת או אמצעי בקרת ייצור ספציפיים, לא משנה היכן נמצא הסיליקון בתהליך מחזור החיים. לדוגמה, פעולה מתקנת עבור In-Design יכולה להיות לנתח את נתוני הסיליקון מהמוניטורים המוטבעים בשלב מוקדם של שלב הרמפה של NPI ולהשוות את התוצאות בפועל מול מודלים של תזמון טרום סיליקון עבור הזדמנויות לבצע אופטימיזציה של שולי התכנון כדי להפחית עוד יותר את ההספק של השבב שלך תוך שמירה על ביצועי הפעולה (תדירות, מתח).

איור 2: Synopsys SLM - שלבי הפעלה

הכוח (והצורך) לאיחוד

לכל שלב אינדיבידואלי של מחזור חיי הסיליקון יש אתגרים ייחודיים משלו, בין אם זה מעל גבולות התכנון בתכנון, בעיות רמפת תפוקה שיטתיות בתוך הרמפה, טיולי איכות ובעיות תפוקה חדשות שנמצאו בייצור או תחזוקה ואמינות בשטח. לכל אחד מהאתגרים הללו יש פתרון להתמודדות עם כל אחד מהם בנפרד. עם זאת, אלא אם כן האתגרים הללו נלכדו במהלך השלב שלהם במחזור החיים, קשה יותר ויותר לזהות ולבודד אותם ככל שהתכנון מתקדם במורד שלבי מחזור החיים.

כפי שהוסבר בדוגמה הקודמת, הצורך לעבור אחורה דרך שלבי מחזור החיים השונים כדי לזהות את הסיבה השורשית אינו הישג של מה בכך. זה דורש מעקב ברמת מוות ויכולות מתאם אוטומטיות המתואמות מול סוגי נתונים רבים ושונים, כאמור. לכן, עבור תכנוני צמתים מתקדמים מורכבים, פתרון משולב המאחד שלבים שונים במחזור החיים של הסיליקון הופך להיות חיוני כדי לזהות במהירות את גורם השורש ולמזער את ההשפעות של בעיות אלה, שעלולות להתבטא בהשלכות עמוקות כמו אובדן הכנסה ממוצר, עלויות ייצור מוגדלות. או העלו חששות לביטחון הציבור.

Synopsys השקיעה בטיפול בדאגות הגדולות הללו על ידי יצירת פתרון SLM אנליטיקס חדש המשלב את שלבי התכנון וייצור המוצר לפלטפורמה הומוגנית אחת שלמה, כפי שמוצג להלן באיור 3.

איור 3: פתרון ניתוח SLM משולב מתכנון ועד ייצור.

ניתן לממש את היתרונות של פתרון מאוחד כזה בשלושת תחומי המיקוד הבאים: פרודוקטיביות, יעילות ומדרגיות.

פריון

רוב הנתונים כיום אינם בשימוש על ידי מהנדסים בגלל הכמות העצומה או חוסר האוטומציה היכן לחפש בעיות בנתונים אלה. עם פתרון זה, מהנדסים יכולים כעת להשיג ערך מיידי מכל הנתונים המשולבים בפתרון אחד. ניתוח אוטומטי וזיהוי בעיות מוצגים בצורה של תובנות. מעקב וניפוי באגים ברמה חלקית מאפשרים ניתוח מהיר של סיבת השורש יחד עם פעולה מתקנת חזרה לשרשרת האספקה. ניתוח קוביות משנה זמין גם בשלב מוקדם של מוצר NPI כדי לזהות בעיות שיטתיות לניתוח כשל נוסף המונעות תשואה גבוהה ואוסרות את המעבר לייצור בנפח גבוה.

יְעִילוּת

אופטימיזציה של עוצמת השבבים וביצועים מתאפשרת על ידי הכללת צגים בתכנון, המאפשרים משוב של נתוני הצג לביצוע כיול עיצוב. זרימת מתכונים אוטומטית לאופטימיזציה של איכות המכילה טכניקות זיהוי חריגים מסופקת במהלך בקרת הייצור בחזרה לשרשרת האספקה ​​של הייצור. אופטימיזציה מקיפה של תשואה מתאפשרת על ידי שילוב של ניתוח מגמת תשואה, אבחון וניתוח כשל עם שיפורים שנעשו בחזרה בתכנון ו/או התהליך. ניתוח OEE (אפקטיביות ציוד כוללת) של צי הבוחנים מאפשר אופטימיזציה של תפוקה של ייצור השבבים. איסוף נתונים ובקרת ייצור בזמן אמת בתא הבדיקה של ATE מסופקים להשהייה מהירה של תיקון בעיות וכתוצאה מכך חיסכון משופר בעלויות הבדיקה ומניעת בריחה איכותית.

בקרת מערכות ותקשורת

ארכיטקטורת המוצר המשופרת של פתרון זה מתאימה ל-petabytes של נתונים על פני כל רוחב סוגי הנתונים, כולל עיצוב, מוניטור, אבחון, בדיקות ייצור, שרוב כלי הניתוח אינם יכולים לעבד את רוחב או עומק הנתונים הללו. פתרון המסוגל להתמודד עם כמויות אדירות של נתונים הופך להיות חיוני לביצוע ניתוח סיבת שורש בזמן, במיוחד בעת איתור באגים של בעיות שבבי סיליקון בהמשך הייצור, איתור באגים של RMAs (אישור החזרת סחורה) או ביצוע ניתוח היסטורי. כמו כן, הגמישות לספק למשתמשים אפשרות לעיבוד ואחסון הנתונים שלהם בענן היא קריטית.

למידע נוסף על SLM והפתרון המאוחד החדש הזה, אנא בקר אותנו בכתובת פלטפורמת ניהול מחזור החיים של סיליקון (synopsys.com) או שלחו לנו דוא"ל .