找出關鍵參數 亦思Yieldata 半導體制程最愛

亦思科技Yieldata大數據分析系統，可加速篩選關鍵參數。圖／亦思提供　文／楊智強

半導體產業明年將進入10奈米世代，隨機臺設備的演進，可擷取的資料更爲繁雜，掌握大數據運算，將有助於產業迅速發展。位於竹科的亦思科技，專精於提供大數據平臺的建置與分析計算等技術，針對大數據分析的應用開發出的Yieldata系統，在半導體業界已獲得大量使用，協助客戶優化製程，利用數據創造更多的黃金。

受限於過去傳統關聯式資料庫的特性，資料量的成長往往使得資料庫的運用受限，不但效能上無法達到要求，對於空間的配置和資料查詢也無法提供有效的解決方案，Hadoop叢集系統的擴充性則因此逐漸被大量應用。叢集系統爲分散式架構，可用來儲存極爲大量的資料與快速計算，且提供良好的擴展性來應付資料量的成長。在Hadoop叢集上可以建立HBase分散式資料庫來處理結構化的資料，亦可利用Spark這類in-memory快速計算技術處理非結構化資料，這些特性都恰恰滿足大量資料分析的需求。

目前在高科技產業的應用中，叢集資料庫主要是用來蒐集FDC（Fault Detection Classification）系統資料庫的資料，及對應機臺設備的紀錄檔Tool Log資料，FDC系統是廣泛應用於晶圓廠的製程監控系統，每個重要的機臺設備都有一對應的FDC系統，該系統可以針對重要的數個參數進行監控，對於異常的參數範圍或是組合來發出警告，但礙於FDC資料庫的資料容量限制與計算速度，每個機臺設備的異常狀況僅能單獨來考慮，而數個機臺設備彼此之間的影響狀況須考量的參數資料過於龐大，需要大數據系統才能進行處理。另外，每個機臺設備還儲存了更巨量的紀錄檔，目前資料擷取的頻率已經到達每0.1秒進行一筆的紀錄，而可以記錄的參數多達數百到上千個，這種巨量的檔案與FDC資料庫之間，再加上數個機臺設備交互的作用，其組合而成的資料變化是傳統方法無法負荷的儲存與計算挑戰。

亦思科技所研發的Yieldata系統，可以進行巨量參數資料的篩選及可能問題參數的排序，可以協助工程師在面對大量未知問題參數時，先找出可能的蛛絲馬跡，再用數學統計相關軟體工具進行更深層分析，對於原本可能耗費很多人力及時間的流程，轉換成爲系統化的資料蒐集與篩選方法，可節省分析時間及提高找尋問題參數的精準度，進一步再串聯生產相關係統數據，達成更完整的自動化效益。