| Descripción: |
La industria de semiconductores presenta arduos problemas en el campo de Manufactura Controlada por Ordenador (CIM en inglés). Nuevos requisitos surgen constantemente, el desarrollo de aplicaciones de software se aborda en múltiples grupos y la documentación suele ser deficiente. Las aplicaciones se tienen que desarrollar rápidamente, deben ser robustas y fiables, y reducir al mínimo la cantidad de recursos utilizados (CPU, memoria, espacio en disco y tráfico de red).
Dispositivos para la industria del automóvil y médica deben tener una tasa de defectos muy baja. Pruebas eléctricas e inspecciones visuales se aplican para detectar dispositivos defectuosos y sin embargo, algunos dispositivos fallan después de ser enviados al cliente. Algoritmos de detección de valores atípicos son un componente clave en la detección de defectos latentes y en la disminución del número de dispositivos defectuosos enviados al cliente.
Asimismo, en la fabricación de semiconductores es imperativo optimizar la utilización de la maquinaria de producción, especialmente para sobrevivir un ciclo económico de contracción. El mantenimiento, la disminución de cambios en la configuración y del tiempo en espera son factores clave. Sin embargo, el primer paso consiste en cuantificar la utilización de la maquinaria para determinar la dimensión de las acciones a implementar y para medir el efecto de tales acciones.
En esta tesis, hemos creado una arquitectura y un marco de software para hacer frente a estos problemas y los hemos utilizado para desarrollar tres aplicaciones que se ejecutan en las áreas de pruebas eléctricas y pruebas finales en Freescale Semiconductor Inc. en cinco fábricas en Asia, Europa y América del Norte. Freescale es un líder mundial en aplicaciones de procesamiento empotrado para los mercados de automoción, consumo, industrial y de redes. Freescale fabrica microprocesadores, micro-controladores, sensores y circuitos digitales integrados.
Se han alcanzado los siguientes objetivos:
El tiempo de desarrollo de aplicaciones se ha reducido considerablemente y las aplicaciones son fáciles de mantener y actualizar. El uso de CPU, memoria y tráfico de la red se han reducido significativamente. La curva de aprendizaje es pequeña y la eficiencia del programador ha aumentado al menos un 25 %.
La aplicación 1 controla cientos de equipos en tres plantas de pruebas finales en Asia y América del Norte. Esta aplicación ha contribuido al aumento de la calidad, proporcionando una interfaz de usuario unificado y ha supuesto un ahorro considerable al evitar la compra de software muy costoso, permitiendo al mismo tiempo una adaptación complete a los requisitos de manufactura.
La aplicación 2 combina sistemáticamente defectos visuales y resultados de pruebas eléctricas y aplica algoritmos de detección de valores atípicos para reducir el número de dispositivos que fallan después de ser enviados al cliente. Esta aplicación ha procesado datos de más de 10 millones de obleas (wafers en inglés) hasta la fecha. Esta aplicación implementa varios algoritmos de detección de valores atípicos publicados en la literatura técnica, variantes novedosas de aquellos y nuevos algoritmos para aumentar el rendimiento de la detección de defectos. Los resultados experimentales de 289,080 circuitos en 495 obleas se han analizado para determinar la eficiencia y la eficacia de estos algoritmos. Las mejoras implementadas en estos algoritmos y los nuevos algoritmos han aumentado considerablemente el rendimiento. Así mismo, como parte de esta tesis, se ha desarrollado el estándar SEMI E142 para la transferencia de mapas de datos de oblea en colaboración con otras compañías de semiconductores.
Finalmente, la aplicación 3 combina datos de los controladores de maquinaria de prueba y eventos del Sistema de Ejecución de Manufactura (MES en inglés) en tiempo real para reflejar el estado de cada máquina en cualquier instante. Se ha implementado un modelo de estado basado en los estándares SEMI E10 y SEMI E58. Cientos de máquinas envían eventos en tiempo real a esta aplicación. El número medio de eventos recibidos diariamente es 250K. Esta aplicación permite a los ingenieros detectar rápidamente equipos cuyo rendimiento se está degradando. Además, los datos recopilados permiten realizar un análisis para identificar las causas de las pérdidas de utilización. Esto ha contribuido a aumentar el tiempo productivo en dos fábricas en Freescale Semiconductor Inc. un 7,5% y 6,2 %, respectivamente, durante los 10 meses posteriores a la implementación. |
