By Gary Dagastine

半导体晶圆的制造、装配和测试从 未像今天这样复杂。

如 今，在前沿领 域，集成电路的 架构非常先进，即便制造工艺出现微 小差异也会导致器件性能和良率降低。 同时，晶圆厂的次优化运营、供应链 的低效导致更多的废品、更高的成本 以及资源滥用，其中包括最重要的资 源 —— 时间。

在后沿方面也不容易，因为利用 新的经过预先验证的制造应用来获得 更大的灵活性这一需求从未如此之大。 未来几年需要生产数十亿计的电子设 备，来满足自动驾驶、物联网 (IoT) 系 统、人工智能、5G 连接、增强 / 虚拟 现实和其它应用领域日新月异的发展。

另外，在许多地方，无论是建新厂 还是升级现有运营设施，那些抓住时机 取得成功所必需的专业知识、基础设施 以及经过验证的应用方法，都非常薄弱。

例如，中国已经制定了一个战略目 标，要在“中国制造 2025”计划下大 幅提高半导体的自给自足能力。但是， 在满足器件、产量和经济要求的同时， 要快速建成这些新厂来满足有限的市场 窗口，这个是很大的挑战。

如果不采用先进数字分析技术、本 地和远程专家支持、全球供应链资源以 及全面集成的自动化解决方案来实现有 效的计算机集成制造 (CIM)，这一切就 很难实现。我们可以通过观察两条曲线 来分析思考这个问题（参见图 1）。

图 1. 技术变革的产能爬坡曲线（左）和产出的运营特征曲线（右）。这些曲线有助于制造商了解如何通过反复调整运行来提升绩效，实现更好的结果。

左边曲线代表在特定的半导体技术下，一个晶圆厂的制造能力或者产能 爬坡的最佳进程。它显示了在所有制 造阶段良率 / 产量随时间的关系 ：在 启动和初始产能爬坡阶段陡峭上升 ； 在大批量生产期间高而稳定 ；最终随 着技术成熟实现成本控制的结构化。

右边曲线显示了工厂的制造产量 或运营特征 (OC)。OC 曲线将某个产 品在工厂内“流转”完所需的时间与 工厂利用率的总体百分比进行对比。

这些曲线是理想化的，因为在现 实中，进展并不会如此顺利。技术产 能爬坡并不总会按计划进行，需不断 进行学习，必须一路评估结果等等， 需要如此多的突发性分析和重新调 整，以使制造性能更接近理想水平。

结合来看，这两条曲线有助于了 解如何在特定的业务重点和制造资 源下实现最大灵活性。完全集成的自 动化解决方案和技术型服务（包括用 于远程支持的安全数据收集和分析） 可帮助制造商更快、更好地实现此 目标，同时大幅降低成本。

参见本期 Nanochip Express 中的相关 文章 ：“运算工艺控制解决方案服务中 国晶圆制造厂”和“千里之行始于智能： 全自动化晶圆制造厂打造竞争优势”。

如需更多信息，请联系 nanochip_editor@amat.com.