Uso de la IA en procesos de fabricación de semiconductores

Introducción

La fabricación de semiconductores es una de las industrias fundamentales que sustentan la economía global, y sus procesos requieren un control extremadamente preciso y complejo. A medida que continúan avanzando la miniaturización de los dispositivos y las estructuras multicapa, intervienen múltiples procesos y equipos incluso para una sola oblea, y pequeñas variaciones del proceso pueden afectar directamente al rendimiento y a la calidad. En los últimos años, para hacer frente a esta creciente complejidad, se han acelerado los esfuerzos hacia la "fabricación inteligente" mediante el uso de inteligencia artificial (IA) basada en grandes volúmenes de datos obtenidos de los procesos y equipos de fabricación.

Una fuente importante de información para la gestión de los procesos de fabricación de semiconductores son los datos de imagen. Por ejemplo, se han descrito sistemas que detectan anomalías en el proceso en una fase temprana, clasificando las imágenes adquiridas durante la fabricación en tipos de defectos predefinidos.¹ En cambio, este artículo se centra principalmente en las señales unidimensionales obtenidas de los sensores.

En la fabricación de semiconductores, se registra una amplia variedad de datos, como temperatura, presión, caudal y velocidad de rotación, como datos de series temporales a altas frecuencias de muestreo. Estos datos suelen presentar estructuras complejas caracterizadas por una alta dimensionalidad, no linealidad y ruido. Como resultado, puede ser difícil comprender el comportamiento general utilizando únicamente métodos estadísticos convencionales, y la IA ha atraído la atención como un medio eficaz para extraer automáticamente patrones latentes y correlaciones en los datos (Figura 1).

Visón general de las tecnologías de IA (Machine Learning y Deep Learning)

La IA hace referencia a mecanismos que aprenden de los datos para tomar decisiones y hacer predicciones. Una de sus tecnologías principales es Machine Learning (Figura 2). Machine Learning es una metodología para aprender automáticamente patrones dentro de los datos y construir modelos que puedan tomar decisiones apropiadas cuando se enfrenten a nuevos datos.² Se puede clasificar a grandes rasgos en aprendizaje supervisado, que predice resultados para entradas desconocidas, y aprendizaje no supervisado, que extrae estructuras y patrones inherentes a los datos. El aprendizaje supervisado se puede subdividir en clasificación, donde el resultado es una categoría discreta, y regresión, donde el resultado es un valor continuo.

El rendimiento del modelo suele mejorar cuando se dispone de datos de entrenamiento más representativos. La Figura 3 ilustra algoritmos representativos de Machine Learning. En muchos casos, existe una compensación entre el rendimiento predictivo y la interpretabilidad del modelo.³ Históricamente, la creación de modelos adecuados requería amplios conocimientos en estadística y campos relacionados; sin embargo, recientemente han surgido aplicaciones fáciles de usar y de bajo código.

Aplicación de IA a datos de sensores

Esta sección presenta tres métodos para aplicar la IA a los datos de sensores en la fabricación de semiconductores: estimación del perfil de grabado, detección de anomalías no supervisada y optimización del proceso.

Estimación de perfiles de grabado

Los procesos de fabricación de semiconductores se pueden dividir a grandes rasgos en "procesos frontales", en los que se forman circuitos sobre obleas de silicio, y "procesos posteriores", en los que los chips de circuitos integrados fabricados se separan y encapsulan. Entre estos procesos, se insertan pasos de limpieza para influir en el rendimiento de los dispositivos.⁴ Estos pasos eliminan los materiales no deseados de la superficie de la oblea generados durante el procesamiento frontal mediante grabado químico. En los últimos años, los procesos de limpieza de obleas individuales, en los que se suministran productos químicos mientras se hacen girar las obleas individualmente, se han convertido en la opción predominante.

En este tipo de procesos, estimar la distribución radial de la velocidad de grabado sobre una oblea (perfil de grabado) es fundamental para la optimización del proceso y el control de calidad (Figura 4). La velocidad de grabado depende en gran medida de variables de receta, como las propiedades químicas, la temperatura, el caudal del líquido y la velocidad de rotación de la oblea. Debido a que Machine Learning puede aprender relaciones entre los datos y hacer predicciones sobre nuevas entradas, la estimación de los perfiles de grabado se puede plantear como un problema de regresión utilizando el radio de la oblea y las variables de receta como entradas y los perfiles de grabado como salidas (Figura 5).

La Figura 6 (parte superior y central) muestra los resultados del entrenamiento y la estimación de los perfiles de grabado utilizando la app de bajo código Regression Learner de MATLAB^®. Se utilizaron cuatro perfiles con múltiples variables de receta como datos de entrenamiento, mientras que se utilizaron diferentes perfiles como datos de prueba para verificar la generalización del modelo. Los resultados indican que el modelo fue entrenado adecuadamente y no hay indicios evidentes de sobreajuste. Sin embargo, la precisión del modelo depende en gran medida de la elección de algoritmos e hiperparámetros. Por ejemplo, la optimización de parámetros como el tamaño mínimo de las hojas, la función kernel y el número de capas puede mejorar aún más el rendimiento predictivo. La optimización bayesiana es eficaz para el ajuste de hiperparámetros porque puede identificar valores óptimos de manera más eficiente que los métodos convencionales de búsqueda en cuadrícula o búsqueda aleatoria. La Figura 6 (abajo) muestra una herramienta que automatiza este proceso, lo que permite obtener modelos de alto rendimiento con menos ensayos.

Detección de anomalías no supervisada mediante datos de vibración

El funcionamiento estable de los equipos de fabricación de semiconductores es esencial para mantener la calidad del proceso, por lo que la supervision de condiciones de los equipos resulta indispensable. Por ejemplo, los equipos con componentes rotativos, como las herramientas de limpieza o grabado, pueden desarrollar anomalías mecánicas en motores o rodamientos que afecten negativamente a la productividad y a la calidad. Las técnicas de detección de anomalías que utilizan señales de series temporales, como los datos de vibración, son eficaces porque pueden capturar cambios sutiles integrados en los datos que podrían no ser detectados por los umbrales convencionales o el control estadístico de procesos.⁵

Cuando los eventos anormales son poco frecuentes, resulta difícil recopilar datos de fallos etiquetados. En estos casos, el aprendizaje no supervisado resulta especialmente valioso porque los modelos pueden entrenarse utilizando únicamente datos de funcionamiento normal.

La Figura 7 muestra datos de vibración en tres ejes obtenidos de una máquina industrial antes y después del mantenimiento.⁶ En este ejemplo, se supone que los datos anteriores al mantenimiento representan un estado anormal, mientras que los datos posteriores al mantenimiento representan un estado normal. Esta configuración implica que solo se utilizan datos en estado normal para el entrenamiento del modelo y que se utilizan datos mixtos, tanto normales como anormales, para la validación del modelo. Sin embargo, la implementación de IA no elimina la necesidad de preparar los datos. En general, las aplicaciones de IA requieren limpieza de datos (preprocesamiento) y extracción de características.

Las características son representaciones numéricas de ciertas características de muestras de datos individuales⁷ y pueden derivarse de análisis en el dominio del tiempo, dominio de la frecuencia, y dominios del tiempo y la frecuencia. Seleccionar las características adecuadas resulta un desafío incluso para los expertos en IA. Por consiguiente, el análisis exploratorio, como la elaboración de histogramas o el cálculo de estadísticas básicas como la media y la varianza, suele ser un buen punto de partida.⁸⁻⁹

En la Figura 8, se calculan 12 características a partir de datos de vibración anteriores y posteriores al mantenimiento, se aplican pruebas t de dos muestras para evaluar las diferencias estadísticamente significativas entre ellas y, a continuación, se clasifica la importancia de las características. Una vez identificadas las características más importantes, cabe esperar que el entrenamiento de un modelo utilizando esas características mejore la precisión. Un método representativo de aprendizaje no supervisado es el autoencoder, que aprovecha la estructura de las redes neuronales.¹⁰ En los autoencoders, el error de reconstrucción entre las entradas y las salidas se utiliza como una puntuación de anomalía.

Se extraen características de 12 dimensiones de los datos, que se dividen aleatoriamente en conjuntos de entrenamiento y prueba en una proporción de 9:1. El autoencoder se entrena utilizando únicamente características de datos normales (Figura 9). Cuando las características de prueba se introducen en el modelo entrenado, el error de reconstrucción (puntuación de anomalía) difiere claramente entre las condiciones previas y posteriores al mantenimiento (Figura 10). Es decir, aunque el modelo se entrenó únicamente con datos normales posteriores al mantenimiento, puede detectar anomalías previas al mantenimiento aplicando un umbral adecuado.

Referencia 11 introduce un enfoque alternativo de detección de anomalías no supervisada mediante una máquina de vectores de soporte de una sola clase. Sin embargo, se debe actuar con cautela, ya que la configuración de los hiperparámetros influye significativamente en el rendimiento. La Figura 11 ilustra cómo el parámetro de escala del kernel afecta a la región de anomalías (frontera de decisión), mostrando que las escalas de kernel más pequeñas aumentan la no linealidad.¹³

Por último, más allá de la detección de anomalías, el análisis pronóstico utiliza datos de observación secuenciales para modelar el estado de salud actual y futuro de los equipos. Una vez definido un umbral de fallo específico para la aplicación, se puede estimar la vida útil restante (Figura 12). En este caso, puede utilizar la estimación bayesiana para actualizar los parámetros del modelo de forma secuencial.¹⁴⁻¹⁵ Los lectores interesados ​​son remitidos a Referencia 16.

Optimización de procesos

Deep Learning puede expresarse como un problema de optimización en el que los parámetros (pesos y sesgos) de funciones construidas a partir de combinaciones en capas de transformaciones lineales y funciones de activación no lineales se optimizan minimizando una función de pérdida.¹⁷ Por consiguiente, esta sección se centra en el problema de optimización.

En los procesos de fabricación de semiconductores, a menudo es necesario optimizar simultáneamente múltiples objetivos, como la tasa de deposición y la uniformidad del espesor de la película.¹⁸ En estos casos, deben identificarse las variables de entrada óptimas para múltiples funciones objetivo; sin embargo, una solución óptima para un objetivo generalmente no es óptima para otro. Esta relación competitiva implica que mejorar un objetivo a menudo empeora otro; por lo tanto, el objetivo es identificar las soluciones de compromiso (soluciones óptimas de Pareto), que forman un frente de Pareto.

Una solución óptima de Pareto se define como aquella en la que la mejora en cualquier función objetivo necesariamente degrada al menos otra función objetivo. La Figura 13 (recuadro) ilustra un problema de optimización de dos objetivos en el que tanto \(f_₁\) como \(f_₂\) deben minimizarse, pero están en una relación de compromiso. Los algoritmos genéticos son un método bien conocido para identificar soluciones óptimas de Pareto.¹⁹ Alternativamente, un problema de optimización multiobjetivo puede convertirse en un problema de un solo objetivo asignando ponderaciones a cada objetivo:

\(F(x) = \alpha f_1(x) + (1 - \alpha) f_2(x) \)

Al cambiar el peso \( \alpha \), se altera la relación de compensación entre \(f_₁\) y \(f_₂\), lo que produce múltiples soluciones de Pareto. La Figura muestra que los frentes de Pareto obtenidos mediante algoritmos genéticos y optimización bayesiana coinciden satisfactoriamente.

Aunque aquí se presenta un ejemplo de optimización multiobjetivo bidimensional con una variable, el mismo procedimiento puede extenderse a funciones objetivo multidimensionales con múltiples variables²⁰:

$$ \begin{aligned} \min_{x_1,x_2}\quad & \{f_1(x_1,x_2),\,f_2(x_1,x_2)\} \\[1em] \text{where}\quad & f_1(x_1,x_2)=x_1^{4}+x_2^{4}+x_1x_2-(x_1x_2)^2-10x_1^{2} \\ & f_2(x_1,x_2)=x_1^{4}+x_2^{4}+x_1x_2-(x_1x_2)^2 \\[1em] \text{subject to}\quad & 0\le x_1\le5,\qquad -5\le x_2\le0 \end{aligned} $$

La Figura 14 muestra cómo se pueden construir problemas de optimización multiobjetivo utilizando métodos de bajo código. La aplicación basada en GUI denominada Live Editor Task permite a los usuarios probar distintos solucionadores mediante operaciones con el mouse, mientras que las condiciones configuradas se convierten automáticamente en código, garantizando así la transparencia del modelo.

Implementación del sistema

Finalmente, considere el despliegue del sistema. La ubicación de la implementación de los algoritmos desarrollados (dispositivos edge, servidores o plataformas de nube) depende del volumen de transferencia de datos, los requisitos computacionales y las limitaciones operativas. Si minimizar la transferencia de datos es fundamental, se debe realizar el preprocesamiento necesario en el equipo objetivo, transmitiendo solo los datos esenciales a los dispositivos edge para la predicción, de modo que luego se puedan enviar los resultados a un servidor y compartirlos con los usuarios finales.

También es importante considerar cómo se utilizarán los resultados de las predicciones en las operaciones, por ejemplo, si los resultados se muestran en PC de escritorio o tabletas portátiles, y si los usuarios poseen suficientes conocimientos especializados. Para un estudio de caso de implementación detallado, consulte Referencia 21.

Resumen

La inteligencia artificial se utiliza cada vez más en la fabricación de semiconductores para detectar variaciones sutiles en los procesos y anomalías en los equipos que son difíciles de identificar mediante métodos convencionales. Los ejemplos de este artículo demuestran cómo se pueden utilizar los datos de series temporales de los sensores para desarrollar modelos que contribuyan a la mejora de la calidad y a unas operaciones más fiables.

Machine Learning y Deep Learning aplicados a datos de series temporales pueden utilizarse para tareas como la estimación del perfil de grabado y la monitorización basada en vibraciones. Para obtener resultados fiables, céntrese en recopilar datos representativos, realizar un preprocesamiento y una extracción de características cuidadosos, y utilizar el conocimiento del dominio para definir la validación y los umbrales. Cuando el etiquetado resulta difícil, los métodos no supervisados ​​ofrecen una alternativa práctica. Se prevé que el continuo aumento de la disponibilidad de datos y de las capacidades de la IA incremente aún más la autonomía en la optimización de procesos.

Este estudio empleó MATLAB, Statistics and Machine Learning Toolbox™, Predictive Maintenance Toolbox™, Deep Learning Toolbox™, Optimization Toolbox™ y Global Optimization Toolbox™. Los datos utilizados se pueden descargar en el sitio web de MathWorks (ver Referencias 6 y 20).