A
A

UMA hamarosan bemutatkozik

  • Angol
  • Magyar
  • 17 perc

Hogyan érte el a félvezetőgyártás a csúcstechnológiai kihozatalt?

Mi változott a félvezetőiparban, ami lehetővé tette, hogy ma már többszörösére nőjön a chipek kihozatala, miközben a gyártás sokszorosan bonyolultabb lett? A videó a kimagasló kihozatali arányokhoz vezető technológiai ugrásokat és kulcsszereplőket mutatja be.

Az elektronikai ipar kezdeti évtizedeiben a félvezetőgyártás során alacsony, néha egészen nevetségesen gyenge kihozatallal dolgoztak, amelyek nemegyszer 10% alatti arányokat jelentettek. Érdekes módon hosszú idő kellett ahhoz, hogy ezeken a rossz értékeken érdemi javulás történjen. Egy a nyolcvanas évek végéről származó amerikai-japán félvezető-összehasonlítás azt mutatta, hogy még a piacvezetők is messze voltak a tökéletestől.

Hogyan lehet ma elérni 80-90%-os kihozatalt a technológiailag sokkal fejlettebb, kisméretű csíkszélességet használó gyártósorokon? Milyen módszereket és fejlesztéseket alkalmazott az ipar, hogy a szinte elképzelhetetlenül magas hibaszámokat mára drasztikusan csökkentse?

Az egyik nagy fordulópontot az automata optikai vizsgálati rendszerek bevezetése jelentette. Az 1970-es években még laboratóriumi dolgozók mikroszkóppal kutatták a hibákat, ám kiderült: a humán tényező messze nem elég megbízható. Ezzel szemben az olyan eszközök, mint a Bell Labs-nál fejlesztett AMIS, illetve a KLA első inspektorai, új távlatokat nyitottak a hibakeresésben.

A később piacvezetővé váló KLA és a rivális Tencor cégek újabb és újabb generációs gépei nem csupán gyorsabbá, hanem minden korábbinál precízebbé tették az ellenőrzést. Az ipar fejlődésével a problémák bonyolultabbá váltak: például hogyan különböztethető meg a valódi, gyártás szempontjából veszélyes hiba az ártalmatlantól, miközben az automatizáció egyre nagyobb adatsebességet és pontosságot követel?

A videó betekintést nyújt a piac fő szereplőinek fejlődéstörténetébe, a legfontosabb technológiai mérföldkövekbe és iparági konszolidációkba. Emellett felveti azt a kérdést is, vajon miben tud még fejlődni a hibadetektálás és -osztályozás: elérkezett-e az AI ideje az automatizált vizsgálatokban?