Разработка модели статистического анализа параметров процесса в производстве магнитной памяти

Содержание

Название проекта

Разработка модели статистического анализа параметров процесса в производстве магнитной памяти с целью предсказания возможных отказов оборудования.

Компания

ООО “Крокус наноэлектроника”

Магистерские программы (МИФИ)

  1. Микро- и наноэлектронные приборы и системы для физических установок (кафедра № 27 «Микро- и наноэлектроника»);
  2. Физика и нанотехнология гетероструктурной электроники (кафедра № 67 «Физика конденсированных сред»);
  3. Системы автоматизации физических установок и их элементы (кафедра №2 «Автоматика»)

Магистерские программы (МИСИС)

Магистерские программы (МФТИ)

Краткое описание компании

ООО “Крокус наноэлектроника” является первой компанией в мире, осваивающей производство магниторезистивной полупроводниковой памяти на основе технологии SR-TAS MRAM компании Crocus Technology с минимальными размерами 90нм/65нм/45нм на пластинах диаметром 300 мм. Отличительной особенностью MRAM является совместимость с полупроводниковым производством. Формирование ячеек MRAM осуществляется поверх КМОП структуры и требуют нанесение всего лишь 3-4х дополнительных слоев фотолитографии.

SR-TAS MRAM является энергонезависимой, обладает высокими скоростями записи и чтения, имеет высокую плотность упаковки, и способна осуществлять логические операции. Данная память является универсальной и способна заменить практически все известные типы памяти.

Производство магнитной памяти в ООО “Крокус наноэлектроника” рассчитано на рынок потребителей смарт карт, систем безопасности информации, быстрой компьютерной памяти, инфраструктуры интернета и автомобильной промышленности.

Описание проекта

Как и любое другое производство, компания ООО “Крокус наноэлектроника” нуждается в системе автоматизации, которая существенно повышает выход годных изделий. Система автоматизации - это целый комплекс мини систем, объединяющий в себе систему отслеживания партии в маршруте производства, систему выбора рецепта обработки пластины на оборудовании согласно маршруту (wafer flow), устройства транспортировки партии от одной установке к другой, устройства сортировки и хранения пластин, и систему извещения в случае сбоя в процессе обработки.

Компания ООО “Крокус наноэлектроника” ставит перед собой задачу разработать систему автоматизации фабрики. Это целый комплекс мини систем, объединяющий в себе:

  • Систему отслеживания партии в маршруте производства
  • Систему контроля состояния оборудования
  • Систему выбора рецепта обработки пластины на оборудовании

согласно маршруту (Process flow)

  • Статистический контроль процесса (SPC)
  • Устройства транспортировки партии от одной установки к другой
  • Устройства сортировки и хранения пластин
  • Систему извещения в случае сбоя в процессе обработки

SPC (Statistical Process Control) – это подход основанный на принципах статистического анализа и предсказания тенденции изменений процесса.

SPC делает акцент на предварительное обнаружение и предотвращение проблем, в отличии от решения проблем после того, как они произошли.

SPC приводит к снижению времени затрачиваемого на изготовление продукта.

SPC снижает вероятность, что продукт будет забракован или отправлен на передел.

SPC определяет “узкие” места, время ожидания и другие источники задержки процесса.

SPC снижает или полностью избавляет от производственных отходов, что в свою очередь, исключает после производственную инспекцию.

Цель проекта

Целью является разработка модели, предсказывающей поведение статистических данных, извлекаемых из оборудования после каждой операции (например, толщины осажденных слоев, критические размеры элементов, количество дефектов на пластине, время обработки и многое другое).

Продуктом является блок компьютерной программы Work stream, отвечающий в том числе и за обработку статистических данных.

Профиль студентов (требования к базовой подготовке/задачи в проекте)

Задачи в проекте:

  • Изучить систему статистического контроля процесса (SPC);
  • Определить параметры процесса для контроля состояния оборудования;
  • Определить частоту проведения аттестационных испытаний оборудования для адекватного контроля состояния оборудования;
  • Оценить зависимость изменения параметров процесса до и после превентивного обслуживания;
  • Накопить достаточное количество статистических данных для моделирования системы предсказания возможных отказов оборудования с целью своевременного обслуживания оборудования;
  • Интегрирование модели предсказания в Work stream