半导体软件解决方案

KLA 的半导体生态系统软件解决方案可集中并分析检测、计量和工艺系统生成的数据,并探索图案化技术的关键功能设计和可制造性。借助先进的数据分析、建模和可视化功能,我们全面的数据分析产品套件支持多种应用,其中包括运行时工艺控制、缺陷偏移识别、晶圆和光罩处置、光刻机和工艺校正,以及缺陷分类。借助我们的图案化模拟软件,研究人员便可以较低成本评估先进的图案化技术,例如 EUV 光刻和多种图案化技术。通过将数万亿字节的数据提炼成可操作信息,我们的数据管理、数据分析和图案化模拟系统可帮助芯片、晶圆、光罩和封装制造商加快良率学习速度并降低生产风险。

产品类别

Klarity®

自动缺陷与良率数据分析

通过实时偏差识别,Klarity® Defect自动缺陷分析与数据管理系统能帮助晶圆厂缩短良率学习周期。Klarity ® SSA (空间特征分析)分析模块能够自动检测与分类点出工艺问题之缺陷特征。Klarity ® ACE XP先进的良率分析系统能够帮助晶圆厂内部与跨厂捕获、保留与共享良率学习,从而加速良率。Klarity系统采用直观的决策流程分析,使工程失能轻松创建自定义分析,支持批次处置、复检取样、缺陷源分析、SPC设置与管理以及偏离通知等应用。Klarity Defect、Klarity SSA与Klarity ACE XP组成工厂全程良率解决方案,可自动减少缺陷检查、分类以及检视数据,转为相关之根本原因与良率分析资讯。Klarity数据可帮助集成电路、封装、复合半成品与硬盘制造商更迅速采取纠正措施,从而提高良率以及缩短产品上市时间。

OVALiS

产品上的工艺优化、诊断、监测和控制

领先的半导体光刻和图案形成团队使用 OVALiS 软件套件实现产品上的工艺优化和控制。OVALiS 使用单一数据库,整合计量数据与各种类型设备的上下文信息以及晶圆厂自动化的大量上下文信息。在模拟、诊断、监测和工艺优化中,这些数据有助于优化和提高产品的性能。OVALiS 软件套件由不同的模块组成,模块既可独立使用,也可协同使用,并且可以无缝集成到晶圆厂的 SPC、FDC 和良率管理系统中。

5D Analyzer®

先进的数据分析与图案控制

5D Analyzer® 为一种运行时工艺控制解决方案,具备支援之分析与可视化功能,用于先进节点工艺优化、工艺监制与图案控制。本方案接受来自整座晶圆厂之各式数据,包括叠合、光罩对位、晶圆几何、腔体温度、薄膜、CD与剖面计量系统;工艺工具;以及扫描移等。5D Analyzer®透过先进的叠合分析和光罩与晶圆形状数据之相关性,有效控制图案错误,应用于各式离线与实时场景,以达成先进图案控制。

aiSIGHT™

Pattern-Centric 晶圆缺陷和量测软件解决方案

aiSIGHT™ 软件解决方案利用获取的 SEM(扫描电子显微镜)图像和芯片设计信息,提供广泛的缺陷和图形测量信息。aiSIGHT(Anchor Integrated SEM Image Guided Hotspot Toolkit)是一个独立的软件,能使用来自任何制造商电子束检测、审查和量测系统的 SEM 图像。aiSIGHT 能够检测缺陷并对其分类,执行大规模量测,并测量特定图形。通过从SEM 图像中提取以前从未见过的信息,aiSIGHT 可以帮助芯片制造商详细了解影响良率或最终芯片性能的缺陷或图形问题。

Anchor Pattern Centric Yield Manager

自动化设计分解和图形风险评分

Anchor Pattern Centric Yield Manager 首先使用一组参数化搜索规则创建 Design Decomposition Database™,以提取感兴趣的图形。 然后根据所有可用信息源,对 Design Decomposition Database 中的图形评分,包括 OPC 模拟、统计或几何来源(设计签名)以及经验来源,例如从 SEM 图像中提取的图形保真度信息。所有图形均评分(或排名)后,Anchor Pattern Centric Yield Manager:

  • 评估每个图形的工艺边缘性或风险,并随时间生成图形风险评分趋势
  • 将新的流片与参考设计相比较,以识别图形风险因素
  • 创建光学和电子束检测关注区域
  • 为 SEM 审查执行改进的缺陷取样
  • 向 OPC / 光刻团队提供图形风险反馈

Anchor Pattern Centric Machine Learning

自动设计分解和参数化规则搜索

Anchor Pattern Centric Machine Learning将印刷图形数据库和Design Decomposition Database™相连接,通过预测图形风险评分(比纯统计或几何特征更可靠),为良率学习和工艺优化提供全新的机会。 Anchor Pattern Centric Machine Learning:

  • 使用Printed Pattern Database中包含的数据,构建机器学习模型
  • 针对更大的 Design Decomposition Database 中的几乎所有图形,预测图形风险评分
  • 将晶圆厂中不断生成的新 SEM 图像捕获到Printed Pattern Database中
  • 实现持续学习以提高其预测准确性,使其更接近专家系统

SPOT®

针对晶圆厂工艺与良率管理之自动预测分析

SPOT®(样本计划优化组合)为芯片制造工厂中使用之生产机器学习平台。借由使用可订制的机器学习技术与统计算法组合,其提高了对关键兴趣缺陷(DOI) 之捕获率。使用强大并可扩展的计算架构与审查数据进行全面分析,利用先进的机器学习模型识别和真实兴趣之缺陷,并将其与无关的缺陷区分。自动生成优化且有针对性的审查样本计划,能够发现更多关键兴趣缺陷,并显示前期被干扰噪声掩盖之晶圆特征。

I-PAT®

线上芯片级筛选

I-PAT (线上缺陷零件平均测试)为让汽车制造商减少半导体电子元件中浅在可靠性缺陷发生率之方式,识别具有风险的芯片以将其排除在供应链外,并减少芯片逃逸且于晶圆厂过早失效的发生率。I-PAT于KLA检测和数据分析系统运行。其首先自高速8 Series检测仪或Puma™激光扫描检测仪於关键工艺步骤中收集的所有晶圆数据中挑出缺陷特征。I-PAT接着利用SPOT®生产平台上的定制机器学习算法与Klarity®缺陷管理系统之统计分析功能,识别异常缺陷族群,从而可以将存在风险的晶片自供应链移除。透过识别关键工艺步骤中有异常缺陷族群的芯片,I-PAT帮助汽车芯片制造商实现高度可靠性与质量。

RDC

光罩数据分析与管理

RDC (光罩决策中心)综合数据分析与管理系统支持多种KLA光罩检测与计量平台,无论是在光罩制造厂或是集成电路工厂中皆可用于光罩检验。RDC为光罩质量控制提供一系列创新解决方案,包括KlearView™、Automatic Defect Classification, Lithography Plane Review, Defect Progression Monitor, Aerial Image Analyzer等(详见下方之模块选项)。这些RDC组件推动自动化的缺陷处置决策,提高周期时间并减少可能影响产量之与光罩相关图案错误。除了提供关键应用程序外,RDC还充当为集中数据管理系统,搭载高度可靠性与灵活性的伺服器配置。

PROLITH™

真实虚拟图案形成

PROLITH™ 光刻与图案模拟解决方案创新模型,准确模拟设计在晶圆上的印刷效果。IC、LED和MEMS制造商、扫描仪公司、曝光机公司、曝光机跟踪系统公司、光罩制造商、材料供应商与研究联盟等利用PROLITH以经济、高效的方式评估图案技术,包括EUV光刻与多重图案技术。作为所有图案行程工艺中至关重要的建模工具,PROLITH帮助光刻工程师理解多个光刻变量对图案印刷的影响,同时显著缩短确定可行解决方案所需的时间。

仅用户网站 技术支持

ProDATA™

工艺窗口分析

ProDATA™ V2.1工艺窗口分析软件为整个半导体制造厂提供系统化、稳健的方式,以深入理解与优化光刻工艺。这款强大的软件通过快速、简便与准确分析实验数据,包括临界尺寸(CD) 分析、粗糙度、侧壁角、顶部损失与图案塌陷等,加速关键决策的过程。

FabVision®

晶圆制造之数据管理

FabVision®2为针对晶圆与基板制造商提供的自动化、高度可用性硬件与数据管理软件解决方案。FabVision2 持续监控与管理产品质量、检测与计量资讯,提供实时晶圆制造工艺偏差警报,并自动分发数据报告,优化全球运营。本集成数据库与直觉性客户软件能够快速针对有关产品历史与质量询问做出分析和回应。FabVision2 先进的检测与计量组合能够协助数据分析与再处理,以生成管理、工程与营运所需之关键实时信息,优化晶圆制造工艺,并将产品良率提升至最高。FabVision2XP提供扩展硬件伺服器与储存选项。

Are you sure?

You've selected to view this site translated by Google Translate.
KLA China has the same content with improved translations.

Would you like to visit KLA China instead?


您已选择查看由Google翻译翻译的此网站。
KLA中国的内容与英文网站相同并改进了翻译。

你想访问KLA中国吗?

如果您当前是KLA员工,请通过My Access上的KLA Intranet进行申请。

退出