大数据挑战来袭:芯片设计公司的良率之战( 二 )


但是 , 在具体到数据分析层面时 , 国内很多年轻的Fabless还是会遇到许多实际操作的难题 。
大数据挑战怎么破:良率管理系统能做什么?
据贾峻介绍 , 到了数据分析层面 , 缺乏有效的数据分析经验和手段是国内Fabless面临的困难 。 “拿到数据以后 , 哪些数据要整合对准?哪些分析能够帮助他们抓住问题?很多设计公司往往容易陷入迷茫 。 ”
大数据挑战来袭:芯片设计公司的良率之战】数据量巨大是一方面 , 同时 , 数据格式在不同工厂、甚至不同机台都会有区别 , 为了分析这些数据 , 工程师需要花费大量时间来对这些数据进行预处理与清洗 。 “在这个阶段 , 工程师需要花费80%的时间来对数据进行预处理 , 真正用于分析上的时间只有20% 。 ”他说道 。
大数据挑战来袭:芯片设计公司的良率之战
文章图片
贾峻进一步指出 , 处于不同发展阶段Fabless所使用的良率分析手段各有不同 。 初创企业对于数据分析的要求不高 , 通常会使用“Excel+画图软件”来处理数据 , 虽然入门门槛低 , 上手快 , 但缺点是一旦需要挖掘良率问题 , 数据清洗的工作就会呈指数级增长 , 使得数据分析工作耗时巨大 , 甚至不得不放弃一些分析 。
数据规模不断增长的企业会转向采用脚本(R , Python等)来进行数据清理与制图分析 , 可以大幅减少数据清洗与统计时间 , 但其不具备数据库无法实现系统升级 , 且对员工个人编程能力要求较高 , 每次分析都需针对不同数据类型单独进行程序调试 。
而如果想要实现更高效的良率管理 , 良率管理系统(YieldManagementSystem , 简称YMS)便开始进入一些Fabless的视野 。
据了解 , YMS是一种集数据管理、数据分析和专业工具于一体的系统 , 可在芯片设计、晶圆制造、封装测试等过程中收集数据进行分析 , 帮助工程师迅速找到提高良率的关键点 。
对于半导体设计公司来说 , YMS可以帮助工程师大幅提升数据分析效率 , 在同样时间内进行更大量、更高效的数据分析 。 其中关键环节就是数据库管理系统(DBMS) , 可以大大缩短工程师清洗、处理数据的时间 。 具体来看 , 经过一定的设置 , 数据库可以自动加载数据 , 并对数据自动进行预处理和对准 , 保证数据的正确、完整和有效 。 同时 , YMS可以处理各种格式各个环节的半导体数据 , 并且允许做很多计算 , 可以快速得到摘要级别(summarylevel)的数据 。
对于如何建立有效的良率数据分析平台 , 具体怎么选择合适的数据分析软件 , 贾峻的建议是 , 要结合公司所处的阶段看 。 “企业要对自身的情况有基本的概念 , 是开发新品尚未进入量产阶段 , 还是已经大批量生产 , 有大量的数据需要分析 , 亦或是工艺已经相当成熟 , 需要进行量产监控并了解影响良率的多方面因素等 。 ”贾峻说 , “企业要明确做什么样的分析 , 产生什么样的自动化报表 , 对于未来的新品要做哪些新的分析 。 ”
集微网了解到 , 在半导体大数据分析领域深耕30余年的普迪飞半导体 , 一直与国际一流的流片厂及设计公司保持着密切合作 , 帮助先进Fab、Fabless、IDM/System等国际领先的半导体公司完成了众多先进工艺量产提升项目 。 普迪飞也同样关注半导体初创公司和中小型企业的数据分析需求 , 针对不同成长阶段和规模的半导体企业 , 推出相应的数据分析模块以满足个性化的需求 。
大数据挑战来袭:芯片设计公司的良率之战
文章图片
其中 , 基于云端的免费平台ExensioFablessQuickStart , 可满足中小型设计企业的基本需求 。 该系统由普迪飞进行维护 , 无需额外的硬件或资源 , 能够更有效地帮助处于起步阶段的芯片设计公司进行数据分析 。 对于较大规模的芯片设计公司而言 , 可以根据体量选择标准版或是大数据架构版本的Exensio平台 , 拥有更高的性能和更为灵活的功能 , 以便实现数据的深度追踪和挖掘 。