1.IHS:歐美廠商囊括2017工業半導體產值前五大;
集微網消息, IHS Markit研究顯示, 2017年全球工業半導體產值為491億美元, 年增率11.8%; 其中, 前五大廠皆由歐美業者包辦, 德州儀器(TI)蟬聯市佔第一寶座, 而亞德諾(ADI), 英特爾(Intel), 英飛淩( Infineon)和意法半導體(ST)則分居二至五名. 該機構預估, 至2022年, 工業半導體市場仍將持續增長, 年複合成長率(CAGR)達7.1%.
IHS Markit指出, 美國經濟的複蘇, 和中國市場強勁需求, 是2017年工業設備市場需求主要來源. 另外, 歐洲市場的回溫也為半導體成長帶來強勁動能. 2017年前十大工業半導體供貨商營收皆呈現向上成長格局. 此外, 策略購併持續成為形塑整體工業半導體市場樣貌的重要因素.
IHS Markit對工業電子設備的定義包括LED照明, 數立廣告牌, 數字影像監控, 環境空調(Climate Control), 智能量表, 牽引機(Traction), 太陽光電逆變器, 人機介面, 以及各種醫療電子等. 這些設備所運用的半導體則包括光學半導體, 分布式功率組件, 通用型類比組件及微控制器(MCU)等等.
在2017年工業半導體供貨商排名方面, 德州儀器以高達50億多美元的營收領先群雄, 穩居工業半導體龍頭位置; 亞德諾在收購淩力爾特(Linear Technology)後, 不僅在工業市場版圖更形擴張, 相關產品營收也達28億美元, 順勢躍升第二名位置. 英特爾則拜物聯網事業單位營收持續以兩位數成長所賜, 以微幅差距排名第三.
名列第四的英飛淩, 則因其分布式功率組件和電源管理組件在工廠自動化, 牽引機, 以及太陽能, 電動車, 電源供應等各種電力和能源領域, 佔有市場領先地位, 相關產品營收持續強勁成長. 而第五名的意法半導體, 其工業半導體營收則源自工廠與建築自動化等多種應用領域採用了許多該公司的MCU, 類比和分布式組件.
2.基準缺陷降低有訣竅 汽車IC良率/可靠性再提升;
半導體IC的良率與可靠性之間的緊密聯繫已經得到充分的研究和記錄. 圖1中的數據展示了這種關係. 類似的結果在批次, 晶圓和晶片級別上都可以看得到. 簡而言之, 良率高, 可靠性隨之也好. 這種良率與可靠性的相關性完全在意料之中, 因為導致晶片故障的缺陷類型與造成早期可靠性問題的缺陷類型是相同的. 影響良率和可靠性的缺陷之間的區別主要在於它們的尺寸和它們在晶片圖案上的位置.
半導體IC的良率與可靠性之間的緊密聯繫已經得到充分的研究和記錄. 圖1中的數據展示了這種關係. 類似的結果在批次, 晶圓和晶片級別上都可以看得到. 簡而言之, 良率高, 可靠性隨之也好. 這種良率與可靠性的相關性完全在意料之中, 因為導致晶片故障的缺陷類型與造成早期可靠性問題的缺陷類型是相同的. 影響良率和可靠性的缺陷之間的區別主要在於它們的尺寸和它們在晶片圖案上的位置.
圖1 IC組件的可靠性與良率之間緊密相關性.
因此, 減少IC生產製程中影響良率的缺陷數量將會提高基準良率, 同時可以提高實際使用中的組件可靠性. 認識到這一事實, 服務於汽車市場的代工廠就面對兩個關鍵的問題. 首先是經濟問題: 為了提高可靠性, 需要投入時間, 金錢和資源以提高良率, 投入的適當程度為何? 第二個問題是技術問題: 為了將基準良率提高到必要水平, 什麼是減少缺陷的最佳方法?
對於製造消費者電子設備的代工廠(行動電話, 平板計算機等IC), 「成熟良率」被定義為進一步投入時間和資源卻並不一定會提高良率的轉折點. 隨著產品成熟, 良率趨於穩定, 通常會達到一個高位數值但仍遠低於100%. 消費類產品代工廠會將資源重新分配到開發下一個設計節點的製程和設備, 或降低成本以提高其成熟節點的獲利能力, 而不是追求更高的良率, 因為這樣做更有經濟效益.
對於汽車代工廠而言, 是否為了提高良率而增加投資的經濟決策已經超出了典型的邊際收益的決定. 當可靠性問題出現的時候, 汽車IC製造商可能須要承擔昂貴且耗時的故障分析, 並且在產品的保固期內承擔故障和產品回收的經濟責任, 以及潛在的法律責任. 考慮到對汽車IC可靠性的要求比消費性IC要高兩至三個數量級, 汽車代工廠必須達到更高的基準良率水平. 這就須要重新思考「成熟良率」的含義.
圖2著重展示了消費性產品與汽車代工廠商的成熟良率之間的差異. 任何類型的晶圓廠都會提高良率曲線, 因而幾乎所有系統性影響良率的根源都已經被解決. 剩餘的良率損失主要是來自於製程設備或環境的隨機缺陷所造成的. 這時, 消費產品代工廠可能認為良率和可靠性「足夠好」並採取相應的方法. 然而, 在汽車行業, 代工廠採用持續改進的策略來推高良率曲線. 透過降低影響良率的缺陷發生率, 汽車代工廠還可以降低潛在的可靠性缺陷, 從而優化其利潤並降低風險.
汽車供應鏈(從OEMs到一級供貨商, 再到IC製造商)都正在形成一種「每個缺陷都很重要」的思維模式和追求零缺陷的戰略. 他們認識到, 當潛在缺陷離開代工廠之後, 它在供應鏈中每向前一級, 發現和解決的成本都會增加10倍. 因此, 目前過度依賴電性測試的方法需要被成本最低的策略所取代, 即將潛在故障在代工廠攔下. 只有有條不紊的實施減少缺陷的計劃, 代工廠才能實現零缺陷目標, 並能夠通過汽車製造商嚴格的審核.
除了穩健的線上缺陷控制能力之外, 汽車採購經理希望看到的一些減少缺陷的方法還包括:
. 持續改進計劃(CIP), 用於減少基準缺陷
. 最佳設備工作流程
. 不良設備改善計劃
持續減少基準缺陷
產線缺陷策略是任何嚴格降低基準缺陷計劃的基礎. 為了成功檢測出影響其設計規則和組件類型的良率和可靠性缺陷, 代工廠的產線缺陷策略必須包括合適的製程控制設備和合適的檢測取樣計劃. 所採用的缺陷檢測系統必須具備所需的缺陷靈敏度, 維護良好並且達到規格, 以及使用精心調整的檢測程序. 檢測取樣必須針對製程步驟達到足夠的頻率, 以快速檢測到製程或設備的偏移. 此外, 應有足夠的檢測產能用以支援加速異常偵測, 根本原因區分和風險WIP追蹤之控制計劃. 有了這些要素, 汽車代工廠應該可以實現成功的基準缺陷降低計劃, 該計劃能夠證明隨著時間的推移良率趨勢的提升, 提供進一步改進的目標以及等同於業界最佳做法.
在一個基準缺陷減少計劃中, 最大的挑戰之一就是回答: 這個缺陷來自哪裡? 答案往往不那麼簡單. 有時, 缺陷產生之後經過多個製程步驟才被檢測到. 有時, 只有在晶圓經過其他製程並「裝飾」缺陷之後, 它才會變得明顯, 也就是說讓缺陷在檢測系統中更為顯而易見. 設備監控策略有助於解決缺陷起源的問題.
在設備監控/設備認證(TMTQ)的應用中, 先檢測一片控片晶圓, 使其在指定的製程設備(或反應室)中運行, 然後再次檢測(圖3). 第二次檢測發現的任何新的缺陷必定是由於該指定的製程設備而產生的. 結果很明確; 對缺陷的根源沒有任何疑問. 追求零缺陷標準的汽車代工廠認識到設備監控策略的好處: 透過靈敏的檢測程序, 適當的控制限值和失控行動計劃(OCAP), 可以揭示源自每個製程設備的隨機良率損失並將其解決.
圖3 在「預檢」檢測取得控片晶圓的基準數據之後, 可以採用該晶圓迴圈運行部分或全部製程設備步驟. 「後」檢測揭示了製程設備所添加的缺陷.
此外, 如圖4所示, 將製程設備新增加的缺陷按照時間的推移進行繪製, 這提供了可持續改進的記錄, 可以對其進行審計並用於設定未來的缺陷減少目標. 代工廠可以將每個設備上出現的缺陷分類, 並生成資料庫, 並可作為現場故障的失效分析時的參考. 這種方法需要非常頻繁的設備認證(至少每天一次)通常與下面討論的最佳設備工作流程或不良設備改善計劃一起使用.
圖4 隨著時間的推移持續改進設備的清潔度. 問題的根源是明確的, 可以客觀地按季或按月設定缺陷減少目標. 另外, 比較兩種製程設備的缺陷可以顯示哪種機台更清潔. 這有助於指導設備維護活動, 並鎖定設備之間產生差異的原因.
AWF/不良設備改善計劃各有優勢
最佳設備工作流程是代工廠用於達到汽車行業要求的零缺陷標準的另一種策略. 藉助最佳設備工作流程或汽車工作流程(AWF), 用於汽車IC的晶圓只在晶圓廠的最佳製程設備中運行. 這要求晶圓廠了解任何既定製程步驟的最佳機台. 為了可靠地確定哪種機台最好, 代工廠利用線上和設備監控檢測的數據, 然後僅將這些機台用於汽車工作流程. 將汽車晶圓在每個製程步驟限制在單一的設備上可能會導致更長的周期時間. 然而, 與可能導致可靠性問題的缺陷率較高的製程流程相比, 這種做法對於汽車晶圓還是更受青睞. 加上有條不紊的持續改進計劃, 大多數代工廠通常可以通過設定季度缺陷減低的目標, 在每一步製程中獲得多個符合AWF要求的設備.
由於這種方法難以擴展, 因此最佳設備工作流程最適合只有小部分WIP為汽車的代工廠. 對於大批量生產汽車產品的代工廠, 應優先考慮採用更有條理的持續改進計劃, 如下文所述的不良設備改善的方法.
不良設備改善計劃與最佳設備的工作流程相反, 因為它可以在任何給定的製程步驟中主動解決最差的製程設備. 在降低基準缺陷方面取得最大成功的代工廠往往通過採用不良設備改善計劃. 他們首先在每個製程步驟中將最差設備下線, 並調整該設備, 直到它超過同組中其餘設備的平均值. 他們一遍又一遍地重複這個過程, 直到同組的所有設備都符合最低標準. 一個有效的不良設備改善計劃要求工廠有一個井然有序的設備監控策略, 以在每一個步驟對每台製程設備進行認證. 至少每台設備上每天完成都需要完成一次認證程序, 以確保採集足夠的數據, 讓ANOVA或Kruskal-Wallis分析確定每組中最好和最差的設備. 一個不良設備改善計劃會安排製程設備的停機時間, 並且是眾所周知的將整個晶圓廠提升至汽車標準的最快的方法之一. 通過提高良率和可靠性, 該策略最終提高了汽車代工廠的有效產能和盈利能力.
(本文作者為KLA資深總監與首席科學家)新電子
3.ADAS技術成熟 車用感測市場正熱
近年來各國致力推動ADAS納入安全法規, 相關技術亦已成熟. 因此, 各類智能車的3D感測器需求皆在成長中.
智能車是資通訊廠商與傳統車廠爭相競技的未來潛力AIoT市場, 目前先進駕駛輔助系統(ADAS)技術已臻成熟, 下一階段國際大廠將力拚可監控路況的L3級別自駕系統(表1), 而「 環境感知」能力是基本需求, 車用3D感測設備為不可或缺組件. 智能車的3D感測器依距離與用途不同, 主要包含:
. 超音波雷達(Ultrasound):
偵測距離短(<6M), 用于侧撞警示及停车辅助系统.
. 車用攝影機(Camera):
偵測距離中等(<100M), 主要用来辨识路标与障碍物, 但易受浓雾, 强光, 大雨等天气影响.
. 光學雷達(LiDAR):
簡稱光達, 偵測距離長(150M), 精確度高, 可快速建立周遭環境的3D地理資訊模型.
. 毫米波雷達(mmWave Radar):
偵測距離長(100~250M), 可辨識障礙物, 受環境影響小(夜間或不良氣候), 但精確度有限.
ADAS法規驅動 車用感測後勢看好
近年來各國致力推動ADAS納入安全法規, 預估短期將驅動各種3D感測設備的需求(表2). 例如2018年, 美國強制新車安裝RVC及LDW, 中國大陸則將ADAS納入安全法規. 2020年, 美國, 歐盟, 日本的新車將強制安裝AEB, 而中國大陸將FCW, AEB, LDW, PDS納入安全評分等.
不過, 為了提升汽車環境感測的可靠度, 通常廠商大多會整合兩種以上的感測器, 藉以獲取更精確的數據, 提升汽車偵測周遭環境, 行人的能力, 降低事故發生機率, 實現自動駕駛或智能車的先進輔助駕駛功能.
車用攝影機發展日趨成熟
一般來說, 短距超音波雷達技術已相當成熟, 幾乎為現有新車的標配. 而車用攝影機因應車規特殊需求, 必須有較佳的耐用性, 高光敏性, 高動態性, 且新車至少須搭配5個攝影機(前視景深鏡頭1個, 左右側視鏡頭共2個, 前後近視鏡頭共2個), 故潛在商機不容小覷.
毫米波雷達偵測範圍廣 77GHz為發展重點
毫米波雷達偵測範圍廣, 從中程(24GHz)至長程(77GHz)皆有, 目前大廠發展重點在77GHz, 如英飛淩(Infineon), 恩智浦(NXP)及意法半導體(ST). 其中, 毫米波晶片(MMIC)是重要零組件, 主要發射與接收微波訊號, 製程以矽鍺(SiGe)為主, 成本相較砷化鎵(GaAs)低. 預計未來新車將配備1個長程雷達及4個車角位置的中程雷達, 預估需求同樣殷切. 而CMOS製程具有更低的生產成本, 唯目前相關技術尚未成熟, 是下一階段MMIC的發展方向.
LiDAR朝量產化發展 L3自駕車可望加速達陣
光達(LiDAR)是以雷射光TOF原理做距離量測, 不受環境亮度影響, 可不分晝夜地感測周遭環境來建立3D地理資訊模型, 是自動駕駛必備的感測器之一. 傳統機械光達由於體積龐大, 造價高, 獨立設備難融入車體設計, 故大廠與新創公司皆發展微型化的固態光達(Solid-State LiDAR), 整合光學掃描與感測組件或單一CMOS晶片(全固態光達), 以達成小體積及量產經濟的需求.
目前ADAS多強調輔助功能, 僅能做到速度或方向局部控制, 若要進階達到L3~L5的全自動駕駛, LiDAR可補足其它感測器對應複雜環境的數據搜集能力缺口, 以同步定位與地圖構建(SLAM)實現即時導航功能, 未來後勢看好.
圖1 智能汽車搭載許多感測組件.
(本文作者任職於資策會MIC) 新電子