韓國半導體業者透過Splunk工具,建立即時警示機制以提升前端產線良率

圖片來源: 

Splunk

隨著Hadoop大資料分析工具的逐漸成熟,在臺灣現在也有不少半導體廠靠著導入Hadoop技術,分析產線機臺資料,找出提升製程良率的關鍵,甚至新一代即時資料分析資料庫Spark和Impala的出現,也協助解決Hadoop的即時性不足。

然而,除了Hadoop以外,韓國一家半導體廠則在2年前開始採用另一個大資料分析工具Splunk,來提供線上即時良率監控。

用大資料設下百條警示規則,即時分析生產線Log資料

這家韓國半導體廠一開始先是選用Hadoop來分析產線機臺資料,還找來了200位工程師投入系統開發,但後來開發遭遇到失敗,於是才改用Splunk。

為了能搶在生產的當下,就監測到有異常問題的製程步驟,這家半導體廠利用Splunk工具設下240~300個不同的警示規則。

一旦產線前端發生良率問題,系統就會即時發出警示,再由製程分析人員決定是否該停下產線製程,等到重新調整後再繼續做,而透過這樣方式最後也達到製程良率提升及降低原料成本。

Splunk是在2006年推出第一個版本,一開始主要是使用在IT維運和資安管理的即時資料分析,但近幾年也開始運用於半導體大資料即時分析,作為產線即時監測使用。

Splunk臺灣區資深技術顧問陳哲閎表示,Splunk是一個以搜尋引擎為核心的資料即時分析工具,可以想成是一個Google,透過機器學習來即時搜尋大量資料,只是他也說,Splunk搜尋的不是網頁,而是各種機器設備或感應程式產生的Log資料,接著分析這些資料的內容,進行統計運算,產出視覺化分析的結果。

陳哲閎說,只要給出類似Google搜尋的語法,Splunk可立即運算出結果,像是可以即時分析出,目前該產線機臺的製程良率,是否接近臨界值或是已投入多少成本等,過程中也不用事先定義資料結構,就能在資料寫入時放進Splunk加以分析運算。

精誠集團首席顧問陳昭宇也指出,Splunk是一個從資料蒐集、資料解析,到資料呈現都相當完整的即時資料分析工具。

Splunk一開始設計目的,就是用來分析Log資料,所以也適用於分析生產線機臺的Log資料,只要機臺設備的Log發生異常,製程分析人員就能透過搜尋Log,即時找到問題發生的原因,甚至只要以幾個關鍵字搜尋,就能夠立刻分析出結果。

以往要做這些事情,半導體廠得先將這些機臺Log資料儲存到資料庫後,才能透過資料庫查詢(Query)來獲得,但是在將資料存進資料庫的過程中,經常就會耗費掉許多存取時間,「而Splunk的方法,在這部分就解決得很好。」陳昭宇說。

Splunk的即時為串流資料提供預警的機制

然而,Splunk雖然可以做到即時分析,但如要處理一些較複雜統計分析時,就很難做到即時。陳哲閎也表示,儘管Splunk工具本身有內建基本統計分析,可以拿來做歷史資料分析,但對於較複雜的統計分析需求,如迴歸分析等,就得另外搭配第三方統計軟體,這時就必須得等到這些統計軟體分析完後,才能將結果回傳給Splunk。

因此「Splunk所謂的即時,其實比較像是針對串流資料封包提供的即時警示。」陳哲閎說。

儘管目前Splunk已經可以涵蓋80~90%的應用案例,但遇到需要更高階的分析應用,例如演算法等,就沒有支援,必須靠外部工具來完成。

但這樣的作法就可能影響速度效能,所以,陳昭宇說,通常一般不會用Splunk來做資料採礦(Data Mining)。

而這部分在另一個資料即時分析工具Spark,就沒有這樣的困擾。

陳昭宇指出,Spark內建了多種統計分析工具,可以拿來處理包括像是,分群、迴歸分析,甚至是用在更高階的分析應用上,例如機器學習演算法等,只是在發展成熟度上,Spark還沒有Splunk完整。

除了韓國,臺灣也有IC設計公司2個月前首度採用

目前,除了在韓國已有半導體廠實際運用Splunk的實例外,陳哲閎也表示,2個月前,臺灣也有IC設計公司開始使用Splunk工具,來加快IC設計開發與測試的時程,並也有半導體廠開始評估Splunk工具,作為線上即時分析應用的解決方案。

 

應用1:用即時警示提升前端產線良率

韓國半導體廠商利用Tibco中介軟體,將每日來自16條產線取得300GB的Log資料,全都蒐進Splunk做線上即時良率監測。一旦晶圓製程過程中發生異狀,系統就會立即發出警示告知製程人員,並也提供自動化修正動作(Automated Corrective Action),利用運算結果找到有異常的機臺,再重新調整機臺參數來提升良率,甚至也能定義製程中遇到的正常或不正常情況,或將可重新調整的類型分類,最後也做到提升2%的產線良率及降低5%的原料成本。圖片提供/Splunk

 

應用2:降低IC封測廠設備不良率

一家韓國IC封測廠將IC測試封裝設備產生的QA資料,放進Splunk分析,透過資料摘要層(Summarization Layer)產生獨立的索引,以組成、目的別及時間等分類搜尋方式,加快找出所要分析運算的資料,並且以R語言和Scikit-Learn機器學習等工具統計分析後,由Splunk提供長期摘要的資料分析。這項方案在測試和封裝也做到降低5%的不良率,並也改善封測品質。圖片提供/Splunk

 

應用3:縮短IC設計開發及測試時程

在美國和韓國也有IC設計公司將Splunk運用在IC晶片設計的即時監控。不只將每個用來測試晶片模組產生的Log資料都丟進Splunk分析,甚至將所有設計開發流程,包括從計畫開始、開發程式,一直到建置、測試、部署和監控的資料都放進Splunk內,所以只要哪個設計環節或模組出錯都能馬上找到問題,也加快晶片開發過程,而且可以做到效率更好、也越省電,就連成本也越低。圖片提供/Splunk

 


相關報導請參考「半導體前進大資料」

熱門新聞

Advertisement