半導(dǎo)體制程邁入20奈米以下技術(shù)節(jié)點(diǎn)后，良率、生產(chǎn)周期及成本管控的挑戰(zhàn)更加艱鉅,；新式Hadoop資料儲存架構(gòu)可讓半導(dǎo)體廠以更低成本達(dá)成巨量資料儲存,，進(jìn)而利用深入的統(tǒng)計(jì)分析實(shí)現(xiàn)更精準(zhǔn)有效的設(shè)備管理,，提高產(chǎn)線運(yùn)作效率,。

　　近年來,，為收集更多感測器資料,，長時(shí)間保留資料,，并加以有效運(yùn)用，制造商面對不斷加重的挑戰(zhàn),。例如最先進(jìn)晶圓廠的工具感測器和故障偵測生產(chǎn)資料庫,，保留資料1至3個(gè)月需要20?30兆位元組的儲存容量。隨著產(chǎn)業(yè)轉(zhuǎn)移至20奈米以下技術(shù)制造和新世代工具,，情況將加劇,。

　　收集和儲存資料，對于達(dá)到必要的良率,、生產(chǎn)周期時(shí)間和成本至關(guān)重要,，但這只是資料問題的一部分。另外更重要的是,，如何經(jīng)由快速及具成本效益來分析這些資料,，改善機(jī)臺的效能和工廠產(chǎn)出的良率即時(shí)的資料分析，對于找出最佳化機(jī)會,、大幅加快目前的速度,，具絕對關(guān)鍵性影響。

　　所幸資料管理,、資料分析技巧和預(yù)測技術(shù)的演進(jìn),，為半導(dǎo)體產(chǎn)業(yè)提供滿足這些需求、具有前景的全新解決方案,。

　　傳統(tǒng)感測器儲存　無法處理巨量資料

　　感測器及統(tǒng)計(jì)資料所使用的分析軟體,，必須使用一或多個(gè)工具、特定時(shí)間范圍,、感測器,、統(tǒng)計(jì)資料、配方表,、批量,、晶圓組合等構(gòu)成的述詞，進(jìn)行資料庫查詢。但目前的資料儲存策略,，以述詞查詢巨量資料(Big Data)集,，無法獲得最佳結(jié)果。因此,，資料大規(guī)模成長導(dǎo)致嚴(yán)重問題,，影響感測器資料的儲存，也無法有效執(zhí)行分析查詢,。

　　首當(dāng)其沖的問題是,，要將來自數(shù)百或甚至數(shù)千個(gè)工具的資料傳送到中央儲存系統(tǒng)，需有高效能的儲存系統(tǒng),。但以目前的儲存技術(shù)與價(jià)位,，要儲存數(shù)百TB的資料，將大幅提高晶圓廠級設(shè)備工程解決方案(EES)的基礎(chǔ)設(shè)施成本,。以400兆位元組的企業(yè)級中央儲存系統(tǒng)為例,，每兆位元組所需成本，是具備類似備援功能同等級本機(jī)附加儲存的四倍之多,。

　　第二個(gè)問題是,，多數(shù)感測器資料的結(jié)構(gòu)與儲存，都采用傳統(tǒng)關(guān)聯(lián)式的列與欄方式,。但資料容量暴增后,，這項(xiàng)方式卻無法隨著最新故障偵測、預(yù)測及產(chǎn)能分析應(yīng)用程式擴(kuò)充,，達(dá)到所需效能等級,。運(yùn)用傳統(tǒng)關(guān)聯(lián)式資料處理技術(shù)處理大量資料，成本將高得驚人,，嚴(yán)重影響新世代應(yīng)用的投資報(bào)酬率。

　　Hadoop有效處理巨量資料

　　過去幾年里,，資料管理技術(shù)方面的進(jìn)展,，為社交媒體、零售及財(cái)務(wù)等須管理大量資訊的產(chǎn)業(yè)開啟可能性,，能以更有效率的方式,，管理感測器及其他半導(dǎo)體制造資料。舉例來說,，其中一個(gè)解決方案是Apache Hadoop,，這是一種開放源碼軟體架構(gòu)，用于儲存及處理分散于硬體商品叢集上的大量資料,。其概念可兼顧大量資料儲存,，同時(shí)以更低的成本，加速完成資料處理,。此開放源碼軟體平臺,，主要包含Hadoop分散式檔案系統(tǒng)(HDFS)和運(yùn)算架構(gòu),，可于分散式檔案系統(tǒng)上平行運(yùn)算。Hadoop分散式檔案系統(tǒng),，可從數(shù)十?dāng)U充到數(shù)千臺伺服器商品,，將龐大資料集大范圍散布至本機(jī)附加儲存，大幅降低儲存成本,。

　　查詢資料時(shí),，運(yùn)算架構(gòu)將于大量資料節(jié)點(diǎn)上平行處理資料，將掃描大量資料集所需處理時(shí)間縮至最短,；Hadoop平臺上還有其他輔助技術(shù),，可協(xié)助有效執(zhí)行資料消化、儲存,、運(yùn)用結(jié)構(gòu)化的查詢語言(SQL)查詢資料,，提供安全性和類似企業(yè)資料處理需求。

　　Hadoop資料儲存,，可解決目前制造環(huán)境的多項(xiàng)問題,。首先Hadoop分散式檔案系統(tǒng)，可加入低成本的儲存裝置擴(kuò)充資料儲存,，因此成本僅為集中系統(tǒng)資料儲存成本的四分之一,。其次，擁有較大的資料儲存,，制造作業(yè)可保留及查詢的資料集,，比傳統(tǒng)集中儲存庫時(shí)間更長、范圍更大,。目前有些自動(dòng)化和設(shè)備工程系統(tǒng)公司提出要求,，希望能查詢最長達(dá)兩年的資料，其中所牽涉的問題從變異控管,，轉(zhuǎn)變?yōu)楦钊氲馁Y料分析,。

　　現(xiàn)今公司儲存的資料類型多元，包括事件,、量測和影像資料等,，并希望能將這些資料開放給一般的追蹤與摘要統(tǒng)計(jì)資料。最后,，有些公司擁有多座采用自動(dòng)化和設(shè)備工程系統(tǒng)解決方案的晶圓廠,，因此需在晶圓廠之間分享及傳送結(jié)果，必須找一個(gè)集中儲存位置以查詢和挖掘,，從多間晶圓廠診斷出結(jié)果,。

　　半導(dǎo)體制造可善用巨量資料

　　半導(dǎo)體設(shè)備商目前正開發(fā)多個(gè)應(yīng)用程式，以預(yù)測技術(shù)和近乎即時(shí)的資料分析為基礎(chǔ)，改善產(chǎn)能及工具效能,。不過,，Hadoop雖然為這些應(yīng)用程式提供分散式資料儲存及處理架構(gòu)，但卻不足以支援應(yīng)用程式的需求,。

　　以下的簡短說明,，可概要了解Hadoop架構(gòu)在半導(dǎo)體制造環(huán)境中的效用。為取得資料的備援及高可用性,，Hadoop將資料檔案以預(yù)先定義的區(qū)塊大小,，分散到數(shù)十個(gè)資料節(jié)點(diǎn)，如圖1所示,。假如資料檔案的大小為256MB,，而Hadoop區(qū)塊大小為128MB，則資料將分割為兩個(gè)區(qū)塊,，每個(gè)區(qū)塊各128MB,，區(qū)塊的備援副本將散布到Hadoop叢集上的多個(gè)節(jié)點(diǎn)。在本例中,，須掃描完整檔案查詢,，可在兩個(gè)平行程序中執(zhí)行。在資料時(shí)間范圍拉長,，以及查詢須存取的工具數(shù)量持續(xù)成長下,，使平行程度不斷成長，因此大幅提升資料擷取效率,。

　　此架構(gòu)亦能對須處理大量資料集的查詢進(jìn)行分割,，讓部分查詢可在多個(gè)節(jié)點(diǎn)上平行執(zhí)行(表1)。因此即使資料容量擴(kuò)大,，也可大幅縮短查詢的處理時(shí)間,。假設(shè)查詢述詞使用特定的時(shí)間范圍和工具集，例如用資料庫中的兩個(gè)欄,，譬如時(shí)間,、工具進(jìn)行篩選。再假設(shè),，所需資料來自工具集所儲存的一百個(gè)感測器的其中十個(gè)。在Hadoop架構(gòu)下,，查詢引擎將掃描兩個(gè)欄中經(jīng)過壓縮和連續(xù)的值,，以篩選資料并從十個(gè)感測器樣本擷取輸入。引擎將不會處理工具所儲存的另外90%的感測器資料,，因此可大幅減少查詢引擎所須掃描的資料量,。

　　Hadoop是專為大規(guī)模儲存及分析所設(shè)計(jì)，晶圓廠目前多數(shù)的資料處理需求，則是獲得小型資料集的最佳效能,。其常見使用個(gè)案包含傳統(tǒng)報(bào)告,、模擬和配置功能，這些功能在自動(dòng)化和設(shè)備工程系統(tǒng)內(nèi)都可找到,；添購HDFS須與其他的自動(dòng)化和設(shè)備工程應(yīng)用程式整合,。報(bào)告及模擬環(huán)境須要從短期和長期的資料儲存位置進(jìn)行查詢、合并資料,，再透過標(biāo)準(zhǔn)介面回報(bào),，部分半導(dǎo)體公司并不希望HDFS資料使用新的使用者介面。

　　半導(dǎo)體公司可透過HDFS存取更大量資料集,，并希望能執(zhí)行進(jìn)階的資料分析活動(dòng),。運(yùn)用更大型資料集的新興解決方案，將可橫跨多個(gè)維護(hù)事件,、橫跨多個(gè)工具,，執(zhí)行反應(yīng)匹配及指紋辨識，亦能將多項(xiàng)叢集分析技巧,，套用至追蹤及摘要統(tǒng)計(jì)資料,，譬如比對正確與錯(cuò)誤，以及觀察的趨勢,，一般而言,，這需一年以上的資料才有效。

　　添購Hadoop基礎(chǔ)設(shè)施,，加入自動(dòng)化和設(shè)備工程系統(tǒng),，仍有其挑戰(zhàn)。尤其相較于關(guān)聯(lián)式資料庫系統(tǒng),，半導(dǎo)體產(chǎn)業(yè)對Hadoop基礎(chǔ)設(shè)施較不熟悉,，也無同樣深入的經(jīng)驗(yàn)。為能普及運(yùn)用,，Hadoop系統(tǒng)執(zhí)行查詢及報(bào)告的效能,，必須跟上關(guān)聯(lián)式系統(tǒng)的水平。再加上其基礎(chǔ)設(shè)施有著不同于關(guān)聯(lián)式系統(tǒng)的要求,，而在半導(dǎo)體公司采用這些解決方案的同時(shí),，也須提供資料安全性模式和受控制資料存取等功能。

　　運(yùn)用Hadoop平臺執(zhí)行大規(guī)模分析資料處理,，有潛力可解決半導(dǎo)體產(chǎn)業(yè)資料爆炸性成長的問題,，其低成本的儲存與資料處理，能收集大量的感測器資料,，若要能運(yùn)用這些資料,，便須開發(fā)出合適的資料格式,、架構(gòu)和查詢引擎，半導(dǎo)體制造商才能善加利用,。