Qu'est-ce qu'un jumeau numérique dans le secteur des semi-conducteurs ?

L'administration Biden a récemment annoncé une opportunité de financement de 285 millions de dollars destinée à encourager l'utilisation de jumeaux numériques dans l'industrie des semi-conducteurs aux États-Unis. Celle-ci fait suite à des initiatives d'investissement similaires au Japon et en Inde dans ce même domaine. Aux États-Unis, les fonds serviront à financer un institut du jumeau numérique, et la subvention du gouvernement devrait être abondée par les membres de l'institut.

Si l'industrie manufacturière a déjà largement commencé à utiliser des jumeaux numériques, il s'agit encore d'une technologie relativement nouvelle pour la fabrication de puces semi-conductrices. La récente initiative de la Maison-Blanche vise à construire un écosystème plus solide dans l'ensemble des États-Unis, dans lequel les fabricants de puces utiliseront des jumeaux numériques pour réduire la dépendance aux processus de fabrication d'autres pays et mettre en place une chaîne d'approvisionnement plus robuste.

Un jumeau numérique est une représentation virtuelle ou un modèle d'une entité ou d'un processus réel qui peut être géré en temps réel. La représentation virtuelle est connectée à l'actif physique via des flux de capteurs et devient un jumeau numérique, dans lequel vous pouvez analyser le comportement passé, présent et futur d'un système pour mieux comprendre comment l'optimiser.

Un jumeau numérique est construit à l'aide de données issues de capteurs physiques qui maintiennent l'environnement virtuel à jour et permettent au jumeau numérique d'expérimenter les mêmes choses que l'actif physique, afin de prédire en temps réel comment il se comportera.

Plusieurs couches et technologies sont nécessaires pour construire un jumeau numérique : 

• Couches d'infrastructure, comprenant des réseaux de capteurs fixés physiquement à l'équipement de fabrication de semi-conducteurs
• Infrastructure de communication
• Infrastructure informatique
• Infrastructure de stockage de données
• Couches d'activation des applications

Les jumeaux numériques utilisent également l'Internet des objets (IdO) et les plateformes Edge, comme celles fournies par Microsoft, NVIDIA et Amazon Web Services (AWS), pour créer des modèles virtuels de systèmes physiques. 

La couche finale a une fonction analytique. Dans cette couche, toutes les données collectées sont combinées avec des informations techniques (telles que celles obtenues à partir de simulations) pour construire la représentation virtuelle ou le modèle qui peut ensuite être utilisé pour faire des prédictions sur le système et fournir un aperçu de son fonctionnement. En règle générale, les jumeaux numériques permettent une meilleure prise de décision lorsqu'il s'agit de déterminer les optimisations à apporter au système physique.

Le processus de fabrication des semi-conducteurs est hautement spécialisé et mondialisé. À titre d'exemple, deux fonderies (TSMC et Samsung Foundries) sont à l'origine d'environ 70 % de toutes les puces fabriquées dans le monde, et une seule entreprise (ASML) fabrique presque toutes les machines de lithographie extrême ultraviolet (EUV), essentielles aux processus avancés de fabrication de nœuds. 

Cette dépendance du marché à un petit nombre d'acteurs clés pourrait potentiellement conduire à des goulets d'étranglement de la chaîne d'approvisionnement, comme nous l'avons vu lors des confinements de la COVID-19. Avec plus de 60 % de la fabrication de puces basée à Taiwan, il existe également un risque de pénurie due aux tensions géopolitiques. 

L'opportunité de financement de la Maison-Blanche pourrait atténuer certains de ces problèmes d'approvisionnement en favorisant le développement de nouvelles usines de fabrication de semi-conducteurs (connues sous le nom de « fabs ») aux États-Unis. Une fois que les institutions académiques auront achevé les processus de validation requis sur les nouvelles solutions de jumeaux numériques, l'objectif final sera d'augmenter les partenariats public-privé à travers des entreprises telles qu'Intel, qui finance déjà l'éducation et la formation de la main-d'œuvre dans le secteur des semi-conducteurs dans le pays.

Les jumeaux numériques bénéficient aux processus de fabrication de semi-conducteurs sur de nombreux plans :

• Amélioration du rendement du processus
• Démarrage plus rapide de l'équipement
• Capacités de maintenance prédictive et de fabrication intelligente
• Réduction des coûts de maintenance et des temps d'arrêt imprévus 

La capacité à parvenir à ce niveau d'optimisation est aujourd'hui limitée à quelques fabricants de puces clés, mais les jumeaux numériques peuvent rendre ce savoir-faire plus accessible à d'autres régions du monde.

Bien que les jumeaux numériques puissent être utilisés pour concevoir et prototyper de nouvelles puces, les principaux avantages seront constatés dans la fabrication et les opérations. Les jumeaux numériques aideront à améliorer le rendement du processus en créant un modèle virtuel de l'équipement individuel ou de l'environnement de la chaîne d'approvisionnement élargie. 

Prenons pour exemple les systèmes de CVC et de filtration de la contamination moléculaire en suspension dans l'air (AMC), qui préviennent la contamination lors du processus de fabrication des puces sensibles. Si les filtres ne sont pas changés au bon moment, la qualité de la puce en pâtira, obligeant à des reprises coûteuses. Si les filtres sont changés trop tôt, la « fab » subira des temps d'arrêt inutiles et coûteux. Les jumeaux numériques offrent un moyen d'entretenir les systèmes de filtration et de CVC plus efficacement.

D'autres aspects peuvent être modélisés et optimisés, par exemple :

• Le réseau d'écoulement des gaz
• Les composants à l'intérieur de chaque équipement de fabrication
• Les procédés de gravure et de soudure
• La température à laquelle le wafer est utilisé

Une fois la puce fabriquée, l'environnement virtuel peut servir à vérifier qu'elle fonctionne efficacement.

Un domaine crucial dans lequel les jumeaux numériques apportent une valeur ajoutée est leur utilisation avec des capteurs virtuels. Les jumeaux numériques donnent accès à des données qui ne seraient pas disponibles avec des capteurs physiques seuls. 

Les capteurs physiques peuvent être placés à des points d'intérêt accessibles, puis les algorithmes sont utilisés pour « détecter virtuellement » ou simuler le reste de l'environnement qui pourrait ne pas être accessible avec des capteurs physiques – à condition que les données physiques disponibles soient validées.

Par exemple, on peut ainsi s'assurer que les fours (par exemple les fours PECVD) fonctionnent correctement en détectant virtuellement la température interne. La température du wafer doit être strictement maintenue pour obtenir un bon rendement. Il n'est pas facile de détecter physiquement la température à sa surface, car cela affecterait le processus de fabrication. En revanche, en utilisant un jumeau numérique, les capteurs virtuels peuvent détecter et maintenir une température optimale pendant la production. 

Les modèles sous-jacents utilisés dans ces jumeaux numériques étant basés sur des éléments physiques, ils peuvent faire des prédictions précises pour une gamme de fonctionnements assez large. De plus, les techniques de calibration statistique telles que la calibration bayésienne peuvent améliorer la précision des jumeaux numériques – par exemple, une erreur de seulement 1-2 °C dans un four type de 1200 à 2000 °C. 

L'apprentissage automatique et les algorithmes de réseaux neuronaux augmentent la simulation et améliorent sa qualité pour s'assurer que le capteur virtuel est aussi proche que possible du capteur physique.

Jusqu'à présent, l'adoption des jumeaux numériques est demeurée marginale dans la fabrication de semi-conducteurs. Cette réticence est due en partie à la difficulté de modéliser la physique non linéaire complexe. Cependant, avec les progrès de la technologie de simulation, plusieurs sous-systèmes critiques dans les équipements de fabrication de semi-conducteurs peuvent être modélisés avec une technologie de pointe. Le principal défi réside dans la disponibilité des modèles. En effet, les fabricants d'équipement disposent souvent de modèles détaillés et d'une connaissance du domaine de l'équipement, mais les fonderies qui veulent utiliser l'équipement n'ont pas accès à cette information.

Les jumeaux numériques pourraient fournir un mécanisme facilitant le partage des connaissances, permettant aux fabricants d'équipements de mieux comprendre comment un opérateur utilise l'équipement et inversement. Les problèmes potentiels de propriété intellectuelle peuvent être résolus en restreignant ou en limitant l'accès aux informations fournies par le jumeau numérique.

Ansys s'appuie sur les simulations existantes que les clients possèdent déjà, pour les convertir en une forme adaptée à la fabrication de semi-conducteurs, puis les connecter à un stack IdO ou une architecture d'Edge computing. Cette approche, appelée modélisation d'ordre réduit (ROM), utilise des simulations complexes ou existantes et les convertit en un modèle en temps réel. 

Le logiciel Ansys peut également fonctionner avec des données de mesure ou des diagrammes d'instruments. Il s'agit d'un processus de bout en bout qui valide chaque étape de la construction du jumeau numérique avant le déploiement.

Ansys dispose de deux progiciels qui sont utilisés en tandem pour construire des modèles de jumeaux numériques : le logiciel Ansys Twin Builder et le logiciel Ansys TwinAI. Ils peuvent être combinés avec d'autres progiciels de simulation pour obtenir un environnement de simulation plus robuste. 

Le logiciel Twin Builder se concentre sur les aspects de la simulation et de la physique, tandis que TwinAI combine la simulation avec des données pour produire des jumeaux numériques évolutifs précis. L'apprentissage automatique améliore la précision des modèles et garantit que le jumeau numérique peut s'auto-calibrer en fonction des changements de comportement de l'équipement à mesure qu'il vieillit. Une fois que les deux outils ont généré le jumeau numérique, celui-ci peut être exporté à l'aide de conteneurs, d'applications Python ou d'applications web. Grâce aux connecteurs prédéfinis pour les plates-formes de jumeaux numériques Microsoft et AWS, il est facile à déployer à grande échelle.

L'initiative de la Maison-Blanche ayant aplani les obstacles à la fabrication de semi-conducteurs, l'heure est venue de passer à l'action. Une grande partie de la technologie à mettre à l'échelle existe du fait que d'autres industries manufacturières l'ont déjà adoptée. Avant longtemps, nous devrions commencer à voir des jumeaux numériques déployés à grande échelle dans le secteur partout dans le monde.

Ressources connexes