R2R自动调机如何提升晶圆良率
R2R自动调机通过约束优化算法实时补偿设备漂移，结合虚拟量测实现秒级闭环控制，将工艺一致性提升30%以上，是晶圆厂良率提升的关键技术。
手动调机的时代正在过去
在半导体制造中，工艺参数的精确控制直接决定晶圆良率。传统做法依赖经验丰富的工艺工程师——根据量测结果和个人判断，手动调整设备的工艺参数（Recipe），以补偿设备漂移和工艺波动。
这种方式存在明显的局限性：
- 响应慢：从发现异常到完成调参，可能已经过了数十甚至上百片晶圆
- 依赖人：资深工程师的经验难以标准化和传承，人员流失直接影响良率
- 不精确：人工调参往往是”粗调”，难以实现精细化的逐片优化
R2R自动调机：从人工经验到算法闭环
R2R（Run-to-Run）控制是一种先进的工艺控制策略——在每一次晶圆加工（Run）完成后，基于该次加工的反馈数据，自动计算并调整下一次加工的工艺参数。它将工艺调优从”人工经验驱动”升级为”数据和算法驱动”的自动闭环。
R2R的核心循环如下：
- 加工：设备按照当前参数执行工艺
- 反馈：通过虚拟量测（VM）或物理量测获取质量结果
- 计算：R2R算法根据目标值与实际值的偏差，计算参数补偿量
- 调整：将新参数自动下发到设备，用于下一次加工
R2R在关键工序中的应用
化学机械抛光（CMP）
CMP工序中，抛光垫磨损和浆料浓度变化会导致去除速率漂移。R2R通过实时补偿抛光时间或压力参数，确保每片晶圆的薄膜厚度一致。
刻蚀（Etch）
等离子刻蚀过程中，腔体状态会随时间变化。R2R可以自动调整射频功率、气体流量等参数，补偿设备状态变化对刻蚀深度和均匀性的影响。
薄膜沉积（Deposition）
CVD/PVD工序中，靶材消耗和温度漂移会影响膜厚。R2R通过闭环调参，将膜厚波动控制在极窄的工艺窗口内。
VM + R2R：最强组合
R2R的效果高度依赖于反馈数据的实时性和覆盖率。如果只依赖物理量测（抽检率5%-10%），R2R的调参频率和精度都会受限。
当VM与R2R结合时，每一片晶圆的加工结果都能被实时预测，R2R算法因此能够实现逐片（Wafer-to-Wafer）甚至逐批（Lot-to-Lot）的精细化调控，大幅提升良率稳定性。
SECS/GEM：R2R落地的通信基础
R2R的自动调参需要与设备进行双向通信：读取设备状态、下发参数变更。这依赖于半导体行业标准的SECS/GEM协议。没有标准化的设备通信接口，R2R就无法真正实现”自动”闭环。
如何开始部署R2R
R2R并不需要一步到位地改造整条产线。推荐的路径是：
- 选择一个关键工序（如CMP），先验证R2R的效果
- 部署VM模型，确保有实时的质量反馈
- 从保守策略开始，逐步放宽R2R的调参范围
迈烁集芯的NeuroBox边缘智能平台支持VM + R2R的一体化部署，可在设备端实现从数据采集、质量预测到参数优化的完整闭环。
