Big Data在臺灣應用方向(一)

對於高科技製造業來說，任何一廠都是數百億元的投資，一個一個機臺就要10億元以上，為了創造最大利益，各廠無不竭盡心力提高產能與良率。因此，各種先進製程控制（Advance Process Control；APC）的資料分析至為關鍵，一旦製程良率出現問題，如何在最短的時間內找出所有相關因素，甚至事先就能預知並且杜絕問題發生，一直是高科技製造業生產過程中最大的挑戰。

為了提高產能、改善良率，半導體廠商幾乎管控了製程中每個參數，並期望藉此縮小生產製程中的變數，其中的資料收集，大致上就分為3大類，包括每一批晶圓（Lot/Wafer）的生管資料、機臺製程的物理量數值以及製程完成後的量測資料。

以12吋晶圓廠為例，每一片晶圓通常需要經過300～400道製程，每一或數道製程結束之後，會有量測資料數據，作為製程品質指標。最後才會有晶片量率（CP Yield）等更完整的製程資料。事實上，晶圓製造其實就像是製作披薩(Pizza)一樣，每一道製程工序都會有一組特定配方在一個機臺設備中執行，過程中，會有許多不可控制的因子出現，這些因子的變數與特性，就是晶圓製程良率的關鍵。而提高良率的方法，就是縮小產出晶圓的變數，以及管控製程中每個參數變化。

早期的生產資訊分析，是以lot（批）為單位，隨著製程不斷演進，生產資訊也慢慢推進到晶圓，爾後，分析單位又從晶圓縮小到die，也就是IC晶粒。其中，一個lot等於25片晶圓，一片晶圓內含100個IC晶粒，以此類推，生產資訊的資料分析單位，要從lot演進到IC晶粒等級，資料量就已經增長了2,500倍。

晶圓IC製程從10年前的90奈米、65奈米、40奈米，一路演進至今已經要邁入28奈米，甚至是20奈米，伴隨製程演進而來的是，更多生產製程機臺的資料蒐集、資料分析。為了改善製程良率，晶圓廠商各顯神通，無不想盡辦法找出能夠因應下一世代製程的良率資料處理平臺。因此，台積電與聯電這一兩年來相繼評估Hadoop運算平臺，計畫透過分散運算來提升資料處理速度。

聯華電子指出，以目前的資料量來看，其實還可以現有技術來做分析，但是1年後，隨著製程演進而倍增的資料量，以及與各種生產相關的資料交叉後，所構成的資料複雜度，已經遠遠超出現有的資料處理技術以及分析能力，因此必須找尋新的方法，而平行運算的架構，應該會是一個可行的方向。

聯電為了進一步了解最新的資料處理技術Hadoop，半年前開始部署Hadoop環境，以過去的生產資料，整合數學模型、統計模型來做分析。以聯電的經驗來看，部署Hadoop環境並不難，開發MapReduce這種分散式運算程式的Java語言也不會是問題。難的地方在於，根本不知道資料應該怎麼存才是對的？存進去的資料又要如何找出關連性？後續可以如何運用這些資料？

即便聯電在Hadoop概念驗證過程中，發現了許多問題，然而在製程分析採用「平行分散運算的方向，絕對無庸置疑，但聯電不一定會用Hadoop，一切都還在評估當中。」聯電內部人員表示，在Hadoop概念驗證的過程中，聯電擷取了其中一個機臺的資料量，以1年內產出的9億個檔案、4TB來模擬，來進一步了解未來可能的巨量資料處理模式，以及找出後續發展巨量資料應該關注的問題層面。

未來，聯電也不排除尋求外部資訊廠商合作，依據聯電的資料特性與分析需求來客製。

相關報導請參考「巨量資料在臺灣」