2018/10/16 14:50:21
Process Watch:汽车行业对于缺陷敏感性的要求
作者:David W. Price, Douglas G. Sutherland, Jay Rathert, John McCormack 和 Barry Saville
作者按语:Process Watch系列文章探讨了半导体行业工艺控制 - 缺陷检测、量测和数据分析的关键概念。本文是汽车行业半导体元件工艺控制策略的系列文章之第三篇。在本文中我们很荣幸地加入了我们的KLA-Tencor同事John McCormack和Barry Saville的见解。
半导体在汽车供应链中的重要性不断地增加,这就要求IC制造商必须调整其工艺并生产符合汽车质量标准的芯片。本系列的首篇文章1重点讨论了一个事实,即同一类IC制造缺陷不仅会导致良率降低,同时也会导致芯片可靠性降低以及可能在使用中过早出现故障。为了实现汽车IC所需的高度可靠性,必须在制造工艺中更加努力并确保消除缺陷源。本系列的第二篇文章2概述了诸如频繁的设备监控和持续改进计划等策略,这些策略可以减少IC制造每个工艺步骤中新增加缺陷的数量。在本文中我们将探讨如何提高设备监控功能,以帮助汽车IC制造商实现低于十亿分之一的芯片故障率。
需要注意的是,在实际操作中,最佳方法是采用设备监控来分辨出由于晶圆厂设备问题而产生的随机缺陷。在设备监控期间,首先检测裸片晶圆并确定其缺陷率基准,随后将其放入特定的工艺设备(或腔室)中运行,之后再次进行检测。该晶圆上新增的任何缺陷都必定来自于该特定的工艺设备(或腔体)。采用这种方法可以区分出晶圆厂中最干净的设备-“黄金”设备,以及会造成最多缺陷并需要采取改进措施的“狗”设备。根据工艺设备的缺陷历史数据,就可以设定持续改进的目标和执行进程。
半导体厂在设计监控策略时,必须确定他们想要检测和监控的缺陷的最小尺寸。如果历史测试结果表明较小的缺陷并不影响良率,那么晶圆厂可以在检测设备上采用较低的灵敏度,以便不再探测得到这些较小的缺陷。这样,他们只需关注较大的良率杀手缺陷,而且避免被较小的“干扰”缺陷分散注意力。这种方法适用于那些只需优化良率的消费产品晶圆厂,但是对于汽车制造厂呢?回想一下,良率和可靠性问题是由同一类缺陷引起的 – 良率和可靠性缺陷的区别仅在于它们的尺寸大小,以及/或者它们在器件图案上的位置。因此,采用对较小的缺陷视而不见的设备监控策略会让晶圆厂错过那些未来可能造成可靠性问题的缺陷。
此外,在一个工艺层中看起来很小且无关紧要的缺陷可能在工艺流程的后期产生巨大的影响 - 后续的工艺步骤会加剧它们的影响, 理解这一点非常重要。图1中的两个SEM图片是在同一个晶圆上的完全相同的位置拍摄的,区别仅在于制造工艺步骤不同。左边的图片显示了沉积层之后所发现的芯片上的单个小缺陷。这个缺陷以前被认为是一种“干扰”缺陷,对芯片图案或芯片性能并没有负面影响。右图显示同一个沉积缺陷在金属1图案成型之后的情形。曾被认为的“干扰”缺陷在几个工艺步骤之后改变了金属线的印刷质量。该芯片可能会通过电子晶圆分拣测试,但这类金属图形畸形在汽车环境压力下被激活时很容易造成现场可靠性的问题。
图1.左图显示了产生于沉积层上的小颗粒。右图显示了金属1图案成型之后晶圆上完全相同的位置。金属线缺陷由先前沉积层上的小颗粒所引起。这类金属线变形很容易造成现场可靠性的问题。
那么,汽车IC厂应该如何确定可能带来可靠性风险的最小缺陷尺寸呢?首先,了解不同缺陷尺寸对可靠性的影响非常重要。例如,图2中所示的线路断开缺陷的断裂程度不同。芯片上有完全断开的图案结构在电子芯片分拣测试时可能会被查出,因此不会有任何可靠性的风险。芯片的线路断开50%时 – 线路变窄或者其横截面积的大约不超过50%的线路 -可能会通过电子芯片分拣测试但会造成显著的现场可靠性风险。如果该芯片在汽车上使用,在实际环境条件下,诸如热、湿度和振动等,会导致该缺陷的状况恶化并造成全线断裂,从而造成芯片故障。
图2.左侧图像显示线路完全断开,右侧图像显示线路~50%断开。左侧的芯片将在分拣测试时被测出问题(假设没有冗余)。右侧的芯片则可以通过电子晶圆分拣测试,但在现场造成可靠性风险。
下一步,非常重要的是了解不同尺寸缺陷对芯片图案完整性的影响。更具体地说,导致线路断开的最小缺陷尺寸是多少?导致线路50%断开的最小缺陷尺寸是多少?
图3显示了蒙特卡罗模拟的结果,这是对BEOL膜沉积步骤中产生的不同尺寸的缺陷所带来影响的模拟。在垂直轴上绘制的是最小缺陷尺寸,对应横轴上不同的金属层间距尺寸。该数据显示的金属1层设计节点分别是7nm、10nm、14nm和28nm。
绿色数据点对应于可能导致线路完全断开的缺陷最小尺寸,橙色数据点对应的是造成线路50%断开的最小缺陷(即,潜在的可靠性故障)。在每一个节点,导致潜在可靠性故障的最小缺陷尺寸是导致线路完全断开的最小缺陷的50-75%。
图3.绿色数据点显示了对于最小金属间距可以造成线路完全断开的最小缺陷尺寸。橙色数据点显示导致线路50%断开的最小缺陷尺寸。 x轴是金属1层的设计节点,分别为7nm(最左侧数据点),10nm,14nm和28nm(最右侧数据点)。
这些模拟的结果意味着为了控制和减少工艺中所产生的可靠性缺陷的数量,晶圆厂需要捕获较小的缺陷。因此与优化良率相比,这需要更高灵敏度的检测。通常,如果针对当前计制程节点的检测仅仅满足优化良率的需求,那么针对可靠性缺陷的检测则需要采用下一个制程节点更高的灵敏度。简而言之,晶圆厂先前用于降低缺陷率以优化良率的标准将不足以用于优化可靠性。
提高设备监测所用的检测配方的灵敏度,或者在某些情况下采用性能更好的检测系统,将会捕获较小的缺陷并可能揭示先前被掩盖的缺陷率特征分布,如下面的图4所示。虽然对于消费品晶圆厂来说这些特征分布对良率所产生的影响是可以承受的,但对于追求持续改进和零缺陷标准的汽车制造厂来说,它们对可靠性所构成的风险则不可接受。
图4. 采用适合的设备监测灵敏度时,先前被掩盖的影响可靠性的缺陷特征分布通常会显现出来。零缺陷标准会要求对导致这些缺陷的工艺设备采取纠正措施。
在制定提高设备监控检测灵敏度的策略时,晶圆厂需要考虑几个重要的无图案晶圆缺陷检测的因素,以便找出由工艺设备造成的微小的与可靠性相关的缺陷。首先,在良率已经很高的成熟晶圆厂中,众所周知的请情况是,很少有单一的工艺层或模块能够做到“一招制敌”一颗“银弹”,即能够充分降低缺陷率又能满足可靠性改进的目标,。相反,它是多个工艺层上小改进的累积,积少成多便可以达到所需的可靠性提升。由于良率和相关的可靠性改进是各个工艺层的累积,因此使用多层回归模型可以最好地显示采用无图案晶圆检测的工艺设备监控进而实现的可靠性提升:
Yield = f(Ys) + f(SFS1) + f(SFS2) + f(SFS3) ….. f(SFSN) + error
o Ys = 系统良率损失 (与颗粒不相关)
o SFSx = Surfscan 非图案化晶圆检测在不同工艺层上所捕获的颗粒缺陷累积
o Error = Surfscan 未能发现的良率损失机制
这意味着可靠性的提升需要晶圆厂致力于持续降低所有工艺和工艺模块的缺陷率。
其次,晶圆厂需要考虑用于工艺设备监测的裸晶圆的质量。回收的裸晶圆的表面粗糙度随着每次循环使用而增加,这个属性被称为雾化。雾化的程度从根本上说是一种噪声信号,会影响检测系统区别较小的缺陷信号的能力。多个测试晶圆上雾化程度的不同,会限制整体检测程序的效果,需要进行归一、校准和并设置雾化限度以减少该噪声源对缺陷灵敏度的影响。
接下来,晶圆厂应该确保监控步骤工艺与实际生产中图案化晶圆所采用的工艺尽可能相同。为了缩短监测晶圆的流程时间而偏离实际工艺可能会在无意间错过缺陷产生的根源。此外,过度依赖针对机械操作的检查会完全绕过工艺,进而会错过影响颗粒缺陷生成的关键工艺。
在提高检测配方灵敏度时,晶圆厂必须共同优化“预先”和“后续”检测。通常,裸晶圆循环通过工艺步骤会“加强”晶圆上事先存在但是低于检测阈值的缺陷。这些缺陷一旦被加强就会看起来更大并且更容易被检测到。在未经优化的“后期”检测中,这些被加强的缺陷看起来像“新增缺陷”,这会导致误报和无意的工艺设备停机时间。将检测配方一起进行优化可以最大限度地提高灵敏度并增加偏移警报的可信度,同时避免耗时的误报。
最后,重要的是对裸晶圆检测中发现的缺陷进行复检和分类,以确定它们与所对应的图案化晶圆工艺步骤中所发现缺陷之间的相关性。只有这样,晶圆厂才能确信缺陷的来源已经被辨别隔离出来,并且已经采取了适当的纠正措施。
为了满足汽车行业对于高度可靠性的要求,IC制造商不仅需要监控和控制晶圆上影响良率的缺陷数量。他们还需要将设备监控检测的灵敏度提升到对应制程节点下一代的制程节点所需。只有具备更高的灵敏度,才能检测并消除可能导致可靠性故障的缺陷,而不让它们逃到晶圆厂之外。此外,在实施设备监控策略时,晶圆厂需要仔细考虑多种因素,例如监控晶圆回收、检测前后灵敏度以及整个晶圆厂持续改进计划的重要性。由于对汽车半导体可靠性的高要求,提升对于较小缺陷的灵敏度是最佳零缺陷持续改进计划的重要组成部分。
关于作者:
David W. Price和Jay Rathert博士是KLA-Tencor公司的资深总监。 Douglas Sutherland博士是KLA-Tencor公司的首席科学家。过去15年以来,他们直接与50多家半导体IC制造商合作并提供针对各种特定市场优化其整体工艺控制策略,包括汽车可靠性战略、传统晶圆厂成本和风险优化,以及针对先进的设计规则的最佳上市方案。 Process Watch系列文章总结了他们在参与合作中所观察到的一些普遍适合的经验。
John McCormack是KLA-Tencor的资深总监。 Barry Saville是KLA-Tencor的咨询工程师。 John和Barry在提高良率和减少缺陷方面拥有超过25年的经验,与世界各地的许多IC制造商合作。
參考文獻:
1. Price, Sutherland and Rathert, “Process Watch: The (Automotive) Problem With Semiconductors,” Solid State Technology, January 2018.
2. Price, Sutherland and Rathert, “Process Watch: Baseline Yield Predicts Baseline Reliability,” Solid State Technology, March 2018.
本文最初發表於2018年8月的Solid State Technology Process Watch系列。
声明:本网站部分文章转载自网络,转发仅为更大范围传播。 转载文章版权归原作者所有,如有异议,请联系我们修改或删除。联系邮箱:viviz@actintl.com.hk, 电话:0755-25988573