Process Watch: 以基准成品率预测基准可靠性

By David W. Price, Douglas G. Sutherland and Jay Rathert; KLA-Tencor

作者按语：Process Watch系列文章探讨了半导体行业中工艺控制 - 缺陷检测、量测和数据分析-的关键概念。本文是关于汽车行业半导体的一个五部分系列的第二部分。在第一篇文章中，我们介绍了汽车供应链中所面临的一些挑战，并指出导致成品率下降的缺陷也会导致可靠性问题。

在本文中，我们将讨论基准成品率和基准可靠性之间的关系，并提出同时改进两者的方法。

半导体IC的成品率与可靠性之间的紧密联系已经得到充分的研究和记录。图1中的数据展示了这种关系。类似的结果在批次、晶圆和芯片级别上都可以看得到。简而言之，成品率高，可靠性随之也好。正如Process Watch 汽车系列的第一篇文章中所讨论的那样，这种成品率与可靠性的相关性完全在意料之中，因为导致芯片故障的缺陷类型与造成早期可靠性问题的缺陷类型是相同的。影响成品率和可靠性的缺陷之间的区别主要在于它们的尺寸和它们在芯片图案上的位置。

图1. 显示IC元件的可靠性与成品率之间紧密相关性的数据¹

因此，减少IC生产工艺中影响成品率的缺陷数量将会提高基准成品率，同时可以提高实际使用中的元件可靠性。认识到这一事实，服务于汽车市场的代工厂就面对两个关键的问题。首先是经济问题：为了提高可靠性，需要投入时间、金钱和资源以提高成品率，什么是投入的适当尺度？第二个问题是技术问题：为了将基准成品率提高到必要水平，什么是减少缺陷的最佳方法？

对于制造消费者电子设备的代工厂（移动电话，平板电脑等IC），“成熟成品率”被定义为进一步投入时间和资源却并不一定会提高成品率的转折点。随着产品成熟，成品率趋于稳定，通常会达到一个高位数值但仍远低于100％。消费类产品代工厂会将资源重新分配到开发下一个设计节点的工艺和设备，或降低成本以提高其传统节点的盈利能力，而不是追求更高的成品率，因为这样做更有经济效益。

对于汽车代工厂而言，是否为了提高成品率而增加投资的经济决策已经超出了典型的边际收益的决定。当可靠性问题出现的时候，汽车IC制造商可能需要承担昂贵且耗时的故障分析，并且在产品的保修期内需要承担故障和产品回收的经济责任，以及潜在的法律责任。考虑到对汽车IC可靠性的要求比消费IC要高两至三个数量级，汽车代工厂必须达到更高的基准成品率水平。这就需要重新思考“成熟成品率”的含义。

图2着重展示了消费产品与汽车代工厂商的成熟成品率之间的差异。任何类型的晶圆厂都会提高成品率曲线，因而几乎所有系统性的影响成品率的根源都已经被解决。剩余的成品率损失主要是来自于工艺设备或环境的随机缺陷所造成的。这时，消费产品代工厂可能认为成品率和可靠性“足够好”并采取相应的方法。然而，在汽车行业，代工厂采用持续改进的策略来推高成品率曲线。通过降低影响成品率的缺陷的发生率，汽车代工厂还可以降低潜在的可靠性缺陷，从而优化其利润并降低风险。

图2.对于消费设备代工厂（黄线），成品率曲线的顶部（成品率相对于时间）受限于利润率，因为增加投资用于减少缺陷却收效甚微。蓝色虚线表示的汽车代工厂的成品率曲线，也是可靠性的因素。为了满足十亿分之几缺陷率的质量要求，汽车代工厂必须进一步提高基准成品率。紫色阴影区域重点显示了消费产品和汽车代工厂商之间的成品率差异 - 这主要与工艺设备的缺陷率有关。

汽车供应链 - 从OEMs到一级供应商，再到IC制造商 – 都正在形成一种“每个缺陷都很重要” 的思维模式和追求零缺陷的战略。他们认识到，当潜在缺陷离开代工厂之后，它在供应链中每向前一级，发现和减低风险的成本都会增加10倍。因此，目前过度依赖电气测试的方法需要被成本最低的策略所取代，即将潜在故障控制在代工厂。只有有条不紊的实施减少缺陷的计划，代工厂才能实现零缺陷目标，并能够通过汽车制造商严格的审核。

除了稳健的在线缺陷控制能力之外，汽车采购经理希望看到的一些减少缺陷的方法还包括：

·         持续改进计划（CIP），用于减少基准缺陷

·         黄金设备工作流程

·         “Dog Tool”（最差设备）计划

持续改进并减少基准缺陷

在线缺陷策略是任何严格的降低基准缺陷计划的基础。为了成功检测出影响其设计规则和元件类型的成品率和可靠性缺陷，代工厂的在线缺陷策略必须包括合适的工艺控制设备和合适的检测取样计划。所采用的缺陷检测系统必须具备所需的缺陷灵敏度，维护良好并且达到规格，以及使用精心调整的检测程式。检测取样必须针对工艺步骤达到足够的频率，以快速检测到工艺或设备的偏移。此外，应有足够的检测能力用以支持加速偏移检测，根本原因区分和WIP风险可追溯性的控制计划。有了这些要素，汽车代工厂应该可以实现成功的基准缺陷降低计划，该计划能够证明随着时间的推移成品率趋势的提升，提供进一步改进的目标以及等同于业界最佳做法。

在一个基准缺陷减少计划中，最大的挑战之一就是回答：这个缺陷来自哪里？答案往往不那么简单。有时，缺陷产生之后经过多个工艺步骤才被检测到。有时，只有在晶圆经过其他工艺并“装饰”缺陷之后，它才会变得明显 – 也就是说让缺陷在检测系统中更为显而易见。设备监控策略有助于解决缺陷起源的问题。

在设备监控/设备认证（TMTQ）的应用中，先检测一片裸晶圆，使其在指定的工艺设备（或腔室）中运行，然后再次检测（图3）。第二次检测发现的任何新的缺陷必定是由于该指定的工艺设备而产生的。结果很明确；对缺陷的根源没有任何疑问。追求零缺陷标准的汽车代工厂认识到设备监控策略的好处：通过灵敏的检测程式、适当的控制限值和失控行动计划（OCAP），可以揭示源自每个工艺设备的随机产品率损失并将其解决。

图3. 在“预检”检测取得裸晶圆的基准数据之后，可以采用该晶圆循环运行部分或全部的工艺设备步骤。 “后期”检测揭示了工艺设备所新增的缺陷。

此外，如图4所示，将工艺设备上新增的缺陷按照时间的推移绘制，这提供了可持续改进的记录，可以对其进行审计并用于设定未来的减少缺陷的目标。代工厂可以将每个设备上出现的缺陷分类，并生成数据库，并可作为现场故障的失效分析时的参考。这种方法需要非常频繁的设备认证 - 至少每天一次 - 通常与下面讨论的黄金设备工作流程或”Dog Tool”计划一起使用。

图4. 随着时间的推移持续改进设备的清洁度。问题的根源是明确的，可以客观地按季或按月设定缺陷减少目标。另外，比较两种工艺设备的缺陷可以显示哪个设备更清洁。这有助于指导设备维护活动，并锁定设备之间产生差异的原因。

黄金设备工作流程

黄金设备工作流程是代工厂用于达到汽车行业要求的零缺陷标准的另一种策略。借助黄金设备工作流程或汽车工作流程（AWF），用于汽车IC的晶圆只在晶圆厂的最佳工艺设备中运行。这要求晶圆厂了解任何既定工艺步骤的最佳设备。为了可靠地确定哪种设备最好，代工厂利用在线和设备监控检测的数据，然后仅将这些设备用于汽车工作流程。将汽车晶圆在每个工艺步骤限制在单一的设备上可能会导致更长的周期时间。然而，与可能导致可靠性问题的缺陷率较高的工艺流程相比，这种做法对于汽车晶圆还是更受青睐。加上有条不紊的持续改进计划，大多数代工厂通常可以通过设定季度缺陷减低的目标，在每一步工艺中获得多个符合AWF要求的设备。

由于这种方法难以扩展，因此黄金设备工作流程最适合只有小部分WIP为汽车IC产品的代工厂。对于大批量生产汽车IC产品的代工厂，应优先考虑采用更有条理的持续改进计划，如下文所述的”Dog Tool”的方法。

“Dog Tool”（最差设备）计划

“Dog Tool”计划与黄金设备的工作流程相反，因为它可以在任何给定的工艺步骤中主动解决最差的工艺设备 –“Dog Tool”。在降低基准缺陷方面取得最大成功的代工厂往往是通过采用”Dog Tool”计划。他们首先在每个工艺步骤中将”Dog Tool”下线，并调整该设备，直到它超过同组中其余设备的平均值。他们一遍又一遍地重复这个过程，直到同组的所有设备都符合最低标准。一个有效的”Dog Tool”计划要求工厂有一个井然有序的设备监控策略，以在每一个步骤对每台工艺设备进行认证。至少每台设备上每天都需要完成一次认证程序，以确保采集足够的数据，让ANOVA或Kruskal-Wallis分析确定每组中最好和最差的设备。一个”Dog Tool”计划会安排工艺设备的停机时间，并且是众所周知的将整个晶圆厂提升至汽车标准的最快的方法之一。通过提高成品率和可靠性，该策略最终提高了汽车代工厂的有效产能和盈利能力。

总结

对可靠性要求高的汽车制造商通常要求代工厂改变其对于成熟成品率的定义和看法。在本文中，我们讨论了代工厂降低其基准缺陷率，并且提高可靠性和成品率的几种方法。在本系列的下一篇文章中，我们将讨论一些有关缺陷检测仪的灵敏度以及如何确保芯片可靠性的技术问题。

作者简介：

David W. Price 博士和Jay Rathert是 KLA-Tencor 公司的资深总监。 Douglas Sutherland 是 KLA-Tencor 公司的首席科学家。过去15年来，他们直接与50多家半导体IC制造商合作，针对各种特定市场优化整体工艺控制策略，包括汽车可靠性、传统晶圆厂成本和风险优化、以及针对先进设计规范的最佳上市方法。 Process Watch系列文章总结他们在参与合作中所观察到的一些普遍适合的经验。

参考文献

1.       Mann, “Wafer Test Methods to Improve Semiconductor Die Reliability,” IEEE Design & Test of Computers, vol. 25, pp. 528-537, November-December 2008. https://doi.org/10.1109/MDT.2008.174

2.       Price, Sutherland and Rathert, “Process Watch: The (Automotive) Problem With Semiconductors,” Solid State Technology, January 2018.

本文最初发表于2018年3月的Solid State Technology。