将质量缺陷控制在10个十亿分之一，就是要发现和预测集成电路的细微行为。
如果汽车制造商每年只筛选100万件零部件，工程师如何向他们交付10亿分之10的缺陷部件?答:通过理解故障机制并主动筛选它们。
现代汽车包含近1000个集成电路，必须在汽车的寿命(15年)内运行。这使得对质量的期望越来越高。虽然10 Dppb曾经是一个可靠的基准，但现在是10 Dppb (10 ppm = 10,000 ppb)。这一变化正在推动巨大的工程研发工作，以筛选细微的测试逃脱，并消除更多潜在的可靠性故障。
在过去的五年中，产品工程师和检测设备供应商都开发了新的测试方法和检测能力，帮助实现10个缺陷Dppb目标。这些解决方案解决了半导体器件和组装故障机制。(本文仅关注半导体器件缺陷。)
所有这些都需要放在汽车行业使用的不同半导体工艺的背景下进行设置。汽车集成电路中有很大一部分是模拟或混合信号元件，这些元件采用成熟技术制造，具有更大的最小特征尺寸。用于汽车的成熟技术已经达到10dppm的目标相当长一段时间，其asp明显低于在22nm和更小节点上开发的复杂soc。从10 Dppm到10 Dppb是一个重大的工程成本挑战。
该公司产品营销经理Guy Cortez表示:“对质量敏感的客户无法承受任何测试漏洞，他们将愿意牺牲产量，以确保只向终端客户交付最高质量的设备。Synopsys对此的数字设计组。“汽车、医疗和数据中心是质量仍然非常重要的几个垂直领域。”
由于启用的计算需求ADAS此外，为了处理越来越多的电子传感器，汽车制造商现在需要采用先进CMOS工艺的大型soc。
该公司产品营销高级总监Nir Sever表示:“当先进节点半导体发现自己正在驱动任务和服务关键型应用时，质量和可靠性变得更加重要，对停机时间和故障零容忍，比如在数据中心和汽车领域proteanTecs．
高级节点soc包含数亿个晶体管，包括数十亿个连接多晶硅到金属层和金属到金属层的通孔。
“通过所有这些通孔，不仅仅是每片晶圆十亿分之一，”Andrzej Strojwas首席技术官说PDF的解决方案．“你现在真的需要用现有的芯片来评估十亿分之一。如果你想用的话wafer-level检验，相关数字为PPB或PPB的分数。使用光学，你无法检查每一层晶圆。此外，对于现在相关的许多缺陷，它们都被隐藏了。用光学是看不到它们的。”
这种高期望要求晶圆厂在汽车零部件的检测和测试业务中不断创新。与往常一样，为了减少泄漏，工程师们首先转向模具和单元级制造测试。添加新的测试模式可以筛选客户返回的信息。对于可靠性故障，应用高压应力测试避免了昂贵的老化过程的需要。
一种新的逻辑单元故障模型
在他们的2021年国际测试会议上纸恩智浦汽车工程师分享了他们新的测试模式，以筛查细微的高速缺陷。对汽车客户退货的调查确定了物理根本原因是PMOS源触点缺少硅化膜，这增加了电阻并影响了栅极的延迟。这种行为没有被任何现有的数字延迟故障模型屏蔽。不幸的是，这种细微的缺陷行为从未被观察到，因为存在生成时间应用的故障模型假设单输入开关。
这个问题的一个例子是两个输入XOR/XNOR门，如果两个输入同时改变，可能不会在输出端产生逻辑转换。然而，在存在延迟缺陷的情况下，输出时可能会出现延迟转换，这可能会导致计时违规，导致故障，”作者解释道。“为了产生一个能够暴露这个缺陷的测试，我们需要有一个刺激来针对输入的并发转换。在其他闸门中也可以观察到同样的测试质量差距。尤其值得注意的是，在较低的几何结构中，米勒电容占主导地位，这导致了其他输入静态与其他输入同时切换的输入到输出之间的延迟差异。”
通过创建新的故障模型，即多过渡故障模型(MTFM)，并识别用于应用该模型的高风险标准单元，工程团队将新模式部署到汽车集成电路中。在过去的一年里，该团队报告了两种采用MTFM模式的大批量汽车设计的生产测试结果。约900万个零件的独特沉降物约为5dppm或5000 Dppb。
finFET的高压应力
工程师们继续使用测试来筛选可能对电路可靠性产生不利影响的潜在缺陷。潜在缺陷可能以部分金属线、金属细线或栅氧化销孔的形式存在。虽然封装模具的老化应力会加速这些缺陷表现出失效行为，但对于汽车集成电路来说，可以通过采用晶圆级电应力来跳过这一昂贵的制造步骤。
图1:致命缺陷和潜在缺陷的例子。来源:解放军的
高压压力测试(HVST)加速潜在缺陷，然后用生产测试检测这些缺陷。可靠性工程师建议使用动态电压应力(DVS)和增强电压应力(EVS)，前者内部节点可以切换其状态，后者内部节点保持相同的值。
将finFET CMOS器件引入汽车集成电路，对应用HVST的工程师提出了新的良率/质量/成本三角挑战。在ITC中分享他们的解决方案纸恩智浦汽车工艺工程师指出，“随着finFET技术的产品设计的引入，基本的设备物理特性……在高电压应力条件下对静态泄漏消耗有重大贡献。这暴露了如何在finFET技术上有效和高效地执行HVST的独特挑战。”
这些挑战包括:
为此，工程团队采用了一种创新的自适应测试方法，基于IDD静态泄漏测量，对两种不同的EVS极限进行了测试。他们写道:“它根据实时电流测量动态调整HVST应力电压，以确保每个部件都在测试仪硬件电流限制内的尽可能高的电压下可靠地受到应力，以及等效的外部缺陷覆盖。”“通过这种方式，它可以达到预期的测试成本、产品利润率和硬件预算，而不会危及产品质量。”
通过对特定工艺节点的描述，工艺可靠性工程师得出了两个EVS极限。确定静态IDD泄漏电流限制需要基于产品表征方法。工程团队在NXP 16nm finFET产品上评估了他们的HVST方法，并报告在HVST过程中没有发生电流夹紧。
晶片检查
在制造过程中，在关键层进行100%晶圆检查的关键驱动因素之一是需要实现足够的质量。只有高速检测系统才能在晶圆厂实现如此高的生产率目标。基于光学和电子探针的系统使汽车IC供应商能够识别可能逃避电气测试的细微缺陷。
光学检验，以明场曝光和暗场曝光的形式，仍然是最常用的生产检查技术。每一种都有其优点。明场检测擅长于检测结构之间的平面缺陷或沟槽缺陷，而暗场检测擅长于检测结构顶部的散射缺陷。
KLA工程师分别与OnSemi和NXP工程师合作，探索如何利用汽车IC部件的检测数据来识别可靠性故障。这些合作推动了异常值检测技术在检测数据中的应用。工程团队最初在2019年汽车电子委员会上报告了他们的试点研究可靠性研讨会．在2020年的SPIE中纸， KLA工程师描述了异常值检测方法，Inline Defect Part Average Testing (I-PAT)，并总结了初步研究结果。
“过程控制方法本身并不能确定单个模具是否健康，”该公司战略合作高级总监杰伊·拉瑟特(Jay Rathert)说心理契约．“但在先进的计算能力、图像处理算法和机器学习的推动下，I-PAT高速检查筛查的出现正在创造一个拐点。使用I-PAT筛选可以在几个可靠性关键层上100%地检查模具和晶圆。将离群值识别方法引入缺陷域，每个模具的缺陷现在可以与更大的种群进行比较，以量化其相对可靠性风险。”
图2:制造控制、检查屏幕和电气测试流程。来源:解放军的
NXP/KLA可行性研究使用了大约25万个晶片(600个晶片，大约400个晶片/晶片)的历史数据，他们将I-PAT缺陷评分与电气测试相关，包括分类产量、晶片箱、参数值和老化后故障。I-PAT分数的阈值可以应用于每个模具缺陷的静态或动态评估。从I-PAT和晶圆测试结果的比较结果显示，晶圆失败的比例将失败的I-PAT阈值。I-PAT缺陷评分还识别了一些独特的模具，这些代表潜在的测试逃脱或潜在的可靠性故障。
为了最大限度地减少失效的好模具(也称为过量)，OnSemi/KLA团队描述了他们如何在I-PAT分析之前对缺陷数据应用两个数据过滤器。第一个过滤器仅识别设计关键区域中的缺陷(缺陷敏感性的物理布局分析)。第二个过滤器使用检测层，其中缺陷被检测到，并通过检测模式(暗场/光场)曝光调整大小。这两种过滤器结合在一起，可以减少90%的过量杀伤。过滤后，数据通过I-PAT方法运行，KLA SPIE作者描述如下:
“I-PAT方法使用一种先进的相关引擎来基于缺陷检查属性来加权缺陷概率……检查属性包括缺陷大小、位置、极性、检测通道、集群等。该方法调用一个智能和自适应机器学习(ML)模型来为每个缺陷分配准确的分类。然后根据缺陷对设备可靠性的影响来加权。最重要的是对实地指标进行适当评估，以验证分类和加权。然后，将所有缺陷的影响聚合起来，为每个模具提供一个总体缺陷评分。然后使用类似于电气测试筛选中使用的PAT方法的统计离群值方法对这些模具级缺陷评分进行过滤。”
图3:I-PAT方法学组成部分。来源:解放军的
通过扫描电镜成像，OnSemi工程师验证了I-PAT识别的独特模具含有潜在缺陷。
探测埋孔缺陷
电子束提供不同于光学的测量功能。特别是，电压对比使工程师能够检测存在于触点和通孔中的次表面缺陷。PDF解决方案调整了电子束探测系统，使用矢量扫描模式对有问题的布局结构进行电压对比测量。
“如果你看看E-probe工具本身，我们将其构建为矢量扫描仪的一个重要原因是我们将整个DirectScan方法与布局分析连接起来。你基本上可以选择风险最高的模式的关键层，或者是诊断工具识别出问题的模式，”PDF解决方案领先副总裁PK Mozumder说。“你可以运行矢量扫描仪来找到这些点，基本上在两小时内就可以得到ppb级的分辨率。所以现在它成为一种制造工具，你可以在生产中有效地进行非破坏性处理。”
识别要探测的风险布局模式需要在创建掩码集之前进行预先工作。确定设计中有问题的布局结构可以为检查设计(DFI)填充单元的设计和放置提供信息。它们被放置在非常接近实际设计的单元格布局中，使用单元格之间的空白空间。电子束系统对DFI填充单元中的金属垫进行测量。因此，一个产品晶圆可以有数十亿个DFI填充单元，这自然提供了十亿分之一的测量分辨率。
图4:将易受攻击的布局模式与DFI的e探针扫描联系起来。来源:PDF解决方案
然后，电子束探针测量可用于识别空隙、短路和潜在的可靠性缺陷。在NANOTS 2021中纸， PDF Solutions工程师描述了这种测量能力:
“当开启失效模式的DFI Fill电池垫变暗时，将检测打开。当不存在缺陷时，衬垫将是明亮的，因为当通往地面的路径存在时，会发射二次电子。当DFI填充单元垫变亮时，检测到短路。DFI系统能够测量软短路或泄漏电流对应的“灰度”级别，我们将其称为DFI电响应指数(ERI)。为了将灰度级校准为漏电量级，DFI测试结构被放置在能够测量漏电和同一测试结构上的DFI ERI的刻痕中。”
图5:电子束探头使用电压对比暗图像显示开孔。来源:PDF解决方案
将灰色单元包含在黑白单元之间的能力为工程师提供了下一个制造测试步骤的选择。此外，电子束测量数据补充了电气测试数据，这将检测到一些软缺陷。漏电大的漏电不合格，漏电小的漏电不合格，最终会在现场失效。
“尽管如此，你仍然想要测试数据的好处，因为这样你就知道在测试中得到的信号是什么。在你的测试签名中会有一些明显的漏洞，”PDF Solutions的可制造性设计总经理Marcin Strojwas说。“然后，正是由于这些泄漏的性质，会有一些泄漏低于你在零时间测试中能够检测到的阈值。”
将晶圆检测与测试数据相结合
在过去的十年里，工程师们一直在以新的组合方式使用不同的数据源来执行根本原因良率考察，同时也通过更早地发现质量问题来优化晶圆、组装和测试工厂的运营。检查数据-光学、内插晶圆图、电子束-可以与电气筛选相结合，以识别潜在的测试逃脱和可靠性相关的故障(潜在缺陷)。
“今天，将这些不同的数据源结合起来的一个关键驱动力是努力阻止低可靠性设备逃到汽车供应链中，在那里可能发生关键任务或安全关键故障。业界很清楚，测试无法识别和阻止每一个坏模具，所以即使测试覆盖率极高，也会发生逃逸。”KLA的Rathert说。“当汽车制造商使用新发布节点的设备时，产量更低，问题更严重。从统计上看，这种逃逸的可能性比指定的十亿分之一要求高几个数量级。我们需要新的方法来决定哪些模具适合使用。”
划痕检测，从宏观到微观缺陷
晶圆上的划痕可能导致芯片级可靠性故障。通过结合晶圆测试数据和特定层的100%晶圆检测，工程师可以增加划痕的检测。在2021年先进半导体制造会议上纸SkyWater Technology Foundry和Onto Innovation的工程团队描述了他们对晶圆划痕检测的关注:
“由于划痕模式是唯一的，对准确检测至关重要，我们意识到我们需要超越SPR Engine提供的标准划痕检测算法。因此，我们构建了一个额外的后处理算法，专门用于运行基于图像的划痕检测，而不是使用动态阈值确定(基于密度和分布)的基于缺陷的检测，以消除或减少误报。”
图6:基于图像的晶圆划痕检测建立在基于缺陷检测的基础上。来源:Onto Innovation
识别划痕有助于识别潜在的可靠性故障。有划痕的晶圆或其邻近的晶圆可能通过晶圆测试，但在单元级测试或现场测试中可能失败。为什么呢?
“从物理上讲，晶圆划痕可以很密，也可以很薄。它们可能是微裂纹的指示物。由于材料物理，当晶圆片被切丁时，这种划痕/裂纹将扩散到受影响的模具边缘和/或邻近的模具。该公司销售和客户解决方案总监Prasad Bachiraju说:“这些相邻的模具代表可靠性故障上的创新．“特别是在汽车行业，当他们检测到这类故障(SiC划痕)时，他们不想冒任何风险。所以他们会在划痕的两毫米范围内死亡。”
成熟的混合信号集成电路存在潜在缺陷
混合信号/模拟器件在汽车电子控制单元(ecu)中占主导地位，它们采用非常成熟的半导体工艺制造。然而，这些IC供应商也需要将质量目标从10 Dppm提高到10 Dppb。在2020年欧洲测试研讨会上纸OnSemi工程师和加德满都大学的研究人员探索了将模具检测数据与每个模具电气测试数据相结合，以增强动态零件平均测试。他们被称为视觉增强DPAT (VE-DPAT)，目标是筛出动态PAT没有检测到的细微潜在缺陷，而产量损失很小或没有。
工程团队研究了将两个数据源与乘法相结合。他们描述了新的度量标准。
“筛选参数α,维我构造为两个标准化数的乘法，结果得到一个标准化数。选用这种配方是因为它的优点。它可以在不同的规格中使用，从以纳安培表示的泄漏测量到以MHz表示的振荡频率。这两个标准化数字的一般解释几乎可以被认为是有缺陷的设备的概率。”
其他标准化值方面，异常值检出率显著提高，并且更容易在生产测试中实现。
关于通过/不通过限制，他们写道:“在计算筛选参数α后,维我对于测量a，模具D我如果值α,维我超过设计选择的检测阈值TH。在实践中，一个骰子D我是否有一系列离群参数α,维我即，在发现缺陷的每一层都有一个，并结合激活离群值方法的每一次测量。”
直接的乘法会导致不相关电偏差的缺陷，从而导致不必要的良率损失。为了完善乘法，他们使用了设计工程师对布局、缺陷大小和与电气测试的潜在相关性的知识。
OnSemi/KU团队在采用0.35 μ m双极CMOS DMOS (BCD)技术制造的boost双buck LED驱动器(用于60V和1.6安培汽车照明应用)上评估了VE-DPAT指标。数据是从5批25片晶圆中收集的，数据包括7个晶圆制造步骤的检查和每个晶圆片约400个电气测试。在对各种检测阈值应用第一乘法方法时，他们报告当TH等于4时，有额外的1%的拒斥，当TH等于10时，有0.1%的拒斥。他们进一步分享了这一指标，唯一发现了一个有影响的缺陷，描述为“输出驱动器的大型DMOS上的变色，与同一DMOS上的异常电流泄漏相关。”
结论
工程团队正在朝着汽车制造商极其严格的10 Dppb质量目标迈进。工程师选择的部署方法将对应于半导体技术成熟度和产品的ASP。随着汽车中广泛应用的半导体技术，人们可以期待广泛的解决方案。工程师们必须同时找出细微的缺陷，同时保持最低成本——以美分和0.01%的产量损失来衡量。因为在汽车行业，虽然质量是最重要的，但保持供应商的盈利能力也是最重要的。
有关的故事
研究/引用
S. Traynor, C. He, Y. Y. Yu和K. Klein，“自适应高压应力方法在FinFET技术上实现汽车质量”，2021年IEEE国际测试会议(ITC)， 2021年，第289-293页
https://ieeexplore.ieee.org/document/9611339
J. Corso, S. Ramesh, K. Abishek, L. T. Tan和C. Hooi Lew，“多过渡故障模型(MTFM) ATPG模式在汽车设计中实现0 DPPB”，2021年IEEE国际测试会议(ITC)， 2021年，第278-283页
https://ieeexplore.ieee.org/document/9611352
2019年汽车电子委员会可靠性研讨会的所有演讲都可以在此链接找到:http://www.aecouncil.com/AECWorkshop.html
Anilturk, O.等人，“内联零件平均测试(I-PAT)以减少测试差距和潜在可靠性缺陷的逃逸:NXP持续的可行性研究结果”，Anilturk，第二届欧洲汽车电子委员会可靠性研讨会，2019年10月15日。
Bruneel, G.等人，“使用高速缺陷筛查实现I-PAT”，第二届欧洲汽车电子委员会可靠性研讨会，2019年10月15日。
John C. Robinson, Kara Sherman, David W. Price, Jay Rathert，“汽车模具可靠性的内联零件平均测试(I-PAT)”
微光刻技术的计量、检验和过程控制，第11325卷;113250 d (2020)https://doi.org/10.1117/12.2551539
活动:SPIE先进光刻，2020年，圣何塞，加利福尼亚州，美国
https://www.spiedigitallibrary.org/conference-proceedings-of-spie/11325/113250D/Inline-Part-Average-Testing-I-PAT-for-automotive-die-reliability/10.1117/12.2551539.short
Marcin Strojwas等，“使用DirectScan进行先进的高通量电子束检测”，NANOTS 2021年会议。
https://www.pdf.com/resources/nanots-2021-advanced-high-throughput-e-beam-inspection-with-directscan/
D. Gross, K. Gramling和P. L. Bachiraju，“用于主动良率管理的Fab指纹”，2021年第32届SEMI先进半导体制造会议(ASMC)， 2021年，第1-4页。
https://ieeexplore.ieee.org/document/9435686
A. Coyette, W. Dobbelaere, R. Vanhooren, N. Xama, J. Gomez和G. Gielen，“视觉增强动态零件平均测试的潜在缺陷筛查”，2020年IEEE欧洲测试研讨会(ETS)， 2020年，第1-6页。
|
|
|
|
|
|
|
|
|
|
留下回复