发现有缺陷的汽车芯片

下一波为辅助,自动驾驶汽车芯片推动发展的一个关键领域的新方法被称为异常值检测。

KLA-Tencor优+,以及导师,西门子的业务,和其他人正在进入异常值检测市场或扩大他们的努力或相关领域。用于各种行业好几年了,离群值检测是许多技术用于实现主要目标之一在汽车arena-zero-defect芯片生产质量。一般来说,异常值检测本身使用硬件和统计筛选算法找到所谓的离群值。简而言之,局外人是芯片可能通过各种测试,但他们也证明异常特征。这些类型的芯片可能会影响系统的性能或失败。

出现异常或错误的芯片有几个原因,包括潜在的可靠性缺陷的出现。这些缺陷不出现当设备运送,但他们在某种程度上激活,最终可能会在一个系统。

在芯片帮助捕获这些和其他问题,这个行业使用各种异常值检测方法,如部分平均测试(PAT)。在帕特,一个晶片进行电子测试。然后,使用硬件和帕特的组合算法,外居住的离群值或错误的死一定测试规范检测。离群值然后删除。

图1:平均测试部分的图形表示限制和离群值。来源:汽车电子委员会

不过,在其最基本的形式,帕特在汽车低于要求的需求。”有一个指数级增长在汽车半决赛中,一般来说,在其他类型的关键设备,,”Michael Schuldenfrei表示,首席技术官最优+。“这是推高质量和可靠性的要求。异常值检测作为一个主题,比如拍或部分平均测试和所有这些类型的技术,已经存在了几十年。但是在许多情况下,他们不是非常有效或者代价很高的防止逃跑。”

转义指错误的部分离开工厂或测试地板上。这么多年来,异常值检测专家开发了新的和更先进的技术来防止逃脱芯片和其他问题。例如,异常值检测通常是进行测试。但是在一个新的转折,KLA-Tencor开发了一种技术用于工厂。

不过,这个行业面临着一些重大挑战。这里有几个人:

• 更尖端芯片被用于汽车,需要新的和先进的孤立点检测算法。
• 异常检测技术需要跟上趋势协助和自动驾驶。
• 英伟达和其他集成电路制造商正在进入汽车市场,这意味着供应商没有孤立点检测的经验需要向上移动学习曲线。

还有其他的挑战越来越多。除了汽车、异常值检测也用于医学和其他领域。总的来说,商业局外人软件业务的大小范围从每年2500万到5000万美元,据导师,西门子业务。“这可能只占三分之一的软件的实际使用,因为许多大型IDMs建立自己的专用工具,”伯特兰Renaud说,总经理Quantix组的导师。KLA-Tencor,导师,最优+ yieldWerx和其他人竞争的舞台。

汽车芯片的趋势
在2018年,汽车市场也会放缓。轻型汽车销量预计在2018年达到9590万台,比2017年增长1.5%,据IHS Markit。相比之下,2017年将增长2.4%,据该公司。

如何适用于半导体并不完全清楚。汽车芯片业务仅占整个半导体市场的10%。但这并不告诉整个故事,随着电子内容继续增加每辆车从312年的2013美元到460美元,到2022年,7.1%的增长速度,据IHS Markit。

“从几百大设计规则控制器和其他组件的十年前,现代汽车现在可能包含3500多个半导体,代表总成本的比重不断上升,”罗布·卡佩尔KLA-Tencor高级营销主任说,在一个博客。

一个先进的汽车已经超过7000芯片。在先进的汽车原始设备制造商也将14 nm和10 nm设备,在研发7海里。

然而,在汽车,至少有两个constants-reliability和质量。商用芯片,有一定的容忍缺陷。在汽车芯片没有容忍缺陷或失败。

这不是一个新现象。“在一个历史性的例子,看看防抱死刹车,”Ben Rathsack说技术人员的高级成员电话。“汽车的可靠性要求总是更高,因为安全元素。”

所以,汽车设备制造商和铸造厂必须遵守各种质量标准,比如AEC-Q100。本标准涉及的失效机理压力测试芯片。

可靠性变得越来越重要对于高级驾驶员辅助系统(ADAS)和自动驾驶汽车。ADAS涉及各种安全特性在车里,如自动紧急制动、车道检测和警告后对象。

例如,NXP最近宣布了一个高分辨率的雷达芯片用于汽车应用。芯片被称为MR3003雷达收发机,是77 ghz雷达设备。基于硅锗(锗硅)过程中,设备开发方面或角落雷达应用程序在自动驾驶,在高分辨率和远程功能是必要的。

能够同时跟踪成千上万的目标,这种雷达技术使实时感知周围的环境,对于L4 / L5自主驾驶。“这些类型的应用程序要求在美国和芯片本身。我们十分小心,设计前期系统内的安全协议和钩子允许传感器和汽车能够自我诊断在某些情况下,“帕特里克·摩根说,副总裁和总经理ADAS的现代生产线NXP,世界上最大的汽车芯片制造商,在最近的一次采访中。“当我们船的芯片,我们花费很多努力保证每一个规范。这绝对是一种零容忍的心态。安全不容忍错误。”

Kamal艺,副总裁和总经理在NXP ADAS技术,补充道:“我们在这儿所做的一切已经达到非常、非常严格的汽车安全性和可靠性标准。有很多的工作去确保我们介绍是安全可靠的。”

这是至关重要的。例如,奥迪有7000芯片在高档汽车,根据最优+的数据。假设,如果奥迪遇到1百分率(ppm)每设备故障率,汽车制造商将会7失败每1000辆汽车,据该公司。然后,如果奥迪每天制造4000辆汽车,每小时1时失败。

汽车工业是追求零缺点和其他项目,但很难达到这些目标,因为系统,甚至芯片和软件正变得越来越复杂。

在其新车辆可靠性研究中,J.D. Power测量问题的数量经历了每100辆2015年款的车辆的所有者在过去的12个月。2017年总体汽车可靠性提高了9%,但与各种电子系统有问题。例如,音频/通讯/娱乐/导航系统仍然是一个棘手的类别所有者,收到最多的投诉,根据调查。内置的语音识别和蓝牙连接是最大的问题。

这些和其他问题可能持续更新的模型。这就是为什么孤立点检测是至关重要的。在异常值检测,过程始于一个电气测试晶片处理后工厂。晶圆再发送给测试组进行评估。

这仍然只是地址的一些潜在的问题。“这是不可能的测试每一个途径。因此,报道可能是不完整的。即使是这样,你是很多不同的测试运行。有时,你得到的答案是模糊的。但我们知道当前的方法不够好,”高级主管Jay Rathert表示在KLA-Tencor战略协作。

此外,测试可能会或可能不会找到可怕的潜在可靠性的缺陷。“潜在的可靠性缺陷是离开工厂,或者逃离工厂,但它在某种程度上通过环境领域被激活,其振动,是否湿度、电流、电迁移或热量。这可能成为一个短的随着时间的推移,”Rathert说。

图2:随机缺陷。来源:KLA-Tencor

无论如何,有一个新的知道为什么赶不上他们离开工厂之前的问题吗?

在工厂
根据加州大学伯克利分校,一个理论上的工厂有50000晶圆开始每月需要以下设备:

• 50扫描仪/步进+晶圆轨道
• 10大电流和8 medium-current离子离子注入机
• 40蚀刻机
• 30 CVD的工具

此外,300 mm晶圆厂也自动植物利用各式各样的自动物料搬运系统和晶圆传输机制。晶圆加工工厂中一步一步地流使用各种设备。一个先进的逻辑过程可以从600年到1000年步骤或更多,而一个成熟的技术。

在高级节点,设备必须处理更小、更精确的特性。在每个节点,缺陷变得越来越难找到。

每个应用程序都有一组不同的缺陷要求。一般来说,消费者oem缺陷控制要求并不是很严格。然而在汽车,芯片制造商必须在工厂实施更严格的控制流程和采用连续缺陷改进计划。

“有一些先决条件(汽车),“Wenchi Ting说,助理副总裁联华电子。“你必须有一个管理良好的工厂和维护良好的工具。最重要的是,你需要一个健全的质量体系和质量观念,这将使你获得这些证书所需生产汽车产品。这是很复杂的。在汽车,它始于设计流程和计划的工厂。然后延伸到当你真正生产芯片。”

在工厂,检查系统是用于定位晶圆上的缺陷。一般来说,芯片制造商不一定检查工厂的每一个晶片。它花费的时间太长,是昂贵的。相反,他们可能样品某些死亡或部分的芯片。

对于消费者的芯片,过程很简单。“当我们开发一种技术,我们有资格,“Ting说。“通常,样本容量是有限的。”

汽车的需求是不同的。“你必须运行大量的样本,以看到失败率。这是一个非常昂贵的过程,”他说。“人们非常认真地考虑如何实现这一目标,同时包含他们的成本。有很多各方面的挑战。”

所有的时间和金钱。然后,如果芯片满足规范检验和其他进程后,晶片从工厂测试。

从那里的负担转移到测试组。寻求帮助测试组,KLA-Tencor技术设计了一个工厂的问题。技术,被称为串联部分平均测试(眼睛),利用帕特的概念。但与帕特和它的变体,进行测试,玛莉在工厂执行。

眼睛不一定与传统第三方异常供应商竞争。我们的目标是补充它们通过添加更多的数据。一般来说,您仍然需要执行传统的异常检测。

技术从KLA-Tencor涉及硬件和数据分析包。简而言之,检查数据送入计算机模拟程序。仰卧起坐数据,看着死在一个晶片地图,然后查找异常缺陷人口跨多个工厂的检验步骤。

在一个简单的示例中,该技术将显示晶片地图和五层设备,如活跃区域,大门,接触,金属1和2。假设有800个缺陷的金属1层。然后,电脑随机选择10的死在晶片。然后,使用各种玛莉算法,然后系统确定9的潜在可靠性的缺陷。

这个过程重复几次。“你玩游戏,”大卫说价格,营销高级总监KLA-Tencor。”,这一次又一次,你可以看到的统计性质defectivity驱动能力找到最有可能的死包含可靠性缺陷。”

眼睛可以用来剔除有问题的死亡。此外,可以结合其他数据异常值的方法来改善死的通过/失败的决定。“你将能够减少过度和underkill你在传统的拍法,使“价格说。

工厂测试
从那里,晶片从工厂到测试流程,进行晶圆测试,最终测试,有时一个系统级的测试过程。

检验和测试提供了一个令人眼花缭乱的的数据量。但是你怎么知道如果仍然有一部分潜在的可靠性缺陷或其他问题?

这就是为什么汽车制造商希望他们的供应商在测试期间执行传统的异常检测。“帕特面元晶圆测试过程作为离线服务器上在整个晶片测试,“导师Renaud说。“拍装箱在最终测试执行在线测试仪,测试每个部分之后,尽管服务器管理配方和控制校准过程,”

一般来说,异常检测技术需要从工厂电气数据,然后进行运算。KLA-Tencor的新技术将提供更多的数据。“我们已经能够收集从机器像解放军的检验数据,“优+的Schuldenfrei说。”结合在一起使用,显然是要增加更多的准确性。”

帕特,最基本形式的大纲窗口检测,应该捕获一个死以外—测试极限。测试的限制可以设置在一个静态的(吐)或动态(DPAT)模式。

在争吵中,测试限制是基于一定数量的批次。一般来说,在DPAT,限制每个晶片测试的计算。在争吵和DPAT,执行一个算法。设备简单的通过或失败。

图3:确定静态帕特的限制。来源:资料来源:汽车电子委员会

图4:确定动态PAT限制。来源:汽车电子委员会

不过,在某些情况下,这些算法可能不足。一些地区可能驻留远离其他分布,但在规范的局限性。可能是极端的异常值,其他部分远离正态分布。”,会严重影响整个人口。然后,你最终错过了离群值靠近人口中心的结果,“优+”年代Schuldenfrei说。

异常值检测专家注册程序来解决这些问题和其他一些问题。但多年来,这些设备变得更加复杂,因此需要更高级的孤立点检测的技术。“客户要求越来越复杂的算法来识别真正的离群值不会引起不必要的产量损失,“导师Renaud说。“复杂的自动形状检测是需要认识到非高斯分布”。

有几种类型的复杂的孤立点检测算法,基于地理、经济学和其他计划。许多算法甚至可以结合,甚至DPAT和争吵。

一个先进的类型、地理帕特(GPAT),看着死根据其地理相邻的质量。

图5:晶片地图与GPAT异常值检测后。来源:优+

然后,一个复杂的版本,这叫做good-die /糟糕的地方(GDBN)。GDBN基于缺陷的观点倾向于聚集在晶片上的某个位置。简而言之,良好的死可能删除地区的高等缺陷。

另一种技术叫做最近邻残余(NNR)。“最近邻残余看着每个值为每个测试在每个死去。不仅仅是在整个晶片的环境中,而且在其邻国的背景下,“优+”年代Schuldenfrei说。

还有其他的方法,如多变量技术。“地理空间算法检查失败模式十字线的晶圆缺陷和集群没有死。与此同时,多变量算法测量多个测试之间的关系,而不是只考虑一个测试一次,“导师Renaud说。“RMA分析几乎re-binning也提高异常检测的关键字段返回不同的帕特算法来确定失败的一部分可能会被发现是局外人。”

所有的这些方法可以结合。

图6:例子的孤立点检测算法使用多个序列。来源:优+

接下来是什么?
展望未来,ADAS和自主驾驶将推动更多的检测技术的必要性。“这将成为一个问题的更当汽车变得更加自主,“优+的Schuldenfrei说。

此外,人工智能和机器学习将进入混合。“所有的新机器学习和人工智能的处理能力和功能,我们相信这些将更多地参与运行异常值检测、“Schuldenfrei说。

最后,将所有的数据可能是最大的挑战。“想象一下,把数据从一个芯片,关联数据跨多个不同的公司,”他说。“你需要共享数据以达到更好的异常值检测。”

有关的故事
提高产量、可靠性数据
平等是所有已知的好的测试设备?
汽车芯片测试问题增加
变化的测试