對(duì) IC 工藝缺陷的新見解

流程邊際性和參數(shù)異常值曾經(jīng)在每個(gè)新節(jié)點(diǎn)上都會(huì)出現(xiàn)問題，但現(xiàn)在它們?cè)诙鄠€(gè)節(jié)點(diǎn)和先進(jìn)封裝中成為持續(xù)存在的問題，其中可能存在不同技術(shù)的混合。此外，每個(gè)節(jié)點(diǎn)都有更多的工藝，應(yīng)大型芯片制造商的要求進(jìn)行更多的定制，即使在同一節(jié)點(diǎn)，從一個(gè)代工廠到下一個(gè)代工廠也有更多的差異化。結(jié)果，一種解決方案不再能解決所有問題。

使這些問題變得更加復(fù)雜的是，當(dāng)新的缺陷機(jī)制尚未完全了解時(shí)，各種其他新工藝（例如混合鍵合）會(huì)在制造和裝配流程的早期產(chǎn)生隨機(jī)和系統(tǒng)性缺陷。

為了解決這些問題，工程師依靠一系列檢查方法、智能缺陷分類和機(jī)器學(xué)習(xí)分析，在產(chǎn)品升級(jí)的最初階段消除致命缺陷。但即便如此，設(shè)計(jì)中存在如此多的選項(xiàng)和定制，在一種情況下有效的方法不一定在另一種情況下也有效。事實(shí)上，在一種設(shè)計(jì)中有效的方法可能不適用于同一設(shè)計(jì)的衍生產(chǎn)品。

過去，良率改進(jìn)是在 GDSII 代碼交付到晶圓廠后開始的，現(xiàn)在必須從設(shè)計(jì)階段開始。而且必須在設(shè)計(jì)流程的早期就考慮到這些問題，因?yàn)榇藭r(shí)解決潛在問題的成本更低且更有效。

Synopsys 產(chǎn)品管理專家 Vivek Jain 表示：「芯片制造商專注于通過更快的工藝提升，更快地提高大批量制造的產(chǎn)量。」他指出，晶圓廠不再根據(jù)缺陷檢查和測(cè)試結(jié)果來劃分工藝工具操作?！笇⒃O(shè)備、缺陷率和測(cè)試結(jié)果結(jié)合在一起確實(shí)可以提高理解的深度，從而有可能加快故障根本原因分析的速度。」

另一個(gè)重大變化是機(jī)器學(xué)習(xí)模型的使用增加，這可以幫助查明設(shè)備和流程中漂移的原因和頻率。Lynceus 首席執(zhí)行官兼聯(lián)合創(chuàng)始人 David Meyer 表示：「我們使用建模來預(yù)測(cè)因設(shè)備故障而導(dǎo)致的故障，這些設(shè)備故障占所有故障的 50%。」「我們分析來自 FDC（故障檢測(cè)和分類）的數(shù)據(jù)和室內(nèi)環(huán)境條件，并將其與下一步檢查步驟聯(lián)系起來。通過預(yù)測(cè)結(jié)果，我們可以采取一些措施，通過僅對(duì)未通過機(jī)器學(xué)習(xí)預(yù)測(cè)的單元進(jìn)行抽樣來減少檢查時(shí)間。」

邁耶補(bǔ)充說，最初的投資回報(bào)率獲勝成為下一階段過程控制的賣點(diǎn)，其中可能涉及前饋和反饋分析?！甘袌?chǎng)還處于發(fā)展早期，但任何制造汽車芯片的人都面臨著越來越高的質(zhì)量要求。他們想知道我們可以采取哪些措施來提高質(zhì)量而不影響產(chǎn)能?！?/span>

還有更多工作要做，特別是在將工具、制造執(zhí)行系統(tǒng)和計(jì)量的數(shù)據(jù)鏈接到現(xiàn)有 IT 基礎(chǔ)設(shè)施方面。如今，這仍然是一個(gè)瓶頸。但這是一個(gè)需要解決的問題，因?yàn)?a class="contentlabel" href="http://www.ex-cimer.com/news/listbylabel/label/缺陷檢查">缺陷檢查、定位和分類是半導(dǎo)體良率改進(jìn)計(jì)劃的核心。

一般來說，隨著特征的縮小，感興趣的缺陷也會(huì)縮小。缺陷檢查和審查在確定設(shè)備制造過程中的工藝偏差方面繼續(xù)發(fā)揮著關(guān)鍵作用，這就是為什么產(chǎn)量管理系統(tǒng)對(duì)于識(shí)別問題根源變得更加重要。需要盡早解決潛在問題，以避免代價(jià)高昂的返工步驟。

但并非所有缺陷都會(huì)導(dǎo)致失敗。面臨的挑戰(zhàn)是識(shí)別設(shè)備活動(dòng)區(qū)域中發(fā)現(xiàn)的致命缺陷或潛在缺陷，同時(shí)清除現(xiàn)場(chǎng)區(qū)域中無害的缺陷。沒有任何設(shè)備是完美的，即使在成熟的節(jié)點(diǎn)上也是如此。但高級(jí)節(jié)點(diǎn)存在更多問題。在新工藝中，可變性變得更加麻煩，薄金屬互連可能變得太薄，以至于失去連接（電氣開路）。此外，未對(duì)準(zhǔn)的功能可能會(huì)在不應(yīng)連接時(shí)連接，從而導(dǎo)致短路。必須仔細(xì)分析邊緣缺陷，以確保最穩(wěn)健的流程。

機(jī)器學(xué)習(xí)和分析還可以識(shí)別更好和更差的工具組合，從而得出可以提高產(chǎn)量的布線選項(xiàng)。DR Yield 首席執(zhí)行官 Dieter Rathei 表示：「在晶圓廠中，人們往往知道光刻和蝕刻等特定工具何時(shí)可以很好地協(xié)同工作?！?「但這是經(jīng)驗(yàn)信息，因此我們開發(fā)了一種可以捕獲這些關(guān)系的算法。這需要大量計(jì)算，運(yùn)行大約一個(gè)小時(shí)，但完成后，您知道好的工具組合和有問題的工具組合，并且可以路由晶圓以提供更高的產(chǎn)量?！?/span>

行業(yè)工具變得更好

良率工程師通常依賴光學(xué)檢測(cè)和電子束檢測(cè)工具的組合。但他們也在其中添加新工具。例如，X 射線檢查可識(shí)別焊料凸點(diǎn)的缺陷，在裝配操作中變得越來越流行。最近，由于周轉(zhuǎn)時(shí)間更快，故障分析工具開始在根本原因分析中發(fā)揮更積極的作用，從而加快良率學(xué)習(xí)。

盡管如此，光學(xué)系統(tǒng)仍然是主力，為在線統(tǒng)計(jì)過程控制和過程監(jiān)控提供輸入。缺陷檢測(cè)的關(guān)鍵是信噪比 (SNR) 和對(duì)比度，而不是分辨率?！高@些檢測(cè)工具通常連接到工廠主機(jī)，工藝工程師通過工廠主機(jī)審查規(guī)格表和 Cpk 數(shù)據(jù)，以識(shí)別可能表明異常偏差的趨勢(shì)，」Onto Innovation 檢測(cè)產(chǎn)品營(yíng)銷經(jīng)理 Burham Ali 解釋道?！复送猓冗M(jìn)過程控制技術(shù)的部署——不斷地將數(shù)據(jù)從檢查向前或向后反饋到過程工具——允許在每次數(shù)據(jù)超出控制限制時(shí)進(jìn)行微調(diào)，并有助于實(shí)時(shí)提高 Cpk。沒有外界干預(yù)的時(shí)間。這也減少了所需的返工量，從而節(jié)省了成本。」

提供缺陷檢測(cè)系統(tǒng)的公司包括 KLA、Onto Innovation、Applied Materials、Hitachi High-Tech、JEOL 和 ASML。這些系統(tǒng)要么基于振幅，要么基于強(qiáng)度，采用明場(chǎng)照明、暗場(chǎng)照明或兩者的組合。明場(chǎng)檢測(cè)最適合檢測(cè)結(jié)構(gòu)之間的平面缺陷或溝槽內(nèi)缺陷，而暗場(chǎng)檢測(cè)則擅長(zhǎng)檢測(cè)結(jié)構(gòu)頂部的散射缺陷。SEM 供應(yīng)商包括 KLA、應(yīng)用材料公司和 ASML，其中 ASML 提供多束電子束檢測(cè)系統(tǒng)，可實(shí)現(xiàn)比單束系統(tǒng)更高的吞吐量。晶圓圖上的缺陷是通過比較芯片間圖像來檢測(cè)的，因此減去的信息會(huì)填充缺陷晶圓圖。還使用芯片與數(shù)據(jù)庫的比較。

機(jī)器學(xué)習(xí)開始滲透到這些過程中。缺陷分類是機(jī)器學(xué)習(xí)算法已經(jīng)比人類手動(dòng)表征提供更快、更準(zhǔn)確的缺陷分類的領(lǐng)域之一?！富跈C(jī)器學(xué)習(xí)和人工智能的工具用于識(shí)別晶圓上的獨(dú)特圖案，即使晶圓上存在其他缺陷，」Onto 的 Ali 說?！杆麄兛梢愿鶕?jù)提取的簽名將模式分類到不同的容器中。這些圖案可能包括系統(tǒng)性缺陷，例如 CMP 劃痕或卡盤標(biāo)記。這種主動(dòng)方法不僅改善了在線監(jiān)控，而且還提供了更好的批次和晶圓處置策略。」

獲得電氣結(jié)果

一般情況下，直到晶圓探針 (ATE) 之前，電氣結(jié)果才能廣泛獲得，此時(shí)通過應(yīng)用特定的測(cè)試模式對(duì)每個(gè)器件進(jìn)行功能缺陷電氣測(cè)試。

DR Yield 的 Rathei 表示：「我們收到了很多請(qǐng)求，希望將特定功能添加到我們所說的『質(zhì)量模塊』中?！刮覀兏倪M(jìn)了算法。例如，經(jīng)典的 AEC（汽車電子委員會(huì)）算法需要正態(tài)分布數(shù)據(jù)。電氣測(cè)試數(shù)據(jù)很少呈高斯分布。這就是為什么我們還制作了不需要測(cè)試數(shù)據(jù)高斯分布的變體，以及軟件中的其他穩(wěn)健變體?！?/span>

即使在晶圓探測(cè)之前，在晶體管接觸到第一層互連之后，也有一些機(jī)會(huì)檢查缺陷。例如，PDF Solutions 提供定制電子束探測(cè)器，可以檢測(cè)生產(chǎn)線中段的電氣相關(guān)缺陷。DFI 系統(tǒng)使用通過接觸墊插入設(shè)備中的測(cè)試車輛（IP 單元）。這允許電子束系統(tǒng)讀取來自表征單元的電響應(yīng)以檢測(cè)故障，包括由于系統(tǒng)缺陷導(dǎo)致的邊際故障。

機(jī)器學(xué)習(xí)和分析

機(jī)器學(xué)習(xí)才剛剛開始大規(guī)模影響晶圓廠的運(yùn)營(yíng)。無論算法有多么高效，仍然需要修改，特別是當(dāng)它適合半導(dǎo)體操作的特定需求時(shí)。

離群值檢測(cè)算法已經(jīng)使用了一段時(shí)間，用于根據(jù)單個(gè)參數(shù)測(cè)試（單變量）或同時(shí)進(jìn)行兩個(gè)（雙變量）或更多測(cè)試來標(biāo)記與同一晶圓上的其他芯片表現(xiàn)不同的器件。公司使用零件平均測(cè)試 (PAT)，該測(cè)試在制造過程中針對(duì)統(tǒng)計(jì)控制限值進(jìn)行工作，以發(fā)現(xiàn)潛在的長(zhǎng)期可靠性故障。它們最初是為汽車、醫(yī)療和航空航天等高可靠性市場(chǎng)開發(fā)的。最常見的是 Z-PAT（z 軸 PAT）、聚類分析和圍繞失效芯片的好芯片壞鄰域 (GDBN)。

根據(jù)設(shè)備的質(zhì)量要求，執(zhí)行雙變量和三變量測(cè)試。雙變量是指同時(shí)關(guān)聯(lián)兩個(gè)測(cè)試，而多變量是指同時(shí)關(guān)聯(lián)三個(gè)或更多測(cè)試。這些方法的缺點(diǎn)是運(yùn)行它們所需的計(jì)算資源。

組裝和封裝過程中的檢查

雖然工程師在組裝和封裝過程中關(guān)心的缺陷通常比前端工藝更大，但仍然需要檢測(cè)焊料凸點(diǎn)、底部填充和封裝器件中的關(guān)鍵缺陷（例如裂紋和空洞）。對(duì)于基板內(nèi)的層壓基板來說也是如此，如今，通過集成小芯片的先進(jìn)封裝，層壓基板可以變得非常大。Onto Innovation、Bruker、Nordson Test & Inspection 等公司提供用于后端流程的缺陷檢測(cè)工具。

光學(xué)檢測(cè)和 X 射線檢測(cè)方法面臨的挑戰(zhàn)之一是對(duì)經(jīng)常出現(xiàn)翹曲和傾斜的大表面進(jìn)行充分的缺陷檢測(cè)。翹曲會(huì)導(dǎo)致芯片和基板之間的共面度出現(xiàn)輕微差異，從而導(dǎo)致一些微凸塊與下面的焊盤連接不充分。

「以 50 至 60 毫米的高級(jí)處理器為例，」布魯克應(yīng)用和產(chǎn)品管理總監(jiān) Frank Chen 說道?！赣捎谄涑叽巛^大，要在不發(fā)生任何翹曲的情況下進(jìn)行加工具有挑戰(zhàn)性。然而，如果將芯片連接工具調(diào)整到其工藝窗口的中心，它就可以通過檢查并以高產(chǎn)量制造。問題是容差可能非常窄。一旦翹曲頂部出現(xiàn)一點(diǎn)芯片傾斜，就會(huì)出現(xiàn)問題。」 對(duì)于金屬（包括焊料凸塊和微凸塊），X 射線計(jì)量可以提供高對(duì)比度。

「X 射線對(duì)于識(shí)別過程偏差非常有用，因?yàn)樗梢愿绲夭迦肷a(chǎn)線中，」Chen 說?！笍谋举|(zhì)上講，這是一種可以在安裝芯片后立即插入的技術(shù)，甚至可以在回流和成型之前進(jìn)行。您可以真正捕捉晶圓上芯片放置精度和傾斜方面發(fā)生的情況，而這些變化都與鍵合質(zhì)量有關(guān)。」

與前端檢查一樣，這些技術(shù)可以很好地發(fā)現(xiàn)徹底的故障。問題是他們沒有捕捉到所有可能進(jìn)入現(xiàn)場(chǎng)的邊緣缺陷。

「隨著 SPC 報(bào)告變得更加復(fù)雜，并且您正在查看規(guī)范限制內(nèi)更嚴(yán)格的控制限制，那么您就能夠開始識(shí)別過程漂移，這就是當(dāng)今工具的真正價(jià)值所在，」諾信測(cè)試與檢驗(yàn)公司產(chǎn)品線總監(jiān) Brad Perkins 說。Perkins 看到了使用公司 MRS 工具進(jìn)行 100% 檢查的趨勢(shì)，但需要注意的是，這不會(huì)導(dǎo)致運(yùn)營(yíng)瓶頸。

結(jié)論

流程邊際性和參數(shù)異常值現(xiàn)在是大多數(shù)技術(shù)節(jié)點(diǎn)上持續(xù)存在的問題。工程師正在尋找檢查技術(shù)的組合，以及設(shè)計(jì)、檢查和測(cè)試領(lǐng)域的集成，有助于在工藝流程的早期識(shí)別隨機(jī)和系統(tǒng)缺陷。但先進(jìn)封裝將需要在檢查和分析方面進(jìn)行更多投資，以應(yīng)對(duì)在基板和封裝中集成越來越多器件的多重挑戰(zhàn)。在所有這些流程步驟中，機(jī)器學(xué)習(xí)和人工智能算法將在制造、組裝和測(cè)試操作中發(fā)揮越來越大的作用，以確保最終的設(shè)備質(zhì)量。