|
作者：明導(dǎo)硅測試解決方案部門良率分析產(chǎn)品經(jīng)理Geir Eide 半導(dǎo)體良率取決于許多因素。如果您的設(shè)備使用領(lǐng)先的工藝生產(chǎn)，您可能與代工廠不辭辛勞地密切合作以確保工藝和產(chǎn)品良率有一定程度的相應(yīng)提升。不過，如果您的集成電路應(yīng)用面向成熟節(jié)點(diǎn)進(jìn)行了優(yōu)化，良率可能就不會讓你徹夜難眠了 -- 除非發(fā)生意外。 對于醫(yī)療和汽車市場所用設(shè)備，您需要仔細(xì)尋找一切可能影響品質(zhì)或者可靠性的問題。我們通常親切地稱為“百分之一”的集成電路產(chǎn)品是指那些已經(jīng)生產(chǎn)了足夠長時(shí)間、產(chǎn)量足夠高，因此從產(chǎn)品生產(chǎn)成本的角度來看，值得想辦法找出最后1%的良率損失。 隨著良率挑戰(zhàn)數(shù)量的增加，許多無晶圓廠半導(dǎo)體公司采用了新技術(shù)，如診斷驅(qū)動的良率分析(diagnosis-driven yield analysis，DDYA)，該技術(shù)可以快速找到良率損失的根本原因，有效區(qū)分面向設(shè)計(jì)和面向工藝的良率損失問題。例如，Freescale使用1300個failing die的診斷分析結(jié)果在幾周內(nèi)將成熟良率提高了1.5%。診斷分析技術(shù)取得的新進(jìn)步使 DDYA 比以往更具價(jià)值。 DDYA 有兩個主要構(gòu)成元素。首先，使用掃描診斷軟件分析生產(chǎn)測試失敗情況，根據(jù)設(shè)計(jì)描述、掃描測試圖和測試儀故障數(shù)據(jù)找到缺陷位置和類別（圖1）。 
圖1.基于布局考量的掃描診斷識別數(shù)字半導(dǎo)體設(shè)備的缺陷位置和類別 DDYA 的第二部分是統(tǒng)計(jì)分析，能使大量故障設(shè)備的診斷結(jié)果變得可執(zhí)行。基于診斷數(shù)據(jù)的良率分析的主要難題是處理結(jié)果中的含糊性。例如，測試儀上的缺陷行為可以通過多個位置的缺陷得以解釋。其次，通常被稱作“懷疑對象”的每個診斷結(jié)果都可能含有與缺陷相關(guān)的多個根本原因。 欲消除診斷結(jié)果中的噪聲（含糊性），并確定大量故障設(shè)備中的潛在根本原因，您可以采用根本原因反卷積 (root cause deconvolution，RCD) 技術(shù)。該技術(shù)基于貝葉斯概率分析，這是機(jī)器學(xué)習(xí)應(yīng)用中一種著名的分析法。 RCD 運(yùn)用了設(shè)計(jì)統(tǒng)計(jì)，包括每個金屬層每個網(wǎng)段的關(guān)鍵區(qū)域，以及每個單元類型的測試單元數(shù)。該技術(shù)使用統(tǒng)計(jì)模型來計(jì)算觀測一組針對既定缺陷分布診斷結(jié)果的可能性。該模型用于確定既定診斷結(jié)果組合的最可能的缺陷分布。圖2展示常見的 RCD 分析流程。
圖2：RCD確定根本原因分布和每個根本原因最可能帶來故障的設(shè)備。 基于布局考量的診斷在制造測試失敗的die上執(zhí)行（1）。每個診斷結(jié)果都包含一組可能對故障做出解釋的根本原因。如果我們對所有根本原因進(jìn)行匯總并計(jì)算出每個根本原因所導(dǎo)致故障的die的數(shù)量，就能得到包含真正根本原因以及噪聲的一張圖表（2）。RCD 接著消除這一噪聲并確認(rèn)潛在的根本原因分布（3）。用戶從該分布中能聚焦最值得注意的潛在根本原因，或者之前沒有發(fā)現(xiàn)的一個根本原因。RCD 順著根本原因分布為每個診斷懷疑對象的根本原因分配一個概率值（4）。這意味著用戶可以輕松確定最可能代表特定根本原因的物理die，并使用這個die進(jìn)行故障分析 (FA)。在對failing die 的 RCD 結(jié)果與原始分析報(bào)告進(jìn)行比較時(shí)，我們看到 RCD 除去了幾項(xiàng)最初的根本原因，從而有效提高了對單個結(jié)果的決斷（5）。在這個特別的案例中，原始報(bào)告包含了一個failing die的七項(xiàng)可能的根本原因，RCD 則將這些縮減為一個結(jié)果。布局快照體現(xiàn)了 RCD 之前和之后的缺陷邊界框（6）。 在分析某一組不合格產(chǎn)品的數(shù)據(jù)時(shí)，如單個晶圓或單個批次的晶圓，RCD 的重要性尤為明顯。事實(shí)證明，這項(xiàng)技術(shù)也可用于長期良率的監(jiān)測。可以通過比較多個批次產(chǎn)品，甚至多個設(shè)備的 RCD 缺陷分布，來確定缺陷的趨勢和變化。GLOBALFOUNDRIES 最近發(fā)表的一份文件指出：“為了最大限度地發(fā)揮 RCD 的作用，需要精心準(zhǔn)備分析群體。通過將不同時(shí)間和設(shè)計(jì)的 RCD 結(jié)果不斷積累，可以以最小代價(jià)得到有效的良率分析。” 總之，運(yùn)用RCD的DDYA可以快速、低成本地通過測試數(shù)據(jù)來確定造成一組設(shè)備存在缺陷的根本原因。用這一方法可以搜捕出成熟工藝中1%良率損失的原因，由于測試數(shù)據(jù)是現(xiàn)成的，因此為無晶圓廠半導(dǎo)體公司的良率和故障分析工藝提供了重要的價(jià)值。 參考資料： 1. W. Yang, C. Hao, Diagnosis-Driven Yield Analysis Improves Mature Yield, Chip Design Magazine, Fall 2011. 2. B. Benware, et.al.,Determining a Failure Root Cause Distribution From a Population of Layout-Aware Scan Diagnosis Results, IEEE D&T of Computers, Volume 29, Issue 1. 3. Y. Pan, et.al., Leveraging Root Cause Deconvolution Analysis for Logic Yield Ramping, International Symposium for Test and Failure Analysis 2013. GeirEide 良率分析產(chǎn)品經(jīng)理 硅測試解決方案部門 明導(dǎo) GeirEide擁有美國加州大學(xué)圣塔巴巴拉分校的電氣和計(jì)算機(jī)工程學(xué)士與碩士學(xué)位，現(xiàn)任明導(dǎo)硅測試解決方案部門產(chǎn)品營銷經(jīng)理，地址：8005 SW Boeckman Rd., Wilsonville, OR 97070 USA；電話：503-685-7943；電郵：geir_eide@mentor.com |
