|
作者：明導硅測試解決方案部門(mén)良率分析產(chǎn)品經(jīng)理Geir Eide 半導體良率取決于許多因素。如果您的設備使用領(lǐng)先的工藝生產(chǎn)，您可能與代工廠(chǎng)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提升。不過(guò)，如果您的集成電路應用面向成熟節點(diǎn)進(jìn)行了優(yōu)化，良率可能就不會(huì )讓你徹夜難眠了 -- 除非發(fā)生意外。 對于醫療和汽車(chē)市場(chǎng)所用設備，您需要仔細尋找一切可能影響品質(zhì)或者可靠性的問(wèn)題。我們通常親切地稱(chēng)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(cháng)時(shí)間、產(chǎn)量足夠高，因此從產(chǎn)品生產(chǎn)成本的角度來(lái)看，值得想辦法找出最后1%的良率損失。 隨著(zhù)良率挑戰數量的增加，許多無(wú)晶圓廠(chǎng)半導體公司采用了新技術(shù)，如診斷驅動(dòng)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，有效區分面向設計和面向工藝的良率損失問(wèn)題。例如，Freescale使用1300個(gè)failing die的診斷分析結果在幾周內將成熟良率提高了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(gè)主要構成元素。首先，使用掃描診斷軟件分析生產(chǎn)測試失敗情況，根據設計描述、掃描測試圖和測試儀故障數據找到缺陷位置和類(lèi)別（圖1）。 
圖1.基于布局考量的掃描診斷識別數字半導體設備的缺陷位置和類(lèi)別 DDYA 的第二部分是統計分析，能使大量故障設備的診斷結果變得可執行�；谠\斷數據的良率分析的主要難題是處理結果中的含糊性。例如，測試儀上的缺陷行為可以通過(guò)多個(gè)位置的缺陷得以解釋。其次，通常被稱(chēng)作“懷疑對象”的每個(gè)診斷結果都可能含有與缺陷相關(guān)的多個(gè)根本原因。 欲消除診斷結果中的噪聲（含糊性），并確定大量故障設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，這是機器學(xué)習應用中一種著(zhù)名的分析法。 RCD 運用了設計統計，包括每個(gè)金屬層每個(gè)網(wǎng)段的關(guān)鍵區域，以及每個(gè)單元類(lèi)型的測試單元數。該技術(shù)使用統計模型來(lái)計算觀(guān)測一組針對既定缺陷分布診斷結果的可能性。該模型用于確定既定診斷結果組合的最可能的缺陷分布。圖2展示常見(jiàn)的 RCD 分析流程。
圖2：RCD確定根本原因分布和每個(gè)根本原因最可能帶來(lái)故障的設備。 基于布局考量的診斷在制造測試失敗的die上執行（1）。每個(gè)診斷結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)行匯總并計算出每個(gè)根本原因所導致故障的die的數量，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(zhù)消除這一噪聲并確認潛在的根本原因分布（3）。用戶(hù)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(méi)有發(fā)現的一個(gè)根本原因。RCD 順著(zhù)根本原因分布為每個(gè)診斷懷疑對象的根本原因分配一個(gè)概率值（4）。這意味著(zhù)用戶(hù)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(gè)die進(jìn)行故障分析 (FA)。在對failing die 的 RCD 結果與原始分析報告進(jìn)行比較時(shí)，我們看到 RCD 除去了幾項最初的根本原因，從而有效提高了對單個(gè)結果的決斷（5）。在這個(gè)特別的案例中，原始報告包含了一個(gè)failing die的七項可能的根本原因，RCD 則將這些縮減為一個(gè)結果。布局快照體現了 RCD 之前和之后的缺陷邊界框（6）。 在分析某一組不合格產(chǎn)品的數據時(shí)，如單個(gè)晶圓或單個(gè)批次的晶圓，RCD 的重要性尤為明顯。事實(shí)證明，這項技術(shù)也可用于長(cháng)期良率的監測�？梢酝ㄟ^(guò)比較多個(gè)批次產(chǎn)品，甚至多個(gè)設備的 RCD 缺陷分布，來(lái)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，需要精心準備分析群體。通過(guò)將不同時(shí)間和設計的 RCD 結果不斷積累，可以以最小代價(jià)得到有效的良率分析�！� 總之，運用RCD的DDYA可以快速、低成本地通過(guò)測試數據來(lái)確定造成一組設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，由于測試數據是現成的，因此為無(wú)晶圓廠(chǎng)半導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(mén) 明導 GeirEide擁有美國加州大學(xué)圣塔巴巴拉分校的電氣和計算機工程學(xué)士與碩士學(xué)位，現任明導硅測試解決方案部門(mén)產(chǎn)品營(yíng)銷(xiāo)經(jīng)理，地址：8005 SW Boeckman Rd., Wilsonville, OR 97070 USA；電話(huà)：503-685-7943；電郵：geir_eide@mentor.com |
