對 IC 工藝缺陷的新見(jiàn)解

流程邊際性和參數異常值曾經(jīng)在每個(gè)新節點(diǎn)上都會(huì )出現問(wèn)題，但現在它們在多個(gè)節點(diǎn)和先進(jìn)封裝中成為持續存在的問(wèn)題，其中可能存在不同技術(shù)的混合。此外，每個(gè)節點(diǎn)都有更多的工藝，應大型芯片制造商的要求進(jìn)行更多的定制，即使在同一節點(diǎn)，從一個(gè)代工廠(chǎng)到下一個(gè)代工廠(chǎng)也有更多的差異化。結果，一種解決方案不再能解決所有問(wèn)題。

使這些問(wèn)題變得更加復雜的是，當新的缺陷機制尚未完全了解時(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)生隨機和系統性缺陷。

為了解決這些問(wèn)題，工程師依靠一系列檢查方法、智能缺陷分類(lèi)和機器學(xué)習分析，在產(chǎn)品升級的最初階段消除致命缺陷。但即便如此，設計中存在如此多的選項和定制，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，在一種設計中有效的方法可能不適用于同一設計的衍生產(chǎn)品。

過(guò)去，良率改進(jìn)是在 GDSII 代碼交付到晶圓廠(chǎng)后開(kāi)始的，現在必須從設計階段開(kāi)始。而且必須在設計流程的早期就考慮到這些問(wèn)題，因為此時(shí)解決潛在問(wèn)題的成本更低且更有效。

Synopsys 產(chǎn)品管理專(zhuān)家 Vivek Jain 表示：「芯片制造商專(zhuān)注于通過(guò)更快的工藝提升，更快地提高大批量制造的產(chǎn)量?！顾赋?，晶圓廠(chǎng)不再根據缺陷檢查和測試結果來(lái)劃分工藝工具操作?！笇⒃O備、缺陷率和測試結果結合在一起確實(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?！?/span>

另一個(gè)重大變化是機器學(xué)習模型的使用增加，這可以幫助查明設備和流程中漂移的原因和頻率。Lynceus 首席執行官兼聯(lián)合創(chuàng )始人 David Meyer 表示：「我們使用建模來(lái)預測因設備故障而導致的故障，這些設備故障占所有故障的 50%?！埂肝覀兎治鰜?lái)自 FDC（故障檢測和分類(lèi)）的數據和室內環(huán)境條件，并將其與下一步檢查步驟聯(lián)系起來(lái)。通過(guò)預測結果，我們可以采取一些措施，通過(guò)僅對未通過(guò)機器學(xué)習預測的單元進(jìn)行抽樣來(lái)減少檢查時(shí)間?！?/span>

邁耶補充說(shuō)，最初的投資回報率獲勝成為下一階段過(guò)程控制的賣(mài)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(chē)芯片的人都面臨著(zhù)越來(lái)越高的質(zhì)量要求。他們想知道我們可以采取哪些措施來(lái)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、制造執行系統和計量的數據鏈接到現有 IT 基礎設施方面。如今，這仍然是一個(gè)瓶頸。但這是一個(gè)需要解決的問(wèn)題，因為缺陷檢查、定位和分類(lèi)是半導體良率改進(jìn)計劃的核心。

一般來(lái)說(shuō)，隨著(zhù)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備制造過(guò)程中的工藝偏差方面繼續發(fā)揮著(zhù)關(guān)鍵作用，這就是為什么產(chǎn)量管理系統對于識別問(wèn)題根源變得更加重要。需要盡早解決潛在問(wèn)題，以避免代價(jià)高昂的返工步驟。

但并非所有缺陷都會(huì )導致失敗。面臨的挑戰是識別設備活動(dòng)區域中發(fā)現的致命缺陷或潛在缺陷，同時(shí)清除現場(chǎng)區域中無(wú)害的缺陷。沒(méi)有任何設備是完美的，即使在成熟的節點(diǎn)上也是如此。但高級節點(diǎn)存在更多問(wèn)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(kāi)路）。此外，未對準的功能可能會(huì )在不應連接時(shí)連接，從而導致短路。必須仔細分析邊緣缺陷，以確保最穩健的流程。

機器學(xué)習和分析還可以識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(xiàn)選項。DR Yield 首席執行官 Dieter Rathei 表示：「在晶圓廠(chǎng)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)驗信息，因此我們開(kāi)發(fā)了一種可以捕獲這些關(guān)系的算法。這需要大量計算，運行大約一個(gè)小時(shí)，但完成后，您知道好的工具組合和有問(wèn)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(lài)光學(xué)檢測和電子束檢測工具的組合。但他們也在其中添加新工具。例如，X 射線(xiàn)檢查可識別焊料凸點(diǎn)的缺陷，在裝配操作中變得越來(lái)越流行。最近，由于周轉時(shí)間更快，故障分析工具開(kāi)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。

盡管如此，光學(xué)系統仍然是主力，為在線(xiàn)統計過(guò)程控制和過(guò)程監控提供輸入。缺陷檢測的關(guān)鍵是信噪比 (SNR) 和對比度，而不是分辨率?！高@些檢測工具通常連接到工廠(chǎng)主機，工藝工程師通過(guò)工廠(chǎng)主機審查規格表和 Cpk 數據，以識別可能表明異常偏差的趨勢，」Onto Innovation 檢測產(chǎn)品營(yíng)銷(xiāo)經(jīng)理 Burham Ali 解釋道?！复送?，先進(jìn)過(guò)程控制技術(shù)的部署——不斷地將數據從檢查向前或向后反饋到過(guò)程工具——允許在每次數據超出控制限制時(shí)進(jìn)行微調，并有助于實(shí)時(shí)提高 Cpk。沒(méi)有外界干預的時(shí)間。這也減少了所需的返工量，從而節省了成本?！?/span>

提供缺陷檢測系統的公司包括 KLA、Onto Innovation、Applied Materials、Hitachi High-Tech、JEOL 和 ASML。這些系統要么基于振幅，要么基于強度，采用明場(chǎng)照明、暗場(chǎng)照明或兩者的組合。明場(chǎng)檢測最適合檢測結構之間的平面缺陷或溝槽內缺陷，而暗場(chǎng)檢測則擅長(cháng)檢測結構頂部的散射缺陷。SEM 供應商包括 KLA、應用材料公司和 ASML，其中 ASML 提供多束電子束檢測系統，可實(shí)現比單束系統更高的吞吐量。晶圓圖上的缺陷是通過(guò)比較芯片間圖像來(lái)檢測的，因此減去的信息會(huì )填充缺陷晶圓圖。還使用芯片與數據庫的比較。

機器學(xué)習開(kāi)始滲透到這些過(guò)程中。缺陷分類(lèi)是機器學(xué)習算法已經(jīng)比人類(lèi)手動(dòng)表征提供更快、更準確的缺陷分類(lèi)的領(lǐng)域之一?！富跈C器學(xué)習和人工智能的工具用于識別晶圓上的獨特圖案，即使晶圓上存在其他缺陷，」Onto 的 Ali 說(shuō)?！杆麄兛梢愿鶕崛〉暮灻麑⒛Ｊ椒诸?lèi)到不同的容器中。這些圖案可能包括系統性缺陷，例如 CMP 劃痕或卡盤(pán)標記。這種主動(dòng)方法不僅改善了在線(xiàn)監控，而且還提供了更好的批次和晶圓處置策略?！?/span>

獲得電氣結果

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

DR Yield 的 Rathei 表示：「我們收到了很多請求，希望將特定功能添加到我們所說(shuō)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(chē)電子委員會(huì )）算法需要正態(tài)分布數據。電氣測試數據很少呈高斯分布。這就是為什么我們還制作了不需要測試數據高斯分布的變體，以及軟件中的其他穩健變體?！?/span>

即使在晶圓探測之前，在晶體管接觸到第一層互連之后，也有一些機會(huì )檢查缺陷。例如，PDF Solutions 提供定制電子束探測器，可以檢測生產(chǎn)線(xiàn)中段的電氣相關(guān)缺陷。DFI 系統使用通過(guò)接觸墊插入設備中的測試車(chē)輛（IP 單元）。這允許電子束系統讀取來(lái)自表征單元的電響應以檢測故障，包括由于系統缺陷導致的邊際故障。

機器學(xué)習和分析

機器學(xué)習才剛剛開(kāi)始大規模影響晶圓廠(chǎng)的運營(yíng)。無(wú)論算法有多么高效，仍然需要修改，特別是當它適合半導體操作的特定需求時(shí)。

離群值檢測算法已經(jīng)使用了一段時(shí)間，用于根據單個(gè)參數測試（單變量）或同時(shí)進(jìn)行兩個(gè)（雙變量）或更多測試來(lái)標記與同一晶圓上的其他芯片表現不同的器件。公司使用零件平均測試 (PAT)，該測試在制造過(guò)程中針對統計控制限值進(jìn)行工作，以發(fā)現潛在的長(cháng)期可靠性故障。它們最初是為汽車(chē)、醫療和航空航天等高可靠性市場(chǎng)開(kāi)發(fā)的。最常見(jiàn)的是 Z-PAT（z 軸 PAT）、聚類(lèi)分析和圍繞失效芯片的好芯片壞鄰域 (GDBN)。

根據設備的質(zhì)量要求，執行雙變量和三變量測試。雙變量是指同時(shí)關(guān)聯(lián)兩個(gè)測試，而多變量是指同時(shí)關(guān)聯(lián)三個(gè)或更多測試。這些方法的缺點(diǎn)是運行它們所需的計算資源。

組裝和封裝過(guò)程中的檢查

雖然工程師在組裝和封裝過(guò)程中關(guān)心的缺陷通常比前端工藝更大，但仍然需要檢測焊料凸點(diǎn)、底部填充和封裝器件中的關(guān)鍵缺陷（例如裂紋和空洞）。對于基板內的層壓基板來(lái)說(shuō)也是如此，如今，通過(guò)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工具。

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

「以 50 至 60 毫米的高級處理器為例，」布魯克應用和產(chǎn)品管理總監 Frank Chen 說(shuō)道?！赣捎谄涑叽巛^大，要在不發(fā)生任何翹曲的情況下進(jìn)行加工具有挑戰性。然而，如果將芯片連接工具調整到其工藝窗口的中心，它就可以通過(guò)檢查并以高產(chǎn)量制造。問(wèn)題是容差可能非常窄。一旦翹曲頂部出現一點(diǎn)芯片傾斜，就會(huì )出現問(wèn)題?！?對于金屬（包括焊料凸塊和微凸塊），X 射線(xiàn)計量可以提供高對比度。

「X 射線(xiàn)對于識別過(guò)程偏差非常有用，因為它可以更早地插入生產(chǎn)線(xiàn)中，」Chen 說(shuō)?！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)?！?/span>

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

「隨著(zhù) SPC 報告變得更加復雜，并且您正在查看規范限制內更嚴格的控制限制，那么您就能夠開(kāi)始識別過(guò)程漂移，這就是當今工具的真正價(jià)值所在，」諾信測試與檢驗公司產(chǎn)品線(xiàn)總監 Brad Perkins 說(shuō)。Perkins 看到了使用公司 MRS 工具進(jìn)行 100% 檢查的趨勢，但需要注意的是，這不會(huì )導致運營(yíng)瓶頸。

結論

流程邊際性和參數異常值現在是大多數技術(shù)節點(diǎn)上持續存在的問(wèn)題。工程師正在尋找檢查技術(shù)的組合，以及設計、檢查和測試領(lǐng)域的集成，有助于在工藝流程的早期識別隨機和系統缺陷。但先進(jìn)封裝將需要在檢查和分析方面進(jìn)行更多投資，以應對在基板和封裝中集成越來(lái)越多器件的多重挑戰。在所有這些流程步驟中，機器學(xué)習和人工智能算法將在制造、組裝和測試操作中發(fā)揮越來(lái)越大的作用，以確保最終的設備質(zhì)量。