對 IC 工藝缺陷的新見解

流程邊際性和參數異常值曾經在每個新節點上都會出現問題，但現在它們在多個節點和先進封裝中成為持續存在的問題，其中可能存在不同技術的混合。此外，每個節點都有更多的工藝，應大型芯片制造商的要求進行更多的定制，即使在同一節點，從一個代工廠到下一個代工廠也有更多的差異化。結果，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雜的是，當新的缺陷機制尚未完全了解時，各種其他新工藝（例如混合鍵合）會在制造和裝配流程的早期產生隨機和系統性缺陷。

為了解決這些問題，工程師依靠一系列檢查方法、智能缺陷分類和機器學習分析，在產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品。

過去，良率改進是在 GDSII 代碼交付到晶圓廠后開始的，現在必須從設計階段開始。而且必須在設計流程的早期就考慮到這些問題，因為此時解決潛在問題的成本更低且更有效。

Synopsys 產品管理專家 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量。」他指出，晶圓廠不再根據缺陷檢查和測試結果來劃分工藝工具操作。「將設備、缺陷率和測試結果結合在一起確實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。」

另一個重大變化是機器學習模型的使用增加，這可以幫助查明設備和流程中漂移的原因和頻率。Lynceus 首席執行官兼聯合創始人 David Meyer 表示：「我們使用建模來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%。」「我們分析來自 FDC（故障檢測和分類）的數據和室內環境條件，并將其與下一步檢查步驟聯系起來。通過預測結果，我們可以采取一些措施，通過僅對未通過機器學習預測的單元進行抽樣來減少檢查時間。」

邁耶補充說，最初的投資回報率獲勝成為下一階段過程控制的賣點，其中可能涉及前饋和反饋分析。「市場還處于發展早期，但任何制造汽車芯片的人都面臨著越來越高的質量要求。他們想知道我們可以采取哪些措施來提高質量而不影響產能。」

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，這仍然是一個瓶頸。但這是一個需要解決的問題，因為缺陷檢查、定位和分類是半導體良率改進計劃的核心。

一般來說，隨著特征的縮小，感興趣的缺陷也會縮小。缺陷檢查和審查在確定設備制造過程中的工藝偏差方面繼續發揮著關鍵作用，這就是為什么產量管理系統對于識別問題根源變得更加重要。需要盡早解決潛在問題，以避免代價高昂的返工步驟。

但并非所有缺陷都會導致失敗。面臨的挑戰是識別設備活動區域中發現的致命缺陷或潛在缺陷，同時清除現場區域中無害的缺陷。沒有任何設備是完美的，即使在成熟的節點上也是如此。但高級節點存在更多問題。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，未對準的功能可能會在不應連接時連接，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量的布線選項。DR Yield 首席執行官 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可以很好地協同工作。」 「但這是經驗信息，因此我們開發了一種可以捕獲這些關系的算法。這需要大量計算，運行大約一個小時，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量。」

行業工具變得更好

良率工程師通常依賴光學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 射線檢查可識別焊料凸點的缺陷，在裝配操作中變得越來越流行。最近，由于周轉時間更快，故障分析工具開始在根本原因分析中發揮更積極的作用，從而加快良率學習。

盡管如此，光學系統仍然是主力，為在線統計過程控制和過程監控提供輸入。缺陷檢測的關鍵是信噪比 (SNR) 和對比度，而不是分辨率。「這些檢測工具通常連接到工廠主機，工藝工程師通過工廠主機審查規格表和 Cpk 數據，以識別可能表明異常偏差的趨勢，」Onto Innovation 檢測產品營銷經理 Burham Ali 解釋道。「此外，先進過程控制技術的部署——不斷地將數據從檢查向前或向后反饋到過程工具——允許在每次數據超出控制限制時進行微調，并有助于實時提高 Cpk。沒有外界干預的時間。這也減少了所需的返工量，從而節省了成本。」

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，采用明場照明、暗場照明或兩者的組合。明場檢測最適合檢測結構之間的平面缺陷或溝槽內缺陷，而暗場檢測則擅長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，可實現比單束系統更高的吞吐量。晶圓圖上的缺陷是通過比較芯片間圖像來檢測的，因此減去的信息會填充缺陷晶圓圖。還使用芯片與數據庫的比較。

機器學習開始滲透到這些過程中。缺陷分類是機器學習算法已經比人類手動表征提供更快、更準確的缺陷分類的領域之一。「基于機器學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。「他們可以根據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性缺陷，例如 CMP 劃痕或卡盤標記。這種主動方法不僅改善了在線監控，而且還提供了更好的批次和晶圓處置策略。」

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，此時通過應用特定的測試模式對每個器件進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的『質量模塊』中。」我們改進了算法。例如，經典的 AEC（汽車電子委員會）算法需要正態分布數據。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。」

即使在晶圓探測之前，在晶體管接觸到第一層互連之后，也有一些機會檢查缺陷。例如，PDF Solutions 提供定制電子束探測器，可以檢測生產線中段的電氣相關缺陷。DFI 系統使用通過接觸墊插入設備中的測試車輛（IP 單元）。這允許電子束系統讀取來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。

機器學習和分析

機器學習才剛剛開始大規模影響晶圓廠的運營。無論算法有多么高效，仍然需要修改，特別是當它適合半導體操作的特定需求時。

離群值檢測算法已經使用了一段時間，用于根據單個參數測試（單變量）或同時進行兩個（雙變量）或更多測試來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)，該測試在制造過程中針對統計控制限值進行工作，以發現潛在的長期可靠性故障。它們最初是為汽車、醫療和航空航天等高可靠性市場開發的。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)。

根據設備的質量要求，執行雙變量和三變量測試。雙變量是指同時關聯兩個測試，而多變量是指同時關聯三個或更多測試。這些方法的缺點是運行它們所需的計算資源。

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心的缺陷通常比前端工藝更大，但仍然需要檢測焊料凸點、底部填充和封裝器件中的關鍵缺陷（例如裂紋和空洞）。對于基板內的層壓基板來說也是如此，如今，通過集成小芯片的先進封裝，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。

光學檢測和 X 射線檢測方法面臨的挑戰之一是對經常出現翹曲和傾斜的大表面進行充分的缺陷檢測。翹曲會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，」布魯克應用和產品管理總監 Frank Chen 說道。「由于其尺寸較大，要在不發生任何翹曲的情況下進行加工具有挑戰性。然而，如果將芯片連接工具調整到其工藝窗口的中心，它就可以通過檢查并以高產量制造。問題是容差可能非常窄。一旦翹曲頂部出現一點芯片傾斜，就會出現問題。」 對于金屬（包括焊料凸塊和微凸塊），X 射線計量可以提供高對比度。

「X 射線對于識別過程偏差非常有用，因為它可以更早地插入生產線中，」Chen 說。「從本質上講，這是一種可以在安裝芯片后立即插入的技術，甚至可以在回流和成型之前進行。您可以真正捕捉晶圓上芯片放置精度和傾斜方面發生的情況，而這些變化都與鍵合質量有關。」

與前端檢查一樣，這些技術可以很好地發現徹底的故障。問題是他們沒有捕捉到所有可能進入現場的邊緣缺陷。

「隨著 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，那么您就能夠開始識別過程漂移，這就是當今工具的真正價值所在，」諾信測試與檢驗公司產品線總監 Brad Perkins 說。Perkins 看到了使用公司 MRS 工具進行 100% 檢查的趨勢，但需要注意的是，這不會導致運營瓶頸。

結論

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