如何快速提高产品良率.pdf

《如何快速提高产品良率.pdf》由会员分享，可在线阅读，更多相关《如何快速提高产品良率.pdf（6页珍藏版）》请在三一文库上搜索。

1、如何快速提高产品良率 摘要：摘要：现在的良率（yield）管理方法可以比过去达到更高的良率水平以及更快 地实现稳定的生产。 将来新的管理方法一定能够达到更高的水平， 而且成本更低。 现在的半导体制造要求比过去任何时候都要高。 为了满足市场的需要， 半导体公 司必须能够更及时和以更低的成本大批量生产更复杂的产品。 为此， 客户要求制 造商能够采用全新的良率管理方法， 达到比以前更高的良率水平， 而且能够更快 地实现稳定生产。反过来， 新的良率管理方法取决于更广泛和更深入的工程 分析方法， 这些分析方法可以帮助半导体公司作出更加准确的判断， 更快地达到 稳定的良率。 通过持续的良率“学习”， 自动

2、制造技术则可以更加有效地利用这 些分析结果， 它不仅可以将各种条件变化反馈给生产线而且还能及时判断工艺条 件发生变化时是否仍然可以达到预期结果，及时找到问题原因和解决问题。 这些新方法并不是遥远的概念，有些先进的制造商已经在使用这些方法了。 本文将简单介绍 AMD 公司先进的工程分析方法和自动精确制造（Automated Precision Manufacturing, APM）技术，及其与客户共同取得的成果。 快速提高良率的基本要素快速提高良率的基本要素 良率的快速提高是不断发现和解决生产过程中各种影响良率的因素， 从而实现 和发挥产品与工艺过程良率潜能的过程。实现批量生产、降低平均成本、最

3、大程 度提高利润率的需求推动了良率的不断提高。 尽管通常良率学习曲线粗看起来非 常平滑， 实际上它是由工艺改善过程和一系列噪音以及良率异常情况叠加形成的 （图 1）。 图中良率上升的每个小台阶代表了工艺不断改善的趋势， 而向下的摆动则代表 了设备或工艺不正常引起的异常情况。 良率提高的总体速度取决于异常情况的响 应和解决速度以及工艺改善的效率。 每个阶段的快速进步都需要经验丰富的工程 师以及各种数据和分析结果的支持。 良率学习和提高有两种情况：根据现有工艺引进新产品；全新产品和工艺， 例如新技术和新工艺的引进。 新产品旧工艺良率提高的主要内容是找到设计方面 的问题并加以解决， 因为其工艺通常已

4、通过其它产品验证并固定下来。 全新产品 和工艺的情况则比较复杂，因为它涉及设计和工艺、工艺目标、设备极限能力等 因素的综合效应。 此时必须将良率学习和提高分解成各个不同的要求， 然后通过 专业知识和相关软件系统为良率提高过程的各项要求提供有效的支持和相应的 解决方案。 我们将在下文对快速提高产品良率所需各项功能 （从生产稳定性到工艺控制 能力以及对良率的预测）进行详细的描述。 提高生产稳定性提高生产稳定性 从 1980 年代后期到 1990 年代中期，IC 制造工艺的监测经历了从纸本趋势图到 要求更加严格的统计工艺控制（statistical process control，SPC）方法的转

5、变。SPC 图表最早采用的是纸本形式，之后很快就改用电子文件并且与 WIP （work-in-process）追踪系统链接在一起，从而可以在发生严重异常情况时及 时提供警告信息，甚至将设备锁定在停机状态。实际情况违反 SPC 规则时，系统 会提示技术员和工程师，他们将按照失控处置措施（out-of-control actions） 中规定的方法进行处理，找到造成异常情况的原因并采取正确措施进行纠正。 我 们必须特别注意关键工艺步骤的 SPC 图表， 将其维持在控制范围之内， 确保工艺 参数符合各项规格和目标。 在发展这些在线监控系统的同时，AMD 还开发了最早的良率管理软件，加快对 良率异常情

6、况的响应时间，及时找到和发现制造过程中造成良率损失的系统原 因。 这些软件和系统具有设备共同性分析、 设备状态分析和晶片空间分布位置分 析等功能。 用于分析的数据来自于一系列数据库， 例如 WIP 追踪系统提供的生产 线测量数据、 电子检测设备提供的数据等等。 将各种数据分析系统的菜单统一之 后，可以很方便地获取各数据库或各工厂之间的数据。该系统可以持续运行， 对 设备历史记录、晶片空间分布位置、不同反应器之间的偏差等数据进行分析， 找 到引起良率异常变动的系统原因。 通过该方法甚至可以成功地分析出造成系统缺陷（defect）异常情况的原因。 异常变动原因的查找有助于改善工艺，但是为了确保能够

7、尽快发现异常情况， 也 需要有更多的在线测量设备。 同时， 该系统还能生成和保留大批量生产过程中的 关键测量结果和设备历史记录信息等共享数据， 作为监测过程的参考， 从而尽量 缩短分析时间。 这一点非常重要， 特别是当分析之前由于各种原因清空了某些数 据的时候。 这类软件系统发展很快， 它可以有效地找到与设备或工艺相关的问题， 但是对 于与设计或测试相关的问题却相对较弱。 为了能够分析最终测试时发现的器件问 题，我们需要更加全面和综合的数据库，它不仅能够涵盖最终测试数据，而且可 以对半导体厂（Fab）和最终测试时的批号（Lot ID）进行比较和追踪。如果不 能追查 Lot 的历史， 那么对最终

8、测试结果和半导体生产工艺进行相关性分析几乎 是不可能的。在以上需求的推动下，AMD 统一了现有各数据库系统的设计，开发 了 SAPPHiRE 数据库系统。 改善改善工艺工艺控制能力控制能力 1990 年代后期，在提高器件性能和缩短市场投放时间的需求推动下，半导体加 快了新产品开发的步伐和加强了对工艺过程的严格控制。 在实现更加严格的工艺 控制时， 最重要的变化是从被动的 SPC 系统进一步发展到对每一步工艺过程进行 主动的工艺微调和控制。通过先进工艺控制（advanced process control，APC） 方法， 我们可以及时纠正设备条件的漂移， 更快地完成对设备的维护使其重新恢 复正

9、常状态， 甚至可以补偿前一道工序造成的目标偏离。 紧缩各工艺结果的分布 范围之后，我们可以使各工艺结果更加接近所需规格，得到更高的良率。现在已 经开发出这样的系统，它可以综合考虑前后几步工艺，使器件性能最佳化，并且 可以根据需求对工艺目标进行定期修改和调整。 APC 的使用可以大大降低关键工艺步骤各参数出现异常情况的机率。此外，我 们还意识到对设备本身的“健康”状况进行更好的监控可以使我们更早地发现 问题， 而不是在工艺上反映出来之后才知道。 对设备“健康”状况的监测可以采 用设备性能追踪以及故障检测和分类（fault detection and classification， FDC）软件来

10、完成。通过对设备传感器提供的数据进行监测，FDC 可以及时发现 偏离正常工艺条件的情况。 现在， APC 和 FDC 都属于 AMD 自动精确制造 （automated precision manufacturing，APM）大系统的一部分，两者取长补短，互相补充。 通过 SAPPHiRE 数据库在全球半导体制造公司的全面推广和使用，良率学习和分 析的手段变得更加先进了。将各服务器和个人终端统一成单一的综合系统之后， 良率和产品工程师就可以综合利用工艺过程中 （包括前段和后段） 的各种数据了。 通过 Lot 刻号，不同厂之间就可以共享 Lot 历史和“血统”信息了。同样，对设 备状况进行历史记

11、录可以帮助我们研究设备状况和器件性能之间的关系。 除了 SAPPHiRE 之外，还可以通过缺陷管理系统获取 Lot 和 Wafer（晶片）的 缺陷数据。 现在， 高效率的分析手段和系统可以从大量的原始数据中挖掘出与异 常情况相关的数据，找到影响良率的系统原因，从而快速提高良率。例如，最终 电性能测试发现运行速度分布异常时， 可以通过设备共同性分析或其它方法找到 发生问题的设备或反应器。SAPPHiRE 就具有这样的功能，它可以对不同生产制 造基地之间的 Lot 历史和“血统”进行查询。SAPPHiRE 已成为整合了良率分析 所有相关数据的参考系统。 随着良率提高和异常情况控制方法的进步， 还会

12、出现 许多新的数据充实 SAPPHiRE 的功能。 为了更快地提高产品良率，AMD 还采用了更多的数据和功能，包括缺陷 （Defect）和位图（bitmap）的整合，通过网页查看测量结果分布趋势图表、Lot 的分析和总结、多批 Lot 的晶片空间分布位置分析、芯片单元（die）历史信息 的查询、局部数据中心、光罩和设计数据相关性分析等。以下是各功能的简单总 结和介绍。 缺陷和位图（缺陷和位图（bitmapbitmap）的整合）的整合 AMD 采用了功能强大的缺陷管理软件（defect management software，DMS） 加强对缺陷测量数据的管理和分析， 它不仅可以用于 Fab 生

13、产线的监控， 而且可 以进行相关性分析和研究。 科学的缺陷检查取样策略、 缺陷与位图相关性分析等 手段可以有效地达到回推原因的效果， 指出影响失效的缺陷类型， 加快影响产品 良率（包括存储器和逻辑芯片）缺陷异常情况的原因分析。此外，AMD 还采用了 一种类似位图的分析方法，用于检测逻辑器件缺陷的敏感度（图 2）。 通过网页查看测量结果分布趋势图表通过网页查看测量结果分布趋势图表将电子检测、最终电性能测试等 关键参数的测量结果趋势图定期公布在内部网页上， 其中有些图表甚至可以具体 到特定的 Lot 以及其中的 Wafer。将测量结果分布趋势图公布在内部网页上可以 使工程师在澄清问题时很方便地获取

14、第一手资料。 制造区域各个级别的工作人员 都有权限获取这些信息。 LotLot 的分析和总结的分析和总结AMD 有一套称为 Lot Dossier 的系统，它收集了每个 Lot 在 Fab 和测试过程中的所有关键数据。Lot Dossier 可以对这些数据进行分析， 将分析结果公布在网页上。 该网页可以显示 Lot 的所有参考资料， 包括异常情况 报告、测量数据总结、晶片空间分布位置分析、晶片布局图等。 多批多批 LotLot 的晶片空间分布位置分析的晶片空间分布位置分析十几年前，Hewlett-Packard 提出了晶片 空间分布位置分析技术，之后通过 SEMATECH 被推广。虽然晶片空间

15、分布位置分 析技术历史较长， 但是使用这些数据的新方法仍然在不断地发展。 其关键是如何 利用多批 Lot 的相关数据。AMD 开发和采用的方法包括如何提取朊颗鶯 ot Pattern 相关的信息，并将这些信息的强弱与设备的历史记录联系起来进行分 析。采用该方法之后，不仅能够分析某批 Lot 的异常现象，而且可以在分析异常 情况或提高良率的过程中，发现多批 Lot 的系统问题，并分析其原因。该方法另 外一个非常重要的应用与随机频率相关。 为了能够解决非常复杂的工艺流程中出 现的问题，该系统有 60 多种随机方法可用于快速分析，找到引起良率下降的工 艺范围以及与工艺或反应器相关的效应。 芯片单元（

16、芯片单元（diedie）历史信息的查询）历史信息的查询通过 SAPPHiRE 对 Lot 历史信息的查询方便 了 Fab 和最终电性能测试之间的相关性分析。 但是这种分析也有很高的“噪音” 影响，因为 Lot 内部的分布单元（芯片）是会发生变化的。为了解决这个问题， 处理器产品的最新设计增加了独特的芯片标识符， 它可以根据 Lot 刻号、 晶片记 录和 X-Y 探针位置等综合信息， 将芯片信息编程并存储在晶片上。 在后段测试阶 段， 系统可以重新读取这些标识信息， 将芯片单元的最终测试结果和晶片生产工 艺以及电性能测试关联起来。 由于“信噪比”得到了提高， 因此可以在此基础上 开发出新的功能模

17、块， 将器件最终性能和晶片生产工艺以及电子测试和 Fab 在线 测量数据联系起来。该系统不仅能够对各种异常情况进行解释， 而且可以进 行 bin 的预测分析， 以及根据最终预测结果对晶片生产工艺进行微调。 通过预测 功能，我们可以根据所期望的 bin 分布情况合理安排组装和测试过程中各 Lot 和 Wafer 的优先顺序等级。 它既能有效地降低成本， 同时还可以根据客户需求提 供合理的产品组合。 芯片单元历史信息查询系统的另外一个好处是可以进行客户 反馈信息与历史信息之间的相关性分析， 深入了解和学习经验教训， 尽量降低额 外风险。 局部数据中心局部数据中心尽管 SAPPHiRE 可以为快速提

18、高产品良率提供各种数据， 但是 为了进行快速的日常分析特别是芯片单元（die）水平的分析，不同区域的工程 师必须在这个庞大的系统下面建立和保留一个更小的系统或分枝。 特别是在进行 芯片单元历史信息查询和预测器件性能时， 系统需要快速处理大量数据， 这一需 求就变得更加突出了。 由于数据量太大， 因此将它们以适用于各种分析工具的格 式存储在 SAPPHiRE 下面时，效率很低。这一矛盾导致了局部数据中心的出现。 在局部范围内， 它可以方便大量数据的有效存储和提取， 例如芯片单元水平的各 种信息等等。 掩膜版和掩膜版和设计设计数据相关性分析数据相关性分析随时下载掩膜版和设计数据，分析与实际生 产过

19、程中 CD 以及缺陷敏感度之间的关系，使设计更加符合工艺和设备的实际情 况。随着光刻的发展和光刻极限的逼近，这一功能会起到越来越重要的作用。 综合效果以上减少异常情况和加快良率提高的方法已经产生了显著效 果。AMD Opteron 64 位处理器的制造就是一个快速提高良率的很好例子。尽管 这是 AMD 公司 Dresden 厂的第一个 130nm 工艺量产新产品， 其良率提高速度比上 一代产品要快约 66%（图 3）。 走向良率预测功能走向良率预测功能芯片单元历史信息查询功能的开发意味着我们可以 进入预测产品性能和良率的新时代了。 通过晶片生产工艺和最终性能相关性分析 功能的不断改善，最终可以

20、开发出 Fab 测量数据、电子测试数据、晶片生产工艺 和最终测试等数据之间相关性分析的可靠系统。 那时， 控制 Fab 的自动化系统 （特 别是 AMD APM 项目中的 APC 系统和整合计划系统）可以根据设备产能和功能自动 安排晶片加工处理路线，使每片晶片都可以在最低的成本下获得最高的价值。 为了使良率提升系统变得更加先进，我们还在继续开发以下更加重要的功能： 根据设计预测器件性能和良率的功能。这些功能可以使我们对一些设计薄 弱环节进行细微修改， 提高分辨率和改进工艺， 从而尽可能减少设计和工艺之间 的偏差造成系统性器件失效的情况发生。 改善 FDC 错误信息和设备异常情况之间的相关性分析

21、，更好地预测设备维 护时间。 改善传感器技术，扩展工厂 FDC 和软件系统功能，扩大数据处理量。 改善数据系统，使之可以总结和报告正在收集的是什么测量数据、其含义 是什么、这些数据的收集和储存方法等等。 将芯片单元历史信息查询系统推广到所有产品，增加选择性存储功能，帮 助建立其它系统。 改善特殊信息的分析，包括预先定义晶片区域分析法、Pattern 信息的获 取和使用等。 芯片内部和芯片之间套刻精度坐标的综合使用以及非直接相关数据的分 析。 对晶片信息的查询，包括工艺处理历史、所用设备和进反应器顺序等。 更加细致的数据（芯片以下水平）存储和分析功能，建立工艺处理结果和 芯片内各功能模块性能之间的关系。 改进取样方法，既可以保证制造过程的统计分析，又可以提供更多详细资 料供异常分析使用。 以上功能并不全是新功能， 但是都非常重要。 尽管 300mm 制造对这些功能没 有特别的新要求，但是 300mm Fab 和晶片的高成本要求能够通过这些方法加快良 率提高速度， 降低晶片成本和预测器件性能与良率， 充分体现和发挥这些系统的 价值。 结论结论现在的良率 （yield） 管理方法可以比过去达到更高的良率水平以及 更快地实现稳定的生产。 将来新的管理方法一定能够达到更高的水平， 而且成本 更低。 加快问题解决速度和获取更多数据进行有效分析是未来加快良率提高的重 要工作。