集成电路良率定义在线视频

同学们好

今天我们要开始讲

集成电路在制造后期的一个重要的方面

就是良率和分装

这个章节分两个小节

在第一小节里面我们将讨论一下

集成电路良率的问题

首先我们来说一下

什么是集成电路良率呢

在讨论这个问题之前

让我们先来看一看二八定律

1897年意大利经济学者帕雷托

偶然注意到十九世纪

英国人的财富和收益模式

在调查取样当中他发现

大部分的财富流向少数人手里

同时他还从早期的资料中发现

在其他的国家都发现

有这样一种微妙的关系一再的出现

而且在数学上它呈现出一种稳定的关系

所以说帕雷托就从大量具体的事实中

发现社会上20%的人

占有了80%的社会财富

即财富在人口中的分布是不平衡的

同时人们还发现生活中

存在许多不平衡的现象

因此二八定律成了

这种不平等关系的简称

不管结果是不是恰好为80%跟20%

从统计学上来说

精确的80%和20%出现的概率很小

习惯上我们还是用二八定律

来讨论这个顶端的20%

而非底部的80%

用这二八定律来描述这种不平衡关系

有的同学可能会由此推广得出

只需要20%努力的学习

就可以决定他80%的成绩

原理上可能是对的

因为考试只会考部分内容

但如果你就只认为

我只安排20%的时间来学习

那你就大错特错了

因为你不知道是哪个20%

决定了你最后的考试成绩

那么根据帕雷托这个定律

同样的20%的资源

是导致公司和组织里面80%的问题

对吗 有点道理是吧

20%的人口也拥有了80%的国家的财富

对吗 这个还真是对的 刚刚我们讲了

同样的我们反映到

我们的集成电路制造里面

同样的20%的“事故”它造成的原因

是这20%“事故”的原因

是导致集成电路失效

80%失效都是意味着20%的原因造成的

这张图显示了

这批集成电路的制造产品里面

它导致失败的产品原因有很多很多种

下面横坐标是导致失败的原因

有将近数十种

那么每个原因导致产品失败的数目

他是用这个绿色的给标出来的

大家可以看到，这里面第1和第2个

就占据了它80%失效的原因

这就是帕雷托定律

在集成电路中的一个反映

那帕雷托这个曲线

我们也是用帕雷托曲线

来用于通过关注最有效的策略和因素

来提高产量的一种工具

关键问题在于说是如何确定是哪个20%

这个就需要工程师起到作用了

在实际过程中

也需要使用这种帕雷托曲线

通过分析分辨出哪个20%的因素

是最重要的原因并将之解决

好 我们再来看一下

这张图显示了集成电路良率

经过一段时间生产之后提高的情况

可以看到这个曲线

它的良率不断的提高

这是因为随着生产的进行

越来越多隐藏的问题被逐一解决了

那么良率自然而然就提高了

良率提高了成本当然就降低了

那公司就赚更多的钱了吗

往往不是

尤其是在集成电路

这是因为集成电路芯片

随着时间的推移价格迅速降低了

前几天我和我们国内的

一个存储器的公司交流

他们告诉我现在1MB的

存储器芯片它只卖六美分

那也就相当于四毛钱人民币

如果你算一算1MB的存储芯片

有800万个器件800万个晶体管

你换算要四毛钱人民币

每一个晶体管它的价格只有5x10(-8)分

可以看出这个价格是极低极低的

这你可以想象吧 对吧

这就是集成电路的魅力

通过大规模的集成

实现极低成本的计算和存储能力

为我们生活开创了以前无法想象的应用

如何定义集成电路的良率呢

什么样的良率可以接受呢

我们说是99%以上吗

还是80%吗

首先要明白什么叫做可接受的良率

难道说是良率越高越好吗

事实上不是这样

可接受的良率是策略性的

并不是一成不变的数量

或者具有一个统一的标准

比如说有些工艺线

它几乎达到了百分之百的良率

而且还赚了钱

它却被公司领导给关闭了

就像英特尔公司

他制造八位微处理器的

一个老的四分工艺线就在硅谷湾区

加州的湾区

它就被英特尔公司领导给关闭了

这是为什么呢

因为英特尔需要将精力

放在更加赚钱的产品里面

那边有利润率更高的产品

有些工艺线良率只有30%

但却生产高价值的集成电路芯片

比如说早期的高端的CPU生产

这是因为在那种情况下需要良率很低

但价格高所以利润还是很高

即使良率低还是有钱可赚的

还有一些工艺线它产量很低

而且亏钱

但仍然要保持运行

这又是为什么呢

这是为了占据市场份额

防止竞争者进入该领域

典型的例子就是韩国LG公司

他最开始每个平板显示屏

损失将近400美元

但坚持生产

以此来获得市场的份额

到现在LG已经成为世界上最大的

LCD平板显示制造商

所以说我们刚才通过举不同的例子

可以看到良率策略的基本原则

并不是良率本身这个数字的大小

而是在于它所赚的利润

一个低良率高收益边际的产品

照样可以赚钱

当然我们期望

从公司来讲还是期望良率越高越好

无论针对于高端产品还是普通产品

提高良率都是降低成本的一种基本方法

为了获得高的良率

我们必须保证所有的工艺都在控制之下

如何确保工艺流程都在控制之下呢

这个策略是什么呢

首先我们要收集工厂里面所有的数据

包括工艺设备 用什么设备

缺陷 参数的控制系统

设备的环境

比如说当天的温度 湿度

而且要对它们进行测试

第二步要将所有的数据

树立中心数据库

这个数据库应该是open

对工厂里面所有的工作人员开放

包括工艺工程师 器件工程师

负责监控缺陷和产量的工程师

还有工艺集成团队的成员等

最后我们要统计数据的工具和方法

来进行数据挖掘

通过这些数据进行分析

找到导致我们良率不高的根本原因

导致失效的根本原因

然后针对该原因进行解决

其实这也是一种大数据的分析方法对吧

英特尔前CEO安德鲁戈洛夫

曾经写过一本非常有名的书

书名叫做《只有偏执狂才能够成功》

这其实也说明了一下

为了提高集成电路的良率

他的工程师是真的需要对数据很偏执才行

工艺工程师在收集数据的时候

要充分发挥自己的想象力

要把可能的想象到的每一个因素

都和工艺联系在一起

所以称职的良率工程师

英文叫 Yield engineer

是不会放过每一个

可能影响工艺良率的变量的

对于这个变量有可能是大气的压强

有可能是温度

有可能是湿度 有可能是光强

因为这些所有的因素

都有可能影响到你光刻的效果

我们举一个例子

比如说MBE是一种材料生长的方法

那它里面这个MBE的这个流量

气压的流量是一个非常关键的指标

但是源的温度 离子测量仪

石英厚度检测仪都可以测量流量

都可以跟流量挂钩

所以我们从三个方面

都可以得到流量数据

那这些得到的流量数据

可能是一样的

也可能不一样

这时候我们就需要明白

中间存在误差的原因

无论如何多次进行测量

总比只进行一次测量要精确得多

这是因为通过多角度测量

多次测量

你可以从这些数据更好的分析出来

导致你们的产品良率降低的因素

从这个角度来看冗余是必须的

接下来进入数据分析阶段

将上步得到的变量

与良率之间进行数据挖掘

其实就是找到其中的函数关系

最初级也是最有效的的方式

就是画出所有的数据

和良率存储之间的函数

然后观察

找到数据之间的这种相关联的地方

能否看出这个数据的关联性

也取决于观察的程度

你在看这张图几乎是什么关联都没有

但是你能出来它里面有一些什么关系吗

一旦相关性被证实

接下来的目标就是确定该组

相关性的物理机制

这一部分极其复杂而且昂贵

这要求对工艺和常识具有很深刻的理解

如果该相关性的物理机制不能被确定

那该问题有时候可以通过改变硅片来源

改变我们的化学材料 原料

更换我们的设备

甚至我们换一个雇员

换一个工程师 它就会消失了

但是这个问题如果你不彻底解决的话

没有找出原因的话

它仍然还会回来这样就很麻烦

所以如何提高良率

我们可以从五个方面入手

我们一方面要进行可制造性的设计

Design for Manufacturing 所以说可制作性设计

因为制造过程和你纯粹的功能

还是不一样的

你要从制造的角度去想怎么设计它

第二 你的工艺窗口比较宽

那你工艺窗口太窄了

那你当然一些波动就会跳出去

那你这个良率就低了

第三 要运用关键尺寸在线检测工具

在线就是将硅片在生产线上流的时候

你就测到很多数据

这些数据帮你分析

是在哪一步骤出现问题的

最后你就提升长期的可靠性

前面几个可以很好理解

提升长期可靠性怎么来理解

长期可靠性测试就是

测试这个芯片长期工作的情况下

它的可靠性

集成电路更新换代很快

我们也没有时间对这个芯片

测试长达十年之久

一般我们用的这个芯片

我们的指标在十年的情况下

它是可以用的

所以我们不能等那么长时间

那怎么办呢

我们就要进行加速测试

加速测试包括增加温度的方法

包括增加电压的方法

这就是所谓的叫负荷 载荷测试

我们也可以增加重力

甚至可以通过离心机的离心力

来模拟重力加速度的变化

直到器件失效

我们可以增加压强

这可以采用高压锅

我们可以增加环境中的微量化学物质

比如说H2S等

然后这些测试是非常昂贵的

最常用的办法是通过提高温度

和提高它的电压

测试器件在高温下是否可以正常工作

那同学们要记住

通过增加温度的这种加速测试

是有一个重要的缺陷的

那就是它有一个前提

就是假设在高温下

器件失效的机制

按照常温下工作的机制

失效机制是相同的

在某些物理机制下

高温和室温的失效机制是一样的

但在某些情况下就未必了

比如后者你通过温度测试

肯定会得到错误的结论

并不是所有的失败

都能通过测试的方法加以确定的

比如说电迁移就是一个很典型的例子

电迁移通常是指在电场作用下

离子的电流在电场作用下

是金属、原子或者离子发生迁移的现象

因为你这个不倒流

它导致了这个原子和离子

跟着你这个电子在走

例如电迁移曾经导致IBM电脑

在互连线发生了一个失效

这两张图显示了

这个互连线电迁移的现象

做同时早期电迁移导致新的小空洞

你看到黑的地方是小空洞

还有小白的地方

随着时间的推移

结果这个电迁移越来越多

我们的空洞地方越来越大

就变成一个断开了

黑的地方几乎断开

那我们白的地方就变成

把这个迁移到白的地方来

这种电迁移就导致

我们这个互连线的断裂

这个芯片就失效了

因为电流流动造成原子移动

而形成空洞的过程是十分缓慢的

所以测试对它几乎束手无策

其实这个器件的长期可靠性是有隐患的

是当时IBM为了发现这个问题

花了很长的时间

他们这就不是通过加温

不是通过别的方法可以提前

通过这种测试方法能够预测得到

最后我们来举个例子体会一下

如何debug集成电路良率的问题

举个例子

公司A正准备启用一个新的工艺

采用一个新的工艺线

就是新的设备

他买的硅片是从供应商B订购的

他们订购了5万片硅片

公司A已经与公司B合作很多年了

没有出现过任何问题

他们开始做的时候出现了问题

就是在氧化后他在钠灯的观察下

看到氧化后的硅片表面

有一些不规则区域

那么这些不规则区域

进行电力学测试的话

发现它的击穿电压要低一点

这时候问题就来了

因为这到底是A的问题呢

还是B的问题

硅片生产商B说这个问题肯定是

因为公司A买了新设备造成的

那么A的公司就说氧化失败

反映了供应的硅片里面

内在存在一点缺陷

你计算一下

如果是5万片硅片

每一个硅片成本是30美元

那一共损失就高达150万美元

如果再加上一些工艺

那损失更高

如果这种情况下法官请你去帮忙

让你提供一个明确的快速的手段

来判定是A或者是B的问题

你应该出具什么样的建议呢

你给出的方案

应该是那种没有技术背景的律师

也能够理解的

这个作为一个课后作业

希望大家能够思考

好的 通过今天的课程

同学们对于良率的问题

有了较为深入的了解

知道了良率

在集成电路制造环境中

它的重要地位

初步了解解决良率问题的办法

好 谢谢大家