系統(tǒng)性良率問(wèn)題正在取代隨機(jī)缺陷，成為最先進(jìn)工藝節(jié)點(diǎn)半導(dǎo)體制造中的主要問(wèn)題，需要更多的時(shí)間、努力和成本來(lái)實(shí)現(xiàn)足夠的良率。

良率是半導(dǎo)體制造中的終極秘密話題，但它也是最關(guān)鍵的，因?yàn)樗鼪Q定了有多少芯片可以有利可圖地出售。PDF Solutions的首席技術(shù)官 Andrzej Strojwas 說(shuō)：“在較舊的節(jié)點(diǎn)上，當(dāng)您開始批量生產(chǎn)時(shí)，您唯一需要擔(dān)心的良率問(wèn)題就是隨機(jī)缺陷?！薄按蠖鄶?shù)系統(tǒng)學(xué)將被淘汰，參數(shù)問(wèn)題將得到控制?！?/p>

情況不再如此。Strojwas 解釋說(shuō)，系統(tǒng)缺陷和參數(shù)變化現(xiàn)在出現(xiàn)在早期生產(chǎn)中，需要積極的良率管理策略才能將產(chǎn)品良率提高到可接受的水平?！坝袝r(shí)特定的布局模式會(huì)出現(xiàn)問(wèn)題，”他說(shuō)?！袄?，在互連層面，您可能會(huì)遇到金屬島問(wèn)題，這些問(wèn)題會(huì)導(dǎo)致災(zāi)難性故障，如短路或開路。不幸的是，盡管人們對(duì)光學(xué)鄰近校正(OPC)給予了很多關(guān)注，以確保打印的結(jié)構(gòu)非常接近設(shè)計(jì)意圖，但這些情況仍在發(fā)生。”

圖1：分析以解決良率上升的設(shè)計(jì)系統(tǒng)問(wèn)題。資料來(lái)源：先進(jìn)制造公司

GlobalFoundries 最近在其壽命為兩到三年的 14 納米 finFET 移動(dòng)產(chǎn)品的量產(chǎn)期間實(shí)施了良率改進(jìn)方法。該公司表示，工藝、設(shè)計(jì)和布局之間的系統(tǒng)性缺陷是早期良率損失的主要原因。該流程（見圖 1）將客戶 GDS 文件與經(jīng)過(guò)調(diào)整的從設(shè)計(jì)到硅的流程相結(jié)合，該流程根據(jù)歷史學(xué)習(xí)中的弱點(diǎn)或缺陷評(píng)估良率損失。設(shè)計(jì)特征為模式匹配提供輸入，計(jì)算過(guò)程開發(fā)期間捕獲的薄弱點(diǎn) (WP) 或夾點(diǎn)的出現(xiàn)次數(shù)。設(shè)計(jì)示意圖根據(jù)產(chǎn)量影響對(duì) WP 進(jìn)行排名，并將其反饋到 NPI 工藝設(shè)置中。最關(guān)鍵的是，在 NPI 設(shè)置期間使用在線 CD、明場(chǎng)檢查、電子束掃描、自動(dòng)圖案檢查和工藝窗口鑒定對(duì)系統(tǒng)進(jìn)行全面的工藝表征。根據(jù)這些發(fā)現(xiàn)實(shí)施修復(fù)，然后在晶圓上進(jìn)行驗(yàn)證。

在一個(gè)例子中，GlobalFoundries 的工程師發(fā)現(xiàn)了一個(gè)中間線接觸接觸短路的薄弱點(diǎn)，“這與一個(gè) 7.5T 標(biāo)準(zhǔn)電池有關(guān)，雙圖案接觸 (CA) – CA1 和 CA2 之間的邊緣空間很小，晶圓邊緣芯片丟失(>5%)（見圖 2）?；谠O(shè)計(jì)布局分析和圖案匹配，實(shí)施了光學(xué)鄰近校正 (OPC) 修復(fù)解決方案以擴(kuò)大工藝余量并提高良率，如圖 2g 所示。“CD 檢查確認(rèn)了整個(gè)過(guò)程窗口?！?/p>

圖 2：通過(guò)光學(xué) (a)、布局 (b、e) 和電子束 (d) 確認(rèn)的觸點(diǎn)短路已使用 OPC 進(jìn)行校正，并通過(guò)更大的間距 (f) 和晶圓邊緣良率增益 (g) 進(jìn)行了驗(yàn)證。資料來(lái)源：IEEE ASMC

3D 計(jì)量和良率學(xué)習(xí)

最近最重要的變化之一是 3D 檢測(cè)和計(jì)量學(xué)習(xí)的增加。finFET 和納米片晶體管的采用發(fā)生在前端，而高級(jí)封裝則需要在后端進(jìn)行 3D 計(jì)量。

“我們看到的主要挑戰(zhàn)實(shí)際上是 3D 復(fù)雜性，” Nova的首席技術(shù)官 Shay Wolfling 說(shuō)?！八赃@始于具有數(shù)百層的 3D NAND——而且不是一層，而是兩層和三層。客戶不僅對(duì) CD 感興趣，還對(duì)頂部 CD、中間 CD 和底部 CD 感興趣——配置文件中的多個(gè)參數(shù)。堆疊納米片的邏輯也是如此?！?/p>

例如，納米片晶體管的三維測(cè)量和過(guò)程控制產(chǎn)生了一種新工具，即垂直移動(dòng)光譜儀，Wolfling 將其描述為在傳統(tǒng) OCD 功能（散射測(cè)量）之上添加了干涉測(cè)量法。這項(xiàng)新技術(shù)為反射率測(cè)量帶來(lái)了額外的相位信息，例如，這顯著提高了納米片晶體管中腔體和間距測(cè)量的準(zhǔn)確性。

在 FEOL 中，同時(shí)使用了光學(xué)和電子束技術(shù)。西門子 EDA 的Tessent Group產(chǎn)品管理總監(jiān) Matt Knowles 說(shuō)：“在晶體管級(jí)別采用環(huán)柵技術(shù)，你會(huì)在前端缺陷中引入更多的復(fù)雜性。”“已經(jīng)完成了光學(xué)檢測(cè)并正在應(yīng)用電子束檢測(cè)，但澆口的三維特性帶來(lái)了重大挑戰(zhàn)?！?/p>

具體而言，Knowles 強(qiáng)調(diào)布局模式系統(tǒng)缺陷的影響越來(lái)越大?！斑@是人們多年來(lái)一直面臨挑戰(zhàn)的領(lǐng)域，但在高級(jí)節(jié)點(diǎn)，圖案復(fù)雜度更高，這些缺陷可能占良率的百分之幾。因此，我們將 YieldInsights YMS 的機(jī)器學(xué)習(xí)與 PDF Solutions 的模式引擎相結(jié)合，以解決其中的一些問(wèn)題?！?/p>

模式簽名

在生產(chǎn)過(guò)程中，工程團(tuán)隊(duì)尋找可用于快速提高產(chǎn)量或減少產(chǎn)量限制事件影響的可操作數(shù)據(jù)。工具和處理問(wèn)題通常在晶圓級(jí)模式中捕獲，軟件程序可以對(duì)其進(jìn)行建模和自動(dòng)識(shí)別。

良率管理系統(tǒng)中的機(jī)器學(xué)習(xí)可以分析晶圓級(jí)空間模式。例如，Skywater Technology 和 Onto Innovation 的工程師實(shí)施了基于 ML 的空間模式識(shí)別 (SPR) 引擎，以根除由于工藝或工具邊際性導(dǎo)致的系統(tǒng)產(chǎn)量問(wèn)題。該引擎主動(dòng)生成高影響步驟的 Paretos，以更有效地識(shí)別產(chǎn)量限制事件的原因?！?a target="_blank">半導(dǎo)體行業(yè)對(duì)采用 SPR 并不陌生，”SkyWater Technology 的 David Gross 說(shuō)。“然而，有效利用 SPR 結(jié)果來(lái)加快確定根本原因和采取糾正措施仍然是一個(gè)挑戰(zhàn)?！?/p>

圖 3：三個(gè)月的未知模式學(xué)習(xí)結(jié)果。資料來(lái)源：IEEE ASMC

產(chǎn)量改進(jìn)方法從基于 ML 的基于數(shù)月生產(chǎn)數(shù)據(jù)的模式自動(dòng)發(fā)現(xiàn)開始（見圖 3）。工程師將模式樣本添加到庫(kù)中，而庫(kù)和配方設(shè)置組合用于改進(jìn)跨多個(gè)產(chǎn)品和層的模式識(shí)別。在生產(chǎn)中，當(dāng)晶圓檢測(cè)、計(jì)量和探測(cè)數(shù)據(jù)被輸入良率管理系統(tǒng)時(shí)，SPR 引擎會(huì)檢測(cè)具有空間特征的晶圓并對(duì)其進(jìn)行分類。根據(jù)工程師的監(jiān)控標(biāo)準(zhǔn)，采取自動(dòng)行動(dòng)，例如電子郵件警報(bào)、自動(dòng)報(bào)告等。

SPR 引擎識(shí)別出三種未知圖案，包括光刻條紋、兩個(gè)邊緣帶和一個(gè)中心簇?！肮饪虠l紋可能是由于光罩污染或檢查配方敏感性問(wèn)題造成的。但是，執(zhí)行 Repeater 和 Event Reports 等深入分析可以快速找出根本原因。”生產(chǎn)中的產(chǎn)量限制模式儀表板（見圖 4）被發(fā)現(xiàn)可以提高工程生產(chǎn)力 (+25%)，方法是突出顯示有助于產(chǎn)量限制警報(bào)條件的工藝工具，從而實(shí)現(xiàn)快速反應(yīng)和恢復(fù)。

圖 4：通過(guò)將設(shè)備研究信息與 AOI 圖像相結(jié)合，使用儀表板定期監(jiān)測(cè)缺陷模式將工程生產(chǎn)力提高了約 25%。資料來(lái)源：IEEE ASMC

Skywater 的其他案例研究確定了受特定空間模式影響的所有晶圓，從而無(wú)需進(jìn)行耗時(shí)的手動(dòng)分類。SPR 引擎還可以在完全影響之前捕獲已知的故障模式，例如晶圓上呈風(fēng)車狀的蝕刻薄片，其實(shí)時(shí)警報(bào)會(huì)通知工程師組件需要更換。該團(tuán)隊(duì)得出結(jié)論，SPR 引擎有助于勾勒出偏移范圍并將內(nèi)聯(lián)簽名與限制產(chǎn)量的缺陷相關(guān)聯(lián)。

可操作的數(shù)據(jù)

更好的數(shù)據(jù)分析程序有助于更好地利用缺陷和故障數(shù)據(jù)?！拔覀兛吹降囊粋€(gè)大趨勢(shì)是，為了讓缺陷數(shù)據(jù)更容易獲得和操作，人們?cè)谏a(chǎn)中運(yùn)行更多的批量診斷，”Knowles 說(shuō)?！斑^(guò)去，只有幾家大公司收集并分析了他們所有的故障數(shù)據(jù)。其他客戶在新產(chǎn)品推出或某些良率問(wèn)題的臨時(shí)基礎(chǔ)上這樣做。但現(xiàn)在，所有客戶都變得更加主動(dòng)。他們必須這樣做，因?yàn)樗麄儾荒苋淌艹掷m(xù)一周或更長(zhǎng)時(shí)間的收益率波動(dòng)?！?/p>

缺陷隔離是一項(xiàng)持續(xù)的挑戰(zhàn)，尤其是當(dāng)缺陷被隱藏時(shí)（見圖 5）?！霸谇岸?，你有兩種功能截然不同的工具，”諾爾斯說(shuō)。“第一個(gè)檢測(cè)工具非?？焖俚貟呙枵麄€(gè)晶圓，尋找所有污染物和缺陷。然后，審查工具會(huì)提供非常高分辨率的圖像，很可能就是您要查找的缺陷?！彼赋觯瑢彶榉治鲆芽s短到大約 10 分鐘。

然而，陳指出，抽樣程序正在發(fā)生變化。舊例程不足以捕獲所有致命缺陷，尤其是在汽車和服務(wù)器芯片中，可接受的缺陷水平低于 ppm。因此，公司必須投資于工具以提高產(chǎn)量，例如使用 TSMC 的 CoWoS 的 HBM 內(nèi)存堆棧。他指出了一種范式轉(zhuǎn)變，從在少數(shù)芯片上產(chǎn)生 ppm 速率的舊采樣率到具有數(shù)千個(gè)具有復(fù)合故障率的設(shè)備的現(xiàn)代汽車系統(tǒng)?！霸诜?wù)器單元或高性能人工智能芯片中，投資回報(bào)率更具吸引力。但是對(duì)于外包制造，任何影響生產(chǎn)力的事情，比如額外的檢查步驟，都需要一個(gè)整體的行業(yè)解決方案。”

圖 5：100% X 射線缺陷檢測(cè)（左排圖像）之后是審查（中）和橫截面驗(yàn)證（右），以隔離 HBM 中光學(xué)技術(shù)可能遺漏的隱藏缺陷。資料來(lái)源：Bruker

Bruker對(duì)芯片連接后的 X 射線檢查和審查的采樣率和自動(dòng)反饋進(jìn)行了研究，以確定最佳采樣率、良率增益和偏移持續(xù)時(shí)間（見圖 6）?！拔覀儗?duì) HBM 隱藏缺陷的分析表明，您可以通過(guò)進(jìn)行 30% 的采樣來(lái)顯著減少偏移時(shí)間，這會(huì)產(chǎn)生大約 7 天的偏移時(shí)間。一直到 100% 采樣可將產(chǎn)量提高 1.7%，并將偏移時(shí)間縮短至 2 天?！?/p>

快速計(jì)量過(guò)程反饋是將缺陷率提高到 100 ppb 水平的關(guān)鍵。“對(duì)于自動(dòng)反饋，僅僅提高采樣率是不夠的，”Bruker 說(shuō)?！皩?shí)際上，您需要提供更多反饋才能在工藝窗口內(nèi)進(jìn)行自動(dòng)更正，以將事情保持在工藝規(guī)范內(nèi)?！?/p>

圖 6：30% 的采樣率將偏移時(shí)間減少到 7 天。最終，采樣率達(dá)到收益遞減點(diǎn)。資料來(lái)源：Bruker

工程師識(shí)別可操作數(shù)據(jù)的方法之一是通過(guò)故障缺陷分類 (FDC) 程序。FDC 使用過(guò)程工具上的傳感器數(shù)據(jù)和監(jiān)控?cái)?shù)據(jù)來(lái)自動(dòng)對(duì)故障進(jìn)行分類?！拔覀?cè)诠に嚬ぞ吆陀?jì)量系統(tǒng)上做越來(lái)越多的 FDC，” Onto Innovation軟件產(chǎn)品管理總監(jiān) Mike McIntyre 說(shuō)?！袄?，有一種最著名的方法是將 FDC 放在您的計(jì)量工具上，從而實(shí)現(xiàn)車隊(duì)匹配，從而能夠確保它們每天的行為始終如一。這樣您就不必依賴校準(zhǔn)標(biāo)準(zhǔn)來(lái)確保計(jì)量測(cè)量處于受控狀態(tài)。因此，我們正在引入這種學(xué)習(xí)，我們可以開始研究工具上的固有信號(hào)?！?/p>

但越來(lái)越多的工具上的傳感器數(shù)量在增加，因此維護(hù)和分析來(lái)自過(guò)程監(jiān)視器的所有數(shù)據(jù)的成本也在增加。并且需要在整個(gè)產(chǎn)品生命周期中從一開始就跟蹤缺陷。

數(shù)據(jù)分析和生命周期管理

晶圓廠、組裝和測(cè)試設(shè)施的數(shù)據(jù)管理有兩個(gè)方面——?dú)v史數(shù)據(jù)和日常運(yùn)營(yíng)產(chǎn)生的實(shí)時(shí)數(shù)據(jù)。Synopsys硅生命周期管理高級(jí)產(chǎn)品營(yíng)銷經(jīng)理 Guy Cortez 表示：“在宏觀層面上，隨著先進(jìn)節(jié)點(diǎn)的出現(xiàn)，需要分析的數(shù)據(jù)量確實(shí)發(fā)生了階躍函數(shù)變化?！薄斑@些工具必須能夠很好地處理架構(gòu)，以執(zhí)行容量分析、跟蹤實(shí)時(shí)和歷史數(shù)據(jù)以了解產(chǎn)量問(wèn)題，從而支持實(shí)時(shí)行動(dòng)?！?/p>

半導(dǎo)體加工中的數(shù)據(jù)管理挑戰(zhàn)可以簡(jiǎn)化，尤其是從真正重要的方面來(lái)看——半導(dǎo)體材料或芯片?！霸?Onto，我們查看數(shù)據(jù)，我們基本上發(fā)現(xiàn)它都符合三個(gè)向量之一，”麥金泰爾說(shuō)?！八词桥c正在生產(chǎn)的材料相關(guān)的矢量，要么是與在材料上執(zhí)行功能的設(shè)備相關(guān)的矢量，要么是與應(yīng)用于影響材料的工具的過(guò)程相關(guān)。所以所有數(shù)據(jù)都屬于這三個(gè)桶之一。這有助于我們組織數(shù)據(jù)進(jìn)行分析?！?/p>

從設(shè)計(jì)方面來(lái)看，內(nèi)存設(shè)計(jì)和制造都得益于自我修復(fù)機(jī)制?，F(xiàn)在，在某種程度上，類似的技術(shù)正在應(yīng)用于邏輯器件?！霸谥圃煸O(shè)計(jì)中，我們正在將 BiST 擴(kuò)展到自我修復(fù)，就像我們對(duì)記憶所做的那樣，然后是其他塊?，F(xiàn)在我們正在為接口 IP、重新配置、校準(zhǔn)、流式傳輸?shù)冗M(jìn)行現(xiàn)場(chǎng)改進(jìn)技術(shù)，”Synopsys 首席架構(gòu)師兼研究員 Yervant Zorian 說(shuō)。“但將工具相互鏈接是我們?cè)?LCM 中所做的較新的事情，因?yàn)橛辛藗鞲衅鞅O(jiān)視器，芯片內(nèi)部的修復(fù)系統(tǒng)可以一直延伸到云端的分析。因此，我們不會(huì)將分析與片上資源分開。我們正在將它們相互連接和關(guān)聯(lián)，并進(jìn)行優(yōu)化。”

結(jié)論

系統(tǒng)性缺陷在最近的工藝節(jié)點(diǎn)中明顯占主導(dǎo)地位，推動(dòng)了對(duì)涉及空間模式識(shí)別、實(shí)時(shí)報(bào)告和缺陷識(shí)別以及工具問(wèn)題自動(dòng)建議的更復(fù)雜良率管理程序的需求。機(jī)器學(xué)習(xí)和數(shù)據(jù)分析程序正在幫助加快新節(jié)點(diǎn)和生產(chǎn)過(guò)程中產(chǎn)量上升的根本原因分析。

審核編輯：郭婷