车用IC对于可靠度的要求也比其他IC更高

　　近年来汽车电子的应用范畴越来越广泛，车用IC对于可靠度的要求也比其他IC更高，为IC设计与制造商带来挑战。 本文将探讨半导体产业制程控制--缺陷检测、量测和数据分析的关键概念。

　　半导体在汽车供应链中的重要性不断地增加，这就要求IC制造商必须调整其制程并生产符合汽车质量标准的芯片。 同一类IC制造缺陷不仅会导致良率降低，同时也会导致芯片可靠性降低以及可能在使用中过早出现故障。 为了实现汽车IC所需的高度可靠性，必须在制造制程中更加努力并确保消除缺陷源。 在本文中将探讨如何提升设备监控功能，以协助汽车IC制造商实现低于十亿分之一的芯片故障率。

　　需要提醒的是，设备监控是用以分辨晶圆厂制程机台所产生的随机缺陷源的最佳实际手段。 在设备监控期间，首先检测控片晶圆并确定其基线缺陷率，随后将其在特定的制程机台(或反应室)中运行，此后再次检查。 该晶圆上新添的任何缺陷都必定来自于该特定的制程机台。 采用这种方法可以揭示晶圆厂中最干净的最佳机台，以及造成最多缺陷并需要采取改进措施的不良机台。 根据制程机台的缺陷历史数据，就可以设定持续改进的目标和日程。

　　半导体厂在设计制程监控策略时，必须确定他们想要检测和监控的缺陷最小尺寸。 如果历史测试结果表明较小的缺陷并不影响良率，那么晶圆厂会在检测设备上采用较低的灵敏度，以便不再检测这些较小的缺陷。 这样，他们只须关注较大的良率杀手缺陷，并避免被较小的「干扰」缺陷分散注意力。 这种方法适用于那些只需优化良率的消费产品晶圆厂，但是对于汽车芯片厂呢? 回想一下，良率和可靠性问题是由同一类缺陷引起的，良率和可靠性缺陷的区别仅在于它们的尺寸大小，以及/或者它们在组件图案上的位置。 因此，采用忽视较小的缺陷的设备监控策略会让晶圆厂漏掉那些未来可能造成可靠性问题的缺陷。

　　此外，在一个制程层中看起来很小且无关紧要的缺陷可能在制程流程的后期产生巨大的影响，后续的制程步骤会加剧它们的影响，理解这一点非常重要。 图1中的两个SEM图片是在同一个晶圆上的完全相同的位置拍摄的，区别仅在于制造制程的步骤不同。 左边的图片显示了沉积层之后所发现的芯片上的单个小缺陷。 这个缺陷以前被认为是一种干扰点缺陷，对芯片图案或芯片性能并没有负面影响。 右图显示同一个沉积缺陷在金属1图案成型之后的情形。 曾被认为是干扰点缺陷在几个制程步骤之后改变了金属线的成像质量。 该芯片可能会通过晶圆电性测试，但这类金属变形在汽车环境压力下被加速形成造成实地可靠度的问题。

　　那么，汽车IC厂应该如何确定可能带来可靠性风险的最小缺陷尺寸呢? 首先，了解不同缺陷尺寸对可靠性的影响非常重要。 例如，考虑图2中所示的线路断开缺陷的不同大小。 芯片上有完全断开的图案结构可能在芯片电性测试时就会被查出，因此不会有任何可靠性的风险。 芯片的线路断开50%时，线路变窄或者其横截面积大约不超过50%的线路，将可能通过芯片电性测试但会造成显著的实地可靠性风险。 如果该芯片在汽车上使用，实际环境条件，诸如热、湿度和振动等，会导致该缺陷的状况恶化并造成全线断开，而形成芯片故障。

　　图2 左侧图像显示线路完全断开，右侧图像显示线路~50%断开。 左侧的芯片将在电性测试时被测出问题(假设没有冗余线路)。 右侧的芯片则可以通过晶圆电性测试，但在实地造成可靠性风险。

　　下一步，非常重要的是了解不同尺寸缺陷会如何影响芯片图案的完整性。 更具体地说，导致线路断开的最小缺陷尺寸是多少? 导致线路50%断开的最小缺陷尺寸是多少?

　　图3显示了蒙地卡罗仿真的结果，这是对BEOL薄膜沉积步骤中产生的不同尺寸的缺陷所带来影响的仿真。 在垂直轴上绘制的是最小缺陷尺寸，对应横轴上不同的金属层间距尺寸。 该数据显示的金属1层设计节点分别是7nm、10nm、14nm和28nm。

　　图3 深色数据点显示了对于最小金属间距可以造成线路完全断开的最小缺陷尺寸。 浅色数据点显示导致线路50%断开的最小缺陷尺寸。 x轴是金属1层的设计节点，分别为7nm(最左侧数据点)、10nm、14nm和28nm(最右侧数据点)。

　　图3中深色数据点对应于可能导致线路完全断开的缺陷最小尺寸，浅色数据点对应的是造成线路50%断开的最小缺陷(即潜在的可靠性故障)。 在每一个节点，导致潜在可靠性故障的最小缺陷尺寸是导致线路完全断开的最小缺陷的50~75%。

　　这些仿真的结果意味着为了控制和减少制程中所产生的可靠性缺陷的数量，晶圆厂需要捕获较小的缺陷。 因此与优化良率相比，这需要更

　　高灵敏度的检测。 通常，如果针对当前节点的检测仅仅满足优化良率的需求，那么针对可靠性缺陷的检测则需要采用下一个节点更高的灵敏度。 简而言之，晶圆厂先前用于降低缺陷率以优化良率的标准将不足以用于优化可靠性。

　　提高设备监测所用的检测程序的灵敏度，或者在某些情况下采用性能更好的检测系统，将会捕获较小的缺陷并可能揭示先前被掩盖的缺陷率特征分布，如下面的图4所示。 虽然对于消费品晶圆厂来说这些特征分布对良率所产生的影响是可以承受的，但对于追求持续改进和零缺陷标准的汽车晶圆厂来说，它们对可靠性所构成的风险则不可接受。

　　图4 采用适合的设备监测灵敏度时，先前被掩盖的缺陷特征分布通常会被揭示出来。 零缺陷标准会要求对导致这些缺陷的制程设备采取纠正措施。

　　在制定提高设备监控检测灵敏度的策略时，晶圆厂需要考虑几个重要的控片晶圆缺陷检测的因素，以找出由制程设备造成的微小的与可靠性相关的缺陷。 首先，在良率已经很高的成熟晶圆厂中，很少有单一的制程层或模块会是一个直接解决方案，即能够充分降低缺陷率并满足可靠性改进目标，认识这一点非常重要。 相反，它是多个制程层上小改进的累积，积少成多便可以达到所需的可靠性提升。 由于良率和相关的可靠性改进是各个制程层的累积，因此，采用控片晶圆检测的制程设备监控实现的可靠性提升可用多层回归模型来最佳显示：

　　Yield=f(Ys)+f(SFS1)+f(SFS2)+ f(SFS3)+?.. f(SFSN)+error

　　Ys=系统良率损失(与颗粒不相关)

　　SFSx=Surfscan控片晶圆检测在不同制程层上所捕获的颗粒累积

　　Error=Surfscan未能发现的良率损失机制

　　这意味着提升可靠性需要晶圆厂致力于持续降低所有制程和制程模块的缺陷率。 其次，晶圆厂需要考虑用于制程设备监测的裸晶圆的质量。 回收的裸晶圆的表面粗糙度随着每次循环使用而增加，这个属性被称为雾度。 雾度的程度从根本上说是噪声，会影响检测系统区别较小的缺陷讯号的能力。 多个测试晶圆上雾度程度的不同，这会限制整体检测程序的效果，需要进行归一、校准和并设置雾度上限以减少该噪声源对缺陷敏感性的影响。

　　接下来，晶圆厂应该确保监控步骤与实际生产中产品晶圆所采用的制程尽可能相同。 为了缩短监测晶圆的流程时间而偏离实际制程可能会在无意间错过缺陷产生的步骤。 此外，过度依赖针对机械操作的检查会完全省略制程，并且会错过制程对颗粒生成的关键性影响。

　　在提高检测程序灵敏度时，晶圆厂必须共同优化「前值」和「后值」检测。 通常，裸晶圆循环通过制程步骤可以「突显」晶圆上事先存在但是低于检测临界值的缺陷。 这些缺陷一旦被突显则看起来更大并且更容易被检测到。 在未经优化的「后值」检测中，这些被装饰的缺陷看起来像「新增缺陷」，这会导致误报和无意的制程设备停机时间。 将检测程序一起进行优化可以最大限度地提高灵敏度并增加偏移警报的可信度，同时避免耗时的误报。

　　最后，重要的是对控片晶圆检测中发现的缺陷进行检查和分类，以确定它们与所对应的产品晶圆制程步骤中所发现缺陷之间的相关性。 只有这样，晶圆厂才能确信缺陷的来源已经被隔离并且已经采取了适当的纠正措施。

　　为了满足车用电子行业对于高度可靠性的要求，IC制造商不仅仅需要监控和控制晶圆上的影响良率的缺陷数量。 他们还需要将设备监控检测的灵敏度提升至相关历史经验的后面的一个节点。 只有具备更高的灵敏度，才能检测并消除可能导致可靠性故障的缺陷，而不让它们漏出到晶圆厂之外。 此外，在实施设备监控策略时，晶圆厂需要仔细考虑多种因素，例如监控晶圆回收、检测前后灵敏度以及整个晶圆厂持续改进计划的重要性。 由于对汽车半导体可靠性的高要求，提升对于较小缺陷的敏感度是最佳零缺陷持续改进计划的重要组成部分。

关注电子行业精彩资讯，关注华强资讯官方微信，精华内容抢鲜读，还有机会获赠全年杂志

关注方法：添加好友→搜索“华强微电子”→关注

或微信“扫一扫”二维码