中文 英语

自动IC的部分平均测试不够好

先进的节点芯片和封装需要额外的检查、分析和时间,所有这些都增加了成本。

人气

零件平均测试(PAT)在汽车上应用已久。对于一些半导体技术来说,它仍然是可行的,而对于另一些技术来说,它已经不够好了。

汽车制造商正在为先进工艺节点开发的芯片做准备,这让他们感到非常不安。迄今为止,它们对供应链的严格控制和对成熟电子流程的依赖使它们能够以管理良好的方式增加电子元件。但是,随着汽车上使用的芯片数量从今天的数百个增加到未来的数千个,以及自动化水平的持续提高,他们将面临一系列没有先例可循的变化。

这包括从使用最先进的工艺几何形状开发的逻辑芯片的一切,以便新的封装技术,需要球栅阵列更换电线键合。虽然汽车制造商要求零缺陷,但其他人担心从部件平均测试中源于部分平均测试的车辆系统故障,这对于车辆中使用的所有芯片可能不足以。

PAT在制造过程中使用统计控制限制来提高产量和线末端质量。在汽车行业中,工程师一直将此概念应用于电气测试测量行业近30年。

“历史表明,具有异常特性的部件显着促进了质量和可靠性问题,”汽车电子委员会的帕特指南表示。“使用这种技术也将销售流程转移并提供应防止质量事故的快速反馈来源。”

至少这已经使用了机械系统和旧节点设备,并且半导体数据分析和ATE供应商一直在帮助他们的客户申请PAT。但这更长的车辆中的AI系统足够了,这需要最先进的节点进行车辆的实时决策。因此,产品和可靠性工程师正在迁移到更复杂的异常值检测技术,以及增加检查和测试的覆盖范围。

最近,内联气象公司,如KLA和SVXR,已经开发了更快的扫描技术,现在可以实现100%的晶片和包装采样。因此,如Pat,人口统计数据现在可以应用于图像分析。

“汽车客户具有很长的遗产,专注于质量,以吸引和留住客户,杰伊·彼得说,战略合作高级总监克拉.“他们的方法非常具有分析性和前瞻性,他们将同样的严格性引入半导体领域。今天汽车上的大部分汽车芯片都来自成熟的工艺。新的挑战是管理影响质量的许多复杂因素,因为他们集成了基于先进设计规则的尖端ADAS芯片。”

汽车硅技术和测试需求
虽然汽车行业的德风一直是“零缺陷”,但到达的情况变得越来越有问题。在选择整体测试策略时,工程师需要考虑各种半导体器件及其相关的测试成本。零缺陷昂贵,盈利边距很紧。

汽车包括广泛的半导体技术。这些技术具有不同的关键维度、失效机制和过程可变性。测试需求将根据这些因素中的任何一个而变化。例如,用于功率应用的大功率MOSFET将有与复杂的神经网络截然不同的测试需求。


图1:在汽车中发现的多样化硅技术,包括envm,逻辑主存储器(逻辑/ mm),混合模式RF(MMRF),嵌入式高压(EHV),双极CMOS-DMOS(BCD)和CMOS图像传感器(CIS/ mems。资料来源:UMC

其中一些变化是进化的。例如,现在存在与纯机械致动器相结合的传感器,该传感器与这些执行器集成,以测量诸如压力,温度,位置,气流和倾斜角度的属性。MEMS和模拟电路占据这些传感器,因此在高级过程节点上不太可能处理它们。

其他变化是革命性的,意味着替换驾驶员传统上处理的功能,具有电动车辆中的自动回复。这些革命性转变激励了制造过程中的其他变化。以下更改中:

  • ADAS功能,这需要先进的工艺节点和设备,拥有数以亿计的晶体管;
  • 无线功能,包括蓝牙和5G
  • 车辆电气化,增加了离散功率MOSFET和电源管理IC的使用。

几乎所有的新车都有一些先进的芯片。2018年,AAA报告称,在美国上市的新车中,92.7%至少拥有一项ADAS功能。随着自动化水平的提高,先进芯片和封装的数量也会相应增加。

越来越多的是,这也意味着汽车制造商将竞争领先的Fabs和特色Fabs的能力。它们将与游戏设备,计算机和智能手机竞争,所有这些都以比汽车芯片的相当高的批量运行。他们将竞争特殊的Fab容量,这往往使用不同的材料以相对较低的体积运行。这将如何影响Fab中的质量和时间,以进行各种测试和检查,以及足够的制造能力,仍有待观察。


图2:2021的硅CMOS容量。资料来源:IC见解

电源管理是一个案例。与CMOS技术相比,该工艺技术具有相当大的临界尺寸。STMicroelectronics的高密度工艺硅工艺的BCD系列孔径为0.32μm至0.11μm,而对于高压BCD,工艺节点范围为0.32μm至0.16μm。UMC的BCD技术节点范围为0.5μm至0.11μm。类似地,RF技术可以从5μm到0.11μm的过程节点。该技术还包括SiGe,GaAs和碳化硅的BICMOS。由于其对苛刻的环境条件的宽容,设计工程师发现有吸引力的碳化硅器件,并且设备在无线和电源管理模块中具有应用。

为了满足制造测试要求,目前车辆集成产品的多样性和先进技术的预测,没有一种尺寸适合所有的测试要求。对于测试和可靠性工程师来说,每个产品/工艺组合都将面临独特的挑战,以平衡成本/产量/质量三角关系。PAT有时可能足够好,但其他时候不行,目前这个分界线不是很明确。

部分平均测试
在汽车IC供应商公司,产品和可靠性工程师确实使用简单的异常值检测测试方法。对于PAT工程师,利用单一参数测量和统计方法来确定极限。基本上,即使DUT通过了数据表限制,如果它不在您的分布范围内,则该部件将被标记为“失败”。它代表了从基于规范到基于缺陷的测试方法的转变。


图3:部分平均测试(参考AEC Q001_rev D)。来源:Anne Meixner/Semiconductor Engineering德赢娱乐网站【官方平台】

AEC的PAT指南提供了“一种去除异常部件的通用方法,从而提高AEC- q100和AEC- q101提供的部件的质量和可靠性……具体应用的方法可能与本指南中描述的不同,特别是在分布不正常的情况下。”这种衍生的方法可以用很好的统计证明。”

工程师根据生产材料的合理尺寸来确定静态PAT限制。设置这样的限制需要仔细考虑分布和相关的统计指标(中位数与平均值)。因此,可以在测试程序中设置静态PAT极限,并编制测试程序。工程师可以在晶圆和最终测试中使用静态PAT。

“动态PAT具有基于晶圆或批次性能的动态设定限制的优势,”Carl Moore表示,屈服于管理专家产量表.“经常,晶圆上的分布比批次或一组批次的分布得多。使用DPAT,您可以为该晶圆分布和标志异常值动态设置限制。如果您有更广泛的限制以容纳多个晶圆或批次,那么您可能无法在较大的多个晶片或多个晶片分布中看到异常值。“

产品和可靠性工程师从静态PAT限制转向动态PAT限制的原因有几个。

“IC供应商有动力移动到动态拍拍,因为静态PAT太粗略地是屏幕,成本过多的产量。IC客户的动机是德克萨斯乐器的肯巴特勒,IEEE研究员和以前的测试系统架构师渴望更有效的筛选和更好的质量。

NI的数据科学高级总监Alon Malki,同意。“使用异常值检测来减少现场返回是我们客户的常见方法,”他说。“因此,利用DPAT进一步优化了检测边缘设备的能力。”

减轻工程师的负担
产量管理系统(YMS),无论是在idm内部还是第三方数据分析公司提供的,都支持工程师设置算法参数,指导静态和动态PAT限制设置。

Moore说:“YMS通过提供分析来帮助工程师轻松地设置和运行产品分析。”基本上,流程是运行一个模拟,然后将配方设置为在生产中运行。一旦设置完毕,整个过程就会自动完成,工程师无需花费时间收集数据。”

为工程师提供的历史数据越多,他们就可以了解他们可以选择的参数的可变性。

Malki说:“NI解决方案允许工程师进行大规模的统计分析,以计算每次测试提出/调整DPAT限制所需的值。”“离群点检测平台具有对大量历史数据的模拟能力,允许工程师衡量所选配置的影响。”

但是,具有较旧格式的测试仪的数据收集阻碍了轻松应用动态PAT的能力。大多数工程师写作测试程序使用常规记录格式进行参数测量STDF,这导致了很多不一致。两个半标准,TEM和RITdb,正在进行进步。当他们完成时,他们将减轻今天所需的数据争吵工作,以准备动态PAT的数据。

“对于汽车,我们很多客户都希望我们直接支持部件平均测试,这意味着每个测试程序都必须用嵌入的部分平均测试写入,”Roos Instruments的Mark Roos Ceo表示。“我们用Ritdb展示了我们可以在测试仪外移动部分平均测试。每个客户都有一个不同的定义,部分平均测试。RITDB为客户控制了他们使用的质量指标,并将ATE供应商脱离了。“

当帕特未能提供
肯定会帮助这些标准。但本着持续改进的精神,产品和可靠性工程师通过添加新测试或更多使用现有的参数测试数据来减少客户场返回和零时间测试。

随着汽车行业采用更高级的CMOS流程,他们可以利用这些节点的工作完成ASIC和复杂处理单元。但是,这些依赖于使用多个参数,该参数增加了新的复杂程度。

“机器学习的语义数据模型和进步使组织更容易提高质量,性能和产量,通过利用制造过程的不同阶段产生的大型数据集,”AI解决方案副总裁Jeff David说在PDF解决方案。“在Exensio平台中,我们使用了使用多个变量的预测模型,这些变量可以比传统的帕特更好地筛分坏死。此外,我们还支持客户将机器学习模型推出到边缘,以便可以更及时且安全的方式进行预测。“

尽管如此,复杂性仍在继续增长。巴特勒说:“工程分析显示,某些失效类别很难用单变量方法进行筛选。”“当这种情况发生时,多元自然是下一步。多元变量的挑战在于,可能的参数组合数量很大,所以你应该选择哪种屏幕呢?”

为了帮助工程师进行选择,所有提供YMS平台的公司都能启用工程师来模拟多变量组合,其二维是最常见的。此外,汽车IC供应商可以使用地理空间异常转口预测模型来识别潜在缺陷。在晶片级别,这些是特别强有力的预测技术。

由于工具更快和更高的精度,物理检测也可以显着僵化,这可能对覆盖产生很大影响。“开展100%的检查和计量有几个好处,”研发副总裁蒂姆斯敦说讯连丝器.“例如,可能存在群集缺陷,这可能是设备或流程问题的指示。可能有重复缺陷可能表明掩模/掩模版缺陷。“

最近的光学扫描技术的开发使得在关键层处启用了100%的晶片采样。该数据可以添加到任何YMS平台,以分析产量损失问题。更重要的是,对于汽车行业来说,该技术可以在晶圆探测测试之前检测潜在缺陷。通过扫描所有晶片,工程师可以应用相同的人口统计数据来识别Maverick Die,因为他们使用电气测试。

“部分平均测试的传统解决方案建立在电气测试的基础上,”KLA说。“它已经发展成为多种巧妙的变化,以识别和去除风险死亡。但由于潜在的缺陷和不可避免的测试差距,逃脱仍在发生。KLA的I-PAT(内联PAT)解决方案将新的数据流带入DIA / NO-GO-GO决策,根据制造缺陷识别异常芯片。这些死亡中的许多死亡将最终失败测试,​​但令人惊讶的高位没有 - 这对其作为补充解决方案产生了很多兴趣,以帮助达到每亿分抵押率。“

在他们2020年的SPIE论文中,KLA的作者描述了这项技术:“每个缺陷根据其对各种‘地面真相’指标的影响被分配一个权重。在一个给定的模具中,所有缺陷的综合影响通过所有的检查堆叠成一个模级度量。将所有模具的模级I-PAT指标绘制成帕累托图,可以使用公认的统计方法识别出异常值。”

未来的发展方向
“零缺陷”的口头禅一直在呼应到汽车领域的半导体供应商近二十年。然而,当代车辆包括各种各样的半导体技术。它们包括单个功率MOSFET,用于在电子传动系和神经网络处理器中管理电源模块,以纠正车道内的漂移。

对于单变量的异常值检测技术,静态和动态PAT将保持可行的半导体器件的基本子集,加速汽车领域。但响应现场返回,追求零缺陷和理解可靠性机制最终可能会驱动使用该子集的工程师倾向于倾向于多变量的异常检测技术。

在过去的15年里,产量管理体系的发展已经降低了工程负担来实施帕特。“现代数据库/分析平台可以在预先描述的或甚至点播的基础上轻松计算动态PAT结果,”软件产品管理主任Mike Mcintyre表示进入创新.“事实上,一个系统可以负责确定和应用正确的材料的限制,消除了工程师的重大责任。”

潜在的缺陷仍然是工程师沿着产品制造供应链的挑战。高级异常值检测技术已经与一些汽车IC设备一起使用。晶圆扫描技术的进步承诺额外的能力。

所有的产品和质量工程师都很欣赏这种能力,它能更准确地判断出哪些缺陷对客户的影响最大。在汽车行业,利润总是面临压力,测试技术的使用往往归结为成本-设备,时间,产量和质量。

那么PAT会离开吗?IEEE的Butler说:“很少有测试方法‘消失’了,但是它们经常被更新更好的方法所补充。”例如,用过渡测试补充卡住的测试。有观点认为,蜂窝感知技术可能会消除传统的卡在和转换测试,但如果这真的发生了,将需要很长时间。对于PAT等筛查方法,我也会有同样的思考过程。因此,我同意PAT将继续被无限期地使用。但是随着更复杂、更高效、更有效的方法的上线,应用该技术的制造总量将会随着时间的推移而减少。

有关的
使用Fab传感器降低自动缺陷
耦合与分析的Fab传感技术提供了提高Autos可靠性的路径。
发现有问题的汽车芯片(2018)
零缺陷的道路需要一些新的策略。
汽车测试在系统中移动
确保关键安全系统继续运行是复杂但必要的。
芯片足够好,以释放你的生活
表格的专家:改善汽车半导体的策略。



留下一个回复


(注意:此名称将被公开显示)