可靠性的函数关系、统计分布及参量.docVIP

半导体器件和集成电路的可靠性评估（即失效率预测，failure rate prediction）是一个重要的问题。可靠性评估实际上也就是采用通过寿命试验而得到的失效的数据、来估算出器件和集成电路的有效使用寿命。 有效使用寿命即为器件和集成电路能够正常工作的平均使用时间（MTTF，mean time to failure）；与此密切相关的概念是失效率、可靠性指标等可靠性参量。 因为通过寿命试验而获得的失效数据，往往遵从某种规律的分布函数——可靠性函数，所以根据这些试验数据，由可靠性函数规律出发，即可估算出器件和集成电路的MTTF和失效率等参量。 （1）可靠性函数： 半导体器件和集成电路会由于各种原因而失效，但是失效率往往与使用时间有关。若在经过时间t之后未失效器件的数目为R(t)，则通过寿命试验可以获得大致如图1所示的三种模式的函数关系：①早期失效模式；②偶发失效模式；③磨损失效模式。在数学上可用来描述这些失效模式的函数即称为可靠性函数。 对于偶发失效的模式，比较符合实际的可靠性函数是指数函数；由此可知偶发失效的失效率是一个常数，即不管经过多长时间，器件失效的几率都是一样的；根据这种可靠性函数，可较容易地进行分析。 比偶发失效更早发生的失效称为早期失效。大多数半导体器件和集成电路所出现的失效都属于早期失效模式。对于这种很快就会发生失效的器件和电路，一般都可以在使用之前、通过例行试验（即采用一定条件的筛选工艺）来去除掉，以免带来后患。 磨损失效也称为疲劳失效，其特点是开始阶段的故障少，然后故障不断增加。 （2）Weibull分布： 从统计角度来看，统计数据的分布函数有许多种，常用的有如指数分布、Gauss分布、Γ分布、对数正态分布和Weibull分布，它们的功能各有千秋。 虽然指数分布函数比较简单、分析容易，同时也能很好地表征偶发失效模式的规律，不过对于晶体管、二极管和集成电路的整个可靠性分析而言，比较符合实际情况的、可以用作为可靠性函数的是Weibull分布。 Weibull分布的失效几率密度函数为 式中的m称为分布的形状参数（shape parameter），h为分布的尺寸参数（scale parameter）。 ?Weibull分布的图形如图2所示，在m＜１时为倒J字型曲線，在m=1时为指数式分布，在1＜m＜3.6时为偏向左边的曲线，在m≈3.6时为正态分布曲线，在m＞3.6时为偏向右边的曲线。分析表明，当Weibull分布采用不同的形状参数时，即可表示不同的失效模式： m1时，早期失效模式； m=1时，偶发失效模式； m1时，磨损失效模式； 可见，把Weibull分布作为可靠性函数是合适的。 在Weibull分布的失效模式下，元器件的平均使用时间可表示为 ? ?由于引起器件和集成电路失效的机理不同，因此就相应地存在各不相同的MTTF和失效率数据。最容易导致失效的就是其中MTTF最短的那一种机理。 Weibull分布之所以能够很好地表征器件和集成电路的失效规律，是由于Weibull分布是根据最弱环节模型或串联模型而得到的，它能充分反映材料缺陷和应力集中源对材料疲劳寿命的影响，而且具有递增的失效率，所以，将它作为材料或零件的寿命分布模型或给定寿命下的疲劳强度模型是合适的；而且尤其适用于机电类产品的磨损累计失效的分布模式。由于它可以根据失效概率密度来容易地推断出其分布参数，故被广泛地应用于各种寿命试验的数据处理。 总之，与其它统计分布相比，Weibull分布具有更大的适用性。（注：对于半导体器件??集成电路的失效，当各种原因所引起的失效事件是独立事件时，则失效规律比较符合对数正态分布，这时总失效率就等于各种失效率的乘积。）? （3）可靠性参量： 通过寿命实验等可靠性试验，即可确定出可靠性参量。 ①失效率（或故障率，FR，failure rate）： 失效率即某个瞬间、单位时间内所失效的器件和电路的数目比率。由可靠性函数给出的R(t)可以把失效率表示为 ? 当测量出了如图1所示的可靠性曲线时，则可由该曲线的效率（为dR/dt）求得失效率。 失效率的常用的单位是[% /1000小时]或者[FIT]，1FIT=10-9/小时。 ②可靠性指标（RI，reliability index）： 可靠性指标就是在较长一段时间中、单位时间内所失效的器件和电路的数目比率。如果N个元器件在T时间内损坏的数目为n，则定义可靠性指标为 ? 在可靠性试验中，一般取T=1000小时，这时RI的单位是[% /1000小时]或者FIT（10-9/小时）。例如，若有100个器件在进行1000小时的寿命试验时，发生了一个损坏，则RI=10-5/小时=10000FIT。 人们常常把失效率与可靠性指标混为一谈，虽然它们的单位相同，但实际上它们在意义上有所不同：失效率l