如何快速提高产品良率（doc 11页）.doc

如何快速提高产品良率 现在的半导体制造要求比过去任何时候都要高。为了满足市场的需要，半导体公司必须能够更及时和以更低的成本大批量生产更复杂的产品。为此，客户要求制造商能够采用全新的良率管理方法，达到比以前更高的良率水平，而且能够更快地实现稳定生产。　　反过来，新的良率管理方法取决于更广泛和更深入的工程分析方法，这些分析方法可以帮助半导体公司作出更加准确的判断，更快地达到稳定的良率。通过持续的良率“学习”，自动制造技术则可以更加有效地利用这些分析结果，它不仅可以将各种条件变化反馈给生产线而且还能及时判断工艺条件发生变化时是否仍然可以达到预期结果，及时找到问题原因和解决问题。　　这些新方法并不是遥远的概念，有些先进的制造商已经在使用这些方法了。本文将简单介绍AMD公司先进的工程分析方法和自动精确制造（Automated Precision Manufacturing, APM）技术，及其与客户共同取得的成果。　　快速提高良率的基本要素　　良率的快速提高是不断发现和解决生产过程中各种影响良率的因素，从而实现和发挥产品与工艺过程良率潜能的过程。实现批量生产、降低平均成本、最大程度提高利润率的需求推动了良率的不断提高。尽管通常良率学习曲线粗看起来非常平滑，实际上它是由工艺改善过程和一系列噪音以及良率异常情况叠加形成的（图1）。　　图中良率上升的每个小台阶代表了工艺不断改善的趋势，而向下的摆动则代表了设备或工艺不正常引起的异常情况。良率提高的总体速度取决于异常情况的响应和解决速度以及工艺改善的效率。每个阶段的快速进步都需要经验丰富的工程师以及各种数据和分析结果的支持。　　良率学习和提高有两种情况：根据现有工艺引进新产品；全新产品和工艺，例如新技术和新工艺的引进。新产品旧工艺良率提高的主要内容是找到设计方面的问题并加以解决，因为其工艺通常已通过其它产品验证并固定下来。全新产品和工艺的情况则比较复杂，因为它涉及设计和工艺、工艺目标、设备极限能力等因素的综合效应。此时必须将良率学习和提高分解成各个不同的要求，然后通过专业知识和相关软件系统为良率提高过程的各项要求提供有效的支持和相应的解决方案。　　我们将在下文对快速提高产品良率所需各项功能（从生产稳定性到工艺控制能力以及对良率的预测）进行详细的描述。提高生产稳定性　　从1980年代后期到1990年代中期，IC制造工艺的监测经历了从纸本趋势图到要求更加严格的统计工艺控制（statistical process control，SPC）方法的转变。SPC图表最早采用的是纸本形式，之后很快就改用电子文件并且与WIP（work-in-process）追踪系统链接在一起，从而可以在发生严重异常情况时及时提供警告信息，甚至将设备锁定在停机状态。实际情况违反SPC规则时，系统会提示技术员和工程师，他们将按照失控处置措施（out-of-control actions）中规定的方法进行处理，找到造成异常情况的原因并采取正确措施进行纠正。我们必须特别注意关键工艺步骤的SPC图表，将其维持在控制范围之内，确保工艺参数符合各项规格和目标。　　在发展这些在线监控系统的同时，AMD还开发了最早的良率管理软件，加快对良率异常情况的响应时间，及时找到和发现制造过程中造成良率损失的系统原因。这些软件和系统具有设备共同性分析、设备状态分析和晶片空间分布位置分析等功能。用于分析的数据来自于一系列数据库，例如WIP追踪系统提供的生产线测量数据、电子检测设备提供的数据等等。将各种数据分析系统的菜单统一之后，可以很方便地获取各数据库或各工厂之间的数据。该系统可以持续运行，对设备历史记录、晶片空间分布位置、不同反应器之间的偏差等数据进行分析，找到引起良率异常变动的系统原因。　　通过该方法甚至可以成功地分析出造成系统缺陷（defect）异常情况的原因。异常变动原因的查找有助于改善工艺，但是为了确保能够尽快发现异常情况，也需要有更多的在线测量设备。同时，该系统还能生成和保留大批量生产过程中的关键测量结果和设备历史记录信息等共享数据，作为监测过程的参考，从而尽量缩短分析时间。这一点非常重要，特别是当分析之前由于各种原因清空了某些数据的时候。　　这类软件系统发展很快，它可以有效地找到与设备或工艺相关的问题，但是对于与设计或测试相关的问题却相对较弱。为了能够分析最终测试时发现的器件问题，我们需要更加全面和综合的数据库，它不仅能够涵盖最终测试数据，而且可以对半导体厂（Fab）和最终测试时的批号（Lot ID）进行比较和追踪。如果不能追查Lot的历史，那么对最终测试结果和半导体生产工艺进行相关性分析几乎是不可能的。在以上需求的推动下，AMD统一了现有各数据库系统的设计，开发了SAPPHiRE数据库系统。改善工艺控制能力　　199