Détection de valeurs aberrantes géospatiales

Republié par Platon

Suiveurs: 0

La comparaison des résultats des tests de puce avec d'autres puces sur une plaquette aide à identifier les valeurs aberrantes, mais la combinaison de ces données avec l'emplacement exact d'une valeur aberrante offre une compréhension beaucoup plus approfondie de ce qui peut mal se passer et pourquoi.

L'idée principale de la détection des valeurs aberrantes est de trouver quelque chose dans ou sur une puce qui est différent de toutes les autres puces sur une plaquette. Faire cela dans le contexte du voisin d'une filière est devenu plus facile avec des plates-formes d'analyse de données de gestion de rendement et de test à la pointe de la technologie, mais cela peut toujours devenir compliqué. Même la définition d'un voisin peut varier.

La variation spatiale des plaquettes a été utilisée pendant un certain temps pour identifier et déchiffrer les problèmes de rendement, mais principalement pour les post-mortems des défaillances sur le terrain. Les ingénieurs produits et qualité appliquent de plus en plus ces décisions de test de réussite/échec, en particulier dans les applications critiques pour la sécurité ou la mission, car les techniques simples de détection des valeurs aberrantes basées sur les tests de moyenne partielle (PAT) manquent de localisation pour équilibrer efficacement le triangle rendement/qualité/coût .

Les techniques au-delà du PAT reposent sur de multiples mesures, des opérations arithmétiques sur les résultats des tests pour focaliser la distinction réussite/échec et des relations géospatiales. Mais l'emplacement géographique et les résultats des tests associés nécessitent également des ressources d'ingénierie supplémentaires, donc sur les nœuds avancés et dans les applications où la qualité et la fiabilité sont essentielles, les coûts augmentent.

"Chaque fois que vous effectuez un changement majeur dans la technologie - comme les interconnexions aluminium-cuivre et les portes métalliques conventionnelles à K élevé - vous avez un nouvel ensemble de choses qui surgissent que vous n'avez jamais vu auparavant", a déclaré Ken Butler, responsable de la création d'entreprise stratégique chez Advantest America. "Avec chaque changement technologique majeur et les géométries plus petites, il est devenu de plus en plus nécessaire de s'éloigner des simples statistiques parce qu'elles ne le faisaient plus."

Motivés par l'identification des défaillances en aval, les ingénieurs produits se sont tournés vers des techniques de détection basées sur les valeurs aberrantes lors du test des tranches pour détecter les défaillances de déverminage. Et lors du développement d'écrans pour les évasions de test, ils se sont naturellement tournés vers ces techniques de détection des valeurs aberrantes. Il s'agit d'une pratique courante pour les fabricants de puces automobiles, qui appliquent systématiquement des techniques de test aberrantes, et ils ont souvent mis au point de nouvelles méthodes. Maintenant, d'autres secteurs industriels suivent avec une approche plus proactive des techniques de détection des valeurs aberrantes.

« Bien que la détection des valeurs aberrantes puisse être une réponse efficace pour contenir une évasion de test, nous voyons de plus en plus de clients concevoir une détection des valeurs aberrantes dans leur processus de test plus tôt dans le cycle de vie du produit pour obtenir une qualité sortante supérieure dans de nombreux segments de marché - pas seulement automobile, médical et aérospatial » a déclaré Greg Prewitt, directeur des solutions Exensio chez PDF Solutions.

Position de la matrice : x, y et z
Avec les techniques de détection des valeurs aberrantes géospatiales, l'analyse a lieu après le test de la plaquette, car les résultats du test d'une puce et de ses voisins doivent tous être pris en compte dans la décision de réussite/échec. Cela nécessite des calculs supplémentaires à effectuer, et les solutions d'analyse des données de rendement/test prennent en charge ces calculs. Il peut s'agir du propre système d'un IDM ou d'une solution tierce qu'un IDM, une fonderie ou une entreprise sans usine utiliserait. Selon la technique spécifique, le voisinage défini varie. Souvent, ceux-ci ont un sens intuitif. Mais la définition de « voisin » peut devenir compliquée aux nœuds de processus CMOS avancés, ce qui nécessite une définition beaucoup plus subtile de « voisinage ».

Malgré les efforts de l'industrie pour avoir un traitement de dispositif uniforme sur une tranche, la nature des processus de fabrication de semi-conducteurs produit des modèles géographiques qui se reflètent dans de multiples métriques de fabrication. Les matrices de bord ont un rendement inférieur à celui d'une matrice au centre d'une plaquette. Le filage de la résine photosensible conduit à des zones radiales. Au cours du processus litho, il peut y avoir une inégalité subtile de la mise au point sur toutes les matrices d'un réticule à matrices multiples.

Avec des tailles de caractéristiques plus petites, ces effets subtils se manifestent plus facilement et apparaissent dans les modèles de puces défaillantes lors du test de la plaquette et dans les étapes de fabrication ultérieures. Les ingénieurs utilisent désormais ces modèles pour prendre des décisions concernant la réussite/l'échec de l'appareil.

Fig. 1 : Cercles concentriques et motifs radiaux sur une plaquette. Source : Ingénierie des semi-conducteurs/Anne Meixner

Lors des tests de détection de dispositifs défectueux, les défauts ont souvent été classés en aléatoires et systématiques. La nature géographique du processus des semi-conducteurs et la gestion accrue de la densité de défauts ont déplacé l'attention vers les défauts systématiques, les relations géospatiales sur la plaquette et les processus de fabrication jouant un rôle.

"En général, ces sources de défauts n'apparaissent presque jamais de manière vraiment aléatoire", a déclaré Dirk de Vries, directeur de la recherche et du développement de la gestion du cycle de vie du silicium chez Synopsys. « Il existe donc des variations de processus par rapport à la fabrication et presque tout a un gradient spatial. C'est vrai pour les propriétés paramétriques telles que les épaisseurs de couche ou les largeurs de ligne. Ils ont généralement des gradients assez lisses sur la plaquette, ce qui signifie que les propriétés mesurées d'une puce auront un certain niveau de valeur prédictive pour les propriétés de ses voisins sur la plaquette. Vous pourriez dire : « Oui, mais ils ont des défauts aléatoires, et le hasard n'a aucune valeur prédictive ». Ce n'est pas aussi simple que cela, car si vous regardez les défauts de fabrication des plaquettes, il existe un mécanisme de production des défauts. Par exemple, il peut s'écailler à partir du bord de la plaquette ou dans la source du plasma. Le fait est qu'il y a des sources de défauts, et ils n'apparaissent presque jamais de manière vraiment aléatoire.

Les modèles géographiques peuvent être visualisés sur des plates-formes d'analyse de données et peuvent être utilisés pour la gestion du rendement afin d'identifier les outils ou les combinaisons d'outils problématiques. Une série d'études d'ingénierie menées par des ingénieurs d'Intel (1999 à 2005) a utilisé des données de test de plaquette, l'emplacement xy et l'identification de puce électronique (ECID) pour étudier la relation entre la plaquette et la densité de défauts de fiabilité. L'ECID a facilité l'analyse des données à travers plusieurs étapes de test. Cela leur a permis de trouver des modèles distincts dans les résultats des tests de plaquettes pour une puce en ce qui concerne le lot, la plaquette, l'emplacement xy et la région locale, et ses voisins et le comportement ultérieur de la puce lors du test final après le processus de déverminage. Pour la région locale (alias quartier), ils ont examiné le dé dans une région de 5 x 5 et calculé les chiffres de rendement pour le dé marqué N, D, T.

 Fig. 2 : Quartier basé sur l'emplacement xy et les emplacements N,D, T identifiés. Source : Ingénierie des semi-conducteurs/Anne Meixner

Dans leur analyse, les ingénieurs d'Intel ont noté que la variation de tranche à tranche était deux fois plus importante que la variation de lot à lot. « La traçabilité s'est avérée être un outil puissant », ont-ils noté, « pour révéler les caractéristiques des modèles de plaquettes de ces défaillances. Cela était particulièrement vrai pour les signaux subtils enfouis dans les données de rodage de production. L'analyse des défaillances a établi que ces sous-populations étaient invariablement différenciées par de nouveaux modes de défaillance systématiques ou des distributions de défauts.

Observé en 1999, ce niveau de localisation témoigne de la complexité du processus CMOS à 0.25 micron. Avec les nœuds de processus avancés d'aujourd'hui, ces défaillances systématiques ont augmenté.

Algorithmes de détection de valeurs aberrantes basés sur le voisinage
La localisation devient plus petite avec ces techniques de détection de valeurs aberrantes basées sur la relation géospatiale d'un dé par rapport à ses voisins. La position radiale a un impact sur la défectivité, et donc sur le rendement. Pour la localisation des décisions de test, la notion de voisinage a prédominé. Ceci est suivi par l'examen de la relation dans la direction z.

La localisation du PAT dynamique dans des quartiers plus petits, comme 5 x 5 ou 7 x 7, permet aux ingénieurs de détecter les différences subtiles de ces modes de défaillance systématiques. Ce faisant, les ingénieurs peuvent réduire les faux négatifs/positifs.

Il existe deux approches pour comparer un dé à ses voisins : un bon dé dans un mauvais voisinage (GDBN) et un mauvais dé dans un bon voisinage. Au cours des deux dernières décennies, les ingénieurs de plusieurs entreprises, dont LSI Logic, Intel et TI, ont publié des études de cas qui justifient ces décisions apparemment draconiennes.

Fig. 3 : Bon dé dans un mauvais quartier en fonction de l'emplacement xy. Source : Ingénierie des semi-conducteurs/Anne Meixner

Le GDBN est simple, si un dé passe tous les tests mais qu'un certain nombre de ses voisins ont été marqués mauvais, alors le bon dé est maintenant suspect. Ils peuvent être affectés à des valeurs aberrantes, puis échouer lors du tri de la plaquette ou être marqués pour des tests supplémentaires que l'autre bonne puce pourrait ne pas recevoir.

Fig. 4 : Bon dé dans un mauvais quartier. La source: National Instruments

Mauvais mourir dans un bon quartier est un terme déroutant. Techniquement, ce n'est pas un mauvais dé s'il passe, mais c'est paramétriquement différent.

« De plus en plus de clients essaient d'obtenir un niveau de qualité supérieur, ils recherchent donc des valeurs aberrantes par rapport au voisinage d'une matrice. Lorsque vous regardez tous les dé qui l'entourent, ils devraient être paramétriquement similaires », a déclaré Carl Moore, spécialiste de la gestion du rendement chez yieldHUB. « Mais parfois, la mesure paramétrique d'un dé peut être décalée d'un couple sigma, peut-être encore dans la distribution globale. « Quelque chose ne va pas à ce sujet, car il montre une valeur paramétrique différente pour tout ce qui l'entoure. »

En plus de regarder dans les directions x et y pour un voisinage, les ingénieurs produits peuvent regarder l'emplacement spécifique de la puce sur toutes les tranches. « Il existe également des méthodes telles que ZPAT, où vous pouvez analyser dans l'axe z sur un groupe de plaquettes. Ceci est très utile pour trouver des défauts dans les masques où une seule matrice peut toujours échouer ou être une valeur aberrante », a déclaré Moore.

Fig. 5 : Cartes de plaquettes multiples empilées et défaillances dans la direction Z. Source : Galaxy Semiconductor

L'impact du masque défectueux sur le rendement semble évident. L'application des valeurs aberrantes paramétriques est localisée sur la base d'une taille d'échantillon de 25 puces (généralement 25 plaquettes par lot). Notez qu'un voisinage 5 x 5 dans la direction xy a également 25 dés pour rechercher une valeur aberrante. Fondamentalement, vous empilez les plaquettes et recherchez des motifs dans la direction z.

« Nous avions Z-PAT sur le marché dès 2005 », a déclaré Wes Smith, PDG de Galaxy Semiconductor. « Il a été développé pour un équipementier automobile européen de rang 1. Cette société était intéressée à explorer des techniques aberrantes au-delà du DPAT traditionnel (même à l'époque), et elle examinait diverses relations géo-spatiales, parmi lesquelles Z-PAT.

Définir un voisin électrique
Les techniques géospatiales discutées ont strictement considéré les relations physiques. Pourtant, il y a même deux décennies, les équipes d'ingénieurs pionnières de ces techniques ont reconnu que la nature systématique de la fabrication de semi-conducteurs CMOS influence la définition du voisinage. Au lieu de faire un quartier physique, ils ont recommandé de sélectionner un quartier en étant conscient.

« Une sélection de voisinage fixe telle que les huit compartiments de matrice à la position x, y fonctionne bien dans la pratique lorsque le modèle de données varie en douceur », a écrit une équipe d'ingénieurs de l'Université d'État de Portland et de LSI Logic dans un article de la conférence internationale de test de 2001. « Des contours lisses ont été observés à plusieurs reprises. Cependant, des motifs pas à pas ont également été observés et ils ne sont pas lisses mais systématiques. Ils imposent un effet de damier à travers la plaquette »,

 Fig. 6 : Effet de damier de motif de pas. Source : Ingénierie des semi-conducteurs/Anne Meixner

Après avoir reconnu ce modèle dans les tests IDDQ, l'équipe a recommandé d'utiliser une approche basée sur les données pour définir le quartier et les limites à appliquer, qu'elle a appelée moyenne de localisation. Ils ont illustré son efficacité avec des mesures IDDQ. Leur technique comprenait également l'utilisation de résidus de mesures. Le résiduel du plus proche voisin (NNR) combine des relations géo-spatiales avec une modification arithmétique du paramètre de test. NNR définit essentiellement un voisinage basé sur des distributions de valeurs similaires, et cette distribution n'est pas les mesures de test brutes.

Une autre source de données des performances paramétriques d'une puce est les mesures sur puce, et celles-ci peuvent également être utilisées pour définir un voisinage électrique à l'intérieur d'une puce. Cela permet de raffiner le quartier.

« Pour que les techniques géospatiales soient efficaces, il existe une forte hypothèse sur la variation du processus dans les directions xy et z », a déclaré Alex Burlak, vice-président des tests et de l'analyse chez proteanTecs. « Dans les nœuds de processus avancés, la variation de processus au sein de la puce peut être significative et encore améliorée à travers les circuits intégrés (voisinage) ou les plaquettes (direction z), rendant les techniques géospatiales moins efficaces. Par conséquent, une technique plus efficace consiste à créer une ligne de base attendue par puce (c. Vous pouvez le considérer comme PAT par puce plutôt que comme lot, plaquette, quartier. »

Conclusion
L'adoption d'écrans de test basés sur la position des plaquettes par la communauté plus large des ingénieurs de produits a considérablement augmenté au cours de la dernière décennie. La disponibilité de systèmes tiers de gestion de rendement/test facilite l'utilisation de ces techniques par les petits et les petits IDM.

« L'industrie des semi-conducteurs met toujours l'accent sur l'importance de la qualité et de la fiabilité des appareils », a déclaré Prasad Bachiraju, directeur des ventes et des solutions client chez Onto Innovation. « Les plates-formes d'analyse dotées d'une infrastructure d'intégration de la chaîne d'approvisionnement ont permis aux usines d'exécuter des règles et des matrices statistiques basées sur les données de test finales. L'utilisation du contexte de la tranche et du voisinage de la puce par rapport à la tranche source a permis de détecter les fuites de test et d'améliorer la fiabilité globale des puces.

Les techniques de détection des valeurs aberrantes basées sur la géospatiale permettent aux ingénieurs de localiser le jeu de « l'une de ces choses n'est pas comme les autres ».

« Vous avez un ensemble d'objectifs de performances que vous voulez que toutes les matrices atteignent, par exemple 100 micro-ampères de fuite. Mais en raison de la variation spatiale, ils n'atteignent pas toujours la cible », a déclaré le majordome d'Advantest. « Donc, dans le test, vous posez la question « Quand sont-ils différents et de combien sont-ils différents des morts proches ? » Toutes ces techniques dont nous parlons reposent sur le contexte de la position de la plaquette. C'est pourquoi ils fonctionnent si bien.

Histoires connexes