产品良率评估方法—Part2

    |     2015年4月27日   |   原创分享   |     0 条评论   |    37851

©版权声明:本文为【看我哒 www.kanwoda.com】原创文章,转载时请注明出处!

缺陷密度(Defect Density)一般是由FAB厂来提供。 FAB在计算平均缺陷密度时,一般采用以下两种方法:

直接统计法 统计产品生产的每道工序所产生的缺陷。实际过程中需要结合具体版图,确定有效的缺陷粒径及软、硬故障的关键面积,这种方法往往非常困难。

圆片计数法 利用特定工艺中生产的典型产品,选取最高成品率的批次,从中去除因非工艺造成的缺陷(如测试原因), 统计每片Wafer中的失效产品数量后求均值,从而得到平均每片晶圆上的失效产品数量。 当Die Size较小时,可以认为一个缺陷存在于一颗产品上.

通过平均缺陷密度(D0),我们就可以构建出产品理论良率与缺陷密度的模型,因为缺陷落在Wafer上是随机的,所以在构建模型时,需要使用概率分布函数来构建,对于Die Size较小的产品常见的模型有Poisson Model (泊松模型),Binomial Model二项式模型)及Seeds 模型。

通过Poisson Model (泊松模型)可以得到理论良率 Theoretical Yield=e^-D0A, 其中A为Die Size.

二项式模型构建的方程为Theoretical Yield=(1-A/Aw)^D0Aw, 其中Aw为Wafer Size, 当Aw远大于A时,可得Theoretical Yield=(1-A/Aw)^D0Aw=e^-D0A。

可以看出,在Die Size较小的条件下, 这两种模型具有相同的结果。实践证明在Die Size较小的条件小,这两种模型都可以提供精确的良率预期。但当Die Size较大时,则可能会低估良率,在这种状况下,有人提出了缺陷密度按照概率分布f(D)的变化,则:

Theoretical Yield= f4

 

Seeds模型是通过上面的概率分布函数,假定缺陷密度D按照指数分布而得来的,按照Seeds模型Theoretical Yield= 1/(1+AD0)

在应用中还有许多模型,在此就不再一一列举了,在此写公式确实是个复杂的过程……

假设在一种新的Wafer Process上,通过一种Die Size较小的典型的产品得到CP测试良率,则计算出了平均每片wafer上的失效产品数量(假设为100ea),如果wafer尺寸是8 Inch, 则可知在该FAB此工艺的平均缺陷密度D0约为0.3185平方厘米(需要去除Saw lane),当芯片尺寸为4m㎡时,根据泊松模型,我们可以求得

Theoretical Yield= 98.7%

即,该产品在该FAB内通过这种Process可以制造出的平均良率约为98.7%, 但考虑到在同一种工艺中D0也有一定的变化范围(一般在4D0),则可以计算出最低理论良率为:

Theoretical Yield_Min= 95%

因此我们可以在通过以上方式,先计算出理论良率,再结合实际测试过程中,可能产生的接触问题,以及一些Edge Die问题对测试良率的影响,就可以通过理论良率减去实测中因测试问题造成影响的良率估算出产品的实际测试良率大概会在多少了。

通过这种计算方式,可以较好地在产品设计开始时就计算出因良率损失引起的Cost,从而避免因采用了不合适的Wafer Process或Die Size造成该产品的制造成本过高。 同时也可以在最终量产时设置一个合理的Yield Flag,以便产线人员可以根据该标准对每批产品进行扣留分析,而不是随便设置一个95%或90%就认为是低良率,从而增加测试工程师的负担。

以上所有名词,定义,公式等专业性词语,大家都可以在网上查到,本人并未在FAB厂工作过,因此不了解是否还有更好的 D0计算方式及通过D0计算出理论良率。但可以肯定地说在我现在的工作中,需要用到理论良率,并且就是通过以上这些模型计算出来的。希望对各位的工作也能有所帮助。

最后感谢一些朋友提供的释疑及帮助。
本文地址: http://www.kanwoda.com/blog/archives/0411250827428.html



  
回复 取消