提高半导体良率的质量管理策略分析

2023-11-23李姗琦

今日自动化 2023年7期

李姗琦

（联合微电子中心有限责任公司，重庆 401332）

1 半导体良率管理面临的挑战

随着电子信息技术快速发展，半导体行业经历持续高速增长。截至2022年，全球半导体市场规模已达到5 740亿美元。为满足消费电子、通信、汽车电子等下游需求，半导体制造商不断提高集成度，推出更复杂的芯片产品。

与此同时，更先进的制程也对半导体企业的良率管理能力提出更高的要求。目前主流芯片制程已经达到10 nm 甚至更小的工艺节点。极限尺寸使芯片制造难度大幅提高，不同工序间容错率降低。任何微小变异都可能导致产量损失和质量问题。晶圆直径、芯片尺寸（面积）、工艺制程步骤的数量、电路密度、工艺制程周期等因素都会对良率产生影响。

此外，新技术、新材料和新结构设备的引入也增加了良率管理的复杂性。同时，市场竞争加剧使企业面临缩短产品周期和降低成本的压力。因此如何建立科学合理的良率管理体系，实现精益和可持续发展，是每一个半导体企业都亟待解决的问题。

2 影响半导体良率的关键因素

半导体良率是评估半导体生产过程质量好坏的一个重要指标，通常表示在半导体晶圆或芯片批次中可正常工作的比例。如果说先进制程代表晶圆厂技术的领先性，那么产品良率就代表着其产品的经济性和可靠性。对于尖端的逻辑晶圆厂而言，1%的良率提升意味着1.5亿美元的净利润。半导体良率越高，器件可靠性越好。

良率还可细分为晶圆良率、芯片良率和封装良率，而整体总良率则是这3种良率的总乘积[1]，公式如下：

晶圆良率=晶圆产出数/晶圆投入数

芯片良率=合格芯片数/晶圆上芯片总数

封装良率=终测合格的封装芯片数/投入封装的合格芯片数

整体良率=晶圆良率×芯片良率×封装良率

因此半导体产品从晶圆到封装的各个环节，都会对最终芯片的良率产生影响。尤其是晶圆制造环节，由于工艺复杂，工艺步骤多，成为影响良率的主要因素，是良率提升的重点关注对象。

从质量管理的角度分析晶圆制造到封装测试等环节影响良率的因素，如工艺水平、设备状态、环境条件[2]等。主要的因素如下。

（1）光刻、刻蚀、沉积、植入等关键工艺步骤的参数稳定性。关键工序如光刻曝光量偏差会导致图形畸变，刻蚀时段控制不当会导致碱渗漏，这些参数偏差会降低良率，须建立工艺参数标准化管理。

（2）金属互连、划片和封装等后道工序的工艺成熟度。金属互连质量、划片效果、芯片与引线的焊接可靠性，都会影响最终测试良率，需持续改进工艺。

（3）原材料质量稳定性。硅片的缺陷密度、光刻胶、掩模、各种化学品的质量波动，均会引起良率的不稳定，需严格的供应商管理。

（4）设备运行状态、保养水平和故障率控制。设备的稳定性和抗扰动能力对良率有重要影响，设备老化、故障停产都会导致良率下降，必须建立有效的设备监控和保养机制。

（5）温湿度和洁净度等环境条件管理。温度、湿度、洁净度等环境参数严格控制在标准范围内，可减少故障发生。

（6）自动化程度和先进制造系统应用水平。人员操作误差也是良率较低的原因之一，自动化程度越高，人为操作越少，良率越高。建立严格的作业规程，规范的作业也是保证良率的关键。

（7）测试覆盖率和良率数据的分析效果。测试覆盖率越高，可发现更多隐性缺陷。同时，对良率数据进行统计分析，找出影响因素和改善方法。

（8）技术成熟度。新技术、新工艺刚应用时良率会很低，随着生产的进行与导致低良率的因素被发现和改进，良率就会不断提升。

3 半导体良率管理体系框架

为全面有效地提高半导体产品的良率，企业需建立完善的良率管理体系。针对影响半导体良率的关键因素，提出由组织体系和流程、过程控制和优化、数据统计与分析及持续改进4个子系统构成的良率质量管理框架。

（1）组织体系和流程。明确良率管理的组织结构、岗位职责和操作规程，以保证各项工作有效开展。①设立专门的质量管理部门，负责良率管理工作；②建立良率数据收集、工艺质量控制、问题处理等标准化工作流程；③形成各部门、各岗位间的协作机制，明确联动规程；④定期审核现有良率管理系统的成效，根据结果进一步优化良率管理。

（2）过程控制和优化。针对关键工序，建立标准化的过程控制方法，实施统计过程控制[3]等，保证工艺质量。①制订光刻、刻蚀、扩散、薄膜等关键工艺的参数标准；②规范参数设置、检测方法、数据记录等；③使用统计过程控制，监测参数偏离趋势；④持续优化工艺，减少参数漂移范围。

（3）数据统计与分析。收集良率相关数据，建立数据库，运用统计分析找出影响良率的关键因素。①收集日常良率数据，建立制程质量数据库；②使用统计软件进行数据处理，找到良率变化趋势；③利用统计模型识别影响良率的关键工序和参数；④数据反馈给相关部门，支持决策改进。

（4）持续改进机制。基于过程数据，持续优化工艺参数，改进操作方法，并针对根本原因推进系统性的解决方案。①建立质量改进项目制度，组织专项改进；②改进后评估效果，总结推广经验；③不断强化体系，完善规章制度；④形成全员参与、持续优化的机制。

这4个子系统相辅相成，组成了一个闭环式的良率管理体系，使企业可持续提高产品良率与生产效率。

4 半导体良率管理体系建设

基于半导体良率管理体系框架，良率管理体系建设包含组织体系和流程建设、关键工艺的参数质量控制、供应链质量监管、设备监控和保养、测试效能的持续改进，以及封装、测试、包装环节的良率保障和良率数据分析应用等方面，其中组织架构构建、过程控制和数据分析是体系的3大支柱。

4.1 组织体系和流程建设

拟定质量组织结构，明确良率管理团队和个人职责。建立工作流程，形成文件化的操作规程。主要措施如下。

（1）制订良率目标，组织架构构建。公司高层确定质量优先的方针，设置具体的良率改进目标；设立独立的质量管理部门，负责良率管理工作；在各业务部门设立质量管理岗位，配合做好质量监督工作；高层管理者负最终责任，密切关注良率态势；建立跨部门的质量管理委员会，进行协调和决策。

（2）操作规程和标准制订。制订质量控制流程，如建立良率数据收集、统计分析、问题处理、效果评估等标准化工作流程，规范管理；优化部门间协作模式，形成闭环管理；不断优化流程，提高执行效率。

（3）人员能力建设。加强质量管理知识培训，提高员工质量意识；建立质量改进提案机制，发挥员工在质量管理中的积极性；构建良率管理者和技术人员培养机制；提供持续教育，强化团队能力；通过科学的组织体系设计、规范的流程建立和人才队伍培养，使良率管理工作得以有效开展。

4.2 关键工艺的参数质量控制

针对关键工艺工序，建立参数标准化管理流程，实施统计过程控制。半导体制程中光刻、刻蚀、氧化、溅射等工序对良率影响显著[4]，须实施有效的工艺质量控制。主要措施如下。

（1）确定影响芯片良率的关键工艺参数。确定关键工艺参数是实现过程控制的第一步。根据工艺特点、工程经验和过程数据，识别对良率影响最大的参数，如光刻中的曝光量、聚焦度，刻蚀中的时间、温度、压强等，关键参数既包括温度、压力等过程参数，也包括膜厚、线宽等结构参数。确定的这些关键参数优先进行过程质量控制，要考虑参数间的相互影响，随着过程积累，需动态调整关键参数。

通过科学确定对良率影响关键的工艺参数，有助于提高过程控制的针对性与有效性。

（2）设置关键参数的合理标准。在确定关键参数后，需合理设置参数的目标值或允许浮动范围。通过收集历史过程数据，大致确定参数的目标值，参数目标值要与产品指标和规范形成映射关系，然后进行产品验证试验，确定参数的最佳目标值。考虑设备、材料等条件的变化对参数的影响，设置参数的容差范围，以满足工艺要求。形成参数的标准文件并动态更新，为操作人员提供指导，通过设置合理的关键参数标准，制订参数的控制限和统计控制规则，指导操作者实现过程质量控制。

（3）采用统计过程控制监测参数稳定性（过程监控）。在生产过程中，实时监测参数的数据，实施过程监控[5]是质量控制的关键。设置在线检测设备，实时监测关键参数；使用统计过程控制图，如SPC系统分析判断参数是否稳定在控制限内；一旦发现超标情况，及时停产查找原因；分析参数偏差对产品质量的影响，监控结果反馈给工艺工程师，优化参数设置，使过程朝着更稳定的状态发展；不断优化工艺，减少参数漂移。通过实时监测和统计分析，确保关键参数在标准范围内，这是保证和提升过程质量的有效手段。

通过对关键工艺参数实施全生命周期的质量管理，可显著提升工艺的稳定性和可控性，从而持续改进良率。

4.3 供应链质量监管

半导体生产需各类原材料和辅材料的支持，实施供应链质量监管对保证良率至关重要。评估供应商提供的原材料质量，建立来料检测机制，及时标识和隔离不合格品。主要措施如下。

（1）供应商资格审查。制订供应商选择标准，评估供应商的质量管理体系是否成熟。现场考察，确认其生产环境与设备，检查质量控制手段是否规范，过程是否稳定。

（2）来料检测。对关键原材料进行来料检测，关键材料建立安全库存，防止供应中断。建立来料异常处理机制，将不合格材料结果反馈给供应商。

（3）过程监控。关键材料实施统计过程控制，监测质量稳定性。如化学液质量出现异常，应要求供应商改进。

（4）质量反馈。对于不合格来料，要求供应商提交质量改进报告。帮助供应商持续改进质量，实现共赢。与关键供应商建立质量监督与协作机制。

（5）供应商考核。建立供应商考核制度，淘汰不合格供应商。根据日常监测情况，定期对供应商进行评价，构建供应商排名机制和淘汰机制，培育更多合格的优秀供应商。

通过严格的供应链质量监管，可有效减少原材料质量问题对产品良率的影响。

4.4 设备监控和保养

良率受工艺设备的影响很大，要想达到较高的良率，需优化设备，进行有效的保养与维护，减少故障停机，提高设备稳定性。主要措施有：对关键设备建立日常状态监测计划，定期做工艺能力监测与恢复等；监测设备运行参数，判断性能是否异常；建立预防性维护保养制度；定期更换易损件，排查潜在故障隐患；建立备件库存管理系统；记录和分析故障原因，提出设备改进措施。

4.5 测试效能的持续改进

测试是保证出货产品质量的最后一道关口，必须持续提升测试效能。通过完善测试策略、增加测试样品、使用新技术等方式提升测试覆盖率。主要改进措施如下。

（1）优化测试流程。提高测试程序的覆盖面：评估当前测试流程的覆盖面，调整测试顺序，合理安排冗余测试项。针对易损工序增加测试点，标准化流程，减少人员依赖。

（2）测试样品管理。建立不同产品类型、不同批次的测试样品库；定期维护和更新样品库；增加抽样检测数量，完善各类产品的测试样品库。

（3）引进新型测试设备和先进算法，提升测试效率。

（4）组合使用不同测试方法，提高复杂芯片的测试覆盖率。

（5）测试数据分析。收集测试结果数据建立数据库；加强对测试数据的分析评价，找出易失效区域。

（6）测试不良品反馈给设计和制造部门，实现测试—制造闭环改进。将测试不良品的数据进行反馈，与工艺质量数据形成闭环，是持续改进良率的重要途径。主要措施有：建立不良品分析数据库，收集测试出现故障的具体情况；将测试失败模式对应到具体工艺和参数；将解析结果定期反馈给设计与制造相关部门和工程师；制造端根据结果进行工艺和设备调整；通过测试端提供高质量的不良解析和反馈，并由制造端根据反馈进行工艺持续优化，可形成协同改进机制，以有效提升产品良率。

通过持续改进测试策略、手段和方法，能显著提升测试效能，从而有效控制并提高半导体产品的出货良率。

4.6 封装、出货检验、包装环节的良率保障

封装和检验包装环节处于半导体制造过程的后段，对出货产品的良率水平有直接影响。主要措施如下。

（1）优化芯片布局和接线设计，降低故障率。

（2）改进焊球成型工艺，减少焊接过程中的缺陷。

（3）建立严格的、可追溯的出货检验标准，严把质量关，以保证客户收到完好的产品。制订详细的产品出货质量检验流程，据产品特点和客户需求，设定出货合格判定标准，标准覆盖功能、性能、外观、包装各项指标。实施全面出货检测，确保产品100%合格，建立批次可追溯体系，以防次品流出，按标准对不合格品进行及时隔离和处理。

（4）加强运输和存储环节管理，防止处理或存储不当造成产品损坏。

4.7 良率数据分析应用

良率数据的收集和分析是良率管理的重要环节。通过收集良率相关数据，建立数据库，运用统计分析找出影响良率的主要因素并加以改进。

（1）数据采集。利用信息系统收集各道工序大量的历史良率数据和测试数据，如良率、缺陷等质量数据，检查数据质量，删除异常数据，构建标准化的质量数据库。

（2）统计分析。统计分析是深入挖掘过程数据的重要手段，可提供数据驱动的决策支持。使用SPC控制图等系统工具监测关键工艺参数，判断工艺或良率的稳定性，找到特殊原因导致的参数偏离；采用方差分析找出对产品质量影响显著的关键参数；分析不同工艺参数组合对良率的影响，建立多元回归模型描述参数与良率的定量关系；使用设计试验法优化参数组合，提高良率[6]。

（3）良率预测模型。通过收集全面的数据、选用适当的模型、持续优化训练，可建立精准预测良率的智能算法预测模型。该模型可智能地指导工艺参数的最佳设置，从而指导生产实现更高的良率水平。如图1所示。

图1 建立质量预测模型，指导最佳工艺参数设置流程

建立智能算法预测模型：选取算法模型，如神经网络、支持向量机等[7]；划分训练集和测试集，训练模型；调参优化模型，提升预测准确率，在测试集上验证模型的预测能力；模型指导最佳的参数组合，将模型布署到生产环境中，指导参数优化；通过新数据继续完善模型。建立高精度的良率预测模型需数据积累、模型调优等过程，其可为工艺参数优化提供重要支撑。

（4）质量预警。设置工艺质量预警的阈值，一旦超出阈值，自动发出预警，以便工程师及时处理。

（5）持续优化。不断补充过程数据，改进数据处理手段和分析能力，优化预测模型，实现制造过程的持续质量改进。分析结果反馈给设计、制造相关部门，持续优化管理系统，实现全面数据驱动。

随着大数据技术和AI 算法的发展，利用海量的历史质量数据来建立预测模型，准确预测不同工艺参数组合下的良率水平[8]，从而有针对性地提出对策，正在成为半导体企业提升良率管理水平的重要手段。

提高良率需全面性策略，持续改进工艺、设备、材料、制造和测试各环节，以实现更高水平的质量管理。