第六章_工艺良品率

第六章工艺良品率概述高水平的工艺良品率是生产性能可靠的芯片模并获得收益的关键所在。

本章将结合影响良品率的主要工艺及材料要素对主要的良品率测量点做出阐述。

对于不同电路规模和良品率测量点的典型良品率也在本章中列出。

目的完成本章后您将能够：1.指出三个工艺良品率的主要测量点。

2.解释晶圆直径，芯片模尺寸，芯片模密度，边缘芯片模数量和制程缺陷密度对晶圆电测良品率的影响。

3.通过单步工艺制程良品率来计算出累积晶圆生产良品率。

4.能够解释及计算整体工艺良品率。

5.对影响制造良品率的四个主要方面作出解释。

6.建立良品率相对时间的曲线来反映不同的工艺和电路成熟程度。

7.解释高水平的工艺良品率和器件可靠性之间的联系。

良品率测量点维持及提高良品率（yields）对半导体工业至关重要。

任何对半导体工业做过些许了解的人都会发现，整个工业对其生产良品率极其关注。

的确如此，半导体制造工艺的复杂性，以及生产一个完整封装器件所需要经历的庞大工艺制程数量，是导致这种对良品率超乎寻常关注的基本原因。

这两方面的原因使得通常只有20%至80%的芯片模能够完成从投片开始的晶圆生产线全过程，成为成品出货。

对于大部分的制造工程师来说，这样的良品率看上去真是太低了。

可是当我们考虑一下所面临的挑战，是要在极其苛刻的洁净空间中，在1/2平方英寸的芯片模范围内，制做出数百万个微米量级的元器件平面构造和立体层次，就会觉得能够生产出任何这样的芯片已经是半导体工业了不起的成就。

另外一个抑制良品率的重要方面是大多数生产缺陷的不可修复性。

不象有缺陷的汽车零件可以被更换，这样的机会对半导体制造来说通常是不存在的。

缺陷芯片或晶圆一般是无法修复的。

在某些情况下没有满足性能要求的芯片可以被降级处理做低端应用。

废弃的晶圆或许可以发挥余热，被用作某些制程工艺的控制晶圆或假片（见第6.5.1节及第7章中关于氧化工艺的讨论）。

除了以上这些工艺方面的因素外，规模化的量产也使得良品率益发重要。

巨额的资金投入，高于工业界平均比例的工程技术人员使用，这些导致了半导体生产高昂的分摊成本。

居高不下的分摊成本，加上激烈竞争使得产品价格持续下滑，驱使大部分芯片生产厂运行在一个大规模量产，高良品率的水平上。

基于所有这些原因，也就不难理解半导体工业对于良品率的执著了。

大部分的设备和原材料供应商都以自己的产品可能提升良品率来作为推销的主要手段。

同样，工艺工程部门也把维持和提高制程良品率当作本部门的主要责任。

良品率在制程的每一站都会被计算出来，其中，三个主要的良品率被用来监控整个半导体工艺制程（图6.1）。

主要良品率测量点生产工序测量内容晶圆产出数晶圆生产部门- 良品率 = --------------晶圆投入数合格芯片模数晶圆电测–良品率 = -----------------------晶圆上的芯片模总数终测合格的封装芯片模数封装–良品率= --------------------------------------投入封装生产线的合格芯片模数图 6.1 主要良品率测量点累积晶圆生产良品率在晶圆完成所有的生产工艺后，第一个主要良品率被计算出来的。

对此良品率有多种不同的叫法，如FAB良品率、生产线良品率，累积晶圆厂良品率，或CUM良品率。

晶圆厂CUM良品率用一个百分比来表示，可通过两种不同的计算方法得到。

一种是用完成生产的晶圆总数除以总投片数。

这种简单的计算方法在实际上很少被使用。

因为大部分的晶圆生产线同时生产多种不同类型的电路。

不同类型的电路拥有不同的特征工艺尺寸和密度参数。

一条晶圆生产线经常是生产一系列不同的产品，每一种产品都有其各自不同数量的工艺步骤和难度水平。

在这种情况下，将会针对每一类产品计算一个合成良品率。

一条晶圆生产线上会存有大量制程中的晶圆，这些晶圆的生产周期从4至6周不等。

一类或更多类产品在制程中的某些地方受阻滞留，这种情况并非罕见。

完成制程的晶圆很少与投入的晶圆直接对应。

因此只是简单地使用投入与产出的晶圆数将很难反映每一种类型电路的真实良品率。

要得到CUM良品率，需要首先计算各制程站良品率（station yields），即以离开单一制程站的晶圆数比上进入此一制程站的晶圆数。

离开制程站晶圆数制程站良品率 = --------------------------进入制程站晶圆数将各制程站良品率依次相乘就可得出整体的晶圆生产CUM良品率。

晶圆生产CUM良品率 = 良品率（制程站1）X良品率（制程站2）X…X良品率（制程站N）图6.2列出了一个11步的晶圆工艺制程，与我们在第五章中使用的一样。

图中第三列列出了各制程站的典型良品率。

累积良品率列在第五列。

对单一产品来说，从制程站良品率计算出的CUM良品率与通过晶圆进出计算出的良品率是相同的。

也就是说对这一产品累积良品率与简单方法算出的CUM良品率是相等的。

工艺步骤晶圆进良品率* 晶圆出累积良品率1．场氧化物2．源极/漏极光刻3．源极/漏极掺杂4．栅极区光刻5．栅极氧化6．接触孔光刻7．金属层淀积8．金属层光刻9．合金金属层10．钝化层淀积11．钝化层光刻*所列良品率数值为特定工艺的典型数值图6.2 累积（晶圆生产）良品率计算典型的晶圆生产CUM良品率在50%到95%之间，取决于一系列的因素，我们接下来对此会做详细讨论。

计算出来的CUM良品率被用于计划生产，或被工程部和管理者作为工艺有效性的一个指标。

晶圆生产良品率制约因素晶圆生产良品率受到许多方面的制约。

下面列出了五个制约良品率的基本因素，任何晶圆生产厂都一定会对它们进行严格的控制。

这五个基本因素的共同作用决定了一个工厂的综合良品率。

1．工艺制程步骤的数量2．晶圆破碎和弯曲3．工艺制程变异4．工艺制程缺陷5．光刻掩膜版缺陷工艺制程步骤的数量从图6.2中看出要得到85.9%的CUM晶圆生产良品率，每个单一制程站良品率必须高于90%。

图表所示只是一个非常简单的11步工艺流程。

ULSI电路需要50到100个主要工艺操作。

到2012年，生产晶圆的主要工艺操作将达到600个。

1每一个主要工艺操作包含几个步骤，每一个步骤又依序涉及到几个分步。

能够在经过如此众多的工艺步骤后仍旧维持很高的CUM良品率，这一切显然应归功于晶圆生产厂内持续不断的良品率压力。

在如此众多的工艺步骤作用下，电路本身越复杂，预期的CUM良品率也就会越低。

工艺步骤的增加同时提高了另外四个制约良品率因素对制程中晶圆产生影响的可能性。

这种情况是所谓的数量专治。

例如，要想在一个50步的工艺流程上获得75%的累积良品率，每一单步的良品率必须达到99.5%！专治在此类计算中更进一步表现为CUM良品率决不会超过各单步的最低良品率。

如果一个工艺制程步骤只能达到50%的良品率，整体的CUM良品率不会超过50%。

每一个主要工艺操作都包含了许多工艺步骤及分步，这使得晶圆生产部门面临着日益升高的压力。

在图示的11步工艺流程中，第一步是一个氧化工艺。

一个简单的氧化工艺需要完成几个工艺步骤。

它们是：清洗、氧化、和评估。

它们中每一个都包含有分步骤。

图6.3中列出了一个典型的氧化清洗工艺所包含的八个分步骤。

每一个分步骤都存在污染晶圆、打碎晶圆，或者犯其它错误的机会。

工艺分步骤对晶圆操作次数1．将晶圆从片匣中取出并放入清洗舟中 22．晶圆清洗，漂洗，和烘干 13．将晶圆从清洗舟中取出，检查，并放入氧化舟中 24．将氧化舟从反应炉中取出05．将晶圆从氧化舟中取出并放回片匣中 16．将测量晶圆从片匣中取出并进行测量 2对晶圆操作总数8图6.3 氧化工艺的分步骤对于商用半导体来说，75%的晶圆厂CUM良品率是赚取利润的底线，自动化生产线则要达到90%或以上的良品率。

晶圆破碎和弯曲在晶圆生产过程中，晶圆本身会通过很多次的手工的和自动的操作。

每一次操作都存在将这些易碎的晶圆打破得可能性。

设想一下一片典型6英寸晶圆的厚度只有大约千分之25英寸。

操作员需要具有小心操作晶圆的技巧，自动化的操作台必须被维护在良好的状态以使晶圆被打碎的可能性减为最小。

对晶圆多次的热处理使得晶圆更容易破裂。

热处理造成的晶格结构上的损伤导致晶圆在后续步骤中增加破碎的机会。

在一个手动的工艺制程中，还有机会对一片破碎的晶圆进行后续生产。

可是自动化的生产设备只能处理完整的晶圆。

因此，晶圆如果破碎，不论破碎大小，整片晶圆将被拒收并丢弃。

如果操作得当，硅晶圆相对而言易于操作，并且自动化的设备已经把晶圆的破碎降到了一个很低的水平。

但是砷化镓晶圆就没有这么好的弹性，晶圆破碎是限制其良品率的主要因素。

由于砷化镓电路和器件具有很高的性能和高昂的价格，所以在砷化镓生产线上，对破碎晶圆的继续生产是可能的，特别是通过手动的工艺。

在尽量减少晶圆破碎的同时，晶圆的表面在整个生产过程中必须保持平整。

这一点对于使用光刻技术将电路图案投射到晶圆表面的晶圆生产至关重要。

如果晶圆表面弯曲或起伏不平，投射到晶圆表面的图像会扭曲变形，并且图像尺寸会超出工艺标准。

晶圆的弯曲主要归因于晶圆在反应管中的快速加热/冷却。

（第七章中阐述了对这一问题的解决方案。

）工艺制程变异在晶圆通过生产的各个工艺制程时，它会接受许多的掺杂、增层及光刻工艺制程，每一步都必须达到极其严格的物理特性和洁净度的要求。

但是，即使是最成熟的工艺制程也存在不同晶圆之间、不同工艺运行之间，以及不同天之间的变化。

偶尔某个工艺制程还会超出它的制程界限并且生产出不符合工艺标准的晶圆。

工艺制程的自动化所带来的最大好处就是将这种工艺制程变异减至最小。

工艺工程和工艺控制程序的目标不仅仅是保持每一个工艺操作在控制界限之内，更重要的是维持相应的工艺参数稳定不变的分布。

大多数的工艺制程都呈现为一个在数学上称作正态分布（normal distribution）的参数分布。

本书在第15章中对这个分布作出了解释。

这种分布也被称为中心极限分布（central theorem distribution），它的特点是大部分的数据点处于均值附近，距离均值越远，数据点越少。

有时一个工艺制程的数据点都落在指定的界限内，但是大部分的数据都偏移至一端。

表面上看这个工艺还是符合工艺界限，但是工艺数据分布已经改变了，很可能会导致最终形成的电路在性能上发生变化，导致达不到标准要求。

晶圆生产的挑战性就在于要保持各道工艺制程数据分布的持续稳定。

在整个晶圆生产工艺流程中，设有许多用来发现有害变异的检查和测试，以及针对工艺标准的周期性设备参数校准。

这些检测一部分由生产部门人员来执行，一部分由质量控制部门来执行。

所有这些检测以及工艺制程标准一定程度的变异。

工艺制程缺陷。

工艺制程缺陷被定义为晶圆表面受到污染或不规则的孤立区域（或点）。

这些缺陷经常被称为点缺陷（spot defects）。