当前位置：文档之家 › 基于DOE与RSM提升半导体测试良品率的方法

基于DOE与RSM提升半导体测试良品率的方法

  • 格式：pdf
  • 大小：1.31 MB
  • 文档页数：5

Ｌ—一测试　巾国集成电路　Ｃｈｉｎａ　Ｉｎｔｅｇｒａｔｅｄ　Ｃｉｒｃｕｉｔ　

基于Ｄｏ　Ｅ与ＲＳＭ　

提升半导体测试良品率的方法　

刁维虎　（飞思卡尔半导体有限公司）　

摘要：通过ＤＯＥ与ＲＳＭ的方法，利用Ｍｉｎｉｔａｂ软件，对Ｉｃ测试参数进行优化。本文以Ｆ芯片的高端驱动　限制电流为例，利用ＤＯＥ与ＲＳＭ对高端驱动限制电流测试项建立生产测试模型，对限制电流微调参数　进行优化，从而改善了高端驱动限制电流的质量特性，提升了芯片良品率。　关键词：ＤＯＥ；ＲＳＭ；高端驱动限制电流；微调　

在混合信号集成电路中，因制造工艺的不确定　性因素，一般很难保证精确的电阻值。在集成电路中　厚膜电阻变化范围为±２０％，薄膜电阻＿般：变化±１０％。　为降低工艺波动和失调对电路的影响，微调技术已　经应用到各种模拟电路设计中［１＿。业界常用到的微调　方法包括激光微调，熔丝微调，齐纳二极管微调，　ＯＴＰ和ＮＶＭ微调等『２１。在最终测试时（Ｆｉｎａｌ　Ｔｅｓｔ），　由于测试环境的影响，如机器手的阻值、自动测试设　备的信号稳定性、芯片对信号的反应等，都会造成芯　片的微调参数漂移，从而影响芯片测试良品率。　实验设计（ＤＯＥ）和响应曲面方法（ＲＳＭ）是以　数理统计理论为基础处理多变量问题的一套有效方　法，最初应用在物理实验领域［３Ｊ，近年来，以响应曲面　方法和实验设计相结合的方法被认为是一种有效的　统计设计方法，在电子器件的优化设计领域取得了　广泛应用　。　本研究使用统计分析软件Ｍｉｎｉｔａｂ，应用实验设　计（ＤＯＥ）和响应曲面方法（ＲＳＭ），以某Ｆ芯片的　高端驱动限制电流为例，对限制电流微调参数进行　优化，改善了高端驱动限制电流的测试值，使得其质　量特性更加稳健，而且提升了芯片测试良品率。　

１　改善前Ｆ芯片高端驱动　限制电流在最终测试中的状况　

高端驱动限制电流测试项是Ｆ芯片测试中最严　重的失效项，该项次品的值超出其测试的上界限，大　概占到６％的良品率损失。该测试项与限制电流的　微调有着直接联系，限制电流微调的输出结果直接　影响着高端驱动限制电流的测试值。为便于衡量试　验结果，随机抽取一批Ｆ芯片ｌ０ｔ　Ａ，从中随机抽取　５００颗料进行数据收集，得到高端驱动限制电流的　分布如图１所示。高端驱动限制电流的数值明显偏　向并有部分超过测试上限。因此制程能力指数Ｃｐｋ　值比较低，仅有０．３９（标准Ｃｐｋ＞１．６７）。Ｃｐｋ可以反　映制程合格率的高低，其计算公式为Ｃｐｋ＝ｍｉｎ　『（ＵＳＬ一　）／（３　），（　一ＬＳＬ）／（３　）】，ＵＳＬ和　ＬＳＬ分别为规格上限和规格下限，　和仃分别为　

ｈｔｔｐ：Ｉｌｗｗｗ．ｃｉｃｍａｇ．

ｃｏｍ

合集下载

doe方法

doe方法

doe方法

DOE方法。

DOE（Design of Experiments）方法是一种通过系统性地设计实验来获取最大信息量的方法，它可以帮助我们在最小的实验次数下获得最多的信息，从而有效地降低产品开发成本和时间。在本文中，我们将介绍DOE方法的基本原理、应用场景以及实施步骤，希望能够为您在实际工作中运用DOE方法提供一些帮助。

DOE方法的基本原理是通过设计合理的实验方案，充分利用有限的实验资源，获取最多的信息。在实际应用中，我们常常面临着多个影响因素的复杂关系，而通过传统的试错法很难找到最优解。而DOE方法则可以通过系统性的实验设计，帮助我们找到最优解，从而提高产品质量和生产效率。

DOE方法的应用场景非常广泛，包括但不限于产品设计、工艺优化、质量改进等方面。在产品设计阶段，我们可以利用DOE方法来确定最佳的产品参数组合，从而提高产品性能；在工艺优化中，DOE方法可以帮助我们找到最佳的工艺参数组合，提高生产效率和降低成本；在质量改进方面，DOE方法可以帮助我们找到影响产品质量的关键因素，并进行优化。

实施DOE方法的步骤主要包括确定实验目的、选择实验因素和水平、设计实验方案、进行实验、分析实验结果、建立模型和优化方案。在确定实验目的时，我们需要明确我们希望通过实验获得什么信息，比如确定最佳参数组合、寻找关键影响因素等；在选择实验因素和水平时，我们需要确定影响结果的因素，并确定每个因素的不同水平；在设计实验方案时，我们需要选择合适的实验设计方法，比如正交设计、因子水平设计等；在进行实验时，我们需要按照设计方案进行实验，并记录实验数据；在分析实验结果时，我们需要通过统计分析等方法来得出结论；在建立模型和优化方案时，我们需要根据实验结果建立模型，并进行参数优化。 总之，DOE方法是一种非常有效的实验设计方法，可以帮助我们在最小的实验次数下获得最多的信息，从而提高产品质量和生产效率。希望本文对您在实际工作中应用DOE方法有所帮助。

doe分析

doe分析

doe分析

标题：DOE分析：提升工业生产效率的有效策略

导言：

DOE(Design of Experiments)分析是一种通过设计、实施和分析实验来优化和改进产品或过程的方法。DOE分析是一种系统而有效的统计方法，它能够帮助企业找到影响工业生产效率的关键因素，并基于实验数据提供最佳优化策略。本文将探讨DOE分析在提升工业生产效率中的应用，以及如何利用DOE分析来优化关键工艺参数和减少不确定性。

第一部分：DOE分析的基本概念与原理（500字）

DOE分析是一种系统的、方法性的实验设计和数据分析方法。其基本原理是通过设计并且施加一组实验条件，然后观察和测量特定响应变量的变化情况，以确定影响该变量的关键因素。DOE分析通常涉及对多个因素进行研究，并控制其他非关键因素的影响，以便确定影响结果最为显著的因素。

第二部分：DOE分析在工业生产中的应用（1000字）

DOE分析在工业生产中具有广泛的应用。首先，DOE分析可以用于优化工艺参数。通过对多个因素进行实验和统计分析，DOE分析可以帮助企业确定最佳参数组合。例如，一家电子公司希望提高电池的寿命，可以通过DOE分析确定最佳的电压、温度和湿度组合，以延长电池的使用寿命，提高产品质量。

其次，DOE分析可以用于识别关键因素。在工业生产中，往往存在着多个因素同时影响产品质量或生产效率。通过DOE分析，可以确定影响结果最为显著的因素，以便在生产过程中加以控制和优化。例如，一家化工企业希望提高某种化学产品的产量，可以通过DOE分析确定影响产量的关键因素，如温度、反应时间和反应物浓度，并制定相应的控制策略。

第三部分：DOE分析的步骤与方法（1000字）

DOE分析包含以下几个关键步骤。首先，明确目标和研究范围。确定需要优化的目标变量和关键因素，明确研究的范围和约束条件。

其次，设计实验方案。选择适当的实验设计方法，确定实验变量的水平和组合。常用的实验设计方法包括全因子设计、正交设计和Taguchi方法等。

DOE在A公司中提供产品良率的应用案例

DOE在A公司中提供产品良率的应用案例

1 / 2 DOE在A公司中提供产品良率的应用案例-企业管理论文

DOE在A公司中提供产品良率的应用案例

李斌

（上海理工大学管理学院MBA硕士研究生，上海200093）

摘要：DOE（DesignofExperience）（实验设计）现已广泛应用于优化业务流程、技术开发和产品开发中，并发挥了很大的作用。它是全球追求卓越的企业实施六西格玛战略的核心技术。本文介绍了实验设计（DOE）在提升洗衣机电机良率如何分步骤应用，并最终确定生产过程的相关参数，以取得电机良率的提升。

关键词 ：实验设计；结构设计；六西格玛

中图分类号：TS02 文献标志码：A 文章编号：1000-8775（2015）04-0173-02

收稿日期：2015-01-20

作者简介：李斌（1980-），男，山西大同人，上海理工大学管理学院MBA在读。研究方向：运营管理。

实验设计（designofexperiment，DOE）是一种安排实验和分析实验数据的数理统计方法。实验设计主要对试验进行合理安排，以较小的试验规模（试验次数）、较短的试验周期和较低的试验成本，获得理想的试验结果以及得出科学的结论。[1]同时DOE已广泛应用于机械结构设计中，通过合理的策略和试验来确定结构参数，并达到最佳的结果。

DOE有助于实验者理解每种水平设置下的改善，不同设置的DOE不仅有助于计算出来主因子的响应，还能计算出因子交互影响的响应和知道因子的水平设置应该是如何才能保证最佳的结果，[2]所以在许多结构设计中，它能很大程度上填补由于无法用模拟设计的情形。本文介绍的实例是关于如何提升洗衣机电机的良率，在不改变设计的情况下如何通过调整过程的参数而达到提升的目的。接下来介绍一下如何分步骤应用DOE来达到提升目的。

一、DOE的应用实例

第一步，定义目标.目标一定要是可定义和可测量的。在这个例子中，需要了解现有不良率及在不改变设计的前提下如何通过工程的调整可达到提升电机良率的目的。此目标要有改善的挑战性（投资回报要高），且改善后并能够符合其他性能安全要求。[3]本例为改善电机的振动值，改善前不良率为5000ppm，目标为50%减少，及3500ppm.为该参数的测试系统。

半导体外延工艺的良率提升

半导体外延工艺的良率提升

半导体外延工艺的良率提升

在半导体产业中，良率分析一直是个热门话题。投资方几十亿的资金投在晶圆制造的设备上，

谁都希望能够快速收回投资成本。而对于技术部门来说，加速良率学习并提高良率是一项重要的

工作。

如果要维持一定的竞争力，就至少要求不能增加浪费在寻找和改正制造问题的时间。谁能把

良率提高10%，就可以替企业省下一年数亿的资金。由于半导体工艺的高度复杂性，往往需要

依托统计分析技术，才能突破良率提升的瓶颈，这一点在很多国内外先进的高科技企业中已经达

成了共识。

例如，某全球知名的半导体公司上海厂在外延沉积的工艺处理中，OOC Rate（失控率）极

高，平均水平仅为30%左右，导致生产周期拖长，严重影响了该厂的生产能力，对月产3000

片的要求造成极大威胁；而且增加了额外的生产成本，严重影响公司的既定利润目标的实现。因

此，该厂领导下决心建立专案小组来解决多年来一直没有解决的顽症，改进这方面的工作。

图一 外延的工艺流程图 晶圆制备中的外延基本工艺流程如图一所示，根据对OOC Rate的初步分析发现，缺陷

主要来源于RS（表面电阻阻值）、RS UNIF（表面电阻均匀性）、THK（厚度）和THK UNIF

（厚度均匀性）四大类型。再深入研究下去，发现影响这四大缺陷类型的潜在原因有很多，诸如Big etch、Wrong Wafer、MFC usage、Slit purge等等，通过在工业界内常用的鱼骨形式

得到如图二所示的定性分析结果。 清洗 外延 清洗 YE 检测

进片升温 外延沉积 腔体清洁 降温出片

氢气purge 腔体coat 图二 Low OCC Rate的鱼骨图分析

虽然我们可以根据工程技术中的已有经验排除一些次要的原因，明确一些重要因子的设置。

但是实在无法对H2 main（即Main Flow）、H2 split（即Slit Purge）和MDOP3（即Dope Gas Flow）这三个关键因子做出明确的设定。怎么办？还是得借助统计建模与预测来实现。