自动集成电路的部分平均测试不够好

零件平均测试(PAT)在汽车行业应用已久。对于某些半导体技术，它仍然是可行的，而对于另一些半导体技术，它已经不够好了。

汽车制造商正惴惴不安地准备迎接在先进工艺节点上开发的芯片。到目前为止，他们对供应链的严格控制和对成熟电子工艺的依赖使他们能够以管理良好的方式增加电子部件。但是，随着汽车上使用的芯片数量从今天的数百个增加到未来的数千个，以及自动化水平的持续增长，它们正面临着一系列几乎没有先例的变化。

这包括使用最先进的工艺几何图形开发的逻辑芯片，以及需要球栅阵列取代线键合的新封装技术。虽然汽车制造商要求零缺陷，但其他人则担心由于零件平均测试而导致的汽车系统故障，这可能不足以对汽车中使用的所有芯片进行测试。

PAT在制造过程中使用统计控制限制来提高成品率和终端质量。在汽车行业，近30年来，工程师们一直将这一概念应用于电气测试测量行业。

“历史表明，具有异常特性的部件会严重导致质量和可靠性问题，”汽车电子委员会的PAT指南表示。“使用这种技术还可以标记过程变化，并提供快速反馈来源，以防止质量事故。”

至少这在机械系统和旧节点设备上是有效的，半导体数据分析和ATE供应商一直在帮助他们的客户应用PAT。但这对于车载人工智能系统来说足够了，这需要最先进的节点来实现车辆的实时决策。因此，产品和可靠性工程师正在转向更复杂的异常值检测技术，并增加了检查和测试的覆盖范围。

最近，KLA和SVXR等在线气象公司开发了更快的扫描技术，现在可以对晶圆和封装进行100%采样。因此，像PAT一样，人口统计现在可以应用于图像分析。

“汽车客户长期以来一直注重质量来吸引和留住客户，”福特汽车战略合作高级总监杰伊•拉瑟特表示心理契约．“他们的方法非常善于分析和积极主动，他们将同样的严谨带到半导体领域。如今汽车上的大部分汽车芯片都来自成熟的工艺。新的挑战是管理影响质量的许多复杂因素，因为他们集成了基于先进设计规则的尖端ADAS芯片。”

汽车硅技术及测试需求
虽然汽车行业的口号一直是“零缺陷”，但要实现这一目标却变得越来越困难。在选择整体测试策略时，工程师需要考虑广泛的半导体器件及其相关的测试成本。零缺陷是昂贵的，利润率也很低。

汽车中包含了广泛的半导体技术。这些技术具有不同的关键维度、故障机制和过程可变性。测试需求将根据这些因素中的任何一个而变化。例如，用于功率应用的大功率MOSFET与复杂的神经网络相比，其测试需求有很大不同。

图1:应用于汽车领域的多种硅技术，包括eNVM、逻辑主存(logic /MM)、混合模式RF (MMRF)、嵌入式高压(eHV)、双极CMOS- dmos (BCD)和CMOS图像传感器(CIS)/MEMS。来源:联华电子

其中一些变化是渐进的。例如，与纯粹的机械执行器不同，现在与执行器集成的传感器可以测量压力、温度、位置、气流和倾斜角度等属性。MEMS和模拟电路主导了这些传感器，因此它们不太可能在高级工艺节点上进行处理。

其他变化是革命性的，意味着电动汽车的自动响应将取代传统上由驾驶员处理的功能。这些革命性的变化激发了制造工艺的其他变化。这些变化包括:

• ADAS能力，需要先进的处理节点和具有数亿或数十亿个晶体管的设备;
• 无线功能，包括蓝牙和5G，以及
• 汽车电气化，增加了离散功率mosfet和电源管理ic的使用。

几乎所有的新车都有一些先进的芯片。2018年，AAA报告称，美国92.7%的新车至少拥有一项ADAS功能。随着每个自动化级别增加更多的功能，高级芯片和包的数量将成比例地增加。

这也意味着汽车制造商将越来越多地争夺领先晶圆厂和专业晶圆厂的产能。它们将与游戏设备、电脑和智能手机竞争，所有这些设备的容量都比汽车芯片大得多。它们还将竞争专用晶圆厂产能，这些产能往往以相对较低的产量运营，使用不同的材料。这将如何影响质量和在晶圆厂进行各种测试和检查的时间，以及足够的制造能力，仍有待观察。

图2:2021年硅CMOS产能。来源:IC Insights

电源管理就是一个很好的例子。与用于电源管理设备的CMOS技术相比，工艺技术的关键尺寸要大得多。意法半导体的BCD系列硅工艺用于高密度工艺节点的范围为0.32 μ m至0.11 μ m，而用于高压BCD的工艺节点范围为0.32 μ m至0.16 μ m。UMC的BCD技术节点范围为0.5 μ m至0.11 μ m。同样，射频技术的工艺节点范围从5 μ m到0.11 μ m。该技术还包括SiGe上的BiCMOS, GaAs和碳化硅。由于碳化硅可以承受恶劣的环境条件，设计工程师发现碳化硅器件很有吸引力，该器件在无线和电源管理模块中都有应用。

为了满足制造测试需求、当前车辆集成产品的多样性以及对先进技术的预测，没有一种方法可以适用于所有测试需求。对于测试和可靠性工程师来说，每一种产品/工艺组合都有独特的挑战，需要平衡成本/产量/质量三角形。PAT有时可能足够好，但其他人不行，目前这个分界线还不是很清楚。

部分平均检验
在汽车IC供应商公司，产品和可靠性工程师使用简单的异常值检测测试方法。与PAT工程师一起，利用单参数测量和统计方法来确定极限。基本上，即使DUT通过了数据表限制，如果超出了分布范围，该部分也会被标记为“失败”。它代表了从基于规范到基于缺陷的测试方法的转变。

图3:部分平均测试(参考AEC Q001_rev D)。来源:Anne Meixner/半导体工程

AEC的PAT指南提供了“去除异常部件的通用方法，从而提高按照AEC- q100和AEC- q101供应的部件的质量和可靠性……具体应用的方法可能与本指南中描述的不同，特别是在分布不正常的情况下。”这种衍生方法的使用可以有很好的统计理由。”

工程师根据生产材料的合理尺寸确定静态PAT极限。设定这样的限制需要仔细考虑分布和相关的统计指标(中位数与平均值)。所以静态PAT限制可以在测试程序中设置和编程，工程师就完成了。工程师可以在晶圆测试和最终测试中应用静态PAT。

“动态PAT具有基于晶圆或批的性能动态设置限制的优势，”该公司产量管理专家Carl Moore说yieldHUB．“通常，晶圆上的分布比一块或一组块的分布要紧凑得多。使用DPAT，您可以动态地设置晶圆分布的限制，并标记离群值。如果你有更大的限制来容纳多个晶圆或多个批次，那么你可能不会在多个晶圆或多个批次的更大分布中看到一个异常值。”

产品和可靠性工程师从静态PAT限制转向动态PAT限制有几个原因。

“IC供应商有动力转向动态PAT，因为静态PAT屏幕太粗糙，成材率太高。集成电路客户的动机是渴望更有效的筛选和更好的质量，”IEEE研究员和前德州仪器测试系统架构师Ken Butler观察到。

NI数据科学高级总监阿隆•马尔基(Alon Malki)对此表示赞同。他说:“使用异常值检测来降低油田收益是我们客户的常用方法。”“因此，利用DPAT进一步优化了检测边缘设备的能力。”

减轻工程师的负担
产量管理系统(YMS)，无论是idm内部的，还是第三方数据分析公司提供的，都支持工程师设置指导静态和动态PAT限制设置的算法参数。

Moore说:“YMS通过提供分析来支持工程师轻松地设置和运行他们的产品分析。“基本上，这个过程是运行一个模拟，然后设置配方以在生产中运行。一旦设置好，整个过程就会自动化，工程师不必花时间收集数据。”

工程师获得的历史数据越多，他们就越能理解他们可能选择的参数的可变性。

Malki表示:“NI解决方案允许工程师进行大规模的统计分析，以计算每次测试提出/调整DPAT限制所需的值。”“异常值检测平台具有对大量历史数据的模拟能力，允许工程师衡量所选配置的影响。”

然而，使用旧格式的测试器上的数据收集阻碍了容易应用动态PAT的能力。大多数编写测试程序的工程师使用通用记录格式进行参数测量STDF，这导致了很多不一致。两个SEMI标准，TEMS和RITdb正在取得进展。当它们完成时，它们将减轻目前为动态PAT准备数据所需的数据整理工作。

Roos Instruments首席执行官Mark Roos表示:“对于汽车行业，许多客户希望我们直接支持零件平均测试，这意味着每个测试程序都必须嵌入零件平均测试。“我们用RITdb演示了我们可以将零件平均测试移到测试器之外。每个客户对零件平均测试有不同的定义。RITdb让客户可以控制他们正在使用的质量指标，并让ATE供应商摆脱他们的障碍。”

当PAT无法交付时
这些标准肯定会有所帮助。但本着持续改进的精神，产品和可靠性工程师通过增加新测试或更多地利用现有参数测试数据来减少客户现场退货和零时间测试逃逸。

随着汽车行业采用更先进的CMOS工艺，他们可以利用这些节点为asic和复杂处理单元所做的工作。然而，这些依赖于使用多个参数，这增加了新的复杂性。

PDF Solutions人工智能解决方案副总裁Jeff David表示:“语义数据模型的采用和机器学习的进步，使组织更容易通过利用制造过程不同阶段生成的大型数据集来提高质量、性能和产量。”“在Exensio平台上，我们采用了使用多个变量的预测模型，可以比传统PAT更好地筛选坏模具。此外，我们还使客户能够将机器学习模型推向边缘，以便以更及时和安全的方式做出预测。”

然而，复杂性仍在继续增长。“工程分析表明，某些故障类别很难使用单变量方法进行筛选，”Butler说。“当这种情况发生时，多元变量是下一个合乎逻辑的步骤。多元变量的挑战在于可能的参数组合数量很大，所以你应该选择哪种屏幕?”

为了帮助工程师做出选择，所有提供YMS平台的公司都允许工程师模拟多元组合，其中最常见的是二维组合。此外，汽车IC供应商可以使用地理空间离群值预测模型来识别潜在缺陷。在晶圆级，这些是特别强大的预测技术。

由于更快的工具和更高的精度，物理检查也可以显著提高，这对覆盖范围有很大的影响。该公司研发副总裁Tim Skunes表示:“进行100%的检查和计量有几个好处CyberOptics．“例如，可能存在集群缺陷，这可能表明设备或工艺问题。可能会有重复的缺陷，这可能表明掩模/划线存在缺陷。”

最近发展的更快的光学扫描技术已经能够在关键层实现100%的晶圆采样。这些数据可以添加到任何YMS平台，用于分析产量损失问题。更重要的是，对于汽车行业，该技术可以在晶圆探针测试之前检测潜在缺陷。通过对所有晶圆进行扫描，工程师可以应用与电气测试相同的总体统计数据来识别异型晶圆。

KLA的Rathert说:“零件平均测试的传统解决方案是建立在电气测试的基础上的。“它已经演变成许多聪明的变种，以识别和消除危险死亡。但是由于潜在的缺陷和不可避免的测试间隙，泄漏仍然在发生。KLA的I-PAT(内联PAT)解决方案为模具进入/不进入决策带来了新的数据流，根据制造缺陷识别离群模具。这些模具中有许多最终会通过测试，但令人惊讶的是，有大量的模具没有通过测试——这引起了人们对它的很大兴趣，将其作为帮助达到十亿分之一逃逸率的补充解决方案。”

在他们2020年的SPIE论文中，KLA的作者描述了这项技术:“每个缺陷都根据其对各种‘地面真相’指标的影响赋予了一个权重。给定模具中所有缺陷在所有检查中叠加的综合影响被聚合到一个模具级指标中。将所有模具的模具级I-PAT指标绘制为帕累托图，可以使用公认的统计方法识别异常值。”

未来的发展方向
近20年来，汽车行业的半导体供应商一直在重复“零缺陷”的口号。然而，当代汽车包括各种不同的半导体技术。它们包括单功率mosfet，管理电子传动系统中的电源模块和神经网络处理器，以纠正汽车在车道内的漂移。

对于单变量异常值检测技术，静态和动态PAT对于汽车行业的半导体器件的大量子集仍然是可行的。但是，响应现场回报，努力实现零缺陷和理解可靠性机制，最终可能会促使与这一子集工作的工程师转向多变量异常值检测技术。

在过去的15年里，产量管理系统的发展减轻了实施PAT的工程负担。软件产品管理总监Mike McIntyre表示:“现代数据库/分析平台可以根据预先描述的，甚至是按需计算动态PAT结果。上的创新．“事实上，一个系统可以负责对正确的材料确定和应用正确的一组限制，从而消除了工程师的很大责任。”

潜在缺陷仍然是产品制造供应链上所有工程师面临的挑战。先进的离群值检测技术已经应用于一些汽车集成电路器件。晶圆扫描技术的进步承诺了额外的功能。

所有的产品和质量工程师都很欣赏这种能力，能够更精确地识别出哪些缺陷将对客户产生最大的影响。在利润一直处于压力之下的汽车行业，所使用的测试技术通常归结为成本——设备、时间、产量和质量。

那么PAT会消失吗?“很少有测试方法会‘消失’，但它们通常会被更新/更好的方法所补充，”IEEE的Butler说。“举个例子，用过渡测试来补充固定测试。有观点认为，细胞感知技术可能会消除传统的卡住和过渡测试，但如果这种情况发生，将需要很长时间。我对PAT等筛查方法也有同样的想法。因此，我同意PAT将无限期地继续使用。但随着更复杂、更高效和更有效的方法上线，它所应用的制造量的比例将随着时间的推移而下降。

相关的
使用Fab传感器减少汽车缺陷
Fab传感技术与分析技术相结合，为提高汽车的可靠性提供了一条途径。
寻找故障汽车芯片(2018)
通往零缺陷的道路需要一些新的策略。
汽车测试进入系统
确保安全关键系统继续运行是复杂但必要的。
好到可以用生命打赌的筹码
专家:改进汽车半导体的策略。