開始玩

← fab24hr 專欄

晶圓廠裡約 5 分鐘

晶片越大,良率為什麼越低?缺陷密度、良率模型與良率怎麼提升

晶片越大,良率越低,是因為缺陷像灰塵一樣,隨機落在晶圓上:一顆晶片只要被一顆會致命的缺陷砸中就壞了,面積越大,被砸中的機會越高。最簡單的算法是:良率約等於 e 的負(晶片面積 × 缺陷密度)次方。

良率是什麼、為什麼一路乘下來到不了 100%,「新聞說的「良率」是什麼?」用烤餅乾講過了;這篇往下講一層。

缺陷密度是什麼?

晶圓上總會落下一些小到看不見的東西:微粒、殘渣(見「缺陷檢測是什麼?」)。落在不要緊的地方,晶片照樣能動;剛好讓一條線斷掉、兩條線接在一起的,才是「致命」的缺陷。

缺陷密度,就是平均每一塊面積上有幾顆致命的缺陷,常用「每平方公分幾顆」來算,也常寫成 D0。它說的是這條生產線做得多乾淨、多穩。

晶片越大,為什麼越容易被砸中?

想像同一片晶圓上,隨機落下 100 顆致命的缺陷:切成 1,000 顆面積小的晶片,平均每顆分到 0.1 顆;切成 100 顆面積大的晶片,平均每顆分到 1 顆。

平均 1 顆,不代表每一顆都中:有的中了兩三顆,有的一顆都沒中,沒中的才是好的。算這個機會,教科書上最簡單的是卜瓦松模型:

良率 ≈ e 的負(晶片面積 × 缺陷密度)次方,寫成算式是 Y ≈ e^(−A×D0)

e 是數學上的一個常數,大約 2.718;「面積 × 缺陷密度」就是平均每顆晶片分到幾顆缺陷。代進去算:

一片切成幾顆平均每顆分到幾顆缺陷好的約幾成好的約幾顆
1,000 顆(面積小)0.190%905
400 顆0.2578%312
200 顆0.561%121
100 顆(面積大)137%37

(示意的數字,不算晶圓邊緣放不滿的地方。)

晶片大 10 倍,一片少放 10 倍,好的卻少了二十幾倍(905 顆變 37 顆),所以大晶片每一顆好的貴得特別快(見「晶片為什麼這麼貴?」)。把大晶片拆成幾顆小晶片(chiplet)、各自測過再包在一起,原因之一就是小的良率高(見「新聞說的「先進封裝」是什麼?」)。

這個算法準嗎?

它是起點。真實的情況,常要多想兩件事:

  • 缺陷常聚成一團:好幾顆擠在同幾顆晶片上,旁邊的反而躲過,所以大晶片的良率常比上面算的好一點;工程師會改用多一個「聚得多集中」的模型。
  • 有些壞法不是隨機的:某一站的條件偏了、光罩上有髒點、搬運時刮傷,壞的會排成一圈、一格一格或一道弧線,不照上面那個隨機的算法走。這叫系統性的問題,要另外算。

良率有哪幾種?

一顆晶片從投片到出貨,常在三個地方算良率(叫法和分法各處不一,下面是常見的一種):

良率什麼時候算算的是
晶圓廠良率(line yield)晶圓廠做完投進去的晶圓,有幾成沒在中途報廢
針測良率(CP)晶圓做完、切開之前晶圓上的晶片,有幾成針測是好的
成品測試良率(FT)包好之後包好的晶片,有幾成成品測試過關

三個乘起來,才是最後能出貨的比例:假設是 95%、85%、98%,乘起來約 79%。「良率是什麼」那一篇講的,主要是第二種。看到良率數字,先問是哪一種、多大的晶片(兩次測試,見「晶片怎麼測試?」)。

新製程的良率,怎麼一步一步爬上來?

新製程、新晶片剛開始試產,良率常常很低。一段一段把它拉上來,叫良率學習,畫成圖就是新聞說的「良率爬坡」。一輪大致這樣走:

第 1 步:把壞的分類,排出最多的那一種

做什麼:針測完,壞的照壞法分進不同的 bin,由多到少排成長條圖(柏拉圖)。為什麼:人手有限,先解決最多的那一種,良率漲得最快。不這樣:每一種都碰一點,哪一種都沒做完。

第 2 步:看壞在哪裡,縮小範圍

做什麼:把最多的那一種畫成晶圓圖,對照中途的缺陷檢測和 WAT。為什麼:散得沒有規律的像隨機的微粒;排成一圈、一格一格的,常指向某一站、某台機台或光罩(見「WAT 是什麼?晶圓圖怎麼看出哪裡出錯」)。不這樣:只知道「壞了一成五」,不知道去哪一站找。

晶圓圖怎麼看的示意圖:三片晶圓上排滿方形的晶片,好的和壞的用不同顏色。第一片壞的散得沒有規律;第二片壞的集中在邊緣一圈;第三片每一個曝光格子的同一個位置都壞一顆,排成整齊的格子。
晶圓圖把每一顆晶片的好壞照位置畫出來。壞的散得沒有規律,比較像隨機落下的微粒;排成邊緣一圈或整齊的格子,常指向某一站、某一台機台或光罩。

第 3 步:找到原因、改掉,再證明有效

做什麼:查壞的那幾片共同走過哪一台機台,必要時切開來看;改條件、修機台或換光罩。為什麼:形狀只是線索,改了也要看下一批的數字回來沒有。不這樣:可能改錯地方,或碰巧好了一批,就以為修好了。

第 4 步:回到第 1 步,處理下一種

做什麼:最多的那一種解決了,換排第二的,再來一輪。為什麼:每解決一種,良率就爬一段;一開始常有幾個大的系統性問題,越往後,剩下的越小、越難找,其中不少是隨機的缺陷,主要靠讓整條線更乾淨、把缺陷密度一點一點壓下來,所以越爬越慢。不這樣:良率爬到一半就卡住。

哪一種錯,會在哪裡露出來?

每一輪最花時間的是等結果:一片晶圓從投片到針測,要好幾週到幾個月(見「一片晶圓要做多久?」)。所以中途的量測和缺陷檢測很重要:越早看到,越早能改。下面是示意的對照(真實的一種錯,常在好幾處都留下線索):

出了什麼錯最早在哪裡看到再往後會看到
植入的原子打少了監控片的片電阻偏高WAT:開關在多少電壓打開,偏了
研磨磨過頭磨完量厚度,太薄導線的電阻變高
上下兩層沒對準黃光之後的疊對量測洞沒對上,電阻變大或不通
接觸窗沒刻到底中途不容易看見WAT:一長串接觸窗電阻變高或不通
微粒落在晶圓上缺陷檢測晶圓圖上散得沒有規律的壞晶片
一個沒壞透的小毛病測試都過用一陣子才壞;預燒能先把它挑出來

良率差,買到的晶片會比較容易壞嗎?

會多一點,但不是最主要的影響。出貨前每一顆都測過,壞的大多被挑掉了,所以良率差,最直接的影響是每一顆好的變貴、答應的數量可能不夠。

不過要補一句:有些缺陷沒大到讓晶片馬上壞,只留下測得過、卻比較脆弱的小毛病,用上幾天、幾週才壞,這叫早期失效。研究發現,良率差的晶圓上,測過關的晶片後來早期失效的也比較多;壞的特別多的那一區,旁邊測過關的也是。所以要求高的產品會多篩一道:例如預燒(見「預燒是什麼?」),或把良率明顯比平常差的晶圓另外處理。

在 fab24hr 裡

主線「晶片的一生」第 3 章「壞的形狀」,你是研發線的研發整合工程師。助聽器晶片「螢火」第一批 R-0912 針測完,電性量測室的曉雯把三張晶圓圖排在螢幕上,你要一張一張點出不對勁的形狀:第 3 片的邊緣一圈(偏快,不是壞)、第 8 片起的一格一格(跟著光罩走)、第 11 片的一道弧線(搬運時刮到)。三種都不是隨機的灰塵,是找得到原因的系統性問題。

下午的光罩會議,欣怡想在晶片裡留兩格自己的測試鍵,王經理說:「兩格,晶片面積多 2%。客戶會問。」遊戲裡沒有往下算;照這篇的算法,面積多一點,一片放得少一點,被缺陷砸中的機會也多一點。

在「打工人的一天」的「今天你是」卡片上點「量產廠」、左右滑到製程工程師,名字下面點「蝕刻」,桌上有一份排在今天的良率改善分析;午班回座位打開它,上次存檔是三天前,今天的進度:4 分鐘。

遊戲裡的公司、晶片、人物、批號和數字都是虛構的;缺陷密度、良率模型和良率學習照公開的一般資料寫,表裡的數字是示意。其他行話可以到「半導體晶圓廠的行話,白話解釋」查。

在遊戲裡你會在哪裡遇到它主線「晶片的一生」第 3 章「壞的形狀」:研發線第一批針測完,你要在三張晶圓圖上點出邊緣一圈、一格一格、一道弧線;光罩會議上,多留兩格測試鍵,晶片面積就多 2%。當量產廠的蝕刻製程工程師,桌上有一份排在今天的良率改善分析。

在 fab24hr 裡,三張晶圓圖、三種壞的形狀:邊緣一圈、一格一格、一道弧線,各自指向哪裡,由你看出來。

玩第 3 章「壞的形狀」,從三張晶圓圖找原因

給老師:這一篇可以搭配「在課堂上玩 fab24hr」用在課堂上。

引用這篇〈晶片越大,良率為什麼越低?缺陷密度、良率模型與良率怎麼提升〉,fab24hr,更新。https://fab24hr.com/blog/yield-learning/
課堂與非營利可以免費使用,投影、放進講義、印給學生都可以,請註明 fab24hr;不能販售,也不能改成自己的作品。 看到錯誤?回報問題

其他文章

這個網站的其他頁