13 FMACOSMETIC.docx
《13 FMACOSMETIC.docx》由会员分享，可在线阅读，更多相关《13 FMACOSMETIC.docx（19页珍藏版）》请在冰点文库上搜索。
13FMACOSMETIC
FMA工艺培训教材
（Cosmetic）
作者：
谭志辉
1.失效模式分析（FMA）概论
2.成品率理论
3.颗粒及缺陷控制
4.颗粒及缺陷检测
第一章失效模式分析（FMA）概论
描述：
在所有产品设计、制造及使用过程中会遇到各种各样的问题，比如出现的异常及功能失效、可靠性不高等情况，简而言之，失效是指正常的产品，在经过一定时间的试验或使用后，其对应的参数及期望特性、功能出现不能符合要求的情况。
为了能够找到出现产生问题的根本原因及从而采取预防措施，需要对于问题及产品的后续失效进行专门的分析，从而避免此类事情再次发生，保证产品的质量，以满足产品的可靠性要求及客户满意度。
此即失效模式分析（FailureModeAnalysis）的基本功能。
失效分析对失效器件、工艺等进行分析检查，找出失效发生的原因，从而为改进、提高半导体产品质量、可靠性起了很重要地作用。
引言：
许多年来，失效模式分析已经成为工程设计不可分割的一部分。
在很大程度上，失效模式分析是空间技术及汽车工业不可或缺的工具。
在美国，政府机关（如美国空军及海军）要求他们的系统使用失效分析的方法以保证安全及可靠性。
需要说明的是，汽车工业已经将失效分析的方法应用到其设计及生产过程中。
虽然失效分析的种类（设计、工艺及设备）及分析存在差异，但是它们却有相同的一点，即：
在问题发生之前解决潜在的问题。
现在，随着半导体工业的精细化运作及技术水平的不断进步，失效分析已经成功的运用到半导体工业的设计、工艺开发、生产及后续应用上。
失效分析在半导体工业的应用
二十世纪，随着工业界质量意识的提升，失效分析首先在美国的汽车工业予以运用。
福特汽车公司要求他们的供应商在所有的设计及工艺过程中使用失效分析的方法。
随后，福特汽车的供应商--德州仪器、英特尔公司将失效分析的进一步培训设置到他们的教育项目中。
对于失效分析的强调在日本的质量系统发展过程中的许多刊物中得到了体现。
在二十世纪八十年代末期，日本的半导体设备生产工业就开始试验使用失效分析地方法进行预测及提高可靠性。
在日本电气公司（NEC），失效分析已经成为最重要的设计新的设备过程中提高可靠性的因素。
1990年，失效分析成为NEC的标准设备设计文件的一部分。
失效分析的方法使得NEC的设备设计部门在设备设计方面积累了经验及防止失效的信息用来反馈到新设备的设计工程。
在当今的竞争激烈的半导体业，半导体相关的厂商（包括材料、设备、设计及生产、应用）都要求他们相应的供应商着手于失效分析的工作，以减少相应环节的失效，从而提升自身产品在国际市场的竞争力。
半导体工业的失效模式分析包括：
失效模式及分布、失效模型、失效机理、失效分析的工作内容、方法与步骤，以及常用微分析技术的基本原理、方法与特点。
工艺指明方向，所以说，失效模式分析在半导体工业中起着重要地作用。
失效分析的目的：
在半导体产品的生产过程中，为了保证产品的质量及可靠性，存在一些检查及类似的筛选工作，但是单纯的使用上述方法是消极的行为，只能等待异常及失效存在后才知道问题，并且提高不了可靠性，浪费了时间及材料。
而运用失效分析的方法，积极主动的寻找失效原因，可以从根本上降低失效率，提高产品的可靠性，因此，失效分析的工作是一项重要而有意义的事情。
当潜在的失效被确定下来，就需要预防性措施以持续减少或消除潜在问题的发生。
失效分析也为生产工艺的选择规定了基本原理，它为某一确定的系统提供了有系统化的、重要的潜在失效模式及相关的原因的分析。
经过失效分析，旧的问题解决了，新的问题肯定又会产生，继续进行失效分析，如此的反复循环，保证可靠性的不断提高。
失效分析的应用范围：
失效模式分析可以应用在使用的软件及硬件的分析上，也适用于设备及工艺上，基本上几乎所有的领域都可以采用失效模式分析的分析方法。
什么时候进行失效分析？
失效分析过程在以下情况下予以启动：
1．问题出现时
当问题出现时，失效分析过程需要立即启动，首先需要解决出现问题，然后提供出现问题的预防性措施，避免再出现类似问题。
2．工艺及产品优化时；
当生产工艺及产品需要
3．质量提高需求时。
谁进行失效分析？
对于失效分析，每一个工程师，不管是设计、生产、制造及工艺、测试、应用、安全等专业都可以参与进行分析工作。
因此，在失效分析的工作中，如果需要，上述人员都可以加入失效分析的队伍中。
CSMC-HJ失效分析现状
对于CSMC-HJ来说，已经拥有许多先进的分析仪器及分析手段。
怎样有机的将这些方法熟练掌握并能灵活运用，这是对每一个做失效分析的工程师所要考虑的主要问题。
CSMC-HJ的分析手段的简图如下所示。
CSMCAnalysis&ImprovementSystem
In-lineDATA
IVtestDATA
ProbeData（customer）CosmeticDATA
在线异常分析步骤
用以下流程图来简要说明在线异常分析的步骤。
第二章成品率理论
对于任何一个生产机构，都希望自己的产品符合一定的规范，使自己的顾客对产品满意，同时也可以保持自身的经济收益得到提高，减少不必要的材料、人力、时间等资源的浪费。
然而，在实际生产的过程中，由于设计、工艺、设备等问题，使得生产出来的产品并不是所有的都属于符合即定规格的产品。
那么就涉及到成品率的问题。
简单的说，成品率是指在生产出的合格产品在所生产的产品中的比值。
提高成品率，对于生产部门或者其他任何一个机构，都有着重要的意义。
在半导体芯片生产线上，由于分工的精细化，不同的部分，其成品率的定义捎有差异，但本质是一致的。
为了简单起见，我们只将范围放在半导体生产的前道工序上，对于圆片加工工厂，成品率的计算只会到参数测试部分。
半导体生产的前道工序一般是指，从硅圆片投入到生产线上开始至半导体圆片生产结束后，到中测进行功能测试的过程。
在此过程中，有以下几个成品率概念会使用到：
1．在线成品率：
在线成品率=进入参数测试的圆片/投料的所有圆片数*100%
在线成品率体现了在线的生产控制能力（如操作、工艺及设备异常的情况），包括生产线上的。
如果在该部分出现的问题少，因此进入参数测试部分的圆片就多，反之则少。
2．参测成品率：
参测成品率=通过参数测试的圆片/进入参数测试的圆片*100%
由于在生产线上无法将所有的工艺情况及时的在非电学测量上反映出来，就需要使用电学的方法测试出来。
参数成品率反应了工艺生产线上工艺的控制能力及工艺稳定性。
当参数测试表明某一参数出现变化时，说明了其对应的工艺步骤出现问题。
对于圆片加工工厂来讲：
成品率=在线成品率*参测成品率
3．中测成品率
中测成品率=通过功能测试的芯片/通过参数测试的圆片上的芯片
成品率理论基础
为了预测并提高成品率，找到成品率与各个工艺段的关系。
国外半导体业内科技人员对于成品率提出了许多模型，其中包括以下几种常用的模型：
1．Poisson模型
2．Murphy模型
3．Seeds模型
4．Bose-Einstein模型
5．负二项式模型
以上所有的模型都有其相应的优缺点。
Poisson模型中，它假定缺陷密度在每个圆片上及每个圆片间都是均匀的。
根据此模型得出
Y=e-AD0，该成品率模型是使用最简单的模型。
对于在一个芯片上，检查到了一定数目缺陷的可能性k，芯片的成品率如上表所示分布。
在相应的模型公式中，D0即缺陷密度，是指圆片上所有缺陷的总和与芯片面积之间的比值。
对于某一给定成品率方程，成品率即在芯片区域出现0缺陷的可能性。
Poisson模型用于成品率分析时，会低于实际的成品率，因为在实际中，缺陷的分布不会象想象的那样在圆片上均匀分布，而是圆片与圆片之间有所不同，圆片上的芯片之间又有不同。
所以，需要在Poisson模型中加入F（D0）函数，将上述差异考虑到成品率分析中。
Murphy模型中，它假定缺陷在各个圆片内及圆片间的分布都是不均匀的，而是按高斯分布。
根据此模型得出Y=[（1-eAD0）/AD0]2。
如使用Murphy模型，小管芯的芯片的成品率往往也低于实际成品率。
Seeds模型假定缺陷在各个圆片内及圆片间的分布是不均匀的；它还假定大的缺陷出现的概率低，小缺陷出现的概率高。
用此模型得到的成品率为Y=e-√AD0。
Seeds模型可以很好的预测成品率，但是如果使用的工艺技术对于尺寸的适应性较大时，此模式与实际的成品率分布将匹配不好。
负二项式模型使用一个聚集因子，a，用它来从所有的随机缺陷中分隔开来估计致命缺陷的趋势。
成品率模型表示式为Y=1/（1+AD0/a）a。
A的数值越小，说明D0的聚集程度及变化程度越高。
几种成品率分析模型的表示式及特征曲线如下图所示。
在以上使用分析模型中，Bose-Einstein模型是最优化的模型，并且将成品率与缺陷层次挂钩，但是缺点是，对于所有的缺陷层次，都使用相同的缺陷密度，而事实上并不是这回事。
所有以上的模型中，Seeds模型是预测最不满意的模型。
以下我们使用Bose-Einstein模型来讨论以下几个问题。
Yield=Y0*{1/（1+EA*F1*D0）}N1**{1/（1+EA*F1*D0）}N2*……
1．缺陷密度：
在上式中，每个乘积因子中都有D0，即缺陷密度。
D0定义为单位面积上的缺陷数。
缺陷包括结构上的异常，比如在加工过程中出现的颗粒而导致连条、断条等，同时也包括颗粒问题等。
2．芯片的有效面积
对于同样大小的缺陷密度，大管芯的圆片与小管芯的圆片相比，成品率要低。
即，管芯越小对于缺陷的容忍度越高。
所以在实际的生产中可以发现大管芯的成品率的控制较小管芯的成品率控制要困难。
3．关键系数
对于同样的缺陷密度，不同的层次也有不同的容忍度，比如：
在铝2层次上，铝的密度要稀疏些，而铝1层次的密度要密集些，因此，同样的缺陷密度，铝1上的缺陷对于成品率的影响要高于铝2上成品率的影响。
因此，关键性系数是与层次相关联的。
总之，就一个稳定的工艺来讲，严格的控制圆片的缺陷密度，对于圆片的成品率的持续提高具有很重要的意义。
第三章颗粒及缺陷控制
在第二章，我们提到，圆片上的颗粒及缺陷对于圆片的成品率有很大的影响，那么，究竟颗粒与缺陷怎样影响圆片的成品率的呢？
为了说明该问题，我们来看一下颗粒及缺陷等问题的沾污源。
在半导体的生产过程中，圆片表面沾污沾污源可以粗略分为：
人，化学液体及工艺气体、空气、工艺设备。
在现代化的生产厂房中，人与化学液体的影响基本已经得到控制，设备已经成为此类沾污的主要因素。
●人的因素
在人的身上，每分钟能够产生大于0.3um的颗粒大约为10，000个，在运动状态下（包括走动、跑步、甩手等动作），即使穿着净化服，依然能够产生大量的颗粒。
在表一中，列出了在净化间的不同动作产生的颗粒情况。
表一：
在净化间不同的动作产生的颗粒情况
动作
0．5μm以上/（个/分。
人）
立起
5580
坐下
7420
头部上下左右运动
11000
上体扭动
14900
手腕上下动
18600
腕自由运动
20600
上体前屈
24200
屈身
37400
脚动
44600
步行
56000
表二：
在净化间不同的状态颗粒增加情况
操作人员的状态
使尘埃增加的倍数
几个人聚集在一起
1.5~3
正常步行
1.2~2
快步行走
5~10
平稳坐着
0~1.2
数据采自动力课《从净化检测看净化间管理的重要性》
在现代化的厂房中，一般都在厂房的天花板上使用了过滤颗粒的网格状过滤器，并采用排风控制系统使得颗粒一直处于不能在空气中到处流动的状态。
在更加先进的半导体厂房中（比如8英寸圆片厂房），SMIF技术的使用，使得所有圆片在生产过程中一直处于封闭的小环境中。
在全自动化的厂房中（部分8英寸厂房及12英寸厂房），人的影响因素几乎到了最低程度。
●化学材料（包括纯水、去离子水）的因素
化学材料的影响主要来自于以下两种：
材料供应商提供的化学材料的洁净度问题及化学材料在半导体厂房中的传输问题。
绝大部分化学材料，包括光刻胶、显影液，为了保证工艺需要的净化程度，，必须加装过滤器，防止颗粒的产生。
部分化学材料是用来清洗圆片表面或清除圆片上的沾污的。
这些过程无疑增加了化学材料沾污的可能性。
●设备的因素
在其它颗粒、缺陷的产生源得到有效控制的情况下，设备的因素成为一个引起十分重视的部分。
在刻蚀及淀积工艺中，设备腔体内会有许多工艺过程中的反应残留物或产生物，同时，随着自动化程度越来越高，对于设备的维护及保养要求也就越来越高，因此，在这些过程中，技术人员的维护、保养的同时也带来了沾污。
所以，定期的沾污监控是十分必要的。
反应气体
在目前的反应气体的控制方面，控制技术十分的有效，不过，过滤器的使用是必须的。
●圆片搬运方面
每次的圆片的搬运过程基本都会产生颗粒等沾污。
●化学沾污
在半导体工艺生产中，化学、物理反应过程本身会带来颗粒等沾污。
这部分的沾污在实际的生产过程中确实较难消除，但可以通过日常的维护、保养等方法减轻，比如刻蚀腔体的残留物、CVD腔体的颗粒等。
●颗粒、缺陷引起的失效
在半导体生产中，工艺过程是如此的脆弱以致于外界的影响极容易导致工艺波动及问题。
在光刻、刻蚀、淀积过程中，颗粒及缺陷的问题更是很易发生。
在光刻工艺中，颗粒的控制至关重要。
如果在光刻胶中存在颗粒，会导致产生的图形中有针孔、图形缺损或多余图形；在光刻版上如果有颗粒沾污，特别是在步进光刻机的光刻版上，较大颗粒的存在会导致在圆片上出现很多的图形缺陷（针孔及图形多余等），据实际的经验及数据，对于光刻版上。
有一半以上的问题是由于颗粒沾污引起的。
以上所及的颗粒产生的缺陷会导致MOS器件的击穿、漏电等参数超规范，功能失效或可靠性降低。
在下图一、二中，显示了颗粒在铝中导致铝光刻连条的情况。
在淀积、刻蚀过程中的颗粒产生同样也是一个经常遇到的问题，如LPCVD或PECVD、溅射过程中出现的颗粒问题，会导致实际图形与设计图形存在差异，同样也会产生多余图形等问题。
颗粒在栅氧、场氧等中间出现时，栅氧或场氧的击穿电压会出现大幅度的下降。
在实际的生产中，由于出现的颗粒、缺陷问题十分复杂，具体的、单项的分析在另文描述。
在生产过程中，为了控制颗粒及缺陷，我们都会首先对每个工艺设备分别无图形颗粒测试仪上进行颗粒QC的检查，如果检查出来的颗粒增加数目不在设定的规范内，那么，设备必须重新处理（清洗、检查等），然后重新进行颗粒QC的检查，直至颗粒QC在设定的规范内。
对于产品圆片上的颗粒及缺陷情况，我们可以通过图形颗粒测试仪或缺陷检测仪来进行检测，一旦发现颗粒或缺陷有异常的变化，那么我们需要将相关的设备或工艺暂停，查找原因并解决问题，从而确保生产圆片生产质量。
关于颗粒测试仪与缺陷检测仪的原理及检测在下一章讲解。
第四章颗粒及缺陷检测
在第二章，我们提到，圆片上的颗粒及缺陷对于圆片的成品率有很大的影响，那么，怎样才能检测圆片上的缺陷密度呢？
以下分两个部分来介绍一下上述检测仪的基本原理。
正如上面所及，颗粒测试仪包括无图形颗粒检测仪与图形颗粒测试仪，虽然在具体细节上存在差异，但是在光学部分，其原理是一致的所以在以下的内容中，将颗粒测试仪放置于一起。
鉴于在本公司只有（Tencor）Surfscan6420及7700，内容中也就只涉及上述类型。
无图形颗粒测试仪（Tencor6420）
日常颗粒QC的检查都是使用无图形的颗粒QC片（即平时所讲的光片）进行检测的。
由于激光能够提供高效、质量好的相干光，所以在目前本公司使用的颗粒检测设备中，大部分都使用激光作为光源。
只是激光的波长及功率存在差异而已。
我们知道，光的散射面积与光源的光强及功率间存在以下关系：
S（Watt）=Xsc（Area）*I（Watt/Area）
即对于一定的光照射在物体上（颗粒上），单位时间内其接受的光的能量与面积及光的散射强度成正比。
也就是说，散射光的面积等于单位时间内的光的能量与散射光强的比值。
在图3中，显示了颗粒仪上颗粒检查的基本原理。
具体来讲，对于10毫瓦的激光源照在颗粒上，如果以光源的散射后强度为10微瓦/um2，则颗粒的散射面积为：
X=10000/10=1000um2
即颗粒的散射面积为1000um2
有一个必须了解清楚的问题，即散射面积与颗粒的颗粒实际的横切面之间的关系。
在图4中，显示了两者之间的差异。
从理论分析上来看，散射面积与实际几何的横截面之间，不存在线形的关系，而是非线形的，关系曲线如图5，与颗粒的直径之间，也不存在几何意义上的关系。
从光照到颗粒上的实际情况来看，不光是散射面积与实际的几何面积存在差异，而且在颗粒上及相对应的衬底上，光存在反射、折射及透射的问题，同时，在不同的方向上，由于颗粒实际形状存在各个方向不一样的情况，如图6。
所以要单纯的界定实际颗粒的真实大小变得十分复杂而且变得十分困难，在颗粒检测仪上，则使用标准大小乳胶球状小颗粒来解决该问题。
乳胶球（PSL：
PolystyreneLatexSpheres，图7）颗粒是利用特定的设备制作的，在该类设备上，可以产生规定直径的球状颗粒。
对于球状颗粒，可以测试出其直径与散射面积（不
是实际球形的截面积）。
通过测试在特定衬底（薄膜）上的PSL的散射面积的大小，可以定义出颗粒直径与散射面积的关系，即校准曲线（如图8），只要平时在验证设备时，保证规定大小的PSL标准颗粒的分布及峰值（图9）不变化，即可以保证测试的可靠性。
所以，在颗粒测试仪上，得到的颗粒的直径或散射面积都是转换后的结果。
即颗粒A在激光照射下能够产生相当于0.3umPSL的散射光的强度，则认为颗粒的直径为0.3um。
正如上面所述，散射光的强度与衬底或薄膜有很大的关系，即使同样的薄膜，在厚度不一样时，其散射光的光强也不一样，所以，在我们的测试设备上，除了SiO2及SiN外，其它的薄膜基本上需要一种厚度的薄膜对应一条校准曲线。
图形颗粒测试仪Tencor7700
在图形颗粒测试仪颗粒时，其基本的设备硬件构造
上没有本质上的差异，只是在设备扫描时，扫描的为带图形的圆片，在扫描后数据的处理上存在不同，但基本上该设备用于薄膜生长后的颗粒检查，当然也可以进行光片上颗粒检查。
对于某一特定的产品，在测试颗粒前，需要对产品圆片进行编程（由于产品的芯片尺寸，不同层次圆片上散射光强不一致）。
我们可以用以下的图例说明Tencor7700的颗粒测量方式，在编程的时候将圆片上芯片的信号进行扫描，然后对信号自动进行阈值设定，设备再将重复性信号进行切除（过滤），然后便得到颗粒的信号。
在颗粒测试的结果中，会显示颗粒数据，如图11。
其中Event代表颗粒数据，AreaInspected代表检查的区域的百分比，即在设定的阈值以下，所含芯片中图形的面积百分比。
一般需要大于95%，如太小，说明圆片上存在问题。
比如，如果铝溅射后的圆片未长抗反射层，面积会低于80%。
圆片缺陷检测仪KLA2122
KLA2122是用于产品片上进行缺陷检测的在线检测设备，由于其精确定位及相对于人工检查具有快速、准确的优点，同时又没有人工检查的变化性（疲劳、心理波动、因人而异等缺点），所以KLA系列在半导体的厂房中，特别是DRAM等产品系列中担当了重要的角色，平时在分析问题时，更易于将问题定位。
KLA在检测圆片时，首先将圆片分成相同的重复单元（比如ASIC中以一个管芯或一个曝
光单元做基本单元，在DRAM或相似的结构中使用芯片中的重复单元），然后一排一排进行扫描，在扫描后，将模拟信号变成数字信号，进行比较，得出差值，当差值超过设定的阈值时，就认为有缺陷，简单的图例见图12。
。
测试后的在以后需要时可以调用出来，在对应的缺陷浏览设备（ReviewStation）上进行浏览，可以定位哪一层的缺陷影响成品率。
KLA2122上提供的缺陷分布情况对于成品率的提高，提供了重要的信息资源。
KLA2122由于其具有的检查方式，除了用于可以圆片的检查外，还可以附带检查光刻版的质量、颗粒片上的颗粒的真实情况。
当芯片尺寸下降到亚半微米以下时，缺陷及颗粒的控制更加重要，因而新的设备也会应用到生产中。
致谢：
QRA部门QD小组成员在本材料编写过程中给予了本人资料查询方面及材料数字化方面提供了不少方便。
在此表示衷心感谢。
参考资料：
1．LucentTrainingmaterials:
YieldEnhancementPlan,LucenttechME;
2．SurfscanApplicationsHandbook,TencorInstrument;
3．FPGAQualificationManual,LucentTechnology;
4．SemiconductorDeviceReliabilityFailureMode,SEMATECHInc.;
5．集成电路制造技术原理与实践，电子工业出版社；
6．LucentQualityTrainingMaterials,LucentTechnologies;
7．Surfascan7700ReferenceHandbook,TencorInstrument;
8．KLA2122User’sManual,KLAInstrumentCorporation;
9．YieldManagement:
Choosethebestyieldmodeforyourproducts,SemiconductorInternationalMay2000.
升级会员 