異常檢測技術(shù)在各行業(yè)已經(jīng)使用多年,對零缺陷對汽車行業(yè)至關(guān)重要

作為輔助駕駛和自動(dòng)駕駛的關(guān)鍵組成部分，新一代汽車芯片正在快速推動(dòng)異常檢測技術(shù)的發(fā)展。

據(jù)新智駕了解，半導(dǎo)體設(shè)備供應(yīng)商 KLA-Tencor、半導(dǎo)體數(shù)據(jù)分析服務(wù)商Optimal+和EDA巨頭 Mentor （2016年被西門子收購）正在擴(kuò)大異常檢測領(lǐng)域的相關(guān)工作。

異常檢測技術(shù)在各行業(yè)已經(jīng)使用多年，是保證芯片生產(chǎn)質(zhì)量零缺陷的主要技術(shù)之一，而零缺陷對汽車行業(yè)至關(guān)重要。

通常來說，異常檢測是采用硬件和統(tǒng)計(jì)篩選算法來定位的。一些芯片可能會(huì)通過各種標(biāo)準(zhǔn)測試，但是有時(shí)會(huì)表現(xiàn)出功能異常。這種芯片可能會(huì)影響系統(tǒng)性能或?qū)е孪到y(tǒng)失效。

異常或缺陷芯片的出現(xiàn)有諸多原因，一些潛在可靠性缺陷在設(shè)備發(fā)貨時(shí)不會(huì)出現(xiàn)，但它們在不同環(huán)境中會(huì)以某種方式激活，最終影響整個(gè)系統(tǒng)的運(yùn)行。

為了發(fā)現(xiàn)芯片出現(xiàn)的各種問題，業(yè)界多種使用異常檢測的方法，如零件平均測試法（PAT）。

PAT的測試流程如下：

首先，對晶圓進(jìn)行電氣測試；

其次，把硬件和PAT算法組合，檢測出違反特定測試規(guī)范的異常或故障芯片；

最后，將異常芯片去除。

*PAT中極限和異常值的圖形表示 來源：Automotive Electronics Council

隨著跟多高端芯片用于汽車，迫切需要高級的異常檢測算法；

異常檢測技術(shù)必須符合輔助駕駛和自動(dòng)駕駛技術(shù)的發(fā)展趨勢；

英偉達(dá)和其它沒有異常檢測經(jīng)驗(yàn)的IC制造商正在蜂擁進(jìn)入汽車市場，這意味著他們需要提高芯片面臨的一系列問題。

汽車芯片的發(fā)展趨勢

*隨機(jī)缺陷 來源: KLA-Tencor

既然如此，為什么不在這些芯片離開晶圓廠之前就檢測出這些缺陷呢？

晶圓廠測試

根據(jù)加州大學(xué)伯克利分校的統(tǒng)計(jì)，月產(chǎn)5萬片晶圓的晶圓廠需要以下設(shè)備：

50臺(tái)掃描儀/步進(jìn)器和晶圓軌道；

10個(gè)高電流離子注入器和8個(gè)中等電流離子注入器；

40臺(tái)蝕刻機(jī)；

30個(gè)CVD工具。

晶圓廠一般采用自動(dòng)化技術(shù)分步處理晶圓。一個(gè)先進(jìn)工藝的晶圓制造過程可能有多達(dá)600-1000個(gè)步驟，甚至更多，相比之下，成熟工藝的步驟更少。

先進(jìn)工藝中，半導(dǎo)體設(shè)備必須處理更小且更加精確的特征，隨著工藝尺寸的縮減，缺陷也變得越來越難查找。

在汽車領(lǐng)域，芯片制造商必須在其器件的制造工藝中實(shí)施更加嚴(yán)苛的控制措施，并實(shí)施持續(xù)的缺陷改進(jìn)計(jì)劃。

“你必須有一個(gè)管理良好的工廠，一個(gè)強(qiáng)大的質(zhì)量體系和貫徹高質(zhì)量的理念，才能夠獲得制造汽車產(chǎn)品所需的認(rèn)證。在汽車行業(yè)里，質(zhì)量控制始于工藝設(shè)計(jì)和工廠規(guī)劃，并一直延伸到實(shí)際生產(chǎn)芯片?！甭?lián)電副總裁溫文婷表示。

晶圓廠中，人們使用檢測系統(tǒng)定位晶圓缺陷。一般來講，芯片制造商不會(huì)檢查每一片晶圓，因?yàn)槟菢硬粌H耗時(shí)長而且成本高，抽樣檢測某些晶圓或者部分芯片是最好的辦法。

對于消費(fèi)級芯片來說，過程簡單。“當(dāng)我們開發(fā)一項(xiàng)技術(shù)時(shí)，我們進(jìn)行認(rèn)證，通常來講，抽樣的樣本數(shù)量總是有限的?！睖匚逆帽硎尽?/p>

但汽車級芯片要求就不同了。“你必須測試大量的樣本才能得出故障率，這個(gè)過程的成本非常高?！睖匚逆谜f。

所有問題和挑戰(zhàn)都是需要大量時(shí)間和資金去解決。如果芯片在經(jīng)過檢測后符合規(guī)范，就可以把晶圓從晶圓廠分發(fā)到封測廠。

同時(shí)，壓力就轉(zhuǎn)給封測廠了。為了幫助測試，KLA-Tencor設(shè)計(jì)了一種技術(shù)方案來解決晶圓廠的問題。這一技術(shù)被稱為在線零件平均測試（I-PAT），它利用PAT的概念。但是，與在測試部門進(jìn)行的PAT及其變體不同，I-PAT在晶圓廠中執(zhí)行。

I-PAT不一定會(huì)與傳統(tǒng)的第三方異常檢測供應(yīng)商競爭。它的目標(biāo)是提供更多的測試數(shù)據(jù)，補(bǔ)充既有的測試組合。通常來講，這個(gè)過程仍然需要執(zhí)行傳統(tǒng)的異常檢測。

KLA-Tencor的技術(shù)涉及硬件和數(shù)據(jù)分析軟件包。簡言之，先將檢驗(yàn)數(shù)據(jù)輸入到計(jì)算機(jī)建模程序中，然后分解數(shù)據(jù)，并查看晶圓圖上的硅片，最后在晶圓廠的多個(gè)檢查步驟中查找異常缺陷。

舉例來說，這個(gè)技術(shù)將顯示具有五層的芯片晶圓圖，包括源區(qū)、柵極、觸點(diǎn)層、金屬層1和金屬層2。

假設(shè)金屬層1上可能會(huì)有800個(gè)缺陷。計(jì)算機(jī)從晶圓上隨機(jī)選擇10個(gè)芯片，然后，使用各種I-PAT算法，系統(tǒng)最終確定這10個(gè)芯片中有9個(gè)存在潛在的可靠性缺陷。

KLA-Tencor高級營銷總監(jiān)David Price說。 “通過不斷重復(fù)，可以看到缺陷的統(tǒng)計(jì)性質(zhì)如何幫助你找到有可能包含可靠性缺陷的芯片。”

I-PAT可用于挑選有問題的芯片。 另外，這些數(shù)據(jù)可以與其他異常檢測方法結(jié)合使用，以改進(jìn)測試通過或不通過的決策。Price說：“通過在晶圓廠中實(shí)施I-PAT技術(shù)，能夠減少傳統(tǒng)PAT方法的不足?！?/p>

晶圓廠到測試廠之路

晶圓從晶圓廠轉(zhuǎn)移到測試廠后，進(jìn)行晶圓分類、最終測試，有時(shí)也會(huì)進(jìn)行系統(tǒng)級測試。

檢查和測試會(huì)產(chǎn)生巨大的數(shù)據(jù)量。但是，在大量數(shù)據(jù)面前，如何知道器件是否仍存在潛在的可靠性缺陷或其他問題呢？

這也為什么汽車廠商希望他們的供應(yīng)商在測試過程中執(zhí)行傳統(tǒng)異常檢測。

PAT是最基本的邊界檢測形式，可以檢測出一個(gè)超出不合格閾值的芯片。測試閾值可以設(shè)置為靜態(tài)（SPAT）或動(dòng)態(tài)（DPAT）模式。

在SPAT中，測試閾值是基于該批次的數(shù)量決定的；在DPAT中，則會(huì)在每次晶圓測試時(shí)計(jì)算閾值。

在SPAT和DPAT中，都會(huì)執(zhí)行一個(gè)算法，最終得出測試通過或失敗的結(jié)果。

但是，這些算法可能在某些情況下會(huì)失敗。有的器件的特征可能和其它器件明顯不同，但是它也在合理范圍內(nèi)。有的器件可能是遠(yuǎn)離正態(tài)分布的極端異常。

雖然異常檢測專家已經(jīng)加入了一些程序來解決這些問題。但是，多年來，這些芯片變得越來越復(fù)雜，因此需要更先進(jìn)的異常檢測技術(shù)。

據(jù)新智駕了解，有一些基于幾何分布、多變量和其它復(fù)雜異常檢測算法可以和DPAT和SPAT結(jié)合一起使用。，例如通過它的幾何分布鄰近度來查看芯片質(zhì)量。

GPAT有一個(gè)復(fù)雜版本，稱為GDBN。GDBN基于一種理念：缺陷總是趨向于集中出現(xiàn)在晶圓的某些特定位置上。簡單來講，缺陷較多的區(qū)域可能會(huì)找出一些不合格芯片。

還有一種被稱為最差殘差（NNR）技術(shù)?！白畈顨埐罴夹g(shù)是在每個(gè)芯片的每一次測試中檢查所有值，它不僅考慮整體晶圓，還考慮臨近芯片的情況?！監(jiān)ptimal+ Schuldenfrei說。

通常，上述方法都可以結(jié)合使用。

未來趨勢

展望未來，ADAS和自動(dòng)駕駛將進(jìn)一步推動(dòng)檢測技術(shù)的需求。隨著汽車的自動(dòng)化程度越來越高，芯片缺陷檢測也將變得越來越重要。

此外，機(jī)器學(xué)習(xí)和人工智能的運(yùn)算能力與功能也日益強(qiáng)大，我們相信，它們也會(huì)更多地參與到異常檢測中來。

最后，把所有的數(shù)據(jù)集成在一起也許是最大的挑戰(zhàn)。想象一下，從芯片獲取數(shù)據(jù)，并將其與多個(gè)不同公司的電路板數(shù)據(jù)關(guān)聯(lián)起來，需要共享數(shù)據(jù)才能實(shí)現(xiàn)更好的異常檢測。