公司新闻

计量:缺陷检测---纳米设计时代的扫描诊断

  引言
  随着技术向130纳米以下迈进,集成电路行业在遭遇缺陷类型方面面临重大变化。在纳米设计中,与特性相关的缺陷的影响程度将远远超过粒子驱动缺陷。工艺和设计变异要求开展可制造性设计(DFM)检查,以便实现高产。针对纳米设计的扫描诊断可以提供来自生产环境的快速、精确和可靠的失败信息。经过按照缺陷错误分类的以及带有物理链接的扫描诊断结果则可以为可制造性设计核查提供指导。一项有利于产出的扫描诊断需要直接处理各种压缩类型,这样它才能够为量产生产线扫描诊断提供使能条件。本文尝试说明这种新型扫描诊断解决方案及其成功应用。
  
  限制良品率的不可见的缺陷
  在纳米设计中,限制良品率的缺陷变得日益不可见。这意味着,传统可视诊断方法的效能在降低。提高良品率工作必须在设计周期的每个阶段中及早考虑。台湾半导体制造公司也在尝试克服这些设计相关挑战,以便在其参考流程中优化良品率(图1)。伴随250纳米到65纳米甚至更精细新工艺的产生,新的设计考虑也在不断加入或更新。
  
  在当前的纳米设计中,通过设计规则核查(DRC)只是设定了最低良品率。然而,这样并没有确保芯片公司获得理想的利润率。随着产品生命周期的缩短,迅速形成量产,同时保持高额、稳定和成熟的良品率,对公司实现利润目标而言显得特别关键。为了实现高产出目标,工艺和设计差异要求额外开展可制造性设计核验。一般而言,向量密度、应力和光学邻近效应都是兴趣所在。造成这些误差的原因可能不仅仅是狭小几何尺寸和设计的复杂性,还可能是因为急速增加的门数量以及新材料。如图1所示,可制造性设计考虑被引入6.0参考流程中,其目的就是解决这些问题。
  
  融入参考流程的制造测试和诊断
  制造测试采用结构化测试模式,为全面测试所有电路元件提供使能条件。为了实现高质量测试,需要采用的一组测试应考虑固定型故障(Stuck-at)、实速测试(At-Speed)和桥接(Bridging)故障等内容。桥接类型故障可以面向可制造性设计――从布局和其它物理信息中提取出来。不幸的是,增加强健测试将大幅增加测试向量并延长测试时间。为了适应这种增加,压缩技术被广泛采用。这种使能技术确保以低测试成本确保每百万缺陷率保持在较低水平。
  
  如果器件在自动测试设备(ATE)出现故障,他们通过扫描诊断开展分析,以便找到限制良品率的缺陷。扫描诊断需要既能在扫描链也在逻辑中发现并隔离缺陷。它能够采用压缩或非压缩模式直接开展诊断,不在精确性方面作出任何牺牲。这为批量生产线诊断提供了使能条件。图2所示为典型的设计周期,它可能由四个阶段组成。逻辑、物理和掩模设计是可制造性设计分析的主要重点。在制造测试和诊断阶段中,故障信息被搜集起来。这一阶段是可测试性设计(DFT)的重点,可以向可制造性设计核验提供指导,或者受到可制造性设计核验的指导。可测试性设计重点显示了测试模式生成、测试、诊断和产量分析阶段。
  
  分析故障器件能够提供有用的故障信息,有助于提高产量。此外还有其它故障分析技术,比如线上检测和逻辑映射等。在纳米设计中,由于几何尺寸变小,且层数增加,这些技术在确定非可视缺陷方面的工作效果并不好。他们还存在限制,无法区分微妙的良品率机制,后者可能成为更大的产出问题。扫描诊断充分利用扫描模式以及来自自动测试设备的故障日志,确定逻辑故障的位置。扫描诊断能够在几分钟之内可靠给出缺陷候选位置。它使用了实际的、真实环境中的器件故障信息,而不是在概括测试芯片的特征。
  
  一些传统的扫描诊断工具往往存在限制,其中包括被诊断缺陷站点太多,无法诊断潜在的缺陷位置(嫌疑位置),链诊断解决方案不甚充分,没有就嫌疑地点排定名次或分类,缺乏能力运行大批量诊断,无法对压缩模式直接开展诊断,没有建立链接访问物理设计信息等。如果无法精确明确逻辑故障并了解其布局特性,哪怕是最有经验的故障分析(FA)工程师也不得不耗费大量时间,才能确定这些缺陷的根本原因。有时候,我们不得不作出有根据的推测,而这些推测在很多情况下并不能引导到正确的方向。另一方面,缺乏运行批量诊断的能力也会错过大量系统和伪随机故障信息,这同样也是提高良品率的关键之一。
  
  扫描故障诊断在纳米设计时代提高良品率
  一种新型扫描诊断解决方案已经出现,它超越了以往方法的所有局限。这种诊断引擎运用了三步骤方法,如图3所示。这一诊断引擎将设计图像、故障模式和故障日志作为输入,确保所有数据均与模式生成所用环境匹配。就确保诊断有效和高效方面,这些一致性检查具有至关重要的意义。故障日志按时间顺序形式,而非用户友好方式。自动测试设备以测试周期和故障管脚为条件记录故障状况,但传统的诊断方法要求将故障模式、扫描链和扫描单元作为故障输入。这一转换不仅冗长,而且容易出错。新的解决方案直接采用了基于周期的故障信息,明显降低开发强度,并有利于大批量诊断。
  
  一致性检查一旦通过,可以运行诊断分别确定受到破坏的扫描链和逻辑。扫描链电路用于提高可控制性和可观察性。如果这些链受到了破坏,那么测试激励和回答都会变得不可靠。一般而言,链故障可能在所有扫描故障占到30%以上。
  
  图 1
  台湾半导体制造公司参考设计流程,将影响良品率的因素降到最低。
  
  图 2
  设计周期中的可制造性设计和可测试性设计的重点
  
  图 3
  良品率友好的扫描诊断流
  
  如图3所示,该诊断引擎首先确定每个故障数据的嫌疑逻辑位置,它是一种与模型无关的故障分析器,基于故障和正确数据,通过仿真对嫌疑对象进行排名和评分。然后,它将嫌疑对象分为几种不同的类型。这种全面分类即可用于链故障诊断,也可用于逻辑故障诊断。这对故障分析工程师而言具有重要意义,因为它为他们提供了线索,明确流程中可能出现哪些错误。图4所示为链故障和逻辑故障诊断报告范例。就链诊断而言,压缩模式的解析度可以最多提高一个数量级,与不压缩情况下对同一设计开展的诊断相比,被搜集的故障周期只有25%。
  
  诊断一旦提供了逻辑故障信息,它需要与布局图建立链接,进一步隔离这一问题。实践证明,在确定良品率重大缺陷时(图5),这样做能够显著减少故障分析工作。
  
  
  压缩模式诊断 -使生产线良品率学习成为可能
  为了实现高测试质量和每百万低缺陷(DPM),测试向量生成数量正在日益增加。然而,测试硬件和测试时间局限可以限制测试向量的应用数量。作为一种使能技术,测试模式压缩能够克服这些限制。另一方面,这些压缩测试模式给传统扫描诊断技术带来额外的困难。采用硬件模式压缩的器件往往提供一种“旁通”模式,这样非压缩扫描模式可以直接应用于扫描链,协助开展诊断。就良品率学习而言,使用非生产向量并不是一个现实的解决方案。如果用共用向量对晶圆专门再次诊断,那么工作就显得既繁琐且昂贵。一项有利产出的诊断流无需额外步骤就可以基于压缩或非压缩生产向量组提供结果。具有讽刺意味的是,对于扫描链的诊断效率,压缩模式的链诊断效能可能好于非压缩模式。
  
  批量诊断为生产线诊断提供可能
  生产测试每天可能造成数以千计的故障器件。过去,只有少量的样本被诊断并分析。通过扫描诊断或组合式诊断分析方法对单个硅片开展分析可能无法解决那些微妙的产出机制。为了显现并分析批量结构性测试故障数据,我们需要准备三件事情。首先是从自动测试设备搜集来自生产线的故障日志,这一流程不能降低吞吐量,必须使用生产测试模式。因此,有必要搜集基于周期的故障文件,并对压缩和非压缩向量开展直接诊断。第二项要求则是在限定时间内在线运行诊断,这样可以搜集大量嫌疑信息。在很多情况下,用户并不知道哪些类型的信息可能造成故障,因此需要利用这一工具开展故障数据分析,从而明确故障类型。与模型无关的故障诊断解决方案提供了没有偏向的故障类型分析,为这一要求提供支持,并优化生产线的诊断性能。最后一项要求就是诊断应提供分类信息,这样就可以轻松确定故障标识,并可以计算其发生频次。故障标识可以通过分类信息来确定,比如单元类型、故障类型、故障网络以及故障的价值和物理链接。
  
  通过对故障标识及其发生频次的分析,我们可以将结果放入故障排列表格,从中反映出趋势所在。例如,通过分析,在多个硅片上出现的故障单元类型可以在布局视图中形成热点。我们可以通过服务器模式运行生产线诊断,它对工作用目录开展监控,一旦从自动测试设备获得故障信息,诊断就可以自动进行。我们可以提供一个界面,允许对显示异常产出标识或满足产出工程设计提出的其它要求的类型确定优先次序。
  
   图 4
  针对逻辑和链故障的诊断报告
  图 5
  在诊断中将缺陷逻辑的表现和物理表现链接在一起
  
  
  范例结果
  本范例采用90纳米技术和铜互连和低电介质8层板。本设计拥有86个扫描链。在良品率飙升阶段,某些器件被明确为故障。诊断软件通过数百种扫描向量显示,两个网络之间存在潜在桥接。对物理布局图的进一步考察显示,潜在桥接可能发生在第三金属层。
  
  与此同时,物理故障分析证明电子表面颗粒是金属桥接的根本原因,这一点后来得到了确认。整个诊断工作包括数据准备、诊断多块硅片和预测故障分析,前后耗时两天。产出提升约为24%。这些纠错技术不仅提高了故障分析生产力,同时显著增加产出。
  
  结论
  我们可以利用一个有利于良品率的扫描诊断流程,加速量产,确定可能造成系统性产出损失机制的可制造性设计敏感问题。通过结合使用测试向量压缩技术和物理验证工具,这一新型扫描诊断解决方案包括一组验证工具,能够确认诊断输入的完整性,提供了诊断扫描链和逻辑故障的能力,提出嫌疑类型等有意义信息,奠定人们对诊断结果的信心。批量诊断运用压缩数据或非压缩数据的的生产扫描向量组,它在诊断系统性故障机制以及微妙产出机制方面具有极其重要的意义,这些机制可能包括不同的晶圆代工厂或者工艺变化。通向物理设计数据库的链接能够提供额外的分析,它能够用来明确潜在的缺陷位置,推动ATPG模式的强化工作。采用这种扫描诊断解决方案能够迅速精确定位缺陷。如上所述,它能够显著改善故障分析和增产工作。
  
  参考文献
   1. C. Shuermyer, K. Cota, R.Madge and B. Benware, “Identification of
   Systematic Yield Limiters in Complex ASICs through Volume Structural Test
   Fail Data Visualization and Analysis,” ITC2005.
   2. Y. Huang,W.-T. Cheng, and J. Rajski, “Compressed Pattern Diagnosis
   for Scan Chain Failures,” ITC2005.
   3. C. Hora, R. Segers, S. Eichenberger and M. Lousberg, “An Effective
   Diagnosis Method to Support Yield Improvement,” ITC2002.
   4. A. Leininger, P.Muhmenthaler,W.-T. Cheng, N. Tamarapalli,W. Yang
   and H. Tsai, “Compression Mode Diagnosis Enables High Volume
   Monitoring Diagnosis Flow,” ITC2005, Paper 7.3.