文︱LAURA PETERS

来源︱Semiconductor Engineering

编译 | 编辑部

 

芯片短缺难题迟迟未得到缓解,半导体产业链正在寻求创新的解决方案来解决这一问题,并致力于提高效率,延长设备寿命。

 

从汽车、物联网和消费电子领域,到芯片制造和测试设备,芯片短缺几乎影响了全球供应链,芯片制造工具和设备因缺芯延迟安装交付,上游材料也面临供应不足的情况,包括气体、KrF光刻胶、CMP浆料,甚至不锈钢。目前,这些问题仍无法轻松解决,而且这些上游原材料与芯片制造设备及工具,与芯片制造的全部流程都相互关联,因此仅在一个领域扩充产量并不能解决所有问题。测试仪、光刻胶滤光片和封装基板,以及任何用于直接处理这些晶圆的设备和材料短缺,都将会导致ASIC短缺。

 

“除了具有极长交货周期的FPGA之外,ATE还使用了许多定制ASIC,这些ASIC必须争夺晶圆厂产能,”泰瑞达(Teradyne)战略业务开发经理Ken Lanier指出。“我们很久以前就对上游材料市场进行了积极的投资,保证供应链安全,努力为客户提供合理的交货时间。”

 

然而,人工智能、机器学习、数字孪生体等新兴技术的发展,将会进一步改善晶圆厂封装协调、快速识别良率问题、稳固供应链,并为半导体行业在人才短缺的环境中提供优质工具,助力产业实现卓越增长。

 

TEL总裁Nate Baxter指出,该公司将数字工具纳入芯片设计、工艺设备和计量(虚拟和硬件)流程,并解释了这些工具如何在公司创新中心使用,例如在其位于纽约州奥尔巴尼的美国研发、制造和工具集成总部。该公司在创新中心执行EUV光刻、FEOL、BEOL和用于封装的异构集成,TEL设备目前利用超过15,000个传感器来实现更快的过程诊断、先进的过程控制和数据分析。

 

图1:为了实现行业增长预测,晶圆厂正在采用能够提高良率、生产率和智能制造的技术(图源:TEL、SEMI ISS)

 

在最近的先进半导体制造大会(ASMC)上,几场演讲都讨论了在晶圆厂中使用机器学习和人工智能来提高良率、工具性能和运营效率。在工具级别,高级建模正在改进流程、库存管理和元件利用率。例如,在晶圆加工工具中,特定元件的生命周期可以根据工艺温度、化学特性和其他因素而变化。

 

“在客户与客户之间、工具与工具之间以及工具内元件的位置之间,半导体工具在工艺条件方面都存在很大差异。这些因素都会显著影响零件的可靠性。例如,两个气动阀,一个暴露在恶劣的环境条件下,另一个在同一工具内的既定环境条件下运行,可能具有不同的使用寿命,”泛林集团(Lam Research)的可靠性工程师Swajeeth Panchangam解释道。

 

泛林集团为元件生命周期开发了一种新的可靠性模型,在这种情况下,该模型确定了相同的 O 形圈,相对于较低的工艺温度下,进行较高温度工艺时可以可靠地减少40%的晶圆。Panchangam 指出,这样的模型可以帮助工程师更好地规划所需的库存,并根据实际组件建模安排预防性维护。

 

在某些情况下,工程师会大幅修改其工艺,以提高良率和所生产芯片的质量,这对延长组件寿命具有可喜的好处。例如,由于电感耦合等离子体刻蚀机中的空气分子污染导致位线刻蚀不完整,美光的300mm存储器工厂正面临着客户退货。

 

“我们开发了一种新的连续等离子体工艺(CPP)刻蚀,消除了几个刻蚀步骤之间的稳定压力,并改进了无晶圆腔清洁(WCC),以消除系统性的良率偏移,并避免了客户在这种故障机制中重复,”美光技术人员Jeff Ye表示。

 

最大限度地提高元件和工具的可靠性

 

由于晶圆遇到的各种工艺条件,组件生命周期建模很难执行。

 

“对于如何使用现场数据模拟半导体组件的寿命,需要一个系统的指南。”泛林集团的Panangam指出,在估算组件的寿命时,工程师通常使用经验模型。问题是这些往往是保守的,通过不必要的更换缩短了组件的使用寿命,并且由于更频繁的零件更换和系统停机时间而增加了成本。他还表示,卓越的生命周期建模能够在需要时优化预防性维护和库存。

 

“我们提出了一个使用现场数据的模型,隔离故障模式,并理解引发根本故障的物理原理,”Panagam表示。“我们确定新应用程序的操作条件,并查看故障机制是否正在改变或保持不变。”

 

现有工艺具有腐蚀性的工艺化学性质和温度,新工艺中在较高温度下进行。随机模型可估计新工艺温度下的寿命分布。使用成本函数来确定O形圈更换的最佳时间。(工程团队报告了更换零件的处理时间(以小时为单位),即使实际跟踪了加工的晶圆数量,以保护客户的数据。Panangam的团队确定故障模式(由于化学侵蚀而导致的O形圈磨损)是相同的,但O形圈的最佳使用寿命为2500小时,而在此前较低的工艺温度下为4000小时。结果有助于为该过程安排适当的PM间隔,并保持足够的零件库存。“现在,当我们必须对组件进行调用时,模型和成本函数将指导生产环境中的潜在更换,”Panagam表示。

 

图 2:最佳更换周期基于随机建模、故障模式和动作的可靠性分析以及成本函数(图源:Lam Research、SEMI ASMC)

 

图3:RPC替代从4000到2500小时(晶圆设备),通过基于场数据的更高热量负载

(图源:Lam Research、SEMI ASMC)

 

刻蚀机远程等离子清洗套件中的O形圈磨损

 

生命周期模型、成本函数提供O型圈更换时间,可靠性工艺工程师偶尔会确定现场故障是由系统性工具问题引起的。第二个示例显示了如何重新设计现有流程以解决现场故障,从而显著提高流程吞吐量并降低零件更换成本。

 

在其位于弗吉尼亚州马纳萨斯的DRAM工厂,美光在300mm ICP刻蚀机上开发了一种新的连续等离子工艺,并采用了改进的无晶圆腔室清洁 (WCC)。该公司经历了一些存储设备故障,这些故障集中在晶圆中心。工程团队假设这些缺陷可能是由于在等离子 DC 偏压未开启时碎片从 ICP 蚀刻喷射器落到晶圆上造成的。

 

“多年来,我们一直在努力通过各种工艺改进来解决这个问题,但我们决定引入连续等离子体工艺的想法,以及一种新的无晶圆腔室清洁(WCC)来永远解决这个问题,”美光的Ye表示,他在SEMI最近的ASMC上介绍了新工艺。

 

空气中的分子污染问题导致不必要的工具停机(更换经过重新设计的喷射器),但最重要的是,客户设备会退回。集成的多步骤刻蚀和腔室清洁有大约20个步骤。对于新工艺,Ye的团队使用300mm素晶圆进行在线表征和探针,使用SEM / EDX识别污染物,并使用TEM来检查位线CD测量和轮廓。美光决定实施连续等离子体蚀刻工艺,因为修整刻蚀、硬掩模1、2等之间的稳定性步骤会造成污染。

 

“就像冰箱一样,关闭再打开也无济于事,等离子刻蚀室也是如此,”Ye指出。“这导致了连续等离子体工艺 (CPP),以及无晶圆清洁从低压等离子体到高压等离子体的变化,以激活等离子体中的更多自由基,从而实现卓越的碳氟化合物去除。WCC 由三个步骤组成——侵蚀性等离子蚀刻、O2 燃烧,然后是电介质调节步骤以涂覆腔室,”Ye 表示。“我们调整了内外气体喷射器的比例,以更好地清除喷射器壁上堆积的碎屑。”

 

最终的工艺配方参数调整导致位线刻蚀曲线均匀。美光的结果表明,良率提高了 1%,由于原始加工时间缩短了 8%,刀具良率大幅提高,良率偏移导致的刀具停机时间减少,降低了ICP蚀刻机的新型和返工气体喷射器成本。

 

“现在我们不需要经常更换喷油器,良率偏差更少,位线控制和轮廓更出色,并且避免了客户的退货授权,”Ye指出。“我们将把这种新的、最著名的方法转移到先进的技术节点上。”

 

图4:晶圆中心污染引起未完成的刻蚀出现存储位线缺陷(图源:Micron、SEMI ASMC)

 

图5:改进的位线剖面图是连续腔等离子刻蚀、优化离子注入和优化晶圆刻蚀前工艺调节(图源:Micron、SEMI ASMC)

 

图6:新工艺消除了蚀刻步骤之间的稳定过渡,并优化了WCC以清洁更多副产品,从而延长部件寿命

(图源:Micron、SEMI ASMC)

 

总结

 

人工智能日益渗透至半导体芯片制造流程,通过使用多个工具传感器估算组件寿命和诊断的新模型,能够改善良率问题。从工具到晶圆厂级别的工程解决方案将结合更先进的建模、机器学习和反馈机制,以更快地解决问题,并保持工具和晶圆厂生产出优质的设备。

 

参考文章:

1.《基于随机的可靠性模型,用于半导体工艺工具的最佳计划维护》,Panchangam、K. Gowdaru,SEMI ASMC,2022年5月

2.《采用无晶圆腔室清洁优化的连续等离子体蚀刻工艺,通过消除中心进样器阴影来减少缺陷》,J. Ye,J. Lee、M. Davis,SEMI ASMC,2022年5月