文|利榮

新智駕按：本文由新智駕編譯自semiengineering，原文標題為FindingFaultyAutoChips。由于本文涉及諸多技術(shù)細節與專(zhuān)業(yè)術(shù)語(yǔ)，有不妥之處敬請專(zhuān)業(yè)讀者指摘。

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(chē)芯片正在快速推動(dòng)異常檢測技術(shù)的發(fā)展。

據新智駕了解，半導體設備供應商 KLA-Tencor、半導體數據分析服務(wù)商O(píng)ptimal+和EDA巨頭 Mentor （2016年被西門(mén)子收購）正在擴大異常檢測領(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(chē)行業(yè)至關(guān)重要。

通常來(lái)說(shuō)，異常檢測是采用硬件和統計篩選算法來(lái)定位的。一些芯片可能會(huì )通過(guò)各種標準測試，但是有時(shí)會(huì )表現出功能異常。這種芯片可能會(huì )影響系統性能或導致系統失效。

異?；蛉毕菪酒某霈F有諸多原因，一些潛在可靠性缺陷在設備發(fā)貨時(shí)不會(huì )出現，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)系統的運行。

為了發(fā)現芯片出現的各種問(wèn)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范的異?；蚬收闲酒?； 最后，將異常芯片去除。

 



*PAT中極限和異常值的圖形表示 來(lái)源：Automotive Electronics Council

但是，PAT方法很難滿(mǎn)足汽車(chē)行業(yè)的苛刻要求。

Optimal+ CTO Michael Schuldenfrei表示：“汽車(chē)行業(yè)的半導體產(chǎn)品使用量正在呈指數級增長(cháng)，這對芯片質(zhì)量和可靠性提出了更高要求。PAT等技術(shù)作為保證質(zhì)量和可靠性的主要手段，已經(jīng)存在了幾十年。但在很多情況下，它們并不是非常有效，在防止漏檢方面測試成本過(guò)高。”

漏檢是指故障芯片通過(guò)了晶圓廠(chǎng)測試。為了避免這種情況的發(fā)生，異常檢測專(zhuān)家們開(kāi)發(fā)出了更先進(jìn)的技術(shù)來(lái)防止芯片漏檢及其它問(wèn)題。

比如，異常檢測通常是在芯片封裝測試階段進(jìn)行，但KLA-Tencor采取了新的解決方案，開(kāi)發(fā)了一種在晶圓廠(chǎng)中測試的技術(shù)。

盡管如此，這個(gè)行業(yè)仍面臨一系列重大挑戰，包括：

 

隨著(zhù)跟多高端芯片用于汽車(chē)，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； 英偉達和其它沒(méi)有異常檢測經(jīng)驗的IC制造商正在蜂擁進(jìn)入汽車(chē)市場(chǎng)，這意味著(zhù)他們需要提高芯片面臨的一系列問(wèn)題。

 

根據西門(mén)子的子公司Mentor的說(shuō)法，商業(yè)性的異常檢測軟件業(yè)務(wù)的市場(chǎng)規模每年在2500萬(wàn)美元到5000萬(wàn)美元之間。

Mentor Quantix事業(yè)部總經(jīng)理Bertrand Renaud表示：“這個(gè)數字可能僅代表實(shí)際軟件的三分之一，因為許多大型廠(chǎng)商已經(jīng)構建了自己的專(zhuān)有工具，他們的軟件沒(méi)有統計在內。”

目前，KLA-Tencor、Mentor、Optimal+和yieldWerx等公司也在競爭之列。

汽車(chē)芯片的發(fā)展趨勢

2018年，汽車(chē)市場(chǎng)可能會(huì )放緩增速。

據IHS Markit的數據，2018年輕型汽車(chē)的全球總銷(xiāo)量預計將達到9590萬(wàn)輛，同比2017年增長(cháng)1.5%。作為對比，2017年同比2016年增長(cháng)了2.4%。因此，汽車(chē)銷(xiāo)量的增長(cháng)如何對應汽車(chē)半導體市場(chǎng)增速目前尚不完全清楚。

根據IHS Markit的數據，每輛汽車(chē)電子元件的價(jià)值將從2013年的312美元增長(cháng)到2022年的460美元，年復合增長(cháng)率為7.1%。

“10年前的汽車(chē)，只有幾百個(gè)控制器和其他類(lèi)型電子元件，現在的汽車(chē)可能包含超過(guò)3500個(gè)半導體產(chǎn)品，這些半導體器件的總成本正在持續上升。”KLA-Tencor高級營(yíng)銷(xiāo)總監Rob Cappel表示。

通常來(lái)說(shuō)，一輛高端汽車(chē)配備超過(guò)7000顆芯片。而芯片廠(chǎng)商正在向高端車(chē)型中引入14nm和10nm芯片，同時(shí)也正在研發(fā)7nm芯片。

在汽車(chē)領(lǐng)域，有兩個(gè)恒定的因素——可靠性和質(zhì)量。

對于消費級芯片而言，消費者對缺陷尚有一定的容忍度。但是，汽車(chē)芯片對缺陷和故障則屬于零容忍。比如ABS系統，由于事關(guān)人身安全，汽車(chē)的可靠性要求總是更高。

因此，汽車(chē)芯片制造商和代工廠(chǎng)必須遵守各種質(zhì)量標準，如AEC-Q100，這項標準主要涉及芯片的失效機理壓力測試。

ADAS（高級駕駛輔助系統）和自動(dòng)駕駛汽車(chē)對可靠性的要求更加嚴苛。ADAS涉及汽車(chē)中的各種安全功能，如自動(dòng)緊急制動(dòng)、車(chē)道檢測和后方物體警告。

例如，全球最大的汽車(chē)芯片制造商NXP（恩智浦）最近推出了一款用于汽車(chē)應用的高分辨率雷達芯片。這款芯片被稱(chēng)為MR3003雷達收發(fā)器，是一款77GHz雷達器件。該器件基于硅鍺（SiGe）工藝，適用于需要高分辨率和遠距離功能的自動(dòng)駕駛系統的前端或轉角雷達應用。

此雷達技術(shù)能夠同時(shí)跟蹤數千個(gè)目標，能夠實(shí)時(shí)感測周?chē)h(huán)境，這正是高級別自動(dòng)駕駛所必需的。

“這些類(lèi)型的應用對我們和芯片本身都提出了較高的要求。我們非常謹慎地設計了系統內部的安全協(xié)議，以便傳感器和汽車(chē)能夠在某些情況下進(jìn)行自我診斷，”恩智浦ADAS調制解調器產(chǎn)品線(xiàn)副總裁兼總經(jīng)理Patrick Morgan表示。

毋庸置疑，汽車(chē)安全非常關(guān)鍵。

例如，根據Optimal+提供的數據，奧迪的高檔汽車(chē)中擁有7000個(gè)芯片。假設每個(gè)芯片的故障率達到百萬(wàn)分之一，那么奧迪每生產(chǎn)1000輛汽車(chē)就會(huì )有7輛故障車(chē)。如果奧迪每天生產(chǎn)4000輛汽車(chē)，這意味著(zhù)，它每個(gè)小時(shí)都會(huì )生產(chǎn)一輛故障車(chē)。

所以，汽車(chē)行業(yè)正在努力實(shí)現零缺陷，但隨著(zhù)系統、芯片甚至軟件變得越來(lái)越復雜，這一目標很難實(shí)現。

在最新的車(chē)輛可靠性研究工作中， 市場(chǎng)研究機構J.D. Power對過(guò)去一年2015年款車(chē)型和2017年款車(chē)型每100輛車(chē)遇到的問(wèn)題進(jìn)行了統計調查，結果發(fā)現，2017年款汽車(chē)整體可靠性提高了9%，但是各種電子系統依然存在問(wèn)題。據調查，內置語(yǔ)音識別和藍牙連接是最大的問(wèn)題。

出現的問(wèn)題可能與采用最新的半導體器件有關(guān)。異常檢測中，在晶圓廠(chǎng)處理完晶圓后，首先進(jìn)行電氣測試，然后送到測試部門(mén)進(jìn)行評估。但評估方法只能解決一部分潛在問(wèn)題。

“你不可能測試器件的每一條執行路徑，也不能覆蓋完整的場(chǎng)景。有時(shí)候，測試結果也不是很明確。我們只是知道，目前的方法還不夠好。”KLA-Tencor戰略合作高級主管Jay Rathert說(shuō)。

此外，測試可能會(huì )發(fā)現潛在可靠性缺陷。“潛在的可靠性缺陷是指離開(kāi)了晶圓廠(chǎng)才暴露出來(lái)的缺陷，它們在某種程度上是通過(guò)環(huán)境激活的，包括振動(dòng)、濕度、電流、電遷移或熱量。隨著(zhù)時(shí)間的推移，它們可能暴露出來(lái)。”Rathert說(shuō)。



*隨機缺陷 來(lái)源: KLA-Tencor

既然如此，為什么不在這些芯片離開(kāi)晶圓廠(chǎng)之前就檢測出這些缺陷呢？

晶圓廠(chǎng)測試

根據加州大學(xué)伯克利分校的統計，月產(chǎn)5萬(wàn)片晶圓的晶圓廠(chǎng)需要以下設備：

 

50臺掃描儀/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臺蝕刻機； 30個(gè)CVD工具。

 

晶圓廠(chǎng)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(guò)程可能有多達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，半導體設備必須處理更小且更加精確的特征，隨著(zhù)工藝尺寸的縮減，缺陷也變得越來(lái)越難查找。

在汽車(chē)領(lǐng)域，芯片制造商必須在其器件的制造工藝中實(shí)施更加嚴苛的控制措施，并實(shí)施持續的缺陷改進(jìn)計劃。

“你必須有一個(gè)管理良好的工廠(chǎng)，一個(gè)強大的質(zhì)量體系和貫徹高質(zhì)量的理念，才能夠獲得制造汽車(chē)產(chǎn)品所需的認證。在汽車(chē)行業(yè)里，質(zhì)量控制始于工藝設計和工廠(chǎng)規劃，并一直延伸到實(shí)際生產(chǎn)芯片。”聯(lián)電副總裁溫文婷表示。

晶圓廠(chǎng)中，人們使用檢測系統定位晶圓缺陷。一般來(lái)講，芯片制造商不會(huì )檢查每一片晶圓，因為那樣不僅耗時(shí)長(cháng)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。

對于消費級芯片來(lái)說(shuō)，過(guò)程簡(jiǎn)單。“當我們開(kāi)發(fā)一項技術(shù)時(shí)，我們進(jìn)行認證，通常來(lái)講，抽樣的樣本數量總是有限的。”溫文婷表示。

但汽車(chē)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(guò)程的成本非常高。”溫文婷說(shuō)。

所有問(wèn)題和挑戰都是需要大量時(shí)間和資金去解決。如果芯片在經(jīng)過(guò)檢測后符合規范，就可以把晶圓從晶圓廠(chǎng)分發(fā)到封測廠(chǎng)。

同時(shí)，壓力就轉給封測廠(chǎng)了。為了幫助測試，KLA-Tencor設計了一種技術(shù)方案來(lái)解決晶圓廠(chǎng)的問(wèn)題。這一技術(shù)被稱(chēng)為在線(xiàn)零件平均測試（I-PAT），它利用PAT的概念。但是，與在測試部門(mén)進(jìn)行的PAT及其變體不同，I-PAT在晶圓廠(chǎng)中執行。

I-PAT不一定會(huì )與傳統的第三方異常檢測供應商競爭。它的目標是提供更多的測試數據，補充既有的測試組合。通常來(lái)講，這個(gè)過(guò)程仍然需要執行傳統的異常檢測。

KLA-Tencor的技術(shù)涉及硬件和數據分析軟件包。簡(jiǎn)言之，先將檢驗數據輸入到計算機建模程序中，然后分解數據，并查看晶圓圖上的硅片，最后在晶圓廠(chǎng)的多個(gè)檢查步驟中查找異常缺陷。

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

假設金屬層1上可能會(huì )有800個(gè)缺陷。計算機從晶圓上隨機選擇10個(gè)芯片，然后，使用各種I-PAT算法，系統最終確定這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(yíng)銷(xiāo)總監David Price說(shuō)。 “通過(guò)不斷重復，可以看到缺陷的統計性質(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(wèn)題的芯片。 另外，這些數據可以與其他異常檢測方法結合使用，以改進(jìn)測試通過(guò)或不通過(guò)的決策。Price說(shuō)：“通過(guò)在晶圓廠(chǎng)中實(shí)施I-PAT技術(shù)，能夠減少傳統PAT方法的不足。”

晶圓廠(chǎng)到測試廠(chǎng)之路

晶圓從晶圓廠(chǎng)轉移到測試廠(chǎng)后，進(jìn)行晶圓分類(lèi)、最終測試，有時(shí)也會(huì )進(jìn)行系統級測試。

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

這也為什么汽車(chē)廠(chǎng)商希望他們的供應商在測試過(guò)程中執行傳統異常檢測。

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量決定的；在DPAT中，則會(huì )在每次晶圓測試時(shí)計算閾值。

在SPAT和DPAT中，都會(huì )執行一個(gè)算法，最終得出測試通過(guò)或失敗的結果。



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。有的器件可能是遠離正態(tài)分布的極端異常。

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

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



GPAT有一個(gè)復雜版本，稱(chēng)為GDBN。GDBN基于一種理念：缺陷總是趨向于集中出現在晶圓的某些特定位置上。簡(jiǎn)單來(lái)講，缺陷較多的區域可能會(huì )找出一些不合格芯片。

還有一種被稱(chēng)為最差殘差（NNR）技術(shù)。“最差殘差技術(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。”Optimal+ Schuldenfrei說(shuō)。

通常，上述方法都可以結合使用。



未來(lái)趨勢

展望未來(lái)，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(zhù)汽車(chē)的自動(dòng)化程度越來(lái)越高，芯片缺陷檢測也將變得越來(lái)越重要。

此外，機器學(xué)習和人工智能的運算能力與功能也日益強大，我們相信，它們也會(huì )更多地參與到異常檢測中來(lái)。

最后，把所有的數據集成在一起也許是最大的挑戰。想象一下，從芯片獲取數據，并將其與多個(gè)不同公司的電路板數據關(guān)聯(lián)起來(lái)，需要共享數據才能實(shí)現更好的異常檢測。【完】

歡迎在新浪微博、網(wǎng)易號、今日頭條、天天快報、UC 頭條、搜狐號、一點(diǎn)資訊關(guān)注@新智駕。

別小看意法半導體，狠起來(lái)也是自動(dòng)駕駛“一霸”