在對可靠性影響幾個最大的關鍵製程步驟中，採用這種被稱為「篩選」的技術對100%的晶片和100%的晶圓進行檢測。在檢測中未通過預設缺陷率標準的晶片被「篩出」或「標記」，並將其從汽車供應鏈中濾除。濾除的標準通常是根據反覆出現的客戶退貨，並且對這些產品進行故障分析以揭示容易引起問題的製程層、晶片區域和缺陷類型。在採用8D研究對可靠性問題的來源進行辨識和表徵之後，許多領先的汽車半導體客戶將堅持讓他們的IC供應商採用有針對性的篩選作為預防措施，以確保完成零缺陷的品質目標。
缺陷檢測為汽車晶片製造挑戰
篩選所用的缺陷檢測的晶圓圖上通常有太多缺陷，這是汽車晶片製造商所面臨的挑戰。當然，並非晶片上的每個缺陷都有同等機率造成晶片致命故障。但如果不對缺陷的可靠性風險做出仔細評估，就可能造成讓人無法接受的「矯枉過正」，本來可以在整個使用壽命期間正常運行的晶片也被標記濾除。
為了實現提高品質且又不會矯枉過正的雙重目標，篩選必須成功識別在ppb級品質檢驗環境中最可能出現故障的晶片，同時允許合格晶片通過品質檢驗。一種稱為線上缺陷零件平均測試(I-PAT)的新型晶片級篩選方法由此而創建。I-PAT是一種統計方法，用於識別可靠性故障發生風險較高的晶片。
零件平均測試(PAT)由汽車電子委員會(AEC)於1997年首次認可，目前已被廣泛使用。其理念是採用電性測試，並將每個零件的性能參數與大量產品的資料分布進行比較和評估。那些符合規格但在產品正態分布之外的晶片被視為異常零件；實際結果表明，這些異常零件更容易產生可靠性故障，因此可以將其從供應鏈中濾除。參數化零件平均測試(P-PAT)的概念現已進一步發展並包括了其他幾種不同的辨識異常晶片的方法。
圖1顯示了該測試的基本概念。晶片A來自主要數值分布的中間，晶片B則遠低於零件平均測試的下限。因此，晶片B多半會被濾除以免其造成可靠性風險。
線上缺陷零件平均測試是將這個異常零件分析原則擴展用於線上缺陷資料。目前已經確定，給定晶片中可靠性缺陷的發生率與缺陷總數呈線性正比；如果晶片A缺陷數目是晶片B的十倍，那麼即使兩個零件在最終測試中都完全正常運行，晶片A也有著十倍可能性會發生可靠性故障。
這種簡單的關係可以用數學公式1來表示，其中P(LRD)是第i個晶片包含潛在可靠性缺陷(LRD)的概率，Ni是晶片I上的缺陷總數，m是比例常數(0<m<<1)。
公式1
在最基本的I-PAT使用中，可以將一個或多個關鍵篩選層的缺陷數目加總，以獲得晶圓上每個晶片的累積缺陷數目，並對該資料採用異常零件確定方法。由此篩選出的異常晶片中包含可靠性缺陷的統計概率是最高的。有了這些資訊，汽車製造廠可以有意識權衡並劃分異常零件的離群距離與最終良率損失，並以此確定針對該元件可以接受的品質風險。圖2顯示了晶圓上四個不同製程層的晶片累計缺陷數目。
I-PAT降低晶圓篩選難度
I-PAT是一種相對簡單的方法，可以很容易地加進大多數晶圓廠的篩選方法中。一旦到位，可以透過將特定的線上缺陷類型與工廠的可靠性經驗、探針資料、老化和最終測試資料以及客戶退貨等訊息相關聯並加以改進。這將指明那些與良率和可靠性最為相關的製程層和缺陷及其界定屬性。而這些屬性，可以讓已知的可靠性風險缺陷的識別更加便捷。
一旦確定了缺陷屬性和可靠性風險之間的相關性，就可以通過為每個缺陷類型分配權重並創建每個晶片的潛在缺陷概率指數(LDPI)以提升性能。使用LDPI時，採用了相同的I-PAT統計異常晶片的原則，但現在每個缺陷都根據其可靠性風險的相關性進行了加權。
使用加權I-PAT而不是總缺陷數有助於濾除與可靠性的相關性較弱的缺陷，並提升相關性強的缺陷訊號。雖然僅僅憑藉總缺陷數篩選異常晶片就可以顯著提高晶片可靠性，但採用加權方法可以更為有效。加權I-PAT透過減少矯枉過正和要求不嚴來提供更有效的篩選。I-PAT的線上異常晶片檢測也可以與探針和測試資料相結合，在測試決策過程中加入缺陷資訊以決定邊緣晶片的去留(圖3)。該技術顯示出那些通過探針和測試的風險晶片，並且還被更有效地用於指引區域零件平均測試，發現可能通過其他方式漏網的風險晶片(圖4)。
透過製程控制降低整體缺陷率仍然是在汽車零缺陷環境中提升可靠性的主要方法。偏移監控和持續改進計劃是製程控制的基礎，需要時間和紀律，但對於降低製程設備缺陷率是至關重要的。新興技術，例如I-PAT篩選，正在逐漸被推廣使用。作為傳統製程控制的補充方法，篩選是IC汽車製造廠向客戶提供優質產品的最快捷和最便宜的方式。篩選技術提供了識別和阻止個別高風險晶片進入供應鏈所需的安全網，是實現自動駕駛所需的亞ppb品質目標的下一步。
(本文作者David W. Price、Jay Rathert為KLA資深總監；Douglas Sutherland為KLA首席科學家)
