摘要
诊断驱动的良率分析 (DDYA) 技术利用生产测试结果、批量扫描诊断和统计分析来查找 IC 芯片中导致良率损失的原因。它能协助逐步提升新制造工艺的良率,改善成熟工艺的良率,以及满足汽车 IC 的测试质量标准。您可以通过将 Tessent™ Diagnosis 的高精度批量扫描诊断与 Tessent YieldInsight™ 的可视化显示和统计分析相结合,构建有效的良率分析流程。应用基于批量扫描诊断结果(该结果结合了设计版图和失效数据)的良率分析,而不是单纯依赖制造工艺数据,可以将发现良率损失根本原因的周期时间缩短75-90%。
在每个制造节点引入新的缺陷机理时,容易受设计影响的缺陷在数量和复杂性方面呈现出大幅增加的明显趋势。这意味着,在引入新的制造工艺时,除了最初存在的低良率问题之外,即使随着工艺的逐渐成熟,不同设计之间的变化仍会不断导致良率挑战。对您影响最大的良率挑战可能取决于贵公司所生产的半导体产品类型。如下图所示,一些高端消费类产品严重依赖极短的市场窗口,这种情况下,量产时间至关重要。对于长期制造的产品而言,获取最后的 1%-2% 的成熟良率可能意味着盈利水平的大幅提升。
不同半导体公司将会侧重良率学习的不同方面。
思考以下几个问题:
- 良率问题是否曾拖延您的产品发布或销售进度?
- 1% 的良率提升是否会对您的利润产生重大影响?
- 出现良率问题时,您是否希望晶圆代工厂提供更快的响应?
- 您是否在同类工艺中发现了不同的良率?
如果以上任何问题的答案是肯定的,那么本白皮书所述的诊断驱动的良率分析方法可能会对您有所助益。
点击这里下载完整白皮书
来源:Mentor明导