27、提升BiCMOS芯片分选良率：定位局部缺陷机制与精准TEM横截面分析

提升BiCMOS芯片分选良率：定位局部缺陷机制与精准TEM横截面分析

1. 背景与问题提出

在半导体制造中，VLSI混合信号产品的芯片分选良率至关重要。然而，某产品的芯片分选良率比晶圆厂缺陷密度曲线预测的预期良率低了13%。这一差异可能源于产品特定的高缺陷密度（Do）或低参数良率（Yp）。为找出导致良率损失的最大产品特定原因，我们综合运用了良率数据分析、聚焦离子束（FIB）辅助微探针测试、FIB制备的透射电子显微镜横截面分析（FIBXTEM）以及工艺分析等方法。

2. 关键概念与曲线

• 参数定义 ：
  • Yp：参数良率
  • Do：致命点缺陷的缺陷密度
  • A：芯片面积
  • Y：芯片分选良率
• 缺陷密度曲线 ：使用Seeds - Price模型结合参数良率项Yp开发得出。曲线假设Yp = 0.96，并确定Do以使曲线拟合成熟产品的良率点。

3. 选择用于失效分析的芯片

为确定导致良率损失的特殊原因，我们采用了以下七个步骤：
1. 确定首个失效Bin ：
- 术语定义 ：
- 特殊原因：产品特定的良率损失机制。
- 共同原因：所有产品都会遭遇的良率损失机制。
- 预期良率：由晶圆厂缺陷密度曲线预测的良率。
- 高良率：在预期良率的±5%范围内。
- 低良率：低于预期良率超过5%。
- YL(X)：总体X的总良率损失百分比。
- YLcc(X)：总体X因共同原因导致的良率损失百分比。
- YLsc(X)：总体X因特殊原因导致的良率损失百分比。
- 计算特殊原因良率损失 ：
- 通过公式YL(A) = YLcc(A) + YLsc(A)（A为所有晶圆的总体），结合假设YLcc(A) = YLcc(H)（H为高良率晶圆的总体）和YLsc(H) << YLcc(H)，推导出YLsc(A) = YL(A) - YL(H)。
- 良率损失可以用Bin故障率表示，使用归一化的Bin故障率（NBFR）来确定真实的故障率。通过公式NBFRsc (A) = NBFR(A) - NBFR(H)，从所有晶圆和高良率晶圆的归一化Bin故障率Pareto图中，找出特殊原因的Bin Pareto图。结果表明，Bin 27是导致良率损失的最大特殊原因。
2. 识别晶圆 ：找到Bin 27失效芯片数量最多的低良率晶圆。
3. 重新测试晶圆 ：对该晶圆进行重新测试，并记录每个芯片的所有测试数据。
4. 确定首个失效测试 ：根据重新测试结果，确定最常导致Bin 27首个失效的测试，这是一个包含多个电路块的功能测试。
5. 确定电路块 ：通过找出信号路径中最早失效的电路块，确定最常导致Bin 27功能失效的电路块。在这个例子中，电路块“B”最常导致失效。
6. 确定电路块失效的测试 ：在电路块B失效的17个芯片中，有13个在电荷泵跨导测试中失败。
7. 确定芯片 ：选择在电荷泵跨导测试中失败的芯片进行失效分析。

以下是这七个步骤的mermaid流程图：

graph LR
    A[确定首个失效Bin] --> B[识别晶圆]
    B --> C[重新测试晶圆]
    C --> D[确定首个失效测试]
    D --> E[确定电路块]
    E --> F[确定电路块失效的测试]
    F --> G[确定芯片]

4. FIB辅助微探针测试

在进行内部芯片探针测试之前，我们进行了以下准备工作：
1. 定位并封装在电荷泵跨导测试中失败的芯片。
2. 在测试台上设置电荷泵跨导测试，并验证失效情况。
3. 去除钝化层，以便对顶层金属进行探针测试。

然而，在测试过程中，一些芯片由于恢复或电气特性的显著变化而无法确定失效原因。这些变化可能由聚焦离子束切割或探针窗口、施加或不施加电源进行探针测试、不正确的关机顺序以及芯片上电等操作引起。为解决这一问题，我们将FIB的束流从250 pA降低到50 pA，并采用化学辅助蚀刻代替非选择性蚀刻。

为了辅助定位缺陷，我们对电路中的各种缺陷进行了模拟，并将模拟结果与失效芯片的实际曲线轨迹进行比较。例如，通过模拟一个1V电压源与4Ω电阻串联在晶体管Q4发射极的缺陷模型，发现其模拟结果与实际测量结果相似，表明该缺陷可能是导致失效的原因。

5. FIBXTEM分析

由于怀疑缺陷是一个非常薄的界面层，我们选择TEM横截面分析作为最佳技术。FIBXTEM技术利用FIB创建并减薄用于TEM分析的横截面，具有在最终减薄前使用扫描电子显微镜（SEM）检查感兴趣区域以及能够分析亚微米范围内特定局部区域而不破坏样品其他部分的优点。

通过精心规划FIB横截面，我们对金属1与多晶硅的接触以及发射极进行了TEM横截面分析。首先对金属1与多晶硅的接触进行分析，未发现导致开路的缺陷，但发现了薄多晶硅和厚多晶硅之间的100Å界面氧化物层。随后对发射极进行分析，发现单晶硅和多晶硅之间存在35Å的氧化物膜，这导致了发射极开路。在相邻的正常发射极中，界面层厚度小于15Å，外观与失效发射极明显不同。

同样的缺陷（npn发射极的单晶硅 - 多晶硅界面处的氧化物）在另外两个芯片的电荷泵跨导测试中也被发现，进一步证实了该缺陷是导致良率损失的重要原因。

以下是相关测试和分析步骤的表格总结：
|步骤|操作|结果|
|----|----|----|
|确定首个失效Bin|计算特殊原因良率损失，找出Bin 27为最大特殊原因|确定关键失效Bin|
|识别晶圆|找到Bin 27失效芯片最多的低良率晶圆|定位问题晶圆|
|重新测试晶圆|对晶圆重新测试并记录数据|获取详细测试数据|
|确定首个失效测试|确定最常导致Bin 27失效的功能测试|明确失效测试|
|确定电路块|找出信号路径中最早失效的电路块B|定位关键电路块|
|确定电路块失效的测试|发现电路块B在电荷泵跨导测试中常失效|明确具体失效测试|
|确定芯片|选择电荷泵跨导测试失败的芯片进行分析|选定分析芯片|
|FIB辅助微探针测试|定位封装失效芯片，设置测试，降低FIB束流，进行电路模拟|辅助定位缺陷|
|FIBXTEM分析|规划并进行TEM横截面分析|发现界面氧化物导致发射极开路|

提升BiCMOS芯片分选良率：定位局部缺陷机制与精准TEM横截面分析

6. 工艺分析

在发现npn发射极的单晶硅 - 多晶硅界面处的氧化物是导致良率损失的重要原因后，我们进一步对工艺进行了分析。
- 缺陷特征与分布 ：通过TEM横截面分析，发现另一个横截面中，随着与开路发射极位置的距离增加，薄多晶硅和厚多晶硅之间的氧化物层逐渐变窄，最终消失，这表明该氧化物缺陷是一个局部缺陷。同时，我们利用系统对缺陷点的空间分布进行了映射，发现缺陷点通常是随机分布的，但部分晶圆呈现出径向条纹状分布，这种径向模式将可能的工艺步骤限制在晶圆旋转的步骤中。
- 检测工具的局限性 ：我们发现散射仪类型的图案检查工具无法检测到这些非常薄的alpha - 斑点（由氧化物形成的缺陷点）。后来我们发现，一种足够灵敏的图像比较工具可以在这些斑点被蚀刻之前检测到形成它们的薄氧化物层。
- 确定问题根源 ：通过短循环工艺实验，我们将alpha - 斑点的成因追溯到厚alpha预清洗时使用的旋转冲洗干燥机（SRD）。具体过程如下：
1. 制作一些由热氧化物上的薄alpha、标准的HF - last预清洗和厚alpha组成的晶圆。
2. 用标准的多晶硅蚀刻对这些晶圆进行全面蚀刻，并在图案检查工具上进行检查。结果发现晶圆上布满了小的alpha - 斑点，且再次观察到径向条纹，这表明问题明显源于厚alpha预清洗时使用的SRD。
3. 另一个短循环实验发现，在薄alpha沉积后进行标准的HF - last预清洗，会在薄alpha顶部形成局部氧化物区域，这确定了alpha - 斑点是由厚alpha和薄alpha之间的局部氧化物形成的，该氧化物阻止了薄alpha的蚀刻。

7. 缺陷形成机制

MacKinnon提出了一种从“水斑”导致局部氧化的机制，具体如下：
1. 饱和氧的去离子水会蚀刻硅，形成二氧化硅。
2. 随着水的蒸发，二氧化硅会变得更加浓缩。
3. 亲水性很强的二氧化硅会固定住水滴，开始形成水斑。
4. 当水斑中的水蒸发时，二氧化硅浓度增加到开始使胶体颗粒成核的水平。
5. 水斑通过可溶性和胶体二氧化硅的沉淀演变成二氧化硅。

8. 改进措施与效果

• 改进SRD维护 ：通过改进SRD的维护，包括修复泄漏的三通阀、更换旧的N₂过滤器和修复不工作的加热器，alpha - 斑点密度从平均35个/cm²降低到11个/cm²。这一改进主要消除了偶尔出现的高缺陷批次，使得因该问题而报废的晶圆数量降至零。此外，我们还发现某些水槽在运行该工艺时能力较差，最终将生产限制在最新的一个水槽中。
• 测试SRD周期 ：我们测试了几种SRD周期，但没有一种能显著降低alpha - 斑点密度。其中最有前景的工艺是在SRD步骤中不使用水，并采用逐步增加转速（每30秒增加250 RPM）的斜坡式旋转，其目的是清除晶圆中心的大水滴而不将其破碎成难以去除的小水滴。该工艺在实验中成功消除了径向条纹，但在实际生产中，许多批次的晶圆边缘出现了厚带状的小斑点，因此我们最终恢复了原来的SRD工艺。
• 使用Marangoni或表面张力梯度（STG）干燥机 ：使用STG干燥机的实验显示，该系统完全没有产生alpha - 斑点，并且对器件行为没有显著影响，特别是对npn的β值（对单晶硅 - 多晶硅发射极界面处的本征氧化物生长敏感）没有影响。基于这些结果，STG系统目前正在我们的晶圆厂安装和验证。

以下是改进措施和效果的表格总结：
|改进措施|操作|效果|
|----|----|----|
|改进SRD维护|修复三通阀、更换N₂过滤器、修复加热器|alpha - 斑点密度从35个/cm²降至11个/cm²，减少报废晶圆|
|测试SRD周期|尝试不同的SRD周期，包括无水印洗和斜坡式旋转|部分消除径向条纹，但出现新的边缘斑点问题|
|使用STG干燥机|采用STG干燥机去除晶圆表面水分|完全消除alpha - 斑点，对器件行为无显著影响|

9. 结果与讨论

• 良率损失分析 ：通过将高良率晶圆和低良率晶圆的Bin故障率分离，并从结果中选择用于失效分析的芯片，我们确定了所分析产品的6%良率损失机制。然而，数据分析过程并没有像最初计划的那样确定产品特定的良率损失机制，而是确定了一个非产品特定的良率损失机制。这是因为我们最初假设非产品特定机制导致的良率损失在高良率晶圆和低良率晶圆上是相同且可控的，但实际上并非如此。在分析时，SRD的维护问题尚未解决，导致alpha - 斑点密度和良率损失存在较大差异。
• 技术应用总结 ：
  • 在失效分析中，我们利用化学辅助低束流FIB制作探针窗口和金属切割，避免了芯片恢复。
  • 通过CAD模拟预测可能导致微探针曲线轨迹结果的缺陷机制。
  • 采用精心规划的TEM策略，对非常接近但位于不同平面的两个可能缺陷部位进行了研究。

10. 结论

通过综合运用数据分离、失效分析和工艺改进等方法，我们成功确定了导致产品良率损失的重要原因，并采取了相应的改进措施。虽然最初的目标是确定产品特定的良率损失机制，但实际结果表明，非产品特定的因素（如SRD维护问题）对良率产生了重大影响。这提醒我们在进行良率分析时，需要确保非产品特定原因导致的良率变化得到有效控制。通过改进SRD维护和采用STG干燥机，预计将alpha - 斑点和/或水斑密度从35个/cm²降低到0个/cm²时，所分析产品的良率将提高6%。

以下是整个分析和改进过程的mermaid流程图：

graph LR
    A[产品良率低于预期] --> B[选择失效芯片分析]
    B --> C[FIB辅助微探针测试]
    C --> D[FIBXTEM分析]
    D --> E[工艺分析]
    E --> F[确定缺陷根源为SRD]
    F --> G[改进SRD维护]
    G --> H[测试SRD周期]
    H --> I[使用STG干燥机]
    I --> J[预计良率提升6%]