Statistiska metoder för utveckling av innovativa process-teknologier med hög yield för tillverkning av nästa generationens mikroprocessorer Martin von Haartman Tekn Dr. Senior Process Engineer, Intel Corp. September 2009 1 Gästföreläsning Ingenjörsmetodik KTH
Innehåll Lite om mig själv och Intel Kort om ingenjörsrollen i industrin Översikt om statistiska metoder som används vid utveckling av process-teknologier 2 Gästföreläsning Ingenjörsmetodik KTH
Om mig 1996-2001, Elektroteknik 180p, KTH (E96) 2001-2006, Forskarstudent, ICT, KTH Huvudinriktning mikroelektronik Avhandling om karakterisering och modellering av brus i CMOS transistorer 2006-2006, forskare KTH 2006 idag, Senior Process Engineer, Intel Corp., Portland, USA. Jobbar på Yield avdelning med uteckling av framtida halvledarteknologier Ansvarar för metoder och analys av fel och defekter i tillverkningen. Engelskt namn Fault isolation/failure analysis 3 Gästföreläsning Ingenjörsmetodik KTH
Om Intel 86000 anställda (Dec. 2007) Huvudkontor i Santa Clara, Kalifornien, USA Utvecklingsavdelning för halvledarteknologi i Portland, Oregon, USA. Fabriker bland annat i Oregon, Arizona, Israel, Irland Produkter Mikroprocessorer för stationära och mobila datorer, arbetsstationer, netbook, inbäddade produkter, kommunikation, kosument-elektronik Flash-minnen Chip-set, moderkort, kretsar för kommunikation etc. 4 Gästföreläsning Ingenjörsmetodik KTH
Ingenjörsrollen Vanliga uppgifter i mitt jobb Kontakt med service personal för reparation av utrustning Inköp och installation av utrustning Leda projekt Dokumentation Upplärning av nya anställda och övrig personal Hålla presenationer Arbetsledning Programmering I mitt fall utgör rent tekniska uppgifter inom mitt specialområde ca 50% 5 Gästföreläsning Ingenjörsmetodik KTH
Nyttan av teknisk utbildning och övrig kompetens Personliga reflektioner (inte KTHs eller Intels allmäna inställning) Viktigt med översikt över många teknikområden (bredd) Också viktigt med specialistkompetens men kanske främst för att söka jobb (?) Språk (främst engelska) Ofta stor direkt nytta av mer tillämpade kurser i utbildningen Teoretiska kurser behövs för förståelsen och svårare att läsa in i efterhand. Viktigt för självförtroende, beslutsfattning och som utgångspunkt för att söka mer information (kunskapsbas). Utbildningen ger också omfattande träning i problemlösning, självständigt och kritiskt tänkande, etc vilket är viktigt i jobbet som ingenjör. 6 Gästföreläsning Ingenjörsmetodik KTH
Statistika metoder för utveckling av innovativa processteknologier med hög yield för tillverkning av nästa generationens mikroprocessorer Nya produkter tex atom processorn för minimal effektförbrukning i netbooks etc högre prestanda (fler kärnor, snabbare kretsar) Nya process-teknologier innehåller många innovativa lösningar Mindre & snabbare transistorer (Moore s law) Effekt, pålitlighet, yield, miljöhänsyn, etc. Yield = andel chip som fungerar Processutveckling Ny Produkt Produktion Krets design 7 Gästföreläsning Ingenjörsmetodik KTH
Översikt över tillverkningsprocessen Nedskalning av dimensioner med faktor 0.7 vartannat år Senaste process-teknologin (32nm) har transistorer vars gatelängd är 30nm. Vissa skikt är så tunna att de innehåller ett fåtal atomlager. 32nm SRAM test-chip innehåller 1.9 miljarder transistorer Kisel-skiva Process steg: Deponering Etsning Mönstring (litografi) Dopning Skiva med färdiga chip 8 Gästföreläsning Ingenjörsmetodik KTH
Variationer och defekter SRAM cell används i cache minnet För stabil design bör T3 > T1 > T2 (maximal ström genom transistorn) Variationer i framförallt tröskelspänningen gör att cellen kan bli defekt Det finns en specifikation för medelvärde och standardavvikelse T1 T2 T3 Ledningarna som kopplar samman transistorerna får inte ha en kortslutning eller ha en öppen krets någonstans Små dimensioner ytterst små partiklar eller process-variationer kan leda till en icke fungerande krets Interconnect stack 9 Gästföreläsning Ingenjörsmetodik KTH
Statistiska metoder Hur ska man uteckla en process med hög yield? Totala variationen beror av bidragen Minimera variationen i process-moduler med stort bidrag Minimera systematiska fel För komplicerade samband teoretiskt allting bestäms experimentellt mha statistik 10 Gästföreläsning Ingenjörsmetodik KTH
Kontroll-gränser Varje process-modul tar mätdata från sin process Kan sampla olika nivåer (batch-batch, skiva-skiva, inom skiva) Kontrollerar att medelvärde och standardavvikelse ligger inom uppsatta gränser Konfidens-intervall Försöker uppskatta okänt medelvärd μ från en population med standardavvikelse σ 95% säkerhet att μ är i intervallet X ± 2σ/ n där X är medelvärdet av n datapunkter Kan sätta kontroll-gränser utifrån specifikationen för en viss maskin och konfidens-intervall 11 Gästföreläsning Ingenjörsmetodik KTH
Hypotes-test Avgöra om två maskiner är matchade Avgöra om ett nytt process-steg är en förbättring Antag att ny typ av filmdeponeringsteknik utvecklats som ska ge lägre resistans Kan vi säga om vi säga om metoden är bättre? Historiskt medelvärde Nytt medelvärde 12 Gästföreläsning Ingenjörsmetodik KTH
Hypotes-test forts. Anätt en hypotes μ = μ 0, alternativ hypotes (ex. μ μ 0 ) och signifikans-värde α I de flesta fall kan normal-fördelning användas Beräkna z test = (X μ 0 )/(σ/ n) Kolla tabell eller formel för normal-fördelning sannolikhet p för att Z > z test (dubbel-sidig) Om p α avslå hypotesen α/2 α/2 -z α/2 z α/2 13 Gästföreläsning Ingenjörsmetodik KTH
Design av experiment (DOE) Effektiv metod för stastisk analys Anger hur många experiment som behöver göras för att ta beslut vid viss risk och upplösningsförmåga En batch delas upp i skivor som genomgår standard process och skivor som genomgår ny process Batch Standard process Ny process 14 Gästföreläsning Ingenjörsmetodik KTH
Analyser av samband Antag att ett stort yield problem upptäckts. Hur indentifierar man felkällan? Teknisk kunskap (karakteristiska egenskaper, fellokalisering och felanalys) Trender Korrelationer 15 Gästföreläsning Ingenjörsmetodik KTH
Trender Studera variabel över tid eller i sekvens Förändring kan härledas tex till införandet av ett visst process-steg eller service tidpunkt av en viss maskin Om datat innehåller mycket brus kan filtrering/utjämningstekniker användas tex rullande medelvärde 16 Gästföreläsning Ingenjörsmetodik KTH
Korrelationer Korrelation mellan två variabler innebär att en variation in den ena variabeln är kopplad till en variation i den andra R = S XY /S X S Y R = -0.08 R = 0.99 Jämförelse mellan två processer 17 Gästföreläsning Ingenjörsmetodik KTH
Korrelation i 2D Fel kan uppträda en hög täthet i vissa regioner på skivan Varje område kan analyseras separat Fel Test-struktur data visar tex problem i samma område Process 1 Process 1 Process 2 18 Gästföreläsning Ingenjörsmetodik KTH
Felanalys (Failure Analysis) Statistisk analys är användbart för att identifiera orsaker till yield problem men inte alltid I många fall kan ingen korrelation enkelt hittas Den statistiska analysen ger bara en indikation Behöver metoder för att fysiskt identifiera defekter Verifiera elektriskt (tex kortslutning mellan två ledare). Finns prob-tekniker för att utföra IV-mätningar även på 32nm transistorer Fotografera defekter med SEM (scanning electron microscopy) eller TEM (transmission electron microscopy) 19 Gästföreläsning Ingenjörsmetodik KTH
Fellokalisering (fault isolation) I många fall är det ett kluster av minnesceller som har fel Hur vet man var man ska mäta? Var finns defekten? Elektrisk karakterisering av felet (DC-mätningar, funktionella mätningar). Bestämma bla område för felet och tid/spänningsberoende Logisk-fysisk analys mha krets-design och CAD program Studera IR-ljus från kretsarna Laser-stimulering 20 Gästföreläsning Ingenjörsmetodik KTH
Sammanfattning Statistiska metoder är viktiga verktyg för att ta beslut baserat på tillgängligt data Speciellt viktigt vid extremt komplicerade processer som kräver strikt kontroll, tex yield vid tillverkning av mikroprocessorer Orientering av olika statistiska metoder som används vid utveckling av process-teknologier har presenterats Frågor? 21 Gästföreläsning Ingenjörsmetodik KTH
22 Gästföreläsning Ingenjörsmetodik KTH