全面检测技术提高 LED 制造良率

全面检测技术提高 LED 制造良率

LED 制造良率之提升能够保证较低芯片成本的生产利润并且激励固态照明的成长。KLA – Tencor 产品营销总监的 John Robinson 表示，一种让工厂产制更多合格晶粒的方式就是引进各种制程阶段之检查机台，搭配着汇整所有数据的软件并且摘指出制程上的问题。

    LED 产业之发展并非还是原地踏步着。领导制造商正迈向 6 吋晶圆之量产，而且朝向更显著精细之 LED 架构－于晶粒和晶圆阶段所挹注之成本增加的两个趋势，这些芯片的应用亦正在改变，愈来愈多被运用在车辆头灯、LED电视、个人电子产品以及建筑照明。炙手可热之固态 LED 照明市场的出现也正在开展，应而使得广泛替换传统白炽灯照明而改以节能、无汞、置换性诉求。

    LED 产业之演进已影响到在其产制过程当中对于产品检验所采取的手法。于昔日，因为单位组件成本相对低廉使然，所以制造商鲜有诱因去运用在线 (in-line) 良率提升策略，加上这些 LED 的应用在芯片性能上不太被要求。回溯当时，关于在最后产制阶段时好的组件筛选之“test-and-soft”方法能够满足客户的需求。

    然而今非昔比。不仅客户要求甚高，规范更趋严格 – LED 的价格也一落千丈，而芯片制造商必须到达较高的良率以确保盈利。因此，多数的领导制造商正转向全面良率管理手法，以超越满足市场的需要并同时保有成本竞争力。在 KLA – Tencor 公司，一家美国半导体产业检测机台的制造商，我们是拥护LED良率管理策略综合手法有其效益的坚定信仰者。理想情况下这应包括：于整个产线过程关键点的在线自动化检测；制程骤移 (excursions) 的快速检测；透过缺陷来源分析的及时 root cause 辨识；采用先进的空间特征分析 (Spatial Signature Analysis)；以及一套全面泛用软件系统用于汇总、分析和利用信息，以减少生产错误扩延以及驱动及时的修正措施。

绝佳机会

    在 2009 – 2015 年时间框限期间，两个主要目标针对固态照明而载述于美国能源部规划蓝图是加倍 LED 效率和减半每流明的价格（图1）。为了实现这些目标，有一半以上的成本削减将必须来自于针对在线检测、制程控制及其它提升良率技术而来改善。

    倘若 LED 晶圆厂继续采用人工方法进行缺陷和良率分析的话，他们将无法提升足以让芯片得以成本下降 50％ 或以上的良率。使用这种传统的方法，大部分的工程时间则耗费在搜集和规划信息 – 无多余时间专注于重要的分析工作和采取适当的修正措施。此外，这种过时的作法招致在人工数据搜集方法范围内的不一致性，再加上缺乏一个全面性的手法去显现出不同生产制程之间的关键讯息，如裸晶圆的检查、磊晶薄膜、图案化晶圆和晶粒。

    这种数据搜集缓慢和极少分析之低效率的组合无法快速地指出超过可接受参数却正在偏离之制程并且导致生产出大量的不良晶粒。亦有附加的成本 – 有关于在后续生产步骤中于不良部件上所施行动作之所有费用支出。从经验数据而很显见的是，透过预先在制程之关键点运用先进的在线检测机台，有机会搜集到相关导因于后续步骤之良率而具价值性的预测讯息。这个益处被显示在晶粒图标里，比较依据后磊晶检测的预测失效与在电性测试的实际失效（图2）。这些图示显露出介于磊晶缺陷和电性测试时 LED 失效两者之间之高度关联性 - 有超过 52％ 之预测不良晶粒产生电性失效。

如此高的“kill rate”强力地暗示出，问题出在磊晶反应室。然而，如果没有加上及时分析和修正措施之在线磊晶检测的帮助，在error spike出现于最终“e-test”之前，这个问题会持续两到四星期而未察觉。在每月生产20000片的LED晶圆厂，这个问题可能隐藏直到10000到15000片高缺陷率的发生。就其事件而言，整合有及时分析和校正之在线磊晶检测可以挽救一个典型LED晶圆厂每年数百万美元的损失。

人工检测vs.自动检测

虽然在线磊晶检测有其用处，当与其它方法（见图 3）结合时，甚至可能有更大的良率提升。我们相信，为了辨认出在实时中的制程骤移和支持及时的修正措施，自动化在线检测在制造过程中各关键点是必不可少的，必须连同规划针对性之统计制程控制（SPC）去使用。必需运用在线检测于缺陷产生的所在点以及实施在实时中的修正措施。当该方法超乎单纯的“总缺陷数”SPC 方法，于改采用最先进方法之时则奏效。

有趣的是，经验显示，比起耗费时间去发现和纠正来说，骤移的大小不是那么的重要。 即使低效率的人工方法可以发现“主要的”骤移，所以影响生产良率的风险是相当低的。相较之下，更难发现更细微的“次要的”的制程骤移，而没展现出超越可接受参数的明显偏差。这些缺陷经过相当的时间而不被察觉，把更多的产品曝于风险和增加潜在的巨大财务损失。此一观点已为实证财务分析所支持，这显示出，一个σ偏差比3σ或10σ偏差更具破坏性。自动化在线检测可以藉由缩窄分布去撷获这些小偏差并使得 SPC 图表更为清晰（图4）。

人工检测的其中一个主要缺点是在于，本质上是依赖各种无法控制的变因，包括操作者训练的程度、时段、工作专注力、检查速度和可检测产品数量。所有这些无法控制的变因其结果是在检测结果之统计分布中过度的“噪声”，这使得更难发现不易捉摸的制程骤移（图4）。相反地，自动化在线检测系统消除了在检测过程中的主观性和变异性。那么工程师可以集中心力在确定生产制程中的变异性，从而加快了有潜在可能造成重大影响之次要骤移的辨识。自动化在线检测站可以运用在整个工厂的关键点，针对特定 LED晶圆厂制程的复杂性量身定做（图5）。如果客户选择采用我们的机台，将其芯片制造设备搭载检测技术和那些在制造硅晶IC电路工厂中已经进行了深度发展和提升之平台。

我们的自动化机台采用具有扫描和检测算法用于实现针对高产能、高灵敏度检测之先进光学系统。易于将很难用人工方法来处理的较小晶粒尺寸，还有需要迅速提高良率的较大晶粒尺寸进行规划配置。在最后的产出步骤时，这些自动检查机台亦结合通过/不通过 (Go/NoGo) 评估及使用准则基础之分级算法的准确多分级 (multibin) 缺陷分类。

暴露缺陷

理想情况下，在 LED 晶圆厂中的制程工程师将在关键生产步骤很快挑出骤移。这使他们能够确定根本原因，并在累积误差的波扩延到整个其余生产线之前采取修正措施。好消息是，自动在线检测与缺陷来源分析（DSA）相结合是相当容易做到，可以寻找出影响后续生产顺序时的各种来源缺陷关系。

缺陷讯息，诸如从 Klarity LED 产品，从整个生产流程的关键点被传递到作为产业标准 KLARF数据（KLA报告文件）的中央数据库。这些信息可以包括影像、排序/分级数据，以及使得从整个晶圆厂相关讯息无间断（图6）之其他晶圆厂的输入，个别 KLARF含括详细的信息，包括 ID，缺陷的位置和大小，还有从检测机台的其它讯息。工程师能够透过该系统从PC基础的客户端进入到中央数据库中的缺陷信息，使他们能够迅速进行一系列的分析功能，诸如建立 / 更新 SPC 控制图，或作成晶圆图标，Pareto图或图像库以支持 DSA 活动。

肇于自动化事件基础的触发器，工程师 – 能够进入完整范畴的检测数据并且直接从自己的办公桌或工作站去执行广泛的分析功能 - 可以迅速确定缺陷的根本原因而不必多次往返于洁净室或组装和手工绘制缺陷数据表。对工程师来说也可以使用缺陷转变表（DDT）与一种先进的DSA特征去追踪整个制程从层到层缺陷之形态变化。这使他们能够缩小搜索的问题来源，而且还支持追踪当介于在流程中步骤之间晶圆缺陷的转变。使用 DDT 连同定量层对层“迭加”分析和晶圆图使根本原因可以快速地辨识出来。藉由能够从整个制程中比较数据和影像，工程师也能够更好地角度观看到“大图片”并确定不是很明显的相互关系。其结果是：更快，更准确的 DSA 用于支持修正措施。

另一个有力的工具是空间特征分析（SSA）。这使得空间特征的检测和分类，诸如缺陷群聚和模式，可以指出不合规格制程或制程机台的问题。客制的 SSA 配方 (recipe) 可以设置为自动识别、分析和界定制程引致的特征以及特定 LED 设计的缺陷群集。这使得SSA自动地去提醒工程师依据特征分类和分析去处理制程骤移，即使晶圆的缺陷计数是合于规格之内。 SSA 也使得缺陷特征以区域来进行监测，联结空间特征类别 - 包括环状、径向、刮痕、线状 – 加上晶圆预先定义的区域，比如其边缘。藉由使用 SSA 连同 SPC 和 DSA，工程师可以利用量化的数据来支持及时、真实情况决策。例如，可以建立趋势图以监测特定边缘特征 及/或 群集的发生。 来自于 DSA 功能的反馈也可以用来确认及/或 修正 SSA 标准和 SPC 图表。

再者，SSA 特征数据可以用来识别和忽略非良率限制而不影响失效率之干扰缺陷。例如，后磊晶微粒缺陷鲜少影响 LED 良率，但如果大量发生并且从批次对批次 (lot-to-lot) 有明显变化时，会触发假性骤移的事件。 SSA 算法可以被预先调整以辨认这种状况并避免假发报。

工程师可以选择使用 SSA 配方编辑器以有效地“训练”SSA 节点，经由自订标准，并从取样晶圆数据来加入特征（图7）。如果 SSA 配方被储存到通用数据库和连结到 DSA 文件和 SPC 图表的话，如此能致使制程控制方法的优化提升。

结论

我们 Klarity LED全面管理软件系统将所需的功能集于一机。这样的技术效果已在硅晶产业中产生优越的结果。然而，这种软件已适应去解决特定需求和LED 制造所特有的挑战。迎合了在典型的 LED 芯片上小型晶粒和数以千计的组件，比起采用人工管理系统来说，使得 LED 晶圆厂良率的有效管理还具有效率。自动化软件的手法及于 end-to-end 的整个生产流程；结合良率分析、骤移响应，前段到后段关联性及采取修正措施。

藉由采取良率管理的综合方法，所有的难题可迎刃而解，导致制程的发展加快，更快地提升生产良率，提高质量层次，更快的骤移检测，和整体更具成本效益的 LED 制造过程。这将有助于降低 LED 的成本，并推动其部署在诸如一般照明的新兴市场。

图1：在线检测和良率管理将降低成本并且提高LED制造的效能

图2：自动晶圆检测关联到磊晶缺陷与电性失效，这是在最后的制造过程时被加以评估的

图3：比起磊晶的相关问题，图案缺陷是良率损失的一个更大原因

图4：人工检查引入了大量的噪声到任何测量。其结果是当使用人工检查时偏差会被忽视的，但采用自动检查时很容易被察觉

图5：基于三代机台于关键LED制程点中运用自动化在线检测

图6：缺陷分析最好的方法，首先对在中央数据库的缺陷数据进行搜集

图7：空间特征分析（SSA）辨识关键制程特征