0
新智駕按：本文由新智駕編譯自 semiengineering，原文標題為 Finding Faulty Auto Chips。由于本文涉及諸多技術細節(jié)與專業(yè)術語，有不妥之處敬請專業(yè)讀者指摘。
作為輔助駕駛和自動駕駛的關鍵組成部分，新一代汽車芯片正在快速推動異常檢測技術的發(fā)展。
據(jù)新智駕了解，半導體設備供應商 KLA-Tencor、半導體數(shù)據(jù)分析服務商Optimal+和EDA巨頭 Mentor （2016年被西門子收購）正在擴大異常檢測領域的相關工作。
異常檢測技術在各行業(yè)已經(jīng)使用多年，是保證芯片生產(chǎn)質量零缺陷的主要技術之一，而零缺陷對汽車行業(yè)至關重要。
通常來說，異常檢測是采用硬件和統(tǒng)計篩選算法來定位的。一些芯片可能會通過各種標準測試，但是有時會表現(xiàn)出功能異常。這種芯片可能會影響系統(tǒng)性能或導致系統(tǒng)失效。
異?；蛉毕菪酒某霈F(xiàn)有諸多原因，一些潛在可靠性缺陷在設備發(fā)貨時不會出現(xiàn)，但它們在不同環(huán)境中會以某種方式激活，最終影響整個系統(tǒng)的運行。
為了發(fā)現(xiàn)芯片出現(xiàn)的各種問題，業(yè)界多種使用異常檢測的方法，如零件平均測試法（PAT）。
PAT的測試流程如下：
首先，對晶圓進行電氣測試；
其次，把硬件和PAT算法組合，檢測出違反特定測試規(guī)范的異常或故障芯片；
最后，將異常芯片去除。
*PAT中極限和異常值的圖形表示 來源：Automotive Electronics Council
但是，PAT方法很難滿足汽車行業(yè)的苛刻要求。Optimal+公司CTO Michael Schuldenfrei表示：“汽車和其他類型的關鍵型設備的半導體產(chǎn)品使用量正在呈指數(shù)級增長，這對芯片質量和可靠性提出了更高要求。PAT等異常檢測技術作為保證質量和可靠性的主要手段，已經(jīng)存在了幾十年。但在很多情況下，它們并不是非常有效，在防止漏檢方面測試成本過高?！?/p>
漏檢是指故障芯片通過了晶圓廠測試。為了避免這種情況的發(fā)生，異常檢測專家們開發(fā)出了新的更先進的技術來防止芯片漏檢及其它問題。比如，異常檢測通常是在芯片封裝測試階段進行，但KLA-Tencor采取了新的解決方案，開發(fā)了一種用于在晶圓廠中測試的技術。
盡管如此，該行業(yè)仍面臨一系列重大挑戰(zhàn)，主要包括：
隨著許多先進芯片用于汽車中，迫切需要先進的異常檢測算法
異常檢測技術必須符合輔助駕駛和自動駕駛技術的發(fā)展趨勢
英偉達和其它沒有異常檢測經(jīng)驗的IC制造商正在蜂擁進入汽車市場，這意味著他們需要提高學習曲線
此外，飛速增長的汽車半導體市場還面臨很多其它挑戰(zhàn)。除了汽車市場，異常檢測也應用在醫(yī)療和其它領域中。根據(jù)西門子的子公司Mentor的說法，總體而言，商業(yè)性的異常檢測軟件業(yè)務的規(guī)模在每年2500萬美元到5000萬美元之間。Mentor Quantix事業(yè)部總經(jīng)理Bertrand Renaud表示：“這個數(shù)字可能僅代表實際軟件的三分之一，因為許多大型IDM廠商已經(jīng)構建了自己的專有工具，他們的軟件沒有統(tǒng)計在內(nèi)。”
目前，KLA-Tencor、Mentor、Optimal+和yieldWerx等公司也在競爭之列。
2018年，汽車市場可能會放緩增速。
據(jù)IHS Markit的數(shù)據(jù)，2018年輕型汽車的全球總銷量預計將達到9590萬輛，同比2017年增長1.5%。作為對比，2017年同比2016年增長了2.4%。因此，汽車銷量的增長如何對應汽車半導體市場增速目前尚不完全清楚。
根據(jù)IHS Markit的數(shù)據(jù)，每輛汽車電子元件的價值將從2013年的312美元增長到2022年的460美元，年復合增長率為7.1%。
“10年前的汽車，只有幾百個控制器和其他類型電子元件，現(xiàn)在的汽車可能包含超過3500個半導體產(chǎn)品，這些半導體器件的總成本正在持續(xù)上升?！盞LA-Tencor高級營銷總監(jiān)Rob Cappel表示。
通常來說，一輛高端汽車配備超過7000顆芯片。而芯片廠商正在向高端車型中引入14nm和10nm芯片，同時也正在研發(fā)7nm芯片。
在汽車領域，有兩個恒定的因素——可靠性和質量。
對于消費級芯片而言，消費者對缺陷尚有一定的容忍度。但是，汽車芯片對缺陷和故障則屬于零容忍。比如ABS系統(tǒng)，由于事關人身安全，汽車的可靠性要求總是更高。
因此，汽車芯片制造商和代工廠必須遵守各種質量標準，如AEC-Q100，這項標準主要涉及芯片的失效機理壓力測試。
ADAS（高級駕駛輔助系統(tǒng)）和自動駕駛汽車對可靠性的要求更加嚴苛。ADAS涉及汽車中的各種安全功能，如自動緊急制動、車道檢測和后方物體警告。
例如，全球最大的汽車芯片制造商NXP（恩智浦）最近推出了一款用于汽車應用的高分辨率雷達芯片。這款芯片被稱為MR3003雷達收發(fā)器，是一款77GHz雷達器件。該器件基于硅鍺（SiGe）工藝，適用于需要高分辨率和遠距離功能的自動駕駛系統(tǒng)的前端或轉角雷達應用。
此雷達技術能夠同時跟蹤數(shù)千個目標，能夠實時感測周圍環(huán)境，這正是高級別自動駕駛所必需的。
“這些類型的應用對我們和芯片本身都提出了較高的要求。我們非常謹慎地設計了系統(tǒng)內(nèi)部的安全協(xié)議，以便傳感器和汽車能夠在某些情況下進行自我診斷，”恩智浦ADAS調(diào)制解調(diào)器產(chǎn)品線副總裁兼總經(jīng)理Patrick Morgan表示。
毋庸置疑，汽車安全非常關鍵。
例如，根據(jù)Optimal+提供的數(shù)據(jù)，奧迪的高檔汽車中擁有7000個芯片。假設每個芯片的故障率達到百萬分之一，那么奧迪每生產(chǎn)1000輛汽車就會有7輛故障車。如果奧迪每天生產(chǎn)4000輛汽車，這意味著，它每個小時都會生產(chǎn)一輛故障車。
所以，汽車行業(yè)正在努力實現(xiàn)零缺陷，但隨著系統(tǒng)、芯片甚至軟件變得越來越復雜，這一目標很難實現(xiàn)。
在最新的車輛可靠性研究工作中， 市場研究機構J.D. Power對過去一年2015年款車型和2017年款車型每100輛車遇到的問題進行了統(tǒng)計調(diào)查，結果發(fā)現(xiàn)，2017年款汽車整體可靠性提高了9%，但是各種電子系統(tǒng)依然存在問題。據(jù)調(diào)查，內(nèi)置語音識別和藍牙連接是最大的問題。
出現(xiàn)的問題可能與采用最新的半導體器件有關。異常檢測中，在晶圓廠處理完晶圓后，首先進行電氣測試，然后送到測試部門進行評估。但評估方法只能解決一部分潛在問題。
“你不可能測試器件的每一條執(zhí)行路徑，也不能覆蓋完整的場景。有時候，測試結果也不是很明確。我們只是知道，目前的方法還不夠好?！盞LA-Tencor戰(zhàn)略合作高級主管Jay Rathert說。
此外，測試可能會發(fā)現(xiàn)潛在可靠性缺陷?！皾撛诘目煽啃匀毕菔侵鸽x開了晶圓廠才暴露出來的缺陷，它們在某種程度上是通過環(huán)境激活的，包括振動、濕度、電流、電遷移或熱量。隨著時間的推移，它們可能暴露出來?！盧athert說。
*隨機缺陷 來源: KLA-Tencor
既然如此，為什么不在這些芯片離開晶圓廠之前就檢測出來這些缺陷呢？
根據(jù)加州大學伯克利分校的統(tǒng)計，一月產(chǎn)5萬片晶圓的晶圓廠需要以下設備：
50臺掃描儀/步進器和晶圓軌道
10個高電流離子注入器和8個中等電流離子注入器
40臺蝕刻機
30個CVD工具
晶圓廠一般采用自動化技術分步處理晶圓。一個先進工藝的晶圓制造過程可能有多達600-1000個步驟，甚至更多，相比之下，成熟工藝的步驟更少。
先進工藝中，半導體設備必須處理更小且更加精確的特征，隨著工藝尺寸的縮減，缺陷也變得越來越難找到。
其實，每種應用都有各自不同的缺陷要求。一般來說，面向消費者的OEM們對缺陷的控制要求不是太嚴格，但是，在汽車領域，芯片制造商們必須在其器件的制造工藝中實施更加嚴苛的控制措施，并部署持續(xù)的缺陷改進計劃。
“有一些先決條件（汽車領域中），”聯(lián)電副總裁溫文婷說。“你必須有一個管理良好的工廠和維護好的工具。 最重要的是，需要一個強大的質量體系，并貫徹高質量的理念，才能夠獲得制造汽車產(chǎn)品所需的認證。汽車行業(yè)里，質量控制始于工藝設計和工廠規(guī)劃，并一直延伸到實際生產(chǎn)芯片。”
晶圓廠中，人們使用檢測系統(tǒng)定位晶圓缺陷。一般來講，芯片制造商不會檢查每一片晶圓，因為那樣需要很長時間，而且成本較高，他們會抽樣檢測某些晶圓或者部分芯片。
對于消費級芯片來說，過程簡單。“當我們開發(fā)一項技術時，我們會認證它，通常來講，抽樣的樣本數(shù)量總是有限的。”溫文婷表示。
汽車級芯片要求就不同了?！澳惚仨殰y試大量的樣本才能得出故障率，這個過程的成本非常高。”溫文婷接著說道?！叭藗冋诳紤]如何在成本可承受的程度下實現(xiàn)目標，每個方面都存在很多挑戰(zhàn)。”
所有問題和挑戰(zhàn)都是需要大量時間和資金去解決。如果芯片在經(jīng)過檢測和其它過程之后符合規(guī)范，就可以把晶圓從晶圓廠分發(fā)到封測廠。
同時，存在的壓力就轉給封測廠了。為了幫助測試，KLA-Tencor設計了一種技術方案來捕捉晶圓廠中的問題。該技術被稱為在線零件平均測試（I-PAT），它利用了PAT的概念。但是，與在測試部門進行的PAT及其變體不同，I-PAT在晶圓廠中執(zhí)行。
I-PAT不一定會與傳統(tǒng)的第三方異常檢測供應商競爭。它的目標是提供更多的測試數(shù)據(jù)，補充既有的測試組合。通常來講，仍然需要執(zhí)行傳統(tǒng)的異常檢測。
KLA-Tencor的技術涉及硬件和數(shù)據(jù)分析軟件包。簡言之，先把檢驗數(shù)據(jù)輸入到計算機建模程序中，然后分解數(shù)據(jù)，并查看晶圓圖上的硅片，最后在晶圓廠的多個檢查步驟中查找異常缺陷。
舉一個簡單例子，該技術將顯示具有五個層的芯片晶圓圖，包括源區(qū)、柵極、觸點層、金屬層1和金屬層2。假設金屬層1上可能會有800個缺陷。計算機從晶圓上隨機選擇10個芯片，然后，使用各種I-PAT算法，系統(tǒng)最終確定這10個芯片中有9個存在潛在的可靠性缺陷。
此過程可重復好幾遍。“你可以一遍又一遍重復上述步驟，”KLA-Tencor高級營銷總監(jiān)David Price說。 “通過不斷重復，可以看到缺陷的統(tǒng)計性質如何幫助你找到有可能包含可靠性缺陷的芯片?！?/p>
I-PAT可用于挑選有問題的芯片。 另外，這些數(shù)據(jù)可以與其他異常檢測方法結合使用，以改進測試通過或不通過的決策。Price說：“通過在晶圓廠中實施I-PAT技術，你將能夠減少傳統(tǒng)PAT方法所帶來的矯枉過正和不足之處?！?/p>
晶圓從晶圓廠移動到測試廠后，在那里進行晶圓分類、最終測試，有時也會進行系統(tǒng)級測試。
檢查和測試會產(chǎn)生巨大的數(shù)據(jù)量。但是，在大量數(shù)據(jù)面前，如何知道器件是否仍存在潛在的可靠性缺陷或其他問題呢？
其實就是回答為什么汽車OEM們希望他們的供應商在測試過程中執(zhí)行傳統(tǒng)異常檢測？
Mentor的Renaud說：“整個晶圓經(jīng)過測試之后，在晶圓分類中進行的PAT分揀，是在服務器上作為離線處理完成的。對每個部分進行測試后，最終測試中的PAT分揀是在測試儀上在線執(zhí)行的，當然，整個流程都是由服務器管理并控制的?！?/p>
實際上，異常檢測技術從晶圓廠取得電子數(shù)據(jù)，然后分析數(shù)據(jù)。KLA-Tencor的新技術將向測試混合提供更多數(shù)據(jù)?！拔覀兡軌驈腒LA等公司的機器中收集檢測數(shù)據(jù)，”O(jiān)ptimal+的Schuldenfrei說?！皩⑺袛?shù)據(jù)結合在一起使用，顯然會進一步提高檢測的準確度。”
PAT是最基本的邊界檢測形式，應該可以檢測出一個超出不合格閾值的芯片。測試閾值可以設置為靜態(tài)（SPAT）或動態(tài)（DPAT）模式。
在SPAT中，測試閾值是基于該批次的數(shù)量決定的，在DPAT中，則會在每次晶圓測試時計算閾值。在SPAT和DPAT中，都會執(zhí)行一個算法，最終得出測試通過或失敗的結果。
但是，這些算法可能在某些情況下會失敗。有的器件的特征可能和其它器件明顯不同，但是它也在合理范圍內(nèi)。有的器件可能是遠離正態(tài)分布的極端異常?！斑@種情況可能會嚴重影響整個特征分布，會漏掉接近特征分布中心的異常?！監(jiān)ptimal+的Schuldenfrei說。
雖然異常檢測專家已經(jīng)加入了一些程序來解決這些問題。但是，多年來，這些芯片變得越來越復雜，因此需要更先進的異常檢測技術。
據(jù)雷鋒網(wǎng)新智駕了解，有一些基于幾何分布、多變量和其它方案的復雜異常檢測算法可以和DPAT和SPAT結合一起使用。
一種先進類型的幾何分布PAT（GPAT）可以根據(jù)它的幾何分布鄰近度來查看芯片質量。
據(jù)雷鋒網(wǎng)新智駕了解，GPAT有一個復雜版本，稱為GDBN。GDBN基于一種理念：缺陷總是趨向于集中出現(xiàn)在晶圓的某些特定位置上。簡單來講，缺陷較多的區(qū)域可能會找出一些不合格芯片。
還有一種被稱為最差殘差（NNR）技術。“最差殘差技術是在每個芯片的每一次測試中檢查所有值，它不僅考慮整體晶圓，還考慮臨近芯片的情況。”O(jiān)ptimal+ Schuldenfrei說。
還有一些其他方法，如多變量技術?！暗乩砜臻g算法檢查晶圓上的失效模式，以確定掩模版缺陷和失效芯片的集群。同時，多變量算法測量多次測試之間的相關性，而不是一次只考慮一個測試結果，”Mentor Renaud說。
通常，所有上述方法都可以結合使用。
展望未來，ADAS和自動駕駛將進一步推動檢測技術的需求。Optimal+ Schuldenfrei表示：“隨著汽車的自主化程度越來越高，芯片缺陷檢測也將變得越來越重要。”
此外，機器學習和人工智能的運算能力與功能也日益強大，我們相信，它們也會更多地參與到異常檢測中來。
最后，把所有的數(shù)據(jù)集成在一起也許是最大的挑戰(zhàn)。“想象一下，從芯片獲取數(shù)據(jù)，并將其與多個不同公司的電路板數(shù)據(jù)關聯(lián)起來，”Schuldenfrei表示。“需要共享數(shù)據(jù)才能實現(xiàn)更好的異常檢測。”
PS：看遍這一年中國與全球智能駕駛領域的技術前沿與商業(yè)探索，雷鋒網(wǎng)新智駕年度推薦，掃描下圖二維碼或點擊 http://m.ozgbdpf.cn/special/custom/AIdrive.html 了解更多信息。
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權禁止轉載。詳情見轉載須知。
