中文 英语

制作筹码持续期预期的一生

生命周期可以为不同市场而变化,并通过这些市场的应用程序。

人气

芯片应该持续终身,但预期取决于终端市场,无论该设备是否用于安全 - 或任务关键应用,甚至是否可以轻易更换或远程固定。

它还取决于如何使用这些芯片,它们是复杂系统的重要组成部分,以及是否可以在整个系统的价格上摊销持续监控和反馈的成本。这不是一个简单的等式,并且没有简单的答案,特别是在高级节点,额外的电路可以提高功耗并降低性能。

“为了能够通过对芯片的基线理解来预测可靠性和性能变化,并且能够从中推断以准确预测,当事情将开始失败时是圣杯,”测试营销高级总监Steve Pateras说产品in.synopsys.'设计组。“您需要能够在持续的基础上进行性能和安全优化,并最终保持可靠性。如果一辆车要开始失败,你想下车。“

在过去,经常可靠性被认为是制造过程的一部分。芯片将在烤箱中烘烤一段时间或经过仔细监测振动以确定设备将何时失败。虽然在制造之前可以模拟不同的场景,但芯片仍然可能会失败,但缺陷率会根据控制的各种过程有多紧张,并且可以添加多少余量以提供某种类型的故障转移。这今天很明显,有ECC记忆。

挑战,特别是在高级节点上,是能够利用现有电路并限制冗余量,这可能会影响功率和性能。这意味着故障转移需要更具针对性的函数,并且需要更多地了解芯片上发生的内容或在任何时间点的包装中的内容。

“在该领域的芯片延长了一段时间,然后科学地说,我们知道失败的物理是什么,”Noam Brousard,系统副总裁Proteantecs.。“我们如何随时间监测和测量它,并推断出这些结果的影响?一种直接的方式是持续测试芯片的行为如何,如果其性能随时间劣化。这在多个前面跌倒了。当监测劣化的功能反应时,一旦他们实际导致失败,我们就可以注意到降级的影响,或者我们不会知道降级的实际物理原因。也许我们将无法使用这些知识来预测,未来失败将发生。另一种方法是根据我们所谓的代理,嵌入在硅中的代理商使用遥测。这些总是在晶体管电平处监视硅的物理参数,随着时间的推移绘制它们的劣化。您可以将该数据插入众所周知的热载体喷射或NBTI的公式,这导致芯片中的老化,并运行ML算法,以监测劣化率,从那里开始,您可以在实际发生的情况下计算和预测失败的时间。“

Synopsys'Pateras同意。“这一部分不仅仅是找出会发生什么,”Pateras说。“它提供信息,使得在某些情况下,基础设施正在执行校正。您需要具有冗余,并且关键处理器必须是双锁架。您还需要监控这种活动。“

图1:行业估计芯片的预期寿命。资料来源:行业估计/半导体工程beplay体育下载链接

图1:行业估计芯片的预期寿命。资料来源:行业估计/半导体工程beplay体育下载链接

数据管理
生命周期管理的一个关键方面是能够在设计通过制造链上自由地收集和移动数据。在过去,大部分数据都保存在孤岛中,而这证明了一种有效的方法来管理过去的个人流程步骤,芯片,包装和系统的增长复杂性使得可用于确保所有这些的可靠性设备。

“有时,如果您知道蚀刻工具或光刻工具的表现方式,这可能会影响您要做的其他测试,”John Kibarian,总裁兼首席执行官PDF解决方案。“测试可以从知道上游处理工具中发生的事情受益。客户可以做出关于测试的内容,何时测试的更明智的决定,以及是否因为特定的蚀刻器或处理能力而在某些部件上放置额外的压力。因此,共享所有数据的价值可以使每个系统更有效。这并不是更多的测试。这是关于更好的测试和更聪明的测试。“

这需要更具综合方法,但有一个潜在的回报。“有些情况下,如果您要做一个系统级测试,请在任何情况下,如果您要进行最终测试,那么Advantest America的总裁兼首席执行官Doug Lefever说。“然后,在晶圆排序和两者之间的一切都会迁移事物。我们将是近视我们思考传统的ATE插入。您需要一个更全面的视图,包括虚拟插入等内容,在那里您可以从FAB或以前的测试中获取数据,并将其与现场的RMA或原位内容相结合,并使用该数据进行基于软件的插入没有硬件。我们现在正在看那个。“

数据路径也可以扩展到最终用户。“您可以将数据结合回生产以基于某些特征来追踪汽车中的问题,”汽车业务部的副总裁Uzi Baruch表示,Uzi Baruch表示擎天普利,这是一个分裂国家文书。“这超出了测试数据。您可以在电机本身上测量,以找出维度数据的根本原因,您可以比较测量。“

但是能够过滤掉不是确定设备是否正常运行的数据也很重要,其中异常是对该设备如何随时间执行的。由于设备变得更加复杂,特别是在有多个电源轨和电压的高级节点,这一切都变得更具挑战性。

“有时你甚至没有意识到这个问题,”巴鲁奇说。“如果出现问题确实出现,则必须将来自汽车的数据连接回生产线。但您还必须筛选出诸如天气数据等内容,在那里没有与系统运行的直接相关。如果您正在进行根本原因分析,则需要相关的数据。“

分解问题
随着各种不同的过程从SOC中不捆绑,这可能变得更加困难。The rising cost of developing chips at the most advanced nodes, coupled with the decreasing power/performance improvements at each node, are forcing a number of chipmakers to offload various functions that don’t scale well, or which aren’t critical, into separate chips in a package.

“We can create heterogeneous integration that allows us to put chips into a system and put in completely different type of chips — whether it’s analog, mixed signal, digital, or even sensors — all on the same platform for this overall integration conversion that we see today,” said Ingu Yin Chang, senior vice president ofASE.,在最近的演示中。“有各种类型的集成,无论是用于板载光学解决方案的硅光子,都是电力集成,在那里您尝试实现高性能计算的一定电力。但是模具分区可以提高产量,集成高带宽存储器的能力,并使用各种IP来减少电力。“

所有这些因素都会影响系统的预期寿命。具有较少的热量,较少的电路老化,电迁移减少和其他物理效果,并且可能更长的电介质和其他薄膜寿命更长。但仍然有一些扭结的供应链。

“具有挑战性的部分是存储器堆栈由一个客户提供,SOC由不同的客户提供,然后包装房屋提供硅插入器并将其包装在一起,”产品营销主任Alan Liao说:构成因素。“只有一条芯片,您可以判断它是否好坏。但是当一个包装的房子从公司和B公司中取出一个死亡时,如果整个包裹失败,那么谁承担责任因此,您需要获得必要的数据来解决业务模式。我们测试内存,SOC和插入器,一旦它们被放在一起,我们就会再次测试一切。通常会发生在测试室。他们收集所有数据并分析它。“

在复杂的包装中,这更容易说。对测试方的压力需要精确。

“如果力量还不够,你可能没有稳定的联系,”廖说。“如果它太高,那么所有的颠簸都会崩溃。但是,同时测试颠簸太多了,因此我们正在研究我们的Fab中的高级MEMS处理,为这些功能产生探针。这是挑战,但到目前为止探测卡透视似乎是可以的。但如果我们继续推动那方向,可能需要新的材料和新流程。“

Microbumps越来越有问题。MicroBumps背后的想法是可以对芯片进行更多连接,这又允许更多的信号在不同的模具之间布线。但颠簸也遭受了与其他类型的缩放相同的问题。

“Micro®的优势在于,具有非常精细的分辨率,您可以在芯片A上开始处理并将其运行到芯片B,并且从上面的芯片可用的逻辑可能比您在单个芯片上路由信号更近,“产品营销总监MARC SWINNEN说ansys.。“这是我们通过完整的3D设计前进的地方。第一次迭代是碰撞,原则上你可以分解一个单一的模具并有效地将掩模版尺寸加倍,或者如果你在芯片的两侧放在凹凸上,则可能三倍。但可靠性是一个巨大的挑战。有机械压力和翘曲,并且存在热不匹配。“

左转,右边和中心
管理整个芯片的整个生命周期需要的一个大变化是流量的不同部分的自由流动流,并向场中的全部循环一直回馈到系统的架构师。

“这不仅仅是当筹码在现场时,”Synopsys'Pateras说。“它从设计,通过制造,通过测试,提升和最终在现场。如果您正在提前开始进行混淆信息和了解,则可以在以后的阶段使用。因此,如果您具备了分析的设计和制造数据,您可以为预测进行相关性和基线进行相关性和基线。我们提出了一种具有两个基本组件的方法。一个是设备的可见性。所以它的监视器和传感器智能地嵌入芯片中。然后这些监视器和传感器将提供有关正在发生的事情的丰富数据,我们可以提取该数据。所有这些不同阶段的生命周期 - 设计,仿真,制造,产量斜坡,试验,提升优化,然后在现场 - 提供丰富的数据,我们可以在整个生命周期阶段进行分析和最终回馈。“

在制造中越来越多的AI / ML可以有助于预测设备的年龄,但它在板上的多个元素或包装中的覆盖范围仅限于可用的良好数据量。

“机器学习真的有助于表面缺陷检测,”技术和业务发展副总裁蒂姆股份讯连丝器。“我们正在寻找我们的MRS(多反射抑制)技术的各种机器学习算法。我们设计非常复杂的成像系统,并且在任何给定的成像系统中,可能有1,000种不同的变量,可能会影响最终的成像性能。所以你已经实现了可制造性的设计,以及如何分区公差变得非常关键。“

几乎所有主要的设备和工具供应商都使用这些日子的一定程度的机器学习,并寻找如何进一步扩展。

“机器学习令人惊讶地进入我们的MEMS FAB处理以及我们的设计过程,”Formfactor的廖说。“所以每种探测卡都是定制的特定应用程序或芯片。能够优化探针卡是在晶圆上获得高收益的关键,我们将大型客户数据库应用于一种类型的应用或设计。他们可以利用我们的图书馆使用机器学习,并发现过去有10个设计匹配。现在,它可以使用我们的设计工具自动完成幕后。“

结论
重点是可靠性,可追溯性和可预测性在多个市场上生长。虽然汽车行业是所有这一切的催化剂,但它已经扩展到其他市场,其中芯片制造商正在寻求充分利用他们对芯片设计的投资。在现场过早失败,通过召回或更换,具有经济后果。

对齐所有过程步骤的所有必要件是一个庞大的挑战,并且需要一个需要更严格地集成复杂和全球供应链。如果可以实现这一目标,将获得巨大的效率,并在技术方面的经济方面和显着的进步 - 以及能够实现这种转变的全部新机会。

有关的
在失败之前监控IC异常
用于监控内部状态的深度和广泛的专用电路支持工程师的更深层次的分析洞察力
前方的钟峰可靠性挑战
确定第三方小峰值如何在复杂系统中工作仍然是一个问题。
5/3nm的可靠性挑战增长
新的晶体管,材料和较高密度正在改变测试范例。
寻求使5G系统可靠
表格的专家:挑战在哪里以及可以做些什么来解决它们。
确保HBM可靠性
什么可能出错,如何找到它。



1评论

Tanj Bennett. 说:

这不仅仅是时间的长度,而是电力下的时间。车辆的上电寿命可能在10年内5000小时,而手机可能在10个月内达到。车辆环境可能包括热发动机,但手机可能在完全阳光下躺出,或者在没有热路上的布料上播放视频。因此,产品压力因素可能是反直观的。

发表评论


(注意:此名称将被公开显示)