浅谈晶圆图的主要类型和核心应用

文章来源：Jeff的芯片世界

原文作者：Jeff的芯片世界

本文主要介绍了W


afe


r Map是什么?有什么作用?

在


半导体制造


领域，晶圆是


集成电路


生产过程中所用的硅晶片，是


芯片制造


的载体。制造完成后，检测设备会测试评估晶圆上每个芯片(或称晶粒)的功能。将这些测试结果表征在对应晶圆的物理位置上，所产生的图形就是晶圆图(Wafer Map)。晶圆图将


芯片测试


、制造过程中的关键数据转化为直观易懂的图形，为


半导体


制造的全流程提供决策支持。

晶圆图的主要类型

晶圆图种类较多，其中最基础的类型是分档图(Bin Map)。分档图是晶圆测试阶段的常用工具，通过对每颗芯片的测试结果进行分类标注，直观呈现晶圆上合格与不合格芯片的分布。合格芯片通常标记为Bin1，表示通过所有


电气


测试的芯片;不合格芯片则标记为Bin2及以上，不同编号对应不同的失效原因，如短路、漏电等。


工程师


通过颜色编码可快速定位失效集中区域，识别批次性问题。

参数图则专注于展示晶圆上连续的测试数值，通过颜色梯度展示芯片电气参数的连续变化，揭示晶圆表面的性能分布规律。例如，用蓝黄渐变表示


电流


值分布时，工程师可直接观察到“晶圆一角电流偏高、


中心


偏低”等空间特征，这类规律往往指向


光刻机


精度偏差、薄膜沉积不均等工艺问题。

缺陷图聚焦


晶圆制造


过程中产生的物理缺陷，如颗粒污染、划痕、图形失真等，是追踪工艺稳定性的核心工具。缺陷图可按制造工序追踪缺陷，定位问题发生的具体环节，并通过形状或颜色区分缺陷类型，辅助判断缺陷根源。一种特别有用的分析方式是“缺陷芯片图”，它将所有芯片叠加起来，识别缺陷是否总是出现在芯片的特定位置，从而判断特定功能模块是否存在问题。

此外，将分档图与缺陷图叠加分析，是关联“物理缺陷”与“电气测试失效”的关键手段。半导体制造过程从开始到结束大约需要三个月，在此期间无法进行电气测试，只能获取缺陷检测数据。通过叠加分析，工程师可以了解检测方法在捕捉最终导致电气失效的问题方面的效果如何。

晶圆图的核心应用

晶圆图为追溯异常原因提供重要线索。晶圆制造过程中引起的缺陷图案可分为全局缺陷和局部缺陷两大类。全局缺陷散布在整个晶圆上，由随机原因造成，如生产环境中的微粒等;局部缺陷图案通常为一组聚集的缺陷簇，由可追溯的原因产生，如人为失误、设备不洁和化学污染等。经验丰富的工程师可以根据这些缺陷图案确定引起缺陷的原因，例如划痕图案缺陷可能由生产过程中的刮擦产生，进而通过检查生产线解决相关问题来减少缺陷。

在实际应用中，晶圆图分析可进行缺陷分类追踪，按缺陷类型建立趋势库，关联设备维护周期、材料批次等信息，识别隐性规律。同时可进行分层趋势分析，绘制各制造层的缺陷数量变化曲线，定位工艺波动的时间节点。进一步地，可整合产品类型、晶圆批次、生产工具、工艺模块的关联数据，识别特定工具与特定工艺组合下的异常模式。通过设置关键指标阈值，当数据超出阈值时自动触发警报，实现问题的早期干预。

然而，实际生产中人工分析晶圆图繁琐费时且成本较高，分析质量受工程师水平限制，一致性难以保证。同时，晶圆图空间缺陷特征依附于特定的故障类型、时期和产品三者的综合作用而不断变化，分析难度较大。随着生产推进，新的故障会引起类型未知的缺陷图案，不能被已有模型直接处理。因此，国内外研究者将


机器学习


、统计学方法乃至


深度学习


技术应用于晶圆缺陷图案的分类分析，以期实现高效自动化的晶圆图分析。

在半导体行业向更先进制程迈进的背景下，晶圆图已从单纯的数据展示工具升级为良率提升的重要支撑。分档图、参数图、缺陷图及其叠加分析，通过将复杂数据转化为空间规律，帮助制造商在早期识别工艺偏差、设备故障和设计缺陷，最终实现早发现、早调整、高良率的目标。