實現「零缺陷」的汽車電子元件

作者 : Oreste Donzella、Janay Camp,KLA公司

汽車製造商和一級供應商提高了其電子產品的品質和可靠性的標準,要求故障率的級別降至十億分之一(ppb),並在其電子產品供應鏈中推行「零缺陷」(Zero Defects)的概念。

電氣化、連結性和自動駕駛功能等方面的創新,正推動著汽車電子及其核心半導體零組件的一場革命。與十年前汽車中的幾百個半導體元件相比,現今的汽車可能包含多達8,000個半導體IC,這些IC在複雜的電子系統中整合並可能佔汽車總成本的20%至30%甚至更高。

由於電子設備是當前汽車零件使用壽命不到三年的最高故障品類,因此提升可靠性能夠讓汽車製造商控制保修成本,並避免昂貴的認賠責任。對於諸如先進駕駛輔助系統(ADAS)等確保安全的功能,半導體IC是其中至關重要的組成部分。

因此,汽車製造商和一級供應商提高了其電子產品的品質和可靠性的標準,要求故障率的級別降至十億分之一(ppb),並在其電子產品供應鏈中推行「零缺陷」(Zero Defects)的概念。

提高電子系統可靠性的關鍵是消除那些潛伏在半導體零組件中可能影響可靠性的缺陷。潛在影響可靠性的缺陷因其自身尺寸大小或在晶片上的位置,並不會在測試晶片時引起電性故障。所以,這些有故障風險的晶片可以通過電性測試並「逃逸」到供應鏈中。

這樣的晶片一旦安裝在汽車中,就會遇到諸如嚴寒、高溫、高濕和振動等車輛操作中常見但對於半導體元件非常極端的條件,而其中潛在影響可靠性的缺陷就可能被「激活」。

因此,檢測潛在影響可靠性的缺陷需要新的方法,而非僅僅依賴於傳統電性測試。傳統上,汽車半導體製造商對電性測試資料進行統計分析,以查找勉強通過測試的潛在異常晶片。而且廠商通常對這一方法進行加強,採用在多個關鍵製程點對每片晶片進行檢測篩選。

但這種全面篩選的侷限性在於並非所有檢測到的缺陷都會影響實際可靠性。保守地將這些缺陷全部淘汰可能會造成超出預期的「過度淘汰」(overkill)數量,即淘汰那些在其規定使用壽命內可以正常運作的晶片。

採用機器學習的方法能更準確地識別哪些缺陷可能真正導致故障。例如,產線上的缺陷平均測試(I-PAT)方法。利用產線上缺陷檢測、過往可靠性資料以及來自電性測試分選、預燒、最終測試和現場回饋的資料並開發神經網絡模型,這一模型可以最大限度地減少潛在的「逃逸」並減少過度淘汰。

多家半導體晶圓廠目前正在評估I-PAT方法,初步結果是令人鼓舞。展望未來,該技術和其他類似技術對於半導體製造商實現安全可靠車輛運行中所需的水平來說是必不可少的。

(本文原刊於2020年1月出版的Deloitte Insights專題,中文版由KLA公司提供)

加入我們官方帳號LINE@,最新消息一手掌握!

發表評論