2. 良率基础概念：良率（Yield）、缺陷密度（D0）、关键面积（Critical Area）、良率模型（Poisson, Murphy）简介
在半导体制造与先进封装领域，良率是衡量工艺成熟度与成本控制的核心指标。本章将系统讲解良率分析的四大基础概念：良率（Yield）、缺陷密度（D0）、关键面积（Critical Area）以及良率模型（Poisson, Murphy）。理解这些概念是跨部门协作进行良率损失分析的前提。
2.1 良率（Yield）的定义与分类
良率是指最终合格产品数量与投入生产总数量之比。在半导体制造的不同阶段，良率有不同的定义和关注点：
| 良率类型 | 定义 | 计算公式 | 主要关注部门 |
|---|---|---|---|
| 晶圆良率（Wafer Yield） | 通过电性测试的晶圆数占投入晶圆总数的比例 | Wafer Yield = (Passed Wafers) / (Total Wafers Started) | 制造部、工艺整合 |
| 芯片良率（Die Yield） | 晶圆上功能完好的芯片数占芯片总数的比例 | Die Yield = (Good Dies) / (Total Dies per Wafer) | 良率工程、测试部 |
| 封装良率（Assembly Yield） | 封装后通过最终测试的器件数占封装投入数的比例 | Assembly Yield = (Passed Packages) / (Total Packages) | 封装工程、质量部 |
| 最终测试良率（Final Test Yield） | 通过最终测试的成品数占测试投入数的比例 | FT Yield = (Passed Final Test) / (Total Tested) | 测试工程、产品工程 |
跨部门协作要点： 良率损失分析通常从“最终测试良率”开始，逐层向下分解至“芯片良率”和“晶圆良率”。制造部门与良率工程部门需共同确认良率损失的归属环节。
2.2 缺陷密度（D0）
缺陷密度（D0）是衡量工艺洁净度和缺陷控制水平的关键参数，定义为每单位面积上的平均缺陷数。D0 是良率模型的核心输入变量。
- 定义： D0 = (缺陷总数) / (关键面积)
- 单位： 个/cm² 或 个/m²
- 测量方式： 通过晶圆缺陷检测设备（如 KLA、AMAT）扫描晶圆表面，统计缺陷数量后除以扫描面积。
- 分类：
- 随机缺陷： 由颗粒、划伤、化学污染等随机事件引起，通常服从泊松分布。
- 系统缺陷： 由光刻对准偏差、刻蚀不均匀、CMP 平坦度问题等系统性因素引起，具有重复性。
- 参数缺陷： 由工艺参数漂移（如膜厚、掺杂浓度）导致器件性能偏移。
关键认知： D0 是良率提升的“靶点”。跨部门协作中，良率工程部门负责 D0 的监控与趋势分析，工艺部门负责针对高 D0 的工艺步骤进行根因排查与改善。
2.3 关键面积（Critical Area）
关键面积（Critical Area, CA）是指芯片上对特定尺寸缺陷敏感的物理区域。并非芯片上所有区域都会导致良率损失，只有那些缺陷落在敏感区域（如金属线间距、栅氧层、接触孔）时才会造成失效。
- 定义： 对于给定尺寸的缺陷，关键面积是芯片上所有可能因该缺陷而导致电路失效的区域的集合。
- 影响因素：
- 设计规则： 线宽、线间距、接触孔尺寸等设计规则越小，关键面积占比越高。
- 电路拓扑： 密集的金属布线区域（如 SRAM、逻辑单元）关键面积较大。
- 缺陷尺寸： 缺陷尺寸越大，其覆盖的关键面积也越大。
- 应用： 关键面积用于计算“缺陷密度-良率”转换关系，是良率模型的重要组成部分。
2.4 良率模型（Poisson 模型与 Murphy 模型）
良率模型用于建立缺陷密度（D0）与芯片良率（Die Yield）之间的数学关系。不同的模型对缺陷在晶圆上的分布假设不同，适用于不同的工艺成熟度阶段。
2.4.1 Poisson 模型
Poisson 模型是最基础的良率模型，假设缺陷在晶圆上完全随机分布，且每个缺陷独立发生。
- 公式： Y = e(-A × D0)
- 参数：
- Y = 芯片良率
- A = 芯片关键面积（Critical Area）
- D0 = 缺陷密度
- 特点：
- 数学形式简单，易于计算。
- 适用于缺陷分布均匀、工艺成熟度较高的阶段。
- 在 D0 较低时（如先进工艺节点），Poisson 模型与实际良率吻合较好。
- 局限性： 实际生产中缺陷往往存在聚集效应（Clustering），Poisson 模型会低估良率。
2.4.2 Murphy 模型
Murphy 模型是对 Poisson 模型的改进，引入了缺陷分布的“不均匀性”假设，认为 D0 在晶圆不同区域服从 Gamma 分布。
- 公式： Y = [ (1 - e(-A × D0)) / (A × D0) ]2
- 参数： 与 Poisson 模型相同，但模型结构不同。
- 特点：
- 考虑了缺陷的聚集效应，更接近实际生产情况。
- 在 D0 较高或工艺成熟度较低时，Murphy 模型比 Poisson 模型更准确。
- 是半导体行业最广泛使用的良率模型之一。
- 适用场景： 新产品导入阶段、良率爬坡期、缺陷密度波动较大的工艺。
| 对比维度 | Poisson 模型 | Murphy 模型 |
|---|---|---|
| 缺陷分布假设 | 完全随机（均匀分布） | 不均匀（Gamma 分布） |
| 良率公式 | Y = e(-A × D0) | Y = [ (1 - e(-A × D0)) / (A × D0) ]2 |
| 对缺陷聚集的敏感性 | 不敏感（低估良率） | 敏感（更准确） |
| 适用工艺阶段 | 成熟工艺、低 D0 | 新产品、高 D0、良率爬坡 |
| 计算复杂度 | 低 | 中等 |
| 行业应用频率 | 基础参考模型 | 主流实用模型 |
2.5 良率模型在跨部门协作中的应用
良率模型不仅是数学工具，更是跨部门沟通的“共同语言”。不同部门基于同一模型进行数据解读与决策，可有效减少分歧。
协作场景示例：
- 良率工程 vs 工艺整合： 使用 Murphy 模型预测良率爬坡曲线，设定阶段性 D0 目标。
- 良率工程 vs 设计部门： 基于关键面积分析，识别设计规则中的良率瓶颈，推动设计优化。
- 制造部 vs 质量部： 利用 Poisson 模型快速评估工艺变更对良率的影响，辅助决策。
常见误区： 直接套用 Poisson 模型评估高 D0 工艺（如先进封装、SiC 器件）会导致良率预测严重偏离实际。跨部门分析时，务必先确认缺陷分布特征，再选择合适的模型。
2.6 本章小结
- 良率（Yield） 是衡量制造效率与成本的核心指标，分为晶圆良率、芯片良率、封装良率、最终测试良率。
- 缺陷密度（D0） 是良率损失的根本驱动因素，分为随机缺陷、系统缺陷、参数缺陷。
- 关键面积（Critical Area） 是连接 D0 与良率的桥梁，受设计规则与电路拓扑影响。
- Poisson 模型 适用于低 D0、成熟工艺；Murphy 模型 适用于高 D0、良率爬坡阶段。
- 跨部门协作中，良率模型是统一分析框架与沟通语言的关键工具。