2. 良率分类体系
在半导体制造与封测全流程中,良率并非单一指标,而是由多个环节的独立良率共同构成。只有将良率按物理载体与工艺阶段拆解为晶圆良率(Line Yield)、芯片良率(Die Yield)、封装良率(Assembly Yield)和测试良率(Test Yield),才能精准定位损失环节并制定改善策略。
核心认知: 最终出货良率 = 晶圆良率 × 芯片良率 × 封装良率 × 测试良率。任何一个环节的损失都会直接放大到最终成本。
2.1 晶圆良率(Line Yield)
定义: 晶圆良率衡量的是晶圆在Fab内经过全部工艺步骤后,未被报废或严重偏离规格的晶圆数量占比。它反映的是Fab的工艺稳定性与设备可靠性,不关心晶圆上的芯片好坏,只关心晶圆本身是否“活着”走完流程。
计算公式:
Line Yield = (完成所有工艺步骤的晶圆数 / 投入生产的晶圆总数) × 100%
典型损失原因:
- 设备故障: 刻蚀机、CMP、光刻机等关键设备宕机导致晶圆卡顿或污染。
- 工艺异常: 膜厚超标、颗粒污染、光刻对准偏移等导致晶圆报废。
- 操作失误: 破片、误操作、批次混淆等人为因素。
- 返工报废: 部分工艺(如光刻)允许返工,但多次返工后晶圆可能因膜厚或损伤报废。
Fab实战提示: 晶圆良率通常维持在95%以上才算健康。如果低于90%,需要立即排查设备综合效率(OEE)和工艺控制限(CPK)。
2.2 芯片良率(Die Yield)
定义: 芯片良率衡量的是在完成所有晶圆工艺后,晶圆上功能完好的芯片(Good Die)数量占该晶圆上总芯片数量的比例。这是Fab良率改善的核心战场,直接受工艺缺陷密度、设计规则和芯片面积影响。
计算公式:
Die Yield = (晶圆上功能完好的芯片数 / 晶圆上总芯片数) × 100%
关键影响因素:
- 缺陷密度(D0): 单位面积上的平均缺陷数,单位通常为 defects/cm²。
- 芯片面积(A): 芯片面积越大,被缺陷击中的概率越高。
- 临界面积(Critical Area): 对缺陷敏感的电路区域占比。
- 冗余设计(Redundancy): 如存储芯片中的冗余行/列,可修复部分缺陷。
经典良率模型对比:
| 模型名称 | 公式 | 适用场景 |
|---|---|---|
| Poisson 模型 | Y = e−A·D0 | 缺陷随机分布,小芯片、成熟工艺 |
| Murphy 模型 | Y = [(1 − e−A·D0) / (A·D0)]² | 缺陷分布不均匀,中等芯片面积 |
| Negative Binomial 模型 | Y = (1 + A·D0 / α)−α | 缺陷聚类分布,大芯片、先进工艺 |
注意: 芯片良率与晶圆良率是独立指标。晶圆良率高不代表芯片良率高——晶圆可能完好无损,但上面全是坏芯片(例如光刻层间对准偏差导致所有芯片失效)。
2.3 封装良率(Assembly Yield)
定义: 封装良率衡量的是从晶圆切割(Dicing)开始,经过贴片(Die Attach)、打线(Wire Bonding)或倒装焊(Flip Chip)、塑封(Molding)等封装工序后,最终产出合格封装器件的比例。封装良率损失通常与机械应力、热应力和材料界面相关。
计算公式:
Assembly Yield = (封装后功能完好的器件数 / 投入封装的Good Die数) × 100%
典型损失原因:
- 切割崩边: 刀片或激光切割导致芯片边缘碎裂。
- 贴片空洞: 焊料或银胶中的气泡导致散热不良或短路。
- 打线失效: 金线或铜线键合强度不足、球焊脱落。
- 塑封分层: 塑封料与芯片或基板之间出现裂缝。
- 翘曲变形: 封装体在回流焊或固化过程中因热膨胀系数不匹配而翘曲。
行业参考: 成熟封装工艺(如QFN、BGA)的封装良率通常 > 98%;先进封装(如2.5D/3D堆叠、Fan-Out)的封装良率可能在90%~95%之间,是当前良率改善的热点。
2.4 测试良率(Test Yield)
定义: 测试良率衡量的是封装后的器件在最终测试(Final Test)中通过所有功能、性能和可靠性测试的比例。测试良率是出货前的最后一道关卡,直接决定出货数量。
计算公式:
Test Yield = (通过最终测试的器件数 / 投入测试的封装器件总数) × 100%
测试良率损失分类:
| 损失类型 | 具体表现 | 常见原因 |
|---|---|---|
| 功能失效 | 逻辑功能错误、存储单元读写失败 | 设计缺陷、工艺偏差、封装应力损伤 |
| 参数失效 | 工作频率不达标、功耗超标、漏电流过大 | 工艺角偏移、电源噪声、温度影响 |
| 可靠性失效 | 早期寿命测试(ELT)或老化测试(Burn-in)后失效 | 潜在缺陷、电迁移、热载流子注入 |
| 接触失效 | 测试探针接触不良、socket接触电阻过大 | 探针磨损、氧化、机械对准偏差 |
实战技巧: 测试良率不等于芯片良率。有时芯片本身是好的,但封装过程引入了应力或损伤,导致测试良率低于芯片良率。此时需要做“封装前后对比测试”来定位损失归属。
2.5 四类良率的层级关系与SVG框架图
四类良率在物理流程上呈串联递进关系:晶圆良率 → 芯片良率 → 封装良率 → 测试良率。每一层的良率损失都会累积到最终出货良率中。
2.6 四类良率的对比总结
| 良率类型 | 衡量对象 | 典型范围 | 主要损失来源 | 改善重点 |
|---|---|---|---|---|
| 晶圆良率 | 晶圆数量 | 95% ~ 99% | 设备故障、工艺异常、破片 | 设备OEE、SPC控制、自动化 |
| 芯片良率 | 芯片功能 | 70% ~ 95% | 缺陷密度、芯片面积、设计规则 | 缺陷减少、良率模型、DFM |
| 封装良率 | 封装器件 | 95% ~ 99% | 切割崩边、贴片空洞、打线失效 | 工艺参数优化、材料选择 |
| 测试良率 | 最终器件 | 90% ~ 98% | 功能失效、参数漂移、接触不良 | 测试程序优化、探针维护 |
体系搭建要点: 在Fab良率改善体系中,必须为每一类良率建立独立的数据采集通道、KPI看板和改善闭环。不能混为一谈,否则无法定位根因。例如,芯片良率下降可能是Fab工艺问题,也可能是设计问题;而封装良率下降则需优先排查封装厂工艺。