Встроенные средства мониторинга дефектов светодиодных подложек позволяют производителям определить, какие дефекты оказывают влияние на выход годных и как повысить этот показатель.
Производство светодиодов преображается. Переход на светодиоды высокой яркости, подложки большего размера и новые сложные архитектуры ставит перед производителями светодиодов трудные задачи. С одной стороны, эти тенденции способствуют развитию индустрии твердотельного освещения, в результате которого появляются изделия с более высокой светоотдачей и лучшими характеристиками, а, с другой стороны, новые технологии часто приводят к сокращению выхода годной продукции. Чтобы сохранить конкурентоспособность в быстро меняющихся рыночных условиях, производители светодиодов используют комплексные системы управления технологическими процессами, благодаря чему повышается выход годных изделий, снижается их стоимость и цена конечной продукции.
В настоящее время на многих производствах светодиодов применяются средства контроля для анализа состояния полупроводниковых пластин и обнаружения критических дефектов (defects of interest, DOI). Система статистического контроля процессов (ССКП), как правило, использует показатель плотности дефектов. Однако недостатком такого подхода является то, что далеко не все дефекты приводят к сокращению выхода годных. Как при осмотре поврежденной пластины с помощью прибора контроля определить, какие дефекты приведут к снижению выхода годной продукции или ухудшению ее электрических характеристик, а какими недостатками можно пренебречь? Необходимо уже на самых ранних стадиях производства, т.е. в процессе выполнения многократных операций по изготовлению эпитаксиальных пластин с помощью MOCVD-реактора (metal organic chemical vapor deposition – химическое осаждение металлоорганических соединений из паровой фазы), определить критические дефекты. В идеальном случае технологи оптимизируют процесс, протекающий в MOCVD-реакторе, чтобы исключить возникновение критических дефектов, т.к. производственная линия, не оснащенная средствами контроля, может аварийно отключиться или выйти из строя.
Известно, что для определения критических дефектов применяются средства контроля в составе производственного оборудования, которые в конечном итоге обеспечивают огромную прибыль от капиталовложений. Более того, нынешний метод на основе расчета плотности дефектов стал непригодным – требуется систематическая методология для определения критических дефектов и их влияния на выход годных изделий,
Производство светодиодов
Прежде чем мы подробно остановимся на современном методе контроля над технологическим процессом, давайте рассмотрим этапы светодиодного производства. Их понимание позволит определить точки контроля и установить, как сократить время на устранение неисправностей. Упрощенная схема процесса изготовления светодиодов представлена на рисунке 1.
Рис. 1. Средства контроля в составе производственного оборудования для изготовления светодиодов
Automated defect analysis tool – автоматизированное средство анализа дефектов; Substrate – изготовление подложек; Epitaxy – эпитаксиальный рост; FEOL – начало обработки пластин; BEOL – завершение обработки; Yield and binning – выход годных и сортировка; Brightness – яркость; Wavelength – длина волны; FWHM – полная ширина на половине высоты; V_breakdown – напряжение пробоя; V_forward – прямое напряжение; I_leakage – ток утечки; Many steps in between – промежуточные этапы; Epi defect to yield and binning correlation? – Как сказываются эпитаксиальные дефекты на выходе годных и сортировке?
Как правило, производственный процесс состоит из четырех основных этапов – изготовления подложек, эпитаксиального роста, обработки пластин и заключительной стадии их изготовления. По завершении этих основных этапов начинается конечная сборка.
В производстве светодиодов используются, как правило, подложки из сапфира, арсенида галлия или карбида кремния. Существуют и другие технологии, основанные на использовании альтернативных материалов – нитрида галлия и кремния. Полупроводниковый слиток (буля) изготавливается тем же образом, что и слитки для производства полупроводниковых интегральных схем. Этот слиток разрезается алмазной пилой на очень тонкие пластины, которые затем полируются и отправляются на производство светодиодов.
На стадии эпитаксиального выращивания на поверхности полупроводниковой пластины создаются дополнительные слои с проводимостьюp- и n-типов с помощью MOCVD-реактора. Типовое значение толщины этих слоев составляет около нескольких микронов. До отправки пластин в MOCVD-реактор их следует проконтролировать, т.к. плохое качество подложек может впоследствии привести к отказам при испытаниях электрическим зондом – несоответствию требований к величине прямого напряжения и обратному току утечки.
Дефекты подложки и процесс нанесения эпитаксиальных слоев могут повлиять на характеристики устройств, их надежность и выход годных изделий. Такое оборудование как Candela 8620 выполняет неупорядоченную инспекцию на этапах изготовления подложек и эпитаксиального роста. Эта система не только точно определяет местонахождение дефектов, но и классифицирует их.
Обработка полупроводниковых пластин
После эпитаксиального наращивания слоев пластины проходят очистку, литографический процесс, травление, металлизацию, нанесение покрытия осаждением и отжиг, после чего обработанные таким образом изделия отправляются на заключительный этап производства. Формирование рельефа, который позволяет повысить светоизвлечение, также осуществляется в процессе обработки пластин.
Стоимость производства дефектной пластины равна стоимости изготовления качественной пластины из одной партии, т.к. бракованный кристалл проходит те же этапы обработки. Таким образом, раннее обнаружение дефекта и вовремя принятые меры позволяют сократить производственные расходы.
По мере усложнения светодиодных структур обнаружение дефектов и их локализация становятся чрезвычайно необходимыми и требуют контроля на всех этапах обработки пластин. Один и тот же дефект в разных светодиодных структурах по-разному влияет на выход годных изделий и их электрические характеристики. Кроме того, дефекты с определенными атрибутами в большей мере влияют на выход годных, чем те, например, у которых иное местоположение.
Чувствительность оборудования к обнаружению дефектов и возможность их точной классификации обеспечивают производителей полноценным набором данных для анализа и управления процессом. Например, установка WI-2280 позволяет контролировать все структурированные пластины на таких этапах производства как литография, травление и металлизация. Кроме того, у этой установки очень высокая скорость обнаружения дефектов, уникальная способность их классифицировать и усовершенствованный механизм настройки параметров, интегрированный в программное обеспечение для контроля процессов и дальнейшего анализа.
Заключительный этап производства
После окончания обработки пластины проходят заключительный этап производства, состоящий из процесса разделения их на кристаллы, тестирования и сортировки, после чего начинается сборка. Предварительная стадия резки пластины на кристаллы позволяет установить текущий контроль и повысить выход годных изделий. По завершении разделения пластин на кристаллы выявляются возможные повреждения, полученные от оборудования: царапины или загрязнения на кристаллах могут привести к их растрескиванию при испытаниях. Установка WI-2280 используется также для контроля на заключительных этапах производства для выявления дефектов, оказывающих непосредственное влияние на выход годных изделий.
Кристаллы, полученные путем разделения пластин, отправляются на присоединение и монтаж проводных соединений, которые предшествуют герметизации и финальной сборке. Контроль над корпусированными светодиодами позволяет определить дефекты сборки – отсутствие кристаллов, повреждение проводных соединений и неправильное расположение, прежде чем светодиоды будут упакованы в ленту и собраны в партию.
Наконец, все результаты контроля объединяются, и осуществляется контроль качества. Чувствительность оборудования к обнаружению дефектов и возможность их точной классификации должны соответствовать используемому программному обеспечению по управлению параметрами выхода годных, которое объединяет все полученные данные. Это ПО принимает данные из разных участков контроля, обеспечивает их анализ и мониторинг. Далее на примере использования системы контроля в составе производственного оборудования мы увидим, как данные объединяются для анализа и получения результатов.
Описание методологии
Итак, перед производителем стоит задача отличить те дефекты, которые существенно влияют на выход годных, от малозначительных, что, в свою очередь, требует понять роль эпитаксиальных дефектов в появлении бракованных изделий, а также выработать системный подход к выявлению критических изъянов.
Для автоматизированного контроля процесса используется оборудование, схематически изображенное на рисунке 1. Информация о дефектах подложки, эпитаксиального слоя, а также о недоделках, обнаруженных на других этапах производства, поступает в автоматизированное средство анализа дефектов. В данном конкретном случае мы подробно остановимся только на анализе того, как дефекты, полученные на этапе эпитаксиального выращивания, соотносятся с выходом годных.
Рис. 2. Схематичное представление данных о сортировке кристаллов
Green data indicates a good die, so – зеленые квадраты соответствуют хорошему кристаллу; GCD – хороший чистый кристалл (без дефектов); GDD – хороший «загрязненный» кристалл (с дефектами); TCD – суммарное число чистых кристаллов (зеленых и белых без дефектов); TDD – суммарное число «загрязненных» кристаллов (зеленых и белых с дефектами)
Одним из способов выявления критических дефектов является анализ потерь, при котором оценивается доля изъянов, приводящих к отказу кристаллов. Данные для этого анализа собираются в процессе производственных операций.
Чтобы понять, как работает этот анализ по разделению дефектов на существенные и незначительные, следует определиться с соответствующей терминологией (см. рис. 2). Сгруппированные данные представляют собой годные и дефектные кристаллы с помощью соответствующего кода. Данные о дефектах разделяются на группы «чистые кристаллы» и «загрязненные кристаллы». В отличие от загрязненных, чистые кристаллы не имеют дефектов. Квадраты схематично изображают кристаллы, точки – дефекты. Зеленые квадраты соответствуют хорошим кристаллам, белые – плохим. У хорошего чистого кристалла (good clean die, GCD) не имеется дефектов. У хорошего «загрязненного» кристалла (good dirty die, GDD) имеются незначительные изъяны. Для анализа необходимо знать общее количество чистых (total clean dices, TCD) и «загрязненных» кристаллов (total dirty dices, TDD). На рисунке 3 представлены формулы, по которым рассчитываются выход годных изделий и процент брака.
Выход годных определяется как отношение числа хороших кристаллов к суммарному числу кристаллов. В данном случае, однако, вопрос заключается в том, как на выход годных влияют кристаллы с одним дефектом и больше. На производстве такой анализ выполняется с использованием данных о кристаллах с разными типами дефектов. Классифицируя дефекты по их размеру и местоположению, а затем сопоставляя каждый тип дефектов с выходом годных, можно установить соответствующую связь. Другими словами, критические дефекты, у которых процент брака выше, оказывают заметное влияние на выход годных изделий.
Данные, полученные средствами контроля, классифицируются по группам, составляется список пластин, собирается информация о выходе годных изделий и типах дефектов. Для дальнейшего анализа используется программное средство Klarity LED от KLA-Tencor. Необходимо убедиться в том, что карта дефектных зон в точности соответствует данным, отсортированным по группам, – это основа анализа для определения процента брака. С помощью этого показателя определяются критические дефекты, после чего производится анализ всех пластин. Наконец, выполняется анализ данных по выявлению дефектов, которые оказывают существенное влияние на выход годных, после чего составляются графики тренда, задается верхний контрольный предел (upper control limit, UCL) и параметры статистического контроля процессов (SPC).
Рис. 3. Формулы для расчета процента брака и выхода годных
Yield formula – формула для расчета выхода годных; Dirty Die – загрязненный кристалл; Clean Die – чистый кристалл; Particles – частицы; Kill ratio formula – формула для расчета процента брака; Potential die loss: dirty die × kill ratio – возможная потеря кристаллов: загрязненные кристаллы × процент брака
Экспериментальные результаты
В таблице 1 представлен пример теоретического исследования корреляции между дефектами и выходом годных на основе рассматриваемого метода выявления критических повреждений. В этом примере анализируются 20 пластин и соответствующие им данные о выходе годных. Средний показатель выхода годных равен 76%. Слой, класс, размер, зона пластин, внутрикристальная область и отличительные характеристики представляют собой лишь несколько атрибутов анализируемых дефектов. В данном случае мы рассмотрим только размер дефектов, а система Klarity LED определит корреляцию между ними и выходом годных.
Таблица 1. Данные о выходе годных на примере набора из 20 пластин
ID пластины |
Выход годных, % |
Пластина 1 |
60 |
Пластина 2 |
70 |
Пластина 3 |
80 |
Пластина 4 |
90 |
Пластина 5 |
60 |
Пластина 6 |
70 |
Пластина 7 |
80 |
Пластина 8 |
90 |
Пластина 9 |
75 |
Пластина 10 |
80 |
Пластина 11 |
90 |
Пластина 12 |
80 |
Пластина 13 |
60 |
Пластина 14 |
70 |
Пластина 15 |
90 |
Пластина 16 |
80 |
Пластина 17 |
80 |
Пластина 18 |
70 |
Пластина 19 |
80 |
Пластина 20 |
70 |
Средний показатель |
76,25 |
Рисунок 4 иллюстрирует метод определения того, как атрибуты критических дефектов четырех типов влияют на выход годных. На каждом из графиков представлена связь между числом дефектов и процентом брака в зависимости от размеров (1–9) дефекта. Ломаная кривая описывает процент брака. В случае с дефектом типа 1 при размере дефекта больше 3 процент брака значительно увеличивается. Аналогичные исследования проводятся с пластинами, имеющими дефекты трех других типов. Таким образом, можно получить картину того, как на выходе годных отражается любая комбинация размеров и типов дефектов. Результаты этого анализа заносятся в таблицу 2.
Рис. 4. Анализ влияния дефектов четырех типов на выход годных
Defect type – тип дефекта; Defect count and KR vs Defect Attribute – число дефектов и процент брака в зависимости от характеристики дефекта; DOI = Defect Attribute – критический дефект = характеристика дефекта; Defect count – число дефектов; Kill ratio – процент брака
Таблица 2. Сгруппированные данные о дефектах
Критические дефекты |
Группа незначительных дефектов |
Группа дефектов, определяющих выход годных |
Тип_дефекта1 |
Свойство_дефекта ≤ 3 |
Свойство_дефекта > 3 |
Тип_дефекта2 |
Свойство_дефекта ≤ 5 |
Свойство_дефекта > 5 |
Тип_дефекта3 |
Свойство_дефекта ≤ 7 |
Свойство_дефекта > 7 |
Тип_дефекта4 |
Свойство_дефекта ≤ 4 |
Свойство_дефекта > 4 |
На следующем этапе анализа устанавливается, как дефекты каждой пластины влияют на выход годных. Наконец, все дефекты суммируются, чтобы установить корреляцию с конечными результатами. На рисунке 5 представлены данные по 20 пластинам: число дефектов, влияющих на выход годных, и суммарное число дефектов.
Рис. 5. Зависимость между числом дефектов, влияющих на выход годных, и общим числом дефектов
WaferID – ID пластины; Low Impact Defects – дефекты, не оказывающие значительного влияния на выход годных; Yield-Impacting Defects – критические дефекты; Total Defects – общее число дефектов; Yield – выход годных; UCL – верхний контрольный предел; Number of Sample Failed – число забракованных образцов; Example – пример
Видно, что между этими показателями нет однозначной корреляции. Например, только у трех пластин верхний контрольный предел (UCL) больше 1400. Эти пластины содержат наибольшее число дефектов, однако выход годных высок относительно среднего показателя 76,25%. Это значит, что многие дефекты существенно не влияют на конечный результат.
Если UCL равен 1000, дефектными окажутся три пластины. Примечательно, что при этом выход годных ниже среднего показателя на 16,25%. Из приведенных данных видно, что пластины со значительным количеством дефектов не обеспечивают высокого выхода годных. Этот вывод в еще большой мере подтверждает эффективность используемой методологии.
Рис. 6. Выход годных уменьшается в зависимости с ростом критических дефектов
Yield – выход годных; Total Defects – общее число дефектов; Yield vs total defects – выход годных в зависимости от общего числа дефектов; Yield-Impacting Defects – критические дефекты; Yield vs Yield-Impacting Defects – выход годных в зависимости от критических дефектов
На рисунке 6 представлены два корреляционных графика с данными, собранными по 20 пластинам. Верхний график описывает зависимость выхода годных от общего числа дефектов, а нижний – выход годных в зависимости от числа критических дефектов. Нижняя кривая выглядит намного логичнее, т.к. показывает, что при увеличении числа критических дефектов выход годных сокращается. В соответствии с этими данными можно задать параметры статистического контроля процессов.
Рис. 7. Статистическое управление процессом с учетом всех дефектов не коррелирует с выходом годных
Total Defects – общее число дефектов; Wafer – пластина; 3 UCL Failures – три пластины с UCL = 1400; Yield – выход годных; Mean Yield – средний показатель выхода годных; Only 1 out of 3 failed UCL points corresponds to below average wafer yield – только у одной из трех пластин с UCL = 1400 выход годных ниже среднего значения
На рисунке 7 видно, что большое число дефектов пластин не соответствует малому выходу годных. При верхнем пределе регулирования равном 1400 дефектов только у одной из трех пластин выход годных ниже среднего уровня. Корреляция между суммарным числом дефектов и выходом годных не обнаружена. Таким образом, нет необходимости задавать параметры статистического контроля процессов исходя из общего числа дефектов.
Рис. 8. Статистическое управление процессом с учетом критических дефектов коррелирует с самым малым значением выхода годных (UCL = 1000)
Yield-Impacting Defects – существенные дефекты; 3 UCL Failures – три пластины с UCL = 1000; Wafer – пластина; Yield – выход годных; All 3 failed UCL points corresponds to below average wafer yield – у всех трех пластин с UCL = 1000 показатель выхода годных ниже среднего значения
Напротив, из рисунка 8 видно, что критические дефекты обусловливают низкий процент выхода годных. В данном примере с верхним контрольным пределом равным 1000 выход годных для всех пластин, которые не соответствуют этому уровню, оказался ниже среднего значения. Таким образом, в этом случае допускается использование статистического контроля процессов.
Очевидно, что внутренний контроль на производстве светодиодов крайне необходим. Мы рассмотрели методологию разделения дефектов на те, которые оказывают существенное влияние на выход годных, и на незначительные изъяны. Исследование показало, что процент брака коррелирует с такими характеристиками дефектов как их размеры. Этот важный факт следует учитывать при классификации атрибутов дефектов по группам для определения тех недостатков, которые заметно сказываются на выходе годных изделий. Система статистического управления процессом позволяет избежать дорогостоящего несоответствия расчетным параметрам и обеспечивает рентабельность светодиодного производства.