对于正在扩大先进AI封装规模的制造商而言，来自各方面的压力正在不断增加。
一方面，需求持续增长。
另一方面，AI封装尺寸不断增大，并集成更多高带宽存储器（HBM）和高性能芯片。
更不用说，生产团队还面临快速推进新工艺量产的日益压力。
虽然实现高良率仍是关键目标，但成功越来越取决于制造商能否快速建立稳定工艺条件，并从开发阶段过渡到大规模量产（HVM）。
扇出型面板级封装（FOPLP）已成为希望扩大先进封装生产的制造商的一条颇具吸引力的发展路径。
与传统的晶圆级方案相比，FOPLP可以显著提高基板利用率，同时增加每块基板可生产的封装数量。在一项研究对比中，300mm晶圆的基板利用率约为55%，每片晶圆可生产6个封装；300mm面板的利用率为86%，每块面板可生产12个封装；510×515mm面板的利用率为74%，每块面板可生产30个封装。这使制造商能够提高制造效率并降低单个封装成本。
然而，要实现这些优势，必须克服重大的光刻挑战。
随着面板尺寸增大，制造商必须应对整个基板上的图形畸变、裸片偏移以及由此产生的套刻误差。这些影响直接关系良率，并使工艺优化难度显著增加。
与传统晶圆级工艺不同，面板尺度的变化并不均匀。相反，畸变模式可能在面板不同区域显著变化，形成传统方法难以修正的局部问题。
最佳平衡点
最终，工艺工程师必须找到套刻良率与吞吐量之间的“最佳平衡点”。为了补偿面板级畸变，制造商通常依赖多种修正策略。
全局修正可以保持吞吐量，但往往无法修正局部套刻误差。区域修正可以提高良率，我们研究中的现场数据显示良率介于40%至80%之间，但会降低吞吐量。逐裸片修正可以进一步提高良率，但会显著牺牲吞吐量。逐点位修正提供了一种折中方案，在提高良率的同时保持较高吞吐量。
然而，找到这种平衡通常并非易事。
确定最佳工艺窗口通常需要在曝光视场配置、裸片布局、面板布局和套刻阈值等变量之间反复实验。每次调整都可能需要再次试跑和新一轮数据分析。其结果是工程投入增加、材料消耗增加、开发周期拉长，以及量产爬坡延迟。
对于面临快速上线产能压力的制造商而言，每一次额外迭代都会推迟量产进程。
超越试错
通过将离线量测数据与良率预测算法相结合，制造商可以在投入大量实体试验之前评估工艺性能。工程团队无需在生产硬件上反复测试可能的运行条件，而可以提前评估可能的良率结果，并在开发周期更早阶段识别有希望的工艺窗口。
这一过程始于详细的量测，用于捕捉面板尺度变化，包括图形误差和裸片偏移。随后，良率预测算法结合曝光视场配置、面板布局、裸片布局和套刻阈值等工艺变量评估这些信息。利用这些输入，制造商可以估算预期良率表现，并在不执行完整生产实验的情况下比较不同工艺策略。
其价值不止于简单预测。热图、矢量图、直方图和良率看板等可视化工具可帮助工程师理解工艺敏感性，隔离变化来源，并更快识别根本原因（图1）。这使工艺优化更具针对性，并加快决策速度。
图1：良率预测分析工具，显示1）分析参数，2）X轴套刻误差，3）Y轴套刻误差。对比这些图谱可以发现，Y轴出现最显著的套刻误差，并直接导致良率损失。该洞察使用户能够准确定位问题根因，并有效采取修正措施，从而改善整体工艺性能。
良率预测技术也已在HVM工艺中使用生产基板进行评估。在初步评估中，预测良率与实测良率之间的差异为1.2%至2.7%。进一步分析显示，人工检测判断的波动是差异的主要来源。检测流程标准化后，预测误差降至0.2%至0.8%。
加速工艺验证
在工艺开发过程中，制造商可以在运行验证基板之前，使用良率预测技术通过仿真评估工艺条件（图2）。工程师无需完全依赖实体实验，即可评估多种参数组合，识别有希望的运行条件，然后使用验证基板对预测结果进行验证。这种方法可以减少试错迭代，同时加快工艺完善并缩短开发周期。
图2：在不同工艺条件下生成的残余套刻误差矢量图，有助于加快工艺完善、减少试错迭代，并提升研发效率。
同样重要的是，它有助于工程团队将精力集中在优化上，而不是重复性试错实验上。
将良率预测扩展到量产
良率预测技术的价值也可以延伸到工艺开发之外。在量产中，该技术可以集成到光刻工作流程中，实现实时在线工艺监测和更早的缺陷检测。
标准光刻工作流程在最终检测确定套刻良率之前包含多个工艺步骤。过程中引入的误差可能导致返工或永久性良率损失。通过将良率预测更早集成到工作流程中，制造商可以在最终检测之前识别潜在问题，从而更早干预，并减少与返工相关的人力、时间和成本（图3）。
图3：良率预测技术可以集成到生产工作流程中，以支持实时在线工艺监测和更早的缺陷检测。
这将良率预测的作用从加速工艺开发，扩展到在量产期间支持工艺监测和早期缺陷检测。
结论
随着先进AI封装需求持续增长，制造商面临越来越大的压力，需要建立稳定工艺、保障良率，并更快从开发阶段迈向HVM。FOPLP具有显著的经济优势，但图形畸变、裸片偏移以及良率与吞吐量之间的权衡可能拉长工艺学习周期，并延迟量产爬坡。
良率预测技术为制造商提供了一种从工艺开发到量产应对这些挑战的方法。在开发阶段，该技术可以减少试错迭代并加快工艺完善。在量产阶段，实时在线监测可以支持更早的缺陷检测和干预。通过把这些能力纳入FOPLP光刻策略，制造商可以减少寻找合适工艺条件所需的时间，更高效地迈向稳定、高良率生产。
来源: 海外媒体
登录后即可参与技术讨论与同行交流
免费注册