晶圆制造中APQP提升研发产品质量的应用

晶圆制造中 APQP 提升研发产品质量的应用

0 引言

上海华虹集团是国家“909”工程的载体，是以集成电路制造为主业，面向全球市场，具有自主创新能力和市场竞争力的高科技产业集团，肩负着国家“十一五”集成电路规划的重任。集团旗下的华虹宏力半导体制造有限公司是为客户提供包括晶圆设计，晶圆制造和晶圆测试等一站式全称服务。完整的产业链给华虹宏力的质量提升给予了更高的要求，客户们也提出了加强质量控制，建立产品质量先期策划（Advanced Product Quality Planning，APQP）的建议。

根据 KANO 模型分析，这是客户期望型需求，也是华虹宏力具有完整产业链可以吸引客户的魅力质量需求。公司领导对于客户声音非常重视，要求在半年内应用 APQP 将量产品的项目完成率达到 70%。研究“如何通过 APQP 在晶圆研发阶段的应用提升晶圆制造产品质量”具有重要的实践意义。为晶圆厂创造了魅力价值，技术突破，客户满意度，缩短了从设计到市场化的周期，为客户赢得了市场先机。

APQP 项目的意义在于可以事先做好详细的策划，将所需的人、机、料、法、环、测等准备好。它的目的就在于一次就把产品做好，一次就让客户满意。引导资源，促进所需更改的识别，避免后期更改，以最低的成本及时提供优质产品[1-19]。

1 APQP 项目的技术路线

APQP 小组主要通过项目管理方法，结合多种质量工具，整合应用在晶圆产品研发阶段，通过在研发阶段的应用，以提升晶圆制造阶段的产品质量。内容偏重于质量工具的技术应用，在具体实施过程中遇到哪些问题和如何解决这些问题的方案。通过 APQP 管制与验证新产品的开发与设计的品质，以确保达成最佳化的制程生产要求（图 1）。

2 APQP 项目的实施过程

2.1 APQP 团队设立，确定项目目标及范围

以质量部门牵头的 APQP 的团队使用了责任分配矩阵明确了职责。关于“如何通过 APQP 在晶圆研发阶段的应用提升晶圆制造产品质量”，没有先例可以照搬照套。大部分晶圆制造厂商并不具备完整的产业链，所以并不能在设计阶段运用 APQP 的工具来提高晶圆制造阶段的产品质量。

2.1.1 问题陈述

相比晶圆制造阶段，研发过程产品的质量控制力度不够，使用质量工具也比较少，存在着异常事件或者设计缺陷无法被发现的风险，在后续的晶圆制造阶段埋下了隐患。这些缺陷往往会在晶圆生产阶段产生潜在的质量问题，或者为后续的质量提升埋下隐患。

2.1.2 基础陈述

APQP 是一种结构化的方法，用来定义和建立确保某产品符合客户满意所需的步骤。

2.1.3 目标陈述

在半年内，运用 APQP 以及多种质量工具，整合应用在晶圆研发阶段，从而提高晶圆制造阶段的质量管控水平，提高对于设计缺陷和制造阶段会产生的异常状况的早期预警能力。目标是促进涉及的所有人员（相关方）的联系，以确保所要求的步骤按时完成。

2.1.4 制约因素

由于研发人员普遍聚焦在产品的性能指标比如频率和功耗等等，不熟悉晶圆制造的过程，意识不到后续大量生产之后会遇到的质量问题，对于质量工具也不熟悉。而晶圆制造工程人员普遍聚焦在产品的生产制造，对于研发产品的性能制约因素也缺乏了解。同时， APQP 项目的目标时间只有半年，就要将量产品的项目完成率达到 70%。有效的产品质量策划依赖于公司最高管理层支持，以实现客户满意。

2.1.5 沟通

APQP 小组每月开会总结所有产品的项目情况。在每一个项目节点完成的时候会进行会议讨论。

APQP 小组使用 SIPOC 图来识别项目涉及的主要流程，明确项目范围。在每次项目沟通会议上， APQP 小组运用质量工具进行各种分析，列出预计量产阶段的各方面工程数据和研发阶段的少批量工程数据的差异，制定修改方案，在研发阶段就加以改进和调整，创新地在研发阶段就对晶圆制造中会遇到的问题进行解决和优化。大大地缩短了晶圆制造过程的产品量产化的周期和良率。

2.2 制定计划、实施和控制

质量工具的使用必须要考虑晶圆研发的特点，重点应该在项目实施过程中应用质量工具加强质量控制。

2.2.1 失效模式与影响分析 FMEA

根据失效模式与影响分析（Failure Mode and Effects Analysis，FMEA）手册指导在晶圆设计和制造阶段分析每一阶段可能发生的风险，加以评估和管控，晶圆制造阶段使用的是 PFMEA，晶圆研发阶段使用的是 DFMEA。一般的晶圆制造工厂和晶圆研发公司分属于两家公司，而且基于知识产权的考虑 PFMEA 和 DFMEA 之间联系很少。基本处于晶圆制造工厂不了解晶圆设计，晶圆设计公司不了解晶圆制造。很多晶圆设计方面的缺陷在晶圆制造量产中才体现出来，往往发现问题已经是几个月以后，此时再修改晶圆设计为时已晚，即使修改再量产也会错失产品市场。

APQP 小组对于每一个产品和平台都制定相应的 PFMEA 和 DFMEA，识别出潜在的失效模式，然后根据 FMEA 手册的指导，综合评估严重度，发生度，探测度和综合风险指数 RPN 值。对于综合风险指数 RPN 高的潜在失效项目制定有效措施，以降低综合风险指数 RPN 值。经过多次的 APQP 项目小组对 PFMEA 和 DFMEA 的潜在风险评估技术分析，力求将综合风险指数 RPN 值降到最低。

2.2.2 统计制程控制 SPC

制程的统计过程控制（Statistical Process Control，SPC）是通过对数据进行收集，运算，分析，改进，评估制程的稳定性和精准度。在制程的合理范围内，通过统计学分析，对于制程的异常波动进行示警，事先预测并实施改进措施。传统的SPC是对于既有数据进行整理和分析，但现代 SPC 提出了对于未来数据进行预测的需求。APQP 要在晶圆研发阶段就对于未来量产阶段的产品工程数据进行预测，有赖于现代 SPC 技术的发展。

APQP 小组创新地提出了 SPC 预测质量管控线和制程目标值。在 APQP 没有成功地应用于晶圆研发阶段以前，产品在晶圆制造中质量管控线一般来自同类产品量产过程中的经验教训和客户指定的电性指标。这些往往出自大量报废后才能总结出的，而客户指定的电性指标往往过于宽松。

APQP 小组的目标就是要利用 SPC 预测出一个质量控制区间，质量管控线一般窄于客户指定的电性指标和同类产品地经验教训。大部分生产过程中的数据都会落入此管控区间中，一旦有数据落在区间外则认为出现了异常。质量控制区间为工程师提出了异常数据的预警，一旦数据超出质量控制区间，工程师就能即时对晶圆制程进行干预。

APQP 小组成功将 SPC 质量管控线应用于实践，这就大大提高了研发阶段产品在晶圆生产阶段的产品质量，极大地提高了研发产品在晶圆制造阶段早期的小批量生产阶段的异常波动，降低了异常发生造成的质量问题。

2.2.3 大数据分析

与传统的数据不同，大数据是指超出了传统的数据分析能力，在现有数据软件的数据采集，存储，运算和分析等能力以外，最重要的是对于不同的数据库能够有瞬时联动功能，这对数据的运算能力，运算速度，存储量，智能分析能力都是极大的考验。背后也考验经验丰富的工程人员对于工程数据之间的关联度设定。

不仅仅是对现有工程数据的异常波动做出判断和预警，最重要的是能对数据未来的走势做出预判。大数据的分析在先进制造行业的广泛应用促进了APQP在晶圆研发阶段的应用提升晶圆制造产品质量，而且会随着时间和技术的发展而不断增长。

2.2.4 间隔时间 Q-time

Q-time（Queue-time）是指不同制程之间的间隔时间的质量管控。Q-time 控制在晶圆制程流程图，控制计划中都有明确的规定。针对超出 Q-time 的情况的处置，系统也明确规定了晶圆的处置是加速运行还是晶圆返工或者搁置做进一步工程处置。

2.2.5 程序控制管理 RCM

程序控制管理（Recipe Control Management，RCM）系统是工程部门用于管理控制程序的系统，工程部门修改现有程序或者新建程序都要通过 RCM 系统并记录所有的更改项目。

通过 FMEA 对于程序的影响做出分析，评估程序，程序调整的范围必须在相关的程序修改文件和流程调整的界限内。工程部门必须严格按照流程和文件来设定程序。

晶圆制造的步骤长达上百步，任何一步的错误都有可能会导致晶圆的报废。所以根据关键程序，APQP 小组展开了讨论，根据 FMEA 分析出所有可能的失效风险项目，由工程部门收集相关的工程数据。通过分析工程数据，APQP 小组讨论如何通过调整和协同合作，各部门之间相互调整，使得晶圆设计阶段设计的工程电性参数能够符合客户要求和工程制造阶段的制程能力。

2.2.6 测量系统分析 MSA

测量系统分析（Measurement System Analysis，MSA）是用来对被测特性定量测量或定性评价的仪器或量具，标准，操作，方法，人员，环境和假设的集合；用来获得测量结果的整个过程。通过稳定性（Stability）、偏倚（Bias）、线性（Linearity）、再现性（Reproducibility）、重复性（Repeatability）来判断测量系统必须显示足够的灵敏性，测量系统是否稳定，统计特性是否在预期范围内应该是一致的。

3 结语

6 个月以后，APQP 小组向公司高层领导进行了 APQP 项目总结报告。公司高度评价了 APQP 项目组成员对于项目的成功所做的努力，通过 APQP 在晶圆研发阶段的应用提升晶圆制造产品质量。增加了公司的竞争力，缩短了产品从晶圆研发到晶圆制造的周期，大大增加了客户满意度。