KLA 在汽车半导体制造领域扮演的角色——工艺控制!

据报道，KLA（科天）在上海新国际博览中心举办的中国国际半导体设备、材料、制造和服务展览期间（SEMICON China）举办了媒体记者会。KLA企业传播高级总监Becky Howland女士发表了题为“KLA有什么新进展（What’s New at KLA）”的主题演讲，介绍了KLA公司2018财年情况、KLA收购Orbotech事件、新标识（Logo）等，并阐述了KLA在汽车半导体制造领域扮演的角色。

KLA公司参与媒体记者会的中高层人员

继往开来，KLA取得新进展

“KLA公司成立于1976年，总部位于美国硅谷，凭借行业标准的产品组合和世界一流的工程师及科学家团队，43年来持续为客户打造卓越的解决方案。” Becky Howland说道，“目前，加上合并的Orbotech公司，我们全球员工约有10000人，设备装机量已经约达48000台。2018财年公司营收超过50亿美元；过去四年来，研发投入累积达到26亿美元，确保了公司从硅片缺陷检测到线宽量测，以及光罩领域，都在业界处于领先地位。”

Becky Howland介绍KLA丰富的产品组合服务整个半导体生态系统

KLA公司2018第四季度财年的设备出货量情况，如果按照区域划分，中国市场占比23%

近期，KLA以34亿美元收购了总部位于以色列的设备公司：Orbotech（奥宝科技）。此举有助于KLA实现营收基数多元化，并在价值25亿美元的高增长市场中获得机会，包括印刷电路板（PCB）、平板显示器、半导体制造和封装。两家公司合并之后，在人员、流程和技术等方面都配合得非常好，非常有利于开拓新的市场机遇。

2019年2月20日，KLA完成对Orbotech的收购

Becky Howland介绍：“KLA-Tencor与Orbotech携手之后，继往开来，我们正式更名为KLA（Keep Looking Ahead）——笃信更光明的未来，并发布了新标识（Logo）。在KLA，我们相信创新者是真正的乐观主义者。我们迎接经常需要数年时间才能解决的复杂技术挑战，致力于深度科学的研究，探索电子和光子光学、传感器、机器学习和数据分析，协助创造改变未来的想法和设备。”

KLA新标识（Logo）

KLA在汽车半导体制造领域扮演的角色

随着高级驾驶辅助系统（ADAS）、自动驾驶和边缘计算等技术的进步发展，汽车半导体芯片的工艺步骤越来越多，也更加复杂化，例如汽车人工智能（AI）芯片和传感器融合处理芯片等正在迈向7nm工艺。如果采用多重图形技术的工艺则达到了1000多道，而工艺窗口的挑战则要求几乎是“零缺陷”，这就对工艺控制水平提出了更高的要求。制造过程中任何细小的错误都将导致重新流片，而其代价将会很大，因此在制造过程中，检测和量测变得越来越重要，越早发现问题所在，可挽回的损失越大。

KLA在制造工艺中发挥重要作用：（1）检测：发现关键缺陷；（2）量测：测量关键参数

“KLA在汽车半导体制造领域扮演的角色——工艺控制！”Becky Howland说道，“如果你无法找到缺陷，那么你就无法修复；如果你无法量测尺寸，那么你就无法控制。KLA通过检测和量测技术来为芯片制造‘保驾护航’，并提升产品良率和降低成本。”

KLA帮助汽车芯片厂商在半导体制造环节发现问题，可极大降低损失

零缺陷对于汽车行业至关重要，因为事关人身安全，汽车芯片的可靠性要求总是更高！为了发现芯片出现的各种问题，业界采用多种异常检测的方法，如零件平均测试法（PAT）。但是，标准的PAT方法在很多情况下，并不是非常有效，例如在防止漏检方面的测试成本过高。Becky Howland 解释道：“漏检是指芯片有潜在的可靠性缺陷，但通过了芯片制造厂的测试，这是极其危险的情况。为了避免这种情况的发生，KLA开发出了更先进的在线零件平均测试（Inline PAT，缩写：I-PAT）技术来防止芯片漏检，并且通过牺牲较少的良率，而显著提升可靠性。”

潜在的可靠性缺陷是最危险的（如左侧中间的缺陷）

KLA利用I-PAT技术实现更好的芯片筛选

Becky Howland补充：“潜在的可靠性缺陷往往在离开了芯片制造厂才暴露出来，它们在某种程度上是通过环境激活的，包括振动、湿度、电流、电迁移或热量等。随着时间的推移，潜在的可靠性可能造成芯片失效，进而产生严重的汽车安全问题。KLA如何解决上述问题？简而言之，我们利用基于硬件（检测设备）和软件（数据分析）的I-PAT技术寻找那些在总体生产中的多个常规检测中累计缺陷异常多的芯片。这些异常芯片从统计上来讲更可能包含业界迫切希望消除的潜在可靠性缺陷。I-PAT结果可以与电性能异常芯片测试相结合，改进芯片的整体‘通过/不通过’决策。”

展望未来，随着汽车的电气化、自动化和智能化的程度越来越高，芯片缺陷检测也将变得越来越重要。并且，机器学习和人工智能的运算能力和功能也日益强大，将会更多地参与到汽车芯片异常检测之中。