TEKNILLINEN KORKEAKOULU Sähkö- ja tietoliikennetekniikan osasto MIKES TKK Mittaustekniikka MEMS-elementtien kiekkotason riskianalyysi 26.1.2009 Markus Nenonen monenone@cc.hut.fi Erikoistyö kurssiin S-108.3130 Mittaustekniikan erikoistyö Opintopisteet (ECTS): Arvosana (1 5): Ohjaajan allekirjoitus: DI Tuomas Poikonen
Sisältö 1 Johdanto...3 2 Anturielementtien testaus...4 2.1 Yleistä testaamisesta... 4 2.2 Kiekkotason testauslaitteisto... 6 3 Naapurustoon perustuva riskianalyysi...10 3.1 Analyysikeinot... 10 3.2 Riskilukujen laskeminen... 12 3.3 Kiekon reuna-alueiden huomioiminen... 17 4 Toteutettu analyysiohjelma...18 5 Yhteenveto...23 Viiteluettelo...24 2
1 Johdanto Mikroanturit ovat antureita, joiden yksittäiset rakenneosat ovat mikrometrin luokkaa. Antureiden toiminta perustuu tyypillisesti mekaanisen herätteen muuttamiseen sähköiseksi signaaliksi. Mikroelektroniikkateollisuuden kehityksen myötä MEMS (engl. Micro- Electro- Mechanical Systems) -antureita on pystytty valmistamaan jo muutaman vuosikymmenen ajan. MEMS-anturit valmistetaan piikiekolle, jonka halkaisija on tyypillisesti 100 tai 150 mm. Näin ollen kiekolle saadaan yhdellä kerralla valmistettua jopa useita tuhansia antureita. MEMS-antureiden etuja ovat niiden pieni koko, pieni massa, vähäinen tehonkulutus, herkkyys ja tarkkuus. Lisäksi antureihin pystytään jo valmistusvaiheessa integroimaan esimerkiksi signaalinkäsittelyelektroniikkaa. VTI Technologies (myöhemmin VTI) valmistaa kapasitiivisia MEMS kiihtyvyys- ja paineantureita. Suurin asiakas on autoteollisuus, mutta asiakkaita löytyy kasvavassa määrin myös muilta teollisuudenaloilta. Muita asiakkaita ovat muun muassa lääketeollisuus ja kasvussa oleva kuluttajaelektroniikka. Autoteollisuudessa VTI:n antureita käytetään muun muassa ajonvakaudenhallintajärjestelmissä (engl. ESC, Electronic Stability Control) ja lukkiutumattomissa jarrujärjestelmissä (engl. ABS, Anti-lock Braking System). VTI:n MEMS-anturit valmistetaan yksikiteisestä piistä ja lasista. Tällä rakenteella saadaan aikaan hyvä tarkkuus, pitkän ajan stabiilius ja luotettavuus. Tämän työn tarkoituksena oli toteuttaa ohjelma, joka suorittaa kiekkotason naapurustoanalyysiä. Naapurustoanalyysissä suoritetaan erilaisia analyysejä jokaiselle anturielementille, joka on testauksessa saanut hyväksytyn tuloksen. Näiden analyysien perusteella voidaan löytää mahdolliset riskielementit, joiden voidaan olettaa hajoavan ennenaikaisesti, vertailemalla jokaista hyväksyttyä elementtiä sen naapurustossa oleviin elementteihin. Löydetyt riskielementit hylättäisiin naapurustoanalyysin perusteella. Tällä menetelmällä voidaan saavuttaa rahallista hyötyä karsimalla mahdolliset ennen aikaisesti hajoavat elementit ennen niiden päätymistä asiakkaille. 3
2 Anturielementtien testaus 2.1 Yleistä testaamisesta Yritykset tekevät kovasti töitä saadakseen uudet tuotteensa ensimmäisenä markkinoille ja rakentaakseen itselleen mainetta tehokkaiden, toimivien ja luotettavien tuotteiden toimittajana. Pysyäkseen kilpailukykyisenä ja maksimoidakseen tuoton on yrityksen saatava luotua positiivinen kuva itsestään asiakkaalle. Tämä tarkoittaa sitä, että jos yritys myy huonosti toimivia tuotteita, jotka hajoavat nopeasti, niin se ei pysty tekemään tulosta kovin kauan. Tuotteet täytyy myös saada mahdollisimman nopeasti asiakkaiden saataville, säilyttäen laatunsa hyvänä. Varmistuakseen tuotteidensa toimivuudesta ja laadusta on yrityksen testattava jokainen tuotteensa. Testien täytyy olla kattavat, jottei asiakkaalle pääse viallisia tuotteita. [1, 3] Tyypillisesti jokaisen tuotteen testaus aloitetaan jo hyvin varhaisessa vaiheessa. Testejä tehdään jo ennen kuin piikiekolle on valmistettu yhtään anturielementtiä. Tällaisia testejä ovat esimerkiksi erilaiset visuaaliset tarkastukset ja kerrospaksuuksien mittaukset. Kiekkotasontestaus, jossa valmiit anturielementit testataan piikiekolta, koostuu useimmiten Prober-testauslaitteesta ja siihen liittyvästä mittauselektroniikasta ja -laitteista. Testejä jatketaan lopputuotetestauksella, kun tuote on pakattu koteloonsa. Testaus tuottaa tärkeää tietoa jokaisesta elementistä ja kertoo onko tuote hyvä. Testeillä voidaan todeta toimivatko prosessit oikein ja tarvitseeko johonkin prosessivaiheeseen tehdä parannuksia. Testilaitteiden jatkuva kehittäminen ja ylläpito ovat tärkeitä, jotta yritys pystyy jatkossakin myymään luotettavia tuotteita. Lopputuotetestauksessa paketoidut anturit testataan eri lämpötiloissa normaalia suuremmilla käyttöjännitteillä. Testin tarkoitus on ikäännyttää tuotetta, jotta nopeasti hajoavat tuotteet saadaan karsittua pois. Eri lämpötiloissa testauksen jälkeen viallisia tuotteita ei enää pitäisi päästä asiakkaalle. Jos näin kumminkin käy, niin vikaa on joko 4
tuotteessa tai prosessissa. Eri lämpötiloissa testaaminen on aikaa vievää ja kallista, joten kaikki puolijohdeyritykset haluaisivat vähentää sitä tai päästä siitä kokonaan eroon. Yleisestikin kaikkien testien vähentäminen ja testausaikojen lyhentäminen ovat korkeassa prioriteetissa jokaisessa puolijohdeyrityksessä. Jos testejä pystytään karsimaan tai aikoja lyhentämään, vaikuttaa tämä suoraan yrityksen kassavirtaan. Jos esimerkiksi lopputuotetestauksessa hajoavat tuotteet saataisiin karsittua pois hyvissä ajoin, säästyttäisiin turhalta testaamiselta ja testauskapasiteettia jäisi enemmän varmasti toimiville tuotteille. Yksi tapa saada selville mahdollisesti lopputestauksessa tai nopeasti hajoavat tuotteet on tässä työssä käsitelty riskianalyysi. Nykyiset kiekkotason käsittelymetodit sisältävät koko kiekon hylkäämisen perustuen koko kiekon Prober-mittausjärjestelmällä mitattuun saantoon. Saanto voidaan määritellä kaavalla nhyvät Saanto = 100%. (1) n kaikki Kiekon saanto on testauksen läpäisseiden elementtien lukumäärä jaettuna koko kiekon elementtien lukumäärällä ja kerrottuna sadalla. Jos saatava prosenttiluku on liian alhainen, voidaan koko kiekko hylätä, mukaan lukien hyvät elementit. Hyväsaantoisiakin kiekkoja saatetaan hylätä, mikäli niistä löytyy tarpeeksi jotakin tiettyä vikaa. Hylkäämisestä päättävät laitteista vastaavat henkilöt tai prosessiinsinöörit. Jos saanto on hyvä, kiekolta nypitään huonot elementit pois ja kiekko jatkaa eteenpäin prosessivuossa. Edellä kuvatun kaltaisessa toimintamallissa saatetaan hylätä hyvinkin toimivia elementtejä. Riskianalyysissä mennään elementtitasolle ja tarkastelussa voidaan hylätä 5
ainoastaan yksittäisiä elementtejä kokonaisen kiekon sijasta. Hylkäämisestä päätetään yksittäisten elementtien naapuruston perusteella. Tällä tavoin voitaisiin huonosaantoisiltakin kiekoilta saada talteen hyviä elementtejä ja vältyttäisiin turhilta hylkäämisiltä. 2.2 Kiekkotason testauslaitteisto Kiekkotason testauslaitteisto koostuu tyypillisesti Prober-testauslaitteesta ja siihen liittyvästä mittaus- ja kytkentäelektroniikasta ja koko järjestelmää ohjaavasta tietokoneesta. Testattavia parametreja ovat muun muassa elementin dynamiikka, irroitusjännite, bias-jännite, vuotovastus, taajuusvaste, nollakapasitanssi ja staattinen kapasitanssi. Prober-testauslaite on nähtävissä kuvassa 1. Kuva 1. Prober testauslaitteisto. 6
Testattavat elementit sijoitetaan Proberista löytyvälle xy-pöydälle. Operaattorit tekevät tarvittavat kohdistukset, jonka jälkeen testausohjelma osaa automaattisesti liikutella xypöytää oikeisiin paikkoihin. Oikeat liikkumismatriisit ja liikkeiden mitat ohjelma saa tuotespesifikaatiosta, joka haetaan tietokannasta. Tuotespesifikaatiosta löytyvät myös kaikki muu testaukseen tarvittava tieto, esimerkiksi mittausjännitteet ja -taajuudet. Kontaktoituminen elementteihin tapahtuu neulakortilla. Kun xy-pöytä on oikealla kohdalla, nostaa servomoottori sitä z-suunnassa sen verran, että neulat saavat kontaktit elementin kontaktimetallointeihin. Erilaisille tuotteille löytyy erilaiset neulakortit, sillä eri tuotteiden kontaktimetalloinnit saatavat erota toisistaan ja niitä saattaa olla eri määrä. Esimerkki neulakortista on nähtävissä kuvassa 2. Kuva 2. Esimerkki neulakortista [4]. Elementeistä mitataan monia eri parametreja, joten erilaisia mittalaitteita tarvitaan useita. Mittalaitteiden kytkeminen mittaaville neulakortin neuloille tapahtuu joko relematriisin tai elektroniikkakortin avulla. Relematriisia ohjataan tyypillisesti GPIB (engl. GPIB, General Purpose Interface Bus) -väylän avulla ja elektroniikkakortilla olevia releitä tietokoneeseen liitetyn DAQ (engl. DAQ, Data Acquisition) -kortin avulla. Relematriisi ja elektroniikkakortti ovat esitettyinä kuvissa 3 ja 4. 7
Kuva 3. Relematriisi. Kuva 4. Esimerkki elektroniikkakortista. Mittaustulokset voidaan lukea suoraan mittalaitteilta GPIB-väylän kautta. Jos mittauksen suorittaa elektroniikkakortti, niin tällöin mittaustulos voidaan lukea DAQkortin sisääntuloon. Kun kaikki kiekolta löytyvät elementit on saatu mitattua, tallennetaan mittaustulokset joko tietokantaan tai tekstitiedostoon. Tietokantaan tallennuksen yhteydessä tulokset kritisoidaan tuotespesifikaatiota vasten, jolloin saadaan selville testissä hylkääntyneet elementit. Tietokanta on myös parempi tallennuspaikka kuin tietokoneen kovalevy, koska tietokannasta otetaan varmuuskopio 8
tietyin aikavälein, jolloin mittaustulokset eivät pääse katoamaan ja tulokset ovat myös helposti haettavissa useidenkin vuosien päästä. Laitteiston lohkokaavio on esitetty kuvassa 5. Kuva 5. Prober testauslaitteiston lohkokaavio. 9
3 Naapurustoon perustuva riskianalyysi 3.1 Analyysikeinot Naapurustoanalyysissä elementtien hylkääminen tai hyväksyminen perustuu jokaisen elementin naapuruston saantoon. Elementtitason analyysissä vain yksittäisiä elementtejä voidaan hylätä toisin kuin kiekkotason analyysissä, jossa koko kiekko saatetaan hylätä huonon saannon takia. Kokonaisten kiekkojen hylkääminen on kallista, sillä myös hyvät elementit noilta kiekoilta hylätään. Elementtitason tarkastelu voi säästää rahaa, jos naapurustoanalyysin avulla hyviksi todetut elementit voidaan ottaa jatkoprosessointiin hylkäämisen sijasta. Naapurielementeiksi lasketaan kaikki ne elementit, jotka teoriassa vaikuttavat referenssielementtiin etäisyytensä puolesta. Etäisyyden perusteella naapureilla pitäisi olla samanlaiset parametriset ja sähköiset ominaisuudet kuin referenssielementillä. Tässä työssä käsiteltävät naapurielementit ovat 8 lähintä ympäröivää elementtiä, 24 lähintä ympäröivää elementtiä, radiaaliset naapurit ja sama xy-koordinaatti eri kiekoilla. Lähteenä analyysikeinoihin ja riskilukujen laskemiseen on käytetty Suzy M. Brownin diplomityötä [3], sekä Intelin tekemiä tutkimuksia [2]. Kahdeksan lähintä naapuria ovat ne elementit, jotka ovat referenssielementin ympärillä muodostaen neliön. Näitä kahdeksaa samaa elementtiä käytetään myös 24 lähimmän naapurin analyysissä. Lisäksi mukaan otetaan elementit, jotka ovat näiden 8 naapurin vieressä kauempana referenssielementistä. Radiaaliset naapurit ovat ne elementit, jotka ovat samansäteisen ympyrän kehällä kiekon keskipisteestä. Itse referenssielementtiä ei radiaalianalyysissä varsinaisesti ole, vaan riskilukua laskettaessa kaikki samalla kaarella olevat elementit saavat saman lukuarvon. Xy-koordinaattianalyysissä referenssielementti on jokin elementti joltakin erän kiekolta ja naapureiksi lasketaan kaikki ne elementit, joilla on sama xy-koordinaatti eri kiekoilla. Kiekkojen tulee olla samasta valmistuserästä. Yhdistämällä Xy-koordinaateilla saatu tulos ja jokin edellä 10
mainituista naapuruston tuloksista, voidaan määrittää ULPY (engl. Unit Level Predicted Yield) -arvo, joka muun muassa Intelin tekemissä analyyseissä on todettu parhaaksi tavaksi analysoida riskielementtejä [2]. Eri naapurustovaihtoehdot on esitetty kuvassa 6. Kuva 6. Erilaiset naapurustovaihtoehdot. Jotta hyvän elementin toimivuutta voitaisiin ennustaa, täytyy jokaiselle hyvälle elementille laskea riskiluku perustuen sen naapurustossa oleviin elementteihin. Suuremman prosenttiluvun saanut elementti on vähemmän riskielementti kuin pienemmän luvun saanut. 11
3.2 Riskilukujen laskeminen Kahdeksaan naapuriin perustuvassa riskiluvun laskennassa tulee käyttää hyväksi naapureiden etäisyyttä referenssielementistä. Mitä lähempänä naapurielementti on referenssielementtiä, sitä suurempi vaikutus sillä on referenssielementin riskilukuun. Etäisyys määritetään käyttäen hyväksi x- ja y-koordinaatteja. Etäisyyden laskennassa voidaan käyttää elementtien fyysisiä mittoja tai normitettua etäisyyttä, jolloin vierekkäisien x- ja y-koordinaattien etäisyys olisi 1. Kaikissa tulevissa esimerkeissä käytetään x- ja y-siirtymien arvona 1:stä. Jotta saadaan määritettyä etäisyys kulmista vierekkäin oleviin elementteihin, tulee käyttää hyväksi pythagoran lausetta. Kuvassa 7 on merkitty saman matkan päässä referenssielementistä olevat naapurit. Kuva 7. Eri matkan päässä olevat naapurielementit. X- ja Y-naapureiden etäisyys referenssielementistä on suoraan niiden keskipisteiden fyysinen välimatka, tai 1 jos käytetään välimatkana sitä kuinka monen elementin päässä ollaan referenssielementistä. Z-elementtien etäisyys saadaan pythagoran lauseella Etäisyys + 2 2 = X Y, (2) missä X on Z-elementin etäisyys x-suunnassa ja Y etäisyys y-suunnassa. 12
Kun kaikkien naapurielementtien etäisyydet ovat tiedossa, voidaan jokaiselle naapurielementille laskea sen painoarvo riskilukuun. Painoarvo saadaan laskettua kaavalla Saanton *100 Painoarvo n =, (3) 2 2 x + y 8 n 1 2 n= 1 xn + n y 2 n missä Saanto n on elementin Prober testaustuloksesta riippuen 1 tai 0. Jos elementti on hyväksytty, saa Saanto n arvon 1, muuten 0. Saantoluku jaetaan kyseisen naapurielementin etäisyydellä referenssielementistä. Etäisyys on annettu pythagoran lauseen muodossa. Mitä kauempana naapurielementti on referenssielementistä, sitä pienempi on sen painoarvo. Näistä saatu tulos jaetaan vielä kääntäen kaikkien kahdeksan elementin etäisyyksien summalla ja lopuksi saatu tulos kerrotaan sadalla, jolloin saadaan painoarvo prosentteina. Kun kaikki saadut painoarvot lasketaan yhteen, saadaan kyseisen referenssielementin riskiluku. Painoarvo naapurielementille x-suunnassa on Painoarvo X = 1*100 2 2 1 + 0 4 2 + + 2 1 2 1 = 100 6.8284 = 14.645 y-suunnassa Painoarvo Y = 1*100 2 2 0 + 1 4 2 + + 2 1 2 1 = 100 6.8284 = 14.645 13
ja z-suunnassa Painoarvo Z = 1*100 2 2 1 + 1 4 2 + + 2 1 2 1 = 70.7107 6.8284 = 10.355 Jos kaikki naapurielementit ovat hyviä, saadaan riskiluvuksi paras mahdollinen eli 100, mikä nähdään kaavoista 4 ja 5. [%] 2* Painoarvo + 2* Painoarvo + 4* Painoarvo Riskiluku (4) X Y Z = 2 *14.645 + 2*14.645 + 4*10.355 = 100 (5) Painoarvot x- ja y-suunnassa kerrotaan kahdella, koska naapurielementtejä on kyseisissä suunnissa kyseinen määrä ja z-elementtejä löytyy 4 kappaletta. Painoarvoista nähdään suoraan, kuinka paljon huono elementti kyseissä suunnassa huonontaa referenssielementin riskilukua. Esim. jos x-suunnassa on yksi huono elementti, pienentää se riskiluvun arvoksi 85,355 %. Mitä pienempi luku riskiluvuksi saadaan, sitä todennäköisemmin referenssielementtiä voidaan pitää riskielementtinä. Määritettäessä riskilukuja 24 naapurin tapauksessa lasketaan etäisyydet samalla tavalla käyttäen hyväksi pythagoran lausetta. Edellä laskettuja arvoja voi tässä tapauksessa käyttää hyväksi, sillä ne pätevät edelleen. Muutamia etäisyyksiä tulee laskea lisää. Uudet etäisyydet on nähtävissä kuvassa 8. Kuva 8. Eri etäisyydellä olevat naapurielementit 24 naapurin tapauksessa. 14
Etäisyydet kuvassa 8 näkyville uusille elementeille ovat A = 2X (6) B = 2Y (7) C + 2 2 = A B (8) D + 2 2 = Y A (9) E + 2 2 = Y X (10) Käyttäen hyväksi kaavaa 3, voidaan määrittää painoarvot kaikille 24 naapurielementille. Tässäkin tapauksessa kaikkien naapurielementtien ollessa hyviä, saa referenssielementti riskiluvuksi 100 %. Tämä on ilmaistu kaavassa 11. 2* painoarvo 2* painoarvo X B + 2* painoarvo + 4* painoarvo Y C + 4* painoarvo + 4* painoarvo Z D + 2* painoarvo + 4* painoarvo A E + = 100 (11) Laskettaessa riskilukuja xy-paikan mukaan, käytetään hyväksi aritmeettista summaa. Jos erässä on esimerkki yhteensä 24 kiekkoa, on tällöin jokaisen kiekon jokaisella elementillä 23 naapuria muilla kiekoilla. Jokaiselle hyvälle elementille annetaan arvo 100 ja jokaiselle huonolle arvo 0. Näin ollen riskiluku saadaan määritettyä kaavalla 23 Naapureiden _ arvoi = 1 Riskiluku = i. (12) 23 Radiaalisessa analyysissä täytyy ensiksi määrittää elementtien etäisyys kiekon keskipisteestä. Etäisyyden määrittämisessä voidaan käyttää hyväksi kaavan 2 mukaista 15
pythagoran lausetta. Kaikki elementit, jotka ovat samalla etäisyydellä kiekon keskipisteestä, ajatellaan toistensa naapureiksi. Erilaisia radiaalisia etäisyyksiä on nähtävissä kuvassa 9. Kuva 9. Radiaaliset naapurit. Riskiluku lasketaan kullekin ryhmälle erikseen. Kaikista ryhmään kuuluvista elementeistä lasketaan summa. Jos elementti on hyvä, saa se arvon 100 ja jos se on huono, niin arvon 0. Lopuksi summa jaetaan kaikkien ryhmään kuuluvien elementtien lukumäärällä X, mikä nähdään kaavasta X Saantoi i= Riskiluku = 0 X. (13) Elementeille voidaan myös laskea ULPY-arvo käyttäen hyväksi xy-paikan riskilukua ja jotain muuta edellä mainituista algoritmeista. ULPY-analyysissä käytetään hyväksi 16
geometristä keskiarvoa, aritmeettisen sijaan. ULPY antaa arvoksi luvun nollan ja sadan väliltä aivan kuten muutkin analyysitavat. ULPY = Paikallinen _ riskiluku* XY riskiluku (14) Kaavassa 14 paikallisella riskiluvulla tarkoitetaan riskilukua, joka on saatu määritettyä joko 8 tai 24 naapurin tai radiaalista menetelmää käyttäen. Intel on omissa tutkimuksissaan pystynyt osoittamaan, että parhaimmat arviot elementin kestävyydestä saadaan käyttämällä hyväksi ULPY-arvoa [2]. 3.3 Kiekon reuna-alueiden huomioiminen Yksi tärkeä osa naapurustoanalyysiä on kiekon reuna-alueiden huomioon ottaminen. Reuna-alueiden käsittelyyn on olemassa kaksi mahdollista lähestymistapaa. Ensimmäisessä ajattelutavassa reuna-alueilla naapurimatriisista puuttuvien elementtien ajatellaan huonontavan riskilukua, eli kaikille puutuville elementeille annettaisiin saantoarvoksi nolla sadan sijaan. Toinen tapa lähestyä asiaa on ajatella, että reunaalueilla naapurimatriisista puuttuvat elementit eivät vaikuta referenssielementtiin millään tavalla. Esimerkiksi jos matriisista puuttuisi 3 elementtiä, käytettäisiin riskiluvun laskennassa elementtien lukumääränä tällöin 5:tä. 17
4 Toteutettu analyysiohjelma Naapurustoanalyysiohjelma toteutettiin käyttäen hyväksi National Instrumentsin LabVIEW'ta. Ohjelman lohkokaavio on nähtävissä kuvassa 10. Ohjelman käynnistyttyä aukeaa käyttäjälle kuvan 11 kaltainen käyttöliittymä. Kuva 10. Toteutetun ohjelman lohkokaavio. Kuva 11. Pääohjelman käyttöliittymä. 18
Käyttäjä syöttää kenttiin niiden kiekkojen kiekkokoodit, joiden tuloksia haluaa analysoida. Jos halutaan suorittaa ULPY-analyysiä, on suositeltavaa syöttää maksimissaan 24 kiekon kiekkokoodit. Tästä suurempi määrä ei enää merkittävästi paranna analyysiä. Tämä on käynyt ilmi Intel:n tekemissä tutkimuksissa [2]. Seuraavaksi ohjelma hakee kaikki kiekkokoodeihin liittyvät parametrit tietokannasta. Tietokanta haun jälkeen käyttäjällä on mahdollisuus valita jokin testattava parametri, jonka mukaan analyysejä halutaan tehdä tai vaihtoehtoisesti kaikki parametrit. Käyttöliittymä on kuvan 12 kaltainen. Kuva 12. Analysoitavan parametrin valinta. 19
Parametrin valinnan jälkeen aukeaa ikkuna, jossa näytetään alkuperäinen kiekkokartta. Jos on valittu edellisestä listasta jokin tietty parametri, näkyy kartassa hyvät elementit ja ne, jotka ovat hylkääntyneet kyseisen parametrin takia. Jos valitaan kaikki parametrit, näkyvät hyvät elementit ja huonot, jotka ovat olleet huonoja jonkin parametrin suhteen. Molemmissa paikoissa on myös näkyvissä tyhjät paikat, joissa ei ole elementtiä ollenkaan. Näkymä voi olla esimerkiksi kuvan 13 kaltainen. Kuva 13. Analyysitavan valinta ja näkymä. Kuvassa 13 hyvät elementit on merkitty vihreällä, huonot punaisella ja tyhjät paikat valkoisella. Käyttöliittymästä voidaan valita, minkä tyyppistä analyysiä halutaan tehdä ja paljonko on raja, jota pienemmän arvon saavat elementit merkitään riskielementeiksi. Analyysivaihtoehtoina ovat kaikki vaihtoehdot, jotka on esitelty luvussa 3. Lisäksi on lisätty muutama lisävaihtoehto analyysien tekoon. Nämä ovat riville ja sarakkeelle tehtävät analyysit, joissa katsotaan kuinka monta prosenttia rivistä tai sarakkeesta on 20
hyviä. Jos prosentti on pienempi kuin mitä käyttöliittymään on määritetty, merkitään kyseinen rivin tai sarakkeen kaikki elementit riskielementeiksi. Kolmas lisäanalyysi on mediaaniin perustuva analyysi. Tätä analyysiä voidaan tehdä vain jonkin tietyn parametrin suhteen. Analyysissä käytetään hyväksi jokaisen hyvän elementin 24 naapuria. Jos referenssielementin testissä saatu parametri eroaa liian paljon sen naapuruston mediaanista, merkitään se riskielementiksi. Kaikissa ohjelmaan toteutetuissa analyyseissä reuna-alueet ja tyhjät paikat käsitellään siten, että ne eivät vaikuta referenssielementin riskilukuun. Kun haluttu analyysimalli on valittu ja riskielementin raja valittu voidaan suorittaa analyysi. Analyysin jälkeen kiekkokartta voi olla esimerkiksi kuvan 14 kaltainen. Kuva 14. Näkymä analyysin suorittamisen jälkeen. Kiekkokartalle on nyt merkitty lilalla ne elementit, jotka ovat riskielementtejä 24 naapurinanalyysissä ja kun riskiluku on pienempi kuin 30 %. Kiekkokarttaa on myös mahdollista napsutella hiirellä, jolloin oikeassa yläkulmassa näkyy kyseisen elementin 21
riskiluku. Kiekkokarttaa voi analysoida kyseissä tilassa niin paljon kuin haluaa. Kun analyysi lopetetaan palaa ohjelma kuvan 12 tilanteeseen, josta voidaan valita uusi parametri, jonka perusteella analyysiä halutaan tehdä. Jos käyttäjä syöttää useamman kuin yhden kiekkokoodin aloitusruutuun (ks. kuva 11), niin silloin kuvan 14 analyysin jälkeen suoritetaan kaikille valituille kiekoille ULPYanalyysi. Kaikkia valittuja kiekkoja voi selailla erikseen kuvan 14 käyttöliittymässä ja jokaiselle voi tehdä erilaisia analyysejä. Kuva ULPY-analyysin näkymästä on esitetty kuvassa 15. Kuva 15. Näkymä ULPY-analyysistä. Käyttäjä voi tässäkin analyysissä säätää prosenttiluvun, jota pienemmän arvon saaneet elementit merkitään riskielementeiksi. Riskielementit on merkitty violetilla värillä. Napsauttamalla hiirtä jonkin elementin päällä, tulee sen riskiluku näkymään oikeaan yläkulmaan. Käyttäjä pystyy selailemaan kaikkia syöttämiään kiekkoja ja tekemään analyysejä niin monta kertaa kuin haluaa. Käyttäjän lopettaessa analyysien teon palaa ohjelman takaisin kuvan 12 mukaiseen näkymään, josta voidaan vaihtaa analysoitavaa parametria. 22
5 Yhteenveto Työn tavoitteena oli toteuttaa ohjelma, joka suorittaisi piikiekolla oleville elementeille riskianalyysiä, perustuen elementtien naapurustoon. Riskianalyysin perusteella testeistä läpimenneitäkin antureita voitaisiin hylätä niiden huonon naapuruston perusteella. Tällaiselle menetelmälle oli tarvetta, koska sillä olisi mahdollista karsia pois elementtejä, jotka mahdollisesti tulisivat myöhemmin takaisin asiakaspalautuksina. Pienenevällä asiakaspalautusten määrällä olisi suoraan vaikutusta yrityksen tulokseen ja maineeseen. Työ aloitettiin tutustumalla erilaisiin jo valmiiksi kehitettyihin algoritmeihin, joita on käytössä muilla puolijohdeyrityksillä. Algoritmien selvityksen jälkeen aloitettiin analyysiohjelman ohjelmoiminen. Analyysiohjelma ohjelmointiin National Instruments:n LabVIEW'lla, joka on VTI:llä yleisesti tuettu ohjelmointikieli. Työn tuloksena syntyi ohjelma, jolla käyttäjän on mahdollista suorittaa erilaisia analyysejä haluamilleen kiekoille. Ohjelman käyttöliittymästä tehtiin sellainen, että käyttäjän on mahdollista muuttaa kaikkia olennaisia analyysiin tarvittavia parametreja. Ohjelmaa testattiin käytännössä ja todettiin sen toimivan asetettujen normien mukaisesti. Tulevaisuudessa olisi tarkoitus integroida kyseiset algoritmit VTI:n testausjärjestelmä GETS:iin (engl. General Element Test System), jolloin testausohjelma suorittaisi automaattisesti analyysit ja tallentaisi tulokset tietokantaan. Se mitä analyysejä tehtäisiin, olisi määrätty tuotespesifikaatioissa. Tällöin saataisiin nopeasti paljon dataa, jonka perusteella voitaisiin ruveta miettimään kiinteitä arvoja riskiluvun hylkäysprosenteiksi eri tuotteille. Tällä hetkellä kyseinen ei ole mahdollista, sillä dataa ei ole vielä käsitelty niin paljon. 23
Viiteluettelo [1] Kelley Ann Black, "Die Level Sorting of an Integrated Circuit," Master's thesis, 2000, 74p. [2] Russel B. Miller and Walter C. Riordan: Unit Level Predicted Yield: a Method of Intentifying High Defect Density Die at Wafer Sort, Technology and Manufacturing Group, Intel Corporation, 2001. [3] Suzy M. Brown, "Prediction of Parametric Based Final Test Fallout Using Neighborhood Analysis," Master's thesis, 2004, 69p. [4] WWW-sivu, http://www.accuprobe.com/productlist.php?firstclass_id=11, luettu 01.12.2008. 24