現代の生活ではICへの依存度がますます高まっており、民生用携帯電話から電気自動車産業に至るまで、ICは切り離せないものとなっています。今後、IC製品はプロセスの小型化、回路の微細化に向けて発展していきますが、品質要求はますます高くなり、信頼性の基準や要件はますます厳しくなっており、IC の製造プロセスと手順は非常に複雑であり、製品の性能に影響を与える変数が多数あるため、信頼性テストは非常に重要です。信頼性に関する一般的な定義は、通常の使用で故障するまでにかかる時間です。
IC製品故障の 3 段階
いつものIC故障率に応じて、製品は 3 つの特性段階に分類でき、信頼性のバスタブ曲線とも呼ばれます。 (写真1) :
図1バスタブ曲線
- 最初のステージ乳児死亡率: 製品の故障率が使用初期の高い値から急速に低下する過程を表します。その原因は、製品設計またはプロセス設計の欠陥によるものと考えられます。この故障率は全母集団のごく一部を占めるため、あなたは見るでしょう急激に下降する故障曲線前述したように、製造プロセスはますます複雑になっているため、初期不良率をいかに下げるかが課題となっています。 0これはもはや不可能であり、顧客はこの製品の受け取りを望んでいないため、これらの時期尚早な製品をフィルタリングする方法には、通常、次のことが含まれます。電場と温度を使用して加速寿命実験を行う、いわゆる焼き付きウェーハ製造工場がウェーハ製造段階で電気的テストを使用できる場合、これらの初期不良製品を選別することもできます。
- 第2段普通の生活: これは、製品を実際に使用する段階であり、この段階での故障率は最も低く、電気的干渉、偶発的な外部欠陥、または初期段階での濾過の不完全さによって引き起こされる短期的な故障が原因である可能性があります。製品が原因
- 第三段階は、摩耗通常の使用では、実際の製品は徐々に使用限界に達し、故障率が増加し始めます。最終的には、収集したデータに基づいて信頼性寿命を定義し、顧客のニーズを満たせるかどうかを確認します。 。
IC一般的な製品の信頼性の問題の主な違いは次のとおりです。 ICコンポーネントとIC主に梱包作業ですが、 IC酸化層の崩壊などの一般的なコンポーネントの問題(酸化物分解)これにより、短絡や部分的なライン障害でも漏れ電流が発生する可能性があります。 (ホットキャリア注入、HCI) 、によるMOSFETスイッチング素子としては、電子キャリアが正常な流路から逃げるとスイッチの特性が変化し、不安定な状態が発生するため、臨界電圧や導電率などを解析することができます。 (相互コンダクタンス)時間の経過に伴う他のパラメータの減衰プロセス。パッケージングの信頼性に関しては、そのほとんどがパッケージング材料と製造プロセスによって引き起こされるため、脱ガムや電気的な変化があるかどうかを確認するために温度サイクル試験を使用するのが一般的です。速度と高電圧のテストも一般的なテストの 1 つであり、車両の信頼性でもよく見られます。 ICパッケージテストは信頼性テストに似ています。
統計的手法を用いた信頼性解析
以下主に紹介しますJMP信頼性加速解析プラットフォームは、より過酷な条件下での製品の故障寿命を取得したり、通常の条件下での故障寿命を計算したりすることができます。 Dr.による信頼性データの統計的手法 ミーカーとDr. エスコバー、ジョン・ワイリー＆サンズ、1998 、誘電体の崩壊を理解し、与えられた異なる電圧下で加速実験を行いたいと考えています。 (100.3、122.4、157.1、219.0、kV)について知りたいです。 50kV寿命は何ですか? まず、寿命と電圧が直線軸の形で表示されます。 (写真2) 、電圧が強くなるにつれて寿命が短くなり、各電圧下での寿命のばらつきが明らかに異なることが観察できます。
図2線形座標
次に、軸を対数に変換します。対数表示(写真3)の場合、各電圧下でのばらつき範囲が近くなるため、加速実験を用いて解析する場合には、線形モデル解析を適用する前にデータを変換する必要があり、通常の状態での寿命を見積もる際に、より正確になります。 。
画像3対数-対数座標
信頼性加速解析プラットフォームを使用すると、電圧 = 219kV で次のことが観察できます。の場合、いくつかの点が近似直線から外れますが、ほとんどの点は依然として直線上にあるため、対数正規分布を使用すると、一定の傾きの下で良好な近似結果が得られます。 (写真4) 、
図4分配フィッティング
そしてJMPによると選択したモデルは 3 パラメータ回帰モデルです。位置とスケールのパラメータが異なるモデルは回帰モデルとあまり変わりませんが、電圧は寿命性能に大きく影響します。 (写真5) 、後で検証用にさらにいくつかのデータ セットを収集し、最後に予測式を保存できます。 (写真6) 、
図5機種選定結果
写真6予測式
モデルが正しく検証されている場合は、電圧 = 50kV を追加できます。以下の分布曲線(写真7） 、学ぶ10% 、 50% 、 90%分位点が失敗する位置、または対応する値をフォームに直接入力します(写真8) 、またはプロフィール（写真9)失敗の確率がどれくらいであるかを結論付けることができます。
図7散布図
図8故障確率データテーブル
図9 プロファイル
モデルをフィッティングする際、データ変換することで線形モデルでの推定が容易になり、曲線モデルの推定における偏りや過度なばらつきが軽減され、また、データスケール変換後のデータフィッティング状況の観察・確認が容易になります。また、さまざまな効果のモデルの違いを比較し、適切なモデルを選択することができます。プロフィール予測目的のため。
参考情報：
- 半導体IC製品信頼性統計物理工学 第 2 版
- JMPオンラインビデオ: https://www.jmp.com/en_in/events/ondemand/best-practices-in-reliability-data-analysis/accelerated-life-testing.html
- ソース: http://reliawiki.com/index.php/Inverse_Power_Law_(IPL)-Lognormal_Model
