车载应用中基本半导体组件的可靠性

图3a描述了八晶圆围绕测试“单裸片”的测试筛选方法；图3b描述了另一种形式的“单裸片”位置测试筛选方法。

　　图4显示了统计异常值筛选方法的一个例子。以橘黄色圆圈标注的色块表示最终测试中未能达到统计良率限值。这时，应将该点标注出来，利用工程分析找出异常良率下降的原因。进行故障分析和根本原因调查后发现，该点的部署情况最有可能会导致出现不合格品。作为逐步量产的起始点，应根据相同或类似设计或技术来设置初期限值，直到可以收集到更多的数据来设置基于统计数据的限值为止。随着产品的逐步量产，如果已经对充足的统计测试数据进行了收集和分析，那么就可以根据特定测试器件来设置SYL和SBL限值。此后，随着时间的推移，可对SYL和SBL限值进行定期调节，以确保该限值在筛选异常值过程中始终有效。

图4最终测试良率（超负载试验前）和标出不符合统计良率限值的点的示例图。该点是一个异常值，是要求进一步筛选和分析的风险点，也可能会出现不合格品。

　　人们对汽车行业的期望是零缺陷。利用上述最佳实践，可实现零缺陷产品投放和保护消费者的愿望，同时通过必要的学习过程让我们更快地掌握了降低缺陷的方法。达到零缺陷目标过程中存在的许多挑战让人望而生畏，而且也并非一定会成功。这就是为什么要使用质量检测最佳实践、特别流程（例如：超负载试验等）的原因，同时异常值控制最佳实践将使半导体供应商能够史无前例地满足人们对于真正安全产品投放的需求。

　　参考文献：

　　[1]该数据摘自StrategyAnalytics公司的《2005年—2014年车载半导体需求》2007年10月版，作者：ChrisWebber

0

0

(请您对文章做出评价)