负责12英寸晶圆厂55nm-28nm逻辑芯片量产线良率提升,主导光刻、刻蚀、薄膜沉积关键工序波动分析与失效根因定位,协同工艺/设备/质量团队制定改善方案,目标将量产良率从85%提升至90%+。
- 主导55nm平台新品量产良率爬坡项目,面对初期良率仅82%(目标88%)的挑战,运用SPC(统计过程控制)识别光刻工序套刻偏差异常波动(CPK=1.1→1.3),通过OPC模型二次修正结合在线SPI(扫描式电子束量测)实时监控,将套刻精度从±4nm压缩至±2.5nm;同步引入基于机器学习的缺陷分类算法(ResNet模型),筛选高风险晶圆进行针对性湿法清洗(调整NH4OH浓度从28%至32%),3个月内良率提升至87%,单月增益超120万美元。
- 针对金属层电迁移(EM)导致的良率波动(月均失效率3.2%),牵头跨部门FMEA(失效模式分析),通过FIB(聚焦离子束)制样与TEM(透射电镜)观察确认铝线晶界处空洞缺陷,结合高温加速寿命测试(150℃/1000h)验证失效机理;优化退火工艺温度曲线(420℃→450℃保温30min),使EM失效率下降65%,对应产品良率稳定在98.2%以上,季度客户退货率降低40%。
- 解决刻蚀工序均匀性偏差问题:发现腔室侧壁沉积导致边缘区域刻蚀速率偏差达15%(目标≤5%),使用OES(光学发射光谱)分析等离子体组分,调整射频功率分配(上电极1500W→1300W,下电极1200W→1800W)并缩短腔室清洁周期(80片/次→60片/次),刻蚀均匀性优化至±2.8%,支撑光刻对准精度提升(CD均匀性从±3.5nm→±2.1nm),间接推动良率增长2%。
- 搭建良率预测模型:整合CD-SEM(关键尺寸量测)、XRC(晶圆级反射率量测)量测数据,AOI(自动光学检测)缺陷分布及工艺参数(温度/压力/气体流量),运用随机森林算法训练预测模型,预测准确率达89%;通过模型提前2周预警2次潜在良率下滑(涉及光刻胶残留、刻蚀过蚀),指导工艺预防性调整,全年避免损失超500万美元。