良率预测，破解FOPLP光刻试错困局

对于扩产先进AI封装的厂商而言，四面八方的压力正在不断加大。一方面，市场需求持续上涨。另一方面，AI封装的尺寸越来越大，集成更多高带宽内存（HBM）与高性能芯片。除此之外，产线团队还要承受快速完成新工艺爬坡的巨大压力。高良率依旧是核心目标，但成功与否，越来越取决于厂商能否快速建立稳定工艺条件，从研发阶段转入大规模量产（HVM）。

扇出型面板级封装（FOPLP），已经成为先进封装扩产一条颇具吸引力的路线。对比传统晶圆工艺，FOPLP能够大幅提升基板利用率，单块基板可产出更多封装产品。一项对比研究显示：300毫米晶圆的基板利用率约55%，每片晶圆产出6颗封装；300毫米面板利用率可达86%，每块面板产出12颗封装；510×515毫米面板利用率74%，每块面板产出30颗封装。借此，厂商可以提升生产效率、降低单颗封装成本。

但想要兑现这些优势，必须攻克光刻环节的诸多难题。随着面板尺寸变大，厂商需要应对基板上的图形畸变、裸片偏移以及随之产生的套刻误差。这些问题直接影响良率，大幅增加工艺优化难度。和传统晶圆工艺不同，面板上的工艺波动并不均匀。畸变分布在面板上差异很大，形成局部问题，很难用常规手段校正。

最优平衡点

归根结底，工艺工程师需要找到套刻良率与产能之间的 “最优平衡点”。为补偿面板级畸变，厂商通常会采用多种校正方案。

全局校正可以保住产能，但往往无法消除局部套刻误差。分区校正能够提升良率，该研究的现场数据显示良率区间在40%~80%，代价是产能下降。逐颗裸片校正可以进一步拉高良率，但会严重拖累产能。逐点位校正属于折中方案，在提升良率的同时维持相对更高的产能。

但找到这个平衡点并不容易。想要锁定合适的工艺窗口，往往需要围绕曝光场设置、裸片排布、面板布局、套刻阈值等变量反复试验。每一次调整都要重新试产、分析数据。这会带来更大的工程工作量、更多物料消耗、更长的研发周期，拖慢量产爬坡节奏。

对于急于投产的厂商来说，每多一轮迭代，量产时间就往后推迟一步。

跳出反复试错模式

将离线量测数据和良率预测算法结合，厂商在开展大量实体试产之前，就可以评估工艺表现。工程团队不必在生产设备上反复测试各类工艺条件，而是提前预判良率表现，在研发早期就锁定潜力工艺窗口。

这套方案先通过精细化量测采集面板级波动数据，包含图形误差、裸片偏移等信息。良率预测算法结合曝光场配置、面板布局、裸片排布、套刻阈值等工艺参数进行运算。依靠这些输入，厂商可以预估良率，对比不同工艺方案，而不用开展全套量产试验。它的价值不止于预测。热力图、矢量图、直方图、良率看板等可视化工具，帮助工程师快速理解工艺敏感度、定位波动来源、找到根本原因（图1），让工艺优化更有针对性，加快决策速度。

图1：良率预测分析工具，包含：1）分析参数、2）X方向套刻误差、3）Y方向套刻误差。对比图中结果可以看出，Y方向套刻误差最为突出，直接造成良率损失。基于该结论，工程师可以精准定位根因、实施校正，改善整体工艺表现。

研究人员也在大规模量产产线的基板上验证了良率预测技术。首轮评估中，预测良率和实测良率偏差在1.2%~2.7% 之间。进一步分析发现，人工判读的差异是误差主要来源。统一检验标准之后，预测误差缩小至0.2%~0.8%。

加速工艺认证

在工艺开发阶段，厂商可以借助良率预测技术，先通过仿真评估工艺条件，再投入认证基板（图2）。工程师不再完全依赖实体试验，可以一次性评估多组参数组合，筛选出合适的工艺条件，再用认证基板验证预测结果。该方式减少试错次数，加快工艺迭代，缩短研发周期。

图2：不同工艺条件下生成的残余套刻误差矢量图，助力工艺优化、减少研发试错、提升研发效率。

同样重要的是，工程师可以把精力放在优化上，而不是重复性的试产实验。

良率预测延伸至量产阶段

良率预测技术的价值不局限于工艺研发。进入量产后，该技术可以嵌入光刻流程，实现实时在线工艺监控，更早发现缺陷。

常规光刻流程包含多道工序，最终检验才判定套刻良率。流程中产生的误差，会带来返工或是永久性良率损失。把良率预测前置到工艺流程中，厂商可以在最终检验前识别潜在问题，提前干预，减少返工带来的人力、时间与成本消耗（图3）。

图3：良率预测技术可接入产线流程，支持实时在线监控，实现缺陷早发现。

由此，良率预测的作用从加速工艺开发，拓展到量产阶段的工艺监控与早期缺陷预警。

结语

AI先进封装需求持续走高，厂商面临越来越大的压力：稳定工艺、守住良率、尽快从研发转入大规模量产。FOPLP具备突出的成本优势，但图形畸变、裸片偏移、良率与产能的取舍问题，会拉长工艺学习周期、延缓量产爬坡。

良率预测技术为厂商提供了解决方案，覆盖从工艺研发到量产全阶段。研发阶段，它减少试错迭代、加快工艺打磨；量产阶段，依靠实时在线监控，实现缺陷早识别、早干预。把这套能力融入FOPLP光刻方案，厂商不用耗费大量时间摸索工艺条件，能够更高效地走向稳定、高良率的量产。