книги / Надежность микросборок

Когда прогнозировать? Прогнозирование надежности микросборок можно осуществлять на стадиях проекти­ рования, производства и эксплуатации. Математические основы прогнозирования остаются общими для этих ста­ дий, однако конкретные методики и алгоритмы раз­ личны.

Целевая направленность прогнозирования на стадии проектирования — создание конструкции, которая бы наилучшим образом удовлетворяла по надежности за­ данным условиям работы, выбор оптимальных режимов технологии, определение требований по надежности. Ис­ ходными данными на этом этапе будут требуемые ха­ рактеристики, рабочие режимы и условия эксплуатации микросборок.

На этапе производства целевая направленность прог­ нозирования — управление технологическим процессом, отбраковка потенциально ненадежных микросборок на отдельных технологических операциях с помощью раз­ личных методов неразрушающего контроля, оценка и контроль надежности продукции. Исходными данными являются допуски на параметры качества, корреляци­ онные связи между технологическими параметрами и параметрами готовых микросборок, требования по их производительной надежности.

На стадии эксплуатации целью прогнозирования ста­ новится создание оптимальных конструкций, своевре­ менное предупреждение отказов и применение таких условий эксплуатации микросборок, которые обеспечи­ вали бы заданную надежность и эффективность. Исход­ ными данными на этом этапе будут предполагаемые закономерности изменения технических параметров рас­ сматриваемой микросборки.

Если в результате прогнозирования получают тре­ буемое значение параметра в будущие моменты вре­ мени, то такое прогнозирование называем прямым прог­ нозированием. Если же результатом прогноза стано­ вится момент времени выхода параметра за допустимые границы, то такое прогнозирование называется обрат­ ным. При прямом прогнозировании задаются моменты времени в будущем и вычисляются значения парамет­ ров в эти моменты. При обратном прогнозировании за­ дается значение параметра в будущем и вычисляется время, в течение которого параметр выйдет за допу­ стимые пределы.

.Различается также индивидуальное и групповое прогнозирование. Индивидуальное прогнозирование на­ дежности целесообразно при оценке надежности дорого­ стоящих микросборок, выпускаемых малыми сериями или единично.

Качество прогнозирования во многом зависит от пра­ вильного выбора параметров для прогнозирования. Вполне очевидно, что чем к большему числу возмож­ ных дефектов чувствителен параметр, тем он более ин­ формативен и тем более успешным будет основанный на нем прогноз. Поэтому в каждом конкретном случае экспериментально или расчетным путем определяют значения всех тех параметров, которые каким-либо об­ разом характеризуют надежность исследуемых микро­ сборок, обрабатывают статистический материал с целью выявления корреляционных связей, на основе выбран­ ного критерия оценивают сравнительную информатив­ ность каждого параметра или их совокупности, после этого делают вывод о целесообразности дальнейшёго изменения каждого параметра.

Математические методы прогнозирования. В настоя­ щее время распространены математические методы прогнозирования микросборок. В зависимости от прог­ нозируемых параметров и целевой направленности прог­ ноза они подразделяются на детерминированные, веро­ ятностные (стохастические) и «чисто» случайные мето­ ды, основанные на применении аппарата распознавания образов.

Детерминированный метод прогнозирования приме­ няется при известном характере изменений прогнози­ руемых параметров во времени. Представив состояние микросборки в виде многомерной функции, можно опи­ сать ее в любой момент времени.

Вероятностные методы прогнозирования предполага­ ют определение доверительного интервала значений па­ раметров в заданном временнбм интервале, в котором с заданной вероятностью параметр не выйдет за'допу­ стимые пределы его изменений.

Метод прогнозирования на основе распознавания об­ разов предусматривает отнесение контролируемой мик­ росборки к одному из временных классов. Если рассмат­ ривать многомерное пространство, то каждая микро­ сборка будет характеризоваться точкой этого простран*

ства. Наборы, относящиеся к различным классам, микро­ сборок, группируются в пространстве с некоторой плот­ ностью вероятности в различные области. Таким обра­ зом, в пространстве будет множество более или менее выраженных областей, характеризующих состояние мик­ росборок во времени. Зная значения параметров микро­ сборок в начальный момент времени, можно принять ре­ шение о принадлежности его к той или иной области, т. е. распознать образ исследуемой микросборки.

Несмотря на принципиальные отличия указанные методы объединяет единая цель: определение характера протекания процессов в будущем на основе найденных экстраполяционных связей с информацией о процессе в контролируемый период времени.

Перспективным методом прогнозирования многомер­ ных процессов являемся градиентный метод. В этом ме­ тоде экстраполяция состояния производится в направ­ лении вектора градиента функции состояния исследуе­ мого изделия. Вектор градиента определяет направле­ ние наибольшего изменения функции, т. е. направление, в котором функция за наиболее короткий промежуток времени достигнет допустимого значения. Если учесть, что направление считается наиболее опасным, то по­ нятно, почему рассматриваемый метод может быть оп­ тимальным и перспективным. Градиентное прогнозиро­ вание разделяется на два этапа. На первом определяют состояние градиента, т. е. частные производные функции состояния по координатам — параметрам. На втором этапе осуществляют прогнозирование в градиентном на­ правлении, т. е. в случае прямого прогнозирования на­ ходят вектор функции состояния в прогнозируемый пе­ риод времени. Зная функцию состояния микросборки в исследуемый период времени, можно определить ее со­ стояние на прогнозируемый период времени.

Прогнозирование надежности на основе методов рас­ познавания образов получило признание на практике. Преимущество этой теории состоит в наиболее естест­ венной возможности привлечь совокупности многих па­ раметров микросборок с учетом их связей. Из методов распознавания образов для целей прогнозирования на­ дежности наибольшее распространение на практике по­ лучили метод статистических решений и метод потенци­ альных функций. Применение метода статистических ре- -шеиин требует знания распределения параметров, и ве­

роятности того, что диагностируемая микросборка отно­ сится к тому или иному классу. На практике для про­ гнозирования используют решающее правило, постро­ енное на основе функции отношения правдоподобия.

Преимущество метода потенциальных функций со­ стоит в том, что к нему можно свести многие извест­ ные алгоритмы распознавания, например алгоритм, ос­ нованный на анализе текущей информации и позволяю­ щий отнести объекты к тому или другому классу.

Несмотря на то что математические методы прогно­ зирования надежности в настоящее время отработаны и нашли широкое применение, они обладают сущест­ венным недостатком — иногда слабо связаны непосред­ ственно с физическими характеристиками изделий.

Физика и надежность

Физические методы прогнозирования надежности базируются на анализе физических и физико-химиче­ ских процессов. Многообразие процессов, протекающих в микросборках под влиянием различных дестабилизи­ рующих факторов, и их взаимная зависимость требуют создания для целей прогнозирования весьма сложных физических моделей надежности. Процессы износа и разрушения конкретны и зависят от вполне реальных причин, поэтому наиболее приемлемой моделью надеж­ ности для микросборок будет модель, основанная на принципе суммирования компонентов надежности. Ком­ понентами надежности можно считать такие составные элементы микросборок, которые обладают определенной технологической независимостью и допускают изготов­ ление всей микросборки в целом с помощью определен­ ной последовательности технологических операций. В микросборке можно выделить интегральную микросхе­ му, а в ней — кристалл, окисел, металлизацию, внутри­ схемные контактные узлы, проводники для соединения металлизации с выводами корпуса, корпус. С точки зре­ ния надежности в кристалле наиболее слабое место этб р’П переход, хотя идеально изготовленный р-п перехоД может работать очень долго. Неизбежное наличие вбли* зи или в самом переходе структурных и механических дефектов ускоряет процесс диффузии, обычно протекаю^ щий достаточно медленно и не влияющий на работу, перехода, а тем самым и отказ р-п перехода. Физикй

'отказов’ в слое окисла обусловлена* развитием во времени инжекции носителей заряда в диэлектрик и за­ хватом электронов ловушками; ударной ионизацией в дефектных местах с повышенной напряженностью внут­ реннего поля; электрохимическим разрушением диэлек­ трика под действием протекающего тока утечки и на­ рушения стационарного состояния в системе делокализированных электронов аморфного диэлектрика. Таким образом, время наработки до отказа обусловлено дегра­ дацией окисла из-за прорастания микроканалов и раз­ вития диффузии в их окрестностях.

Отказы внутрисхемных контактных узлов происхо­ дят вследствие образования интерметаллических соеди­ нений, а время наработки до отказа зависит от приме­ няемых материалов и структуры контактных узлов. Рас­ чет этого времени производится на основе соотношения для времени выдержки при заданной температуре в зависимости от перемещения границы раздела между двумя материалами (обычно Au — Al) контактного сое­ динения ИМ или ИС.

Механизм отказов внутрисхемных металлизационных соединений в основном связан с процессом электро­ миграции. Коррозия металлизации может привести к обрыву токоведущей дорожки вследствие гальваниче­ ской или химической реакции или к короткому замыка­ нию в результате электролитического процесса массопёреноса между соседними полосками металлизации. При массопереносе имеет значение приложенное напря­ жение, в котором возможны пороговые значения, опре­ деляющие степень возможного электролиза. Исходя из сказанного производится расчет времени наработки до отказа внутрисхемных металлизационных соединений.

Расчет времени наработки до отказа проводниковых контактных соединений проводится на основе оценки среднего времени службы контакта с учетом влияния допустимых механических и климатических нагрузок, а также взаимной диффузии металлов соединения.

Основной недостаток пластмассового корпуса ИС в том, что через границу металл — пластмасса в корпус может проникать влага. Это вызывает коррозию алю­ миниевой металлизации и отказ микросборки. Поэтому время наработки на отказ корпуса ИС определяется временем, в течение которого он обеспечивает влагозащищенность кристалла,

Физика плюс статистика

•Для практического применения в целях прогнозиро­ вания надежности микросборок результаты физических исследований должны дополняться данными анализа от­ казов и количественными данными статистического ха­ рактера. Поэтому сочетание статистических вероятност­ ных методов с исследованиями физической сущности процессов, протекающих в микросборках, т. е. физико­ статистические методы прогнозирования надежности наиболее перспективны.

Физико-статистические методы прогнозирования на­ дежности заключаются в отыскании корреляционных зависимостей между статистическими показателями на­ дежности и различными конструктивно-технологически­ ми явлениями. Построение моделей для определения показателей надежности при различных уровнях на­ грузки и условиях окружающей среды осуществляется с помощью анализа физико-химических процессов, про­ текающих в микросборках. Физико-химические процес­ сы, приводящие к отказам, можно ускорить за счет по­ вышения уровня воздействующих внешних факторов, в частности повышением температурь^ напряжения, тока, давления, частоты вибрации и т. д. Таким образом, в основе физико-статистических методов прогнозирования надежности лежат ускоренные испытания — это испы­ тания в форсированных режимах с последующей экстра* полицией результатов испытаний к условиям испытания при нормальных нагрузках.

Методы ускоренных испытаний в форсированном ре­ жиме эффективны лишь в тех случаях, когда априорно проведены предварительные экспериментальные иссле­ дования по определению границ применимости метода. Для испытаний на надежное™, цель которых состоит в проверке работоспособности микросборок в заданных режимах эксплуатации, ускоренные испытания в фор­ сированных режимах менее эффективны. Это объяс­ няется прежде всего тем, что при форсированных испы­ таниях увеличивается количество испытываемых образ­ цов, а также тем, что длительность этих исследований превышает подчас время испытаний на надежность.

Ускоренные испытания в нормальном режиме могут позволить без существенных затрат сократить сроки по­ лучения информации о надежности микросборок за счет.

прогнозирования их работоспособности. Ускорение осу­ ществляется в основном за счет сокращения времени воздействия факторов с использованием методов опти­ мального планирования. В основу этой методики поло­ жены предварительные испытания двух выборок иссле­ дуемых микросборок и последующие их испытания ме­ тодами полного факторного эксперимента с учетом зна­ чений коэффициентов сокращения времени воздействия факторов, рассчитанных при предварительных испыта­ ниях. Следовательно, необходимо проводить тройные испытания на надежность. Изучение физических процес­ сов, опиравшееся в математическом отношении на си­ стемы дифференциальных уравнений при заданных на­ чальных условиях, не охватывает бесконечной сложно­ сти реальных явлений. При этом статистический метод исследования процессов изменения параметров оказы­ вается не менее строгим, не менее точным, чем детер­ минированный.

Решение задачи прогнозирования работоспособности микросборок основано на выявлении закономерностей процессов изменения параметров и установлении зако­ нов распределения отказов различных видов. В настоя­ щее время в литературе решена лишь задача линейной экстраполяции стационарных процессов. Этой задачей занимались многие известные математики: А. Н. Кол­ могоров, А. Я. Хинчнн, 10. А. Розанов, И. Винер и дрУ Решение задач, связанных с линейными стационарны* ми процессами, неизмеримо' проще, чем задач, связан?

ных с экстраполяцией нелинейных нестационарных про­ цессов. Однако для решения многих инженерных задач не требуется экстраполяции самого процесса, достаточ­ но экстраполировать его основные статистические ха­ рактеристики: математическое ожидание, дисперсию, вероятность невыхода за допуск и др. Возможность прогнозирования работоспособности микросборок осно­ вывается на изучении, анализе и обобщении опыта прошлого и настоящего.

Задача предсказания характеристик случайных про­ цессов и последовательностей сводится к обеспечению выполнения некоторого критерия оптимальности, кото­ рый выбирается в зависимости от требований, предъяв­ ляемых к микросборкам, цели прогноза и экономической целесообразности. Описанные в литературе методы мо­ гут быть использованы для прогнозирования работо­

способности микросборок в наперед заданных режимах, т. е. воздействующие факторы и их уровни считаются известными априори. Время воздействия факторов вы­ бирается из требований ТУ на определенный вид мик­ росборок или из требований на технический ресурс, ко­ торый согласно нормативно-технической документации доожет быть разделен на главные интервалы. Поэтому прогнозирование может быть также проведено не во времени, а в тех же интервалах времени, например цик­ лах. Наибольший интерес представляет прогнозирова­ ние вероятности полных отказов вероятности первого достижения границы допуска, вероятности нахождения параметров в поле допуска в заданное время и т. п. Знание этих характеристик поможет рассчитать любые моментные функции этих характеристик. Следовательно, исследование возможности сокращения испытания че­ рез прогнозирование работоспособности микросборок требует знания законов распределения всех видов во времени.

Исследование возможности сокращения сроков ис­ пытаний на надежность прогнозированием работоспо­ собности микросборок проводится на статистическом материале испытаний прототипов. Принятие правильно­ го решения о возможности сроков испытаний во многом Зависит от того, насколько удачно выбрана гипотеза

характере случайного процесса. Для испытаний про­ тотипов значения параметров законов распределения предельны и обеспечивают наилучшее согласие статиртического и теоретического распределений. Если же параметры распределения рассчитывать за интервал, меньший времени испытаний, то между рассчитанными значениями, например, интенсивностей отказов будут некоторые различия, однако ошибка эта не уменьшается, а колеблется в небольших пределах, не превышающих 10—20%. С точки зрения точности получаемых резуль­ татов это означает, что можно прекратить испытания после второго, например, цикла. Практические резуль­ таты не подтверждают вывода о том, что с увеличением длительности испытаний точность прогноза повышается. Поэтому проведение длительных испытаний на надеж­ ность, равных по времени техническому ресурсу микро­ сборок, для всех типов микросборок и элементов сле­ дует признать экономически нецелесообразным.

На предприятиях, выпускающих микросборки и эле-

менты к ним, обычно изготавливаются группы изделий, объединенных по некоторым признакам. Для каждой такой группы выбирают изделие — прототип, на кото­ ром и проводят длительные испытания. Результаты этих испытаний должны служить исходными эксперименталь­ ными данными для определения вида теоретических за­ конов распределения всех видов отказов. Изменяются только параметры распределения. Поскольку определе­ ние параметров распределения требует значительно меньшего статистического материала, чем установление законов распределения, то сроки испытаний этих эле­ ментов могут быть значительно сокращены. При этом возникает необходимость в выборе оптимального числа циклов для прогнозирования всех видов отказов. Ис­ следование возможности прогнозирования вероятности безотказной работы микросборок по сокращенному чис­ лу циклов испытаний подтверждает правомерность та­ ких испытаний, практически ошибка прогноза не пре­ вышает 10% от фактических значений.

Управление качеством и надежность

Одним из эффективных способов установления вида зависимости выходных параметров микросборки от воз­ действующих факторов может быть построение регрес­ сионных моделей. Несмотря на то что надежность мик­ росборок закладывается на стадии их изготовления, ее определение производится на стадии эксплуатации. По­ этому представляется целесообразным контроль надеж­ ности микросборок производить непосредственно в мо­ мент их изготовления, т. е. в процессе производства мик­ росборок и их элементов. Оценку выпускаемой продук­ ции можно производить как на промежуточных опера­ циях, так и при окончательном изготовлении микросбо­ рок. Выходными параметрами на конечном этапе про­ цесса изготовления микросборок служат выходные не­ коррелированные характеристики, определяющие каче­ ство их изготовления и удовлетворяющие требованиям технической документации на данный вид микросборок. На промежуточных операциях контролируют парамет­

ры, .которые характеризуют качество изготовления мик­ росборки после одной или нескольких операций. При этом в качестве воздействующих факторов следует вы­ бирать те, которые непосредственно влияют на качест­ во изготовления микросборки на дайной операции или совокупности операций. В качестве воздействующих факторов при сборке или монтаже микросборок могут быть приняты: качество комплектующих элементов или узлов, качество материалов, качество сборщика или монтажника (разряд, опыт работы, настроение и т. п.), культура производства и т. д. Качество изготовления элементов, узлов и микросборок зависит также и от ка­ чества контролеров.

Наиболее эффективное использование регрессионных моделей в производстве может быть достигнуто с при­ менением ЭВМ. Имеющиеся стандартные подпрограм­ мы для определения коэффициентов уравнений регрес­ сии позволят - при разработанной методике получения информации практически незамедлительно получать данные о качестве микросборок или ее узлов на кон­ кретном этапе ее изготовления, т. е. позволяют осу­ ществить контроль технологического процесса производ­ ства исследуемого вида микросборки.

Весь технологический процесс изготовления микро­ сборок состоит из нескольких технологических процес­ сов на различных участках их изготовления. Каждый технологический процесс на каждом из участков можно •описать своим уравнением регрессии. Контроль техно­ логического процесса — это проверка того, насколько коэффициенты регрессии находятся в заданных допу­ сках. Выход какого-либо коэффициента за , границы до­ верительного интервала позволяет не только устано­ вить факт нарушения технологического процесса, но и количественно определить влияние этого нарушения на выходные параметры данной микросборки. Преимуще­ ством регрессионных моделей по сравнению с однофак­ торными моделями (графиками, допусками и т. д.) яв­ ляется их многофакторность. Применение регрессион­ ных моделей позволяет не только качественно оценить степень влияния входного воздействия на определяю­ щие параметры микросборок, но и установить количе­ ственную зависимость выходных параметров от сово­ купности воздействующих факторов. Уравнение регрес­ сии, описывающее процесс1изготовления микросборкй: в