[论文解读] Parametric Yield Analysis of Mems via Statistical Methods

Shyam Praveen Vudathu, Kishore K. Duganapalli+3 more|ArXiv.org|Nov 21, 2007

Manufacturing Process and Optimization参考文献 7被引用 7

一句话总结

本文提出了一种用于MEMS的参数化良率分析的统计方法，以应对制造过程中因工艺波动导致的性能退化。通过借鉴集成电路设计中的最坏情况分析原则，该方法提出了一种基于模型的方法，结合统计建模与蒙特卡洛模拟，以预测良率，从而在量化参数波动影响的前提下，提升了微系统的设计鲁棒性与可靠性。

ABSTRACT

This paper considers a developing theory on the effects of inevitable process variations during the fabrication of MEMS and other microsystems. The effects on the performance and design yield of the microsystems devices are analyzed and presented. A novel methodology in the design cycle of MEMS and other microsystems is briefly introduced. This paper describes the initial steps of this methodology that is aimed at counteracting the parametric variations in the product cycle of microsystems. It is based on a concept of worst-case analysis that has proven successful in the parent IC technology. Issues ranging from the level of abstraction of the microsystem models to the availability of such models are addressed

研究动机与目标

• 解决MEMS制造过程中参数波动导致器件性能下降与良率降低的挑战。
• 开发一种将统计分析系统性地整合到MEMS设计流程中的方法论。
• 将集成电路中经过验证的最坏情况分析技术适应到具有固有工艺波动性的微系统中。
• 通过量化参数波动对系统级性能的影响，提升设计鲁棒性。
• 通过统计建模微系统在工艺波动下的行为，实现在早期阶段对良率的预测。

提出的方法

• 将集成电路设计中的最坏情况分析概念应用于MEMS，重点关注参数波动的影响。
• 在不同抽象层次上建立微系统行为的统计模型，以捕捉工艺波动的影响。
• 应用蒙特卡洛模拟，将参数波动在系统模型中传播，并评估性能分布。
• 使用均值、方差和良率概率等统计指标评估设计鲁棒性。
• 将模型可用性与抽象层次的考量整合到良率分析框架中。
• 通过DTIP 2006会议的一个案例研究验证该方法，展示了其在实际中的应用。

实验结果

研究问题

• RQ1 MEMS制造过程中的工艺波动如何影响器件性能与设计良率？
• RQ2 统计建模在参数波动下对MEMS良率预测的改进程度如何？
• RQ3 集成电路中的最坏情况分析原则能否有效适应具有更高维参数空间的MEMS？
• RQ4 何种模型抽象层次足以实现微系统可靠良率预测？
• RQ5 如何将统计良率分析整合到MEMS设计流程的早期阶段？

主要发现

• 所提出的统计方法能有效预测MEMS器件因工艺波动导致的良率下降。
• 结合统计模型的蒙特卡洛模拟可准确估算性能分布与良率概率。
• 集成电路中的最坏情况分析原则经适当调整后可成功应用于MEMS，以应对微系统复杂性。
• 该方法支持早期设计评估，减少昂贵的后期制造失败。
• 模型抽象与可用性是影响良率预测准确性与可行性的关键因素。
• 该方法在真实MEMS设计场景中得到验证，证明其在工业环境中的实际适用性。