电压检测芯片失效分析

袁保玉 ， 侯旎璐 ， 李进

（1.工业和信息化部电子第五研究所，广东 广州 510610；2.宁波赛宝信息产业技术研究院有限公司，浙江 宁波 315040；3.工业和信息化部电子第五研究所华东分所，江苏 苏州 215011）

电压检测芯片失效分析

袁保玉1，2， 侯旎璐1，3， 李进1，2

（1.工业和信息化部电子第五研究所，广东 广州 510610；2.宁波赛宝信息产业技术研究院有限公司，浙江 宁波 315040；3.工业和信息化部电子第五研究所华东分所，江苏 苏州 215011）

近年来，随着智能电表的广泛使用，其质量和可靠性问题受到了人们越来越多的关注。但是，由于各种原因，产品投入市场后仍会出现各种失效现象。因此，对某智能电表的电压检测芯片的失效现象进行了分析，通过外观检查、电参数测试和X-射线测试等手段找到了该芯片的失效原因，并针对发现的问题提出了相应的改进意见。

智能电表；电压检测芯片；失效分析；外观检查；电参数测试

0 引言

随着智能电表产品的广泛使用，产品的质量和可靠性问题受到了人们越来越多的关注。但是，近年来，由于各个智能电表生产厂家在元器件的选型、组件工艺和电子辅料的使用等重要环节上缺乏质量管控手段，从而导致产品投入市场后仍会出现各种失效现象，因此，本文对某智能电表的电压检测芯片的失效案例进行了分析，并针对发现的问题给出了相应的建议，希望对该智能电表静电损伤防护工作的开展有所帮助。

1 案例分析

1.1 背景

被测样品为电压检测IC芯片，型号为XC61CN2602MR。送检失效样品3只，编号为F1#～F3#；良品3只，编号为G1#～G3#。送检的电压检测IC为N阱漏极开路输出。委托方提供的信息为：送检样品用于智能电表，失效样品均为同一时期采购，失效比例约为0.001 8% （9/5 000）；装机时间为 2015年12月，失效时间为2016年 3月，验收阶段发现失效；失效现象为对地阻抗降低，对地回路的功耗变大，电池持续放电引起电池欠压。

1.2 分析过程

1.2.1 外观检查

对送检样品进行外观检查，发现送检的失效样品均为解焊样品，表面可见残留胶体，引脚处存在多余焊锡料。经过清洗后可见 3只失效样品为不同批次的电压检测芯片，与良品也非同一批次的样品。失效样品的表面未见破损、凸起等明显的异常形貌，其典型的外观形貌图如图1所示。

图1 失效样品的典型形貌图

1.2.2 电参数测试

对送检样品进行I-V特性测试，3只失效样品的VIN对VSS（PIN1-PIN3）呈现阻性或双向结特性，而良品表现为单向结特性。此外，3只失效样品VIN对VOUT（PIN1-PIN2）呈现单向结特性，而良品对应的PIN脚为开路。样品的典型的I-V特性曲线如图2所示。

图2 良品和失效样品的典型I-V特性曲线

1.2.3X-RAY测试

对送检样品进行X-RAY检查，可见芯片粘接于基板的下方，未见明显的异常和缺陷，典型的X-RAY测试照片如图3所示。

图3 失效样品X-RAY形貌图

1.2.4 C-SAM测试

对送检样品进行C-SAM检查，可见F1#和F3#背面基板和塑封料界面分层，其余的样品未见明显的异常，典型的C-SAM形貌图如图4所示。

图4 失效样品C-SAM形貌图

1.2.5 内部目检&失效点定位 （OBIRCH）

对失效样品进行化学开封，暴露出芯片。在金相显微镜下观察芯片表面，未见有明显的破损、腐蚀、过电压击穿或过流过热等异常形貌。芯片采用Au丝键合，键合完好未见脱落，开封后复测样品的I-V特性，测得的结果与在金相显微镜下观察到的一致。利用激光扫描显微镜对失效样品进行失效点定位测试（OBIRCH）。 在经过激光热激发后，样品的芯片区域出现了电阻异常变化点，典型的结果如图5a、图5g和图5m（箭头指向点）所示。测试结果显示，3只样品的失效点均位于与VIN连接的 MOS管处栅极区域。

在金相显微镜下观察定位的失效点，可见微小的异常点，对芯片去层后亦可以观察到异常点，其中F2#样品相应位置的熔融痕迹明显 （如图5k-l所示）； F3#对应位置也有热熔变色现象 （如图5r所示）。

此外，芯片表面的其余区域未见有明显的异常和缺陷，开封后典型的内部目检和失效点定位图片如图5所示。

图5 失效样品内部目检&失效点定位形貌图

1.6 扫描电子显微镜检测

对失效样品进行扫描电子显微镜检测。去层后可见样品F1#芯片中MOS管栅极异常位置有静电击穿形貌 （如图6d所示）；样品 F2#开封后芯片上 MOS管栅极异常位置有裂纹形貌 （如图6f所示），去层后在该处可见损伤裂纹 （如图6h所示）；样品F3#去钝化层后芯片上MOS管栅极有异常形貌 （如图6j所示），去层后在该处可见热熔后的异常形貌（如图6l所示）。

2 综合分析

失效样品为电压检测IC芯片，根据委托方提供的信息，失效样品均为同一时期采购的样品，失效比例约为0.001 8%（9/5 000），验收阶段发现失效。I-V特性曲线测试显示失效样品的VIN-VSS之间均成异常阻性和双向结特性等。

开封后，利用激光扫描显微镜对失效样品进行失效点定位测试，可见明显的电阻异常变化点。对该区域进行金相显微镜和扫描电子显微镜分析，在逐步去层中观察创击穿点、电损伤裂纹和熔融变色等异常形貌。由于电能量较小，异常区域的尺寸较小，损伤深度较浅。

3只失效样品的失效模式相同，失效定位区域也相同，均位于与VIN连接的MOS管的栅极区域的不同位置。失效点呈现静电击穿和损伤形貌，并且能量较小。3只失效样品是不同批次的样品，失效点位于静电敏感的MOS管栅氧区域，并且除该区域外的芯片表面未见有明显的异常点和缺陷。结合委托方提供的背景信息：样品同批采购，冬季装机到发现失效 （2015年12月到2016年3月），以上均符合静电击穿的特点。相关的检测分析结果显示：失效电压检测IC中VIN端口连接的MOS管中栅极氧化层存在静电击穿，最终导致样品失效。

3 结束语

综合以上分析结果可知，静电损伤是造成电压检测芯片失效的主要原因，要想做好静电损伤防护，建议从以下几个方面着手：

1）安排专人负责保养和维护静电放电保护区；

2）对装机前的元器件进行筛选，优选防静电等级高的器件；

3）改善产品的存储和运输环境，使用防静电的包装材料，最大限度地降低由环境因素导致的静电损伤。

图6 失效样品SEM形貌图

[1]孔学东，恩云飞.电子元器件失效分析与典型案例[M].北京：国防工业出版社，2006.

[2]恩云飞，来萍，李少平.电子元器件失效分析技术[M].北京：电子工业出版社，2015.

[3]田民波.电子封装工程[M].北京：清华大学出版社，2003.

[4]梁瑞林.贴片式电子元件[M].北京：科学出版社，2008.

[5]史保华，贾新章，张德胜.微电子器件可靠性 [M].西安：西安电子科学技术大学出版社，1999.

[6]卢其庆，张安康.半导体器件可靠性与失效分析[M].南京：江苏科学技术出版社，1981.

Failure Analysis of Voltage Detection Chip

YUAN Baoyu1，2， HOU Nilu1，3， LI Jin1，2
（1.CEPREI， Guangzhou 510610， China；2.Ningbo CEPREI IT Research Institute Co.， Ltd.， Ningbo 315040， China；3.CEPREI-EAST， Suzhou 215011， China）

In recent years， with the widespread use of smart meter， its quality and reliability issues have been paid more and more attention.However， when devoted into market use， the products will still appear a variety of failure phenomenon due to various reasons.Therefore，the failure phenomenon of the voltage detection chip of a smart meter is analyzed，and the failure reasons of the chip are found by means of visual inspection，electrical parameter test andX-ray test，and some corresponding improvement suggestions are given in view of the problems found.

smart meter； voltage detection chip； failure analysis； visual inspection； electrical parameter test

TB 114.39

A

1672-5468（2017）04-0049-08

10.3969/j.issn.1672-5468.2017.04.009

2016-12-01

2017-06-21

袁保玉 （1984-） ，男，山东菏泽人，工业和信息化部电子第五研究所、宁波赛宝信息产业技术研究院有限公司测试工程师，主要从事电子产品分析测试工作。

俄罗斯正计划将人工智能技术运用到导弹上

据报道， 俄罗斯最近宣布，计划开发一种包含人工智能技术的导弹。继俄罗斯武器制造商Kalishnikov宣布正在设计一个小型武器自主系统后，俄罗斯战术导弹公司也宣布计划打造使用机器学习算法的人工智能导弹。该公司首席执行官Boris Obnosov在莫斯科国际航展 “MAKS-2017”上宣布了这个消息。

Obnosov还回答了有关该公司的人工智能导弹的发展问题： “我们看到这个例子，当美国人在叙利亚使用它的时候，我们考虑什么时候是否有可能把导弹重新导向目标。这方面的工作正在进行之中。这是一个非常严肃的领域，需要进行基础研究。截至到目前为止，我们已经获得了一些成功的经验，但我们仍然需要工作几年才能取得具体的成果。”

目前美国也正在研发取代海军 “鱼叉”（Harpoon）反舰导弹系统的 “远程反舰导弹”（LRASM）。该导弹据称不需遥控，并且能够在敌方多种干扰下，也可自主识别、猎杀目标。

这也并不是俄罗斯武器制造商首次宣布开发人工智能武器。AK-74突击步枪制造商Kalishnikov集团的代表此前也表示该公司正在开发一个完全自主的武器系统。Kalashnikov主管Sofiya Ivanova表示： “在不久的将来，本集团将推出基于神经网络的一系列产品。我们计划在 ‘ARMY 2017俄罗斯防务展'上展示一个具有这种技术的全自动化作战模块。” （摘自和讯网）