李恭谨，张 波，秦 培
（汇顶科技股份有限公司，上海 201210）
电容传感芯片是一类基于电容检测原理，通过感知待测目标的介电参数或电荷变化实现传感功能的半导体芯片。凭借电容检测的高灵敏度[1]和高响应速度[2]的特点，以及不依赖先进晶圆工艺及先进封装制程的成本优势，电容传感芯片在触摸控制、生物识别以及健康检测领域都有广泛应用。作为其重要应用分支之一的电容指纹识别芯片，在2019年占据了智能手机指纹识别方案87%的市场份额[3]；
而据产业咨询机构CINNO RESEARCH在2021年二季度的预测，即便面临屏下光学指纹识别和超声波指纹识别等新技术迭代，2024年全球市场侧键电容指纹芯片的搭载量仍将有望增长至6.4亿，年复合增长率达到52%[4]。
基于电容检测原理的传感方案在赋予芯片高灵敏特性的同时，也使芯片的功能容易受到制程工艺波动及极端应用环境干扰的影响。面对庞大的市场需求和日趋激烈的市场竞争，提升电容传感芯片的功能指标及可靠性，减少芯片在加工制程中的良率损失，是当前工程领域急需解决的问题。其中，电容传感芯片的外部坏点比例极大地影响了产品的加工良率和使用体验。为解决外部坏点对电容传感芯片性能的影响，国内外研究者从识别算法、电路设计和制程工艺3个层面提出了不同的改善方案。在算法层面，基于细化图提取指纹特征是目前主流的后期算法增强手段，其主要措施包括图像归一化、分割、细化以及方向图的滤波和增强，可在一定程度上修复包括外部坏点在内的多种噪声源造成的采集信号质量下降问题[5]。在电路设计层面，主要措施包括在像素点上布置阶梯式的可变电容或差动积分电路等额外的电路对像素点进行校准，以削弱外部坏点和传感器使用中受各类异物污染带来的寄生电容对芯片信噪比的影响[6-8]；
在制程工艺层面，现有研究关注了像素单元上方介质层的介电特性和加工稳定性对识别准确度带来的影响，提出的主要优化措施包括降低介质层厚度、增大介质层的介电常数、在像素间介质层设置空心墙结构以及改善塑封料流动性和通过塑封工艺降低介质层非平整性等叠层设计优化方法，以提升电容传感信号的采集质量[9-12]。
区别于现有的侧重前端软硬件设计层面的优化，本文基于电容传感芯片工作原理和量产作业中的失效分析案例，归纳了封装加工制程的波动造成的外部坏点的主要类型和成因，并提出了适用于各类电容传感芯片的外部坏点的控制策略。
理论上，有静电场的存在就有电容，电容的大小受导体间电介质特性、间距、导体形状和比表面积，以及导体周围其他导体的影响。基于上述特性，通过精确检测体系电容的变化，便能获取导体及介质层的参数变化、距离变化、压力变化（影响形状和距离）的相关信息。通过足够的电容检测单元形成的像素阵列，即可获取反映待测目标不同区域容值特性变化的二维图像，进而实现触摸控制、生物识别（如指纹轮廓）、健康检查（如心率脉搏）等相关传感应用。
对电容检测电路来讲，只有将收集到的电容信息转化为电压信号，才能通过模数转化（ADC）输出，被数字系统进一步识别和分析。电容检测电路可以通过多种方法将电容值转化为电压值，其中典型的检测方法有容抗检测法和电荷转移法[13-14]。通过容抗检测法检测互容电容的电路如图1（a）所示，电路的输入端和输出端之间由基本放大电路和反馈网络形成电压并联负反馈，待测目标电容Cx位于输入端，影响输入阻抗。根据放大电路的虚短和虚断特性，分别得到同向输入端电压VP和反向输入端电压VN、反馈电流If和输入电流Ii的关系，如式（1）、（2）所示：
又因：
联立式（2）、（3）、（4），则有式（5）：
将式（1）代入式（5），并整理得式（6）：
由此，通过已知的测量驱动信号电压Vin、角频率ω和反馈网络中的电阻R检测输出的正弦波信号Vout，可获取待测目标的电容Cx。通过电荷转移法检测互容电容的电路如图1（b）所示，将反馈网络中的电阻R替换为电容Cint并增加复位开关RST。待测电容Cx与测得的输出信号（即电路输出端的电压Vout）及电路中各已知量存在如下关系：
图1 电容检测电路
上面介绍的2例电容检测电路均是基于电荷互容，驱动信号电压Vin需要直接施加到待检测对象Cx上。为简化模组结构和操作流程，可以将驱动信号电压施加到放大电路的另一输入端，通过电荷转移法实现检测。通过电荷转移法检测自容电容的电路如图1（c）所示，浮空的待测对象等效于接地，相当于检测待测样品Cx的自容电容，同样基于基本放大电路的特性，可以得到如下关系：
在实际的电容检测电路中，还需要增加放大电路以及相应的滤波电路，以有效提高电容检测的灵敏度和信噪比。但无论如何变化，都是由检测对象充当电路中的待测电容Cx一侧的极板，芯片电路中的每个传感单元的顶层金属层充当内部电路一侧的极板。由于芯片不能直接裸露在外，芯片的塑封层充当了待测电容Cx的全部或部分介质层。如果介质层的性质因材料或制程波动的影响，其改变超过一定范围，就会对电容检测的准确性造成干扰，其典型的表现为芯片电容传感过程中的认假率（FAR）和拒真率（FRR）2个核心指标无法达到设计标准。基于大数据的识别效率仿真和既定的FAR/FRR指标，可以推算出相应芯片的各像素点在按压测试中所允许的响应幅度范围。当某像素点的响应幅度超出这个范围时，将其称作坏点。这些异常出现在芯片顶层金属层（即像素单元）以外的区域，因此这类坏点被定义为外部坏点。需要说明的是，在具体的响应幅度量化过程中，外部坏点的判定阈值会随不同的芯片电路设计、像素点尺寸和数量、软件算法以及既定FAR/FRR等指标的差异而有所变化。
在对电容传感芯片进行封装终测或整机测试中的按压测试时，采集到的图像中出现的异常点即为外部坏点。通过式（6）、（7）、（8）可以看出，每个传感像素输出的电压信号|Vout|都与其要检测的Cx成正比，比例系数为已知的电路参数和测试驱动信号。通过ADC转换后，输出信号被打码量化，按不同像素的坐标位置进行排列，并按一定规则计算按压前后的数据，得到按压测试采集的图像如图2（a）所示。当介质层波动导致Cx偏离正常水平过多时，图像中就会出现异常黑点，即外部坏点。通过对这些异常点的分析，可以确认外部坏点的失效机理是多样的。
3.1 大粒径塑封填料导致的外部坏点
通过按压测试确定了有外部坏点的失效样品中一部分样品的外观异常。失效样品的超声扫描显微镜照片如图2（b）所示，样品内未见阴影，说明其无塑封分层及孔隙失效。用高倍光学显微镜观察，得到外部坏点的光学显微镜照片如图2（c）所示，可以清晰地观测到坏点区域有白色颗粒，其直径接近50μm。采用固封研磨法沿异色点对样品进行切片，其外部坏点切片的扫描电子显微镜照片如图2（d）所示，可以观测到异色颗粒是裸露的单颗颗粒物。对其内部的A点进行能谱分析，获悉了其成分的占比，其中硅的摩尔分数为30%，氧的摩尔分数为70%，可以确定异色颗粒为单颗的大粒径二氧化硅塑封填料。该例中的坏点可以在封装外观中看到，但因其尺寸较小，这类异常在生产的外观检验环节很难被检出。
图2 可观测到外观异常的外部坏点的失效现象
大粒径塑封填料颗粒导致的观测不到外观异常的外部坏点如图3所示。这类外部坏点在通过按压测试定位异常点坐标后，无法通过高倍光学显微镜观测到外观异常。在对应的像素中心做切片，得到坏点位置切片的电子显微镜照片，如图3（a）所示。照片下方的3个梯形凸起结构对应传感芯片的3个像素单元。可以看到，外部坏点对应的中间像素单元的正上方有1个直径为40μm左右的填料颗粒。该区域的碳、氧、硅、铝元素的二维能谱如图3（b）～（e）所示。图3（b）上方有大量碳元素，对应到制作切片使用的有机填充胶层。中部位置也有零散分布的碳元素，对应到塑封层中的环氧树脂基体。下方几乎没有碳元素分布，对应到芯片区域。图3（c）展示的氧元素分布则主要对应塑封填料中的氧元素，以及芯片中的各层含氧钝化层和介质层。图3（d）主要对应塑封填料中的硅元素和芯片电路层中的钝化层、介质层和多晶硅，以及底部硅富集区域的对应硅衬底。图3（e）对应高介电常数塑封填料中的铝元素，以及芯片电路层中的金属互连。结合4幅元素分布图可以看出，大粒径的二氧化硅颗粒使像素点上方的介质层缺少含铝元素的高介电常数填料，造成该区域的介电特性波动，进而产生坏点。
图3 观测不到外观异常的外部坏点
3.2 小粒径塑封填料过度聚集导致的外部坏点
部分外部坏点样品在定位坏点坐标后，无法在相关区域观察到大粒径的异常填料颗粒。该类坏点的扫描电子显微镜照片如图4（a）所示，这部分区域在扫描电子显微镜下与周围区域差异不大。对该区域进行元素分析，能清晰地观测到异常，其碳、氧、硅、铝元素的二维能谱如图4（b）～（e）所示，可以看到异常区域的碳元素含量很少但仍然存在，说明相关区域有塑封填料聚集且没有单个的大颗粒。异常区域的硅、氧元素含量较高且无铝元素分布，说明有大量的含硅填料颗粒聚集，而缺少含铝填料。此类聚集对像素点上方的介质层特性产生的影响，与大粒径塑封填料颗粒聚集的影响相似，同样使介质层的高介电常数组分缺失，造成外部坏点。
图4 小粒径塑封填料过度聚集导致的坏点
3.3 塑封料基体树脂过度聚集导致的外部坏点
与小粒径填料颗粒的过度聚集类似，塑封料中的有机树脂基体组分的过度集中同样会导致外部坏点。塑封料树脂聚集导致的坏点区域切片如图5所示，定位外部坏点的坐标后，观测到异常像素点上方的图像衬度较正常区域偏暗。因成像衬度与表面形貌和元素成分相关，在异常区域选取点1、点2，正常区域选取点3、点4，各点对应的元素质量分数如表1所示，可以看到异常区域的碳元素质量分数在40%左右，明显高于正常区域的水平。结合环氧塑封料中有机基体树脂的质量分数约为10%的特性[15]，可以确定异常区域存在基体树脂过度聚集的问题。
表1 各点元素质量分数（%）
图5 塑封料树脂聚集导致的坏点区域切片
3.4 电容传感芯片外部坏点的物理模型
充当大多数电容传感芯片介质层的环氧塑封料是以环氧树脂为基体，多种不同成分和粒径的颗粒为填料，并添加硬化剂、催化剂、增塑剂、阻燃剂、偶联剂、染色剂等多种助剂形成的复合材料[6]。在经历混料、捏炼、造粒等多个生产步骤以及封装制程中的塑封模流运动等一系列过程后，塑封料组分的分散状况会发生进一步变化，介电特性绝对均一的理想情况是无法实现的。
电容传感芯片像素单元的梯度值可以反映相邻近像素响应灵敏度的差异，是衡量其能否正常工作的重要指标，也是判定外部坏点时所使用的量化指标。梯度值的设定取决于芯片探测精度的需求以及芯片的电路特性、传感算法。梯度值的计算方法如式（9）所示，式中ΔVout1和ΔVout2分别表示邻近的2个像素点1、2在接触待测标准样和未接触待测标准样时，输出的电压信号Vout的差值；
ΔVout表示全部像素点在接触待测标准样和未接触待测标准样时，输出的电压信号差值的平均值。输出信号Vout与待测电容Cx成正比，相应的，输出信号变化量ΔVout与待测电容变化量也成正比。之所以引入输出电压信号差值ΔVout，是因为实际电路中存在诸多内部电容，接触前后输出电压的差值才能反映像素单元顶层极板与待测标准样形成的真实电容。正常情况下每个像素单元的厚度和面积相同，电容值正比于像素单元顶层极板与待测对象之间介质层的介电常数ε1、ε2，则式（9）又可变为式（10）：
从式（10）可以看出，外部坏点的侦测实际上就是判定像素单元上方介质层的介电特性有无跳变。过大的跳变会导致芯片无法正确通过电容值反映待测目标的尺寸、距离、轮廓等物理特性。分析一款相对介电常数为7的电容传感器用环氧塑封料，其主要组分环氧树脂、氧化铝、二氧化硅在低频下的相对介电常数分别为6.0、9.1和3.82。可见，任一组分的过度聚集都会使相应的像素上方介质层的介电常数偏离基准值。以该环氧塑封料为例，当已知卡控的梯度标准为数值A时，待考察的像素单元对应的介电常数临界值为εcritical，相邻点按正常介电常数7计算，结合式（10），则待考察点的介电常数的临界值范围如式（11）所示：
进一步分析式（11）可得εcritical与单组分异常团聚物体积的关系。由上段表述可知，环氧塑封料的相对介电常数值实际上是各组分的介电常数在宏观上的综合表现，一般称其为有效介电常数。对于颗粒填充的有机树脂复合体系，可以使用有效介质理论方程[16]建立组分含量与介电常数之间的关系。在分析外部坏点时，异常聚集物或大颗粒多数近似为球形，完整的有效介质理论方程可以简化为如式（12）所示的布拉格曼模型[17]：
其中，εfiller是待求临界体积的团聚物对应的介电常数和，εcompound是相应塑封料的正常介电常数，εeff是待考察区域的有效介电常数。将式（11）计算出的εcritical作为εeff代入式（13），即可求出所考察位置所允许的异常聚集物的临界体积分数φ。结合像素长宽尺寸及塑封层厚度对应的总体积，即可确认像素单元上方介质层所能允许的单个填料颗粒的临界粒径，或是异常聚集物的临界体积。
需要特别说明2点：一是在估算中，异常聚集物周围的介质使用了相应塑封料的正常介电常数，实际上，因塑封料各组分占比相对稳定，局部单一组分聚集时，其周围介质中该组分的浓度往往偏少，对应的介电常数会往相反方向偏移，因此上述计算中的临界体积会略小于实际所能允许的最极端情况；
二是对于一些塑封层较薄的电容传感芯片，会出现聚集物的临界直径超过塑封层厚度的情况，此时像素单元上方介质层应当按照塑封料填充和空气填充2部分分别计算，总电容对应2段电容串联，即倒数满足求和关系。经实际计算，一旦填料颗粒或异常聚集物的厚度高出塑封层，按压测试时像素单元的容值/输出信号会急剧变化并达到坏点的程度。又因异常凸起不符合产品的外观标准，实际操作时此类情形可以根据传感单元处的塑封层厚度进行卡控。
因塑封料成分和半导体生产工艺的复杂性，各批次产品的不良率会有一定范围的波动。对具有规律性的良率异常，需要采取措施加以控制和改善。从电容传感芯片的原理和外部坏点的成因可以看出，绝大多数外部坏点都源于塑封料微区成分均匀性异常。对因为混入过大粒径塑封填料颗粒、小粒径塑封填料颗粒的过度聚集以及塑封料基体树脂的过度聚集3种机理造成外部坏点比例偏高的产品，可以基于失效分析观察到的现象，有针对性地从塑封料的生产配方参数和塑封料批次的来料管控2个角度加以控制和改善。
针对混入大粒径塑封填料颗粒造成外部坏点的情况，改善外部坏点的关键在于控制塑封料中填料颗粒的尺寸规格。像素单元正常工作时所能允许的填料颗粒尺寸可以通过3.4节式（9）～（12）所述的方法进行计算。从塑封料的生产角度讲，参照相应产品的计算结果，可在所需塑封料生产时，对其使用的填料颗粒规格加以合理限定。此举的意义，还在于避免过度要求填料颗粒规格带来的质量过剩以及不必要的成本损失。此外，塑封料在生产过程中往往需要多种规格的填料混合以保证包封率和注塑特性、热膨胀系数等理化特性，同时以乳液聚合法获取的填料颗粒粒径本身也有一定的分布范围[18]，所以选定规格的填料也会有超出临界尺寸的可能性。因此，还需从塑封料来料检验的角度加以管控，在塑封前对每批塑封料进行检验，提前甄别容易导致产生外部坏点的塑封料，避免问题原料的流入给后续制程带来更大的损失。
检测塑封料中大颗粒或异常聚集物的丙酮不溶物（IPA）检测法如图6所示，其可以作为电容传感芯片塑封料来料管控的重要手段。取定量待检塑封料与定量丙酮混合，并在一定温度和振动功率下使其溶解。之后使用筛网过滤，筛网的孔径参考3.4节计算出的临界粒径，最后称取不溶物的质量。需要说明的是，丙酮不溶物检测法既可筛查混入过多超临界粒径规格填料颗粒的塑封料批次，也可侦测含有过多异常聚集物的塑封料批次，其区别在于使用不同的溶解参数（丙酮用量、振动功率及时间），并使用光学显微镜对筛网滤出物进行甄别。
图6 丙酮不溶物检测法
下面以具体实例说明IPA检测法在生产中的运用，以及本研究对IPA检测法的改良。采用15个批次的塑封料生产某型号电容传感芯片。IPA称重数据和外部坏点数超标导致的不良品比例的对应关系如图7（a）所示，从整体看，IPA称重数据与不良品比例具有正相关性，但个别IPA称重数据很大的塑封料批次，其实际不良率并不高。使用现有检验方法制定来料允收的卡控标准，则存在过杀的可能性。造成这种现象的原因是部分尺寸巨大的异常聚集物显著影响了IPA称重数据，然而这些超大聚集物实际上只会造成单颗芯片不良，对批次良率的影响并不显著。改进的方法是再增加一道孔径稍大的筛网，去除掉超大粒径的聚集物。用改进后的方法再次统计这15个批次的塑封料的IPA称重数据，其和外部坏点数超标导致的不良品比例的对应关系如图7（b）所示，IPA称重数据和坏点造成的不良率之间可以很好地拟合，以此数据制定的来料检验卡控标准更为科学。
图7 不同批次的样品测试数据
针对小粒径塑封料颗粒过度聚集的情况，除了通过IPA检测法对塑封料来料进行管控外，更好的方法是基于外部坏点的物理模型和异常聚集的形成机理，改善塑封料的生产配方。小粒径填料颗粒因其较大的比表面积（SSA），其相互间的作用力更显著，更容易发生团聚[19]，基于上述原理分析，可以适当收紧相应产品塑封料生产过程中二氧化硅填料颗粒的管控范围。对二氧化硅填料SSA加强管控前后的数据如图7（c）所示，图中每个点代表1个封装批次，横坐标对应各封装批次所使用的塑封料批次，纵坐标代表相应批次的外部坏点造成的不良率。从BXXX-85批次的塑封料开始，SSA管控范围收紧，适当调低塑封料中二氧化硅的SSA均值，即减少尺寸过小的二氧化硅填料颗粒比例。从收紧管控前后各8个封装批次的数据可以看出，塑封料优化后因外部坏点造成的不良品比例明显下降。
基于IPA的塑封料来料管控和基于异常聚集形成机理2个角度来改进塑封料生产的措施同样适用于塑封料基体树脂过度聚集的情况。不同于小粒径填料因原料规格管控导致的过度聚集，多数塑封料树脂的聚集源于其塑封时固化反应的消泡过程。成熟配方体系的塑封料在原材料的生产过程中出现过度交联物质的占比很低。因此，仅靠IPA不能完全侦测到存在树脂聚集高风险的批次，改进塑封料生产参数尤为重要。在合模塑封过程中，塑封料中的水汽及固化反应的副产物会以气泡形式从塑封层内部向表面运动[20]。当气泡破裂、气体排出后，残余的树脂在合模压力作用下被压回塑封层内部，造成局部树脂富集，进而因成分不均造成外部坏点。针对上述机理，除了研发更高效的消泡剂配方外，短期更易实现的方法是适当增大塑封粉料的粒径，使得在撒粉后塑封粉料间会有更多的空隙，塑封过程中更易排气。某型产品因容易发生树脂聚集导致测试良率偏低，使用原有常规粒径粉料和增大粒径粉料各连续生产12个批次的产品，其连续作业的数据如图7（d）所示，使用增大粉料粒径的批次，其外部坏点造成的不良率整体要低于使用原始粉料粒径的批次。
从电容传感芯片检测原理及外部坏点的成因分析可知，外部坏点的形成本质上是传感芯片像素单元顶层金属极板上方的传感介质层成分异常。单个大粒径填料颗粒的混入、大量小粒径填料颗粒的聚集，以及树脂的异常聚集是造成介质层成分异常的3种主要成因。通过改进的双筛网IPA检测法进行来料筛查，以及在塑封料生产过程中进行粒径控制、粒径比表面积控制和适当选用较大尺寸的塑封粉料，均有助于降低电容传感芯片外部坏点的不良率。
猜你喜欢 介电常数传感填料 《传感技术学报》期刊征订传感技术学报(2022年7期)2022-10-19调节阀阀杆密封泄漏分析及处理产业与科技论坛(2022年18期)2022-10-19污水处理中新型无机除磷填料的研究进展中国资源综合利用(2022年9期)2022-10-13新型无酶便携式传感平台 两秒内测出果蔬农药残留今日农业(2022年15期)2022-09-20温度对土壤介电常数的影响规律研究冰川冻土(2022年2期)2022-06-14SBR处理生活污水工艺中填料性能研究绿色科技(2021年4期)2021-04-06介电常数对比度对光子晶体平带的影响科学技术与工程(2021年2期)2021-02-23IPv6与ZigBee无线传感网互联网关的研究电子制作(2018年23期)2018-12-26太赫兹波段碲化镉介电常数的理论与实验研究雷达学报(2018年1期)2018-04-04硅硼掺杂碳点的制备及其在血红蛋白传感中的应用分析化学(2017年12期)2017-12-25