高成本效益的实用系统方法解决QFN-mr BiCMOS器件单元测试电源电流失效问题

有可能是潜在变异的根源。

2.3 剖解水刀工序：

为更好地了解水刀工序，需要逐步分析记录点，观察从材料制备、装卸到检查的整个单元工序。

图8：水刀工序详细流程

2.4 识别输入变化：

运用输入输出方法深挖变化因素。经过深入研究，42个KPIV变量被确定为重要的X因素，如图9所示。（详图见附录A）

图9：输入-输出工作单

2.5 优先考虑因果关系：

运用因果（C&E）矩阵确立输入变量与X因素的内部关系，如图10所示。

（详图见附录B）

图10：因果矩阵

2.6 FMEA：

项目组还运用FMEA故障模式和影响分析法重新考虑变量关系。因为电源电流没有故障模式，所以考虑从因果矩阵导出的全部KPIV变量，如图11所示。（详图见附录C）

图11：故障模式和因果矩阵

2.7 两个速效方案：

在完成上面的分析后，立即发现两个（2）速效方案。

图12：临时措施矩阵

实验结果分析

A. 流程图

· 这个项目覆盖18个流程工序。

· 15个工序或83%是VA（增值），3个工序或17%是（无增值）

· 未发现隐藏工厂

· 在输入-输出工单中发现42个潜在X’因素。

B. 因果矩阵

· 运用因果优先性分析法找到5个潜在的X因素。

C. FMEA

· 因为电源电流最初没有被识别为故障模式，所以5个潜在X因素都被视为高风险。

D. 速效方案

· 发现2个速效方案

3.1 验证方案

图13：验证方案矩阵

• 运用比例测验法验证GAP分析法产生的两个（2）项目（烘烤测试）

• 运用混合水平DOE法验证三个X。

（详图见附录D）

3.2 统计检验

通过观察图14的统计假设检验结果不难发现，水刀后面的烘烤工序影响电源电流抑制比。

实用性结论：电源电流抑制在无水刀工序时较低，R-square值为22.78%，可信度高于95%。如果不采用水刀工序，电源电流抑制比较低。

图14：假设检验

3.3 验证方案

图15：验证结果

验证结果（图15）显示，电源电流抑制比受水刀后面的烧烤工序影响，因此，如果无水刀工序，则抑制比会降低。

根据已发现的关键X因素，例如，输送带速度、烘烤温度和水刀压强，项目小组运用试验设计方法进一步改进水刀工序。

（详图见附录E）

3.4 试验设计（DOE）

运用试验设计法分析输送带速度、烘烤温度和水刀压强参数，目标是确定和设置使电源电流失效率最小化的最优参数。

图16所示是试验设计方案，用于优化水刀关键参数。

图16：试验设计方案和结果

（详图见附录F）

从试验设计结果看，当P值是0.0231时，压强是影响电源电流抑制比的主要因素。当R-Square值是0.8997时，压强与速度交互作用（P值是0.0231）、速度与温度交互作用（P值是0.0242）、压强与温度交互作用（P值0.0405）是影响电源电流抑制比的主要因素。

根据图17预测剖析图给出的最优设置，最大理想参数是在压强 = 200psi， 速度 = 3.5m/min，温度 = 50 degC时取得的，在这些参数条件下，电源电流抑制比为-0.238+/-1.156，泄漏为0.414+/-1.84，金属毛刺为1.338+/- 4.63。

在P值 = 0.0231时，压强是影响电源电流失效的主要因素；在P值 = 0.0231时，压强与速度交互作用也是主要因素；在P值 = 0.0242时，速度与温度交互作用是主要因素； 在P值 = 0.0405时，压强与温度交互作用是主要因素，可信度高于95%。

试验统计发现，当P值 》 0.05时，这些主要因素及交互作用不影响泄漏比和金属毛刺。

图17：预测刻画器剖析表

观察预测刻画器报表不难发现，当压强为200psi，速度为3.5m/min，温度为50 degC时，电源电流抑制比、泄漏和金属毛刺三个参数取得最优值。

3.5 试验设计（DOE）结论

在P值 = 0.0231时，压强是影响电源电流失效的主要因素；在P值 = 0.0231时，压强与速度交互作用也是主要因素；在P值 = 0.0242时，速度与温度交互作用是主要因素； 在P值 = 0.0405时，压强与温度交互作用是主要因素，可信度高于95%。

试验统计发现，当P值 》0.05时，这些主要因素及交互作用不影响泄漏和金属毛刺。

图18：结果验证矩阵

（详图见附录G）

3.6 水刀是如何影响产品1电源电流失效的？

了解失效机制知识有助于提高统计结果的准确性：

• 封装渗透率或高速水分子引起的摩擦磨损效应随水刀压强升高而提高。

• 高温鼓风机（相同压强）使气体分子动能更强，增强摩擦磨损效应。

• 胶带速度效应最有可能影响摩擦磨损（接触速度），不过只限于鼓风机区，无水