CN110851947A - 用于预测半导体疲劳的方法和系统 - Google Patents
用于预测半导体疲劳的方法和系统 Download PDFInfo
- Publication number
- CN110851947A CN110851947A CN201910773176.3A CN201910773176A CN110851947A CN 110851947 A CN110851947 A CN 110851947A CN 201910773176 A CN201910773176 A CN 201910773176A CN 110851947 A CN110851947 A CN 110851947A
- Authority
- CN
- China
- Prior art keywords
- semiconductor
- fatigue
- controller module
- predicted
- profile
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 239000004065 semiconductor Substances 0.000 title claims abstract description 295
- 238000000034 method Methods 0.000 title claims abstract description 62
- 238000012423 maintenance Methods 0.000 claims abstract description 31
- 230000000694 effects Effects 0.000 claims description 29
- 230000015556 catabolic process Effects 0.000 claims description 13
- 238000002347 injection Methods 0.000 claims description 13
- 239000007924 injection Substances 0.000 claims description 13
- 230000036962 time dependent Effects 0.000 claims description 11
- 239000000758 substrate Substances 0.000 description 7
- 230000007423 decrease Effects 0.000 description 6
- 239000000463 material Substances 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000033001 locomotion Effects 0.000 description 4
- 230000001105 regulatory effect Effects 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 239000007787 solid Substances 0.000 description 3
- JMASRVWKEDWRBT-UHFFFAOYSA-N Gallium nitride Chemical compound [Ga]#N JMASRVWKEDWRBT-UHFFFAOYSA-N 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 230000010006 flight Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- HBMJWWWQQXIZIP-UHFFFAOYSA-N silicon carbide Chemical compound [Si+]#[C-] HBMJWWWQQXIZIP-UHFFFAOYSA-N 0.000 description 2
- 229910002601 GaN Inorganic materials 0.000 description 1
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000003990 capacitor Substances 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 239000004020 conductor Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000005684 electric field Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000001771 impaired effect Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 150000002500 ions Chemical class 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 229910044991 metal oxide Inorganic materials 0.000 description 1
- 150000004706 metal oxides Chemical class 0.000 description 1
- 238000001465 metallisation Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- -1 resistors Substances 0.000 description 1
- 229910052710 silicon Inorganic materials 0.000 description 1
- 239000010703 silicon Substances 0.000 description 1
- 229910010271 silicon carbide Inorganic materials 0.000 description 1
- 230000005641 tunneling Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B17/00—Systems involving the use of models or simulators of said systems
- G05B17/02—Systems involving the use of models or simulators of said systems electric
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/30—Circuit design
- G06F30/36—Circuit design at the analogue level
- G06F30/367—Design verification, e.g. using simulation, simulation program with integrated circuit emphasis [SPICE], direct methods or relaxation methods
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
- G05B23/0283—Predictive maintenance, e.g. involving the monitoring of a system and, based on the monitoring results, taking decisions on the maintenance schedule of the monitored system; Estimating remaining useful life [RUL]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/008—Reliability or availability analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/3058—Monitoring arrangements for monitoring environmental properties or parameters of the computing system or of the computing system component, e.g. monitoring of power, currents, temperature, humidity, position, vibrations
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/26—Testing of individual semiconductor devices
- G01R31/2642—Testing semiconductor operation lifetime or reliability, e.g. by accelerated life tests
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
- H01L23/00—Details of semiconductor or other solid state devices
- H01L23/34—Arrangements for cooling, heating, ventilating or temperature compensation ; Temperature sensing arrangements
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
- H01L27/00—Devices consisting of a plurality of semiconductor or other solid-state components formed in or on a common substrate
- H01L27/02—Devices consisting of a plurality of semiconductor or other solid-state components formed in or on a common substrate including semiconductor components specially adapted for rectifying, oscillating, amplifying or switching and having potential barriers; including integrated passive circuit elements having potential barriers
- H01L27/04—Devices consisting of a plurality of semiconductor or other solid-state components formed in or on a common substrate including semiconductor components specially adapted for rectifying, oscillating, amplifying or switching and having potential barriers; including integrated passive circuit elements having potential barriers the substrate being a semiconductor body
- H01L27/08—Devices consisting of a plurality of semiconductor or other solid-state components formed in or on a common substrate including semiconductor components specially adapted for rectifying, oscillating, amplifying or switching and having potential barriers; including integrated passive circuit elements having potential barriers the substrate being a semiconductor body including only semiconductor components of a single kind
- H01L27/085—Devices consisting of a plurality of semiconductor or other solid-state components formed in or on a common substrate including semiconductor components specially adapted for rectifying, oscillating, amplifying or switching and having potential barriers; including integrated passive circuit elements having potential barriers the substrate being a semiconductor body including only semiconductor components of a single kind including field-effect components only
- H01L27/088—Devices consisting of a plurality of semiconductor or other solid-state components formed in or on a common substrate including semiconductor components specially adapted for rectifying, oscillating, amplifying or switching and having potential barriers; including integrated passive circuit elements having potential barriers the substrate being a semiconductor body including only semiconductor components of a single kind including field-effect components only the components being field-effect transistors with insulated gate
- H01L27/092—Devices consisting of a plurality of semiconductor or other solid-state components formed in or on a common substrate including semiconductor components specially adapted for rectifying, oscillating, amplifying or switching and having potential barriers; including integrated passive circuit elements having potential barriers the substrate being a semiconductor body including only semiconductor components of a single kind including field-effect components only the components being field-effect transistors with insulated gate complementary MIS field-effect transistors
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Automation & Control Theory (AREA)
- Geometry (AREA)
- Evolutionary Computation (AREA)
- Microelectronics & Electronic Packaging (AREA)
- Computing Systems (AREA)
- Testing Of Individual Semiconductor Devices (AREA)
Abstract
一种用于预测确定半导体疲劳的方法和系统，可包括在控制器模块处接收来自半导体的一段时间内的一组性能特性，通过控制器模块从该组性能特性生成半导体性能概况和基于预测的半导体的使用寿命的终点，安排与半导体相关的维护。
Description
相关申请的交叉引用
本申请要求2018年8月21日提交的美国专利申请No.16/106,149的优先权和权益，该申请的全部内容结合于此。
技术领域
本公开涉及一种用于确定，估计或预测半导体装置的疲劳或失效的方法和系统。
背景技术
印刷电路板(PCB)或集成电路可以支持和互连一组电子部件，例如电容器，电阻器和诸如处理器固态开关的半导体等。半导体的操作在一段时间内引起半导体的疲劳，并且可能导致半导体或PCB的失效或意外操作。
发明内容
在一个方面，本公开涉及一种确定半导体疲劳的方法，包括：在控制器模块处接收来自半导体的一时间段内的一组性能特性，该一组性能特性包括至少半导体温度；通过控制器模块从该组性能特性生成半导体性能概况；通过控制器模块将半导体性能概况与疲劳模型进行比较；基于半导体概况与疲劳模型的比较，由控制器模块预测半导体的使用寿命的终点；以及基于预测的半导体的使用寿命的终点来安排与半导体相关的维护。
在另一方面，本公开涉及一种用于预测半导体疲劳的系统，包括：温度传感器，其与半导体相关联，构造成提供一时间段内的半导体的操作温度；存储器，其存储与半导体相关的半导体疲劳模型和部件数据，该部件数据包括至少半导体的最小特征尺寸大小；以及控制器模块，其构造成：接收一时间段内的半导体的温度；产生半导体性能概况；将半导体性能概况与半导体疲劳模型进行比较；基于半导体概况与疲劳模型的比较来预测半导体的使用寿命的终点；以及基于预测的半导体的使用寿命的终点来安排与半导体相关的维护。
在又一方面，本公开涉及一种估计半导体疲劳的方法，该方法包括：基于预定的半导体的安装位置预测一时间段内的一组性能特性，该一组性能特性至少包括基于半导体的安装位置的预测的半导体温度；在控制器模块处接收来自半导体的一组预测的性能特性；通过控制器模块从该一组预测的性能特性生成半导体性能概况；通过控制器模块比较半导体性能概况与疲劳模型；基于半导体概况与疲劳模型的比较，通过控制器模块估计半导体的使用寿命的终点；以及基于估计的半导体的使用寿命的终点来安排与半导体相关的维护。
附图说明
在附图中：
图1示出了印刷电路板(PCB)的半导体的示意图。
图2示出了根据本文描述的各个方面的展示半导体(例如图1的半导体)的使用寿命的图表。
图3示出根据本文描述的各个方面的用于估计半导体疲劳的系统。
图4示出根据本文描述的各个方面的展示使用图3的系统预测半导体疲劳的方法的流程图。
图5是根据本文描述的各个方面的展示预测半导体疲劳的另一种方法的流程图。
图6是根据本文描述的各个方面的展示估计半导体疲劳的又一方法的流程图。
具体实施方式
本公开的各方面可以在任何环境，设备或方法中实现，其中半导体(包括但不限于处理器，晶体管，固态开关等)被包括，设置或以其他方式定位作为系统中的部件。在一个非限制性示例中，该系统可以包括一组半导体，印刷电路板(PCB)，集成电路等。在另一个非限制性示例中，半导体可以位于，定位等在运载工具上，运载工具例如基于空气的运载工具(例如飞行器)，基于陆地的运载工具或基于水的运载工具。
半导体的一个非限制性示例可包括基于碳化硅(SiC)或氮化镓(GaN)的高功率开关。可以基于它们的固态材料构造，它们以更小和更轻的形状因子处理高电压和大功率水平的能力以及它们非常快速地执行电操作的高速切换能力来选择SiC或GaN。可以包括附加的切换装置或附加的硅基电力开关。
虽然将描述“一组”各种元件，但应理解“一组”可包括任何数量的相应元件，包括仅一个元件。连接参考(例如，附接，联接，连接和接合)将被广义地解释，并且除非另有指示，否则可包括元件集合之间的中间构件和元件之间的相对移动。因此，连接参考不一定推断两个元件直接连接并且处于彼此固定关系。在非限制性示例中，可以选择性地构造连接或断开连接，以提供，启用，禁用等各个元件之间的电连接。
同样如本文所使用的，虽然传感器可以被描述为“感测”或“测量”相应的值，但是感测或测量可以包括确定指示相关值或与相应值相关的值，而不是直接感测或测量该值本身。感测值或测量值可以进一步提供给其他部件。例如，可以将值提供给控制器模块或处理器，并且控制器模块或处理器可以对该值执行处理以确定代表所述值的代表值或电特性。
如本文所使用的，“系统”或“控制器模块”可包括至少一个处理器和存储器。存储器的非限制性示例可以包括随机存取存储器(RAM)，只读存储器(ROM)，闪存，或一种或多种不同类型的便携式电子存储器，例如盘，DVD，CD-ROM等，或这些类型的存储器的任何合适的组合。处理器可以被构造为运行被设计为执行各种方法，功能，处理任务，计算等的任何合适的程序或可执行指令，以启用或实现本文描述的技术操作或操作。该程序可以包括计算机程序产品，其可以包括用于携带或具有存储在其上的机器可执行指令或数据结构的机器可读介质。这种机器可读介质可以是任何可用介质，其可以由通用或专用计算机或具有处理器的其他机器访问。通常，这样的计算机程序可以包括例程，程序，对象，部件，数据结构，算法等，其具有执行特定任务或实现特定抽象数据类型的技术效果。
所有方向参考(例如，径向，轴向，上，下，向上，向下，左，右，侧向，前，后，顶部，底部，上方，下方，竖直，水平，顺时针，逆时针)仅用于识别目的以帮助读者理解本公开，并且不产生限制，特别是关于其位置，取向或用途。如本文所用，术语“确定”是指确定已经发生或正在发生的结果或后果(例如“当前”或“目前”的结果或后果)的系统或方法，并且与术语“估计”形成对比，“估计”是指使结果或后果在事件的实际表现之前得知的前瞻性的确定或估计。例如，在本公开的背景下，已经在安装环境中操作的半导体可以具有“确定”的疲劳阈值，与可以具有“估计”的疲劳阈值的尚未设计或安装在环境中的半导体形成对比。
示例性附图仅用于说明的目的，并且附图中反映的尺寸，位置，顺序和相对大小可以变化。
图1示出了示例性半导体10，以便于理解本公开的方面。半导体10被示出为具有基底12并且包括通过隔离沟槽28与第二晶体管16间隔开的第一晶体管14。在一个非限制性示例中，第一晶体管14和第二晶体管16中的每一个可以包括互补金属氧化物半导体(CMOS)晶体管。在一个示例中，第一晶体管14可以包括n型基底12，其具有间隔开的“p+”抽头(tap)17，其与相应的源极连接器22和漏极连接器24电连接。第一晶体管14还包括位于半导体10的基底12的表面上的栅极氧化物层18以及覆盖栅极氧化物层18的栅极连接器20，栅极氧化物层18横向地位于相应的p+抽头17之间。
在另一个示例中，第二晶体管16可以包括接收到第二晶体管16下面的n型基底12中的p阱30，还包括间隔开的“n+”抽头32。n+抽头32分别与第二源极连接器36和第二漏极连接器38连接。第二晶体管16还包括位于p阱30的表面上的栅极氧化物层18和覆盖栅极氧化物层18的栅极连接器34，栅极氧化物层18横向地位于相应的n+抽头32之间。
在第一晶体管14的操作期间，施加到栅极连接器20的电压可以在基底12中产生导电沟道(由虚线沟道26示意性地表示)，以使得能够将电流从源极连接器22传导到漏极连接器24。类似地，在第二晶体管16的操作期间，施加到栅极连接器34的电压可以在p阱30中产生导电沟道(由虚线沟道28示意性地表示)，以使得能够将电流从源极连接器36传导到漏极连接器38。
半导体10(例如第一晶体管14或第二晶体管16)在一段时间内的操作可导致“磨损”效应或“疲劳”效应，这降低了它们的操作使用寿命。如本文所使用的，半导体10的“使用寿命”包括半导体10的预期的，预测的，估计的操作时间段，其中半导体10以可预测的操作特性操作。在一个非限制性示例中，半导体10的“使用寿命”可以由操作特性阈值限定，操作特性阈值包括但不限于电压阈值或导电阈值。在一个非限制性示例中，半导体10的“使用寿命”可以在半导体经历失效时停止或结束，或者以其他方式停止按预期执行。在另一个非限制性示例中，半导体10的“使用寿命”可以在半导体10的预期或预测的失效之前停止或结束。
半导体10的一个示例性疲劳效应可以包括电迁移疲劳，由此半导体10中的离子的逐渐移动导致半导体10的互连金属化材料的物理移动。例如，半导体10材料的原子的物理移动可以减少或分离端子、结等，导致半导体10的失效或减少的操作。
半导体10的另一示例性疲劳效应可包括依赖于时间的电介质击穿，其中电介质是栅极氧化物层18。在该疲劳效应中，栅极氧化物层18可能由于栅极导体20,34处的电压施加的相对低的电场的延长施加而击穿。由于电子隧穿电流，通过形成穿过栅极氧化物层18到基底12(或p阱30)的导电路径引起击穿。击穿可以取决于例如介电栅极氧化物层18的厚度或材料类型。
半导体10的第三示例性疲劳效应可包括热载流子注入效应，由此半导体10的电子(或相反地，“空穴”)获得足够量的动能以克服相应的抽头17,32之间的基底12(或p阱30)的势垒，并且从导电沟道26,28“注入”到栅极氧化物层18，从而被捕获。热载流子注入效应可以永久地改变晶体管14,16的切换特性。应注意，热载流子注入中的术语“热”是指用于模拟载流子密度的温度，而不是半导体10或晶体管14,16的总体温度。
半导体10的第四示例性疲劳效应可包括偏置温度不稳定性，影响阈值电压(例如，在源极和漏极端子之间产生导电路径所需的最小栅极-源极电压差)的变化，并且与预期的晶体管14,16的操作条件相比其结果是漏极电流的偏差。
在一个非限制性示例中，上述疲劳效应的至少一个子集可以受到半导体10的操作特性的影响。例如，半导体10的操作环境或位置可以增加(或加速)或减少(或减慢)疲劳效应的至少一个子集。在另一个例子中，半导体10的操作环境的温度或位置可以增加或减少疲劳效应的至少一个子集。在另一个例子中，半导体10的工作电压，电流或占空比可以增加或减少疲劳效应的至少一个子集。在又一实例中，半导体10的最小特征尺寸大小可以增加或减少疲劳效应的至少一个子集。如这里所使用的，半导体10的最小特征尺寸大小指的是晶体管14,16或基底12的表面上的任何类型的材料被引入(drawn)的尺寸或宽度。在一个示例中，最小特征尺寸大小以纳米为单位测量。
另外，本文所述的有效磨损效应或疲劳效应可进一步受到预期使用寿命或实施要求的影响。例如，图2示出了根据本文描述的各个方面的展示半导体10的使用寿命的示例图表50。大体上，随着最小特征尺寸大小减小，半导体10的使用寿命52(例如显示为平均使用寿命，以年为单位)减小。图2还示出了使用寿命52的示例性阈值要求，其可以基于标准或特定行业或管理机构进一步限制。例如，航空航天要求可以基于行业期望或管理规则来定义第一使用寿命阈值54，而计算机或蜂窝电话要求可以基于行业期望或管理规则来定义第二使用寿命阈值56。如图所示，第一使用寿命阈值54具有比第二使用寿命阈值56更高或更严格的要求。
图3示出了用于预测半导体疲劳的系统60。系统60可包括具有半导体72的装置62。如这里所使用的，“装置”62可以包括存储，包含或以其他方式包括半导体72的任何位置。装置62的非限制性示例可包括PCB，外壳，底盘，服务器外壳，计算机机架，飞行器，运载工具等。通常，装置62或其部分可以限定环境特性，如本文所述。半导体72可以包括图1的半导体10的方面，但不限于半导体10的方面。
装置62还可包括第一控制器模块64，示出为具有处理器66和存储器68。装置62还可以包括传感器，示为温度传感器70，其被构造为感测，测量或以其他方式提供一时间段内的装置62的操作温度。替代地或另外地，半导体72可以包括温度传感器70，其被构造为感测，测量或以其他方式提供一时间段内的半导体72的操作温度。在这个意义上，一个或多个温度传感器70可以与半导体72相关联，以在感测，测量或以其他方式提供一时间段内的半导体72的操作温度，或半导体72暴露的操作温度。在进一步的非限制性示例中，半导体72可以可选地包括一个或多个附加传感器，示意性地示为第二传感器71，其被构造为感测附加的半导体72的特性。例如，第二传感器71可以感测或测量一时间段内的半导体10的工作电压，电流或占空比。
温度传感器70和可选的第二传感器71可以通信地将相应的感测或测量的特性(统称为“半导体72的性能特性”)提供给第一控制器模块64或其存储器68，以便存储一时间段。示例性时间段可以包括分钟，小时，天，周，月，或以周期为导向的时间段，例如航班，维护周期，数据转储时段等。
系统60还可以包括预测模块72，以虚线轮廓示意性地示出。预测模块72可包括具有处理器76和存储器78的第二控制器模块74，并且可与部件数据80，机队(fleet)数据82，可靠性数据84和操作温度数据86通信地连接。部件数据80的非限制性示例可包括与半导体72或半导体72的特定模型相关联的数据或性能特性，包括但不限于预期使用寿命，服务要求，使用寿命要求(例如，阈值54，56)，半导体72的最小特征尺寸大小等。
可靠性数据84可以存储与一操作时间段内的半导体72的可靠性相关的数据。在这个意义上，可靠性数据84可以包括但不限于一组疲劳模型或疲劳建模，包括但不限于电迁移疲劳，时间依赖性介电击穿，热载流子注入效应，或偏置温度不稳定性，或其组合。操作温度数据86可包括与一个或多个特定位置(例如装置62或其子部分)的估计或预测的操作温度有关的数据。例如，与飞行器的电子器件舱内的半导体72的装置62相比，飞行器发动机中的半导体72的装置62将具有更高的连续预期操作温度。机队数据82可以包括与多个装置62上的多个半导体72或装置62相关的历史或当前数据。例如，机队数据82可以包括与单个飞行器内的半导体72，或任意数量的装置62(例如，飞行器机队上的一组装置62)中的装置62(例如，飞行器发动机处的第一装置62和电子器件舱处的第二装置62)相关的历史或当前数据。
装置62的第一控制器模块64或存储器68可以适于或构造成在连续或间歇的基础上与预测模块72通信。例如，在非限制性示例中，预测模块72可以每周一次，在飞行器飞行之间，或在维护操作期间接收或下载半导体72的性能数据。虽然仅示出了单个装置62，但是可以包括本公开的各方面，其中预测模块72可以连续地或间歇地从一组装置62的第一控制器模块64或存储器68接收一组半导体72的性能数据。半导体72，装置，第一控制器模块64或存储器68之间的任何数量的变换可以包括在本公开的方面中。
预测模块72可以操作以基于本文描述的方面预测半导体72的疲劳。例如，响应于接收半导体72的性能特性，第二控制器模块74或处理器76可以生成半导体72的性能概况。半导体72的性能概况可包括一段时间内的温度数据，一段时间内的电压、电流或占空比数据，或其他信息。在一个非限制性示例中，半导体72的性能概况可以包括直方图或本文描述的其他代表性信息。
预测模块72可以进一步将半导体72的性能概况与可靠性数据84(例如疲劳模型)进行比较，以便识别趋势，指示器，警报或代表本文所述的半导体72的疲劳的任何其他实例。在另一个非限制性示例中，该比较可以将半导体72的性能概况与存储在部件数据80中的预期使用寿命要求(例如，阈值54,56)进行比较。
在又一个非限制性示例中，可靠性数据84可包括适用于与半导体72的性能概况相关联的不同部件数据80的任何数量的疲劳模型。例如，可以从更大组的疲劳模型中选择第一组疲劳模型，其中第一组疲劳模型被校准，与半导体72的最小特征尺寸大小，装置62的位置或定位，或其组合中的至少一个相关联或以其他方式相关。在这个意义上，预测模块72可以识别趋势，指示器，警报或代表半导体72的疲劳的任何其他实例，用于特定半导体最小特征尺寸大小，特定装置62的位置，或其组合。
响应于半导体72的性能概况与可靠性数据84的比较，预测模块72可以例如在比较满足比较阈值时(例如，该比较表明由于半导体72的疲劳半导体72的性能受损)确定需要维护。例如，预测模块72可以生成维护记录，例如维护请求88。如这里所使用的，维护请求88可以包括要完成的实际，估计或预测的服务。例如，维护请求88可以是紧急的(例如，从有效服务中移走飞行器)，或者可以是被动的(例如，下一次飞行器停止运行，执行维护请求88)，在这个意义上，维护请求88可以包括维护的实际性能。如本文所使用的，术语“满足”比较，阈值或范围意味着半导体72的操作满足疲劳模型的一个或多个预定阈值，例如等于或小于阈值，或者在阈值范围内。应当理解，可以容易地改变这种确定以通过正/负比较或真/假比较来满足。
在本公开的另一个非限制性方面，半导体72的性能概况与可靠性数据84的比较可以例如确定比较不满足比较阈值(例如，该比较表明半导体72的性能概况是在预期的操作极限内)。如果确定半导体72的性能概况在预期的操作极限内，则预测模块72可进一步构造成，例如，基于确定目前半导体72在现有使用寿命中的何处来生成半导体72的未来的估计或预测的使用寿命。在另一个非限制性示例中，未来的估计或预测的使用寿命可以包括或结合半导体72的预期疲劳，其基于例如疲劳模型，半导体72在装置62的位置中的连续放置或定位，与该特定放置相关联的操作数据86，以及第二控制器模块74可访问的其他历史或预测数据。可以通过失效(MTBF)估计或预测90之间的平均时间来示意性地表示未来的估计或预测的使用寿命。在另一个非限制性示例中，预测模块72可以基于半导体72的剩余使用寿命预测产生维护请求88，使得半导体72在剩余预测使用寿命到期之前服务。
图4示出了根据本公开的另外方面的用于估计半导体疲劳的系统102的流程图100。如图所示，系统102可以包括在106处，响应于接收指定的部件数据80和半导体的客户要求104，首先生成半导体性能概况。然后，所生成的半导体性能概况可以具有在108处应用于半导体性能概况的一组前述疲劳模型或前述疲劳模型的子集，以生成半导体的估计的疲劳或估计的使用寿命。在一个非限制性示例中，可以从预测数据116接收该组疲劳模型或疲劳模型的子集。在另一个非限制性示例中，预测数据116可以进一步包括并提供与预期的，期望的或预测的安装环境相关的模型，例如如部件数据80，客户要求104，或其组合所定义的。
如果仅估计单个半导体使用寿命，则可以在112处提供使用寿命估计作为输出(寿命终止或“EOL”预测)。如果正在估计一组半导体使用寿命(例如，集成电路中的一组半导体)，则可以在110处对每个半导体部件重复上述处理，其中返回箭头122返回到步骤106和108。在完成最后一个半导体部件的估计使用寿命后，可以选择该组半导体的估计或预测的最早的使用寿命终点。如本文所述，半导体的估计使用寿命可以进一步包括在开发，调度或执行维护动作中。
图4还示出了通过接收客户要求104和预测数据116，系统102可以在114处生成传统或常规的MTBF预测。传统的MTBF预测可以可选地在118处归一化。来自步骤114的传统的MTBF或来自步骤118的归一化MTBF预测可以可选地在步骤120中进行比较，并且还可以作为EOL预测112提供，用于进一步比较。在又一个非限制性示例中，还可以将传统的MTBF预测提供给EOL预测112，以进行比较。
图5示出了展示确定半导体72的疲劳的方法300的流程图。在210处，方法200通过在控制器模块74处接收来自半导体72的一时间段内的一组性能特性开始，该组性能特征包括至少半导体温度，例如，如由温度传感器70感测的。接下来，在220处，方法200继续，以由控制器模块74从该组性能特性生成半导体72的性能概况。在230处，方法200继续通过控制器模块74将半导体72的性能概况与疲劳模型进行比较。基于该比较，在240处，方法200然后通过控制器模块74预测半导体72的使用寿命的终点。最后，在250处，方法200通过基于预测的半导体72的使用寿命的终点来安排与半导体72相关的维护，由此结束。
所描绘的顺序仅用于说明性目的，并不意味着以任何方式限制方法200，因为可以理解方法200的各部分可以以不同的逻辑顺序进行，可以包括附加或中间部分，或者描述的方法的部分可以分成多个部分，或者可以省略所述方法的所述部分，而不偏离所描述的方法。
例如，在一个示例中，方法200还可以包括在控制器模块74处接收一组半导体72的信息，包括至少最小特征尺寸大小。在另一个非限制性示例中，方法200可以包括基于半导体72的信息的至少一个子集从一组疲劳模型中选择疲劳模型，例如至少基于最小特征尺寸大小，装置62的位置，或两者选择的。在另一个非限制性示例中，疲劳模型可以包括与至少以下方面的子集相关的数据：电迁移疲劳，时间依赖性介电击穿，热载流子注入效应，或偏置温度不稳定性，或其组合。在又一个非限制性示例中，方法200可以进一步包括：针对集成电路的一组半导体72中的每个半导体72重复210处的接收，220处的生成，230处的比较以及240处的预测240；选择该组半导体72的预测的最早的使用寿命终点；以及基于该组半导体72的预测的最早的使用寿命终点来安排与集成电路相关的维护。
图6示出了展示估计半导体72的疲劳的方法300的流程图。在310处，方法300开始于基于半导体72的预定装置65的位置预测一时间段内的一组性能特性，该组性能特征至少包括基于半导体72的装置62的位置的预测的半导体72的温度。在320处，方法300还可以包括在控制器模块74处接收来自半导体72的该组预测的性能特性。接下来，在330处，方法300可以继续通过控制器模块74从该组预测的性能特性生成半导体72的性能概况。
接下来，在340处，方法300可以继续通过控制器模块74将半导体72的性能概况与疲劳模型进行比较，然后在350处通过控制器模块74基于半导体72的概况与疲劳模型的比较估计半导体72的使用寿命的终点。最后，在360处，方法300通过基于估计的半导体72的使用寿命的终点来安排与半导体72相关的维护，由此结束。
除了以上附图中所示的方面和构造之外，本公开还涵盖了许多其他可能的方面和构造。
本文所公开的方面提供用于确定，预测或估计半导体疲劳的系统和方法。本公开的方面的技术效果可以包括通过比较半导体的性能概况与疲劳模型来确定，预测或估计半导体装置的使用寿命或有效期。随着半导体装置缩小到90nm以下的特征尺寸，它们对固有磨损机制变得越来越敏感，固有磨损机制例如是电迁移疲劳，时间依赖性介电击穿，热载流子注入效应，或偏置温度不稳定性，这些会将它们的使用寿命降低到可以与传统电子失效模式竞争的程度。此外，这些疲劳效应可以通过半导体的温度或半导体的安装位置温度来加速。因此，与常规的估计相比，包括特征尺寸，一时间段内的温度，或其组合的半导体性能概况可用于确定，预测或估计磨损寿命预期，这更好地近似真实疲劳效应。然后，该信息可用于向系统维护人员发出必要的维修和维护操作的警报，或者可用于在适当的时间激活冗余功能，以确保实现最大的服务可用性和系统级可靠性。可以在逐个半导体，逐个集成电路，或更大的逐个系统(例如逐个飞行器)的基础上实现改进的可用服务和系统级可靠性。
在未描述的范围内，各个方面的不同特征和结构可以根据需要彼此组合使用。该一个特征不能在所有方面中示出，并不意味着被解释为它不能有，而是为了描述的简洁而这样做。因此，可以根据需要混合和匹配不同方面的各种特征以形成新方面，无论是否明确地描述了新方面。本公开内容涵盖本文描述的特征的组合或变换。
本发明的进一步方面由以下条项的主题提供：
1.一种确定半导体疲劳的方法，包括：在控制器模块处接收来自半导体的一时间段内的一组性能特性，该一组性能特性包括至少半导体温度；通过控制器模块从该组性能特性生成半导体性能概况；通过控制器模块将半导体性能概况与疲劳模型进行比较；基于半导体概况与疲劳模型的比较，通过控制器模块预测半导体的使用寿命的终点；以及基于预测的半导体的使用寿命的终点来安排与半导体相关的维护。
2.根据任一前述条项所述的方法，进一步包括在控制器模块处接收一组半导体信息，该一组半导体信息包括至少最小特征尺寸大小。
3.根据任一前述条项所述的方法，其中基于半导体信息的至少一个子集，从一组疲劳模型中选择疲劳模型。
4.根据任一前述条项所述的方法，其中至少基于最小特征尺寸大小选择疲劳模型。
5.根据任一前述条项所述的方法，进一步包括在控制器模块处接收一组半导体信息，该一组半导体信息进一步包括半导体安装位置。
6.根据任一前述条项所述的方法，其中基于半导体安装位置从一组疲劳模型中选择疲劳模型。
7.根据任一前述条项所述的方法，其中疲劳模型包括与以下方面的至少一个子集相关的数据：电迁移疲劳，时间依赖性介电击穿，热载流子注入效应，或偏置温度不稳定性。
8.根据任一前述条项所述的方法，其中疲劳模型包括与以下方面中的每一个相关的数据：电迁移疲劳，时间依赖性介电击穿，热载流子注入效应，和偏置温度不稳定性。
9.根据任一前述条项所述的方法，进一步包括：针对集成电路的一组半导体中的每个半导体重复接收，生成，比较和预测；选择该一组半导体的预测的最早的使用寿命的终点；以及基于该一组半导体的预测的最早的使用寿命的终点，安排与集成电路相关的维护。
10.一种用于预测半导体疲劳的系统，包括：温度传感器，其与半导体相关联，被构造为提供一时间段内的半导体的操作温度；存储器，其存储与半导体相关的半导体疲劳模型和部件数据，该部件数据至少包括半导体的最小特征尺寸大小；以及控制器模块，其构造成：接收一时间段内的半导体的温度；产生半导体性能概况；将半导体性能概况与半导体疲劳模型进行比较；基于半导体概况与疲劳模型的比较来预测半导体的使用寿命的终点；并且基于预测的半导体的使用寿命的终点来安排与半导体相关的维护。
11.根据任一前述条项所述的系统，其中存储器进一步存储一组半导体疲劳模型，并且其中控制器模块进一步构造成至少基于与半导体有关的部件数据，从该一组半导体疲劳模型中选择半导体疲劳模型。
12.根据任一前述条项所述的系统，其中控制器模块被构造成，进一步至少基于半导体的最小特征尺寸大小和半导体的安装位置，从一组半导体疲劳模型中选择半导体疲劳模型。
13.根据任一前述条项所述的系统，其中疲劳模型包括与以下方面的至少一个子集相关的数据：电迁移疲劳，时间依赖性介电击穿，热载流子注入效应或偏置温度不稳定性。
14.根据任一前述条项所述的系统，其中疲劳模型包括与以下方面中的每一个有关的数据：电迁移疲劳，时间依赖性介电击穿，热载流子注入效应，和偏置温度不稳定性。
15.根据任一前述条项所述的系统，其中控制器模块进一步被构造成，针对集成电路的一组半导体中的每个半导体重复接收，生成，比较和预测，并选择该一组半导体的预测的最早的使用寿命的终点，并且安排与集成电路相关的维护是基于该一组半导体的预测的最早的使用寿命的终点。
16.一种估计半导体疲劳的方法，该方法包括：基于预定的半导体的安装位置预测一时间段内的一组性能特性，该一组性能特性至少包括基于半导体的安装位置的预测的半导体温度；在控制器模块处接收来自半导体的一组预测的性能特性；通过控制器模块从该一组预测的性能特性生成半导体性能概况；通过控制器模块将半导体性能概况与疲劳模型进行比较；基于半导体概况与疲劳模型的比较，通过控制器模块估计半导体的使用寿命的终点；以及基于估计的半导体的使用寿命的终点来安排与半导体相关的维护。
17.根据任一前述条项所述的方法，其中该一组性能特征至少包括半导体的最小特征尺寸大小。
18.根据任一前述条项所述的方法，其中至少基于半导体的最小特征尺寸大小和预定的半导体的安装位置，从一组疲劳模型中选择疲劳模型。
19.根据任一前述条项所述的方法，其中疲劳模型包括与以下方面的至少一个子集相关的数据：电迁移疲劳，时间依赖性介电击穿，热载流子注入效应，或偏置温度不稳定性。
20.根据任一前述条项所述的方法，进一步包括：针对集成电路的一组半导体中的每个半导体重复预测，接收，生成，比较和估计；选择该一组半导体的估计的最早的使用寿命的终点；并且基于该一组半导体的估计的最早的使用寿命的终点，安排与集成电路相关的维护。
本书面描述使用示例来公开本公开的各方面，包括最佳模式，并且还使本领域的任何技术人员能够实践本公开的各方面，包括制造和使用任何装置或系统以及执行任何结合的方法。本公开的可专利范围由权利要求限定，并且可以包括本领域技术人员想到的其他示例。如果这些其他示例具有与权利要求的字面语言没有不同的结构元件，或者如果它们包括与权利要求的字面语言无实质差别的等效结构元件，则这些其他示例意图落入权利要求的范围内。
Claims (10)
1.一种确定半导体疲劳的方法，其特征在于，包括：
在控制器模块处接收来自半导体的一时间段内的一组性能特性，所述一组性能特性包括至少半导体温度；
通过所述控制器模块从所述一组性能特性生成半导体性能概况；
通过所述控制器模块将所述半导体性能概况与疲劳模型进行比较；
基于所述半导体概况与所述疲劳模型的所述比较，通过所述控制器模块预测所述半导体的使用寿命的终点；和
基于所预测的所述半导体的使用寿命的终点来安排与所述半导体相关的维护。
2.根据权利要求1所述的方法，其特征在于，进一步包括在所述控制器模块处接收一组半导体信息，所述一组半导体信息包括至少最小特征尺寸大小。
3.根据权利要求2所述的方法，其特征在于，其中基于所述半导体信息的至少一个子集，从一组疲劳模型中选择所述疲劳模型。
4.根据权利要求2或3所述的方法，其特征在于，其中至少基于所述最小特征尺寸大小选择所述疲劳模型。
5.根据权利要求2所述的方法，其特征在于，进一步包括在所述控制器模块处接收一组半导体信息，所述一组半导体信息进一步包括半导体安装位置。
6.根据权利要求1-3或5中任一项所述的方法，其特征在于，其中所述疲劳模型包括与以下方面的至少一个子集相关的数据：电迁移疲劳，时间依赖性介电击穿，热载流子注入效应，或偏置温度不稳定性。
7.根据权利要求1-3或5中任一项所述的方法，其特征在于，其中所述疲劳模型包括与以下方面中的每一个相关的数据：电迁移疲劳，时间依赖性介电击穿，热载流子注入效应，和偏置温度不稳定性。
8.根据权利要求1-3或5中任一项所述的方法，其特征在于，进一步包括：针对集成电路的一组半导体中的每个半导体重复所述接收，所述生成，所述比较和所述预测；选择所述一组半导体的预测的最早的使用寿命的终点；以及基于所述一组半导体的所述预测的最早的使用寿命的终点，安排与所述集成电路相关的维护。
9.一种用于预测半导体疲劳的系统，其特征在于，包括：
温度传感器，所述温度传感器与所述半导体相关联，所述温度传感器构造成提供一时间段内的所述半导体的操作温度；
存储器，所述存储器存储与所述半导体相关的半导体疲劳模型和部件数据，所述部件数据至少包括所述半导体的最小特征尺寸大小；和
控制器模块，所述控制器模块构造成：接收所述一时间段内的所述半导体的所述温度；产生半导体性能概况；将所述半导体性能概况与所述半导体疲劳模型进行比较；基于所述半导体概况与所述疲劳模型的所述比较来预测所述半导体的使用寿命的终点；并且基于所预测的所述半导体的使用寿命的终点来安排与所述半导体相关的维护。
10.一种估计半导体疲劳的方法，其特征在于，所述方法包括：
基于预定的半导体的安装位置预测一时间段内的一组性能特性，所述一组性能特性至少包括基于所述半导体的所述安装位置的预测的半导体温度；
在控制器模块处接收来自所述半导体的一组预测的性能特性；
通过所述控制器模块从所述一组预测的性能特性生成半导体性能概况；
通过所述控制器模块将所述半导体性能概况与疲劳模型进行比较；
基于所述半导体概况与所述疲劳模型的所述比较，通过所述控制器模块估计所述半导体的使用寿命的终点；和
基于所估计的所述半导体的使用寿命的终点来安排与所述半导体相关的维护。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US16/106,149 | 2018-08-21 | ||
| US16/106,149 US20200065449A1 (en) | 2018-08-21 | 2018-08-21 | Method and system for predicting semiconductor fatigue |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110851947A true CN110851947A (zh) | 2020-02-28 |
Family
ID=67659313
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910773176.3A Pending CN110851947A (zh) | 2018-08-21 | 2019-08-21 | 用于预测半导体疲劳的方法和系统 |
Country Status (3)
| Country | Link |
|---|---|
| US (1) | US20200065449A1 (zh) |
| EP (1) | EP3617818A1 (zh) |
| CN (1) | CN110851947A (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP7118019B2 (ja) * | 2019-02-05 | 2022-08-15 | 三菱電機株式会社 | 半導体モジュール、および半導体モジュールの寿命予測システム |
| DE102021200003A1 (de) | 2021-01-04 | 2022-07-07 | Robert Bosch Gesellschaft mit beschränkter Haftung | Verfahren und Vorrichtung zur Verwendung eines Halbleiterbauelements |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| GB1247466A (en) * | 1969-05-28 | 1971-09-22 | Westinghouse Electric Corp | Method for determining excess carrier lifetime in semiconductor devices |
| US20090276165A1 (en) * | 2008-05-02 | 2009-11-05 | Rockwell Automation Technologies, Inc. | Power module life estimation fatigue function |
| US20130138419A1 (en) * | 2011-11-30 | 2013-05-30 | Oracle International Corporation | Method and system for the assessment of computer system reliability using quantitative cumulative stress metrics |
| CN104849645A (zh) * | 2015-06-08 | 2015-08-19 | 哈尔滨工业大学 | 基于米勒平台电压的mosfet退化评估方法及采用该方法的mosfet剩余寿命预测方法 |
| CN105550397A (zh) * | 2015-12-03 | 2016-05-04 | 三峡大学 | 一种基于损伤电压的igbt模块状态评估方法 |
| CN105895563A (zh) * | 2016-04-10 | 2016-08-24 | 天津中仪博通科技有限公司 | 一种制造过程中预测半导体装置的电气参数的方法及系统 |
-
2018
- 2018-08-21 US US16/106,149 patent/US20200065449A1/en not_active Abandoned
-
2019
- 2019-08-19 EP EP19192357.2A patent/EP3617818A1/en not_active Withdrawn
- 2019-08-21 CN CN201910773176.3A patent/CN110851947A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| GB1247466A (en) * | 1969-05-28 | 1971-09-22 | Westinghouse Electric Corp | Method for determining excess carrier lifetime in semiconductor devices |
| US20090276165A1 (en) * | 2008-05-02 | 2009-11-05 | Rockwell Automation Technologies, Inc. | Power module life estimation fatigue function |
| US20130138419A1 (en) * | 2011-11-30 | 2013-05-30 | Oracle International Corporation | Method and system for the assessment of computer system reliability using quantitative cumulative stress metrics |
| CN104849645A (zh) * | 2015-06-08 | 2015-08-19 | 哈尔滨工业大学 | 基于米勒平台电压的mosfet退化评估方法及采用该方法的mosfet剩余寿命预测方法 |
| CN105550397A (zh) * | 2015-12-03 | 2016-05-04 | 三峡大学 | 一种基于损伤电压的igbt模块状态评估方法 |
| CN105895563A (zh) * | 2016-04-10 | 2016-08-24 | 天津中仪博通科技有限公司 | 一种制造过程中预测半导体装置的电气参数的方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| EP3617818A1 (en) | 2020-03-04 |
| US20200065449A1 (en) | 2020-02-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Mishra et al. | In-situ sensors for product reliability monitoring | |
| Saha et al. | Accelerated aging with electrical overstress and prognostics for power MOSFETs | |
| CN108603913B (zh) | 对损坏程度或寿命预期进行估计的方法和装置 | |
| CN110851947A (zh) | 用于预测半导体疲劳的方法和系统 | |
| Alghassi et al. | Computationally efficient, real-time, and embeddable prognostic techniques for power electronics | |
| US9058574B2 (en) | Method for estimating the lifespan of a deep-sub-micron integrated electronic circuit | |
| US20070227448A1 (en) | Method and system for controlling semiconductor manufacturing apparatus | |
| Bernstein | Reliability prediction from burn-in data fit to reliability models | |
| JP6844686B2 (ja) | 管理装置、管理方法及びプログラム | |
| US9891259B2 (en) | Predicting service life of electrical equipment | |
| CN114079502A (zh) | 一种光模块健康状态检测方法和检测装置 | |
| US8667448B1 (en) | Integrated circuit having local maximum operating voltage | |
| US20230169249A1 (en) | Circuits and techniques for modeling remaining life of semiconductor circuits | |
| US10901023B2 (en) | Apparatuses and methods involving adjustable circuit-stress test conditions for stressing regional circuits | |
| US11378617B2 (en) | Apparatus for prediction of failure of a functional circuit | |
| KR101779707B1 (ko) | 전자소자가 실장된 전자모듈의 수명정량평가방법 | |
| Yang | Physics-of-failure-based prognostics and health management for electronic products | |
| Vaccaro et al. | Remaining Useful Lifetime Prediction of Discrete Power Devices by Means of Artificial Neural Networks | |
| Vichare | Prognostics and health management of electronics by utilizing environmental and usage loads | |
| Russo et al. | Life time prediction and design for reliability of Smart Power devices for automotive exterior lighting | |
| Aghaee et al. | Process-variation aware multi-temperature test scheduling | |
| Kim et al. | A unified model incorporating yield, burn‐in, and reliability | |
| Sunderland et al. | Collaborative approach for practical modeling of microcircuit failures in high-reliability applications | |
| Condra et al. | Sae arp6338: Process for assessment and mitigation of aging and potential early wearout of life-limited microcircuits (llm) | |
| Ghaida et al. | A layout sensitivity model for estimating electromigration-vulnerable narrow interconnects |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20200228 |
|
| WD01 | Invention patent application deemed withdrawn after publication |