CN100428401C - 用于半导体器件的成品率相似性的方法和系统 - Google Patents

Abstract

本发明公开了一种用于半导体器件的成品率相似性的方法和系统。该方法包括：提供第一批多个半导体器件；提供第二批多个半导体器件；获取与第一成品率相关联的第一批多个成品率；以及获取与第二成品率相关联的第二批多个成品率。此外，本方法包括：对第一批多个成品率执行第一统计分析；确定第一统计分布；对第二批多个成品率执行第二统计分析；以及确定第二统计分布。此外，本方法包括：处理与第一和第二统计分布相关联的信息；以及确定指示量。并且，本方法包括：处理与指示量相关联的信息；确定置信度水平；处理与置信度水平相关联的信息；以及确定第一成品率和第二成品率是否相似。

Description

用于半导体器件的成品率相似性的方法和系统

技术领域

本发明涉及集成电路和其用于制造半导体器件的处理。更具体地，本发明提供了用于处理集成电路制造的相似性的方法和系统。本发明已经被应用于半导体器件的成品率，这仅仅是为了示例。但是，应该认识到本发明具有更加广泛的可应用性。

背景技术

集成电路或“IC”已经从制造在单个硅芯片上的少数的互连器件发展到数百万个器件。当前的IC所提供的性能和复杂度已远远超过了当初的想象。为了实现复杂度和电路密度(即，能够被安装到给定芯片面积上的器件的数量)的提高，对于每一代IC，最小器件线宽的尺寸(也被称为器件“几何”)变得越来越小。现在正在制造具有线宽小于四分之一微米的半导体器件。

不断增大的电路密度已不仅提高了IC的复杂度和性能，而且也为客户提供了更低成本的部件。IC制造设备常常可能花费成百上千万，甚至十几亿美元。每一套制造设备具有一定的晶片生产量，每片晶片上将会有一定数量的IC。因此，通过制造越来越小的个体IC器件，在每一个晶片上可以制造更多的器件，这样就可以增加制造设备的产量。要使器件更小总是很有挑战性的，因为每一种用于IC制造的工艺都存在限制。那也就是说，一种给定的工艺通常只能加工到某一特定的线宽尺寸，于是不是工艺就是器件布局需要被改变。这样的限制的一个示例是不同生产线或者不同生产现场之间的成品率相似性。

在这些年中利用芯片代工厂服务进行定制集成电路的制造得到了发展。无工厂化芯片公司通常设计定制的集成电路。这样的定制集成电路需要制造通常被称为“光罩(reticle)”的一组定制掩模。中国上海的名为中芯国际(SMIC)的芯片代工厂公司是进行代工厂服务的芯片公司的一个示例。虽然在这些年中，无工厂化芯片公司和代工厂服务得到了增长，但是仍然存在很多的限制。例如，芯片公司常常使用若干独立的制造现场。为了灵活使用各个现场处的容量，公司可以将单个的大订单分配到数个现场，其中所述数个现场可以同时制造相同种类的产品。此外，为了避免由在制造过程中的意外事故所引起的任何供应中断，客户可能要求它们的产品是合格的，并且要求在数个生产线或者在数个现场制造它们的产品。如果一个现场遇到某些问题，则生产任务可以被立即转移到其他的现场。因此，明显地降低了客户在供应线上的风险。虽然各种生产现场通常建于不同的时期，并且所装备的设备可能彼此不同，但是来自不同现场的最终产品应该具有相似的成品率。在本说明书中，更具体地将在下文中描述这些和其他的限制。

从上面可以看出，用于加工半导体器件的改进的技术是人们所希望的。

发明内容

本发明涉及集成电路和其用于制造半导体器件的处理。更具体地，本发明提供了用于处理集成电路制造的相似性的方法和系统。本发明已经被应用于半导体器件的成品率，这仅仅是为了示例。但是，应该认识到本发明具有更加广泛的可应用性。

在具体的实施例中，本发明提供了一种用于半导体器件的成品率相似性的方法。该方法包括：提供第一批多个半导体器件；提供第二批多个半导体器件；获取第一批多个成品率，所述第一批多个成品率与和所述第一批多个半导体器件有关的第一成品率相关联；以及获取第二批多个成品率，所述第二批多个成品率与和所述第二批多个半导体器件相关的第二成品率相关联。此外，本方法包括：对所述第一批多个成品率执行第一统计分析；至少基于与所述第一统计分析相关联的信息确定第一统计分布；对所述第二批多个成品率执行第二统计分析；以及至少基于与所述第二统计分析相关联的信息确定第二统计分布。此外，本方法包括：处理与所述第一统计分布和所述第二统计分布相关联的信息；以及至少基于与所述第一统计分布和所述第二统计分布相关联的信息确定指示量。所述指示量与所述第一统计分布和所述第二统计分布之间的重叠面积相关联。并且，本方法包括：处理与所述指示量相关联的信息；至少基于与所述指示量相关联的信息确定置信度水平；处理与所述置信度水平相关联的信息；以及至少基于与所述置信度水平相关联的信息确定所述第一成品率和所述第二成品率是否相似。所述置信度水平与所述指示量的二次幂以及所述指示量的一次幂相关联。所述确定所述第一成品率和所述第二成品率是否相似的步骤包括：如果所述置信度水平等于或者高于95％，则确定所述第一成品率和所述第二成品率是相似的；以及如果所述置信度水平低于95％，则确定所述第一成品率和第二成品率是不相似的。

根据本发明的另一个实施例，提供了包括用于半导体器件的成品率相似性的指令的计算机可读介质。所述计算机可读介质包括：一个或者多个指令，用于接收第一批多个成品率，所述第一批多个成品率与和第一批多个半导体器件有关的第一成品率相关联；一个或者多个指令，用于接收第二批多个成品率，所述第二批多个成品率与和第二批多个半导体器件有关的第二成品率相关联；一个或者多个指令，用于对所述第一批多个成品率执行第一统计分析；以及一个或者多个指令，用于至少基于与所述第一统计分析相关联的信息确定第一统计分布。此外，所述计算机可读介质包括：一个或者多个指令，用于对所述第二批多个成品率执行第二统计分析；一个或者多个指令，用于至少基于与所述第二统计分析相关联的信息确定第二统计分布；一个或者多个指令，用于处理与所述第一统计分布和所述第二统计分布相关联的信息；以及一个或者多个指令，用于至少基于与所述第一统计分布和所述第二统计分布相关联的信息确定指示量。所述指示量与所述第一统计分布和所述第二统计分布之间的重叠面积相关联。此外，所述计算机可读介质包括：一个或者多个指令，用于处理与所述指示量相关联的信息；一个或者多个指令，用于至少基于与所述指示量相关联的信息确定置信度水平；一个或者多个指令，用于处理与所述置信度水平相关联的信息；以及一个或者多个指令，用于至少基于与所述置信度水平相关联的信息确定所述第一成品率和所述第二成品率是否相似。所述置信度水平与所述指示量的二次幂以及所述指示量的一次幂相关联。所述用于确定所述第一成品率和所述第二成品率是否相似的一个或者多个指令包括：一个或者多个指令，如果所述置信度水平等于或者高于95％，则所述一个或者多个指令确定所述第一成品率和所述第二成品率是相似的；以及一个或者多个指令，如果所述置信度水平低于95％，则所述一个或者多个指令确定所述第一成品率和所述第二成品率是不相似的。

例如，置信度水平等于一个百分数，所述百分数与乘以了-0.56的所述指示量的二次幂和乘以了1.56的所述指示量的一次幂的加和相关联。用于确定所述第一成品率和所述第二成品率是否相似的一个或者多个指令还包括一个或者多个指令，其中如果所述置信度水平等于或者高于99％，则所述指令确定所述第一成品率和所述第二成品率是高度相似的。在另一个示例中，指示量仅仅依赖于第一统计参数和第二统计参数。用于确定置信度水平的一个或者多个指令包括用于从表中获取所述置信度水平的一个或者多个指令。所述表提供了作为所述第一统计参数和所述第二统计参数的函数的所述置信度水平。在另一个示例中，第一统计分布与和第一平均成品率和第一数量有关的第一二项式分布相关联，第二统计分布与和第二平均成品率和第二数量有关的第二二项式分布相关联。所述第一二项式分布近似等于与第一均值和第一标准差相关联的第一正态分布，所述第二二项式分布近似等于与第二均值和第二标准差相关联的第二正态分布。所述指示量仅仅依赖于第一统计参数和第二统计参数。所述第一统计参数与所述第一均值和所述第二均值之间的差成比例，所述第二统计参数与所述第一标准差和所述第二标准差之间的比值相关联。在另一个示例中，第一批多个半导体器件与第一生产现场相关联，第二批多个半导体器件与第二生产现场相关联。

通过本发明获得了较传统技术的很多优点。例如，本技术提供一种使用依赖于传统技术的工艺的简单方法。在一些实施例中，本方法提供了对不同生产线或者不同生产现场之间的成品率相似性的可靠的确定。例如，在基线工艺和非基线工艺之间对成品相似性进行评估。此外，本方法提供了与传统工艺技术兼容而不用对传统设备和工艺进行实质修改的工艺。依据实施例，可以获得这些优点中的一个或多个。这些优点或其他优点将在本说明书中并且更具体地在下文中，进行更多的描述。

参考随后的详细描述和附图，本发明的各种另外的目的、特征和优点可以被更加充分地理解。

附图说明

图1是根据本发明的一个实施例的用于半导体制造的成品率相似性的简化的方法。

图2是作为两个统计参数的函数的简化的调和置信度(harmonizationconfidence)。

具体实施方式

本发明涉及集成电路和其用于制造半导体器件的处理。更具体地，本发明提供了用于处理集成电路制造的相似性的方法和系统。本发明已经被应用于半导体器件的成品率，这仅仅是为了示例。但是，应该认识到本发明具有更加广泛的可应用性。

图1是根据本发明的一个实施例的用于半导体制造的成品率相似性的简化的方法。此图仅作为示例，在这里其不应不适当地限制权利要求的范围。方法100包括下面的步骤：

1.步骤110，制造第一批多个半导体器件；

2.步骤115，制造第二批多个半导体器件；

3.步骤120，表征第一批多个半导体器件；

4.步骤125，表征第二批多个半导体器件；

5.步骤130，分析第一批多个半导体器件的成品率；

6.步骤135，分析第二批多个半导体器件的成品率；

7.步骤140，比较成品率；

8.步骤150，确定调和置信度；

9.步骤160，确定成品率相似性。

上述顺序的步骤提供了根据本发明的一个实施例的方法。还可以提供其他的可供选择的方法，其中在不背离这里的权利要求的范围的情况下，加入某些步骤，移除一个或多个步骤，或者一个或多个步骤按照不同的顺序进行。本发明进一步的详细说明在本说明书中可以找到，在下文中将作更详细的描述。

在步骤110，第一批多个半导体器件被制造。所述半导体器件可以包括各种类型的晶体管、二极管、电阻器、感应器或者其他。此外，半导体器件可以包括晶体管、二极管、感应器或者其他的起始产品或者中间产品。在一个实施例中，晶体管的制造开始于起始产品，并且包括各种处理步骤。例如，起始产品包括半导体衬底。半导体可以是硅、锗、砷化镓或者其他的材料。处理步骤可以包括沉积、退火、离子注入、刻蚀或者其他。在每一个处理步骤之后，所得的结构是中间产品。

在步骤115，第二批多个半导体器件被制造。通过设计，第二批多个半导体器件具有至少一个与第一批的多个半导体器件相同的特性。在一个实施例中，该特性是在线工艺参数。例如，所述特性是多晶硅层的宽度、沉积厚度或者金属关键尺寸。在另一个实施例中，所述特性是器件或者晶片的验收参数(acceptance parameter)。例如，所述特性是方块电阻或者击穿电压。在另一个实施例中，第二批多个半导体器件具有与第一批多个半导体器件相同的结构和功能规格。例如，通过设计，利用与用于第一批多个半导体器件的相同的起始结构和制造工艺来制造第二批多个半导体器件。

此外，在第一生产线上或者在第一生产现场制造第一批多个半导体器件，在第二生产线上或者在第二生产现场制造第二批多个半导体器件。例如，第一生产线与第二生产线在相同的生产现场，或者属于不同的生产现场。在一个实施例中，第一生产线和第二生产线至少共享部分的制造设备。在另一个实施例中，第一生产线和第二生产线不共享任何的制造设备。在另一个实施例中，第一生产现场和第二生产现场都使用某些类型的制造设备。例如，在第一生产现场所使用的退火室具有与第二生产现场所使用的相同的型号。在另一个实施例中，第一生产现场和第二生产现场不使用任何相同类型制造设备。例如，在第一生产现场所使用的退火室是由与在第二生产现场所使用的退火室不同的制造商所制造的。

此外，根据本发明的一个实施例，第一生产线或者第一生产现场提供基线制造工艺。例如，某个公司可以在其研发中心设计并验定新产品，然后将新产品分散到数个制造现场以进行大规模生产。研发中心处的性能记录作为基线。在另一个实施例中，公司在数个生产现场中选择具有最佳性能的基线现场。

并且，在另一个实施例中，公司协调不同的制造现场。例如，建立控制台，用于领导作业。当制造相同的特定产品时，从统一命名规则开始，所有的现场使用共同的工艺流程。在实施方法100之前、之后和之中，分析和减少不同现场处的设备中的差异。

在步骤120，第一批多个半导体器件被表征。在一个实施例中，测量第一批多个半导体器件中的一些或者全部的一个结构和功能参数。例如，结构参数是诸如多晶硅层的宽度之类的被沉积层的尺寸、沉积厚度或者金属关键尺寸。在另一个示例中，结构参数是掺杂分布图(profile)、迁移率分布图、应力分布图或其他。在另一个实施例中，功能参数是方块电阻、导通电压、击穿电压、漏电流或其他。在另一个实施例中，测量了第一批多个半导体器件中的一些或者全部的不止一个的结构和功能参数。在另一个实施例中，对于第一批多个半导体器件中的一些或者全部，测量了包括一个或者多个结构和功能参数的与第一批多个半导体器件相关的一个或者多个参数，或者测量了除一个或者多个结构和功能之外的与第一批多个半导体器件相关的其他一个或者多个参数。

此外，如上面所讨论的，表征第一批多个半导体器件中的一些或者全部。在一个实施例中，第一批多个半导体器件被制造在第一批多个半导体晶片上。多个半导体晶片中的每一个包括n个半导体器件，其中n是正整数。例如，每一个半导体器件对应于半导体晶片上的一个管芯。从第一批多个半导体晶片中选择m_A个晶片进行表征。m_A是正整数。对m_A个晶片的选择是随机的，或者是基于一个第一预定条件。

在一个实施例中，对第一批多个半导体器件中的一些或者全部所测量的一个或者多个参数与第一要求进行比较。如果满足要求，则半导体器件被认为是合格的。如果不满足要求，则半导体器件被认为是不合格的。对于每一个晶片，成品率(即合格器件与被测试的所有器件的比值)是p_Ai，其中i＝1，2，...m_A。对于相应的生产线或者生产现场的平均成品率为 ${\stackrel{\‾}{p}}_A=\frac{1}{m_A}\underset{i=1}{\overset{m_A}{\mathrm{\Σ}}}{P}_{\mathrm{Ai}}.$

在步骤125，第二批多个半导体器件被表征。对于第二批多个半导体器件中的一些或者全部，同样测量对于第一批多个半导体器件所确定的一个或者多个参数。根据一个实施例，第二批多个半导体器件中的一些或者全部被表征。在一个实施例中，第二批多个半导体器件被制造在第二批多个半导体晶片上。多个半导体晶片中的每一个包括n个半导体器件，其中n是正整数。例如，每一个半导体器件对应于半导体晶片上的一个管芯。从第二批多个半导体晶片中选择m_B个晶片进行表征。m_B是正整数。对m_B个晶片的选择是随机的，或者是基于一个第二预定条件。例如，第二预定条件可以与第一预定条件相同或者不同。

在一个实施例中，对第二批多个半导体器件中的一些或者全部所测量的一个或者多个参数与第二要求进行比较。如果满足要求，则半导体器件被认为是合格的。如果不满足要求，则半导体器件被认为是不合格的。对于每一个晶片，成品率(即合格器件与被测试的所有器件的比值)是p_Bi，其中i＝1，2，...m_A。对于相应的生产线或者生产现场的平均成品率为 ${\stackrel{\‾}{p}}_B=\frac{1}{m_B}\underset{i=1}{\overset{m_B}{\mathrm{\Σ}}}{p}_{\mathrm{Bi}}.$ 在一个实施例中，第一要求和第二要求是相同的。在另一个实施例中，第一要求和第二要求是不同的。

在步骤130，第一批多个半导体器件的成品率被分析。例如，m_A个晶片的成品率p_Ai可以至少由Binomial分布(二项式分布)进行统计建模。Binomial(n；p_A)分布的均值是np_A。Binomial(n；p_A)分布的方差是np_A(1-p_A)。例如，np_A≥5并且n(1-p_A)≥5。Binomial(n；p_A)分布可以被近似为正态分布N(np_A，np_A(1-p_A))，其中μ₁＝np_A且 ${\mathrm{\σ}}_1=\sqrt{n{\stackrel{\‾}{p}}_A(1-{\stackrel{\‾}{p}}_A)}.$ μ₁是均值参数，σ₁是标准差参数。在另一个实施例中，利用二项式分布或者正态分布以外的其他统计模型分析成品率。

在步骤135，第二批多个半导体器件的成品率被分析。例如，m_B个晶片的成品率p_Bi可以至少由Binomial分布进行统计建模。Binomial(n；p_B)分布的均值是np_B。Binomial(n；p_B)分布的方差是np_B(1-p_B)。例如，np_B≥5且n(1-p_B)≥5。Binomial(n；p_B)分布可以被近似为正态分布N(np_B，np_B(1-p_B))，其中μ₂＝np_B且 ${\mathrm{\σ}}_2=\sqrt{n{\stackrel{\‾}{p}}_B(1-{\stackrel{\‾}{p}}_B)}.$ μ₂是均值参数，σ₁是标准差参数。在另一个实施例中，利用二项式分布或者正态分布以外的其他统计模型分析成品率。

在步骤140，比较第一批多个半导体器件和第二批多个半导体器件的成品率。在一个实施例中，对第一批多个半导体器件的成品率用至少N(μ₁，σ₁ ²)进行建模，并且对第二批多个半导体器件的成品率用至少N(μ₂，σ₂ ²)进行建模。通过数学变换，用于第一批多个半导体器件的正态分布被转换成标准正态分布N(0，1)。标准正态分布的均值为0，标准差参数为1。同样的数学变换将第二批多个半导体器件的正态分布转换为另一个正态分布N(μ₃，σ₃ ²)，其中

${\mathrm{\μ}}_3=\frac{1}{{\mathrm{\σ}}_1}({\mathrm{\μ}}_2-{\mathrm{\μ}}_1)=\frac{\sqrt{n}({\stackrel{\‾}{p}}_B-{\stackrel{\‾}{p}}_A)}{\sqrt{{\stackrel{\‾}{p}}_A(1-{\stackrel{\‾}{p}}_A)}}$ 式1

${\mathrm{\σ}}_3=\frac{{\mathrm{\σ}}_2}{{\mathrm{\σ}}_1}=\sqrt{\frac{{\stackrel{\‾}{p}}_B(1-{\stackrel{\‾}{p}}_B)}{{\stackrel{\‾}{p}}_A(1-{\stackrel{\‾}{p}}_A)}}$ 式2

根据本发明的一个实施例，第一批多个半导体器件和第二批多个半导体器件的成品率之间的比较由标准正态分布N(0，1)和N(μ₃，σ₃ ²)在置信区间(interested interval)CD之间的重叠面积来度量。具体的，重叠面积被确定如下：

$A({\mathrm{\μ}}_3,{\mathrm{\σ}}_3)=\left(\frac{1}{2}{\∫}_C^D\right[e^{-\frac{y^2}{2}}+\frac{1}{{\mathrm{\σ}}_3}{e}^{-\frac{{(y-{\mathrm{\μ}}_3)}^2}{2{\mathrm{\σ}}_3^2}}\left]\mathrm{dy}\right)/{\∫}_{-3}^3{e}^{-\frac{y^2}{2}}\mathrm{dy}$ 式3

C＝max(-3，μ₃-3σ₃)             式4

D＝min(3，μ₃+3σ₃)              式5

在步骤150，调和置信度被确定。例如，调和置信度被定义如下：

HC1Y＝(-0.56A²+1.56A)×100％     式6

其中，HC1Y是百分数的调和置信度。例如，如果A为0.8，则HC1Y将等于88.96％。根据本发明的一个实施例，HC1Y与来自第一生产线或者第一生产现场和来自第二生产线或者第二生产现场的成品率的相似性程度相关联。如式6所示，调和置信度是μ₃和σ₃的二元函数。图2是作为μ₃和σ₃的函数的简化的调和置信度。此图仅作为示例，在这里其不应不适当地限制权利要求的范围。本领域的普通技术人员可以发现很多变化、修改和替代。如图2所示，在行中μ₃从0变化至6，并且在列中σ₃从0.1变化至6。调和置信度对于μ₃关于0对称，因此该表也覆盖了范围为0至-6的μ₃值。步骤150可以通过使用图2中的表来实施。

在步骤160，基于调和置信度确定成品率的相似性。例如，如果调和置信度大于或者等于95％，则认为成品率在不同的产品生产线或者不同的生产现场之间是相似的。在另一个示例中，如果调和置信度大于或者等于99％，则认为成品率在不同的产品生产线或者不同的生产现场之间是高度相似的。

在半导体工业中，成品率是可靠性的一个重要因素。例如，具有低成品率的晶片意味着可靠性存在高风险。在一个实施例中，如果认为成品率不相似，则成品率可能在一个生产线到另一个生产线或者从一个生产现场到另一个生产现场发生明显的波动。这样的波动可以对系统集成产生不利的影响，并且限制了这样的产品在关键应用中的使用。在另一个实施例中，如果认为成品率是高度相似的，则成品率在不同的生产线或者不同的生产现场之中保持基本相同。这样的产品可以优选地用于关键应用。

如上面所讨论并在此被进一步强调的，图1仅仅是示例，在这里其不应不适当地限制权利要求的范围。本领域的普通技术人员可以发现很多变化、修改和替代。在一个实施例中，由方法100所测量和分析的产品参数可以是任何的性质特性。例如，产品参数是物理特性，例如长度、重量、压力、电压、电流或者粘度。在另一个示例中，产品参数是感觉特性，例如味道、颜色或者使用的容易程度。在另一个示例中，产品参数是具有时间依赖性的特性，例如可靠性或者持久性。在另一个实施例中，方法100被应用于任何产品，而不限于半导体器件。

在本发明的一个实施例中，可以通过计算机系统执行方法100的一些或者全部步骤。例如，计算机程序产品包括计算机可读介质，所述计算机可读介质包括用于处理半导体器件的成品率相似性的指令。计算机可读介质包括：用于接收第一批多个成品率的一个或者多个指令，所述第一批多个成品率与和第一批多个半导体器件有关的第一成品率相关联；用于接收第二批多个成品率的一个或者多个指令，所述第二批多个成品率与和第二批多个半导体器件有关的第二成品率相关联；用于对第一批多个成品率执行第一统计分析的一个或者多个指令；以及用于至少基于与第一统计分析相关联的信息确定第一统计分布的一个或者多个指令。此外，所述计算机可读介质包括：用于对第二批多个成品率执行第二统计分析的一个或者多个指令；用于至少基于与第二统计分析相关联的信息确定第二统计分布的一个或者多个指令；用于处理与第一统计分布和第二统计分布相关联的信息的一个或者多个指令；以及用于至少基于与第一统计分布和第二统计分布相关联的信息确定指示量的一个或者多个指令。指示量与第一统计分布和第二统计分布之间的重叠面积相关联。此外，所述计算机可读介质包括：用于处理与指示量相关联的信息的一个或者多个指令；用于至少基于与指示量相关联的信息确定置信度水平的一个或者多个指令；用于处理与置信度水平相关联的信息的一个或者多个指令；以及用于至少基于与置信度水平相关联的信息确定第一成品率和第二成品率是否相似的一个或者多个指令。置信度水平与指示量的二次幂以及指示量的一次幂相关联。用于确定第一成品率和第二成品率是否相似的一个或者多个指令包括：这样的一个或者多个指令，即如果置信度水平等于或者高于95％，则所述指令确定第一成品率和第二成品率是相似的；以及这样的一个或者多个指令，即如果置信度水平低于95％，则所述指令确定第一成品率和第二成品率是不相似的。

还应当理解，这里所描述的示例和实施例只是为了说明的目的，本领域的普通技术人员可以根据上述实施例想到各种修改和变化，并且这些修改和变化都在本申请的精神和范围内，并且也在所附权利要求的范围内。

Claims (11)

1.一种用于半导体器件的成品率相似性的方法，所述方法包括：

提供第一批多个半导体器件；

提供第二批多个半导体器件；

获取第一批多个成品率，所述第一批多个成品率与和所述第一批多个半导体器件有关的第一成品率相关联；

获取第二批多个成品率，所述第二批多个成品率与和所述第二批多个半导体器件有关的第二成品率相关联；

对所述第一批多个成品率执行一个第一统计分析；

至少基于与所述第一统计分析相关联的信息确定一个第一统计分布；

对所述第二批多个成品率执行一个第二统计分析；

至少基于与所述第二统计分析相关联的信息确定一个第二统计分布；

处理与所述第一统计分布和所述第二统计分布相关联的信息；

至少基于与所述第一统计分布和所述第二统计分布相关联的信息确定一个指示量，所述指示量与所述第一统计分布和所述第二统计分布之间的重叠面积相关联；

处理与所述指示量相关联的信息；

至少基于与所述指示量相关联的信息确定一个置信度水平；

处理与所述置信度水平相关联的信息；

至少基于与所述置信度水平相关联的信息确定所述第一成品率和所述第二成品率是否相似；

其中，所述置信度水平与所述指示量的二次幂以及所述指示量的一次幂相关联；

其中，所述确定所述第一成品率和所述第二成品率是否相似的步骤包括：

如果所述置信度水平等于或者高于95％，则确定所述第一成品率

和所述第二成品率是相似的；

如果所述置信度水平低于95％，则确定所述第一成品率和所述第二成品率是不相似的。

2.如权利要求1所述的方法，其中所述置信度水平等于一个百分数，所述百分数等于乘以了-0.56的所述指示量的二次幂和乘以了1.56的所述指示量的一次幂的加和。

3.如权利要求2所述的方法，其中所述确定所述第一成品率和所述第二成品率是否相似的步骤还包括如果所述置信度水平等于或者高于99％，则确定所述第一成品率和所述第二成品率是高度相似的。

4.如权利要求1所述的方法，其中所述指示量仅仅依赖于一个第一统计参数和一个第二统计参数。

5.如权利要求4所述的方法，其中所述确定置信度水平的步骤包括：

从一个表中获取所述置信度水平；

其中所述表提供了作为所述第一统计参数和所述第二统计参数的函数的所述置信度水平。

6.如权利要求1所述的方法，其中所述第一统计分布与和一个第一平均成品率和一个第一数量有关的一个第一二项式分布相关联，所述第二统计分布与和一个第二平均成品率和一个第二数量有关的一个第二二项式分布相关联。

7.如权利要求6所述的方法，其中所述第一二项式分布近似等于与一个第一均值和一个第一标准差相关联的一个第一正态分布，所述第二二项式分布近似等于与一个第二均值和一个第二标准差相关联的一个第二正态分布。

8.如权利要求7所述的方法，其中所述第一均值与所述第一平均成品率和所述第一数量相关联，所述第一标准差与所述第一平均产率和所述第一数量相关联。

9.如权利要求7所述的方法，其中所述指示量仅仅依赖于一个第一统计参数和一个第二统计参数，所述第一统计参数与所述第一均值和所述第二均值之间的差成比例，所述第二统计参数与所述第一标准差和所述第二标准差之间的比值相关联。

10.如权利要求6所述的方法，其中所述第一批多个成品率分别对应于第一批多个晶片，所述第一批多个晶片中的每一个包括所述第一数量的半导体器件。

11.如权利要求1所述的方法，其中所述第一批多个半导体器件与第一生产现场相关联，所述第二批多个半导体器件与第二生产现场相关联。

Images