CN102024672B - 分析半导体产品的基准良率值的方法 - Google Patents

Abstract

本发明分析半导体产品的基准良率值的方法，可以有效去除漂移点。即用平均值减去正常数倍的标准方差的方法找出并且排除漂移出正常数倍标准方差之外的漂移点。然后，将剩下的数据再按平均值减去正常数倍的标准方差的方法再排除一遍。如是操作，几次循环后，会有一个收敛值出现。此时，可以认为半导体产品测量值的漂移点已被清除。剩下的半导体产品的良率平均值为所述半导体产品的基准良率。

Description

分析半导体产品的基准良率值的方法

技术领域

本发明设计半导体产品测试领域，具体的，涉及在半导体产品测试中，分析半导体产品的基准良率值的方法。

背景技术

在集成电路产业中，良率是表征半导体企业产品设计、制造、封装和测试能力的关键性指标。提升良率，是提高企业盈利能力的重要手段之一。因此，在半导体行业中，尤其是晶圆代工企业里，良率管理是个极其重要的命题，有专门的部门负责整合整个公司的资源、人力来推动良率提升。

良率，又称之为成品率，是指在一批被测试产品中，合格品数目所占被测产品总数之百分比。所述良率的计算公式如下：

良率(Yield)＝合格品数目(Pass devices count)/被测试品总数(Totaldevices count)*100％    (1)

由公式(1)可以看出，当被测试品总数一定的情况下，良率的高低直接影响最终合格品出货数量。快速、有效地提高良率可显著达到降低成本，提高效率，提升企业品质形象之目的。

目前而言，晶圆代工企业中良率提升的流程通常为：a)收集数据、b)良率统计、c)失效分析、d)改善及防堵措施、e)良率提升。其中失效分析和改善及防堵措施两项，往往是良率团队关注的焦点。失效分析是用来提供给工艺和制造部门哪里出了问题，出了什么样的问题。然后工艺和制造部门针对问题所在，采取相应的改善及防堵措施。

通常，良率统计可按测试类型、统计周期、良率分布等几种类型分类。每种类型又有如下类型：

按测试类型分为：晶圆测试良率(Wafer sort yield/Chip probe yield)、终测良率(Final test yield)等；

按统计周期可分为：日平均良率(Daily yield)、周平均良率(Weeklyyield)、月平均良率(Monthly yield)、季度平均良率(Quarterly yield)以及年平均良率(Annual yield)等；

按良率分布可分为：平均良率(Average yield)、正常晶圆良率(normalyield)。

按良率分布分类中，平均良率(Average yield)，表征所有良率数据的平均值；正常晶圆良率(normal yield)，表征去除低良率数据后的平均值。

图1所示为现有的典型晶圆良率趋势图。图1给出了某产品某一周期的良率分布趋势图。图1中，横轴代表晶圆的标示代码，每个晶圆的标示代码一般由两部分决定，一是该晶圆所在的批次(LOT ID)，二是该晶圆在本批次中的编号。因为晶圆的标示代码并不影响良率，为方便起见，晶圆的标示代码在图1中只用阿拉伯编号标注，将横轴按一定长度为周期将横轴分份，每个长度代表一定数量的晶圆，直到所有晶圆都被标示为止。纵轴表示晶圆的良率值百分比。

计算平均良率时，将所有晶圆的良率值相加并计算取平均值，此平均值即为该产品的平均良率，具体的，对图1所示的产品该周的平均良率为94.1％。

而该周的正常良率的定义应为：去掉低良率值的晶圆，再对剩余晶圆的良率值取平均值。根据经验以85％为正常良率下限标准，则去掉良率值低于85％的那部分晶圆，对剩余晶圆的良率值取平均，所得正常良率为94.4％.。

现有方法的不足之处为：1)标准定义模糊，2)主观性过强，不能准确反应正常的良率值。

可见，虽然现有的良率提升的模式行之有效，然而，仔细分析，依然有提升空间。在“良率统计”环节一直被业界较为忽视，其实此环节相当重要，因为“失效分析”和“改善及防堵措施”能够有效分析问题、解决问题进而提升良率的前提是，找准正确的分析对象，也就是良率损失所在。可现实而言，因为良率数据统计结果表面看来比较直观，所以在此领域分析较为简单。问题在于，良率工程师在良率统计时，往往根据对制程和产品的了解，以经验来设定下限，定义正常良率。如此即会造成，不同时间、不同工程师所报告出来的问题不一样。换言之，主观性很强。这样对于良率团队准确把握良率，抓住问题而言，隐含了较大风险。

发明内容

为解决现有的半导体产品的良率分析方法主观性强、与实际良率相差较大的问题，本发明提供分析半导体产品的基准良率值的方法。

本发明分析半导体产品的基准良率值的方法，包括：

选取一定数量的所述半导体产品，测量每个所述半导体产品的良率值并将其存入第一存储单元；

第一数据计算单元根据所述第一存储单元内的数据，计算选取的所有所述半导体产品的良率平均值和标准方差，得到所述半导体产品第一良率平均值和所述半导体产品第一标准方差，用所述半导体产品第一良率平均值减去所述半导体产品第一标准方差的第一正常数倍，得到所述半导体产品第一正常良率的下限值；

第一修正单元去除良率值小于所述半导体产品第一正常良率的下限值的半导体产品以及所述第一存储单元内对应的良率值，所述第一数据计算单元根据所述第一存储单元内剩余的数据，计算剩余半导体产品的良率平均值和标准方差，得到所述半导体产品第二标准方差，用所述所述半导体产品第二良率平均值减去所述所述半导体产品第二标准方差的第一正常数倍，得到所述半导体产品第二正常良率的下限值；

所述第一存储单元、第一数据计算单元和第一修正单元重复上述对半导体产品的良率值存储、计算和修正，直到得到收敛的所述半导体产品第N正常良率的下限值，即所述半导体产品第N正常良率的下限值与所述半导体产品第N-1正常良率的下限值相等时，对应的所述半导体产品第N良率平均值为所述半导体产品的基准良率值。

优选的，所述第一正常数为正整数。

优选的，所述第一正常数为3。

优选的，选取的所述半导体产品的数量为300以上

可选的，所述半导体产品为晶圆，所述晶圆上具有晶粒。

可选的，所述分析半导体产品的基准良率值的方法，还包括：

将所述晶圆基准良率值所对应的剩余晶圆进行叠图，计算晶圆每一位置上的晶粒的良率值并将其存入第二存储单元；

第二数据计算单元根据所述第二存储单元内的数据，计算所有晶粒的良率平均值和标准方差，得到晶粒第一良率平均值和晶粒第一标准方差，用晶粒第一良率平均值减去晶粒第一标准方差的第二正常数倍，得到晶粒第一正常良率的下限值；

第二修正单元去除良率值小于晶粒第一正常良率的下限值的晶粒以及所述第二存储单元内对应的良率值，所述第二数据计算单元根据所述第二存储单元内剩余的数据，计算剩余晶粒的良率平均值和标准方差，得到晶粒第二标准方差，用晶粒第二良率平均值减去晶粒第二标准方差的第二正常数倍，得到晶粒第二正常良率的下限值；

所述第二存储单元、第二数据计算单元和第二修正单元重复上述对晶粒的良率值存储、计算和修正，直到得到收敛的晶粒第N正常良率的下限值，即晶粒第N正常良率的下限值与晶粒第N-1正常良率的下限值相等时，对应的晶粒第N良率平均值为晶粒基准良率值。优选的，所述第二正常数为正整数。

优选的，所述第二正常数为3。

可选的，所述半导体产品为晶粒，多个所述晶粒位于晶圆上。

可选的，所述分析半导体产品的基准良率值的方法，还包括：

以所述晶粒基准良率值所对应的剩余晶粒为基础，计算每个晶圆的良率值并将其存入第二存储单元；

第二数据计算单元根据所述第二存储单元内的数据，计算所有晶圆的良率平均值和标准方差，得到晶圆第一良率平均值和晶圆第一标准方差，用晶圆第一良率平均值减去晶圆第一标准方差的第二正常数倍，得到晶圆第一正常良率的下限值；

第二修正单元去除良率值小于晶圆第一正常良率的下限值的晶圆以及所述第二存储单元内对应的良率值，所述第二数据计算单元根据所述第二存储单元内剩余的数据，计算剩余晶圆的良率平均值和标准方差，得到晶圆第二标准方差，用晶圆第二良率平均值减去晶圆第二标准方差的第二正常数倍，得到晶圆第二正常良率的下限值；

所述第二存储单元、第二数据计算单元和第二修正单元重复上述对晶圆的良率值存储、计算和修正，直到得到收敛的晶圆第N正常良率的下限值，即晶圆第N正常良率的下限值与晶圆第N-1正常良率的下限值相等时，对应的晶圆第N良率平均值为晶圆基准良率值。

优选的，所述第二正常数为正整数。

优选的，所述第二正常数为3。

本发明的分析半导体产品的基准良率值的方法，可以有效去除良率值中的漂移点，使良率收敛于一个非常接近真实值的值，得到的基准良率能真实的反映产品制程能力，为后面的良率提升和工艺改进提供了很好的参考。

附图说明

图1所示为某产品某一周期的良率分布趋势图。

图2所示为第一实施例中根据第一存储单元内的数据得到的所述1403片晶圆的良率趋势图。图3所示为第一实施例中最终所得1358片晶圆的良率分布直方图。

图4为第二实施例中将晶圆基准良率值所对应的剩余晶圆进行叠图得到的晶粒的良率值分布图。

具体实施方式

为了使本发明的内容更加清楚和易懂，下面结合具体实施例和附图对本发明的内容进行详细描述。

本发明认为，良率统计分析本身就非常重要。可通过深度分析，找出数据背后之意义，提供给良率团队正确方向。

本发明对背景技术中第三种分类，即“按良率分布”分类，进行了进一步研究分析。要说明的是，由于晶圆测试良率在各种良率中最难控制，而它又是影响生产率(Productivity)的最重要因素，因此以下的良率研究都是专门针对晶圆测试良率而言，但是，本发明的分析方法并不局限于晶圆。

本发明提出基准良率(Baseline yield)的概念，并且找出一种科学的计算方法，以更客观准确地反映产品制程能力。给良率团队一个统一而准确的标准，以更快更准地发现并解决问题。

一般而言，对于成熟制程下的产品，其良率高低取决于制程缺陷(defect)所造成的失效器件数目之多少。这里所言制程缺陷，包括两种：一种称之为随机缺陷(random defect)，即指在晶圆制造过程中，随机发生的制造缺陷。这里，随机的概念既包括了自然分布的缺陷(如分布于器件每层的随机所掉的颗粒)，又包含了意外随机事件造成的制程缺陷，又叫偏移事件(excursion case)。另一种称之为系统性缺陷(systematic defect)，即指在晶圆制造过程中因某种原因持续发生的制程缺陷。这种缺陷往往伴随某种特定失效图形(failurepattern)。

本发明提出基准良率，希望这种良率反映的是真正自然随机的缺陷下的制程能力。这样可以找出真正的良率标准，供良率工程师衡量产品的良率表现。所以，本发明需要定义一种统计方法，能够快速、准确的排除掉良率数据中因偏移事件和/或系统性缺陷所造成的低良率值的晶圆，剩余晶圆的良率值即可反应其基准良率。

本发明的实施例以晶圆和晶圆上的晶粒作为半导体产品，来描述本发明的分析半导体产品基准良率值的方法，但是，所述半导体产品并不限于以晶圆和晶粒。

实施例1

本实施例中，分析晶圆基准良率值的方法，包括：

首先，选取一定数量的晶圆，测量每片晶圆的良率值并将其存入第一存储单元；其中，所述第一存储单元可以是一个excel工作表，excel工作表具有方便快捷处理所述良率值的优点，且是现在通用的办公软件；

优选的，所述选取一定数量的晶圆为选取上百片的晶圆，如选取大于300片的晶圆；

其次，第一数据计算单元根据所述第一存储单元内的数据，计算选取的所有所述晶圆的良率平均值和标准方差，得到晶圆第一良率平均值和晶圆第一标准方差，用晶圆第一良率平均值减去晶圆第一标准方差的第一正常数倍，得到晶圆第一正常良率的下限值；

其中，所述第一数据计算单元可以是excel工作表自带的公式编辑器，通用的excel工作表均带有自定义公式的编辑器，可以很方便的将本发明中所用的计算方法编辑成公式来进行计算；

其中，所述正常数不等于零，优选的，所述常数为正整数，如所述常数为3，因为正整数比较容易计算；

其次，第一修正单元去除良率值小于晶圆第一正常良率的下限值的晶圆以及所述第一存储单元内对应的良率值，所述第一数据计算单元根据所述第一存储单元内剩余的数据，计算剩余晶圆的良率平均值和标准方差，得到晶圆第二标准方差，用晶圆第二良率平均值减去晶圆第二标准方差的第一正常数倍，得到晶圆第二正常良率的下限值；

其中，第一修正单元可以是excel工作表自带的选择器，所述选择器可以将所有数据按照大小进行排序，然后很方便的去掉超出范围的数据和对应的晶圆；

再次，所述第一存储单元、第一数据计算单元和第一修正单元重复上述对晶圆的良率值存储、计算和修正，直到得到收敛的晶圆第N正常良率的下限值，即晶圆第N正常良率的下限值与晶圆第N-1正常良率的下限值相等时，对应的晶圆第N良率平均值为晶圆基准良率值。

其中，所述正常数越大，则得到收敛的晶圆第N正常良率的下限值，即得到晶圆基准良率值，需要计算的次数越多；反之，所述正常数越小，则得到收敛的晶圆第N正常良率的下限值，即得到晶圆基准良率值，需要计算的次数越少。

以某季度某产品的晶圆良率为例，在某季度测试了1403片晶圆，将所述1403片晶圆的良率值存入第一存储单元，图2所示为根据第一存储单元内的数据得到的所述1403片晶圆的良率趋势图，为了显示方便，横轴没有对所有的晶圆进行标号，纵轴为每片晶圆的良率值百分比。第一数据计算单元根据所述第一存储单元内的数据，得到的所述1403片晶圆的平均良率值为95.48％，标准方差为2.27％，即晶圆第一良率平均值为95.48％，晶圆第一标准方差为2.27％，则晶圆第一正常良率的下限值为95.48％-正常数*2.27％；若取正常数为3，则晶圆第一正常良率的下限值为95.48％-正常数*2.27％＝88.67％；

假设该产品每片晶圆的良率值分别为x₁、x₂……x_N(N为1403)，则晶圆的平均良率值

为：

$\stackrel{\‾}{x}=\frac{1}{N}\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{x}_i---(2-1)$

标准方差σ为：

$\mathrm{\σ}=\sqrt{\frac{1}{N}\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{(x_i-\stackrel{\‾}{x})}^2}---(2-2)$

然后，第一修正单元去除良率值低于所述晶圆第一正常良率的下限值88.67％的晶圆以及所述第一存储单元内对应的良率值，共去除16片晶圆以及第一存储单元内对应的16个良率值，剩余1378片晶圆和1378个良率值，所述第一数据计算单元根据所述第一存储单元内剩余的数据，计算所述剩余1378片晶圆的良率平均值为95.49％、标准方差为1.53％，即晶圆第二良率平均值为95.49％、晶圆第二标准方差为1.53％，晶圆第二正常良率的下限值为95.49％-3*1.53％＝90.90％；

其次，去除良率值低于所述晶圆第二正常良率的下限值90.90％的晶圆，共18片，剩余1369片晶圆，计算所述剩余1369片晶圆的良率平均值为95.49％、标准方差为1.40％，即晶圆第三良率平均值为95.49％、晶圆第三标准方差为1.40％，晶圆第三正常良率的下限值为95.49％-3*1.40％＝91.29％；

再次，去除良率值低于所述晶圆第三正常良率的下限值91.29％的晶圆，共11片，剩余1358片晶圆，计算得到的晶圆第四正常良率的下限值仍为91.29％，晶圆第四良率平均值仍为95.49％、晶圆第三标准方差仍为1.40％，则晶圆第四良率平均值95.49％为晶圆基准良率值。

图3所示为最终所得1358片晶圆的良率分布直方图。由图3可知，晶圆的良率集中在95.49％附近，所述良率分布直方图直观的显示表明了晶圆良率收敛于一定值。

本实施例得到的晶圆基准良率值为一收敛值，更加接近晶圆的良率值，且本实施例的分析晶圆基准良率值的方法能快速、准确的排除掉良率数据中因偏移事件造成的较低良率值，因为偏移事件主要影响单片晶圆的良率值。

实施例2

本实施例中，分析晶粒基准良率值的方法，包括：

首先，选取一定数量的晶圆，测量每片晶圆的良率值并将其存入第一存储单元；

优选的，所述选取一定数量的晶圆为选取上百片的晶圆，如选取大于300片的晶圆；

其次，第一数据计算单元根据所述第一存储单元内的数据，计算选取的所有所述晶圆的良率平均值和标准方差，得到晶圆第一良率平均值和晶圆第一标准方差，用晶圆第一良率平均值减去晶圆第一标准方差的第一正常数倍，得到晶圆第一正常良率的下限值；

其中，所述正常数不等于零，优选的，所述常数为正整数，如所述常数为3，因为正整数比较容易计算；

其次，第一修正单元去除良率值小于晶圆第一正常良率的下限值的晶圆以及所述第一存储单元内对应的良率值，所述第一数据计算单元根据所述第一存储单元内剩余的数据，计算剩余晶圆的良率平均值和标准方差，得到晶圆第二标准方差，用晶圆第二良率平均值减去晶圆第二标准方差的第一正常数倍，得到晶圆第二正常良率的下限值；

再次，所述第一存储单元、第一数据计算单元和第一修正单元重复上述对晶圆的良率值存储、计算和修正，直到得到收敛的晶圆第N正常良率的下限值，即晶圆第N正常良率的下限值与晶圆第N-1正常良率的下限值相等，对应的晶圆第N良率平均值为晶圆基准良率值；

其中，所述正常数越大，则得到收敛的晶圆第N正常良率的下限值，即得到晶圆基准良率值，需要计算的次数越多；反之，所述正常数越小，则得到收敛的晶圆第N正常良率的下限值，即得到晶圆基准良率值，需要计算的次数越少；

再次，将晶圆基准良率值所对应的剩余晶圆进行叠图，计算晶圆每一位置上晶粒的良率值并将其存入第二存储单元；

其中，第二存储单元可以为excel工作表；

再次，第二数据计算单元根据所述第二存储单元内的数据，计算所有晶粒的良率平均值和标准方差，得到晶粒第一良率平均值和晶粒第一标准方差，用晶粒第一良率平均值减去晶粒第一标准方差的第二正常数倍，得到晶粒第一正常良率的下限值；

其中，第二数据计算单元可以是excel工作表自带的公式编辑器；

再次，第二修正单元去除良率值小于晶粒第一正常良率的下限值的晶粒以及所述第二存储单元内对应的良率值，所述第二数据计算单元根据所述第二存储单元内剩余的数据，计算剩余晶粒的良率平均值和标准方差，得到晶粒第二良率平均值和晶粒第二标准方差，用晶粒第二良率平均值减去晶粒第一标准方差的第二正常数倍，得到晶粒第二正常良率的下限值；

其中，第二修正单元可以是excel工作表自带的选择器；

再次，所述第二存储单元、第二数据计算单元和第二修正单元重复上述对晶粒的的良率值存储、计算、修正，直到得到收敛的晶粒第N正常良率的下限值，即晶粒第N正常良率的下限值与晶粒第N-1正常良率的下限值相等时，对应的晶粒第N良率平均值为晶粒基准良率值。

其中，所述正常数越大，则得到收敛的晶粒第N正常良率的下限值，即得到晶粒基准良率值，需要计算的次数越多；反之，所述正常数越小，则得到收敛的晶粒第N正常良率的下限值，即得到晶粒基准良率值，需要计算的次数越少。

以某产品为例，在某季度测试了1403片晶圆，所述1403片晶圆的平均良率值为95.48％，标准方差为2.27％，即晶圆第一良率平均值为95.48％，晶圆第一标准方差为2.27％，则晶圆第一正常良率的下限值为95.48％-正常数*2.27％；若取正常数为3，则晶圆第一正常良率的下限值为95.48％-正常数*2.27％＝88.67％；

然后，去除良率值低于所述晶圆第一正常良率的下限值88.67％的晶圆，共16片，剩余1378片晶圆，计算所述剩余1378片晶圆的良率平均值为95.49％、标准方差为1.53％，即晶圆第二良率平均值为95.49％、晶圆第二标准方差为1.53％，晶圆第二正常良率的下限值为95.49％-3*1.53％＝90.90％；

其次，去除良率值低于所述晶圆第二正常良率的下限值90.90％的晶圆，共18片，剩余1369片晶圆，计算所述剩余1369片晶圆的良率平均值为95.49％、标准方差为1.40％，即晶圆第三良率平均值为95.49％、晶圆第三标准方差为1.40％，晶圆第三正常良率的下限值为95.49％-3*1.40％＝91.29％；

再次，去除良率值低于所述晶圆第三正常良率的下限值91.29％的晶圆，共11片，剩余1358片晶圆，计算得到的晶圆第四正常良率的下限值仍为91.29％，晶圆第四良率平均值仍为95.49％、晶圆第三标准方差仍为1.40％，则晶圆第四良率平均值95.49％为晶圆基准良率值；

图4为将晶圆基准良率值所对应的剩余晶圆进行叠图得到的晶粒的良率值分布图。将剩余的1358片芯片进行叠图，得到如4图所示的分布图，该产品在8英寸的晶圆上的晶粒数为686，得到的晶粒的第一平均良率值为95.41％，按上述方法得到的晶粒基准良率值为95.95％，对应的方差为1.23％，最后剩余的晶粒为661。

本实施例得到的晶圆基准良率值为一收敛值，更加接近晶圆的良率值，且本实施例的分析晶圆基准良率值的方法能快速、准确的排除掉良率数据中因偏移事件造成的较低良率值，因为偏移事件主要影响单片晶圆的良率值。

本实施例得到的晶粒基准良率值为一收敛值，更加接近晶粒的良率值，且本实施例的分析晶粒基准良率值的方法能快速、准确的将有失效图形(patternfailure)特征的系统性缺陷(systematic defect)排除，因为系统性缺陷主要影响晶圆上晶粒的良率值。

实施例3

本实施例中，分析晶粒基准良率值的方法，包括：

选取一定数量的晶圆进行叠图，计算晶圆每一位置上晶粒的良率值并将其存入第一存储单元；

优选的，所述选取一定数量的晶圆为选取上百片的晶圆，如选取大于300片的晶圆；

再次，第一数据计算单元根据所述第一存储单元内的数据，计算所有晶粒的良率平均值和标准方差，得到晶粒第一良率平均值和晶粒第一标准方差，用晶粒第一良率平均值减去晶粒第一标准方差的第一正常数倍，得到晶粒第一正常良率的下限值；

再次，第一修正单元去除良率值小于晶粒第一正常良率的下限值的晶粒以及所述第一存储单元内对应的良率值，所述第一数据计算单元根据所述第一存储单元内剩余的数据，计算剩余晶粒的良率平均值和标准方差，得到晶粒第二标准方差，用晶粒第二良率平均值减去晶粒第二标准方差的第一正常数倍，得到晶粒第二正常良率的下限值；

再次，所述第一存储单元、第一数据计算单元和第一修正单元重复上述对晶粒的良率值存储、计算和修正，直到得到收敛的晶粒第N正常良率的下限值，即晶粒第N正常良率的下限值与晶粒第N-1正常良率的下限值相等，对应的晶粒第N良率平均值为晶粒基准良率值。

其中，所述正常数越大，则得到收敛的晶粒第N正常良率的下限值，即得到晶粒基准良率值，需要计算的次数越多；反之，所述正常数越小，则得到收敛的晶粒第N正常良率的下限值，即得到晶粒基准良率值，需要计算的次数越少。

本实施例得到的晶粒基准良率值为一收敛值，更加接近晶粒的良率值，且本实施例的分析晶粒基准良率值的方法能快速、准确的将有失效图形(patternfailure)特征的系统性缺陷(systematic defect)排除，因为系统性缺陷主要影响晶圆上晶粒的良率值。

实施例4

本实施例中，分析晶圆的基准良率值的方法，包括：

首先，选取一定数量的晶圆进行叠图，计算晶圆每一位置上晶粒的良率值并将其存入第一存储单元；

优选的，所述选取一定数量的晶圆为选取上百片的晶圆，如选取大于300片的晶圆；

再次，第一数据计算单元根据所述第一存储单元内的数据，计算所有晶粒的良率平均值和标准方差，得到晶粒第一良率平均值和晶粒第一标准方差，用晶粒第一良率平均值减去晶粒第一标准方差的第一正常数倍，得到晶粒第一正常良率的下限值；

再次，第一修正单元去除良率值小于晶粒第一正常良率的下限值的晶粒以及所述第一存储单元内对应的良率值，所述第一数据计算单元根据所述第一存储单元内剩余的数据，计算剩余晶粒的良率平均值和标准方差，得到晶粒第二标准方差，用晶粒第二良率平均值减去晶粒第二标准方差的第一正常数倍，得到晶粒第二正常良率的下限值；

再次，所述第一存储单元、第一数据计算单元和第一修正单元重复上述对晶粒的良率值存储、计算和修正，直到得到收敛的晶粒第N正常良率的下限值，即晶粒第N正常良率的下限值与晶粒第N-1正常良率的下限值相等，对应的晶粒第N良率平均值为晶粒基准良率值；

其中，所述正常数越大，则得到收敛的晶粒第N正常良率的下限值，即得到晶粒基准良率值，需要计算的次数越多；反之，所述正常数越小，则得到收敛的晶粒第N正常良率的下限值，即得到晶粒基准良率值，需要计算的次数越少；

其次，以晶粒基准良率值所对应的剩余晶粒为基础测量每片晶圆的良率值并将其存入第二存储单元；

其次，第二数据计算单元根据所述第二存储单元内的数据，计算选取的所有所述晶圆的良率平均值和标准方差，得到晶圆第一良率平均值和晶圆第一标准方差，用晶圆第一良率平均值减去晶圆第一标准方差的第二正常数倍，得到晶圆第一正常良率的下限值；

其中，所述正常数不等于零，优选的，所述常数为正整数，如所述常数为3，因为正整数比较容易计算；

其次，第二修正单元去除良率值小于晶圆第一正常良率的下限值的晶圆以及所述第二存储单元内对应的良率值，所述第二数据计算单元根据所述第二存储单元内剩余的数据，计算剩余晶圆的良率平均值和标准方差，得到晶圆第二良率平均值和晶圆第二标准方差，用晶圆第二良率平均值减去晶圆第一标准方差的第二正常数倍，得到晶圆第二正常良率的下限值；

再次，所述第二存储单元、第二数据计算单元和第二修正单元重复上述对晶圆的的良率值存储、计算和修正，直到得到收敛的晶圆第N正常良率的下限值，即晶圆第N正常良率的下限值与晶圆第N-1正常良率的下限值相等，对应的晶圆第N良率平均值为晶圆基准良率值。

其中，所述正常数越大，则得到收敛的晶圆第N正常良率的下限值，即得到晶圆基准良率值，需要计算的次数越多；反之，所述正常数越小，则得到收敛的晶圆第N正常良率的下限值，即得到晶圆基准良率值，需要计算的次数越少。

本实施例得到的晶粒基准良率值为一收敛值，更加接近晶粒的良率值，且本实施例的分析晶粒基准良率值的方法能快速、准确的将有失效图形(patternfailure)特征的系统性缺陷(systematic defect)排除，因为系统性缺陷主要影响晶圆上晶粒的良率值。

实施例5

本实施例提供一种分析半导体产品的基准良率值的方法，包括：

选取一定数量的所述半导体产品，测量每个所述半导体产品的良率值并将其存入第一存储单元；

第一数据计算单元根据所述第一存储单元内的数据，计算选取的所有所述半导体产品的良率平均值和标准方差，得到所述半导体产品第一良率平均值和所述半导体产品第一标准方差，用所述半导体产品第一良率平均值减去所述半导体产品第一标准方差的第一正常数倍，得到所述半导体产品第一正常良率的下限值；

第一修正单元去除良率值小于所述半导体产品第一正常良率的下限值的半导体产品以及所述第一存储单元内对应的良率值，所述第一数据计算单元根据所述第一存储单元内剩余的数据，计算剩余半导体产品的良率平均值和标准方差，得到所述半导体产品第二标准方差，用所述所述半导体产品第二良率平均值减去所述所述半导体产品第二标准方差的第一正常数倍，得到所述半导体产品第二正常良率的下限值；

所述第一存储单元、第一数据计算单元和第一修正单元重复上述对半导体产品的良率值存储、计算和修正，直到得到收敛的所述半导体产品第N正常良率的下限值，即所述半导体产品第N正常良率的下限值与所述半导体产品第N-1正常良率的下限值相等时，对应的所述半导体产品第N良率平均值为所述半导体产品的基准良率值。

本实施例得到的晶圆基准良率值为一收敛值，更加接近晶圆的良率值，且本实施例的分析晶圆基准良率值的方法能快速、准确的排除掉良率数据中因偏移事件造成的较低良率值，因为偏移事件主要影响单片晶圆的良率值。

本实施例分析半导体产品的基准良率值的方法，可以有效去除漂移点。即用平均值减去正常数倍的标准方差的方法找出并且排除漂移出正常数倍标准方差之外的漂移点。然后，将剩下的数据再按平均值减去正常数倍的标准方差的方法再排除一遍。如是操作，几次循环后，会有一个收敛值出现。此时，可以认为半导体产品测量值的漂移点已被清除。剩下的半导体产品的良率平均值为所述半导体产品的基准良率。

综上所述，本发明实施例以晶圆良率值和/或晶粒良率值为数据样本，用分析去除漂移点。即用平均值减去三倍的标准方差的方法找出并且排除漂移出三倍标准方差之外的漂移点(outlier)。然后，将剩下的数据再按平均值减去三倍的标准方差的方法再排除一遍。如是操作，几次循环后，会有一个收敛值出现。此时，可以认为非正常晶圆和/或晶粒的漂移点已被清除。剩下的晶圆和/或晶粒的良率平均值为晶圆基准良率和/或晶粒基准良率。

本发明实施例虽然以晶圆和晶圆上的晶粒为例，但是并不限于晶圆和晶粒，所述晶圆和晶粒可以替换为任意的一种半导体产品，如晶圆可以替换为某半导体产品在整个工艺步骤完成后得到的最终产品，晶粒可以替换为每一工艺步骤得到的中间产品。

Claims (11)

1.分析半导体产品的基准良率值的方法，包括：

选取一定数量的所述半导体产品，测量每个所述半导体产品的良率值并将其存入第一存储单元；

第一数据计算单元根据所述第一存储单元内的数据，计算选取的所有所述半导体产品的良率平均值和标准方差，得到所述半导体产品第一良率平均值和所述半导体产品第一标准方差，用所述半导体产品第一良率平均值减去所述半导体产品第一标准方差的第一正常数倍，得到所述半导体产品第一正常良率的下限值；

第一修正单元去除良率值小于所述半导体产品第一正常良率的下限值的半导体产品以及所述第一存储单元内对应的良率值，所述第一数据计算单元根据所述第一存储单元内剩余的数据，计算剩余半导体产品的良率平均值和标准方差，得到所述半导体产品第二良率平均值和所述半导体产品第二标准方差，用所述半导体产品第二良率平均值减去所述半导体产品第二标准方差的第一正常数倍，得到所述半导体产品第二正常良率的下限值；

所述第一存储单元、第一数据计算单元和第一修正单元重复上述对半导体产品的良率值存储、计算和修正，直到得到收敛的所述半导体产品第N正常良率的下限值，即所述半导体产品第N正常良率的下限值与所述半导体产品第N-1正常良率的下限值相等时，对应的所述半导体产品第N良率平均值为所述半导体产品的基准良率值。

2.如权利要求1所述的分析半导体产品的基准良率值的方法，其特征在于，所述第一正常数为正整数。

3.如权利要求2所述的分析半导体产品的基准良率值的方法，其特征在于，所述第一正常数为3。

4.如权利要求3所述的分析半导体产品的基准良率值的方法，其特征在于，选取的所述半导体产品的数量为300以上。

5.如权利要求1至4中任一项所述的分析半导体产品的基准良率值的方法，其特征在于，所述半导体产品为晶圆，所述晶圆上具有晶粒。

6.如权利要求5所述的分析半导体产品的基准良率值的方法，其特征在于，还包括：

将所述晶圆基准良率值所对应的剩余晶圆进行叠图，计算晶圆每一位置上的晶粒的良率值并将其存入第二存储单元；

第二数据计算单元根据所述第二存储单元内的数据，计算所有晶粒的良率平均值和标准方差，得到晶粒第一良率平均值和晶粒第一标准方差，用晶粒第一良率平均值减去晶粒第一标准方差的第二正常数倍，得到晶粒第一正常良率的下限值；

第二修正单元去除良率值小于晶粒第一正常良率的下限值的晶粒以及所述第二存储单元内对应的良率值，所述第二数据计算单元根据所述第二存储单元内剩余的数据，计算剩余晶粒的良率平均值和标准方差，得到晶粒第二良率平均值和晶粒第二标准方差，用晶粒第二良率平均值减去晶粒第二标准方差的第二正常数倍，得到晶粒第二正常良率的下限值；

所述第二存储单元、第二数据计算单元和第二修正单元重复上述对晶粒的良率值存储、计算和修正，直到得到收敛的晶粒第N正常良率的下限值，即晶粒第N正常良率的下限值与晶粒第N-1正常良率的下限值相等时，对应的晶粒第N良率平均值为晶粒基准良率值。

7.如权利要求6所述的分析半导体产品的基准良率值的方法，其特征在于，所述第二正常数为正整数。

8.如权利要求7所述的分析半导体产品的基准良率值的方法，其特征在于，所述第二正常数为3。

9.如权利要求6至8中任一项所述的分析半导体产品的基准良率值的方法，其特征在于，还包括：

以所述晶粒基准良率值所对应的剩余晶粒为基础，计算每个晶圆的良率值并将其存入第二存储单元；

第二数据计算单元根据所述第二存储单元内的数据，计算所有晶圆的良率平均值和标准方差，得到晶圆第一良率平均值和晶圆第一标准方差，用晶圆第一良率平均值减去晶圆第一标准方差的第二正常数倍，得到晶圆第一正常良率的下限值；

第二修正单元去除良率值小于晶圆第一正常良率的下限值的晶圆以及所述第二存储单元内对应的良率值，所述第二数据计算单元根据所述第二存储单元内剩余的数据，计算剩余晶圆的良率平均值和标准方差，得到晶圆第二良率平均值和晶圆第二标准方差，用晶圆第二良率平均值减去晶圆第二标准方差的第二正常数倍，得到晶圆第二正常良率的下限值；

所述第二存储单元、第二数据计算单元和第二修正单元重复上述对晶圆的良率值存储、计算和修正，直到得到收敛的晶圆第N正常良率的下限值，即晶圆第N正常良率的下限值与晶圆第N-1正常良率的下限值相等时，对应的晶圆第N良率平均值为晶圆基准良率值。

10.如权利要求9所述的分析半导体产品的基准良率值的方法，其特征在于，所述第二正常数为正整数。

11.如权利要求10所述的分析半导体产品的基准良率值的方法，其特征在于，所述第二正常数为3。

Images