CN113448787B - 晶圆异常分析的方法、装置、电子设备及可读存储介质 - Google Patents
晶圆异常分析的方法、装置、电子设备及可读存储介质 Download PDFInfo
- Publication number
- CN113448787B CN113448787B CN202110726067.3A CN202110726067A CN113448787B CN 113448787 B CN113448787 B CN 113448787B CN 202110726067 A CN202110726067 A CN 202110726067A CN 113448787 B CN113448787 B CN 113448787B
- Authority
- CN
- China
- Prior art keywords
- target
- wafer
- abnormal
- configuration information
- determining
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/22—Detection or location of defective computer hardware by testing during standby operation or during idle time, e.g. start-up testing
- G06F11/2289—Detection or location of defective computer hardware by testing during standby operation or during idle time, e.g. start-up testing by configuration test
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/22—Detection or location of defective computer hardware by testing during standby operation or during idle time, e.g. start-up testing
- G06F11/2273—Test methods
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Testing Or Measuring Of Semiconductors Or The Like (AREA)
Abstract
本申请属于半导体技术领域,公开了晶圆异常分析的方法、装置、电子设备及可读存储介质,该方法包括,获取目标晶圆的目标测试数据;根据目标测试数据,确定诊断配置信息;基于诊断配置信息以及目标测试数据,对目标晶圆进行诊断分析,获得目标晶圆中的候选异常点的异常评估得分;根据候选异常点的异常评估得分,确定目标晶圆的异常分析结果。这样,根据目标晶圆的目标测试数据,设置诊断配置信息,并通过诊断配置信息对目标晶圆进行诊断分析,对诊断分析的条件和方向进行了约束,减少了晶圆异常分析耗费的时间成本,提高了晶圆异常分析精确度。
Description
技术领域
本申请涉及半导体技术领域,具体而言,涉及晶圆异常分析的方法、装置、电子设备及可读存储介质。
背景技术
现有技术下,通常通过扫描(SCAN)诊断等测试工具,对晶圆进行测试,获得测试数据,并通过测试数据,对晶圆进行诊断分析,获得不合格晶圆的异常原因。
但是,由于测试数据的数据量较大,需要诊断分析的项目也较多,因此,这会耗费大量的时间成本,且晶圆异常分析的精确度较低。
发明内容
本申请实施例的目的在于提供晶圆异常分析的方法、装置、电子设备及可读存储介质,用以在对晶圆进行诊断分析时,减少耗费的时间成本,以及提高晶圆异常分析的精确度。
一方面,提供一种晶圆异常分析的方法,包括:
获取目标晶圆的目标测试数据;
根据目标测试数据,确定诊断配置信息;
基于诊断配置信息以及目标测试数据,对目标晶圆进行诊断分析,获得目标晶圆中的候选异常点的异常评估得分;
根据候选异常点的异常评估得分,确定目标晶圆的异常分析结果。
在上述实施过程中,根据目标晶圆的目标测试数据,设置诊断配置信息,从而通过诊断配置信息,对异常分析的条件和方向进行了约束,减少了晶圆异常分析耗费的时间成本,提高了晶圆异常分析精确度。
一种实施方式中,获取目标晶圆的目标测试数据,包括:
采用多个初始测试参数组合,分别对目标晶圆进行晶圆测试,获得分别基于每一初始测试参数组合测试输出的初始测试数据,其中,初始测试数据中包含目标晶圆中的异常芯片数量;
根据各初始测试参数组合对应的初始测试数据,确定目标晶圆的晶圆良率;
若确定晶圆良率低于预设良率阈值,则分别根据每一初始测试参数组合对应的异常芯片数量,对各初始测试参数组合进行筛选,获得筛选出的多个目标测试参数组合;
将多个目标测试参数组合对应的初始测试数据,确定为目标晶圆的目标测试数据。
在上述实施过程中,对初始测试数据进行了筛选,减少了后续诊断分析的数据处理量,进而提高了诊断分析效率。
一种实施方式中,分别根据每一初始测试参数组合对应的异常芯片数量,对各初始测试参数组合进行筛选,获得筛选出的多个目标测试参数组合,包括:
根据各初始测试参数组合对应的异常芯片数量,以及各异常芯片数量的和,分别确定每一初始测试参数组合的异常芯片占比;
从各异常芯片占比中,筛选出符合预设异常芯片占比范围的目标异常芯片占比,其中,预设异常芯片占比范围是根据指定历史时间段内测试的多个晶圆的异常芯片占比确定的;
将目标异常芯片占比对应的初始测试参数组合,确定为目标测试参数组合。
在上述实施过程中,根据异常芯片数量,进行数据筛选,获得有效的目标测试数据。
一种实施方式中,根据目标测试数据,确定诊断配置信息,包括:
从目标测试数据中,获取各目标测试参数组合对应的异常芯片数量;
根据目标晶圆的各目标测试参数组合对应的异常芯片数量,确定第一配置信息;
根据目标测试数据,确定目标晶圆中的异常芯片区域;
根据异常芯片区域,确定第二配置信息;
根据第一配置信息和第二配置信息,确定诊断配置信息。
在上述实施过程中,根据异常芯片数量以及异常芯片区域,设置诊断配置信息,从而可以对后续的诊断分析方向进行约束。
一种实施方式中,根据目标晶圆的各目标测试参数组合对应的异常芯片数量,确定第一配置信息,包括:
根据各目标测试参数组合对应的异常芯片数量,分别确定每一目标测试参数组合对应的异常芯片占比;
分别计算各目标测试参数组合中每两个目标测试参数组合对应的异常芯片占比之间的差值;
筛选出符合预设配置范围的差值;
从筛选出的差值对应的两个目标测试参数组合的参数中,筛选出对应的参数值不同的目标参数;
根据筛选出的目标参数,确定第一配置信息。
在上述实施过程中,根据不同异常芯片占比之间的差值,确定用于约束诊断分析方向的目标参数。
一种实施方式中,还包括:
获取晶圆良率低于预设良率阈值的多个晶圆的晶圆批次和晶圆序号中的至少一个;
根据晶圆批次和晶圆序号中的至少一个,对诊断配置信息进行更新,获得更新后的诊断配置信息。
在上述实施过程中,根据多个不合格晶圆的晶圆批次和晶圆序号,设置诊断配置信息。
一种实施方式中,基于诊断配置信息以及目标测试数据,对目标晶圆进行诊断分析,获得目标晶圆中的候选异常点的异常评估得分,包括:
根据目标测试数据,获取分别基于每一目标测试参数组合进行测试输出的异常芯片区域;
分别确定每一异常芯片区域与失效芯片区域样本之间的匹配度;
根据各匹配度,分别确定每一异常芯片区域对应的目标测试参数组合的诊断优先级;
按照确定出的目标测试参数组合的诊断优先级由高到低的顺序,采用诊断配置信息,分别对每一目标测试参数组合对应的目标测试数据进行分析,获得目标晶圆中的候选异常点的异常评估得分。
在上述实施过程中,确定各目标测试参数组合的诊断优先级,并按照诊断优先级进行诊断分析,提高了诊断结果的精确度。
一种实施方式中,根据候选异常点的异常评估得分,确定目标晶圆的异常分析结果,包括:
确定候选异常点的以下权重参数中的任意一种或任意组合:线上制程权重、电参数权重、采样点密度权重以及异常概率权重;
基于候选异常点的异常评估得分以及权重参数,获得目标评估得分;
根据候选异常点的目标评估得分,获得目标晶圆的异常分析结果。
一种实施方式中,线上制程权重是根据候选异常点的线上制程信息与线上制程信息样本之间的一致性确定出的;
电参数权重是根据候选异常点的电参数与异常电参数样本之间的一致性确定出的;
采样点密度权重是根据目标晶圆中的采样点的密度确定的;
异常概率权重是根据多个晶圆的历史异常定位结果确定出的候选异常点的异常概率。
将线上制程、电参数、采样点以及历史异常定位结果,确定权重参数,以调整评估得分,从而将线上制程、电参数、采样点以及历史异常定位结果反馈反馈到目标评估得分。
一方面,提供一种晶圆异常分析的装置,包括:
获取单元,用于获取目标晶圆的目标测试数据;
诊断配置信息确定单元,用于根据目标测试数据,确定诊断配置信息;
分析单元,用于基于诊断配置信息以及目标测试数据,对目标晶圆进行诊断分析,获得目标晶圆中的候选异常点的异常评估得分;
异常分析结果确定单元,用于根据候选异常点的异常评估得分,确定目标晶圆的异常分析结果。
一种实施方式中,获取单元用于:
采用多个初始测试参数组合,分别对目标晶圆进行晶圆测试,获得分别基于每一初始测试参数组合测试输出的初始测试数据,其中,初始测试数据中包含目标晶圆中的异常芯片数量;
根据各初始测试参数组合对应的初始测试数据,确定目标晶圆的晶圆良率;
若确定晶圆良率低于预设良率阈值,则分别根据每一初始测试参数组合对应的异常芯片数量,对各初始测试参数组合进行筛选,获得筛选出的多个目标测试参数组合;
将多个目标测试参数组合对应的初始测试数据,确定为目标晶圆的目标测试数据。
一种实施方式中,获取单元用于:
根据各初始测试参数组合对应的异常芯片数量,以及各异常芯片数量的和,分别确定每一初始测试参数组合的异常芯片占比;
从各异常芯片占比中,筛选出符合预设异常芯片占比范围的目标异常芯片占比,其中,预设异常芯片占比范围是根据指定历史时间段内测试的多个晶圆的异常芯片占比确定的;
将目标异常芯片占比对应的初始测试参数组合,确定为目标测试参数组合。
一种实施方式中,诊断配置信息确定单元用于:
从目标测试数据中,获取各目标测试参数组合对应的异常芯片数量;
根据目标晶圆的各目标测试参数组合对应的异常芯片数量,确定第一配置信息;
根据目标测试数据,确定目标晶圆中的异常芯片区域;
根据异常芯片区域,确定第二配置信息;
根据第一配置信息和第二配置信息,确定诊断配置信息。
一种实施方式中,诊断配置信息确定单元用于:
根据各目标测试参数组合对应的异常芯片数量,分别确定每一目标测试参数组合对应的异常芯片占比;
分别计算各目标测试参数组合中每两个目标测试参数组合对应的异常芯片占比之间的差值;
筛选出符合预设配置范围的差值;
从筛选出的差值对应的两个目标测试参数组合的参数中,筛选出对应的参数值不同的目标参数;
根据筛选出的目标参数,确定第一配置信息。
一种实施方式中,诊断配置信息确定单元还用于:
获取晶圆良率低于预设良率阈值的多个晶圆的晶圆批次和晶圆序号中的至少一个;
根据晶圆批次和晶圆序号中的至少一个,对诊断配置信息进行更新,获得更新后的诊断配置信息。
一种实施方式中,分析单元用于:
根据目标测试数据,获取分别基于每一目标测试参数组合进行测试输出的异常芯片区域;
分别确定每一异常芯片区域与失效芯片区域样本之间的匹配度;
根据各匹配度,分别确定每一异常芯片区域对应的目标测试参数组合的诊断优先级;
按照确定出的目标测试参数组合的诊断优先级由高到低的顺序,采用诊断配置信息,分别对每一目标测试参数组合对应的目标测试数据进行分析,获得目标晶圆中的候选异常点的异常评估得分。
一种实施方式中,异常分析结果确定单元用于:
确定候选异常点的以下权重参数中的任意一种或任意组合:线上制程权重、电参数权重、采样点密度权重以及异常概率权重;
基于候选异常点的异常评估得分以及权重参数,获得目标评估得分;
根据候选异常点的目标评估得分,获得目标晶圆的异常分析结果。
一种实施方式中,线上制程权重是根据候选异常点的线上制程信息与线上制程信息样本之间的一致性确定出的;
电参数权重是根据候选异常点的电参数与异常电参数样本之间的一致性确定出的;
采样点密度权重是根据目标晶圆中的采样点的密度确定的;
异常概率权重是根据多个晶圆的历史异常定位结果确定出的候选异常点的异常概率。
一方面,提供了一种电子设备,包括处理器以及存储器,存储器存储有计算机可读取指令,当计算机可读取指令由处理器执行时,运行如上述任一种晶圆异常分析的各种可选实现方式中提供的方法的步骤。
一方面,提供了一种可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时运行如上述任一种晶圆异常分析的各种可选实现方式中提供的方法的步骤。
一方面,提供了一种计算机程序产品,计算机程序产品在计算机上运行时,使得计算机执行如上述任一种晶圆异常分析的各种可选实现方式中提供的方法的步骤。
本申请实施例提供的晶圆异常分析的方法、装置、电子设备及可读存储介质中,获取目标晶圆的目标测试数据;根据目标测试数据,确定诊断配置信息;基于诊断配置信息以及目标测试数据,对目标晶圆进行诊断分析,获得目标晶圆中的候选异常点的异常评估得分;根据候选异常点的异常评估得分,确定目标晶圆的异常分析结果。这样,根据目标晶圆的目标测试数据,设置诊断配置信息,从而通过诊断配置信息,对异常分析的条件和方向进行了约束,减少了晶圆异常分析耗费的时间成本,提高了晶圆异常分析精确度。
本申请的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本申请而了解。本申请的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对本申请实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1为本申请实施例提供的一种晶圆异常分析的方法的实施流程图;
图2为本申请实施例提供的一种异常芯片占比示意图;
图3为本申请实施例提供的一种异常芯片区域的示意图;
图4为本申请实施例提供的一种电压对照示例图;
图5为本申请实施例提供的一种频率对照示例图;
图6为本申请实施例提供的一种晶圆采样点分布的示例图;
图7为本申请实施例提供的一种晶圆异常分析系统的架构示意图;
图8为本申请实施例提供的一种晶圆异常分析的方法的详细实施流程图;
图9为本申请实施例提供的一种确定目标测试参数组合的诊断优先级的方法的实施流程图;
图10为本申请实施例提供的一种诊断配置信息确定的方法的实施流程图;
图11为本申请实施例提供的一种异常分析结果确定的方法的实施流程图;
图12为本申请实施例提供的一种晶圆异常分析的装置的结构框图;
图13为本申请实施方式中一种电子设备的结构示意图。
具体实施方式
下面将结合本申请实施例中附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。同时,在本申请的描述中,术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
首先对本申请实施例中涉及的部分用语进行说明,以便于本领域技术人员理解。
终端设备:可以是移动终端、固定终端或便携式终端,例如移动手机、站点、单元、设备、多媒体计算机、多媒体平板、互联网节点、通信器、台式计算机、膝上型计算机、笔记本计算机、上网本计算机、平板计算机、个人通信系统设备、个人导航设备、个人数字助理、音频/视频播放器、数码相机/摄像机、定位设备、电视接收器、无线电广播接收器、电子书设备、游戏设备或者其任意组合,包括这些设备的配件和外设或者其任意组合。还可预见到的是,终端设备能够支持任意类型的针对用户的接口(例如可穿戴设备)等。
服务器:可以是独立的物理服务器,也可以是多个物理服务器构成的服务器集群或者分布式系统,还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务以及大数据和人工智能平台等基础云计算服务的云服务器。
集成电路自动测试机(Automatic Test Equipment,ATE):用于对电子元件进行失效分析。
电气故障分析(Electrical Failure Analysis,EFA)采用电学,非破坏性的技术手段分析电路中潜在的缺陷或失效,并提供定位支持。
硅片验收测试(Wafer Acceptance Test,WAT):对专门的测试图形进行测试,获得电参数来判断制程是否异常。
芯片测试(Wafer Sort,WS):依据测试结果对芯片进行良或好的筛选,乃至性能分类。
SCAN诊断:利用在设计时预留的众多寄存器,形成有效链路,通过测试时输入不同类型的目标测试参数组合(scan pattern),分析出潜在的链路问题。其中,scan pattern中可以包含多个参数的参数值,如,电压值以及频率等,不同scan pattern中至少存在一个参数值不同。
物理失效分析(Physical Failure Analysis,PFA):一般泛指破坏性的失效分析手段,主要是做物理,材料方面的分析。
电子设计自动化(Electronics Design Automation,EDA):主要指用于芯片以及电子电路等设计的辅助软件。
为了在对晶圆进行诊断分析时,可以减少晶圆异常分析耗费的时间成本,提高晶圆异常分析的精确度,本申请实施例提供了晶圆异常分析的方法、装置、电子设备及可读存储介质。
本申请实施例中,执行主体可以为用于晶圆异常分析的电子设备,可选的,电子设备可以为服务器、也可以为终端设备,在此不作限制。
参阅图1所示,为本申请实施例提供的一种晶圆异常分析的方法的实施流程图,该方法的具体实施流程如下:
步骤100:获取目标晶圆的目标测试数据。
具体的,执行步骤100时,可以采用以下步骤:
S1001:采用多个初始测试参数组合,分别对目标晶圆进行晶圆测试,获得分别基于每一初始测试参数组合测试输出的初始测试数据。
具体的,获取多个初始测试组合,分别针对多个初始测试参数组合中的每一初始测试参数组合,执行以下步骤:
通过测试工具,采用第一初始测试参数组合,对目标晶圆进行晶圆测试,输出初始测试数据。
也就是说,将第一初始测试参数组合输入至目标晶圆,获取输出的初始测试数据。
其中,第一初始测试参数组合为上述多个初始测试参数组合中的任意一个初始测试参数组合。初始测试参数组合中包含多个参数的参数值,可选的,初始测试参数组合可以为测试向量(scan pattern),如,初始测试参数组合中包含电压=0.14v以及温度=20摄氏度等。初始测试数据中至少包括目标晶圆中的异常芯片数量。
一种实施方式中,分别向目标晶圆输入不同类型的scan pattern,获得分别采用每一scan pattern进行测试后输出的初始测试数据。
需要说明的是,一个晶圆中通常包含多个芯片,在对晶圆进行测试时,晶圆中可能存在一个或多个异常的芯片,采用不同的初始测试参数组合,对目标晶圆进行不同的测试时,通常会获得不同的初始测试数据,且不同初始测试数据中的异常芯片数量通常不同。也就是说,对目标晶圆进行不同的测试时,发生异常的芯片可能不同。则分别统计采用每一初始测试参数组合对目标晶圆进行测试时确定出的目标晶圆中的异常芯片的数量,获得异常芯片数量。
可选的,测试工具可以为ATE,ATE中可以设置有WS测试方式和SCAN诊断方式,即可以通过ATE启用WS测试方式和SCAN诊断方式,对目标晶圆进行测试。
实际应用中,测试工具以及测试方式,均可以根据实际应用场景进行设置,在此不作限制。
这是由于设计晶圆时,在晶圆中预留了多个寄存器,从而可以通过预留的寄存器,形成有效链路。这样,在进行测试时,可以向晶圆的输入管脚输入一系列的输入时序即初始测试参数组合,并获取晶圆的输出管脚输出的输出时序,从而可以根据输入时序和输出时序之间的比较结果,获得包含晶圆的链路问题的初始测试数据。
S1002:根据各初始测试参数组合对应的初始测试数据,确定目标晶圆的晶圆良率。
具体的,晶圆良率用于表示晶圆的质量,可选的,晶圆良率可以根据晶圆中测试合格的芯片的第一数量,以及晶圆中的所有芯片的第二数量确定。
一种实施方式中,将指晶圆中测试合格的芯片的第一数量与晶圆中的所有芯片的第二数量之间的比值,确定为晶圆良率。
这样,就可以通过晶圆测试,确定目标晶圆的质量,进而可以根据目标晶圆的质量,判定目标晶圆是否合格,即是否符合晶圆标准。
S1003:若确定晶圆良率低于预设良率阈值,则分别根据每一初始测试参数组合对应的异常芯片数量,对各初始测试参数组合进行筛选,获得筛选出的多个目标测试参数组合。
具体的,执行S1003时,可以采用以下步骤:
第一步:若确定晶圆良率低于预设良率阈值,则确定各异常芯片数量的和。
具体的,若确定晶圆良率低于预设良率阈值,则确定目标晶圆为不合格晶圆,并各异常芯片数量的和。
例如,预设良率阈值为0.75。
实际应用中,预设良率阈值可以根据实际应用场景进行设置,如,可以根据用户的实际需求或者经验设置,在此不作限制。
这样,就可以通过晶圆良率,判断目标晶圆是否合格,进而可以在后续的步骤中,确定不合格晶圆的异常和缺陷。
第二步:根据各初始测试参数组合对应的异常芯片数量,以及各异常芯片数量的和,分别确定每一初始测试参数组合的异常芯片占比。
一种实施方式中,分别针对各初始测试参数组合中的每一初始测试参数组合,执行以下步骤:
确定第一初始测试参数组合对应的异常芯片数量与各异常芯片数量的和之间的比值,获得异常芯片占比。
这样,就可以将采用不同初始测试参数组合进行测试时输出的异常芯片数量进行比较。
第三步:从各异常芯片占比中,筛选出符合预设异常芯片占比范围的目标异常芯片占比。
其中,预设异常芯片占比范围是根据指定历史时间段内测试的多个晶圆的异常芯片占比确定的。
实际应用中,指定历史时间段可以根据实际应用场景进行设置,如,最近的1天内,在此不作限制。
参阅图2所示,为一种异常芯片占比示意图,图2中,横坐标为晶圆的晶圆序号,纵坐标为晶圆的异常芯片占比,以及异常芯片占比的上限和下限。
可选的,预设异常芯片占比范围可以为(B-Δ,B,B+Δ)。B为异常芯片占比基线,是根据多个晶圆的异常芯片占比确定的。Δ为B的第一波动值,可以根据晶圆制程的成熟度确定,例如,Δ的取值范围可以为(1sigma,3sigma),在危险(risk)期,Δ可以设置为3sigma,在制程成熟期,Δ可以设置为1sigma。
这样,就可以对异常芯片占比进行筛选,获得存在异常的异常芯片占比。
第四步:将目标异常芯片占比对应的初始测试参数组合,确定为目标测试参数组合。
S1004:将多个目标测试参数组合对应的初始测试数据,确定为目标晶圆的目标测试数据。
这样,可以确定出在采用目标测试参数组合对目标晶圆进行测试时,目标晶圆显示异常的可能性较大,因此,对初始测试数据进行筛选,获得目标测试数据,即各目标测试参数组合对应的目标测试数据,从而可以在进行异常分析之前,对需要诊断分析的测试数据进行筛选,减少了后续异常分析的数据处理量,提高了异常分析的准确度,以及减少了耗费的是时间成本。
步骤101:根据目标测试数据,确定诊断配置信息。
具体的,执行步骤101时,可以采用以下方式中的任意一种或组合:
方式1:根据各目标测试参数组合对应的异常芯片数量,确定第一配置信息,并将第一配置信息,确定为诊断配置信息。
方式2:根据目标测试数据,确定目标晶圆中的异常芯片区域,并根据异常芯片区域,确定第二配置信息,以及将第二配置信息,确定为诊断配置信息。
可选的,异常芯片区域可以是根据目标测试数据中晶圆测试图形数据(WS WaferMap)确定的。
例如,异常芯片区域为目标晶圆的中心区域(center),指定特殊区域(specialarea),列(Column)以及排(Row)等。
例如,参阅图3所示,为一种异常芯片区域的示意图。图3中包含晶圆a、晶圆b、晶圆c和晶圆d。晶圆a和晶圆b中的异常芯片区域为晶圆底部区域,晶圆c和晶圆d中的异常芯片区域为晶圆左侧区域。
需要说明的是,图3仅用于说明晶圆中存在异常芯片区域,若图3中存在不清晰的线条,并不影响本申请说明书的清楚性。
方式3:将上述第一配置信息和上述第二配置信息,确定为诊断配置信息。
其中,执行方式1时,可以采用以下步骤:
S1011:根据各目标测试参数组合对应的异常芯片数量,分别确定每一目标测试参数组合对应的异常芯片占比。
S1012:分别计算各目标测试参数组合中每两个目标测试参数组合对应的异常芯片占比之间的差值。
具体的,分别针对各目标测试参数组合中的每两个目标测试参数组合,执行以下步骤:
确定第一目标测试参数组合的异常芯片占比与第二目标测试参数组合的异常芯片占比之间的差值。
其中,第一目标测试参数组合和第二目标测试参数组合不同,且均为各目标测试参数组合中的任意目标测试参数组合。
S1013:筛选出符合预设配置范围的差值。
具体的,预设配置范围可以是根据指定历史时间段内测试的多个晶圆的异常芯片占比确定的,也可以是按照经验自定义设置的,在此不作限制。
例如,预设配置范围可以为高于(A+K),其中,A是根据各晶圆的测试数据确定的差值基线,K为A的第二波动值。可选的,K的取值范围可以为(2%,6%)。
S1014:从筛选出的差值对应的两个目标测试参数组合的参数中,筛选出对应的参数值不同的目标参数。
具体的,分别针对每两个目标测试参数组合,可以采用以下任意方式;
方式1:将第一目标测试参数组合中的各参数值,分别与第二目标测试参数组合中的相应参数值进行比较,获得参数值不一致的目标参数。
方式2:将第一目标测试参数组合中的各参数值,分别与第二目标测试参数组合中的相应参数值进行比较,若获得的参数值不一致的参数为一个,则将获得的参数,确定为目标参数。
其中,第一目标测试参数组合和第二目标测试参数组合不同,且均为各目标测试参数组合中的任意目标测试参数组合。
例如,第一目标测试参数组合包含的参数值依次为:电压=0.1v,温度=16摄氏度。第二目标测试参数组合包含的参数值依次为:电压=0.2v,温度=16摄氏度。则第一目标测试参数组合和第二目标测试参数组合中的电压值不同,目标参数为电压。
又例如,参阅图4所示,为一种电压对照示例图。目标参数为电压,横坐标为电压值,纵坐标为目标测试参数组合对应的异常芯片占比。图4中,第一目标测试参数组合中的电压为最小电压值,第二目标测试参数组合中的电压为最大电压值。
又例如,参阅图5所示,为一种频率对照示例图。目标参数为频率,横坐标为频率,纵坐标为目标测试参数组合对应的异常芯片占比。图5中,第一目标测试参数组合中的频率为80M,第二目标测试参数组合中的频率为170M。
这样,就可以采用仅改变一个目标参数的参数值,设置用于对照的目标测试参数组合进行晶圆测试,若两者的异常芯片占比之间的差值较大,则说明该目标参数为影响晶圆异常的重要因素。
S1015:根据筛选出的目标参数,确定第一配置信息,并将第一配置信息,确定为诊断配置信息。
这样,就可以根据确定出的目标参数以及晶圆中的异常芯片区域中的至少一种,设置诊断配置信息,从而对诊断分析工具的诊断功能进行选择,约束诊断分析的方向和条件。
进一步的,实际应用场景中,通常对多批晶圆同时进行测试,不合格的晶圆批次有时会一致,以及不合格晶圆的晶圆序号通常存在一定的规律,因此,若测试的目标晶圆的数量为多个,则还可以根据晶圆批次和晶圆序号中的至少一个,对诊断配置信息进行更新,获得更新后的诊断配置信息。
例如,在对多个批次的晶圆进行测试时,确定每间隔5批的一批晶圆会为不合格晶圆,且序号每间隔10的晶圆会为不合格晶圆。
一种实施方式中,对包含目标晶圆的多个晶圆进行测试,获取晶圆良率低于预设良率阈值的多个晶圆的晶圆批次和晶圆序号中的至少一个,并根据晶圆批次和晶圆序号中的至少一个,对目标晶圆的诊断配置信息进行更新,获得更新后的诊断配置信息。
这样,就可以通过目标参数、晶圆中的异常芯片区域、晶圆批次以及晶圆序号中的至少一个,配置诊断配置信息。
进一步的,上述各诊断配置信息可以存储于同一数据库,也可以存储于不同数据库,在此不作限制。
这样,就可以根据自动设置并存储诊断配置信息。
步骤102:基于诊断配置信息以及目标测试数据,对目标晶圆进行诊断分析,获得目标晶圆中的候选异常点的异常评估得分。
具体的,执行步骤102时,可以采用以下步骤:
S1021:根据目标测试数据,获取分别基于每一目标测试参数组合进行测试输出的异常芯片区域。
具体的,分别针对每一目标测试参数组合,执行以下步骤:
从第一目标测试参数组合对应的目标测试数据中,获取采用第一目标测试参数组合对目标晶圆进行测试时,输出的目标晶圆中的异常芯片区域。
例如,异常芯片区域为目标晶圆中的中心区域。
S1022:分别确定每一异常芯片区域与失效芯片区域样本之间的匹配度。
具体的,失效芯片区域样本为实际的存在故障的芯片区域样本。
S1023:根据各匹配度,分别确定每一异常芯片区域对应的目标测试参数组合的诊断优先级。
需要说明的是,诊断优先级越高,则说明异常芯片区域异常的可能性越大。
S1024:按照确定出的目标测试参数组合的诊断优先级由高到低的顺序,采用诊断配置信息,分别对每一目标测试参数组合对应的目标测试数据进行分析,获得目标晶圆中的候选异常点的异常评估得分。
具体的,采用诊断配置信息对测试工具进行配置。测试工具根据配置好的诊断配置信息,按照诊断优先级由高到低的顺序,依次对每一目标测试参数组合对应的目标测试数据进行诊断分析,获得目标晶圆中的候选异常点,以及候选异常点的异常评估得分。
其中,候选异常点可以为一个,也可以为多个,在此不作限制。
进一步的,还可以建立候选异常点组成的候选异常点列表(candidate list)。
进一步的,还可以分别获得候选异常点的属性信息。
可选的,属性信息可以包括以下参数中的任意一种或任意组合:候选异常点的位置、候选异常点的失效类型以及候选异常点的大小,也可以为其它参数,在此不作限制。
例如,参阅图6所示,为一种晶圆采样点分布的示例图。图6中,空心圆圈为晶圆中的采样点,通过图6中的坐标轴,可以看出晶圆中采样点的分布以及坐标。
需要说明的是,图6仅用于说明晶圆中存在多个采样点,若图6中存在不清晰的线条,并不影响本申请说明书的清楚性。
进一步的,还可以不对诊断优先级低的目标测试参数组合对应的目标测试数据进行诊断分析,以提高诊断分析效率。
这样,就可以通过诊断配置信息,约束晶圆诊断分析(如,EFA分析)的方向以及条件,以及通过诊断优先级调整诊断分析的顺序,提高了诊断分析的效率以及准确度。
步骤103:根据候选异常点的异常评估得分,确定目标晶圆的异常分析结果。
具体的,执行步骤103时,可以采用以下步骤:
S1031:确定候选异常点的以下权重参数中的任意一种或任意组合:线上制程权重、电参数权重、采样点密度权重以及异常概率权重。
其中,线上制程权重是根据候选异常点的线上制程信息与线上制程信息样本之间的一致性确定出的。电参数权重是根据候选异常点的电参数与异常电参数样本之间的一致性确定出的。采样点密度权重是根据目标晶圆中的采样点的密度确定的。异常概率权重是根据多个晶圆的历史异常定位结果确定出的候选异常点的异常概率。
本申请实施例中,仅以一个候选异常点为例进行说明,实际应用中,可以采用与上述确定候选异常点的权重参数相似的原理,确定其它候选异常点的权重参数,在此不做赘述。
一种实施方式中,确定候选异常点的线上制程权重时,可以采用以下步骤:
确定候选异常点的线上制程信息和线上制程信息样本之间的第一匹配度,并根据确定出的第一匹配度,确定线上制程权重。
可选的,线上制程信息可以为目标晶圆的版图设计层次(MASK),也可以为其它制程信息,在此不作限制。线上制程信息样本可以为合格的目标晶圆的线上制程信息。
这样,就可以根据线上制程(process)信息,确定候选异常点的线上制程权重,从而可以将晶圆厂商的线上制程信息反馈到候选异常点的异常评估中。
一种实施方式中,确定一个候选异常点的电参数权重时,可以采用以下步骤:
根据一个候选异常点的WAT数据,确定一个候选异常点的电参数与异常电参数样本之间的第二匹配度,并根据确定出的第二匹配度,确定电参数权重。
实际应用中,异常电参数样本可以根据实际应用场景进行设置,在此不作限制。
例如,异常电参数样本为实际异常点的电参数,异常电参数样本取值范围可以为(1sigma,3sigma)。
需要说明的是,第二匹配度越高,则说明候选异常点的电参数异常的概率越大,则电参数权重越大。
这样,就可以根据电参数设置电参数权重,从而将WAT数据反馈到候选异常点的异常评估中。
一种实施方式中,确定候选异常点的采样点密度权重时,可以采用以下步骤:
根据目标晶圆的WAT采样点数据,确定采样点密度,并根据采样点密度确定候选异常点的采样点密度权重。
例如,目标晶圆中,设置有13个采样点。
这样,就可以WAT采样点数据,设置采样点密度权重,从而将WAT采样点数据反馈到候选异常点的异常评估中。
一种实施方式中,确定候选异常点的异常概率权重时,可以采用以下步骤:
根据指定历史时间段内测试的多个晶圆的历史异常定位结果,确定候选异常点的异常概率,并根据该异常概率,确定该候选异常点的异常概率权重。
这样,就可以将晶圆的历史异常定位结果,反馈到候选异常点的异常评估中。
实际应用中,候选异常点的权重参数,也可以包含其它参数,在此不作限制。
S1032:基于候选异常点的异常评估得分以及权重参数,获得目标评估得分。
一种实施方式中,确定异常评估得分时,可以采用以下公式:
Q=Qraw(1+α+β*γ);
其中,Q为目标评估得分,Qraw为异常评估得分,α为线上制程权重,β为电参数权重以及γ为采样点密度权重。
实际应用中,可以根据上述权重参数中的任意一种或任意组合,对候选异常点的异常评估得分进行调整,获得候选异常点的目标评估得分,在此不做赘述。
需要说明的是,目标评估得分的分值越高,候选异常点异常的可能性就越大。
这样,就可以采用上述诊断分析方式即PFA分析方式,对候选异常点进行分析,确定各候选异常点的目标评估得分。
S1033:根据候选异常点的目标评估得分,获得目标晶圆的异常分析结果。
具体的,根据候选异常点的目标评估得分,判断候选异常点是否为目标异常点,若是,则根据目标异常点,获得目标晶圆的异常分析结果。
其中,判断候选异常点是否为目标异常点时,可以采用以下方式中的任意一种或组合:
方式1:若确定目标评估得分高于预设评估阈值,则确定候选异常点,为目标异常点,否则,确定候选异常点,不是目标异常点。
实际应用中,预设评估阈值可以根据实际应用场景进行设置,如,预设评估阈值可以为8,在此不作限制。
方式2:若候选异常点为多个,则按照目标评估得分由高到低的顺序,从各候选异常点中筛选出指定数量的候选异常点,并将筛选出的候选异常点,确定为目标异常点。
其中,筛选出的候选异常点的目标评估得分均高于未被筛选出的候选异常点的目标评估得分。
可选的,指定数量可以为预先设置或实时设置的固定值,如,5,也可以为根据候选异常点的数量确定的,例如,指定数量为候选异常点的数量的一半。
实际应用中,指定数量也可以采用其它方式设置,在此不作限制。
方式3:若候选异常点为多个,则筛选出目标评估得分高于预设评估阈值的候选异常点,并按照目标评估得分由高到低的顺序,从筛选出的多个候选异常点中,筛选出指定数量的候选异常点,并将筛选出的候选异常点,确定为目标异常点。
其中,目标晶圆的异常分析结果至少包括:目标异常点的属性信息以及异常故障原因。属性信息,如,目标异常点的位置,失效类型以及大小等。其中,目标异常点的属性信息和异常故障原因,是基于对目标异常点进行诊断分析以及权重参数获得的。
实际应用中,异常分析结果还可以根据实际应用场景进行设置,在此不作限制。
这样,就可以进行异常定位以及输出具体的异常原因。
参阅图7所示,为本申请实施例提供的一种晶圆异常分析系统的架构示意图。结合上述实施例,对图7中的一种晶圆异常分析系统的架构进行具体说明。晶圆异常分析系统包括数据采集模块、数据筛选模块、数据诊断分析模块、诊断配置信息模块、异常点确定模块以及结果显示模块。
参阅图8所示,为本申请实施例提供的一种晶圆异常分析的方法的详细实施流程图,结合图7所示,该方法的具体实施流程如下:
步骤800:数据采集模块获取目标晶圆的初始测试数据。
步骤801:数据筛选模块对目标晶圆的初始测试数据进行筛选,获得目标晶圆的目标测试数据。
步骤802:诊断配置信息模块根据目标测试数据,确定诊断配置信息。
步骤803:数据诊断分析模块基于诊断配置信息,对目标测试数据进行诊断分析,确定目标晶圆中的候选异常点的异常评估得分。
步骤804:异常点确定模块根据候选异常点的异常评估得分和权重参数,获得目标评估得分。
步骤805:若根据候选异常点的目标评估得分,确定候选异常点为目标异常点,则异常点确定模块根据目标异常点,确定异常分析结果。
步骤806:结果显示模块显示异常分析结果。
具体的,执行步骤800-步骤805时,具体步骤参见上述步骤100-步骤103,在此不做赘述。
下面采用一个具体的实施例,对上述实施例中,目标测试参数组合的诊断优先级确定方法进行进一步详细说明。参阅图9所示,为本申请实施例提供的一种确定目标测试参数组合的诊断优先级的方法的实施流程图,该方法的具体实施流程如下:
步骤900:获取目标晶圆的初始测试数据。
步骤901:对目标晶圆的初始测试数据进行筛选,获得目标晶圆的目标测试数据。
步骤902:根据目标晶圆的目标测试数据,确定目标测试参数组合对应的异常芯片区域与失效芯片区域样本之间的匹配度,并根据匹配度确定目标测试参数组合的诊断优先级。
步骤903:判断目标测试参数组合的诊断优先级是否为高优先级,若是,则执行步骤904,否则,执行步骤905。
步骤904:将目标测试参数组合添加到优先处理队列。
可选的,也可以将高优先级的目标测试参数组合添加到优先处理的集合以及数据库等,在此不作限制。
这样,就可以在后续异常分析的步骤中,对诊断优先级高的目标测试参数组合优先进行异常分析。
步骤905:将目标测试参数组合添加到非优先处理队列。
可选的,也可以将低优先级的目标测试参数组合添加到非优先处理的集合以及数据库等,在此不作限制。
进一步的,还可以将低优先级的目标测试参数组合不做诊断分析,即将低优先级的目标测试参数组合,判定为正常。
具体的,执行步骤900-步骤905时,具体步骤参见上述步骤100-步骤103,在此不做赘述。
这样,就可以在后续异常分析的步骤中,优先对诊断优先级高的目标测试参数组合优先进行异常分析。
下面采用一个具体的实施例,对上述实施例中,诊断配置信息确定的方法进行进一步详细说明。参阅图10所示,为本申请实施例提供的一种诊断配置信息确定的方法的实施流程图,该方法的具体实施流程如下:
步骤1000:获取目标晶圆的目标测试数据。
可选的,目标测试数据中可以包含WS测试数据。
步骤1001:根据目标晶圆的目标测试数据,确定各目标测试参数组合对应的异常芯片占比。
步骤1002:根据两两测试参数组合对应的异常芯片占比之间的差值,确定目标参数。
步骤1003:根据确定出的目标参数,确定第一配置信息,执行步骤1008。
步骤1004:获取目标晶圆的目标测试数据。
可选的,获取晶圆的WS Wafer Map数据。
步骤1005:根据目标晶圆的目标测试数据,确定目标晶圆的晶圆批次、晶圆序号和异常芯片区域。
步骤1006:根据各目标晶圆的异常芯片区域,确定第二配置信息。
步骤1007:根据目标晶圆的晶圆批次和晶圆序号,确定第三配置信息。
步骤1008:根据第一配置信息、第二配置信息以及第三配置信息,确定诊断配置信息。
具体的,执行步骤1000-步骤1008时,具体步骤可以参见上述步骤100-步骤103,在此不作限制。
这样,就可以目标参数、晶圆批次、晶圆序号以及异常芯片区域,自定义诊断配置信息,从而可以在后续的步骤中,根据诊断配置信息进行晶圆异常分析,约束晶圆异常分析的方向和条件,提高晶圆异常分析的准确度,减少耗费的时间成本。
下面采用一个具体的实施例,对上述实施例中,异常分析结果确定的方法进行进一步详细说明。参阅图11所示,为本申请实施例提供的一种异常分析结果确定的方法的实施流程图,该方法的具体实施流程如下:
步骤1100:基于诊断配置信息,对测试数据进行诊断分析,确定目标晶圆中的候选异常点的异常评估得分。
步骤1101:确定候选异常点的线上制程信息和线上制程信息样本之间的第一匹配度,并根据该第一匹配度,确定线上制程权重。
步骤1102:确定候选异常点的电参数与异常电参数样本之间的第二匹配度,并根据第二匹配度,确定电参数权重。
步骤1103:根据目标晶圆的WAT采样点数据,确定采样点密度,并根据采样点密度确定候选异常点的采样点密度权重。
需要说明的是,步骤1101-步骤1103的执行顺序可以依次执行,也可以并行执行,还可以采用其它顺序执行,在此不作限制。
步骤1104:根据候选异常点的异常评估得分、线上制程权重、电参数权重以及采样点密度权重,确定目标评估得分。
步骤1105:根据候选异常点的目标评估得分,获得目标晶圆的异常分析结果。
具体的,执行步骤1100-步骤1105时,具体步骤可以参见上述步骤100-步骤103,在此不作限制。
这样,就可以将线上制程信息、WAT数据以及WAT采样点数据,反馈到异常评估过程中,进一步提高了目标异常点确定的准确性。
本申请实施例中,先对目标晶圆的初始测试数据进行筛选,获得目标晶圆的目标测试数据,减少了后续异常分析处理的数据量,提高了数据处理效率,再者,根据目标晶圆的目标测试数据,确定可能存在异常的目标参数、晶圆批次、晶圆序号以及异常芯片区域,并通过目标参数、晶圆批次、晶圆序号以及异常芯片区域设置诊断配置信息,以及根据诊断配置信息进行晶圆异常分析,约束了晶圆异常分析的条件和方向,避免了传统技术中多种条件尝试运行的方式造成的耗时以及误差较大的问题,提高了晶圆异常分析的准确度,减少了耗费的时间成本,进一步的,将线上制程信息、WAT数据以及WAT采样点数据,反馈到异常评估过程中,可以有针对性的对候选异常点进行异常评估,进一步提高了目标异常点确定的准确性。
基于同一发明构思,本申请实施例中还提供了一种晶圆异常分析的装置,由于上述装置及设备解决问题的原理与一种晶圆异常分析的方法相似,因此,上述装置的实施可以参见方法的实施,重复之处不再赘述。
如图12所示,其为本申请实施例提供的一种晶圆异常分析的装置的结构示意图,包括:
获取单元1201,用于获取目标晶圆的目标测试数据;
诊断配置信息确定单元1202,用于根据目标测试数据,确定诊断配置信息;
分析单元1203,用于基于诊断配置信息以及目标测试数据,对目标晶圆进行诊断分析,获得目标晶圆中的候选异常点的异常评估得分;
异常分析结果确定单元1204,用于根据候选异常点的异常评估得分,确定目标晶圆的异常分析结果。
一种实施方式中,获取单元1201用于:
采用多个初始测试参数组合,分别对目标晶圆进行晶圆测试,获得分别基于每一初始测试参数组合测试输出的初始测试数据,其中,初始测试数据中包含目标晶圆中的异常芯片数量;
根据各初始测试参数组合对应的初始测试数据,确定目标晶圆的晶圆良率;
若确定晶圆良率低于预设良率阈值,则分别根据每一初始测试参数组合对应的异常芯片数量,对各初始测试参数组合进行筛选,获得筛选出的多个目标测试参数组合;
将多个目标测试参数组合对应的初始测试数据,确定为目标晶圆的目标测试数据。
一种实施方式中,获取单元1201用于:
根据各初始测试参数组合对应的异常芯片数量,以及各异常芯片数量的和,分别确定每一初始测试参数组合的异常芯片占比;
从各异常芯片占比中,筛选出符合预设异常芯片占比范围的目标异常芯片占比,其中,预设异常芯片占比范围是根据指定历史时间段内测试的多个晶圆的异常芯片占比确定的;
将目标异常芯片占比对应的初始测试参数组合,确定为目标测试参数组合。
一种实施方式中,诊断配置信息确定单元1202用于:
从目标测试数据中,获取各目标测试参数组合对应的异常芯片数量;
根据目标晶圆的各目标测试参数组合对应的异常芯片数量,确定第一配置信息;
根据目标测试数据,确定目标晶圆中的异常芯片区域;
根据异常芯片区域,确定第二配置信息;
根据第一配置信息和第二配置信息,确定诊断配置信息。
一种实施方式中,诊断配置信息确定单元1202用于:
根据各目标测试参数组合对应的异常芯片数量,分别确定每一目标测试参数组合对应的异常芯片占比;
分别计算各目标测试参数组合中每两个目标测试参数组合对应的异常芯片占比之间的差值;
筛选出符合预设配置范围的差值;
从筛选出的差值对应的两个目标测试参数组合的参数中,筛选出对应的参数值不同的目标参数;
根据筛选出的目标参数,确定第一配置信息。
一种实施方式中,诊断配置信息确定单元1202还用于:
获取晶圆良率低于预设良率阈值的多个晶圆的晶圆批次和晶圆序号中的至少一个;
根据晶圆批次和晶圆序号中的至少一个,对诊断配置信息进行更新,获得更新后的诊断配置信息。
一种实施方式中,分析单元1203用于:
根据目标测试数据,获取分别基于每一目标测试参数组合进行测试输出的异常芯片区域;
分别确定每一异常芯片区域与失效芯片区域样本之间的匹配度;
根据各匹配度,分别确定每一异常芯片区域对应的目标测试参数组合的诊断优先级;
按照确定出的目标测试参数组合的诊断优先级由高到低的顺序,采用诊断配置信息,分别对每一目标测试参数组合对应的目标测试数据进行分析,获得目标晶圆中的候选异常点的异常评估得分。
一种实施方式中,异常分析结果确定单元1204用于:
确定候选异常点的以下权重参数中的任意一种或任意组合:线上制程权重、电参数权重、采样点密度权重以及异常概率权重;
基于候选异常点的异常评估得分以及权重参数,获得目标评估得分;
根据候选异常点的目标评估得分,获得目标晶圆的异常分析结果。
一种实施方式中,线上制程权重是根据候选异常点的线上制程信息与线上制程信息样本之间的一致性确定出的;
电参数权重是根据候选异常点的电参数与异常电参数样本之间的一致性确定出的;
采样点密度权重是根据目标晶圆中的采样点的密度确定的;
异常概率权重是根据多个晶圆的历史异常定位结果确定出的候选异常点的异常概率。
本申请实施例提供的晶圆异常分析的方法、装置、电子设备及可读存储介质中,获取目标晶圆的目标测试数据;根据目标测试数据,确定诊断配置信息;基于诊断配置信息以及目标测试数据,对目标晶圆进行诊断分析,获得目标晶圆中的候选异常点的异常评估得分;根据候选异常点的异常评估得分,确定目标晶圆的异常分析结果。这样,根据目标晶圆的目标测试数据,设置诊断配置信息,从而通过诊断配置信息,对异常分析的条件和方向进行了约束,减少了晶圆异常分析耗费的时间成本,提高了晶圆异常分析精确度。
图13示出了一种电子设备1300的结构示意图。参阅图13所示,电子设备1300包括:处理器1310、存储器1320、电源1330、显示单元1340、输入单元1350。
处理器1310是电子设备1300的控制中心,利用各种接口和线路连接各个部件,通过运行或执行存储在存储器1320内的软件程序和/或数据,执行电子设备1300的各种功能,从而对电子设备1300进行整体监控。
本申请实施例中,处理器1310调用存储器1320中存储的计算机程序时执行如图1中所示的实施例提供的晶圆异常分析的方法。
可选的,处理器1310可包括一个或多个处理单元;优选的,处理器1310可集成应用处理器和调制解调处理器,其中,应用处理器主要处理操作系统、用户界面和应用等,调制解调处理器主要处理无线通信。可以理解的是,上述调制解调处理器也可以不集成到处理器1310中。在一些实施例中,处理器、存储器、可以在单一芯片上实现,在一些实施例中,它们也可以在独立的芯片上分别实现。
存储器1320可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、各种应用等;存储数据区可存储根据电子设备1300的使用所创建的数据等。此外,存储器1320可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件等。
电子设备1300还包括给各个部件供电的电源1330(比如电池),电源可以通过电源管理系统与处理器1310逻辑相连,从而通过电源管理系统实现管理充电、放电、以及功耗等功能。
显示单元1340可用于显示由用户输入的信息或提供给用户的信息以及电子设备1300的各种菜单等,本发明实施例中主要用于显示电子设备1300中各应用的显示界面以及显示界面中显示的文本、图片等对象。显示单元1340可以包括显示面板1341。显示面板1341可以采用液晶显示屏(Liquid Crystal Display,LCD)、有机发光二极管(Organic Light-Emitting Diode,OLED)等形式来配置。
输入单元1350可用于接收用户输入的数字或字符等信息。输入单元1350可包括触控面板1351以及其他输入设备1352。其中,触控面板1351,也称为触摸屏,可收集用户在其上或附近的触摸操作(比如用户使用手指、触摸笔等任何适合的物体或附件在触控面板1351上或在触控面板1351附近的操作)。
具体的,触控面板1351可以检测用户的触摸操作,并检测触摸操作带来的信号,将这些信号转换成触点坐标,发送给处理器1310,并接收处理器1310发来的命令并加以执行。此外,可以采用电阻式、电容式、红外线以及表面声波等多种类型实现触控面板1351。其他输入设备1352可以包括但不限于物理键盘、功能键(比如音量控制按键、开关机按键等)、轨迹球、鼠标、操作杆等中的一种或多种。
当然,触控面板1351可覆盖显示面板1341,当触控面板1351检测到在其上或附近的触摸操作后,传送给处理器1310以确定触摸事件的类型,随后处理器1310根据触摸事件的类型在显示面板1341上提供相应的视觉输出。虽然在图13中,触控面板1351与显示面板1341是作为两个独立的部件来实现电子设备1300的输入和输出功能,但是在某些实施例中,可以将触控面板1351与显示面板1341集成而实现电子设备1300的输入和输出功能。
电子设备1300还可包括一个或多个传感器,例如压力传感器、重力加速度传感器、接近光传感器等。当然,根据具体应用中的需要,上述电子设备1300还可以包括摄像头等其它部件,由于这些部件不是本申请实施例中重点使用的部件,因此,在图13中没有示出,且不再详述。
本领域技术人员可以理解,图13仅仅是电子设备的举例,并不构成对电子设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件。
本申请实施例中,一种可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时,使得通信设备可以执行上述实施例中的各个步骤。
本申请还提供一种计算机程序产品,计算机程序产品在计算机上运行时,使得计算机执行方法实施例所述的方法。
为了描述的方便,以上各部分按照功能划分为各模块(或单元)分别描述。当然,在实施本申请时可以把各模块(或单元)的功能在同一个或多个软件或硬件中实现。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本申请的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例做出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。
显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样,倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内,则本申请也意图包含这些改动和变型在内。
Claims (12)
1.一种晶圆异常分析的方法,其特征在于,包括:
获取目标晶圆的目标测试数据;
根据所述目标测试数据,确定诊断配置信息;
基于所述诊断配置信息以及所述目标测试数据,对所述目标晶圆进行诊断分析,获得所述目标晶圆中的候选异常点的异常评估得分;
根据所述候选异常点的异常评估得分,确定所述目标晶圆的异常分析结果;
其中,所述根据所述目标测试数据,确定诊断配置信息,包括:从所述目标测试数据中,获取各目标测试参数组合对应的异常芯片数量;根据所述目标晶圆的各目标测试参数组合对应的异常芯片数量,确定第一配置信息;根据所述目标测试数据,确定所述目标晶圆中的异常芯片区域;根据所述异常芯片区域,确定第二配置信息;根据所述第一配置信息和所述第二配置信息,确定所述诊断配置信息。
2.如权利要求1所述的方法,其特征在于,所述获取目标晶圆的目标测试数据,包括:
采用多个初始测试参数组合,分别对所述目标晶圆进行晶圆测试,获得分别基于每一初始测试参数组合测试输出的初始测试数据,其中,所述初始测试数据中包含所述目标晶圆中的异常芯片数量;
根据各初始测试参数组合对应的初始测试数据,确定所述目标晶圆的晶圆良率;
若确定所述晶圆良率低于预设良率阈值,则分别根据每一初始测试参数组合对应的异常芯片数量,对各初始测试参数组合进行筛选,获得筛选出的多个目标测试参数组合;
将多个目标测试参数组合对应的初始测试数据,确定为所述目标晶圆的目标测试数据。
3.如权利要求2所述的方法,其特征在于,所述分别根据每一初始测试参数组合对应的异常芯片数量,对各初始测试参数组合进行筛选,获得筛选出的多个目标测试参数组合,包括:
根据各初始测试参数组合对应的异常芯片数量,以及各异常芯片数量的和,分别确定每一初始测试参数组合的异常芯片占比;
从各异常芯片占比中,筛选出符合预设异常芯片占比范围的目标异常芯片占比,其中,所述预设异常芯片占比范围是根据指定历史时间段内测试的多个晶圆的异常芯片占比确定的;
将所述目标异常芯片占比对应的初始测试参数组合,确定为所述目标测试参数组合。
4.如权利要求1所述的方法,其特征在于,所述根据所述目标晶圆的各目标测试参数组合对应的异常芯片数量,确定第一配置信息,包括:
根据各目标测试参数组合对应的异常芯片数量,分别确定每一目标测试参数组合对应的异常芯片占比;
分别计算各目标测试参数组合中每两个目标测试参数组合对应的异常芯片占比之间的差值;
筛选出符合预设配置范围的差值;
从筛选出的差值对应的两个目标测试参数组合的参数中,筛选出对应的参数值不同的目标参数;
根据筛选出的目标参数,确定所述第一配置信息。
5.如权利要求1-3任一项所述的方法,其特征在于,还包括:
获取晶圆良率低于预设良率阈值的多个晶圆的晶圆批次和晶圆序号中的至少一个;
根据所述晶圆批次和所述晶圆序号中的至少一个,对所述诊断配置信息进行更新,获得更新后的诊断配置信息。
6.如权利要求1-3任一项所述的方法,其特征在于,所述基于所述诊断配置信息以及所述目标测试数据,对所述目标晶圆进行诊断分析,获得所述目标晶圆中的候选异常点的异常评估得分,包括:
根据所述目标测试数据,获取分别基于每一目标测试参数组合进行测试输出的异常芯片区域;
分别确定每一异常芯片区域与失效芯片区域样本之间的匹配度;
根据各匹配度,分别确定每一异常芯片区域对应的目标测试参数组合的诊断优先级;
按照确定出的目标测试参数组合的诊断优先级由高到低的顺序,采用所述诊断配置信息,分别对每一目标测试参数组合对应的目标测试数据进行分析,获得所述目标晶圆中的候选异常点的异常评估得分。
7.如权利要求1-3任一项所述的方法,其特征在于,所述根据所述候选异常点的异常评估得分,确定所述目标晶圆的异常分析结果,包括:
确定所述候选异常点的以下权重参数中的任意一种或任意组合:线上制程权重、电参数权重、采样点密度权重以及异常概率权重;
基于所述候选异常点的异常评估得分以及所述权重参数,获得目标评估得分;
根据所述候选异常点的目标评估得分,获得所述目标晶圆的异常分析结果。
8.如权利要求7所述的方法,其特征在于,所述线上制程权重是根据所述候选异常点的线上制程信息与线上制程信息样本之间的一致性确定出的;
所述电参数权重是根据所述候选异常点的电参数与异常电参数样本之间的一致性确定出的;
所述采样点密度权重是根据所述目标晶圆中的采样点的密度确定的;
所述异常概率权重是根据多个晶圆的历史异常定位结果确定出的所述候选异常点的异常概率。
9.一种晶圆异常分析的装置,其特征在于,包括:
获取单元,用于获取目标晶圆的目标测试数据;
诊断配置信息确定单元,用于根据所述目标测试数据,确定诊断配置信息;
分析单元,用于基于所述诊断配置信息以及所述目标测试数据,对所述目标晶圆进行诊断分析,获得所述目标晶圆中的候选异常点的异常评估得分;
异常分析结果确定单元,用于根据所述候选异常点的异常评估得分,确定所述目标晶圆的异常分析结果;
所述诊断配置信息确定单元用于:从所述目标测试数据中,获取各目标测试参数组合对应的异常芯片数量;根据所述目标晶圆的各目标测试参数组合对应的异常芯片数量,确定第一配置信息;根据所述目标测试数据,确定所述目标晶圆中的异常芯片区域;根据所述异常芯片区域,确定第二配置信息;根据所述第一配置信息和所述第二配置信息,确定所述诊断配置信息。
10.如权利要求9所述的装置,其特征在于,所述获取单元用于:
采用多个初始测试参数组合,分别对所述目标晶圆进行晶圆测试,获得分别基于每一初始测试参数组合测试输出的初始测试数据,其中,所述初始测试数据中包含所述目标晶圆中的异常芯片数量;
根据各初始测试参数组合对应的初始测试数据,确定所述目标晶圆的晶圆良率;
若确定所述晶圆良率低于预设良率阈值,则分别根据每一初始测试参数组合对应的异常芯片数量,对各初始测试参数组合进行筛选,获得筛选出的多个目标测试参数组合;
将多个目标测试参数组合对应的初始测试数据,确定为所述目标晶圆的目标测试数据。
11.一种电子设备,其特征在于,包括处理器以及存储器,所述存储器存储有计算机可读取指令,当所述计算机可读取指令由所述处理器执行时,运行如权利要求1-8任一所述方法。
12.一种可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时运行如权利要求1-8任一所述方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110726067.3A CN113448787B (zh) | 2021-06-29 | 2021-06-29 | 晶圆异常分析的方法、装置、电子设备及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110726067.3A CN113448787B (zh) | 2021-06-29 | 2021-06-29 | 晶圆异常分析的方法、装置、电子设备及可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113448787A CN113448787A (zh) | 2021-09-28 |
CN113448787B true CN113448787B (zh) | 2022-09-09 |
Family
ID=77813903
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110726067.3A Active CN113448787B (zh) | 2021-06-29 | 2021-06-29 | 晶圆异常分析的方法、装置、电子设备及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113448787B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114266223B (zh) * | 2021-12-24 | 2024-03-26 | 上海集成电路装备材料产业创新中心有限公司 | 机台的故障确定方法、装置、设备和计算机可读存储介质 |
CN116469448B (zh) * | 2022-02-18 | 2024-02-02 | 武汉置富半导体技术有限公司 | 一种闪存颗粒的筛选方法和装置 |
CN115032493B (zh) * | 2022-07-15 | 2023-10-13 | 扬州晶新微电子有限公司 | 一种基于管芯参数显示的晶圆测试方法及系统 |
CN117272122B (zh) * | 2023-11-20 | 2024-04-02 | 全芯智造技术有限公司 | 晶圆异常的共性分析方法及装置、可读存储介质、终端 |
CN117471288B (zh) * | 2023-12-20 | 2024-03-15 | 俐玛光电科技(北京)有限公司 | 测试数据的自动化分析方法、装置、电子设备及存储介质 |
CN117558645B (zh) * | 2024-01-09 | 2024-03-29 | 武汉中导光电设备有限公司 | 大数据Wafer缺陷确定方法、装置、设备及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TW201310561A (zh) * | 2011-08-30 | 2013-03-01 | Rexchip Electronics Corp | 晶圓缺陷分析及缺陷原因的尋找方法 |
CN110517969A (zh) * | 2019-08-27 | 2019-11-29 | 武汉新芯集成电路制造有限公司 | 晶圆缺陷监测方法及系统和计算机存储介质 |
WO2020009655A1 (en) * | 2018-07-05 | 2020-01-09 | Hitachi, Ltd. | Method and system for chiller performance anomaly diagnosis |
CN112070172A (zh) * | 2020-09-11 | 2020-12-11 | 湖南人文科技学院 | 基于目标性分析的异常目标检测方法、装置及计算机设备 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103885423A (zh) * | 2014-03-27 | 2014-06-25 | 上海华力微电子有限公司 | 一种晶圆级电性测试统计过程控制系统及方法 |
CN106033210B (zh) * | 2015-03-11 | 2018-09-25 | 北大方正集团有限公司 | 一种晶圆片测试数据处理方法及装置 |
CN106298582B (zh) * | 2015-05-15 | 2019-04-19 | 中芯国际集成电路制造(上海)有限公司 | 制程异常诊断系统及方法 |
US10180454B2 (en) * | 2015-12-01 | 2019-01-15 | Texas Instruments Incorporated | Systems and methods of testing multiple dies |
CN105789081B (zh) * | 2016-04-29 | 2018-06-22 | 上海华力微电子有限公司 | 一种加速wat测试的系统和方法 |
CN110968984B (zh) * | 2018-09-28 | 2022-12-09 | 长鑫存储技术有限公司 | 集成电路工艺分析系统及分析方法 |
TWI723371B (zh) * | 2019-04-03 | 2021-04-01 | 國立清華大學 | 微型探測器及缺陷量測方法 |
CN110689067A (zh) * | 2019-09-25 | 2020-01-14 | 上海华力集成电路制造有限公司 | 晶圆的失效检测方法、装置、设备及存储介质 |
CN112967942B (zh) * | 2020-08-07 | 2023-03-10 | 重庆康佳光电技术研究院有限公司 | 晶圆测试方法和装置、计算机存储介质及计算机设备 |
CN112382582B (zh) * | 2020-10-28 | 2023-04-25 | 海光信息技术股份有限公司 | 一种晶圆测试分类方法及系统 |
-
2021
- 2021-06-29 CN CN202110726067.3A patent/CN113448787B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TW201310561A (zh) * | 2011-08-30 | 2013-03-01 | Rexchip Electronics Corp | 晶圓缺陷分析及缺陷原因的尋找方法 |
WO2020009655A1 (en) * | 2018-07-05 | 2020-01-09 | Hitachi, Ltd. | Method and system for chiller performance anomaly diagnosis |
CN110517969A (zh) * | 2019-08-27 | 2019-11-29 | 武汉新芯集成电路制造有限公司 | 晶圆缺陷监测方法及系统和计算机存储介质 |
CN112070172A (zh) * | 2020-09-11 | 2020-12-11 | 湖南人文科技学院 | 基于目标性分析的异常目标检测方法、装置及计算机设备 |
Also Published As
Publication number | Publication date |
---|---|
CN113448787A (zh) | 2021-09-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113448787B (zh) | 晶圆异常分析的方法、装置、电子设备及可读存储介质 | |
CN106290378B (zh) | 缺陷分类方法和缺陷检查系统 | |
US8104015B2 (en) | System and method for automated electronic device design | |
US10146036B2 (en) | Semiconductor wafer inspection using care area group-specific threshold settings for detecting defects | |
WO2019202595A1 (en) | Integrated circuit profiling and anomaly detection | |
US8312401B2 (en) | Method for smart defect screen and sample | |
CN113092981B (zh) | 晶圆数据检测方法及系统、存储介质及测试参数调整方法 | |
US9292650B2 (en) | Identifying layout pattern candidates | |
US20140236515A1 (en) | Cloud-based architecture for analysis and prediction of integrated tool-related and material-related data and methods therefor | |
EP4120653A1 (en) | Communication network performance and fault analysis using learning models with model interpretation | |
CN112005259A (zh) | 用于商品测试的测试脚本的智能选择 | |
TWI474208B (zh) | 產生用於製造工具之配方之方法及其系統 | |
CN109426655A (zh) | 数据分析方法、装置、电子设备及计算机可读存储介质 | |
CN109408361A (zh) | Monkey测试复原方法、装置、电子设备及计算机可读存储介质 | |
CN113342692B (zh) | 测试用例自动生成方法、装置、电子设备及存储介质 | |
CN113946983A (zh) | 产品可靠性薄弱环节评估方法、装置和计算机设备 | |
CN113742069A (zh) | 基于人工智能的容量预测方法、装置及存储介质 | |
CN110083529A (zh) | 自动化测试方法、装置、介质和电子设备 | |
US9454149B2 (en) | Extracting attribute fail rates from convoluted systems | |
US20120316803A1 (en) | Semiconductor test data analysis system | |
CN113627755B (zh) | 智能终端工厂的测试方法、装置、设备及存储介质 | |
CN109696614A (zh) | 电路测试优化方法及装置 | |
CN114626267A (zh) | 芯片失效分析方法、装置、电子设备及存储介质 | |
US8301431B2 (en) | Apparatus and method for accelerating simulations and designing integrated circuits and other systems | |
CN110177006B (zh) | 基于接口预测模型的节点测试方法及装置 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |