CN114247661B - 半导体产品分级方法和分级系统 - Google Patents

半导体产品分级方法和分级系统 Download PDF

Info

Publication number
CN114247661B
CN114247661B CN202011015063.6A CN202011015063A CN114247661B CN 114247661 B CN114247661 B CN 114247661B CN 202011015063 A CN202011015063 A CN 202011015063A CN 114247661 B CN114247661 B CN 114247661B
Authority
CN
China
Prior art keywords
test
semiconductor
electrical performance
semiconductor products
group
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
Application number
CN202011015063.6A
Other languages
English (en)
Other versions
CN114247661A (zh
Inventor
林家圣
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Changxin Memory Technologies Inc
Original Assignee
Changxin Memory Technologies Inc
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Changxin Memory Technologies Inc filed Critical Changxin Memory Technologies Inc
Priority to CN202011015063.6A priority Critical patent/CN114247661B/zh
Priority to PCT/CN2021/103231 priority patent/WO2022062533A1/zh
Priority to US17/451,343 priority patent/US20220091175A1/en
Publication of CN114247661A publication Critical patent/CN114247661A/zh
Application granted granted Critical
Publication of CN114247661B publication Critical patent/CN114247661B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
    • B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
    • B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
    • B07C5/34—Sorting according to other particular properties
    • B07C5/344—Sorting according to other particular properties according to electric or electromagnetic properties
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L21/00—Processes or apparatus adapted for the manufacture or treatment of semiconductor or solid state devices or of parts thereof
    • H01L21/67—Apparatus specially adapted for handling semiconductor or electric solid state devices during manufacture or treatment thereof; Apparatus specially adapted for handling wafers during manufacture or treatment of semiconductor or electric solid state devices or components ; Apparatus not specifically provided for elsewhere
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L21/00—Processes or apparatus adapted for the manufacture or treatment of semiconductor or solid state devices or of parts thereof
    • H01L21/67—Apparatus specially adapted for handling semiconductor or electric solid state devices during manufacture or treatment thereof; Apparatus specially adapted for handling wafers during manufacture or treatment of semiconductor or electric solid state devices or components ; Apparatus not specifically provided for elsewhere
    • H01L21/67005—Apparatus not specifically provided for elsewhere
    • H01L21/67242—Apparatus for monitoring, sorting or marking
    • H01L21/67271—Sorting devices
    • 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 Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Computer Hardware Design (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Power Engineering (AREA)
  • Condensed Matter Physics & Semiconductors (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Manufacturing & Machinery (AREA)
  • Food Science & Technology (AREA)
  • Medicinal Chemistry (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Testing Or Measuring Of Semiconductors Or The Like (AREA)

Abstract

本发明提供一种半导体产品分级方法和分级系统，所述分级方法，在电学性能测试时，根据测试获得的若干试参数将所述若干半导体产品分成多个群组；对每一个群组中对应的若干测试参数进行主成分分析，获得每一个群组的特征参数；依据所述特征参数确定每一个群组中的半导体产品的等级。通过若干属性接近的特征参数对每一个群组中的半导体产品进行分级，提高了现有半导体产品分级的准确性，并且能快速和准确的筛选出满足不同客户需求的半导体产品进行出货。

Description

半导体产品分级方法和分级系统
技术领域
本发明涉及半导体测试领域，尤其涉及一种半导体产品分级方法和分级系统。
背景技术
集成电路(integrated circuit)是一种微型电子器件或部件。它是采用氧化、光刻、扩散、外延、掩膜、溅射等半导体制作工艺，把一个电路中所需的晶体管、电阻、电容和电感等元件及布线互连一起，制作在一小块或几小块半导体晶片或介质基片上，然后封装在一个管壳内，成为具有所需电路功能的微型结构或芯片。
集成电路或芯片在制作完成后，会出货给相应的客户，而在集成电路的制作过程中无法了解每颗芯片在各参数的优劣，一旦出货到某客户，可能会有潜在的品质性问题不易掌控，增加了退货的风险。
现有为了解决前述问题，在出货前，通常会对晶粒(die)或芯片(chip)进行测试，通过测试将制造过程中产生的残次品或者性能不合格产品挑选出来，或者是通过测试获知晶粒或芯片的性能参数，而后根据经验基于测试得到的某些参数确定产品的等级，譬如用测试获得的速度的参数的高低来决定产品的等级(速度参数高的产品的等级高，相应的速度参数低的产品的等级低)。然而，现有的这种产品等级的分等方式并不能准确的对产品的等级进行分等，因而如何对产品进行更准确分等是一个亟待解决的问题。
发明内容
本发明所要解决的技术问题是怎样更准确的对产品进行分等。
本发明提供了一种半导体产品分级方法，包括：
提供同一批次的若干半导体产品；
对所述若干半导体产品进行电学性能测试，获得若干测试参数；
根据所述若干测试参数将所述若干半导体产品分成多个群组；
对每一个群组中对应的若干测试参数进行主成分分析，获得每一个群组的特征参数；
依据所述特征参数确定每一个群组中的半导体产品的等级。
可选的，所述根据所述若干测试参数将所述若干半导体产品分成多个群组的步骤采用的算法为聚类算法。
可选的，所述对每一个群组中对应的若干测试参数进行主成分分析，获得每一个群组的特征参数的过程包括：
对每一个群组中对应的若干测试参数进行主成分分析，获得主成份和测试参数的相关系数表及主成份的总方差分析表；
通过所述总方差分析表决定主成份变数的个数P；
对P个主成份变数通过相关系数表决定出原测试参数的个数V；
将所述V个原测试参数定义为特征参数。
可选的，所述依据所述特征参数确定每一个群组中的半导体产品的等级的过程包括：根据满足预设条件的半导体产品占半导体产品总量的百分比确定所述半导体产品的等级，所述预设条件与所述特征参数相关。
可选的，所述电学性能测试为最终阶段的电学性能测试，获得若干最终阶段测试参数，在进行所述最终阶段的电学性能测试之前，还需要依次进行多个中间阶段的电学性能测试，每一个中间阶段的电学性能测试获得若干半导体产品对应的若干中间阶段测试参数；根据所述若干中间阶段测试参数将所述若干半导体产品分成多个初级群组；对每一个初级群组中的异常半导体产品进行标记。
可选的，在进行某一个中间阶段的电学性能测试，并对每一个初级群组中的异常半导体产品进行标记后，判断该中间阶段的电学性能测试是否为最后一个中间阶段的电学性能测试，如“是”，则进行对所述若干半导体产品进行最终阶段的电学性能测试，获得若干最终阶段测试参数的步骤，如“否”，则进行下一个中间阶段的电学性能测试，获得若干半导体产品对应的若干中间阶段测试参数的步骤。
可选的，所述对每一个初级群组中的异常半导体产品进行标记的过程包括：提供经验数据库，所述经验数据库中存储有历史异常半导体产品的测试参数序列；将所述初级群组中半导体产品的测试参数序列与所述经验数据库中的历史异常半导体产品的测试参数序列进行匹配，如果两者相匹配，则认为初级群组中的该半导体产品为异常半导体产品，对该异常半导体产品进行标记。
本发明还提供了一种半导体产品的分级系统，包括：
测试单元，用于对同一批次的若干半导体产品进行电学性能测试，获得若干测试参数；
分群单元，用于根据所述若干测试参数将所述若干半导体产品分成多个群组；
特征参数获取单元，用于对每一个群组中对应的若干测试参数进行主成分分析，获得每一个群组的特征参数；
分级单元，用于依据所述特征参数确定每一个群组中的半导体产品的等级。
可选的，所述分群单元根据所述若干测试参数将所述若干半导体产品分成多个群组采用的算法为聚类算法。
可选的，所述特征参数获取单元对每一个群组中对应的若干测试参数进行主成分分析，获得每一个群组的主要特征参数的过程包括：对每一个群组中对应的若干最测试参数进行主成分分析，获得主成份和测试参数的相关系数表及主成份的总方差分析表；通过所述总方差分析表决定主成份变数的个数P；对P个主成份变数通过相关系数表决定出原测试参数的个数V；将所述V个原测试参数定义为特征参数。
可选的，所述电学性能测试为最终阶段的电学性能测试，获得若干最终阶段测试参数，所述测试单元还用于在进行所述最终阶段的电学性能测试之前，依次进行多个中间阶段的电学性能测试，每一个中间阶段的电学性能测试获得若干半导体产品对应的若干中间阶段测试参数；所述分群单元还根据所述若干中间阶段测试参数将所述若干半导体产品分成多个初级群组；还包括异常半导体产品标记单元和移出单元，所述异常半导体产品标记单元用于对每一个初级群组中的异常半导体产品进行标记。
可选的，还包括判断单元，用于在进行某一个中间阶段的电学性能测试，并对每一个初级群组中的异常半导体产品进行标记后，判断该中间阶段的电学性能测试是否为最后一个中间阶段的电学性能测试，如“是”，则通过测试单元进行对所述若干半导体产品进行最终阶段的电学性能测试，获得若干最终阶段测试参数的步骤，如“否”，则通过测试单元进行下一个中间阶段的电学性能测试，获得若干半导体产品对应的若干中间阶段测试参数的步骤。
可选的，所述分群单元和特征参数获取单元位于分布式运算服务器上。
与现有技术相比，本发明技术方案具有以下优点：
本发明的半导体产品分级方法，在电学性能测试时，根据测试获得的若干测试参数将所述若干半导体产品分成多个群组；对每一个群组中对应的若干测试参数进行主成分分析，获得每一个群组的特征参数；依据所述特征参数确定每一个群组中的半导体产品的等级。通过若干属性接近的特征参数对每一个群组中的半导体产品进行分级，提高了现有半导体产品分级的准确性，并且能快速和准确的筛选出满足不同客户需求的半导体产品进行出货。
进一步，所述电学性能测试为最终阶段的电学性能测试，则在进行最终阶段的电学性能测试之前，还需要依次进行多个中间阶段的电学性能测试，每一个中间阶段的电学性能测试获得若干半导体产品对应的若干中间阶段测试参数；根据所述若干中间阶段测试参数将所述若干半导体产品分成多个初级群组；对每一个初级群组中的异常半导体产品进行标记。在最终阶段的电学性能测试之前，需要进行多次的中间阶段的电学性能测试，最终阶段的电学性能测试与中间阶段的电学性能测试之间以及不同的中间阶段的电学性能测试之间所要进行测试的电学参数大部分是不同的，因而只有在特定的中间测试阶段才会知道半导体产品上的集成电路的某一特性如何，因而通过前述方法将半导体产品分为多个初级群组，可以形成半导体产品的测试参数记录，以便更准确地掌握半导体产品的各项参数，从而在有需求时进行参照，能够快速和准确的筛选出满足不同客户需求的半导体产品。另外，可以在最终阶段的电学性能测试之前，将存在异常的半导体产品及时进行标记，可以帮助我们通过标记来了解参数情况。
附图说明
图1-图3为本发明实施例半导体产品分级方法的流程示意图；
图4-图9为本发明实施例半导体产品分级过程的结构示意图；
图10为本发明实施例半导体产品分级系统的结构示意图。
具体实施方式
如背景技术所言，现有的这种产品等级的分等方式并不能准确的对产品的等级进行分等。
研究发现，现有通常采用单一的测试参数的高低来决定产品的等级，但集成电路制作过程中测试的参数种类数将近千种，并且不同的客户对产品的性能参数会要求不同，现有的这种分等的方式很难准确的反应产品的等级。
为此，本发明提供了一种半导体产品分级方法和分级系统，所述分级方法，在电学性能测试时，根据测试获得的若干测试参数将所述若干半导体产品分成多个群组；对每一个群组中对应的若干测试参数进行主成分分析，获得每一个群组的特征参数；依据所述特征参数确定每一个群组中的半导体产品的等级。通过若干属性接近的特征参数对每一个群组中的半导体产品进行分级，提高了现有半导体产品分级的准确性，并且能快速和准确的筛选出满足不同客户需求的半导体产品进行出货。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图对本发明的具体实施方式做详细的说明。在详述本发明实施例时，为便于说明，示意图会不依一般比例作局部放大，而且所述示意图只是示例，其在此不应限制本发明的保护范围。此外，在实际制作中应包含长度、宽度及深度的三维空间尺寸。
参考图1，本发明一实施例提供了一种半导体产品分级方法，包括步骤：
步骤S200，提供同一批次的若干半导体产品；
步骤S201，对所述若干半导体产品进行电学性能测试，获得若干测试参数；
步骤S202，根据所述若干测试参数将所述若干半导体产品分成多个群组；
步骤S203，对每一个群组中对应的若干测试参数进行主成分分析，获得每一个群组的特征参数；
步骤S204，依据所述特征参数确定每一个群组中的半导体产品的等级。
下面结合附图对前述过程进行详细描述。
首先进行步骤S200，提供同一批次的若干半导体产品。所述半导体产品为通过半导体制造工艺形成的芯片(chip)或晶粒(die)，其可以是同一晶圆上的若干半导体产品，也可以是同一组晶圆(即同一批次产出的晶圆)上的若干半导体产品。
在实际制造过程中，产品通常是用批次(lot)表示，一批次中包括多片晶圆，同一批次的晶圆形成相同的产品。具体而言，例如一批次晶圆为25片，当要使用1000片晶圆生产相同的产品时，共分为40批次。
为了使每一片晶圆上的半导体产品在生产线上在进行测试的过程中能够被跟踪和识别以及便于等级的划分，每一片半导体产品都会被命名相应的名称，一般会根据产品名(可以用A表示)、批次(可以用L1，L2，……，Ln表示)、某一批次中的晶圆排序(可以用1，2，……，25表示)和晶圆中若干半导体产品的排序(可以用D1，D2，……，Dn表示)对半导体产品进行命名，比如以A-L1-1-D1，A-L1-1-D2，……，A-L1-1-Dn对A产品中的第L1批次中的第1片晶圆中的若干半导体产品进行命名。
在产线上采用半导体工艺在晶圆上进行集成电路的制作时，需要在不同的阶段对晶圆上的半导体产品进行电学性能的测试，其中所述测试包括最终阶段的电学性能测试(FT，Final Test)和在最终阶段的电学性能测试之前进行的中间阶段的电学性能测试，最终阶段的电学性能测试(FT，Final Test)一般为进行封装之后的电学性能测试，中间阶段的电学性能测试一般为进行封装之前，在集成电路制作的不同的阶段进行的电学性能测试，中间阶段的电学性能测试需要进行多次。最终阶段的电学性能测试(FT，Final Test)和中间阶段的电学性能测试均需要进行多步，对不同的电学参数进行测试。
本实施例中，所述晶圆上制作的半导体产品为存储器，具体可以为DRAM器件。在其他实施例中，所述晶圆上制作的半导体产品为其他功能的半导体产品或集成电路，比如传感器，滤波电路等。
进行步骤S201，对所述若干半导体产品进行电学性能测试，获得若干测试参数。
通常，半导体产品封装后的电学性能是最受关注的，该阶段的电学性能参数也是罗列在产品标准中的参数，因此，在本实施例中，该步骤所述的电学性能测试为对所述若干半导体产品进行的最终阶段的电学性能测试，其获得若干最终阶段测试参数。
而由于半导体产品各个阶段测试参数不同，根据需要，中间阶段的电学性能测试获得的测试参数也可能会成为评价半导体产品性能的指标，因此，在其他实施例中，该步骤所述的电学性能测试也可为对所述若干半导体产品进行的中间阶段的电学性能测试，其获得若干中间阶段测试参数。
所述电学性能测试可以在专门的测试设备上进行。本实施例中，所述测试参数包括三种类型：第一类型为量测数据参数(比如电压、电流、功率等)，第二类型为电气响应速度参数(比如信号传输速率等)，第三类型为与存储器的存储特性相关的参数(比如读取特性、写入特性、擦除特性等)。在其他实施例中，所述测试参数还可以包括其他类型的测试参数。
在实际进行电学性能测试，每一个半导体产品都会有几十甚至几百个电学性能参数需要进行测试，参考图4，图4为一个实施例中获得的若干半导体产品对应的若干测试参数的示意图，图4中每一个方格代表一个半导体产品的一个测试参数，P1，P2，P3，P4，……，P300分别表示不同的测试参数，为了清楚显示不同的半导体产品与其测试参数的对应关系，图4的每一个方格中对半导体产品名称也进行了示意，比如A-L1-1-D1-P1表示半导体产品名为A-L1-1-D1的半导体产品对应的一个测试参数P1，A-L2-1-D2-P2表示半导体产品名为A-L2-1-D2的半导体产品对应的一个测试参数P2。需要说明的是，图4中所示的若干测试参数仅是作为一种示例，其不应限制本发明的保护范围。
进行步骤S202，根据所述若干测试参数将所述若干半导体产品分成多个群组。
所述根据所述若干测试参数将所述若干半导体产品分成多个群组的采用的算法为聚类算法。聚类算法就是按照某个特定标准(如距离准则)把若干数据集分割成不同的群组，使得同一个群组的数据对象的相似性尽可能大，同时不在同一个群组中的数据对象的差异性也尽可能地大。即聚类后同一类的数据尽可能聚集到一起，不同数据尽量分离。
在一实施例中，所述聚类算法为K-Means聚类算法、均值漂移聚类算法、基于密度的聚类算法、基于网格的聚类算法或基于模型测聚类算法。
本实施例中，采用K-Means聚类算法将所述若干半导体产品分成多个群组，其过程包括：设定多个不同的K值，在不同的K值下分别进行K-Means聚类算法获得对应的多个待定群组；获得不同K值下待定群组的组间变异占总变异的百分比；判断某一K值下待定群组对应的组间变异占总变异的百分比是否在设定阈值范围内，若在设定阈值范围内，则将该K值下获得的K个待定群组作为所述分成的多个群组。
在一实施例中，所述设定的K值的个数为29个，所述多个不同的K值的范围为2-30，则所述K值为在2-30范围内获取的29个自然数。在每一个K值下都要进行K-Means聚类算法获得对应的多个待定群组，即前述29个K值，需要进行29次K-Means聚类算法获得对应的多个待定群组，具体的，K＝2，对应获得2个待定群组，K＝3，对应获得3个待定群组，K＝4，对应获得4个待定群组，K＝5，对应获得5个待定群组，……，K＝29，对应获得29个待定群组，K＝30，对应获得30个待定群组。
在获得多个所述待定群组后，获得不同K值下待定群组的组间变异占总变异的百分比；判断某一K值下待定群组对应的组间变异占总变异的百分比是否在设定阈值范围内，若在设定阈值范围内，则将该K值下获得的K个待定群组作为所述分成的多个群组。具体的，请参考图5，图5为待定群组的组间变异占总变异的百分比随特定的分群数K的变化趋势图，横坐标表示分群数K，纵坐标表示组间变异占总变异的百分比。本实施例中，所述设定阈值范围为0.75-0.85，从图5所示的变化趋势图上可以获知，K等于8时，相应的组间变异占总变异的百分比为0.8，其处于设定的阈值范围0.75-0.85内，因而可以将K等于8时获得的8个待定群组作为所述分成的多个群组。需要说明的是，图5中所示的变化趋势图仅是作为一种示意，其不应显示本发明的保护范围，在其他的实施例中，也可以设定不同的阈值范围，获得组间变异占总变异的百分比在阈值范围内所对应的不同的K值。
本实施例中，获得的群组数量为8个，请参考图6，图6为获得的8个群组的示意图，包括群组1-群组8，每一个群组中具有测试参数差异较小的对应的若干半导体产品，比如群组1中包括A-L1-1-D1-P1，A-L1-1-D2-P1，A-L1-1-D3-P1，A-L1-2-D4-P2等多个半导体产品和对应的测试参数。需要说明的是，图6中群组数和某一群组内的半导体产品数仅是作为一种示例，其不应限制本发明的保护范围。
进行步骤S203，对每一个群组中对应的若干测试参数进行主成分分析，获得每一个群组的特征参数。
本实施例中，对每一个群组均要进行主成分分析，获得每一个群组的特征参数。如前所述，前述获得了8个群组(群组1-群组8)，则需要对8个群组分别进行主成分分析，获得每一个群组的特征参数。
在一实施例中，所述对每一个群组中对应的若干测试参数进行主成分分析，获得每一个群组的主要特征参数的过程，请参考图2，包括：步骤S2031，对每一个群组中对应的若干测试参数进行主成分分析，产出主成份和测试参数的相关系数表和主成份的总方差分析表；步骤S2032，通过所述总方差分析表决定主成份变数的个数P；步骤S2033，对P个主成份变数通过相关系数表决定出原测试参数的个数V；步骤S2034，将所述V个原测试参数定义为特征参数。
主成分分析，是考察多个变量间相关性的一种多元统计方法，研究如何通过少数几个主成分来揭示多个变量间的内部结构，即从原始变量中导出少数几个主成分，使它们尽可能多地保留原始变量的信息，且彼此间互不相关，通常数学上的处理就是将原来P个指标作线性组合，作为新的综合指标。
本实施例中主成分分析的步骤一般包括：
(1)对每一个群组(比如群组1)中的m个最终阶段测试参数进行标准化处理；
(2)计算相关系数矩阵；
(3)计算特征值和特征向量；
(4)计算特征值的方差贡献率和累计方差贡献率，根据累计方差贡献率获得主成分变数的个数。
在一实施例中，通过所述总方差分析表决定主成份变数的个数P的过程包括：设定累计变异比例阈值；基于主成份的总方差分析表，当某一主成分对应的累计变异比例在累计变异比例阈值范围内时，则将对应的主成分作为主成分变数。
图7为一实施例中，对每一个群组中对应的若干测试参数进行主成分分析后获得的主成份的总方差分析表(Total Variance Explained)，表中包括：Dim.1～Dim.10，其为主成分序号；特征值(eigenvalue)，每一个特征值代表一个主成分，在表中由大到小排列；方差贡献率(％of Variance)，其为各特征值所占的比例；累积方差贡献率(CumulativeVariance％)，即前m个大的特征值占总特征值的比例，当它们的比例超过一定的值时，即可用前m主成分代表原来的样本数据，一般累积方差贡献率取到70％以上即可，例如，在本实施例中，取前三个主成分，累积贡献率达到72％，所以只需取前三个主成分，将Dim.1，Dim.2，Dim.3共3个主成分作为主成分变数。需要说明的是，图7中总方差分析表仅是作为一种示例，其不应限制本发明的保护范围。
图8为一实施例中，对每一个群组中对应的若干测试参数进行主成分分析后获得的主成份和测试参数的相关系数表，即找到图7所述的特征值对应的特征向量，形成图8所示的表格。前述获得了3个主成份变数Dim.1，Dim.2，Dim.3，将3个主成份变数Dim.1，Dim.2，Dim.3通过相关系数表决定出原测试参数的个数V。具体的，根据主成分变数1-Dim.1，主成分变数2-Dim.2，主成分变数3-Dim.3依次确定原测试参数的个数，首先在主成分变数1-Dim.1下，根据特征向量的大小，第八个特征向量突然下降，变为0.217268042，因此，主成分变数1-Dim.1对应的原参数为前七个参数P1、P2、P3、P4、P7、P10及P11；接着，自第八个原测试参数开始，在主成分变数2-Dim.2下，根据特征向量的大小，确定主成分变数2-Dim.2对于的原测试参数为第八个原测试参数P14及第十个原测试参数P30；根据特征向量高于预设值获获得对应的原测试参数P14，P30；接着，在主成分变数3-Dim.3下，在剩余的第九个原测试参数中选择其是否作为主成分变数3-Dim.3对应的原测试参数，而由于第九个原测试参数对应的特征向量符合要求，因此，主成分变数3-Dim.3对应原测试参数P20。对3个主成份变数Dim.1,Dim.2,Dim.3通过相关系数表决定出原测试参数的个数10，为P1、P2、P3、P4、P7、P10、P11、P14、P20、P30，将这10个原测试参数定义为特征参数进行步骤S204，依据所述特征参数确定每一个群组中的半导体产品的等级。
其中，所述依据所述特征参数确定每一个群组中的半导体产品的等级的过程包括：根据满足预设条件的半导体产品占半导体产品总量的百分比确定所述半导体产品的等级。其中，所述预设条件与所述特征参数相关，所述分级可由百分比及特征参数确定。具体地说，分级过程包括如下步骤：
确定等级标准。所述等级标准为某一特征参数下，满足预设条件的半导体产品占半导体产品总量的百分比上限，例如，第一级为某一特征参数下，满足预设条件的半导体产品占半导体产品总量的百分比小于20％、第二级为某一特征参数下，满足预设条件的半导体产品占半导体产品总量的百分比小于40％等。进一步，各个等级标准之间的跨度(即级距)不宜太大或太小，以避免失去分级的意义。在本实施例中，各个等级之间的跨度为20％，而优选地，在本发明其他实施例中，各个等级之间的跨度为5％～10％。
计算某一群组中某一特征参数满足预设条件的半导体产品占半导体产品总量的百分比。所述预设条件可以为该特征参数对应的数值是否小于预设数值。例如，在某一群组中，某一特征参数小于预设数值的半导体产品占半导体产品总量的百分比。
根据所述百分比及所述等级标准将所述半导体产品分级。例如，在某一群组中，某一特征参数小于预设数值的半导体产品占半导体产品总量的百分比为8％，则将该群组具有该归为第一级。
举例说明，请参考图9，在群组1及群组2中均存在特征参数P1，且特征参数P1存在多个数值，例如P1为3.1、3.6、3.8、3.9、4.1，则在群组1中，通过计算得知，特征参数P1小于3.1的半导体产品占半导体产品总量的百分比为20％，特征参数P1小于3.6的半导体产品占半导体产品总量的百分比为40％，特征参数P1小于3.9的半导体产品占半导体产品总量的百分比为60％，则根据预先设定的等级标准，若针对特征参数P1而言，第一级的标准为特征参数P1小于3.6的半导体产品占半导体产品总量的百分比为40％，则群组1符合第一级的标准，将其分为第一级，若针对特征参数P1而言，第一级的标准为特征参数P1小于3.6的半导体产品占半导体产品总量的百分比为60％，第二级的标准为特征参数P1小于3.6的半导体产品占半导体产品总量的百分比为40％，则群组1不符合第一级的标准，而是符合第二级的标准，则将其分为第二级；同理，也可根据特征参数P1对群组2等进行分级，此处不再赘述。在上述例子中，以特征参数P1为基准进行分级，在其他实施例中，也可以其他特征参数为基准进行分级，以满足不同的需求。
需要说明的是，所述根据所述若干测试参数将所述若干半导体产品分成多个群组的步骤以及对每一个群组中对应的若干测试参数进行主成分分析，获得每一个群组的特征参数的步骤在分布式运算服务器上进行，以提高数据运算的效率。本申请的通过前述分级方法，在电学性能测试时，根据测试获得的若干测试参数将所述若干半导体产品分成多个群组；对每一个群组中对应的若干测试参数进行主成分分析，获得每一个群组的特征参数；依据所述特征参数确定每一个群组中的半导体产品的等级。通过若干属性接近的特征参数对每一个群组中的半导体产品进行分级，提高了现有半导体产品分级的准确性，并且能快速和准确的筛选出满足不同客户需求的半导体产品进行出货。
在上述实施例中，所述电学性能测试为最终阶段的电学性能测试，则在进行最终阶段的电学性能测试之前，还需要依次进行多个中间阶段的电学性能测试。请参考图3，在其他实施例中，在进行最终阶段的电学性能测试S201之前，还需要依次进行多个中间阶段的电学性能测试，每一个中间阶段的电学性能测试获得若干半导体产品对应的若干中间阶段测试参数，具体的，包括步骤S101，提供同一批次的若干半导体产品；步骤S102，进行某一个中间阶段的电学性能测试，获得若干半导体产品对应的若干中间阶段测试参数；步骤S103，根据所述若干中间阶段测试参数将所述若干半导体产品分成多个初级群组；步骤S104，对每一个初级群组中的异常半导体产品进行标记。
在进行步骤S104后，还包括步骤S105，判断该中间阶段的电学性能测试是否为最后一个中间阶段的电学性能测试，若“是”，则依次进行步骤S201-S204(具体参考前述描述)，若“否”，则进行步骤S106，进行下一个中间阶段的电学性能测试，获得若干半导体产品对应的若干中间阶段测试参数，进行步骤S106后，再依次进行步骤S103-S105。
在最终阶段的电学性能测试之前，需要进行多次的中间阶段的电学性能测试，最终阶段的电学性能测试与中间阶段的电学性能测试之间以及不同的中间阶段的电学性能测试之间所要进行测试的电学参数大部分是不同的，因而只有在特定的中间测试阶段才会知道半导体产品上的某一特性如何，因而通过前述方法将半导体产品分为多个初级群组，可以形成半导体产品的测试参数记录，以便更准确地掌握半导体产品的各项参数，从而在有需求时进行参照，能够快速和准确的筛选出满足不同客户需求的半导体产品。另外，可以在最终阶段的电学性能测试之前，将存在异常的半导体产品及时进行标记，可以帮助我们通过标记来了解参数情况，也可对异常的半导体产品进行监督。
步骤S103中根据所述若干中间阶段测试参数将所述若干半导体产品分成多个初级群组的方法与前述步骤S202中根据所述若干测试参数将所述若干半导体产品分成多个群组的方法相同或相似，在此不再赘述。
在一实施例中，步骤S104中对每一个初级群组中的异常半导体产品进行标记过程包括：提供经验数据库，所述经验数据库中存储有历史异常半导体产品的测试参数序列；将所述初级群组中半导体产品的测试参数序列与经验数据库中的历史异常半导体产品的测试参数序列进行匹配，如果两者相匹配，则认为初级群组中的该半导体产品为异常半导体产品，对该异常半导体产品进行标记。
经验数据库里存储有历史异常半导体产品的测试参数序列，其测试参数序列为x＝(par1,par2,par3,...,parN)，其中，par1、par2、par3...parN代表不同的测试参数，初级群组中半导体产品的测试参数序列为y＝(par1,par2,par3,...,parN)；通过x和y，计算cos<x,y>＝(x·y)/(|x||y|)，其中"·"为内积符号，"||"为长度符号，若cos<x,y>≧设定阈值(比如0.9)，则认为初级群组中半导体产品的测试参数序列与经验数据库中的历史异常半导体产品的测试参数序列相匹配，则认为初级群组中的该半导体产品为异常半导体产品，对该异常半导体产品进行标记。
本发明一实施例还提供了一种半导体产品分级系统，参考图10，包括：
测试单元301，用于对同一批次的若干半导体产品进行电学性能测试，获得若干测试参数，所述电学性能测试包括最终阶段的电学性能测试及中间阶段的电学性能测试，在该实施例中，所述电学性能测试为最终阶段的电学性能测试，获得若干最终阶段测试参数；
分群单元302，用于根据所述若干测试参数将所述若干半导体产品分成多个群组；
特征参数获取单元303，用于对每一个群组中对应的若干测试参数进行主成分分析，获得每一个群组的特征参数；
分级单元304，用于依据所述特征参数确定每一个群组中的半导体产品的等级。
在一实施例中，所述分群单元302根据所述若干测试参数将所述若干半导体产品分成多个群组的采用的算法为聚类算法。
所述聚类算法为K-Means聚类算法、均值漂移聚类算法、基于密度的聚类算法、基于网格的聚类算法或基于模型测聚类算法。
在一实施例中，采用K-Means聚类算法将所述若干半导体产品分成多个群组的过程包括：设定多个不同的K值，在不同的K值下分别进行K-Means聚类算法获得对应的多个待定群组；获得不同K值下待定群组的组间变异占总变异的百分比；判断某一K值下待定群组对应的组间变异占总变异的百分比是否在设定阈值范围内，若在设定阈值范围内，则将该K值下获得的K个待定群组作为所述分成的多个群组。
在一实施例中，所述多个不同的K值的范围为2-30。
在一实施例中，所述特征参数获取单元303对每一个群组中对应的若干测试参数进行主成分分析，获得每一个群组的主要特征参数的过程包括：对每一个群组中对应的若干测试参数进行主成分分析，产出主成份和测试参数的相关系数表和主成份的总方差分析表；通过所述总方差分析表决定主成份变数的个数P；对P个主成份变数通过相关系数表决定出原测试参数的个数V；将所述V个原测试参数定义为特征参数。
所述依据所述特征参数确定每一个群组中的半导体产品的等级的过程包括：根据满足预设条件的半导体产品占半导体产品总量的百分比确定所述半导体产品的等级，所述预设条件与所述特征参数相关。
在一实施例中，所述测试单元301不仅用于进行最终阶段的电学性能测试，还用于在进行电学性能测试之前，依次进行多个中间阶段的电学性能测试，每一个中间阶段的电学性能测试获得若干半导体产品对应的若干中间阶段测试参数；所述分群单元302还根据所述若干中间阶段测试参数将所述若干半导体产品分成多个初级群组；所述分级系统还包括异常半导体产品标记单元和移出单元，所述异常半导体产品标记单元用于对每一个初级群组中的异常半导体产品进行标记。
在一实施例中，还包括判断单元，用于在进行某一个中间阶段的电学性能测试，并对标记异常晶圆后，判断该中间阶段的电学性能测试是否为最后一个中间阶段的电学性能测试，如“是”，则通过测试单元进行对所述若干半导体产品进行最终阶段的电学性能测试，获得若干最终阶段测试参数的步骤，如“否”，则通过测试单元进行下一个中间阶段的电学性能测试获得若干半导体产品对应的若干中间阶段测试参数的步骤。
在一实施例中，所述异常半导体产品标记单元对所述异常半导体产品进行标记的过程包括：提供经验数据库，所述经验数据库中存储有历史异常半导体产品的测试参数序列；将所述初级群组中半导体产品的测试参数序列与经验数据库中的历史异常半导体产品的测试参数序列进行匹配，如果两者相匹配，则认为初级群组中的该半导体产品为异常半导体产品，对该异常半导体产品进行标记。
在一实施例中，所述分群单元和特征参数获取单元位于分布式运算服务器上。
需要说明的是本实施例(分级系统)中与前述实施例(分级过程)中相同或相似部分的限定或描述，在本实施例中不再赘述，请参考前述实施例中相应部分的限定或描述。
本发明虽然已以较佳实施例公开如上，但其并不是用来限定本发明，任何本领域技术人员在不脱离本发明的精神和范围内，都可以利用上述揭示的方法和技术内容对本发明技术方案做出可能的变动和修改，因此，凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化及修饰，均属于本发明技术方案的保护范围。

Claims (10)

1.一种半导体产品分级方法，其特征在于，包括：
提供同一批次的若干半导体产品；
对所述若干半导体产品进行电学性能测试，获得若干测试参数；
根据所述若干测试参数将所述若干半导体产品分成多个群组；
对每一个群组中对应的若干测试参数进行主成分分析，获得每一个群组的特征参数；
依据所述特征参数确定每一个群组中的半导体产品的等级；
其中，所述电学性能测试为最终阶段的电学性能测试，获得若干最终阶段测试参数，在进行所述最终阶段的电学性能测试之前，还需要依次进行多个中间阶段的电学性能测试，每一个中间阶段的电学性能测试获得若干半导体产品对应的若干中间阶段测试参数；根据所述若干中间阶段测试参数将所述若干半导体产品分成多个初级群组；对每一个初级群组中的异常半导体产品进行标记。
2.如权利要求1所述的半导体产品分级方法，其特征在于，所述根据所述若干测试参数将所述若干半导体产品分成多个群组的步骤采用的算法为聚类算法。
3.如权利要求1所述的半导体产品分级方法，其特征在于，所述对每一个群组中对应的若干测试参数进行主成分分析，获得每一个群组的特征参数的过程包括：
对每一个群组中对应的若干测试参数进行主成分分析，获得主成分和测试参数的相关系数表及主成分的总方差分析表；
通过所述总方差分析表决定主成分变数的个数P；
对P个主成分变数通过相关系数表决定出原测试参数的个数V；
将所述V个原测试参数定义为特征参数。
4.如权利要求1所述的半导体产品分级方法，其特征在于，所述依据所述特征参数确定每一个群组中的半导体产品的等级的过程包括：根据满足预设条件的半导体产品占半导体产品总量的百分比确定所述半导体产品的等级，所述预设条件与所述特征参数相关。
5.如权利要求1所述的半导体产品分级方法，其特征在于，在进行某一个中间阶段的电学性能测试，并对每一个初级群组中的异常半导体产品进行标记后，判断该中间阶段的电学性能测试是否为最后一个中间阶段的电学性能测试，如“是”，则进行对所述若干半导体产品进行最终阶段的电学性能测试，获得若干最终阶段测试参数的步骤，如“否”，则进行下一个中间阶段的电学性能测试，获得若干半导体产品对应的若干中间阶段测试参数的步骤。
6.如权利要求1所述的半导体产品分级方法，其特征在于，所述对每一个初级群组中的异常半导体产品进行标记的过程包括：提供经验数据库，所述经验数据库中存储有历史异常半导体产品的测试参数序列；将所述初级群组中半导体产品的测试参数序列与所述经验数据库中的历史异常半导体产品的测试参数序列进行匹配，如果两者相匹配，则认为初级群组中的该半导体产品为异常半导体产品，对该异常半导体产品进行标记。
7.一种半导体产品分级系统，其特征在于，包括：
测试单元，用于对同一批次的若干半导体产品进行电学性能测试，获得若干测试参数，所述电学性能测试为最终阶段的电学性能测试，获得若干最终阶段测试参数，所述测试单元还用于在进行所述最终阶段的电学性能测试之前，依次进行多个中间阶段的电学性能测试，每一个中间阶段的电学性能测试获得若干半导体产品对应的若干中间阶段测试参数；
分群单元，用于根据所述若干测试参数将所述若干半导体产品分成多个群组，以及根据所述若干中间阶段测试参数将所述若干半导体产品分成多个初级群组；
特征参数获取单元，用于对每一个群组中对应的若干测试参数进行主成分分析，获得每一个群组的特征参数；
分级单元，用于依据所述特征参数确定每一个群组中的半导体产品的等级；
异常半导体产品标记单元，所述异常半导体产品标记单元用于对每一个初级群组中的异常半导体产品进行标记。
8.如权利要求7所述的半导体产品分级系统，其特征在于，所述分群单元根据所述若干测试参数将所述若干半导体产品分成多个群组采用的算法为聚类算法。
9.如权利要求7所述的半导体产品分级系统，其特征在于，还包括判断单元，用于在进行某一个中间阶段的电学性能测试，并对每一个初级群组中的异常半导体产品进行标记后，判断该中间阶段的电学性能测试是否为最后一个中间阶段的电学性能测试，如“是”，则通过测试单元进行对所述若干半导体产品进行最终阶段的电学性能测试，获得若干最终阶段测试参数的步骤，如“否”，则通过测试单元进行下一个中间阶段的电学性能测试，获得若干半导体产品对应的若干中间阶段测试参数的步骤。
10.如权利要求7所述的半导体产品分级系统，其特征在于，所述分群单元和特征参数获取单元位于分布式运算服务器上。
CN202011015063.6A 2020-09-24 2020-09-24 半导体产品分级方法和分级系统 Active CN114247661B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN202011015063.6A CN114247661B (zh) 2020-09-24 2020-09-24 半导体产品分级方法和分级系统
PCT/CN2021/103231 WO2022062533A1 (zh) 2020-09-24 2021-06-29 半导体产品分级方法和分级系统
US17/451,343 US20220091175A1 (en) 2020-09-24 2021-10-19 Semiconductor product grading method and grading system

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011015063.6A CN114247661B (zh) 2020-09-24 2020-09-24 半导体产品分级方法和分级系统

Publications (2)

Publication Number Publication Date
CN114247661A CN114247661A (zh) 2022-03-29
CN114247661B true CN114247661B (zh) 2023-04-28

Family

ID=80789971

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011015063.6A Active CN114247661B (zh) 2020-09-24 2020-09-24 半导体产品分级方法和分级系统

Country Status (2)

Country Link
CN (1) CN114247661B (zh)
WO (1) WO2022062533A1 (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117234429B (zh) * 2023-11-09 2024-01-26 联和存储科技(江苏)有限公司 一种存储芯片的写入擦除速度分析方法及装置
CN117594428A (zh) * 2024-01-18 2024-02-23 西安卫光科技有限公司 一种欧姆接触测试结构的制备方法

Family Cites Families (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7003742B2 (en) * 2002-01-10 2006-02-21 Pdf Solutions, Inc. Methodology for the optimization of testing and diagnosis of analog and mixed signal ICs and embedded cores
US20060095237A1 (en) * 2004-10-28 2006-05-04 Weidong Wang Semiconductor yield management system and method
US7340359B2 (en) * 2005-05-02 2008-03-04 Optimaltest Ltd Augmenting semiconductor's devices quality and reliability
US7313454B2 (en) * 2005-12-02 2007-12-25 Mks Instruments, Inc. Method and apparatus for classifying manufacturing outputs
US7908023B2 (en) * 2008-01-14 2011-03-15 International Business Machines Corporation Method of establishing a lot grade system for product lots in a semiconductor manufacturing process
CN102039277B (zh) * 2009-10-23 2013-03-13 中芯国际集成电路制造(上海)有限公司 晶圆分类方法
CN102353517B (zh) * 2011-06-30 2013-08-14 成都优博创技术有限公司 半导体激光器的温度分级筛选的平台及方法
CN105702595B (zh) * 2014-11-27 2019-05-07 华邦电子股份有限公司 晶圆的良率判断方法以及晶圆合格测试的多变量检测方法
CN105893876A (zh) * 2016-03-28 2016-08-24 工业和信息化部电子第五研究所 芯片硬件木马检测方法和系统
CN106483942B (zh) * 2016-09-20 2019-06-04 孙敬玺 一种半导体制造设备和工艺的智能控制系统及方法
CN107609111B (zh) * 2017-09-13 2020-11-20 福建省农业科学院果树研究所 一种枇杷果实品种鉴别、品质分级和成熟度判定的检索方法
CN107770108A (zh) * 2017-10-23 2018-03-06 佛山科学技术学院 一种k‑均值聚类和分级训练svm分类器的联合调制识别方法
CN107844865A (zh) * 2017-11-20 2018-03-27 天津科技大学 基于特征参数选取与lstm模型的股指预测方法
CN109299315B (zh) * 2018-09-03 2023-03-28 腾讯科技（深圳）有限公司 多媒体资源分类方法、装置、计算机设备及存储介质
CN109782274B (zh) * 2019-01-31 2023-05-16 长安大学 一种基于探地雷达信号时频统计特征的水损害识别方法
CN110147808A (zh) * 2019-03-26 2019-08-20 张锐明 一种新型电池成组筛选方法
CN110633729A (zh) * 2019-08-06 2019-12-31 清华大学苏州汽车研究院（相城） 一种面向智能网联车辆群组测试的驾驶风险分级聚类方法

Also Published As

Publication number Publication date
WO2022062533A1 (zh) 2022-03-31
CN114247661A (zh) 2022-03-29

Similar Documents

Publication Publication Date Title
US8000928B2 (en) Methods and apparatus for data analysis
US11853899B2 (en) Methods and apparatus for data analysis
CN109612999B (zh) 用于晶圆图分析的系统和方法
US8041541B2 (en) Methods and apparatus for data analysis
US20040138846A1 (en) Methods and apparatus for data analysis
US6028994A (en) Method for predicting performance of microelectronic device based on electrical parameter test data using computer model
CN114247661B (zh) 半导体产品分级方法和分级系统
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
US20050278597A1 (en) Methods and apparatus for data analysis
US20080189575A1 (en) Methods and apparatus for data analysis
KR20090133138A (ko) 제조 데이터를 분석하는 방법 및 장치
JP2001308150A (ja) 半導体ウエハのテスト法
IL170252A (en) Methods and device for analyzing information
CN111260063A (zh) 基于遗传算法的模拟电路故障定位与参数辨识方法
JP7354421B2 (ja) エラー要因の推定装置及び推定方法
CA3186873A1 (en) Activity level measurement using deep learning and machine learning
CN112926885A (zh) 海关商品编码智能归类方法及系统
CN115563477A (zh) 谐波数据识别方法、装置、计算机设备和存储介质
CN116057546A (zh) 错误原因的推断装置和推断方法
JP2008250910A (ja) データマイニング方法及び工程管理方法
US20220091175A1 (en) Semiconductor product grading method and grading system
US7447610B2 (en) Method and system for reliability similarity of semiconductor devices
US9235664B2 (en) Systems and methods for executing unified process-device-circuit simulation
US7035770B2 (en) Fuzzy reasoning model for semiconductor process fault detection using wafer acceptance test data
IL172850A (en) Methods and apparatus for data analysis

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