CN115188688A - 异常检测方法及装置、电子设备和存储介质 - Google Patents

异常检测方法及装置、电子设备和存储介质 Download PDF

Info

Publication number
CN115188688A
CN115188688A CN202210880645.3A CN202210880645A CN115188688A CN 115188688 A CN115188688 A CN 115188688A CN 202210880645 A CN202210880645 A CN 202210880645A CN 115188688 A CN115188688 A CN 115188688A
Authority
CN
China
Prior art keywords
test
determining
failure
abnormal
wafers
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
Application number
CN202210880645.3A
Other languages
English (en)
Inventor
华珊珊
詹望
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 CN202210880645.3A priority Critical patent/CN115188688A/zh
Publication of CN115188688A publication Critical patent/CN115188688A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L22/00—Testing or measuring during manufacture or treatment; Reliability measurements, i.e. testing of parts without further processing to modify the parts as such; Structural arrangements therefor
    • H01L22/10—Measuring as part of the manufacturing process
    • H01L22/14—Measuring as part of the manufacturing process for electrical parameters, e.g. resistance, deep-levels, CV, diffusions by electrical means
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L22/00—Testing or measuring during manufacture or treatment; Reliability measurements, i.e. testing of parts without further processing to modify the parts as such; Structural arrangements therefor
    • H01L22/10—Measuring as part of the manufacturing process
    • H01L22/12—Measuring as part of the manufacturing process for structural parameters, e.g. thickness, line width, refractive index, temperature, warp, bond strength, defects, optical inspection, electrical measurement of structural dimensions, metallurgic measurement of diffusions
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L22/00—Testing or measuring during manufacture or treatment; Reliability measurements, i.e. testing of parts without further processing to modify the parts as such; Structural arrangements therefor
    • H01L22/20—Sequence of activities consisting of a plurality of measurements, corrections, marking or sorting steps

Abstract

本公开是关于一种异常检测方法及装置、电子设备以及计算机可读存储介质，涉及半导体生产测试技术领域，可以应用于确定晶圆测试过程中异常产生原因的场景。该方法包括：获取测试主体的测试数据；确定测试数据对应的至少一测试指标；测试指标包括良率参数、阻值参数以及失效位元区域的一种或多种；确定测试主体在各测试指标下的异常判定结果；根据确定出的异常判定结果确定测试主体出现异常的异常原因类型。本公开通过分析多维度下的晶圆测试结果，快速分析出测试表现异常的原因，并及时预警。

Description

异常检测方法及装置、电子设备和存储介质
技术领域
本公开涉及半导体生产测试技术领域，具体而言，涉及一种异常检测方法、异常检测装置、电子设备以及计算机可读存储介质。
背景技术
半导体的生产流程包括晶圆制造和封装测试，在这两个环节中分别需要完成晶圆测试(CP，Circuit Probing)和成品测试(FT，Final Test)。在测试设备中，测试机用于检测芯片功能和性能，探针台与分选机实现被测芯片与测试机功能模块的连接。晶圆检测环节需要使用测试机和探针台。
如果测试设备出现异常，当出现探针卡(Probe Card)异常，如针脚异常；机台异常，如生产卡(PE Card)异常，将造成产品受损或是产品测量误差，进一步导致良率损失。
需要说明的是，在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
本公开的目的在于提供一种异常检测方法、异常检测装置、电子设备以及计算机可读存储介质，进而至少在一定程度上克服现有的异常检测方式需要根据晶圆测试结果及个人工作经验，确定测试结果产生异常的原因类型，导致产品需要复测，且异常查找过程耗时较长的问题。
本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本发明的实践而习得。
根据本公开的第一方面，提供一种异常检测方法，包括：获取测试主体的测试数据；确定所述测试数据对应的至少一测试指标；所述测试指标包括良率参数、阻值参数以及失效位元区域的一种或多种；确定所述测试主体在各所述测试指标下的异常判定结果；根据确定出的所述异常判定结果确定所述测试主体出现异常的异常原因类型。
在本公开的一种示例性实施方案中，上述方法还包括：确定所述测试主体对应的测试机台，获取所述测试机台的测试日志文件；对所述测试日志文件进行结构化处理，生成初始测试数据；对所述初始测试数据进行数据预处理，得到所述测试数据。
在本公开的一种示例性实施方案中，所述对所述初始测试数据进行数据预处理，得到所述测试数据，包括：获取至少一分组标识；所述分组标识用于对所述初始测试数据进行划分处理；根据所述至少一分组标识对所述初始测试数据进行划分处理，得到多个测试点位；所述测试点位包括初始点位测试数据；确定各所述初始点位测试数据在不同测试参数下的待删除数据；对多个所述初始点位测试数据中的待删除数据进行过滤处理，得到多个点位测试数据；根据多个所述点位测试数据生成所述测试数据。
在本公开的一种示例性实施方案中，所述测试主体包括晶圆，所述测试指标包括所述良率参数，所述确定所述测试主体在各所述测试指标下的异常判定结果，包括：获取所述测试主体在主体框维度下的至少一测试未通过参数；所述待测主体包括多个测试点位；确定所述测试主体在各所述测试点位中包含的晶圆总数量；确定各所述测试点位在各所述测试未通过参数下对应的未通过晶圆数量；根据所述晶圆总数量与所述未通过晶圆数量，确定所述测试主体在所述良率参数下的异常判定结果，作为第一异常判定结果。
在本公开的一种示例性实施方案中，所述根据所述晶圆总数量与所述未通过晶圆数量，所述确定所述测试主体在所述良率参数下的异常判定结果，作为第一异常判定结果，包括：根据所述晶圆总数量与所述未通过晶圆数量，确定所述测试主体对应的未通过晶圆比例；将所述晶圆总数量与晶圆数量阈值进行对比，得到第一对比结果；将所述未通过晶圆比例与比例阈值进行对比，得到第二对比结果；根据所述第一对比结果与所述第二对比结果确定所述第一异常判定结果。
在本公开的一种示例性实施方案中，所述测试主体包括晶圆，所述测试指标包括所述阻值参数，所述确定所述测试主体在各所述测试指标下的异常判定结果，包括：获取过去指定时间段内，所述测试主体在所述阻值参数下的指定测试数据；获取指定分组标识，根据所述指定分组标识对所述指定测试数据进行分组处理，得到阻值分组数据；获取每片晶圆在全部测试点位下对应的点位测试结果，根据所述点位测试结果确定所述阻值分组数据对应的阻值阈值；根据所述阻值阈值确定所述测试主体在所述阻值参数下的异常判定结果，作为第二异常判定结果。
在本公开的一种示例性实施方案中，所述根据所述阻值阈值确定所述测试主体在所述阻值参数下的异常判定结果，作为第二异常判定结果，包括：确定各所述测试点位中的晶圆总数量，以及各所述测试点位中测试结果大于所述阻值阈值的异常晶圆数量；根据所述晶圆总数量与所述异常晶圆数量确定异常晶圆比例；获取参数均值拟合线，确定所述参数均值拟合线对应的拟合线导数；根据所述晶圆总数量、所述异常晶圆比例与所述拟合线导数确定所述第二异常判定结果。
在本公开的一种示例性实施方案中，所述测试主体包括晶圆，所述测试指标包括失效位元区域，所述确定所述测试主体在各所述测试指标下的异常判定结果，包括：确定所述测试主体在各测试点位中包含的测试参数；根据所述测试参数将所述测试点位进行分组处理，得到分组测试点位；确定各所述分组测试点位中的点位晶圆总数量；将各所述分组测试点位对应的位元失效图进行划分处理，得到多个矩阵区域，并生成对应的区域列表；确定所述区域列表中各所述矩阵区域的失效能量密度；根据所述点位晶圆总数量与多个所述失效能量密度，确定所述测试主体在所述失效位元区域下的异常判定结果，作为第三异常判定结果。
在本公开的一种示例性实施方案中，所述根据所述点位晶圆总数量与多个所述失效能量密度，确定所述测试主体在所述失效位元区域下的异常判定结果，作为第三异常判定结果，包括：将所述失效能量密度大于能量密度阈值的矩阵区域，作为失效矩阵区域，将所述失效矩阵区域保存至失效区域列表中；将所述失效矩阵区域中包含的次级矩阵区域从所述区域列表中删除；将不同晶圆在所述失效区域列表中进行区域叠加处理，确定经所述区域叠加处理后各所述测试点位中的失效位元数量；根据所述失效位元数量与所述点位晶圆总数量确定晶圆点位均值，以得到叠加失效位元图；根据所述叠加失效位元图确定所述第三异常判定结果。
在本公开的一种示例性实施方案中，所述根据所述叠加失效位元图确定所述第三异常判定结果，包括：根据所述叠加失效位元图生成叠加区域列表；所述叠加区域列表包括多个叠加矩阵区域；确定各所述叠加矩阵区域的叠加失效位元数量与叠加失效能量密度；根据所述叠加失效位元数量与所述叠加失效能量密度确定失效区域叠加数量；根据所述失效区域叠加数量与预先配置的叠加数量阈值进行对比，确定各所述测试点位中包含的异常参数组合数量；根据所述异常参数组合数量确定所述第三异常判定结果。
在本公开的一种示例性实施方案中，所述根据所述叠加失效位元图生成叠加区域列表，包括：对所述叠加失效位元图进行区域划分处理，得到多个叠加矩阵区域，并生成对应的初始叠加区域列表；将所述叠加失效能量密度大于能量密度阈值的叠加矩阵区域，作为叠加失效矩阵区域，将所述叠加失效矩阵区域保存至叠加失效区域列表中；将所述叠加失效矩阵区域中包含的次级叠加矩阵区域，从所述叠加失效区域列表中删除，得到更新后的叠加失效区域列表。
在本公开的一种示例性实施方案中，所述根据确定出的所述异常判定结果确定所述测试主体出现异常的异常原因类型，包括：获取预先构建的异常类型分析模型；获取所述测试主体在各所述测试指标下的异常判定结果；所述异常判定结果包括第一异常判定结果、第二异常判定结果以及第三异常判定结果中的一种或多种；将多个所述异常判定结果输入至所述异常类型分析模型，所述异常类型分析模型包括各所述异常判定结果分别对应的计算权重值；根据多个所述异常判定结果与各自对应的所述计算权重值确定所述异常类型。
在本公开的一种示例性实施方案中，各所述异常判定结果对应的计算权重值通过下述步骤计算得到：获取训练样本集，确定所述训练样本集的样本总数量；确定所述训练样本集中包含的样本失效类别与样本参数特征；所述样本参数特征包括样本参数特征值；将每个所述样本失效类别中包含的训练样本的数量，作为类别样本数量；根据所述样本参数特征值将所述训练样本集进行划分处理，得到训练样本子集；确定各所述训练样本子集中每个所述样本失效类别下的特征样本数量；根据所述样本总数量、所述类别样本数量与所述特征样本数量确定所述计算权重值。
根据本公开的第二方面，提供一种异常检测装置，包括：测试数据获取模块，用于获取测试主体的测试数据；测试指标确定模块，用于确定所述测试数据对应的至少一测试指标；所述测试指标包括良率参数、阻值参数以及失效位元区域的一种或多种；判定结果确定模块，用于确定所述测试主体在各所述测试指标下的异常判定结果；异常类型确定模块，用于根据确定出的所述异常判定结果确定所述测试主体出现异常的异常原因类型。
在本公开的一种示例性实施方案中，所述异常检测装置还包括测试数据生成模块，用于确定所述测试主体对应的测试机台，获取所述测试机台的测试日志文件；对所述测试日志文件进行结构化处理，生成初始测试数据；对所述初始测试数据进行数据预处理，得到所述测试数据。
在本公开的一种示例性实施方案中，所述测试数据生成模块包括测试数据生成单元，用于获取至少一分组标识；所述分组标识用于对所述初始测试数据进行划分处理；根据所述至少一分组标识对所述初始测试数据进行划分处理，得到多个测试点位；所述测试点位包括初始点位测试数据；确定各所述初始点位测试数据在不同测试参数下的待删除数据；对多个所述初始点位测试数据中的待删除数据进行过滤处理，得到多个点位测试数据；根据多个所述点位测试数据生成所述测试数据。
在本公开的一种示例性实施方案中，所述测试主体包括晶圆，所述测试指标包括所述良率参数，所述判定结果确定模块包括第一结果确定单元，用于获取所述测试主体在主体框维度下的至少一测试未通过参数；所述待测主体包括多个测试点位；确定所述测试主体在各所述测试点位中包含的晶圆总数量；确定各所述测试点位在各所述测试未通过参数下对应的未通过晶圆数量；根据所述晶圆总数量与所述未通过晶圆数量，确定所述测试主体在所述良率参数下的异常判定结果，作为第一异常判定结果。
在本公开的一种示例性实施方案中，所述第一结果确定单元包括第一结果确定子单元，用于根据所述晶圆总数量与所述未通过晶圆数量，确定所述测试主体对应的未通过晶圆比例；将所述晶圆总数量与晶圆数量阈值进行对比，得到第一对比结果；将所述未通过晶圆比例与比例阈值进行对比，得到第二对比结果；根据所述第一对比结果与所述第二对比结果确定所述第一异常判定结果。
在本公开的一种示例性实施方案中，所述测试主体包括晶圆，所述测试指标包括所述阻值参数，所述所述判定结果确定模块包括第二对比结果确定单元，用于获取过去指定时间段内，所述测试主体在所述阻值参数下的指定测试数据；获取指定分组标识，根据所述指定分组标识对所述指定测试数据进行分组处理，得到阻值分组数据；获取每片晶圆在全部测试点位下对应的点位测试结果，根据所述点位测试结果确定所述阻值分组数据对应的阻值阈值；根据所述阻值阈值确定所述测试主体在所述阻值参数下的异常判定结果，作为第二异常判定结果。
在本公开的一种示例性实施方案中，所述第二对比结果确定单元包括第二对比结果确定子单元，用于确定各所述测试点位中的晶圆总数量，以及各所述测试点位中测试结果大于所述阻值阈值的异常晶圆数量；根据所述晶圆总数量与所述异常晶圆数量确定异常晶圆比例；获取参数均值拟合线，确定所述参数均值拟合线对应的拟合线导数；根据所述晶圆总数量、所述异常晶圆比例与所述拟合线导数确定所述第二异常判定结果。
在本公开的一种示例性实施方案中，所述测试主体包括晶圆，所述测试指标包括失效位元区域，所述所述判定结果确定模块包括第三结果确定单元，用于确定所述测试主体在各测试点位中包含的测试参数；根据所述测试参数将所述测试点位进行分组处理，得到分组测试点位；确定各所述分组测试点位中的点位晶圆总数量；将各所述分组测试点位对应的位元失效图进行划分处理，得到多个矩阵区域，并生成对应的区域列表；确定所述区域列表中各所述矩阵区域的失效能量密度；根据所述点位晶圆总数量与多个所述失效能量密度，确定所述测试主体在所述失效位元区域下的异常判定结果，作为第三异常判定结果。
在本公开的一种示例性实施方案中，所述第三结果确定单元包括第三结果确定子单元，用于将所述失效能量密度大于能量密度阈值的矩阵区域，作为失效矩阵区域，将所述失效矩阵区域保存至失效区域列表中；将所述失效矩阵区域中包含的次级矩阵区域从所述区域列表中删除；将不同晶圆在所述失效区域列表中进行区域叠加处理，确定经所述区域叠加处理后各所述测试点位中的失效位元数量；根据所述失效位元数量与所述点位晶圆总数量确定晶圆点位均值，以得到叠加失效位元图；根据所述叠加失效位元图确定所述第三异常判定结果。
在本公开的一种示例性实施方案中，所述第三结果确定子单元被配置为执行：根据所述叠加失效位元图生成叠加区域列表；所述叠加区域列表包括多个叠加矩阵区域；确定各所述叠加矩阵区域的叠加失效位元数量与叠加失效能量密度；根据所述叠加失效位元数量与所述叠加失效能量密度确定失效区域叠加数量；根据所述失效区域叠加数量与预先配置的叠加数量阈值进行对比，确定各所述测试点位中包含的异常参数组合数量；根据所述异常参数组合数量确定所述第三异常判定结果。
在本公开的一种示例性实施方案中，所述所述第三结果确定子单元包括叠加列表确定子单元，用于对所述叠加失效位元图进行区域划分处理，得到多个叠加矩阵区域，并生成对应的初始叠加区域列表；将所述叠加失效能量密度大于能量密度阈值的叠加矩阵区域，作为叠加失效矩阵区域，将所述叠加失效矩阵区域保存至叠加失效区域列表中；将所述叠加失效矩阵区域中包含的次级叠加矩阵区域，从所述叠加失效区域列表中删除，得到更新后的叠加失效区域列表。
在本公开的一种示例性实施方案中，所述异常类型确定模块包括异常类型确定单元，用于获取预先构建的异常类型分析模型；获取所述测试主体在各所述测试指标下的异常判定结果；所述异常判定结果包括第一异常判定结果、第二异常判定结果以及第三异常判定结果中的一种或多种；将多个所述异常判定结果输入至所述异常类型分析模型，所述异常类型分析模型包括各所述异常判定结果分别对应的计算权重值；根据多个所述异常判定结果与各自对应的所述计算权重值确定所述异常类型。
在本公开的一种示例性实施方案中，所述异常类型确定单元包括权重值确定子单元，用于获取训练样本集，确定所述训练样本集的样本总数量；确定所述训练样本集中包含的样本失效类别与样本参数特征；所述样本参数特征包括样本参数特征值；将每个所述样本失效类别中包含的训练样本的数量，作为类别样本数量；根据所述样本参数特征值将所述训练样本集进行划分处理，得到训练样本子集；确定各所述训练样本子集中每个所述样本失效类别下的特征样本数量；根据所述样本总数量、所述类别样本数量与所述特征样本数量确定所述计算权重值。
根据本公开的第三方面，提供一种电子设备，包括：处理器；以及存储器，所述存储器上存储有计算机可读指令，所述计算机可读指令被所述处理器执行时实现根据上述任意一项所述的异常检测方法。
根据本公开的第四方面，提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现根据上述任意一项所述的异常检测方法。
本公开提供的技术方案可以包括以下有益效果：
本公开的示例性实施例中的异常检测方法，一方面，根据待测主体在多个测试指标下的异常判定结果，自动分析确定出待测主体出现异常的异常类型，使得异常原因确定过程无需依赖人为经验，提升异常检测效率。另一方面，通过整合多个测试指标下的异常判定结果，快速有效地定位出待测主体的异常类型，可以有效确保异常检测结果的准确性。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。显而易见地，下面描述中的附图仅仅是本公开的一些实施例，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的附图。在附图中：
图1示意性示出了根据本公开的示例性实施方式的异常检测方法的流程图；
图2示意性示出了根据本公开的示例性实施方式的确定第一异常判定结果的流程图；
图3示意性示出了根据本公开的示例性实施方式的确定第二异常判定结果的流程图；
图4示意性示出了根据本公开的示例性实施方式的确定第三异常判定结果的流程图；
图5示意性示出了根据本公开的示例性实施方式的确定待测主体出现异常的异常类型的流程图；
图6示意性示出了根据本公开的示例性实施方式的异常检测装置的方框图；
图7示意性示出了根据本公开一示例性实施例的电子设备的框图；
图8示意性示出了根据本公开一示例性实施例的计算机可读存储介质的示意图。
具体实施方式
现在将参考附图更全面地描述示例实施例。然而，示例实施例能够以多种形式实施，且不应被理解为限于在此阐述的实施例；相反，提供这些实施例使得本公开将全面和完整，并将示例实施例的构思全面地传达给本领域的技术人员。在图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。
此外，所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中，提供许多具体细节从而给出对本公开的实施例的充分理解。然而，本领域技术人员将意识到，可以实践本公开的技术方案而没有所述特定细节中的一个或更多，或者可以采用其它的方法、组元、装置、步骤等。在其它情况下，不详细示出或描述公知结构、方法、装置、实现、材料或者操作以避免模糊本公开的各方面。
附图中所示的方框图仅仅是功能实体，不一定必须与物理上独立的实体相对应。即，可以采用软件形式来实现这些功能实体，或在一个或多个软件硬化的模块中实现这些功能实体或功能实体的一部分，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
晶圆测试为生产线的必要流程，当出现Probe Card异常，如针脚异常；或者机台异常，如PE Card异常，将造成产品受损或是产品测量误差，进一步导致良率损失。传统方法需由有专业背景的工程师，通过观察晶圆测试结果并依据个人工作经验，判断测试结果异常的原因是产品制程问题，还是测试设备问题，查找原因耗时久。另外，由于产线测试设备的稳定性是产品良率的重要保障，对于产品测试设备进行异常启动分析，产品就需进行复测，在一定程度上影响产能的提升。
基于此，在本示例实施例中，首先提供了一种异常检测方法，可以利用服务器来实现本公开的异常检测方法，也可以利用终端设备来实现本公开所述的方法，其中，本公开中描述的终端可以包括诸如手机、平板电脑、笔记本电脑、掌上电脑、个人数字助理(PersonalDigital Assistant，PDA)等移动终端，以及诸如台式计算机等固定终端。图1示意性示出了根据本公开的一些实施例的异常检测方法流程的示意图。参考图1，该异常检测方法可以包括以下步骤：
步骤S110，获取测试主体的测试数据。
在本公开的一些示例性实施方式中，测试主体可以是生产制造过程中待进行检测的产品主体，例如，在半导体生产测试过程中，测试主体可以是晶圆、硅片等。测试数据可以是对测试主体进行测试处理所产生的相关数据。
在半导体生产与制造过程中，测试流程是工艺生产线上的一个重要流程。测试流程中将产生与测试主体相关的测试数据，在分析测试主体出现异常的原因类型时，可以先获取测试流程中生成的测试数据，对测试数据进行分析，最终得到产生异常原因的异常类型。例如，在晶圆制造过程中，晶圆测试是生产线上的一个必要流程，可以将晶圆测试过程中产生的数据作为测试数据。
本领域技术人员容易理解的，测试主体还可以是其他工艺产品，如硅片等，本公开对测试主体的具体类型不作任何特殊限定。
步骤S120，确定测试数据对应的至少一测试指标；测试指标包括良率参数、阻值参数以及失效位元区域的一种或多种。
在本公开的一些示例性实施方式中，测试指标可以是不同维度下的测试参数。良率参数可以是测试主体的合格率参数，是产品质量指标之一，记为BIN指标。阻值参数可以是测试主体对应的电阻元件的电阻参数，记为接触电阻(Contact resistance，CRES)指标。失效位元区域可以是测试主体在产生失效位元的区域对应的参数指标，记为(Fail RegionLatch，FRL)指标。
在获取到测试数据后，可以确定出测试数据对应的多个测试指标，如良率参数、阻值参数以及失效位元区域等多个测试指标，以便确定出测试主体在不同数据维度下的异常判定结果。
步骤S130，确定测试主体在各测试指标下的异常判定结果。
在本公开的一些示例性实施方式中，异常判定结果可以是对测试主体在不同的测试指标维度下进行异常分析，得到的判定结果。测试点位可以是测试主体在多种不同的测试条件下对应的颗粒位置，例如，在晶圆测试中，测试点位可以是在相同的测试环境、测试程式、测试探针及测试机台下的某个晶粒位置。
在确定出多个测试指标后，将采用相应的算法模型对测试主体在相应测试指标下出现异常的情况进行分析，得到对应的异常判定结果。在对测试主体在某一测试指标进行分析之前，可以先对测试数据进行分组处理，得到测试数据对应的多个测试点位，基于得到的多个测试点位进行异常分析，得到异常判定结果。
步骤S140，根据确定出的异常判定结果确定测试主体出现异常的异常原因类型。
在本公开的一些示例性实施方式中，异常类型可以是导致测试主体出现异常原因的具体类型，例如，半导体测试过程中的异常类型可以包括产品制程异常或测试设备异常。
在确定出测试主体在不同测试指标下的异常判定结果后，可以对得到的多个异常判定结果综合在一起进行分析，例如，确定出不同测试指标下的异常判定结果进行计算时所采用的计算权重值，根据多个异常判定值与各自对应的计算权重值确定出一个综合得分。根据综合得分的具体值判定异常出现的具体原因，即确定出具体的异常类型。
根据本示例实施例中的异常检测方法，一方面，根据待测主体在多个测试指标下的异常判定结果，自动分析确定出待测主体出现异常的异常类型，使得异常原因确定过程无需依赖人为经验，提升异常检测效率。另一方面，通过整合多个测试指标下的异常判定结果，快速有效地定位出待测主体的异常类型，可以有效确保异常检测结果的准确性。
下面，将对本示例实施例中的异常检测方法的步骤S110～步骤S140进行进一步的说明。
在本公开的一种示例性实施方案中，测试主体的测试数据可以通过下述步骤生成：确定测试主体对应的测试机台，获取测试机台的测试日志文件；对测试日志文件进行结构化处理，生成初始测试数据；对初始测试数据进行数据预处理，得到测试数据。
其中，测试机台可以是对测试主体进行测试处理所采用的仪器设备。测试日志文件可以是测试机台对测试主体进行测试处理过程中所产生的测试日志组成的文件，测试日志文件通常是非结构化数据。结构化处理可以是对非结构化的测试日志文件中的数据进行结构化处理的过程，最终生成的数据是数据点之间具有清晰的、可定义的关系，并包含一个预定义的模型的数据。初始测试数据可以是对测试日志文件进行结构化处理后生成的数据。数据预处理可以是去除初始测试数据中的无效数据、离群数据和重复数据的过程。
在确定测试主体的测试数据时，可以先确定对测试主体进行测试处理的测试机台，从测试机台中获取指定时间段的测试日志文件。通常，直接从测试机台中获取的测试日志文件为非结构化数据，为了便于后续的数据分析，可以对测试日志文件进行结构化处理，生成对应的初始测试数据，由于初始测试数据是结构化数据，因此，初始测试数据中不同数据点之间具有特定的相互关系。在得到初始测试数据后，可以将初始测试数据存储至大数据平台。如果需要使用初始测试数据，则可以从大数据平台中获取初始测试数据，例如，对获取到的初始测试数据进行数据预处理，如将初始测试数据中的无效数据、离群数据和重复数据等进行删除，使得得到的测试数据更加统一，便于后续计算使用，在本实施例中，后续可以采用不同的测试指标对测试数据进行分析，确定出异常判定结果。
在本公开的一种示例性实施方案中，对初始测试数据进行数据预处理，得到测试数据的处理过程可以通过下述步骤进行：获取至少一分组标识；分组标识用于对初始测试数据进行划分处理；根据至少一分组标识对初始测试数据进行划分处理，得到多个测试点位；测试点位包括初始点位测试数据；确定各初始点位测试数据在不同测试参数下的待删除数据；对多个初始点位测试数据中的待删除数据进行过滤处理，得到多个点位测试数据；根据多个点位测试数据生成测试数据。
其中，分组标识可以是对初始测试数据进行分组处理时所采用的标识。初始点位测试数据可以是采用分组标识对初始测试数据进行分组后得到的多个分组数据。测试参数可以是不同测试指标下包含的测试参数。待删除数据可以是初始点位测试数据中存在的无效数据、离群数据和重复数据等等。点位测试数据可以是将初始点位测试数据中的待删除数据进行删除处理后得到的数据。
在基于初始测试数据生成测试数据时，可以从大数据平台中抓取过去指定时间段内的初始测试数据，例如，抓取过去4小时内的测试数据。对于获取到的初始测试数据，可以确定上述数据进行分组处理的分组标识，例如，分组标识可以包括流程步骤标识(STEP_ID)、项目标识(PROGRAM_ID)、探针卡标识(PROBE_CARD_ID)、测试机台标识(TESTER_ID)以及芯片标识(CHIP_ID)等。以上述分组标识作为分组条件，对初始测试数据进行划分处理，将具有相同步骤标识、相同项目标识、相同探针卡标识、相同测试机台标识以及相同芯片标识的数据划分为一组，代表相同测试环境、测试程式、测试探针及测试机台下的某个晶粒位置。分组后的数据统称为测试点位，记为Groupi，每个测试点位中均包含对应的初始点位测试数据。
在得到初始点位测试数据后，可以确定出每个测试点位对应的初始点位测试数据在不同测试参数下的待删除数据。例如，待删除数据可以包括主体框维度下的Groupi中不同测试参数的无效数据。当测试参数是直流(Direct Current，DC)维度下电性阻值(Contact Resistance)相关的参数，取参数名以CRES开头的参数。待删除数据还可以包括DC维度下CRES参数对应的Groupi中测试参数结果等于预设阈值(999如)的数据。待删除数据也可以包括芯片标识(CHIP_ID)属于晶圆边缘(异常频发区域，EE区域)的测试数据。
在确定出上述待删除数据后，可以将待删除数据从初始点位测试数据中删除，得到多个对应的点位测试数据，并根据多个点位测试数据共同组成测试数据，便于后续分析使用。
在本公开的一种示例性实施方案中，测试主体包括晶圆，测试指标包括良率参数，确定测试主体在良率参数测试指标下的异常判定结果可以通过下述步骤进行：获取测试主体在主体框维度下的至少一测试未通过参数；待测主体包括多个测试点位；确定测试主体在各测试点位中包含的晶圆总数量；确定各测试点位在各测试未通过参数下对应的未通过晶圆数量；根据晶圆总数量与未通过晶圆数量，确定测试主体在良率参数下的异常判定结果，作为第一异常判定结果。
其中，主体框维度可以是标识不同颜色框的数据维度。例如，一个主体框bin对应一种颜色，不同的颜色代表不同的bin。测试未通过参数可以是对测试主体进行测试后显示测试结果未通过时所对应的参数。未通过晶圆数量可以是测试未通过参数下对应的晶圆数量。晶圆总数量可以是一个测试点位中包含的晶圆数量。第一异常判定结果可以是在良率参数指标下，对测试主体进行异常分析得到的判定结果。
参考图2，图2示意性示出了根据本公开的示例性实施方式的确定第一异常判定结果的流程图。对于获取到的测试数据210，在步骤S201中，可以通过上述处理步骤，即采用分组标识对测试数据210进行数据分组处理，得到多个测试点位，实现对测试数据的分析单元是晶粒位置。
在步骤S202中，定义测试未通过参数。选取BIN维度下参数名以BIN_COUNT开头，以特殊字符或字母结尾的参数，作为测试未通过参数。在步骤S203中，统计测试点位Groupi中(即组内)测试的晶圆总数量，记作wfti；然后，分别计算每个测试点位Groupi组内测试未通过参数个数下晶圆的数量，即未通过晶圆数量pfij。在确定出每个测试点位Groupi中的晶圆总数量与未通过晶圆数量后，可以进一步根据每个测试点位Groupi中的晶圆总数量与未通过晶圆数量确定测试主体在良率参数指标下的异常判定结果，作为第一异常判定结果。通过上述处理步骤，可以基于测试异常参数的测试数据，主要分析测试点位发生测试异常的频率，从产生的测试异常分析是否存在集中性，推断测试设备是否异常。
在本公开的一种示例性实施方案中，根据晶圆总数量与未通过晶圆数量，确定测试主体在良率参数下的异常判定结果，作为第一异常判定结果，包括：根据晶圆总数量与未通过晶圆数量，确定测试主体对应的未通过晶圆比例；将晶圆总数量与晶圆数量阈值进行对比，得到第一对比结果；将未通过晶圆比例与比例阈值进行对比，得到第二对比结果；根据第一对比结果与第二对比结果确定第一异常判定结果。
其中，未通过晶圆比例可以是每个测试点位中未通过晶圆数量在晶圆总数量中所占的比例。晶圆数量阈值可以是与晶圆总数量进行对比的数值。比例阈值可以是与未通过晶圆比例进行对比的数值。第一对比结果可以是晶圆总数量与晶圆数量阈值进行大小对比处理后得到的结果。第二对比结果未通过晶圆比例与比例阈值进行大小对比处理后得到的结果。
继续参考图2，在步骤S204中，计算每个测试点位Groupi组内单一测试参数未通过的比例，即
Figure BDA0003764045570000151
记为prij。在步骤S205中，遍历每个测试点位Groupi中测试未通过参数，将晶圆总片数与晶圆数量阈值进行对比，例如，晶圆数量阈值可以设定为3；同时将确定出的未通过晶圆比例与比例阈值进行对比，例如，比例阈值可以设定为0.75。
如果满足晶圆总片数wfti大于3且存在未通过晶圆比例prij大于0.75，则在步骤S206中，可以认为Groupi的判定标签BIN_TAG为F，表示该晶粒位置的测试设备异常；如果Groupi中包含的多个未通过测试参数对应的未通过晶圆比例prij均小于0.75，则可以进行下一步判断。在步骤S207中，如果晶圆总片数wfti大于3且未通过晶圆比例之和
Figure BDA0003764045570000152
大于0.75，则在步骤S208中，可以认为Groupi的判定标签BIN_TAG为F，表示该晶粒位置的测试设备异常。否则，在步骤S209中，可以认为Groupi的判定标签BIN_TAG为P，代表该晶粒位置的测试设备正常。
在本公开的一种示例性实施方案中，确定测试主体在阻值参数这一测试指标下的异常判定结果可以通过下述步骤进行：获取过去指定时间段内，测试主体在阻值参数下的指定测试数据；获取指定分组标识，根据指定分组标识对指定测试数据进行分组处理，得到阻值分组数据；获取每片晶圆在全部测试点位下对应的点位测试结果，根据点位测试结果确定阻值分组数据对应的阻值阈值；根据阻值阈值确定测试主体在阻值参数下的异常判定结果，作为第二异常判定结果。
其中，指定测试数据可以是过去指定时间段内测试主体在阻值参数下的测试数据。指定分组标识可以是对指定测试数据进行分组处理所采用的标识。阻值分组数据可以是按照指定分组标识对指定测试数据进行分组后得到数据。点位测试结果可以是每片晶元在不同测试点位下的测试结果。阻值阈值可以是预先配置的用于与点位测试结果进行对比的数值。第二异常判定结果可以是在阻值参数指标下，对测试主体进行异常分析得到的判定结果。
参考图3，图3示意性示出了根据本公开的示例性实施方式的确定第二异常判定结果的流程图。通过步骤S201，对测试数据进行了数据分组处理，实现了分析单元是晶粒位置。在步骤S301中，对测试数据进行另一种分组处理方式，实现对测试数据的分析单元是测试探针类型。具体的，可以获取过去指定时间段内测试主体在阻值参数下的测试数据，作为指定测试数据。例如，可以获取过去14天晶圆接触阻值参数的测试数据，作为指定测试数据。在获取到指定测试数据后，可以获取预先确定的指定分组标识，例如，指定分组标识可以包括产品标识(PRODUCT_ID)、工艺流程标识(STEP_ID)、项目标识(PROGRAM_ID)以及探针卡类型(PROBE_CARD_TYPE)等。根据指定分组标识对指定测试数据进行分组处理，得到阻值分组数据，记为CRESRangei。
在步骤S302中，确定每个阻值分组数据RESRangei可容忍最大波动上界，作为阻值阈值。例如，可以将每片晶圆全部点位测试结果的第95分位数(RES_P95)计算CRESRangei的可容忍最大波动上界，得到的阻值阈值如公式1所示。
Figure BDA0003764045570000171
其中，“AVG()”可以表示计算均值；“STDDEV()”可以表示返回标准偏差函数，标识返回样本标准偏差；“RES_P95i”可以表示阻值参数下测试数据的第95分位数。
在得到阻值阈值后，可以根据阻值阈值定测试主体在阻值参数下的异常判定结果，作为第二异常判定结果。
在本公开的一种示例性实施方案中，确定各测试点位中的晶圆总数量，以及各测试点位中测试结果大于阻值阈值的异常晶圆数量；根据晶圆总数量与异常晶圆数量确定异常晶圆比例；获取参数均值拟合线，确定参数均值拟合线对应的拟合线导数；根据晶圆总数量、异常晶圆比例与拟合线导数确定第二异常判定结果。
其中，异常晶圆数量可以是每个测试点位中测试结果超过阻值阈值的晶圆数量。异常晶圆比例可以是异常晶圆数量占晶圆总数量的比例。参数均值拟合线可以是将指定时间区间内的测试数据按照预设时间间隔计算出均值，根据计算出的均值绘制出的拟合线。拟合线导数可以是对拟合线进行一次导数计算所得到的数值。
在步骤S303中，确定测试点位Groupi中测试的晶圆总片数wfti，并统计Groupi中测试结果超出阻值阈值upper_spec的晶圆总片数，即异常晶圆数量pfij。在步骤S304中，计算Groupi组内中参数测试结果超出阻值阈值upper_spec的晶圆占比，即异常晶圆比例
Figure BDA0003764045570000172
记为prij。在步骤S305中，每隔预设时间间隔计算晶圆位置参数值的均值。例如，将指定时间区间设定为4小时，将预设时间间隔设定为10分钟，则以10分钟为时间间隔进行数据分组，计算4小时内每个10分钟内的参数均值水平。在步骤S306中，根据确定出的参数均值绘制线性拟合线，得到参数均值拟合线，对得到的参数均值拟合线计算一次导数，即计算斜率值，得到拟合线导数Slopei。
在步骤S307中，将晶圆总片数与晶圆数量阈值(第一阈值)进行大小对比，将异常晶圆比例与异常比例阈值(第二阈值)进行大小对比，并且判断阻值的最大波动上界是否大于0。如果晶圆总片数wfti大于3，且异常晶圆比例prij大于0.75，且拟合线导数Slopei大于0，则在步骤S308中，可以判定CRES_TAG为F，代表该晶粒位置的测试设备异常；否则在步骤S309中，判定CRES_TAG为P，代表该晶粒位置的测试设备正常。
通过上述处理步骤，可以基于测试结果飘高的接触阻值数据，重点分析测试点位参数值的局部趋势，从测试结果是否存在飘高趋势推断测试设备是否异常。
在本公开的一种示例性实施方案中，确定测试主体在失效位元区域测试指标下的异常判定结果可以通过下述步骤进行：确定测试主体在各测试点位中包含的测试参数；根据测试参数将测试点位进行分组处理，得到分组测试点位；确定各分组测试点位中的点位晶圆总数量；将各分组测试点位对应的位元失效图进行划分处理，得到多个矩阵区域，并生成对应的区域列表；确定区域列表中各矩阵区域的失效能量密度；根据点位晶圆总数量与多个失效能量密度，确定测试主体在失效位元区域下的异常判定结果，作为第三异常判定结果。
其中，测试参数可以是测试点位中包含的参数。分组测试点位可以是按照测试参数对测试点位进行分组处理后多个不同分组。点位晶圆总数量可以是分组测试点位中所包含的晶圆的总片数。矩阵区域可以是对分组测试点位中单一晶圆的位元失效图进行划分处理后得到的区域。区域列表可以是由矩阵区域的相关数据组成的列表。失效能量密度可以是每个矩阵区域中包含的失效位元的密度。第三异常判定结果可以是在失效位元区域指标下，对测试主体进行异常分析得到的判定结果
在步骤S201中，对测试数据210进行数据分组，可以实现对测试数据的分析单元是晶粒位置。确定测试主体在每个测试点位中包含的测试参数，例如，每个测试点位中包含K个测试参数。参考图4，图4示意性示出了根据本公开的示例性实施方式的确定第三异常判定结果的流程图。在步骤S401中，将分组测试点位中单个晶圆的位元失效图进行区域划分，得到多个矩阵区域。
具体处理过程包括：统计每个测试点位Groupi中包含的K个测试参数，按照测试参数对测试点位进行划分处理后，可以得到多个分组测试点位，记作Groupik。在确定出多个分组测试点位后，统计每个分组测试点位Groupik中的点位晶圆总数量，记作wftik。然后，将Groupik中单一晶圆的位元失效图按照对称轴划分为从大到小的多个矩阵区域，根据得到的多个矩阵区域生成区域列表AREA_LIST。
在步骤S402中，从大到小递进式计算区域列表AREA_LIST中不同矩阵区域各自对应的位元失效能量密度。例如，某个矩阵区域是8x8的矩阵，矩阵元素记为Aij，因此，Aij的取值可以是0或1。在确定出矩阵区域中每个矩阵元素对应的数值后，可以确定出每个矩阵区域中的失效能量密度，记为S，其中，
Figure BDA0003764045570000191
在确定出多个失效能量密度后，可以根据点位晶圆总数量与多个失效能量密度，确定测试主体在失效位元区域下的异常判定结果，作为第三异常判定结果。
在本公开的一种示例性实施方案中，将失效能量密度大于能量密度阈值的矩阵区域，作为失效矩阵区域，将失效矩阵区域保存至失效区域列表中；将失效矩阵区域中包含的次级矩阵区域从区域列表中删除；将不同晶圆在失效区域列表中进行区域叠加处理，确定经区域叠加处理后各测试点位中的失效位元数量；根据失效位元数量与点位晶圆总数量确定晶圆点位均值，以得到叠加失效位元图；根据叠加失效位元图确定第三异常判定结果。
其中，失效矩阵区域可以是失效能量密度大于能量密度阈值的矩阵区域。失效区域列表可以是由失效矩阵区域的相关数据组成的列表，记为PTN_LIST。次级矩阵区域可以是矩阵区域中包含的较小的区域。区域叠加处理可以是将不同晶圆在失效区域列表中的区域进行叠加处理的过程。失效位元数量可以是经过区域叠加处理后各测试点位中失效位元的数量进行加和处理得到的数量。晶圆点位均值可以是每个分组测试点位中晶圆数量的平均值。叠加失效位元图可以是经过区域叠加处理后得到位元失效图。
继续参考图4，在确定出每个分组测试点位对应的失效能量密度后，在步骤S403中，将每个失效能量密度与能量密度阈值进行对比，判断每个失效能量密度是否大于能量密度阈值。在步骤S404中，如果失效能量密度不大于能量密度阈值，则跳过该失效能量密度对应的矩阵区域。在步骤S405中，如果失效能量密度大于能量密度阈值，则将失效矩阵区域保存至失效区域列表PTN_LIST中。并且，判断该失效矩阵区域中是否包含次级矩阵区域；其中，次级矩阵区域可以是比失效矩阵区域更小的矩阵区域。如果失效矩阵区域中包含次级矩阵区域，则可以将失效矩阵区域中包含的次级矩阵区域从区域列表AREA_LIST中删除。
例如，假设区域列表AREA_LIST中有j个区域，能量密度阈值可以设定为0.75，判断区域列表AREA_LIST中每个区域的Sj是否大于0.75。如果符合，将该矩阵区域作为失效矩阵区域，并将其保存至失效区域列表PTN_LIST中；另外，将该失效矩阵区域包含的较小区域从区域列表AREA_LIST中删除；如果不符合，跳过该区域。
在步骤S406中，将不同晶圆的失效区域列表叠加并求出每个点位的平均值。不同晶圆在失效区域列表PTN_LIST中进行区域叠加处理，确定经区域叠加处理后各测试点位中的失效位元数量；根据失效位元数量与点位晶圆总数量确定晶圆点位均值，以根据得到的晶圆点位均值生成叠加失效位元图。进而，根据叠加失效位元图确定第三异常判定结果。
例如，将不同晶圆在失效区域列表PTN_LIST中进行区域叠加，分别对每个分组测试点位的数值进行加总，得到每个分组测试点位的失效位元数量sumikl。根据得到的失效位元数量sumikl除以点位晶圆总数量，记作wftik，得到每个分组测试点位的平均值avgikl，形成叠加失效位元图。
在本公开的一种示例性实施方案中，根据叠加失效位元图确定第三异常判定结果的过程可以通过下述步骤进行：根据叠加失效位元图生成叠加区域列表；叠加区域列表包括多个叠加矩阵区域；确定各叠加矩阵区域的叠加失效位元数量与叠加失效能量密度；根据叠加失效位元数量与叠加失效能量密度确定失效区域叠加数量；根据失效区域叠加数量与预先配置的叠加数量阈值进行对比，确定各测试点位中包含的异常参数组合数量；根据异常参数组合数量确定第三异常判定结果。
其中，叠加区域列表可以是由多个叠加矩阵区域的相关数据组成的列表，叠加区域列表中包括多个叠加矩阵区域的相关数据。叠加矩阵区域可以是位元失效图经过叠加处理后，按照对称轴从大到小划分得到的多个不同的矩阵区域。叠加失效位元数量可以是叠加矩阵区域中包含的失效位元的数量。叠加失效能量密度可以是每个叠加矩阵区域中包含的失效位元的密度。失效区域叠加数量可以是根据叠加失效区域中的失效位元数量与叠加失效密度能量确定出的区域叠加数量值。叠加数量阈值可以是预先设定的用于与失效区域叠加数量进行大小对比的数值。异常参数组合可以是异常参数组合数量可以是异常参数组合的具体数量。
继续参考图4，在步骤S407中，将叠化后得到位元失效图进行区域划分，得到叠加区域列表。在本公开的一种示例性实施方案中，生成叠加区域列表可以通过下述步骤进行：对叠加失效位元图进行区域划分处理，得到多个叠加矩阵区域，并生成对应的初始叠加区域列表；将叠加失效能量密度大于能量密度阈值的叠加矩阵区域，作为叠加失效矩阵区域，将叠加失效矩阵区域保存至叠加失效区域列表中；将叠加失效矩阵区域中包含的次级叠加矩阵区域，从叠加失效区域列表中删除，得到更新后的叠加失效区域列表。
其中，初始叠加区域列表可以是对叠加失效位元图直接进行区域划分处理后，得到的多个叠加矩阵区域的相关数据生成的区域列表。叠加失效矩阵区域可以是叠加失效能量密度大于能量密度阈值的叠加矩阵区域。次级叠加矩阵区域可以是叠加失效矩阵区域中包含的较小区域。
在步骤S408中，将叠加后的位元失效图进行区域划分，得到叠加区域列表。具体的，将叠加后的位元失效图按照对称轴划分为从大到小的不同矩阵区域，得到多个叠加矩阵区域，根据得到的多个叠加矩阵区域的相关数据生成初始叠加区域列表，记作N_AREA_LIST。
在步骤S409中，递进式计算区域内位元失效能量密度。在生成初始叠加区域列表后，从大到小递进式计算初始叠加区域列表N_AREA_LIST中不同叠加矩阵区域对应的叠加失效能量密度，记作SS。
在步骤S410中，判断叠加失效能量密度是否大于能量密度阈值。假设初始叠加区域列表N_AREA_LIST中有m个叠加矩阵区域，判断初始叠加区域列表N_AREA_LIST中每个区域的SSm是否大于能量密度阈值0.75。在步骤S411中，如果叠加失效能量密度不大于能量密度阈值，则跳过该失效能量密度对应的叠加矩阵区域。
在步骤S412中，如果失效能量密度大于能量密度阈值，则将该叠加矩阵区域保存至叠加失效区域列表STARK_PTN_LIST中，并且，判断该叠加矩阵区域中是否包含次级叠加矩阵区域；其中，次级叠加矩阵区域可以是比叠加矩阵区域更小的矩阵区域。如果叠加矩阵区域中包含次级叠加矩阵区域，则可以将叠加矩阵区域中包含的次级叠加矩阵区域从初始叠加区域列表N_AREA_LIST中删除。通过上述处理步骤，最终生成更新后的叠加失效区域列表。
在生成叠加失效区域列表中，则继续执行后续步骤，在步骤S413中，确定失效区域叠加数量。具体的，将叠加失效区域列表中每个叠加矩阵区域的失效位元数量累加，确定出包含的叠加失效位元数量，并确定出每个叠加矩阵区域的叠加失效能量密度，将叠加失效位元数量与叠加失效能量密度之间的乘积之和，作为失效区域叠加数量。
在确定出失效区域叠加数量后，在步骤S414中，将失效区域叠加数量与叠加数量阈值进行对比，例如，叠加数量阈值可以设定为64，判断失效区域叠加数量是否大于64。在步骤S415中，如果失效区域叠加数量大于叠加数量阈值，则将Groupik判定为异常参数组合，即该分组(晶粒位置即测试BIN)异常。在步骤S416中，如果不符合失效区域叠加数量不大于叠加数量阈值，则将Groupik判为正常参数组合，即分组正常。
在步骤S417中，判断分组异常数量是否大于等于1。即判断多个分组测试点位中是否至少存在一个异常参数组合。在步骤S418中，如果存在至少一个异常参数组合，则判定FRL_TAG为F，代表该晶粒位置的测试设备异常。在步骤S419中，如果不存在异常参数组合，则判定FRL_TAG为P，代表该晶粒位置的测试设备正常。
通过上述第三异常判定结果的求解过程，可以基于失效区域数量(Fail RegionCount)数据，主要分析测试点位中失效位元区域的集中性，从测试结果是否存在块失效(Block Fail)，进而推断测试设备是否异常。
在本公开的一种示例性实施方案中，获取预先构建的异常类型分析模型；获取测试主体在各测试指标下的异常判定结果；异常判定结果包括第一异常判定结果、第二异常判定结果以及第三异常判定结果中的一种或多种；将多个异常判定结果输入至异常类型分析模型，异常类型分析模型包括各异常判定结果分别对应的计算权重值；根据多个异常判定结果与各自对应的计算权重值确定异常类型。
其中，异常类型分析模型可以用于确定测试主体出现异常的异常类型的计算模型。计算权重值可以是在进行综合得分计算时不同异常判定结果所采用的权重值。
参考图5，图5示意性示出了根据本公开的示例性实施方式的确定待测主体出现异常的异常类型的流程图。在确定测试主体的异常类型时，可以通过预先构建的异常类型分析模型进行，由异常类型分析模型对不同数据维度下的异常判定结果进行计算。具体的，不同异常判定结果可以通过下述方式确定：获取第一测试数据511，在步骤S510中，对第一测试数据511在良率参数指标下进行数据分组处理，实现待测主体的分析单元是晶粒位置。在步骤S520中，确定每个晶粒位置在良率参数维度下的异常判定结果，即第一异常判定结果，对应第一结果得分512(BIN_TAG)。
同理，对于第二测试数据521，将其在电性阻值参数指标下进行数据分组处理，实现待测主体的分析单元是晶粒位置。并通过步骤S530，确定每个晶粒位置在电性阻值维度下的异常判定结果，作为第二异常判定结果，对应第二结果得分522(CRES_TAG)。对于第二测试数据531，将其在失效位元区域参数指标下进行数据分组处理，实现待测主体的分析单元是晶粒位置。并通过步骤S540，确定每个晶粒位置在失效位元区域下的异常判定结果，作为第三异常判定结果，对应第二结果得分532(FRL_TAG)。
在确定出三个结果得分后，可以将三个不同的结果得分转换为在异常类型分析模型计算过程中对应的贡献值，分别记为第一贡献值513(BIN_SCORE)、第二贡献值523(CRES_SCORE)以及第三贡献值533(FRL_SCORE)。具体的，如果BIN_TAG/CRES_TAG/FRL_TAG的取值为P，则对应的BIN_SCORE/CRES_SCORE/FRL_SCORE赋值为0；如果BIN_TAG/CRES_TAG/FRL_TAG的取值为F，则对应的BIN_SCORE/CRES_SCORE/FRL_SCORE赋值为1。
在计算时中，将Groupi的BIN_SCORE、CRES_SCORE、FRL_SCORE作为异常类型分析模型的特征输入，获取每个异常判定结果分别对应的计算权重值，根据各自对应的计算权重值计算三种数据维度下的综合贡献值530。
在确定出综合贡献值530之后，在步骤S550中，判断综合贡献值是否大于贡献值阈值，进而确定出异常原因类型Target。例如，在计算出每个Groupi的贡献值SCORE后，得到的综合贡献值为SUM(BIN_FRAC*BIN_SCORE+CRES_FRAC*CRES_SCORE+FRL_FRA C*FRL_SCORE)；其中，BIN_FRAC、CRES_FRAC与FRL_FRAC分别为在BIN维度、CRES维度以及FRL维度下的计算权重值。
在步骤S560中，如果综合贡献值大于贡献值阈值，则认为是测试主体的异常类型是测试设备问题，对应的Target＝1。在步骤S570中，如果综合贡献值小于或等于贡献值阈值，则认为是测试主体的异常类型是产品问题，对应的Target＝0，最终确定出测试主体出现异常的异常原因类型。
在本公开的一种示例性实施方案中，获取训练样本集，确定训练样本集的样本总数量；确定训练样本集中包含的样本失效类别与样本参数特征；样本参数特征包括样本参数特征值；将每个样本失效类别中包含的训练样本的数量，作为类别样本数量；根据样本参数特征值将训练样本集进行划分处理，得到训练样本子集；确定各训练样本子集中每个样本失效类别下的特征样本数量；根据样本总数量、类别样本数量与特征样本数量确定计算权重值。
其中，训练样本集可以是用于训练异常类型分析模型的样本数据集。样本总数量可以是训练样本集中包含的样本数量。样本失效类别可以是测试主体可能具有的异常失效类别，例如，样本失效类别可以代表晶粒位置异常的具体类别，对于晶圆失效而言，样本失效类别可以包括代表晶粒位置异常是产品问题还是测试设备问题。样本参数特征可以是训练样本集对应多个不同的数据维度。样本参数特征值可以是训练样本集在多个不同的数据维度下的异常判定结果。类别样本数量可以是样本失效类别中包含的样本数量。训练样本子集可以是按照样本参数特征值对训练样本集进行划分处理后，得到的多个样本子集。特征样本数量可以是每个训练样本子集中包含的样本数量。
在进行综合贡献值的计算之前，可以获取预先计算出的计算权重值。具体的，第一贡献值513、第二贡献值523以及第三贡献值533的计算权重值分别为BIN_FRAC、CRES_FRAC、FRL_FRAC。计算权重值的计算过程如下：
假设预先配置有训练样本集D，对于训练样本集D，可以确定该集合中包含的样本总数量，样本总数量记为|D|。对于训练样本集中的数据，确定训练样本集中包含的样本失效类别与样本参数特征；其中，样本失效类别可以表示为k，样本参数特征可以表示为m。举例而言，本实施例中的样本失效类别k可以是2，样本参数特征m可以是3；其中，2中样本失效类别(k＝1，2)可以表示异常类型包含两类，分别代表晶粒位置异常是产品问题还是测试设备问题；3个样本参数特征(m＝1，2，3)代表BIN/CRES/FRL三个维度的异常判定结果。
确定出每个样本失效类别中包含的训练样本的数量，作为类别样本数量，即|Ck|可以表示属于样本失效类别Ck的样本数量；其中，
Figure BDA0003764045570000251
在确定出每个样本失效类别中包含的类别样本数量后，可以根据样本参数特征值将训练样本集进行划分处理，得到对应的训练样本子集。假设特征A有2个不同取值，则可以将D划分为2个子集，即训练样本子集D1和D2；其中，|Di|表示Di包含的类别样本数量。设子集Di中属于类Ck的样本集合为Dik，|Dik|可以表示Dik中的样本数量，即特征样本数量。在确定出上述数量后，可以根据样本总数量、类别样本数量与特征样本数量确定计算权重值，具体如公式2-公式4所示。
Figure BDA0003764045570000252
其中，H(D)可以表示训练样本集中包含的信息熵；|D|可以表示训练样本集中的样本总数量；|Ck|可以表示属于样本失效类别Ck的样本数量。
Figure BDA0003764045570000253
其中，H(D|A)可以表示训练样本集中特征A包含的信息熵；|D|可以表示训练样本集中的样本总数量；|Di|表示训练样本子集Di包含的类别样本数量。
Figure BDA0003764045570000261
其中，FRAC(A)可以表示特征A(如BIN指标)对应的计算权重值；H(D)可以表示训练样本集中包含的信息熵；H(D|A)可以表示训练样本集中特征A包含的信息熵。
同理，对于CRES特征与FRL特征下的计算权重值，同样可以通过上述步骤计算得到，以应用于后续的综合贡献值的计算过程中。
在通过上述处理方式，计算得到测试主体的异常类型和其他异常数据后，可以采用折线图、直方图形式、柱状图中的一种或多种图形，呈现在某一特定条件下全部测试设备异常次数统计，以折线图、箱线图等形式呈现测试设备的异常次数的变化趋势，辅助用户进行设备健检，防患于未然。
综上所述，本公开的异常检测方法，获取测试主体的测试数据；确定测试数据对应的至少一测试指标；测试指标包括良率参数、阻值参数以及失效位元区域的一种或多种；确定测试主体在各测试指标下的异常判定结果；根据确定出的异常判定结果确定测试主体出现异常的异常原因类型。一方面，根据待测主体在多个测试指标下的异常判定结果，自动分析确定出待测主体出现异常的异常类型，使得异常原因确定过程无需依赖人为经验，提升异常检测效率，防止人员产生错误操作(Mis-Operation)。另一方面，通过整合多个测试指标下的异常判定结果，快速有效地定位出待测主体的异常类型，可以有效确保异常检测结果的准确性。又一方面，通过绘制同一设备异常发生频率的趋势图，可以提供测试设备的表现稳定性监控。再一方面，通过自动化生成不同维度的测试设备异常次数趋势图，可以提醒用户关注设备健康程度，及时进行设备干预。
需要说明的是，尽管在附图中以特定顺序描述了本发明中方法的各个步骤，但是，这并非要求或者暗示必须按照该特定顺序来执行这些步骤，或是必须执行全部所示的步骤才能实现期望的结果。附加的或备选的，可以省略某些步骤，将多个步骤合并为一个步骤执行，以及/或者将一个步骤分解为多个步骤执行等。
此外，在本示例实施例中，还提供了一种异常检测装置。参考图6，该异常检测装置600可以包括：测试数据获取模块610、测试指标确定模块620、判定结果确定模块630以及异常类型确定模块640。
具体的，测试数据获取模块610，用于获取测试主体的测试数据；测试指标确定模块620，用于确定测试数据对应的至少一测试指标；测试指标包括良率参数、阻值参数以及失效位元区域的一种或多种；判定结果确定模块630，用于确定测试主体在各测试指标下的异常判定结果；异常类型确定模块640，用于根据确定出的异常判定结果确定测试主体出现异常的异常原因类型。
在本公开的一种示例性实施方案中，异常检测装置600还包括测试数据生成模块，用于确定测试主体对应的测试机台，获取测试机台的测试日志文件；对测试日志文件进行结构化处理，生成初始测试数据；对初始测试数据进行数据预处理，得到测试数据。
在本公开的一种示例性实施方案中，测试数据生成模块包括测试数据生成单元，用于获取至少一分组标识；分组标识用于对初始测试数据进行划分处理；根据至少一分组标识对初始测试数据进行划分处理，得到多个测试点位；测试点位包括初始点位测试数据；确定各初始点位测试数据在不同测试参数下的待删除数据；对多个初始点位测试数据中的待删除数据进行过滤处理，得到多个点位测试数据；根据多个点位测试数据生成测试数据。
在本公开的一种示例性实施方案中，测试主体包括晶圆，测试指标包括良率参数，判定结果确定模块630包括第一结果确定单元，用于获取测试主体在主体框维度下的至少一测试未通过参数；所述待测主体包括多个测试点位；确定测试主体在各测试点位中包含的晶圆总数量；确定各测试点位在各测试未通过参数下对应的未通过晶圆数量；根据晶圆总数量与未通过晶圆数量，确定测试主体在良率参数下的异常判定结果，作为第一异常判定结果。
在本公开的一种示例性实施方案中，第一结果确定单元包括第一结果确定子单元，用于根据晶圆总数量与未通过晶圆数量，确定测试主体对应的未通过晶圆比例；将晶圆总数量与晶圆数量阈值进行对比，得到第一对比结果；将未通过晶圆比例与比例阈值进行对比，得到第二对比结果；根据第一对比结果与第二对比结果确定第一异常判定结果。
在本公开的一种示例性实施方案中，测试主体包括晶圆，测试指标包括阻值参数，判定结果确定模块630包括第二对比结果确定单元，用于获取过去指定时间段内，测试主体在阻值参数下的指定测试数据；获取指定分组标识，根据指定分组标识对指定测试数据进行分组处理，得到阻值分组数据；获取每片晶圆在全部测试点位下对应的点位测试结果，根据点位测试结果确定阻值分组数据对应的阻值阈值；根据阻值阈值确定测试主体在阻值参数下的异常判定结果，作为第二异常判定结果。
在本公开的一种示例性实施方案中，第二对比结果确定单元包括第二对比结果确定子单元，用于确定各测试点位中的晶圆总数量，以及各测试点位中测试结果大于阻值阈值的异常晶圆数量；根据晶圆总数量与异常晶圆数量确定异常晶圆比例；获取参数均值拟合线，确定参数均值拟合线对应的拟合线导数；根据晶圆总数量、异常晶圆比例与拟合线导数确定第二异常判定结果。
在本公开的一种示例性实施方案中，测试主体包括晶圆，测试指标包括失效位元区域，判定结果确定模块630包括第三结果确定单元，用于确定测试主体在各测试点位中包含的测试参数；根据测试参数将测试点位进行分组处理，得到分组测试点位；确定各分组测试点位中的点位晶圆总数量；将各分组测试点位对应的位元失效图进行划分处理，得到多个矩阵区域，并生成对应的区域列表；确定区域列表中各矩阵区域的失效能量密度；根据点位晶圆总数量与多个失效能量密度，确定测试主体在失效位元区域下的异常判定结果，作为第三异常判定结果。
在本公开的一种示例性实施方案中，第三结果确定单元包括第三结果确定子单元，用于将失效能量密度大于能量密度阈值的矩阵区域，作为失效矩阵区域，将失效矩阵区域保存至失效区域列表中；将失效矩阵区域中包含的次级矩阵区域从区域列表中删除；将不同晶圆在失效区域列表中进行区域叠加处理，确定经区域叠加处理后各测试点位中的失效位元数量；根据失效位元数量与点位晶圆总数量确定晶圆点位均值，以得到叠加失效位元图；根据叠加失效位元图确定第三异常判定结果。
在本公开的一种示例性实施方案中，第三结果确定子单元被配置为执行：根据叠加失效位元图生成叠加区域列表；叠加区域列表包括多个叠加矩阵区域；确定各叠加矩阵区域的叠加失效位元数量与叠加失效能量密度；根据叠加失效位元数量与叠加失效能量密度确定失效区域叠加数量；根据失效区域叠加数量与预先配置的叠加数量阈值进行对比，确定各测试点位中包含的异常参数组合数量；根据异常参数组合数量确定第三异常判定结果。
在本公开的一种示例性实施方案中，第三结果确定子单元包括叠加列表确定子单元，用于对叠加失效位元图进行区域划分处理，得到多个叠加矩阵区域，并生成对应的初始叠加区域列表；将叠加失效能量密度大于能量密度阈值的叠加矩阵区域，作为叠加失效矩阵区域，将叠加失效矩阵区域保存至叠加失效区域列表中；将叠加失效矩阵区域中包含的次级叠加矩阵区域，从叠加失效区域列表中删除，得到更新后的叠加失效区域列表。
在本公开的一种示例性实施方案中，异常类型确定模块640包括异常类型确定单元，用于获取预先构建的异常类型分析模型；获取测试主体在各测试指标下的异常判定结果；异常判定结果包括第一异常判定结果、第二异常判定结果以及第三异常判定结果中的一种或多种；将多个异常判定结果输入至异常类型分析模型，异常类型分析模型包括各异常判定结果分别对应的计算权重值；根据多个异常判定结果与各自对应的计算权重值确定异常类型。
在本公开的一种示例性实施方案中，异常类型确定单元包括权重值确定子单元，用于获取训练样本集，确定训练样本集的样本总数量；确定训练样本集中包含的样本失效类别与样本参数特征；样本参数特征包括样本参数特征值；将每个样本失效类别中包含的训练样本的数量，作为类别样本数量；根据样本参数特征值将训练样本集进行划分处理，得到训练样本子集；确定各训练样本子集中每个样本失效类别下的特征样本数量；根据样本总数量、类别样本数量与特征样本数量确定计算权重值。
上述中各异常检测装置的虚拟模块的具体细节已经在对应的异常检测方法中进行了详细的描述，因此此处不再赘述。
应当注意，尽管在上文详细描述中提及了异常检测装置的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本公开的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
此外，在本公开的示例性实施例中，还提供了一种能够实现上述方法的电子设备。
所属技术领域的技术人员能够理解，本发明的各个方面可以实现为系统、方法或程序产品。因此，本发明的各个方面可以具体实现为以下形式，即：完全的硬件实施例、完全的软件实施例(包括固件、微代码等)，或硬件和软件方面结合的实施例，这里可以统称为“电路”、“模块”或“系统”。
下面参考图7来描述根据本公开的这种实施例的电子设备700。图7显示的电子设备700仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。
如图7所示，电子设备700以通用计算设备的形式表现。电子设备700的组件可以包括但不限于：上述至少一个处理单元710、上述至少一个存储单元720、连接不同系统组件(包括存储单元720和处理单元710)的总线730、显示单元740。
其中，所述存储单元存储有程序代码，所述程序代码可以被所述处理单元710执行，使得所述处理单元710执行本说明书上述“示例性方法”部分中描述的根据本公开各种示例性实施例的步骤。
存储单元720可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(RAM)721和/或高速缓存存储单元722，还可以进一步包括只读存储单元(ROM)723。
存储单元720可以包括具有一组(至少一个)程序模块725的程序/实用工具724，这样的程序模块725包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线730可以表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备700也可以与一个或多个外部设备770(例如键盘、指向设备、蓝牙设备等)通信，还可与一个或者多个使得用户能与该电子设备700交互的设备通信，和/或与使得该电子设备700能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口750进行。并且，电子设备700还可以通过网络适配器760与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器760通过总线730与电子设备700的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备700使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
通过以上的实施例的描述，本领域的技术人员易于理解，这里描述的示例实施例可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施例的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、终端装置、或者网络设备等)执行根据本公开实施例的方法。
在本公开的示例性实施例中，还提供了一种计算机可读存储介质，其上存储有能够实现本说明书上述方法的程序产品。在一些可能的实施例中，本发明的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当所述程序产品在终端设备上运行时，所述程序代码用于使所述终端设备执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施例的步骤。
参考图8所示，描述了根据本发明的实施例的用于实现上述方法的程序产品800，其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码，并可以在终端设备，例如个人电脑上运行。然而，本发明的程序产品不限于此，在本文件中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
此外，上述附图仅是根据本发明示例性实施例的方法所包括的处理的示意性说明，而不是限制目的。易于理解，上述附图所示的处理并不表明或限制这些处理的时间顺序。另外，也易于理解，这些处理可以是例如在多个模块中同步或异步执行的。
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其他实施例。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由权利要求指出。
应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限。

Claims (16)

1.一种异常检测方法，其特征在于，包括：
获取测试主体的测试数据；
确定所述测试数据对应的至少一测试指标；所述测试指标包括良率参数、阻值参数以及失效位元区域的一种或多种；
确定所述测试主体在各所述测试指标下的异常判定结果；
根据确定出的所述异常判定结果确定所述测试主体出现异常的异常原因类型。
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
确定所述测试主体对应的测试机台，获取所述测试机台的测试日志文件；
对所述测试日志文件进行结构化处理，生成初始测试数据；
对所述初始测试数据进行数据预处理，得到所述测试数据。
3.根据权利要求2所述的方法，其特征在于，所述对所述初始测试数据进行数据预处理，得到所述测试数据，包括：
获取至少一分组标识；所述分组标识用于对所述初始测试数据进行划分处理；
根据所述至少一分组标识对所述初始测试数据进行划分处理，得到多个测试点位；所述测试点位包括初始点位测试数据；
确定各所述初始点位测试数据在不同测试参数下的待删除数据；
对多个所述初始点位测试数据中的待删除数据进行过滤处理，得到多个点位测试数据；
根据多个所述点位测试数据生成所述测试数据。
4.根据权利要求1所述的方法，其特征在于，所述测试主体包括晶圆，所述测试指标包括所述良率参数，所述确定所述测试主体在各所述测试指标下的异常判定结果，包括：
获取所述测试主体在主体框维度下的至少一测试未通过参数；所述待测主体包括多个测试点位；
确定所述测试主体在各所述测试点位中包含的晶圆总数量；
确定各所述测试点位在各所述测试未通过参数下对应的未通过晶圆数量；
根据所述晶圆总数量与所述未通过晶圆数量，确定所述测试主体在所述良率参数下的异常判定结果，作为第一异常判定结果。
5.根据权利要求1所述的方法，其特征在于，所述根据所述晶圆总数量与所述未通过晶圆数量，所述确定所述测试主体在所述良率参数下的异常判定结果，作为第一异常判定结果，包括：
根据所述晶圆总数量与所述未通过晶圆数量，确定所述测试主体对应的未通过晶圆比例；
将所述晶圆总数量与晶圆数量阈值进行对比，得到第一对比结果；
将所述未通过晶圆比例与比例阈值进行对比，得到第二对比结果；
根据所述第一对比结果与所述第二对比结果确定所述第一异常判定结果。
6.根据权利要求1所述的方法，其特征在于，所述测试主体包括晶圆，所述测试指标包括所述阻值参数，所述确定所述测试主体在各所述测试指标下的异常判定结果，包括：
获取过去指定时间段内，所述测试主体在所述阻值参数下的指定测试数据；
获取指定分组标识，根据所述指定分组标识对所述指定测试数据进行分组处理，得到阻值分组数据；
获取每片晶圆在全部测试点位下对应的点位测试结果，根据所述点位测试结果确定所述阻值分组数据对应的阻值阈值；
根据所述阻值阈值确定所述测试主体在所述阻值参数下的异常判定结果，作为第二异常判定结果。
7.根据权利要求6所述的方法，其特征在于，所述根据所述阻值阈值确定所述测试主体在所述阻值参数下的异常判定结果，作为第二异常判定结果，包括：
确定各所述测试点位中的晶圆总数量，以及各所述测试点位中测试结果大于所述阻值阈值的异常晶圆数量；
根据所述晶圆总数量与所述异常晶圆数量确定异常晶圆比例；
获取参数均值拟合线，确定所述参数均值拟合线对应的拟合线导数；
根据所述晶圆总数量、所述异常晶圆比例与所述拟合线导数确定所述第二异常判定结果。
8.根据权利要求1所述的方法，其特征在于，所述测试主体包括晶圆，所述测试指标包括失效位元区域，所述确定所述测试主体在各所述测试指标下的异常判定结果，包括：
确定所述测试主体在各测试点位中包含的测试参数；
根据所述测试参数将所述测试点位进行分组处理，得到分组测试点位；
确定各所述分组测试点位中的点位晶圆总数量；
将各所述分组测试点位对应的位元失效图进行划分处理，得到多个矩阵区域，并生成对应的区域列表；
确定所述区域列表中各所述矩阵区域的失效能量密度；
根据所述点位晶圆总数量与多个所述失效能量密度，确定所述测试主体在所述失效位元区域下的异常判定结果，作为第三异常判定结果。
9.根据权利要求8所述的方法，其特征在于，所述根据所述点位晶圆总数量与多个所述失效能量密度，确定所述测试主体在所述失效位元区域下的异常判定结果，作为第三异常判定结果，包括：
将所述失效能量密度大于能量密度阈值的矩阵区域，作为失效矩阵区域，将所述失效矩阵区域保存至失效区域列表中；
将所述失效矩阵区域中包含的次级矩阵区域从所述区域列表中删除；
将不同晶圆在所述失效区域列表中进行区域叠加处理，确定经所述区域叠加处理后各所述测试点位中的失效位元数量；
根据所述失效位元数量与所述点位晶圆总数量确定晶圆点位均值，以得到叠加失效位元图；
根据所述叠加失效位元图确定所述第三异常判定结果。
10.根据权利要求9所述的方法，其特征在于，所述根据所述叠加失效位元图确定所述第三异常判定结果，包括：
根据所述叠加失效位元图生成叠加区域列表；所述叠加区域列表包括多个叠加矩阵区域；
确定各所述叠加矩阵区域的叠加失效位元数量与叠加失效能量密度；
根据所述叠加失效位元数量与所述叠加失效能量密度确定失效区域叠加数量；
根据所述失效区域叠加数量与预先配置的叠加数量阈值进行对比，确定各所述测试点位中包含的异常参数组合数量；
根据所述异常参数组合数量确定所述第三异常判定结果。
11.根据权利要求10所述的方法，其特征在于，所述根据所述叠加失效位元图生成叠加区域列表，包括：
对所述叠加失效位元图进行区域划分处理，得到多个叠加矩阵区域，并生成对应的初始叠加区域列表；
将所述叠加失效能量密度大于能量密度阈值的叠加矩阵区域，作为叠加失效矩阵区域，将所述叠加失效矩阵区域保存至叠加失效区域列表中；
将所述叠加失效矩阵区域中包含的次级叠加矩阵区域，从所述叠加失效区域列表中删除，得到更新后的叠加失效区域列表。
12.根据权利要求1所述的方法，其特征在于，所述根据确定出的所述异常判定结果确定所述测试主体出现异常的异常原因类型，包括：
获取预先构建的异常类型分析模型；
获取所述测试主体在各所述测试指标下的异常判定结果；所述异常判定结果包括第一异常判定结果、第二异常判定结果以及第三异常判定结果中的一种或多种；
将多个所述异常判定结果输入至所述异常类型分析模型，所述异常类型分析模型包括各所述异常判定结果分别对应的计算权重值；
根据多个所述异常判定结果与各自对应的所述计算权重值确定所述异常类型。
13.根据权利要求12所述的方法，其特征在于，各所述异常判定结果对应的计算权重值通过下述步骤计算得到：
获取训练样本集，确定所述训练样本集的样本总数量；
确定所述训练样本集中包含的样本失效类别与样本参数特征；所述样本参数特征包括样本参数特征值；
将每个所述样本失效类别中包含的训练样本的数量，作为类别样本数量；
根据所述样本参数特征值将所述训练样本集进行划分处理，得到训练样本子集；
确定各所述训练样本子集中每个所述样本失效类别下的特征样本数量；
根据所述样本总数量、所述类别样本数量与所述特征样本数量确定所述计算权重值。
14.一种异常检测装置，其特征在于，包括：
测试数据获取模块，用于获取测试主体的测试数据；
测试指标确定模块，用于确定所述测试数据对应的至少一测试指标；所述测试指标包括良率参数、阻值参数以及失效位元区域的一种或多种；
判定结果确定模块，用于确定所述测试主体在各所述测试指标下的异常判定结果；
异常类型确定模块，用于根据确定出的所述异常判定结果确定所述测试主体出现异常的异常原因类型。
15.一种电子设备，其特征在于，包括：
处理器；以及
存储器，所述存储器上存储有计算机可读指令，所述计算机可读指令被所述处理器执行时实现根据权利要求1至13中任一项所述的异常检测方法。
16.一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现根据权利要求1至13中任一项所述的异常检测方法。
CN202210880645.3A 2022-07-25 2022-07-25 异常检测方法及装置、电子设备和存储介质 Pending CN115188688A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210880645.3A CN115188688A (zh) 2022-07-25 2022-07-25 异常检测方法及装置、电子设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210880645.3A CN115188688A (zh) 2022-07-25 2022-07-25 异常检测方法及装置、电子设备和存储介质

Publications (1)

Publication Number Publication Date
CN115188688A true CN115188688A (zh) 2022-10-14

Family

ID=83521447

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210880645.3A Pending CN115188688A (zh) 2022-07-25 2022-07-25 异常检测方法及装置、电子设备和存储介质

Country Status (1)

Country Link
CN (1) CN115188688A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117148091A (zh) * 2023-11-01 2023-12-01 杭州高坤电子科技有限公司 一种半导体测试方法、系统、终端及存储介质
CN117214186A (zh) * 2023-11-08 2023-12-12 合肥晶合集成电路股份有限公司 样品失效分析方法、装置及介质

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117148091A (zh) * 2023-11-01 2023-12-01 杭州高坤电子科技有限公司 一种半导体测试方法、系统、终端及存储介质
CN117148091B (zh) * 2023-11-01 2024-02-06 杭州高坤电子科技有限公司 一种半导体测试方法、系统、终端及存储介质
CN117214186A (zh) * 2023-11-08 2023-12-12 合肥晶合集成电路股份有限公司 样品失效分析方法、装置及介质
CN117214186B (zh) * 2023-11-08 2024-01-26 合肥晶合集成电路股份有限公司 样品失效分析方法、装置及介质

Similar Documents

Publication Publication Date Title
CN115188688A (zh) 异常检测方法及装置、电子设备和存储介质
TW201732789A (zh) 磁片的故障預測方法和裝置
WO2021143268A1 (zh) 基于模糊推理理论的电力信息系统健康评估方法及系统
US20220035356A1 (en) Equipment failure diagnosis support system and equipment failure diagnosis support method
WO2018184304A1 (zh) 一种网元健康状态的检测方法及设备
CN110489314A (zh) 模型异常检测方法、装置、计算机设备和存储介质
CN116450399A (zh) 微服务系统故障诊断及根因定位方法
US20210056213A1 (en) Quantifiying privacy impact
CN114255784A (zh) 一种基于声纹识别的变电站设备故障诊断方法及相关装置
CN114298558A (zh) 电力网络安全研判系统及其研判方法
CN116230208B (zh) 基于深度学习的胃粘膜炎症分型辅助诊断系统
CN116955071A (zh) 故障分类方法、装置、设备及存储介质
Alverbro et al. Methods for risk analysis
CN117114412A (zh) 一种用于危险化学品生产企业的安全预控方法及装置
CN116628564A (zh) 用于检测发电机状态的模型训练方法和系统
CN116319255A (zh) 一种基于kpi的根因定位方法、装置、设备及存储介质
CN109592525A (zh) 电梯变频器故障诊断系统及方法
CN111813922B (zh) 一种基于微博文本数据的高温事件检测方法及系统
CN104978260A (zh) 软件测试方法及装置
CN115372752A (zh) 故障检测方法、装置、电子设备以及存储介质
JP6793598B2 (ja) 点検支援装置、点検支援方法、および点検支援プログラム
JP3053902B2 (ja) 異常原因診断方法
CN116880365B (zh) 设备生产过程的监控方法、系统和可读存储介质
CN117172139B (zh) 通信用铜包铝合金电缆的性能测试方法及系统
CN116301646B (zh) 一种基于机器学习的个人计算机储存管理系统

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