CN115510087A - 晶片搜寻方法及装置 - Google Patents

晶片搜寻方法及装置 Download PDF

Info

Publication number
CN115510087A
CN115510087A CN202110783217.4A CN202110783217A CN115510087A CN 115510087 A CN115510087 A CN 115510087A CN 202110783217 A CN202110783217 A CN 202110783217A CN 115510087 A CN115510087 A CN 115510087A
Authority
CN
China
Prior art keywords
wafer
feature
distribution
specific area
dies
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
CN202110783217.4A
Other languages
English (en)
Inventor
许致榕
乐庆莉
包宝茹
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.)
Powerchip Technology Corp
Original Assignee
Powerchip Technology Corp
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 Powerchip Technology Corp filed Critical Powerchip Technology Corp
Publication of CN115510087A publication Critical patent/CN115510087A/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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/24569—Query processing with adaptation to specific hardware, e.g. adapted for using GPUs or SSDs
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/30—Circuit design
    • G06F30/39—Circuit design at the physical level
    • G06F30/398—Design verification or optimisation, e.g. using design rule check [DRC], layout versus schematics [LVS] or finite element methods [FEM]
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Manufacturing & Machinery (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Power Engineering (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Linguistics (AREA)
  • Testing Or Measuring Of Semiconductors Or The Like (AREA)
  • Container, Conveyance, Adherence, Positioning, Of Wafer (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开一种晶片搜寻方法及装置，所述方法包括：取得目标晶片及参考晶片；在目标晶片中决定第一特定区域，并取得第一特定区域的第一显著分布特征；在参考晶片中决定第二特定区域，并取得第二特定区域的第二显著分布特征；反应于判定第一显著分布特征对应于第二显著分布特征，估计第一特定区域与第二特定区域之间的故障图样相似度；反应于判定故障图样相似度高于门限值，提供参考晶片作为对应于目标晶片的搜寻结果。

Description

晶片搜寻方法及装置
技术领域
本发明涉及一种搜寻方法及装置，且特别是涉及一种晶片搜寻方法及装置。
背景技术
在现有技术中，当使用者欲在数据库中搜寻与某目标晶片具有相似管芯(晶粒)故障图样(fail pattern)的其他晶片时，多半是由使用者以目视方式判定，或是在目标晶片中画出特定区域，以由搜寻系统据以与数据库中的其他晶片进行比对。
请参照图1A，其是现有的晶片比对机制示意图。在图1A中，假设使用者选择晶片101作为目标晶片，则使用者可在晶片101中画出特定区域101a，而搜寻系统可据以在数据库的其他晶片中找出对应于特定区域101a的其他特定区域，例如晶片102中的特定区域102a及晶片103中的特定区域103a。之后，搜寻系统可估计特定区域101a中的管芯故障比例(fail ratio)(例如是所示的62％)，并估计其他晶片的特定区域中的管芯故障比例，例如特定区域102a的60％及特定区域103a的59％。在取得其他晶片的特定区域中的管芯故障比例之后，搜寻系统可将管芯故障比例接近特定区域101a的其他特定区域对应的晶片(例如晶片102、103)作为对应于晶片101的搜寻结果。
然而，在上述作法中至少存在以下缺点：(1)当所考虑的目标晶片中的管芯故障图样较为特殊时，使用者需费心于设定适当的特定区域，而此过程既耗时也不准确；(2)在选定目标晶片后，搜寻系统才开始获取其他晶片的管芯层级(die level)数据，故需花费不少时间；(3)只考虑特定区域而未考虑其他区域，因此容易将具大范围故障图样的晶片选为目标晶片的搜寻结果；(4)由于所考虑的是管芯层级数据，当各个晶片的大小、形状、总数不一时，无法进行跨产品的比较。
请参照图1B，其是两个晶片的管芯层级数据示意图。在图1B中，晶片104的横轴及纵轴分别包括38及44个管芯，而晶片105的横轴及纵轴则分别包括287及8个管芯。在此情况下，晶片104及105将因大小、形状、总数不同而无法作跨产品比较。
发明内容
有鉴于此，本发明提供一种晶片搜寻方法及装置，其可用于解决上述技术问题。
本发明提供一种晶片搜寻方法，适于一晶片搜寻装置，所述方法包括：取得一目标晶片及一参考晶片，其中目标晶片及参考晶片上个别分布有多个故障管芯及多个正常管芯，且目标晶片划分有多个第一区域，参考晶片划分有对应于所述多个第一区域的多个第二区域；在所述多个第一区域中决定一第一特定区域，并取得第一特定区域中的所述多个故障管芯的故障图样的一第一显著分布特征；在所述多个第二区域中决定至少一第二特定区域，并取得各第二特定区域中的所述多个故障管芯的故障图样的一第二显著分布特征；反应于判定第一显著分布特征对应于至少一第二特定区域任一的第二显著分布特征，估计第一特定区域与各第二特定区域之间的一故障图样相似度；反应于判定故障图样相似度高于一相似度门限值，提供参考晶片作为对应于目标晶片的一搜寻结果。
本发明提供一种晶片搜寻装置，包括存储电路及处理器。存储电路存储一程序代码。处理器耦接存储电路，存取程序代码以执行：取得一目标晶片及一参考晶片，其中目标晶片及参考晶片上个别分布有多个故障管芯及多个正常管芯，且目标晶片划分有多个第一区域，参考晶片划分有对应于所述多个第一区域的多个第二区域；在所述多个第一区域中决定一第一特定区域，并取得第一特定区域中的所述多个故障管芯的故障图样的一第一显著分布特征；在所述多个第二区域中决定至少一第二特定区域，并取得各第二特定区域中的所述多个故障管芯的故障图样的一第二显著分布特征；反应于判定第一显著分布特征对应于至少一第二特定区域任一的第二显著分布特征，估计第一特定区域与各第二特定区域之间的一故障图样相似度；反应于判定故障图样相似度高于一相似度门限值，提供参考晶片作为对应于目标晶片的一搜寻结果。
附图说明
图1A是现有的晶片比对机制示意图；
图1B是两个晶片的管芯层级数据示意图；
图2是本发明的一实施例绘示的晶片搜寻装置示意图；
图3是本发明的一实施例绘示的划分有多个区域的晶片示意图；
图4是本发明的一实施例绘示的坐标正规化机制示意图；
图5是本发明的一实施例绘示的晶片搜寻方法流程图；
图6是本发明的一实施例绘示的估计第一特定区域的各预设分布特征的第一特征值的示意图；
图7是本发明的一实施例绘示的晶片比对示意图。
符号说明
101～105,300,400:晶片
101a～103a:特定区域
200:晶片搜寻装置
202:存储电路
204:处理器
710:目标晶片
711～714:第一区域
720,730,740:参考晶片
721～724,731～734,741～744:第二区域
A1～A9:区域
G1～G4:特征强化矩阵
MM:第一管芯分布矩阵
M1～M4:参考管芯分布矩阵
Ma～Me:元素
S510～S550:步骤
具体实施方式
请参照图2，其是依据本发明的一实施例绘示的晶片搜寻装置示意图。在不同的实施例中，晶片搜寻装置200可实现为各式计算机装置及/或智能型装置，但可不限于此。
如图2所示，晶片搜寻装置200可包括存储电路202及处理器204。存储电路202例如是任意型式的固定式或可移动式随机存取存储器(Random Access Memory，RAM)、只读存储器(Read-Only Memory，ROM)、闪存存储器(Flash memory)、硬盘或其他类似装置或这些装置的组合，而可用以记录多个程序代码或模块。
处理器204耦接于存储电路202，并可为一般用途处理器、特殊用途处理器、传统的处理器、数字信号处理器、多个微处理器(microprocessor)、一个或多个结合数字信号处理器核心的微处理器、控制器、微控制器、特殊应用集成电路(Application SpecificIntegrated Circuit，ASIC)、现场可编程门阵列电路(Field Programmable Gate Array，FPGA)、任何其他种类的集成电路、状态机、基于进阶精简指令集机器(Advanced RISCMachine，ARM)的处理器以及类似品。
在本发明的实施例中，处理器204可存取存储电路202中记录的模块、程序代码来实现本发明提出的晶片搜寻方法，其细节详述如下。
在本发明的实施例中，晶片搜寻装置200例如可维护有包括多个晶片的晶片数据库，而使用者可从中挑选欲作为比对基准的晶片，以让晶片搜寻装置200据以晶片数据库中找出相似的其他晶片。在一些实施例中，所述晶片数据库中的每个晶片可包括多个故障管芯及多个正常管芯。
在本发明的实施例中，为便于执行所提出的晶片搜寻方法，所考虑的各个晶片可经划分有多个区域，如图3所例示。请参照图3，其是依据本发明的一实施例绘示的划分有多个区域的晶片示意图。
如图3所示，晶片300可经划分有9个区域A1～A9，而在本发明的实施例中，所述晶片数据库中的各晶片都划分有对应于区域A1～A9的多个区域。为便于说明，以下假设所考虑的每个晶片都经划分有区域A1～A9，但可不限于此。
在一实施例中，处理器204还可预先估计区域A1～A9个别的故障管芯比例。在一些实施例中，对于区域A1～A9中的第i个区域(下称区域Ai)而言，处理器204可计算区域Ai中的故障管芯数量及管芯总数，并以所述故障管芯数量除以所述管芯总数作为区域Ai的故障管芯比例，但可不限于此。
在其他实施例中，所述晶片数据库中的每个晶片也可依设计者的需求而采用其他方式划分，并不限于图3所示态样。并且，处理器204也可预先估计各晶片的各区域的故障管芯比例，以利后续使用。
在一些实施例中，处理器204可预先将各晶片的各个故障管芯及正常管芯以正规化坐标表示。
请参照图4，其是依据本发明的一实施例绘示的坐标正规化机制示意图。在图4中，假设晶片400的横轴包括x1～xn，纵轴包括y1～ym(n及m为正整数)。在此情况下，对于晶片400上坐标为(a,b)的管芯401而言，处理器204可相应地将管芯401的坐标改以对应的正规化坐标表示。在图4中，管芯401的正规化坐标例如可表示为(a’,b’)＝((a-x1)/n,(b-y1)/m)，但可不限于此。基于相似原则，所述晶片数据库中的各晶片上的各管芯的坐标都由处理器204以对应的正规化坐标表示。
请参照图5，其是依据本发明的一实施例绘示的晶片搜寻方法流程图。本实施例的方法可由图2的晶片搜寻装置200执行，以下即搭配图2所示的元件说明图5各步骤的细节。
首先，在步骤S510中，处理器204可取得目标晶片及参考晶片。
在一些实施例中，使用者可于晶片数据库中选定一或多个晶片(下称选定晶片)，而处理器204可据以在晶片数据库中找出一或多个晶片作为搜寻结果，以供使用者参考。
在一些实施例中，处理器204可依据上述一或多个选定晶片而决定目标晶片，并将此目标晶片个别与晶片数据库中的每个晶片进行比较。为便于说明，以下将用于与目标晶片进行比较的晶片称为参考晶片，但可不限于此。
在不同的实施例中，处理器204可依据使用者的设定而决定以单一个选定晶片作为目标晶片，或是整合上述一或多个选定晶片来产生对应的目标晶片。
在一实施例中，处理器204例如可让使用者在选定晶片上决定一关注区域(例如区域A1)，其中此关注区域即为日后目标晶片中用于与参考晶片进行比对的区域(下称第一特定区域)。
之后，处理器204可让使用者决定日后要将参考晶片上的全部区域个别与第一特定区域比较(下称未限定区域情境)，或是仅将参考晶片上位置对应于第一特定区域的区域与第一特定区域比较(下称限定区域情境)。
在一实施例中，假设使用者选定关注区域为区域A1。在此情况下，在第一实施例(即，限定区域情境)中，当使用者决定日后仅将参考晶片上位置对应于第一特定区域的区域(例如参考晶片上的区域A1)与第一特定区域比较时，处理器204可通过整合上述一或多个选定晶片来产生对应的目标晶片。
具体而言，在第一实施例中(即，限定区域情境)，处理器204可基于各选定晶片上的故障管芯决定目标晶片上的故障管芯。具体而言，在一实施例中，反应于判定各选定晶片都具有位于特定位置上的故障管芯，处理器204可判定目标晶片具有位于特定位置上的故障管芯。另一方面，反应于判定选定晶片的任一未具有位于特定位置上的故障管芯，处理器204可判定目标晶片未具有位于特定位置上的故障管芯。
从另一观点而言，处理器204可理解为将各选定晶片上的故障管芯取交集来决定目标晶片上的故障管芯。例如，处理器204可先创建一空白(即，所有管芯的故障/正常情况未定)的晶片作为目标晶片。之后，当各选定晶片都在某位置具有故障管芯时，处理器204即将目标晶片上对应位置的管芯设定为故障管芯，而当各选定晶片未都在某位置具有故障管芯时，处理器204即将目标晶片上对应位置的管芯设定为正常管芯，但可不限于此。
另一方面，在第二实施例(即，未限定区域情境)中，当使用者决定将参考晶片上的全部区域个别与第一特定区域比较时，处理器204可以单一个选定晶片作为目标晶片来与参考晶片作比对。在第二实施例中，在完成比对之后，处理器204可以上述选定晶片的其中之另一作为目标晶片，并再次与同一个参考晶片作比对，但可不限于此。
在取得目标晶片之后，处理器204可依先前所言将目标晶片划分为多个区域(下称第一区域)，而参考晶片也可经划分有对应于所述多个第一区域的多个区域(下称第二区域)。
接着，在步骤S520中，处理器204可在所述多个第一区域中决定第一特定区域，并取得第一特定区域中的所述多个故障管芯的故障图样的第一显著分布特征。
承先前所言，处理器204可依据使用者决定的关注区域来决定目标晶片上的第一特定区域。举例而言，假设使用者决定的关注区域为各选定晶片上的区域A1，则处理器204将选定目标晶片上的区域A1作为第一特定区域；若使用者决定的关注区域为各选定晶片上的区域A2，则处理器204将选定目标晶片上的区域A2作为第一特定区域，但可不限于此。
在一实施例中，第一显著分布特征为多个预设分布特征之一，而在处理器204取得第一特定区域中的所述多个故障管芯的故障图样的第一显著分布特征的过程中，处理器204可先估计第一特定区域的上述预设分布特征的多个第一特征值，以下辅以图6作进一步说明。
请参照图6，其是依据本发明的一实施例绘示的估计第一特定区域的各预设分布特征的第一特征值的示意图。在本实施例中，假设第一特定区域为所述多个第一区域中的第i个第一区域。在此情况下，处理器204可依先前教示而取得第一特定区域的第一故障管芯比例(即，以第一特定区域中的故障管芯总数除以第一特定区域中的管芯总数，以Fi表示)。
之后，处理器204可将目标晶片表征为第一管芯分布矩阵MM，其中第一管芯分布矩阵MM中具有第一值(例如1)的元素(绘示为斜线格)对应于目标晶片的故障管芯的其中之一，而第一管芯分布矩阵MM中具有第二值(例如0)的元素(绘示为空白格)对应于目标晶片的正常管芯的其中之一。
在图6中，所考虑的预设分布特征例如包括水平方向特征、垂直方向特征、右斜方向特征及左斜方向特征(其可分别称为第1个至第4个预设分布特征)，前述预设分布特征可不限于此。在此情况下，处理器204可将第一管芯分布矩阵MM与多个特征强化矩阵G1～G4的第j个特征强化矩阵进行一卷积运算，以产生多个参考管芯分布矩阵中的第j个参考管芯分布矩阵，其中所述第j个特征强化矩阵对应于上述预设分布特征中的第j个预设分布特征。
举例而言，处理器204可将第一管芯分布矩阵MM与特征强化矩阵G1进行卷积运算，以产生对应于水平方向特征的参考管芯分布矩阵M1。从另一观点而言，处理器204可理解为强化第一管芯分布矩阵MM的故障图样在水平方向的特征。举例而言，处理器204可限定在将第一管芯分布矩阵MM与特征强化矩阵G1进行卷积运算的每一个过程中，所得出的当下总和需大于等于所设定的门限值(例如3)，方能将第一管芯分布矩阵MM中当下用于进行卷积运算的元素保留于参考管芯分布矩阵M1中。在此情况下，在第一管芯分布矩阵MM中，在水平方向上不连续的元素将不会被保留在参考管芯分布矩阵M1中，例如元素Ma、Mb、Mc。
相似地，处理器204可将第一管芯分布矩阵MM与特征强化矩阵G2进行卷积运算，以产生对应于垂直方向特征的参考管芯分布矩阵M2。在此情况下，在第一管芯分布矩阵MM中，在垂直方向上不连续的元素将不会被保留在参考管芯分布矩阵M2中，例如元素Mb、Mc、Md、Me、Mf。
此外，处理器204可将第一管芯分布矩阵MM与特征强化矩阵G3进行卷积运算，以产生对应于右斜方向特征的参考管芯分布矩阵M3。在此情况下，在第一管芯分布矩阵MM中，在右斜方向上不连续的元素将不会被保留在参考管芯分布矩阵M3中，例如元素Mb、Mc、Me、Mf。
相似地，处理器204可将第一管芯分布矩阵MM与特征强化矩阵G4进行卷积运算，以产生对应于左斜方向特征的参考管芯分布矩阵M4。在此情况下，在第一管芯分布矩阵MM中，在左斜方向上不连续的元素将不会被保留在参考管芯分布矩阵M4中。
在取得参考管芯分布矩阵M1～M4后，处理器204可基于所述第j个参考管芯分布矩阵中具有第一值的元素估计多个故障管芯数中的第j个故障管芯数，其中所述第j个故障管芯数对应于所述第j个预设分布特征。在图6中，由于参考管芯分布矩阵M1具有第一值的元素的数量为8(即，参考管芯分布矩阵M1中斜线格的数量)，故处理器204可估计对应于水平方向特征(即，第1个预设分布特征)的故障管芯数(即，第1个故障管芯数)为8。另外，由于参考管芯分布矩阵M2具有第一值的元素的数量为6(即，参考管芯分布矩阵M2中斜线格的数量)，故处理器204可估计对应于垂直方向特征(即，第2个预设分布特征)的故障管芯数(即，第2个故障管芯数)为6。基于相似原则，处理器204可估计右斜方向特征及左斜方向特征的故障管芯数分别为7及2，其细节于此不另赘述。
在取得对应于各个预设分布特征的故障管芯数之后，处理器204可基于所述第j个故障管芯数及第一特定区域的第一故障管芯比例估计第一特定区域的上述第一特征值中的第j个第一特征值，其中所述第j个第一特征值对应于所述第j个预设分布特征。在一实施例中，处理器204可将所述第j个故障管芯数除以第一特定区域的第一故障管芯比例(即，Fi)以得到对应于所述第j个预设分布特征的所述第j个第一特征值(以Pij表示)。
在图6中，处理器204可以第1个故障管芯数(即，8)除以Fi来得到对应于水平方向特征的所述第1个第一特征值(即，Pi1)。相似地，处理器204可以第2个故障管芯数(即，6)除以Fi来得到对应于垂直方向特征的所述第2个第一特征值(即，Pi2)。基于相似原则，处理器204可相应得到Pi3及Pi4，其细节于此不另赘述。
在取得第一特定区域的上述预设分布特征的所述多个第一特征值(例如Pi1～Pi4)之后，处理器204可在上述第一特征值中找出第一最高特征值，并在第一特定区域的上述预设分布特征中找出对应于第一最高特征值的一者作为第一显著分布特征。举例而言，假设处理器204判定Pi1在Pi1～Pi4中为最高特征值，则处理器204可判定对应于Pi1的水平方向特征为第一特定区域的第一显著分布特征。举另一例而言，假设处理器204判定Pi2在Pi1～Pi4中为最高特征值，则处理器204可判定对应于Pi2的垂直方向特征为第一特定区域的第一显著分布特征。
接着，在步骤S530中，处理器204可在所述多个第二区域中决定至少一第二特定区域，并取得各第二特定区域中的所述多个故障管芯的故障图样的第二显著分布特征。
在本发明的实施例中，所述至少一第二特定区域可理解为参考晶片中用于与目标晶片的第一特定区域进行比对的区域。
因此，在第一实施例(即，限定区域情境)中，处理器204可在所述多个第二区域中找出与第一特定区域对应于相同位置的一者作为第二特定区域。例如，若第一特定区域为目标晶片中的区域A1，则处理器204可选定参考晶片中的区域A1作为第二特定区域。换言之，若第一特定区域的位置经限定为需对应于第二特定区域的位置，处理器204可在所述多个第二区域中找出与第一特定区域对应于相同位置的一者作为第二特定区域。亦即，在第一实施例中，参考晶片中只会有一个第二特定区域，但可不限于此。
另一方面，在第二实施例(即，未限定区域情境)中，处理器204可将所述多个第二区域都作为第二特定区域。换言之，若第一特定区域的位置未经限定为需对应于第二特定区域的位置，处理器204可将所述多个第二区域都作为第二特定区域。亦即，在第二实施例中，第二特定区域的数量会相同于第二区域的数量，但可不限于此。
在依上述教示而决定一或多个第二特定区域之后，处理器204可取得各第二特定区域中的所述多个故障管芯的故障图样的第二显著分布特征。在一实施例中，处理器204可估计各第二特定区域的上述预设分布特征的多个第二特征值(以P′ij表示)；在所述多个第二特征值中找出第二最高特征值，并在各第二特定区域的上述预设分布特征中找出对应于第二最高特征值的一者作为第二显著分布特征。处理器204取得各第二特定区域的第二显著分布特征的方式相似于取得第一特定区域的第一显著分布特征的方式，故相关细节可参照图6的说明，于此不另赘述。
在其他实施例中，上述晶片数据库中各晶片的上述预设分布特征的多个特征值及对应的显著分布特征可由处理器204预先完成计算，用于在使用者决定选定晶片后直接取用，进而加速后续处理的效率，但可不限于此。
举例而言，在一实施例中，在取得第一特定区域中的故障管芯的故障图样的第一显著分布特征时，处理器204可直接从上述晶片数据库取得第一特定区域的预设分布特征的上述第一特征值，并在上述第一特征值中找出第一最高特征值，并在第一特定区域的上述预设分布特征中找出对应于第一最高特征值的一者作为第一显著分布特征，但可不限于此。另外，在取得第二特定区域中的故障管芯的故障图样的第二显著分布特征时，处理器204也可直接从上述晶片数据库取得第二特定区域的预设分布特征的上述第二特征值，并在上述第二特征值中找出第二最高特征值，并在第二特定区域的上述预设分布特征中找出对应于第二最高特征值的一者作为第二显著分布特征，但可不限于此。
在一实施例中，处理器204可判断第一显著分布特征是否对应于第二特定区域任一的第二显著分布特征。
在第一实施例(即，限定区域情境)中，由于参考晶片中只有一个第二特定区域，处理器204可判断第一特定区域的第一显著分布特征与第二特定区域的第二显著分布特征是否都对应于上述预设分布特征中的同一者。若是，则处理器204可判定第一显著分布特征对应于第二特定区域的第二显著分布特征，反之则可判定第一显著分布特征未对应于第二特定区域的第二显著分布特征。
举例而言，假设第一显著特征及第二显著特征都为水平方向特征，则处理器204可判定第一显著分布特征对应于第二特定区域的第二显著分布特征。举另一例而言，假设第一显著特征及第二显著特征都为垂直方向特征，则处理器204也可判定第一显著分布特征对应于第二特定区域的第二显著分布特征。
另一方面，假设第一显著特征为水平方向特征，但第二显著特征为垂直方向特征、左斜方向特征或右斜方向特征，则处理器204可判定第一显著分布特征未对应于第二特定区域的第二显著分布特征，但可不限于此。
在第二实施例(即，未限定区域情境)中，处理器204可判断第一显著分布特征及第二特定区域任一的第二显著分布特征是否都对应于上述预设分布特征中的同一者。若是，则处理器204可判定第一显著分布特征对应于第二特定区域任一的第二显著分布特征。另一方面，若第一显著特征与各第二特定区域的第二显著特征都不相同，则处理器204可判定第一显著分布特征未对应于任何第二特定区域的第二显著分布特征。
举例而言，假设第一显著特征为左斜方向特征，则当第二特定区域任一的第二显著分布特征为左斜方向特征时，处理器204可判定第一显著分布特征对应于第二特定区域任一的第二显著分布特征。举另一例而言，假设第一显著特征为右斜方向特征，则当第二特定区域任一的第二显著分布特征为右斜方向特征时，处理器204可判定第一显著分布特征对应于第二特定区域任一的第二显著分布特征。
另一方面，假设第一显著分布特征为水平方向特征，但各第二特定区域的第二显著特征都不为水平方向特征，则处理器204可判定第一显著分布特征未对应于第二特定区域任一的第二显著分布特征，但可不限于此。
基此，在步骤S540中，反应于判定第一显著分布特征对应于第二特定区域任一的第二显著分布特征，处理器204可估计第一特定区域与各第二特定区域之间的故障图样相似度。
在本发明的实施例中，对于上述第二特定区域中的第i个第二特定区域而言，处理器204可估计所述第i个第二特定区域的上述预分布特征的多个第二特征值。之后，处理器204可于该第一特定区域的上述第一特征值(Pij)、所述第i个第二特定区域的上述第二特征值(P’ij)、上述预设分布特征的数量(以m表示)及修正参数(以z表示)估计第一特定区域与所述第i个第二特定区域之间的故障图样相似度。
在第一实施例(即，限定区域情境)中，由于参考晶片中只有一个第二特定区域(其可为第i个第二区域)，故第一特定区域与第二特定区域之间的故障图样相似度(以Si表示)可估计为「Si＝∑jIj×(z-|Pij-P’ij|)/(z×m)」。在一些实施例中，z例如是介于0与1的数值(例如0.2)，但可不限于此。另外，若|Pij-P’ij|＜z，则Ij为1；若|Pij-P’ij|≥z，则Ij为0，但可不限于此。
在第二实施例(即，未限定区域情境)中，第一特定区域与第i个第二特定区域(其可为第i个第二区域)之间的故障图样相似度(以Si表示)可估计为「Si＝∑jIj×(z-|Pij-P’ij|)/(z×m)」。在一些实施例中，z例如是介于0与1的数值(例如0.2)，但可不限于此。另外，若|Pij-P’ij|＜z，则Ij为1；若|Pij-P’ij|≥z，则Ij为0，但可不限于此。
在取得第一特定区域与各第二特定区域之间的故障图样相似度(即，Si)之后，处理器204可判断故障图样相似度是否高于相似度门限值(以T表示)。在不同的实施例中，T可依设计者的需求而设定为任意数值，例如80，但可不限于此。
之后，在步骤S550中，反应于判定故障图样相似度高于相似度门限值，处理器204可提供参考晶片作为对应于目标晶片的搜寻结果。
在第一实施例(即，限定区域情境)中，由于参考晶片中只有一个第二特定区域，故处理器204可判断此第二特定区域对应的Si是否高于相似度门限值。若是，则处理器204可相应地将参考晶片作为对应于目标晶片的搜寻结果。另一方面，若此第二特定区域对应的Si经判定未高于相似度门限值，则处理器204可不提供参考晶片作为对应于目标晶片的搜寻结果，但可不限于此。
在第二实施例(即，未限定区域情境)中，处理器204可判断第二特定区域任一对应的Si是否高于相似度门限值。若是，则处理器204可相应地将参考晶片作为对应于目标晶片的搜寻结果。另一方面，若各第二特定区域对应的Si经判定都未高于相似度门限值，则处理器204可将选定晶片的其中之另一作为新的目标晶片，并依上述教示判断是否将上述参考晶片作为对应于新的目标晶片的搜寻结果。简言之，在第二实施例中，在完成将选定晶片的其中之一与参考晶片的比对之后，处理器204可将选定晶片的其中之另一再与同一参考晶片作比对，以决定是否将此参考晶片作为选定晶片的所述其中之另一的搜寻结果，但可不限于此。
在完成目标晶片与参考晶片的比对之后，处理器204可再将晶片数据库中的其他晶片作为新的参考晶片，并依据上述教示决定是否将此新的参考晶片作为目标晶片的搜寻结果，但可不限于此。
由此，本发明的方法可将晶片数据库中与目标晶片具有相似故障图样的一或多个晶片作为目标晶片的搜寻结果而提供，而使用者即可依据对应于目标晶片的搜寻结果而进行后续的共通机台分析，或是跟上述特征值进行机差分析(Analysis of variance，ANOVA)或相关性分析。
为使本发明的概念更易于理解，以下另辅以图7作进一步说明。请参照图7，其是依据本发明的一实施例绘示的晶片比对示意图。在图7中，假设所考虑的各个晶片都划分有对应的4个区域。举例而言，目标晶片710上可划分有第一区域711～714，参考晶片720上可划分有对应于第一区域711～714的第二区域721～724，参考晶片730上可划分有对应于第一区域711～714的第二区域731～734，参考晶片740上可划分有对应于第一区域711～714的第二区域741～744，但可不限于此。
在图7中，假设使用者选择第一区域712作为目标晶片710的第一特定区域，则使用者可再决定欲基于第一实施例(即，限定区域情境)或第二实施例(即，未限定区域情境)的方式来将目标晶片710与各参考晶片720、730、740作比对。
假设使用者选择采用第一实施例(即，限定区域情境)的方式，则处理器204仅会将各参考晶片中对应于第一特定区域(即，第一区域712)的第二区域选作为所考虑的第二特定区域。在此情况下，处理器204将在参考晶片720中选定位置对应于第一区域712的第二区域722作为参考晶片720中的第二特定区域，在参考晶片730中选定位置对应于第一区域712的第二区域732作为参考晶片730中的第二特定区域，以及在参考晶片740中选定位置对应于第一区域712的第二区域742作为参考晶片740中的第二特定区域。
在图7中，假设第一特定区域(即，第一区域712)的第一显著特征经判定为右斜方向特征，且参考晶片730的第二特定区域(即，第二区域732)的第二显著特征也经判定为右斜方向特征，则处理器204可进而估计第一特定区域(即，第一区域712)与参考晶片730的第二特定区域(即，第二区域732)之间的故障图样相似度，进而决定是否将参考晶片730作为目标晶片710的搜寻结果而提供。假设第一特定区域(即，第一区域712)与参考晶片730的第二特定区域(即，第二区域732)之间的故障图样相似度高于相似度门限值，则处理器204可在第一实施例中将参考晶片730作为目标晶片710的搜寻结果而提供。
另一方面，由于参考晶片720的第二特定区域(即，第二区域722)的第二显著特征及参考晶片740的第二特定区域(即，第二区域742)的第二显著特征都不为右斜方向特征，故处理器204在第一实施例中可不将参考晶片720及740作为目标晶片710的搜寻结果而提供。
此外，假设使用者选择采用第二实施例(即，未限定区域情境)的方式，则处理器204可将各参考晶片中各第二区域都选作为所考虑的第二特定区域。在此情况下，处理器204将选择参考晶片720中的第二区域721～724作为参考晶片720中的第二特定区域，选择参考晶片730中的第二区域731～734作为参考晶片730中的第二特定区域，以及选择参考晶片740中的第二区域741～744作为参考晶片740中的第二特定区域。
在图7中，由于参考晶片720中各第二区域721～724的第二显著特征都不为右斜方向特征，故处理器204可在第二实施例中不将参考晶片720作为目标晶片710的搜寻结果而提供。
另外，由于参考晶片730中的第二特定区域之一(即，第二区域732)的第二显著特征也为右斜方向特征，故处理器204可进而估计第一特定区域(即，第一区域712)与参考晶片730的第二特定区域(即，第二区域732)之间的故障图样相似度，进而决定是否将参考晶片730作为目标晶片710的搜寻结果而提供。假设第一特定区域(即，第一区域712)与参考晶片730的第二特定区域(即，第二区域732)之间的故障图样相似度高于相似度门限值，则处理器204可在第二实施例中将参考晶片730作为目标晶片710的搜寻结果而提供。
此外，由于参考晶片740中的第二特定区域之一(即，第二区域743)的第二显著特征也为右斜方向特征，故处理器204可进而估计第一特定区域(即，第一区域712)与参考晶片740的第二特定区域(即，第二区域743)之间的故障图样相似度，进而决定是否将参考晶片740作为目标晶片710的搜寻结果而提供。假设第一特定区域(即，第一区域712)与参考晶片740的第二特定区域(即，第二区域743)之间的故障图样相似度高于相似度门限值，则处理器204可在第二实施例中将参考晶片740作为目标晶片710的搜寻结果而提供。
综上所述，通过将各晶片的管芯都以正规化坐标表示的方式，本发明的方法可达到跨产品比较的效果。并且，相较于现有仅基于特定区域中故障比例来进行比对的作法，本发明可更为精准地找出与目标晶片具相似故障图样的参考晶片。
此外，由于在搜寻时所需取得的数据量远小于现有作法，故本发明的方法可达到更佳的搜寻效率。举例而言，假设晶片数据库中共有750个晶片，且各晶片上的管芯数为3000，则现有作法在搜寻时所需取得的数据量约为2250000(即，750×3000)。然而，若采用本发明的方法，则只需750×m的数据量。假设所考虑的预设分布特征的数量为4，则本发明的方法所需的数据量仅约为3000(即，750×4)，而其显然远小于现有作法所需的数据量。
虽然结合以上实施例公开了本发明，然而其并非用以限定本发明，任何所属技术领域中具有通常知识者，在不脱离本发明的精神和范围内，可作些许的更动与润饰，故本发明的保护范围应当以附上的权利要求所界定的为准。

Claims (16)

1.一种晶片搜寻方法，适于晶片搜寻装置，所述晶片搜寻方法方法包括：
取得目标晶片及参考晶片，其中该目标晶片及该参考晶片上个别分布有多个故障管芯及多个正常管芯，且该目标晶片划分有多个第一区域，该参考晶片划分有对应于该些第一区域的多个第二区域；
在该些第一区域中决定第一特定区域，并取得该第一特定区域中的该些故障管芯的故障图样的第一显著分布特征；
在该些第二区域中决定至少一第二特定区域，并取得各该第二特定区域中的该些故障管芯的故障图样的第二显著分布特征；
反应于判定该第一显著分布特征对应于该至少一第二特定区域任一的该第二显著分布特征，估计该第一特定区域与各该第二特定区域之间的故障图样相似度；
反应于判定该故障图样相似度高于相似度门限值，提供该参考晶片作为对应于该目标晶片的搜寻结果。
2.如权利要求1所述的晶片搜寻方法，其中取得该目标晶片的步骤包括：
取得至少一选定晶片，其中各该选定晶片上分布有多个故障管芯及多个正常管芯；
反应于判定该第一特定区域的位置经限定为需对应于该至少一第二特定区域的位置，基于各该选定晶片上的该些故障管芯决定该目标晶片上的该些故障管芯。
3.如权利要求2所述的晶片搜寻方法，其中基于各该选定晶片上的该些故障管芯决定该目标晶片上的该些故障管芯的步骤包括：
反应于判定各该选定晶片都具有位于特定位置上的故障管芯，判定该目标晶片具有位于该特定位置上的故障管芯；
反应于判定该至少一选定晶片的任一未具有位于该特定位置上的故障管芯，判定该目标晶片未具有位于该特定位置上的故障管芯。
4.如权利要求1所述的晶片搜寻方法，其中取得该目标晶片的步骤包括：
取得至少一选定晶片，其中各该选定晶片上分布有多个故障管芯及多个正常管芯；
反应于判定该第一特定区域的位置未经限定为需对应于该至少一第二特定区域的位置，以该至少一选定晶片的其中之一作为该目标晶片。
5.如权利要求4所述的晶片搜寻方法，还包括：
反应于判定该故障图样相似度未高于该相似度门限值，以该至少一选定晶片的其中之另一作为该目标晶片，并判断是否将该参考晶片作为对应于该目标晶片的该搜寻结果。
6.如权利要求1所述的晶片搜寻方法，其中该第一显著分布特征为多个预设分布特征之一，且取得该第一特定区域中的该些故障管芯的故障图样的该第一显著分布特征的步骤包括：
估计该第一特定区域的该些预设分布特征的多个第一特征值；
在该些第一特征值中找出第一最高特征值，并在该第一特定区域的该些预设分布特征中找出对应于该第一最高特征值的一者作为该第一显著分布特征。
7.如权利要求6所述的晶片搜寻方法，其中该第一特定区域为该些第一区域中的第i个第一区域，且估计该第一特定区域的该些预设分布特征的该些第一特征值的步骤包括：
基于该第一特定区域中的该些故障管芯及该些正常管芯估计该第一特定区域的第一故障管芯比例；
将该目标晶片表征为第一管芯分布矩阵，其中该第一管芯分布矩阵中具有第一值的元素对应于该目标晶片的该些故障管芯的其中之一，该第一管芯分布矩阵中具有第二值的元素对应于该目标晶片的该些正常管芯的其中之一；
将该第一管芯分布矩阵与多个特征强化矩阵的第j个特征强化矩阵进行卷积运算，以产生多个参考管芯分布矩阵中的第j个参考管芯分布矩阵，其中所述第j个特征强化矩阵对应于该些预设分布特征中的第j个预设分布特征；
基于所述第j个参考管芯分布矩阵中具有该第一值的元素估计多个故障管芯数中的第j个故障管芯数，其中所述第j个故障管芯数对应于所述第j个预设分布特征；
基于所述第j个故障管芯数及该第一特定区域的该第一故障管芯比例估计该第一特定区域的该些第一特征值中的第j个第一特征值，其中所述第j个第一特征值对应于所述第j个预设分布特征。
8.如权利要求6所述的晶片搜寻方法，其中该目标晶片取自于晶片数据库，该第一显著分布特征为多个预设分布特征之一，且取得该第一特定区域中的该些故障管芯的故障图样的该第一显著分布特征的步骤包括：
从该晶片数据库取得该第一特定区域的该些预设分布特征的多个第一特征值；
在该些第一特征值中找出第一最高特征值，并在该第一特定区域的该些预设分布特征中找出对应于该第一最高特征值的一者作为该第一显著分布特征。
9.如权利要求1所述的晶片搜寻方法，其中在该些第二区域中决定该至少一第二特定区域的步骤包括：
反应于判定该第一特定区域的位置未经限定为需对应于该至少一第二特定区域的位置，将该些第二区域作为该至少一第二特定区域；
反应于判定该第一特定区域的位置经限定为需对应于该至少一第二特定区域的位置，在该些第二区域中找出与该第一特定区域对应于相同位置的一者作为该至少一第二特定区域。
10.如权利要求1所述的晶片搜寻方法，其中该第二显著分布特征为多个预设分布特征之一，且取得该至少一第二特定区域中的该些故障管芯的故障图样的该第二显著分布特征的步骤包括：
估计各该第二特定区域的该些预设分布特征的多个第二特征值；
在该些第二特征值中找出第二最高特征值，并在各该第二特定区域的该些预设分布特征中找出对应于该第二最高特征值的一者作为该第二显著分布特征。
11.如权利要求1所述的晶片搜寻方法，其中该参考晶片取自于一晶片数据库，该第二显著分布特征为多个预设分布特征之一，且取得该至少一第二特定区域中的该些故障管芯的故障图样的该第二显著分布特征的步骤包括：
从该晶片数据库取得各该第二特定区域的该些预设分布特征的多个第二特征值；
在该些第二特征值中找出第二最高特征值，并在各该第二特定区域的该些预设分布特征中找出对应于该第二最高特征值的一者作为该第二显著分布特征。
12.如权利要求1所述的晶片搜寻方法，其中反应于判定该第一显著分布特征及该至少一第二特定区域任一的该第二显著分布特征都对应于多个预设分布特征中的同一者，判定该第一显著分布特征对应于该至少一第二特定区域任一的该第二显著分布特征。
13.如权利要求1所述的晶片搜寻方法，其中该目标晶片及该参考晶片个别的该些故障管芯及该些正常管芯都具有正规化坐标。
14.如权利要求1所述的晶片搜寻方法，其中估计该第一特定区域与各该第二特定区域之间的该故障图样相似度的步骤包括：
估计该第一特定区域的多个预设分布特征的多个第一特征值；
对于该至少一第二特定区域中的第i个第二特定区域而言，估计所述第i个第二特定区域的该些预设分布特征的多个第二特征值；以及
基于该第一特定区域的该些第一特征值、所述第i个第二特定区域的该些第二特征值、该些预设分布特征的数量及修正参数估计该第一特定区域与所述第i个第二特定区域之间的该故障图样相似度。
15.如权利要求1所述的晶片搜寻方法，还包括：
反应于判定该故障图样相似度未高于该相似度门限值，不提供该参考晶片作为对应于该目标晶片的该搜寻结果。
16.一种晶片搜寻装置，包括：
存储电路，存储程序代码；以及
处理器，耦接该存储电路，存取该程序代码以执行：
取得目标晶片及参考晶片，其中该目标晶片及该参考晶片上个别分布有多个故障管芯及多个正常管芯，且该目标晶片划分有多个第一区域，该参考晶片划分有对应于该些第一区域的多个第二区域；
在该些第一区域中决定第一特定区域，并取得该第一特定区域中的该些故障管芯的故障图样的第一显著分布特征；
在该些第二区域中决定至少一第二特定区域，并取得各该第二特定区域中的该些故障管芯的故障图样的第二显著分布特征；
反应于判定该第一显著分布特征对应于该至少一第二特定区域任一的该第二显著分布特征，估计该第一特定区域与各该第二特定区域之间的故障图样相似度；
反应于判定该故障图样相似度高于相似度门限值，提供该参考晶片作为对应于该目标晶片的搜寻结果。
CN202110783217.4A 2021-06-23 2021-07-12 晶片搜寻方法及装置 Pending CN115510087A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
TW110122947 2021-06-23
TW110122947A TWI782589B (zh) 2021-06-23 2021-06-23 晶圓搜尋方法及裝置

Publications (1)

Publication Number Publication Date
CN115510087A true CN115510087A (zh) 2022-12-23

Family

ID=84500006

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110783217.4A Pending CN115510087A (zh) 2021-06-23 2021-07-12 晶片搜寻方法及装置

Country Status (3)

Country Link
US (1) US11960814B2 (zh)
CN (1) CN115510087A (zh)
TW (1) TWI782589B (zh)

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
SG164293A1 (en) * 2009-01-13 2010-09-29 Semiconductor Technologies & Instruments Pte System and method for inspecting a wafer
JP5533196B2 (ja) * 2010-04-27 2014-06-25 株式会社リコー 座標平面におけるデータ点分布領域の識別方法及びその識別プログラム
JP2015046569A (ja) * 2013-07-31 2015-03-12 マイクロン テクノロジー， インク． 半導体装置の製造方法
TWI483216B (zh) 2013-08-16 2015-05-01 Nat Univ Tsing Hua 晶圓圖之分析系統及其分析方法
TWI564741B (zh) * 2016-01-25 2017-01-01 敖翔科技股份有限公司 智慧型缺陷分類採樣方法、系統與電腦可讀取儲存媒體
US10031997B1 (en) * 2016-11-29 2018-07-24 Taiwan Semiconductor Manufacturing Co., Ltd. Forecasting wafer defects using frequency domain analysis
JP7214758B2 (ja) * 2019-11-15 2023-01-30 キオクシア株式会社 ストレージデバイスおよびストレージシステム
TWI714371B (zh) 2019-11-29 2020-12-21 力晶積成電子製造股份有限公司 晶圓圖的辨識方法與電腦可讀取記錄媒體

Also Published As

Publication number Publication date
TWI782589B (zh) 2022-11-01
TW202301185A (zh) 2023-01-01
US11960814B2 (en) 2024-04-16
US20220414312A1 (en) 2022-12-29

Similar Documents

Publication Publication Date Title
US7231624B2 (en) Method, system, and article of manufacture for implementing metal-fill with power or ground connection
US20080260254A1 (en) Automatic 3-D Object Detection
CN111814905A (zh) 目标检测方法、装置、计算机设备和存储介质
US6996794B2 (en) Method of designing layout of semiconductor device
CN112668629A (zh) 基于图片识别的智能仓储方法、系统、设备及存储介质
CN110909663A (zh) 一种人体关键点识别方法、装置及电子设备
CN115329705A (zh) 半导体器件的布局方法、装置、可读存储介质、终端
CN115510798A (zh) 芯片排版方法及装置、计算机可读存储介质、终端设备
CN116702302A (zh) 一种用于半导体生产线的布局寻优方法及装置
CN115510087A (zh) 晶片搜寻方法及装置
US5461579A (en) Extraction method for automated determination of source/drain resistance
CN107077617B (zh) 指纹提取方法及装置
CN117057376A (zh) 一种获得目标定位框的方法、装置、设备及介质
US20030208737A1 (en) Method and system for placing logic nodes based on an estimated wiring congestion
US6317640B1 (en) System and method for non-parametric modeling of processed induced variability
WO2022037199A1 (zh) 失效位元的修补方法及装置
CN115098482A (zh) 一种不完整数据的修正补录方法
CN112257384B (zh) 标准单元的检测方法
JP3144389B2 (ja) 拡散モデルのパラメータ抽出方法
US6975916B2 (en) Method and system for determining the best integral process path to process semiconductor products to improve yield
KR20160004773A (ko) 반도체 소자의 제조 방법 및 장치
US11734622B2 (en) Method, apparatus and device for determining production capacity boundaries
CN116736061B (zh) 三极管的匹配精度检测方法、控制器及存储介质
CN110472670B (zh) 图像中线检测方法、计算机设备和存储介质
WO2022037197A1 (zh) 失效位元修补方案的确定方法及装置

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