CN116521762B - 用于芯片测试流程的分析方法、系统、设备及存储介质 - Google Patents
用于芯片测试流程的分析方法、系统、设备及存储介质 Download PDFInfo
- Publication number
- CN116521762B CN116521762B CN202310801013.8A CN202310801013A CN116521762B CN 116521762 B CN116521762 B CN 116521762B CN 202310801013 A CN202310801013 A CN 202310801013A CN 116521762 B CN116521762 B CN 116521762B
- Authority
- CN
- China
- Prior art keywords
- data
- test
- data processing
- processing part
- chip
- 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
- 238000012360 testing method Methods 0.000 title claims abstract description 164
- 238000004458 analytical method Methods 0.000 title claims abstract description 83
- 238000003860 storage Methods 0.000 title claims abstract description 11
- 238000012545 processing Methods 0.000 claims abstract description 101
- 101150053844 APP1 gene Proteins 0.000 claims abstract description 54
- 101100189105 Homo sapiens PABPC4 gene Proteins 0.000 claims abstract description 54
- 102100039424 Polyadenylate-binding protein 4 Human genes 0.000 claims abstract description 54
- 101100055496 Arabidopsis thaliana APP2 gene Proteins 0.000 claims abstract description 43
- 101100016250 Saccharomyces cerevisiae (strain ATCC 204508 / S288c) GYL1 gene Proteins 0.000 claims abstract description 43
- 238000005259 measurement Methods 0.000 claims abstract description 32
- 238000012827 research and development Methods 0.000 claims abstract description 32
- 238000004140 cleaning Methods 0.000 claims abstract description 23
- 238000004519 manufacturing process Methods 0.000 claims abstract description 23
- 238000000034 method Methods 0.000 claims abstract description 23
- 238000007781 pre-processing Methods 0.000 claims abstract description 8
- 238000010561 standard procedure Methods 0.000 claims description 14
- 238000007405 data analysis Methods 0.000 claims description 10
- 238000009826 distribution Methods 0.000 claims description 10
- 101100264195 Caenorhabditis elegans app-1 gene Proteins 0.000 claims description 3
- 208000025174 PANDAS Diseases 0.000 claims description 3
- 208000021155 Paediatric autoimmune neuropsychiatric disorders associated with streptococcal infection Diseases 0.000 claims description 3
- 235000016496 Panda oleosa Nutrition 0.000 claims description 3
- 230000003993 interaction Effects 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 238000010998 test method Methods 0.000 claims description 3
- 230000005540 biological transmission Effects 0.000 claims description 2
- 238000013500 data storage Methods 0.000 claims description 2
- 240000000220 Panda oleosa Species 0.000 claims 1
- 235000012431 wafers Nutrition 0.000 description 30
- 239000000047 product Substances 0.000 description 23
- 238000013461 design Methods 0.000 description 11
- 238000007689 inspection Methods 0.000 description 6
- 238000011160 research Methods 0.000 description 5
- 239000012141 concentrate Substances 0.000 description 3
- 230000002950 deficient Effects 0.000 description 3
- 238000004806 packaging method and process Methods 0.000 description 3
- 238000007619 statistical method Methods 0.000 description 3
- 240000004718 Panda Species 0.000 description 2
- 238000012356 Product development Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000006185 dispersion Substances 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000006227 byproduct Substances 0.000 description 1
- 238000005266 casting Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 239000013256 coordination polymer Substances 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012946 outsourcing Methods 0.000 description 1
- 238000000275 quality assurance Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- 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
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2462—Approximate or statistical queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/10—File systems; File servers
- G06F16/16—File or folder operations, e.g. details of user interfaces specifically adapted to file systems
- G06F16/164—File meta data generation
- G06F16/166—File name conversion
-
- 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
- G06F16/21—Design, administration or maintenance of databases
- G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
-
- 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
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2471—Distributed queries
-
- 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
- G06F16/248—Presentation of query results
-
- 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
- G06F16/25—Integrating or interfacing systems involving database management systems
- G06F16/258—Data format conversion from or to a database
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06395—Quality analysis or management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C3/00—Registering or indicating the condition or the working of machines or other apparatus, other than vehicles
- G07C3/14—Quality control systems
- G07C3/143—Finished product quality control
-
- 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)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Strategic Management (AREA)
- Computational Linguistics (AREA)
- Economics (AREA)
- Probability & Statistics with Applications (AREA)
- Development Economics (AREA)
- Tourism & Hospitality (AREA)
- Software Systems (AREA)
- Educational Administration (AREA)
- Mathematical Physics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Fuzzy Systems (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Human Computer Interaction (AREA)
- Game Theory and Decision Science (AREA)
- Manufacturing & Machinery (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Automation & Control Theory (AREA)
- Testing Of Individual Semiconductor Devices (AREA)
Abstract
用于芯片测试流程的分析方法、系统、设备及存储介质，设有分布式的第一数据处理部APP1和第二数据处理部APP2，第一数据处理部APP1配置在测试环节，用于收集芯片制造中测试产出的原始数据，对所得原始数据进行前处理，包括文件名规整和原始数据的清洗合并，得到统一格式的电测文档，第二数据处理部APP2配置在研发环节，用于基于标准操作流程SOP，调用电测文档，选择分析参数，自动输出与分析对应的芯片数据统计图形，最后将根据统计图形得到的分析数据反馈给工艺环节。本发明将对芯片的测试分析划分为前处理和分析两部分，使用方便，能够提高数据的处理效率和准确性，减少使用人员学习成本。
Description
技术领域
本发明属于半导体技术领域，涉及晶圆的电性测试，为一种用于芯片测试流程的分析方法、系统、设备及存储介质。
背景技术
现有芯片的制作流程是拿到设计先流片，再大批量生产。目前，芯片设计并没有成熟的EDA工具可以做仿真，只能以试验设计DOE的形式先到晶圆厂投片，拿到样品后进行测试，根据测试结果再次修正，然后再去投片，如此反复直到测试成功。其中需要完成的有晶圆检测（CP, Circuit Probing）和成品测试（FT, Final Test），研发环节RD（ResearchDepartment）在得到DOE流片的电性结果后,需要数据分析,确认后续条件的修正方向与调整。如图1所示，现有技术中相关测试资料的处理方式为收集 Wafer CP + F/G FT的电性数据，集中到研发环节，再使用商业专用软件来统计分析确认流片结果。
现有技术中，芯片制作的各道流程由不同的厂家完成，大体上分为晶圆制造和封装测试两部分，这就意味着测试数据的分散，以及各厂商在产出测试数据时数据格式上的差异。现有技术处理流程是由分散的晶圆厂、封装厂等各自将原始测试数据发送给研发环节，再在研发环节利用商业专用软件分析芯片电测数据，研发人员要对收到的原始测试数据进行数据整理合并、清洗, 分析项目相关设定等工作，包括：
1.导入测试资料，需要确认哪些是报表,哪些是分析数据；
2.对数据依照商业专用软件的数据识别需求，重新梳理定义各字段的数据型态，如string, int, floating等，分别进行多批次文件将相同字段合并到一起，同时完成数据清洗；
3.由清洗的数据中, 依绘制统计分析图形的需求调整软件参数设置，选出映射数据字段，分别产出盒须图boxplot,直方图histogram,散点图scatter plot, 轮廓及3D表面图contour&3D surface等，且每做一种图就需要从头设置一遍所需要用到的所有参数。
现有芯片测试研发的常规思路是测试负责测试，研发负责数据分析研究，因此采用集中式的数据处理方案，将各类数据集中到研发端进行处理。现有的商业专用软件即以此为基础开发，虽然可以处理数据清洗/档案合并/数据图形绘制，但考虑到各类数据集中式处理的情况，商用专业软件往往具有大量功能选项，以便于研发人员根据各不同类型的资料来调整软件参数，但这也带来了操作流程众多而复杂的问题，导致软件使用的学习成本高，对使用人员要求高，需要使用人员了解晶圆制造、封装测试不同阶段的测试情况，对原始电测数据了解其产出的方式及格式，才能进一步在商用专业软件中对分散收集来的不同数据进行清洗合并，最终分析得到结果，这一方面会增加人员成本，还会影响研发环节对测试数据的分析效率。
另外，除了流片中要进行测试分析，在芯片产品正式投产后的量产中，还涉及到大批量芯片产品的质检。现有的商业专用软件面向研发设计，而没有考虑大批量产品快速质检的需求，流片中测试分析的样品数量不多，研发人员整理测试资料进行分析的工作量有限，而到了正式投产的量产阶段，就无法再使用这种人工整理资料调试软件参数来完成分析的模式，需要有更简洁快速的分析方式来完成大批量产品的质检工作。
发明内容
本发明要解决的问题是：现有芯片制造中对DOE流片测试数据集中式处理，对研发环节而言，对人员专业性要求高，分析效率不能满足需求。
本发明的技术方案为：用于芯片测试流程的分析方法，芯片制造流程包括分散的工艺环节、测试环节和研发环节，设有分布式的第一数据处理部APP1和第二数据处理部APP2，第一数据处理部APP1配置在测试环节，用于收集芯片制造中测试产出的原始数据，对所得原始数据进行前处理，包括文件名规整和原始数据的清洗合并，得到统一格式的电测文档，第二数据处理部APP2配置在研发环节，用于基于标准操作流程SOP，调用电测文档，选择分析参数，自动输出与分析对应的芯片数据统计图形，最后将根据统计图形得到的分析数据反馈给工艺环节。
进一步的，第一数据处理部APP1中，首先根据芯片型号建立文件夹，测试环节将对应型号芯片的原始测试文件上传到文件夹中，第一数据处理部APP1抓取文件夹中的数据，由文件名抓取信息，至少包括芯片型号，对同芯片型号文件的内容筛选设定所需的电测数据，清洗掉不需要的数据后缓存，再合并为一个文件即电测文档，所述合并为构建一个列表，以研发分析所需数据项目为列表表头，将由各文件的内容筛选所得的电测数据对应表头填入列表进行合并，所述研发分析所需数据项目包括电测时间、工单号码、批次编号Lot_ID、晶圆编号Wfr_ID、Bin 与各类电性特征。
进一步的，电测文档的文件名中至少包含芯片型号，还包括测试类型、合并时间中的一种或多种，用于区分同一芯片型号在不同测试环节、不同清洗合并批次下所得的电测文档。
进一步的，将同一个芯片型号产品的不同批次下清洗合并得到的电测文档根据测试时间进行再次合并，以得到月数据、季度数据或年度数据。
进一步的，第一数据处理部APP1在得到电测文档后，对所得电测文档进行自动显示，所述自动显示包括列表显示或电性特征的曲线图显示。
进一步的，第二数据处理部APP2的标准操作流程SOP配置包括：
1）选择载入电测文档的选择栏，用于选择电测文档；
2）模式选择栏，包括全部资料分析模式和仅良品资料分析模式；
3）至少一个电性参数选择栏，用于设定分析所需的电性参数，检测载入的电测文档中是否包含所设定的电性参数，如果没有则报错；
4）批次编号、晶圆编号选择栏，用于设定按批次或按晶圆编号输出分析结果；
5）不同统计图形的生成选择栏，用于生成对应统计图形，包括直方图，盒须图，散点2D密度图，趋势与不良分布图，晶圆3D资料图以及晶圆2D资料堆叠图；
其中1）-4）均各自缓存当前设定内容，实现在部分相同设定基础上的个性化调整，以使步骤5）在相同或不同设定下，选择生成不同的统计图形。
进一步的，标准操作流程SOP配置还包括命名栏，用于设定所生成统计图形的名称，所生成的统计图形以设定的命名和统计图形类型自动命名。
进一步的，第一数据处理部APP1和第二数据处理部APP2基于python，采用python的pandas实现。
进一步的，第一数据处理部APP1和第二数据处理部APP2之间设有ftp服务器，用于数据存储及传输。
本发明还提供一种用于芯片测试流程的分析系统，包括：
第一数据处理部APP1，用于收集芯片制造测试环节的芯片测试文件，并通过前处理将统一芯片产品的测试数据清洗合并为一个电测文档；
第二数据处理部APP2，用于通过调用第一数据处理部APP1生成的电测文档输出芯片产品的数据统计图形；
服务器，用于第一数据处理部APP1和第二数据处理部APP2的数据存储及传输。
本发明还提供一种电子设备，所述电子设备包括处理器和存储器，所述存储器中存储有至少一条指令或至少一段程序，所述至少一条指令或所述至少一段程序由所述处理器加载并执行，以实现上述用于芯片测试流程的分析方法中的第一数据处理部APP1或第二数据处理部APP2，并实现对外数据交互。
本发明还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一条指令或至少一段程序，所述至少一条指令或至少一段程序由处理器加载并执行，以实现上述用于芯片测试流程的分析方法中的的第一数据处理部APP1或第二数据处理部APP2。
本发明设计了第一数据处理部APP1和第二数据处理部APP2，提出了一种新的分布式数据数据分析方法，将测试数据分开处理，第一数据处理部APP1面向测试环节，测试环节的电测工程人员对自己环节产出的原始测试数据的了解远超研发环节的研究员,无需研发环节人员了解电测数据是如何产生以及如何定义的，测试环节人员也只需按照产品芯片型号将测试数据汇集，即可由第一数据处理部APP1自动完成对数据的清理合并，第二数据处理部APP2面向研发环节，只需要直接调用对应芯片产品的电测文档，按照SOP流程设定所需分析的数据类型，即可自动输出对应的统计分析图形，且由于本发明的第二数据处理部APP2配置为SOP流程，无需复杂的软件参数设置，还可以在部分相同设定基础上进行个性化调整，例如同样的全部资料分析模式下，如果需要改变分析的电性参数产出其他统计图形，无需从头重新设置全部参数，只需修改电性参数，再选择要生成的统计图形即可，快速便捷。
另外，在本发明第一数据处理部APP1的数据处理中，与代工厂（工艺环节）问题沟通可以提前，测试环节在通过APP1 合档后,从自动显示的电测文档列表内容可以直观看到当前测试数据中的趋势与不良分布line chart + bar plot，就可以直观看出有问题的产品，第一时间向代工厂进行反馈，研发流片阶段可以如此，量产阶段更可以直接承接此模式，提高芯片产品的质检效率。
本发明透过程序指令可以大量快速地重复将测试产出的原始电性档案完成数据清洗及格式化处理，完成合档等工作，研发人员也只需了解测试所需的电性项目，而无需了解测试数据的生成。现有商用专业软件的集中处理的特性，需要操作人员的使用训练成本，本发明分布式的第一数据处理部APP1和第二数据处理部APP2将数据处理进行划分，且并不是简单的将原来研发人员的工作转移到测试环节，而是充分分析了不同环节的技术需求，在不增加各环节原有工作的基础上，协调了数据的处理、流转、分析的过程，提出的新的数据处理及分析流程。本发明无论是第一数据处理部APP1还是第二数据处理部APP2，都具有操作简便的特点，包括：
1）将处理数据的需求自动化。
2）在电测文档的基础上，APP2建立了标准作业程序SOP（Standard OperatingProcedure）流程，无需复杂的数据处理操作，只需确定分析需求，调用电测文档，通过标准步骤分析/绘图可以让研究工程人员集中精力于产品开发。
3）本发明设计的APP1&APP2 可以降低现有商用软件使用成本的问题，透过APP1自动产出后端需求的档案，并能让测试环节人员预先直观得到部分产品质量结果，提高测试反馈效率。
4）本发明使用python实现，python的 Pandas可以很容易的抓取及处理数据,在大量数据下也能具有极快的处理速度。
5）将来如有新的Python模块升级，包括绘图及数据处理，由于本发明的SOP设计，可以很容易得进行对应的更新，第二数据处理部APP2的统计图形生成选择栏可以加入各种统计类别的模块，协助质量工程人员对品保统计的需求。
本发明提出的分布式数据处理分析模式，在流片研发设计阶段可以让研究人员集中注意力于产品开发，在芯片产品正式投产进行量产后，可以透过此模式快速确认量产品质规范与低良率管控，快速提供对应的绘图资料来确认产品测试结果。
附图说明
图1为现有技术芯片测试分析流程的示意图。
图2为本发明的流程示意图。
具体实施方式
芯片制造流程包括分散的工艺环节、测试环节和研发环节，如图2所示，本发明提出一种分布式的分析方法，设有第一数据处理部APP1和第二数据处理部APP2，第一数据处理部APP1布置在测试环节中，用于直接收集芯片制造中测试产出数据，对所得数据进行前处理，包括文件名规整和产出数据的清洗合并，得到统一格式的电测文档，第二数据处理部APP2布置在研发环节，用于调用APP1前处理后的数据，基于SOP操作，根据需求调取电测文档输出与需求对应的芯片数据统计图形，将根据统计图形得到的分析数据反馈给工艺环节。
第一数据处理部APP1中，首先根据芯片型号建立文件夹，测试环节将对应型号芯片的原始测试文件上传到文件夹中，第一数据处理部APP1抓取文件夹中的数据，由文件名抓取信息，至少包括芯片型号，对同芯片型号文件的内容筛选设定所需的电测数据，清洗掉不需要的数据后缓存，再合并为一个文件即电测文档，所述合并为构建一个列表，以研发分析所需数据项目为列表表头，将由各文件的内容筛选所得的电测数据对应表头填入列表进行合并，所述研发分析所需数据项目包括电测时间、工单号码、批次编号Lot_ID、晶圆编号Wfr_ID、Bin 与各类电性特征。
第一数据处理部APP1会根据芯片型号检查所有文件是否均为同类型芯片型号的数据，然后对同类型的文件的内容进行规整。如果同一批文件中混入了不同类型的芯片测试文件，可以进行报错，也可以直接剔除不做处理。本发明通过第一数据处理部APP1确定资料的定义模式, 可以统一产品在不同外包测试站点得到的数据，无需额外要求不同测试站点按照研发的格式产出测试文件，有利于减少不同测试站点将产出资料处理的时间成本与人员训练成本。
原始测试文件的文件格式包括*.xlsx, *.xls 和*.csv，清洗合并后转档为*.csv文件。
另外，电测文档的文件名中至少包含芯片型号，还包括测试类型、合并时间中的一种或多种，用于区分同一芯片型号在不同测试环节、不同清洗合并批次下所得的电测文档。APP1 由文件名开始, 将必要的芯片型号/片号/工单号码与产出的电性内容整合一致, 也即根据电测文档的表头规整统一各原始测试文件的内容，提供APP2 绘图时可参考的主要分类索引sorting index, 产出内容以各站点电测结果为主, 数据清洗后存盘备份的数据可以再次整合，每一款产品每周的备份数据可以依据需求，进一步再次合并为月数据/季度数据/年度数据，每次存储都有相关的文件名与日期定义。
APP1 的执行方式为只抓取文件夹目录下的数据执行文件合并与清洗。因此可以设定运行时间或是直接手动执行。晶圆的制造流程涉及到前站点晶片厂 WAT, 中站点BGBM厂的CP, 后站点组装厂的FT，由于前/中/后站点的数据统一使用APP1处理, 因此对后段电性分析人员只需要SOP的操作, 就可以得到所需的分析图形确认产品的电性状态。
在本发明方法下，不同测试站点只需将以往测试数据打包发送给研发环节，改为传输至第一数据处理部APP1，不增加测试环节的工作量，同时本发明的第一数据处理部APP1在得到电测文档后，对所得电测文档进行自动显示，所述自动显示包括对所传输电测文档进行列表显示或电性特征的曲线图显示。测试人员不需要专业的分析技能，通过列表数据或曲线图就可以直观的看出本批次测试的电性参数的趋势和不良分布line chart +bar plot。对于line chart + bar plot显示出的明显问题，无需分析环节的细致分析，就可预先反馈给工艺环节，提高产品的检测反馈效率。
第一数据处理部APP1完成数据清洗与合并后得到的电测文档，将由第二数据处理部APP2载入，并分析/绘图得到所需的信息，包括但不限于直方图histogram, 盒须图boxplot, 散点2D密度图scatterplot+2D density，趋势与不良分布图line chart+barplot，晶圆3D资料图3D data plot，晶圆2D资料堆叠图2D data stack with wafer_ID。由于电测文档提供了规整后的数据，因此APP2可以通过建立标准操作流程SOP，来调用电测文档快速生成统计分析结果，SOP主要包括以下配置：
1）选择载入电测文档的选择栏，用于选择电测文档；
2）模式选择栏，包括全部资料分析模式和仅良品资料分析模式；
3）至少一个电性参数选择栏，用于设定分析所需的电性参数，检测载入的电测文档中是否包含所设定的电性参数，如果没有则报错；
4）批次编号、晶圆编号选择栏，用于设定按批次或按晶圆编号输出分析结果；
5）不同统计图形的生成选择栏，用于生成对应统计图形，包括直方图，盒须图，散点2D密度图，趋势与不良分布图，晶圆3D资料图以及晶圆2D资料堆叠图。
其中1）-4）均各自缓存当前设定内容，实现在部分相同设定基础上的个性化调整，以使步骤5）在相同或不同设定下，选择生成不同的统计图形。例如在完成步骤1）-4）一次设定之后，在步骤5）选择所要生成的统计图形类型，可以先生成直方图、再选择生成盒须图等，不需重复设定生成统计图形的参数，或者是电测文档、分析模式、电性参数不变，只调整不同批次编码或晶圆编号，以快速输出不同批次或不同晶圆的电性统计图形。现有技术的商业专业软件更偏向于设计研发使用，为了芯片半导体器件设计工作的需求，配置了细致的参数设定环节以利于设计中的细致试验参数调整，每一次生成统计图形分析均需重新设定所有参数，对于芯片设计时的小量试验数据处理而言，分析工作量有限，而对于流片中批量芯片的测试甚至是大量产品量产中质检工作，现有分析工具的精细化设计则不太适用，不能满足测试分析及量产质检的快速高效方面的需求，本发明建立的标准操作流程SOP，有利于对大量测试所得数据进行快速分析，无需分析人员研究测试环节的原始测试文档中记载了哪些参数，要如何提取数据用于画出统计图形，只需根据分析需要，设定所需分析条件，即可快速对各电测文档、各分析模式下的各电性参数快速生成所需的统计图形。
在电测文档选择栏之后，还可以配置命名栏，用于设定所生成统计图形的名称，所生成的统计图形以设定的命名和统计图形类型自动命名。便于研发人员在所得的各种统计图形中进行区分。
本发明第二数据处理部APP2的SOP流程可以大体划分为三个操作步骤。下面通过实施例来具体说明，两个模式A Mode和B Mode， A Mode表示Na资料不移除，即全部测试资料导入模式, 良品与不良品都会导入，B Mode表示Na资料移除，只有良品资料导入。
实施例1。
步骤1，选取待分析的电测文档；
步骤2，选择分析模式：
a.在命名栏设定分析绘图页面的标题；
b.APP2加载步骤1选取的档案，并选取A Mode；
步骤3，统计图形分析：
a.在电性参数选择栏中设定需要分析的电性参数，验证电测文档中存在该参数的条目后，统计图形的生成选择中选择良率by Lot-Wfr 操作，APP2从电测文档读取对应的测试数据结果，输出得到By lot(每一批)良率(line chat)与不良品项目(bar plot)分布图；
b. 统计图形的生成选择中选择Bin loss by Lot-Wfr 资料，APP2从电测文档读取对应的测试数据结果，输出得到by lot-wfr(每一片晶圆)良率(line chat)与不良品项目(bar plot)分布图。
由于都是分析良率(line chat)与不良品项目(bar plot)分布图，因此本实施例中在按批次生成统计图形和按片生成统计图形时，无需从头重新设置，只需直接选择不同的统计图形生成模式即可，整个过程不超过1分钟。
实施例2。
步骤1，选取待分析的电测文档；
步骤2，选择分析模式：
a.设定分析绘图页面的标题；
b.APP2加载步骤1选取的档案，并选取B Mode；
步骤3，统计图形分析：
a. 在电性参数选择栏中设定需要分析的电性参数Rdson，验证电测文档中存在该参数的条目后，统计图形的生成选择中按批次by Lot生成盒须图；
b.根据选择设定，电测文档中与Rdson相关信息皆会同时生成，为使生成的盒须图显示清楚，将批次中的各晶圆分组生成多张Rdson的盒须图，根据生成的盒须图确认最大/最小测试条件的结果；
c. 在电性参数选择栏中设定需要分析的电性参数Rdson，验证电测文档中存在该参数的条目后，统计图形的生成选择中按片 by Lot-Wfr生成盒须图；
d. 根据选择设定，电测文档中与Rdson相关信息皆会同时生成，为使生成的生成的盒须图显示清楚，将批次中的各晶圆分组生成多张Rdson的盒须图，根据生成的盒须图确认最大/最小测试条件的结果；
e. 统计图形的生成选择中选择 Rdson 直方图；
f. 根据选择设定，与Rdson直方图相关信息皆会同时生成，根据生成的直方图确认最大/最小测试条件的分布状况确认；
g. 统计图形的生成选择中选择Pairs Plot ，确认不同电性的趋势特性正比、反比等结果；
h. 在电性参数选择栏中设定需要分析的电性参数，统计图形的生成选择中选择3D Plot ，可由芯片电测文档的X-Y的坐标绘出晶圆的等高面，实现三维芯片电性堆栈的功能。
晶圆测试包括分批次（lot）和分片（lot-wfr），上述描述中，By lot 指针对输入资料以每一批次的晶圆绘出选取电性的图形，By lot-wfr 指针对输入资料以每一片晶圆绘出选取电性的图形。
从上述实施例可见，透过三个操作步骤的分析方式，可以快速得到分析/图形结果。
本发明分两个部分，第一部分为数据清洗与合文件，由于不同的代工厂针对电性测试的机器测式程序的语法不可能完全相同，且产出的数据日志data log与递交于研发的资料格式也有所不同,难以直接要求统一数据格式，因此本发明设计了APP1阶段直接定义数据清洗事项与合档文件字段格式化设定。第二部分为资料分析/绘图功能，APP2将APP1产出的数据直接汇入后即可绘图，不需要在绘图软件做数据清洗的确认动作，并且标准化操作流程下，分析操作更加便捷快速。
本领域的技术人员应明白，本发明的实施例可提供为方法、系统或计算机程序产品。在上述方案的基础上，本发明还提供一种用于芯片测试流程的分析系统，包括：
第一数据处理部APP1，用于收集芯片制造测试环节的芯片测试文件，并通过前处理将统一芯片产品的测试数据清洗合并为一个电测文档；
第二数据处理部APP2，用于通过调用第一数据处理部APP1生成的电测文档输出芯片产品的数据统计图形；
服务器，用于第一数据处理部APP1和第二数据处理部APP2的数据存储及传输。
对应提供一种电子设备，所述电子设备包括处理器和存储器，所述存储器中存储有至少一条指令或至少一段程序，所述至少一条指令或所述至少一段程序由所述处理器加载并执行，以实现上述用于芯片测试流程的分析方法中的第一数据处理部APP1或第二数据处理部APP2，并实现对外数据交互。
本发明可实施为在一个或多个其中包含有程序代码的计算机可读存储介质上实施的计算机程序产品的形式，所述计算机可读存储介质中存储有至少一条指令或至少一段程序，所述至少一条指令或至少一段程序由处理器加载并执行，以实现上述用于芯片测试流程的分析方法中的第一数据处理部APP1或第二数据处理部APP2。
Claims (11)
1.用于芯片测试流程的分析方法，芯片制造流程包括分散的工艺环节、测试环节和研发环节，其特征是设有分布式的第一数据处理部APP1和第二数据处理部APP2，第一数据处理部APP1配置在测试环节，用于收集芯片制造中测试产出的原始数据，对所得原始数据进行前处理，包括文件名规整和原始数据的清洗合并，得到统一格式的电测文档，第二数据处理部APP2配置在研发环节，用于基于标准操作流程SOP，调用电测文档，选择分析参数，自动输出与分析对应的芯片数据统计图形，最后将根据统计图形得到的分析数据反馈给工艺环节；
第一数据处理部APP1中，首先根据芯片型号建立文件夹，测试环节将对应型号芯片的原始测试文件上传到文件夹中，第一数据处理部APP1抓取文件夹中的数据，由文件名抓取信息，包括芯片型号，对同芯片型号文件的内容筛选设定所需的电测数据，清洗掉不需要的数据后缓存，再合并为一个文件即电测文档，所述合并为构建一个列表，以研发分析所需数据项目为列表表头，将由各文件的内容筛选所得的电测数据对应表头填入列表进行合并，所述研发分析所需数据项目包括电测时间、工单号码、批次编号Lot_ID、晶圆编号Wfr_ID、Bin 与各类电性特征。
2.根据权利要求1所述的用于芯片测试流程的分析方法，其特征是电测文档的文件名中包含芯片型号，还包括测试类型、合并时间中的一种或多种，用于区分同一芯片型号在不同测试环节、不同清洗合并批次下所得的电测文档。
3.根据权利要求1或2所述的用于芯片测试流程的分析方法，其特征是将同一个芯片型号产品的不同批次下清洗合并得到的电测文档根据测试时间进行再次合并，以得到月数据、季度数据或年度数据。
4.根据权利要求1或2所述的用于芯片测试流程的分析方法，其特征是第一数据处理部APP1在得到电测文档后，对所得电测文档进行自动显示，所述自动显示包括列表显示或电性特征的曲线图显示。
5.根据权利要求1所述的用于芯片测试流程的分析方法，其特征是第二数据处理部APP2的标准操作流程SOP配置包括：
1）选择载入电测文档的选择栏，用于选择电测文档；
2）模式选择栏，包括全部资料分析模式和仅良品资料分析模式；
3）至少一个电性参数选择栏，用于设定分析所需的电性参数，检测载入的电测文档中是否包含所设定的电性参数，如果没有则报错；
4）批次编号、晶圆编号选择栏，用于设定按批次或按晶圆编号输出分析结果；
5）不同统计图形的生成选择栏，用于生成对应统计图形，包括直方图，盒须图，散点2D密度图，趋势与不良分布图，晶圆3D资料图以及晶圆2D资料堆叠图；
其中1）-4）均各自缓存当前设定内容，实现在部分相同设定基础上的个性化调整，以使步骤5）在相同或不同设定下，选择生成不同的统计图形。
6.根据权利要求5所述的用于芯片测试流程的分析方法，其特征是标准操作流程SOP配置还包括命名栏，用于设定所生成统计图形的名称，所生成的统计图形以设定的命名和统计图形类型自动命名。
7.根据权利要求1所述的用于芯片测试流程的分析方法，其特征是第一数据处理部APP1和第二数据处理部APP2基于python，采用python的pandas实现。
8.根据权利要求1所述的用于芯片测试流程的分析方法，其特征是第一数据处理部APP1和第二数据处理部APP2之间设有ftp服务器，用于数据存储及传输。
9.用于芯片测试流程的分析系统，其特征是包括：
第一数据处理部APP1，用于收集芯片制造测试环节的芯片测试文件，并通过前处理将统一芯片产品的测试数据清洗合并为一个电测文档；
第二数据处理部APP2，用于通过调用第一数据处理部APP1生成的电测文档输出芯片产品的数据统计图形；
服务器，用于第一数据处理部APP1和第二数据处理部APP2的数据存储及传输；
第一数据处理部APP1、第二数据处理部APP2和服务器实现如权利要求1-8任意一项所述的用于芯片测试流程的分析方法。
10.一种电子设备，其特征是所述电子设备包括处理器和存储器，所述存储器中存储有至少一条指令或至少一段程序，所述至少一条指令或所述至少一段程序由所述处理器加载并执行，以实现如权利要求1-8任意一项所述的用于芯片测试流程的分析方法中的第一数据处理部APP1或第二数据处理部APP2，并实现对外数据交互。
11.一种计算机可读存储介质，其特征是所述计算机可读存储介质中存储有至少一条指令或至少一段程序，所述至少一条指令或至少一段程序由处理器加载并执行，以实现如权利要求1-8任意一项所述的用于芯片测试流程的分析方法中的第一数据处理部APP1或第二数据处理部APP2。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310801013.8A CN116521762B (zh) | 2023-07-03 | 2023-07-03 | 用于芯片测试流程的分析方法、系统、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310801013.8A CN116521762B (zh) | 2023-07-03 | 2023-07-03 | 用于芯片测试流程的分析方法、系统、设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116521762A CN116521762A (zh) | 2023-08-01 |
| CN116521762B true CN116521762B (zh) | 2023-09-19 |
Family
ID=87398028
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310801013.8A Active CN116521762B (zh) | 2023-07-03 | 2023-07-03 | 用于芯片测试流程的分析方法、系统、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116521762B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117540674B (zh) * | 2024-01-09 | 2024-04-05 | 南京宏泰半导体科技股份有限公司 | 集成音视频系统的芯片测试系统与测试方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101364219A (zh) * | 2007-08-06 | 2009-02-11 | 北京华大泰思特半导体检测技术有限公司 | 面向集成电路测试的测试数据转换方法 |
| CN107346466A (zh) * | 2017-05-26 | 2017-11-14 | 国网山东省电力公司淄博供电公司 | 一种电力调度系统的控制方法及装置 |
| CN109785917A (zh) * | 2018-12-25 | 2019-05-21 | 天津阿贝斯努科技有限公司 | 临床试验数据检查质疑管理系统及管理方法 |
| CN114139852A (zh) * | 2021-10-19 | 2022-03-04 | 中国核电工程有限公司 | 一种分析实验室信息管理系统及乏燃料后处理系统 |
-
2023
- 2023-07-03 CN CN202310801013.8A patent/CN116521762B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101364219A (zh) * | 2007-08-06 | 2009-02-11 | 北京华大泰思特半导体检测技术有限公司 | 面向集成电路测试的测试数据转换方法 |
| CN107346466A (zh) * | 2017-05-26 | 2017-11-14 | 国网山东省电力公司淄博供电公司 | 一种电力调度系统的控制方法及装置 |
| CN109785917A (zh) * | 2018-12-25 | 2019-05-21 | 天津阿贝斯努科技有限公司 | 临床试验数据检查质疑管理系统及管理方法 |
| CN114139852A (zh) * | 2021-10-19 | 2022-03-04 | 中国核电工程有限公司 | 一种分析实验室信息管理系统及乏燃料后处理系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116521762A (zh) | 2023-08-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN1155069C (zh) | 控制半导体集成电路测试过程的系统和方法 | |
| CN116521762B (zh) | 用于芯片测试流程的分析方法、系统、设备及存储介质 | |
| CN113687209A (zh) | 基于深度学习的集成电路测试异常分析系统及其方法 | |
| CN110442992B (zh) | 一种航天系统电缆网的机电协同设计方法及装置 | |
| CN111967839A (zh) | 一种基于bim的建筑构件施工质量验收方法和系统 | |
| CN109800402B (zh) | 一种用于工艺仿真的设备信息处理方法及系统 | |
| CN108416151B (zh) | 一种基于模型的卫星测控信息流智能化设计系统及故障信息快速定位方法 | |
| CN100371939C (zh) | 在缺陷管理系统中使用的方法 | |
| CN112147979B (zh) | 一种基于三维模型集成应用的机加在线检测方法 | |
| CN106204788A (zh) | 振动感知传感网工业缝制设备自动计数方法 | |
| US20230409531A1 (en) | Method for real-time extraction of on-chip simulation information | |
| CN115169284A (zh) | 基于视觉化分析的凭证信息遗漏填补方法 | |
| JP3710534B2 (ja) | 工程制御方法 | |
| CN102184336A (zh) | 一种用于医药行业gmp验证自动化方法和系统 | |
| CN111510355A (zh) | 一种整车can通信的自动序列测试系统及方法 | |
| CN110782161A (zh) | 农机试验鉴定管理信息系统 | |
| CN112000332B (zh) | 一种总线面板的自动生成方法及系统 | |
| CN108132960B (zh) | 集成电路设计资料库管理系统 | |
| CN113448309B (zh) | 一种用于核电仪控系统测试的自动化测试装置及方法 | |
| CN112651646A (zh) | 一种rpa机器人应用需求测评方法及装置 | |
| CN114090353A (zh) | 一种基于半导体晶圆可接受度的测试方法及系统 | |
| CN116307667A (zh) | 一种服装进出口流程的集成系统 | |
| CN114548070A (zh) | 一种site map添加图的方法 | |
| US7263451B1 (en) | Method and apparatus for correlating semiconductor process data with known prior process data | |
| CN116028343A (zh) | 一种车载系统的测试方法及装置 |
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 |