JP2008516305A - 集積回路の歩留り及び品質の分析の方法及びシステム - Google Patents

Abstract

集積回路の歩留りと品質とをテストし、分析し、改善する方法と、装置と、システムとが、本明細書で開示される。例えば、１つの例示的実施形態で、設計欠陥抽出ルールは、少なくとも部分的に、設計製造ルールのセットから導出される。潜在的な欠陥が、設計欠陥抽出ルールを使用して、集積回路レイアウトの表現から抽出される。１つ又は複数の回路テスト中に適用される回路テスト刺激が、判定される。適用された回路テストから生じるテスト応答が、障害を発生した集積回路を識別し、適用された回路テストに関連する１つ又は複数の潜在的なタイプの欠陥の、障害を発生した集積回路での発生を識別するために、評価される。潜在的なタイプの欠陥の発生の障害を発生した集積回路での反復識別に関する情報が、集められ、分析されて、潜在的なタイプの欠陥がレイアウトに従って製造される集積回路に存在する尤度が判定される。

Description

（関連出願の相互参照）
本願は、参照によって本明細書に組み込まれている、２００４年９月６日出願の米国特許出願第６０／６０７７２８号の利益を主張するものである。

（技術分野）
開示されるテクノロジは、全般的に、集積回路の設計とテストとに関する。

集積回路の特徴サイズが縮小し続けるので、特徴関連欠陥の影響は、ますます重要になりつつある。例えば、現在の集積回路を実現するのに使用されるリソグラフィ技法は、しばしば、それが作成する特徴より大きい波長を有する。サブ波長リソグラフィの１つの結果は、リソグラフィ・プロセスによって引き起こされる障害（例えば、結果の設計に現れる短絡と開路とを引き起こすひずみ）が多数になることである。実際に、集積回路の製造歩留りに対する特徴欠陥の影響は、増えつつあり、製造中に存在するランダム粒子の影響より支配的である。

作られる欠陥チップの個数を減らすために、ファウンドリ（集積回路製造業者）は、しばしば、設計者が彼らの特定の設計の歩留りを改善するのを助けるのに使用できる複数の推奨される設計を提供する。そのようなルールは、本明細書では一般にＤｅｓｉｇｎ ｆｏｒ Ｍａｎｕｆａｃｔｕｒａｂｉｌｉｔｙ（ＤＦＭ）と称するが、集積回路設計に関連する非常にさまざまなパラメータに関するものとすることができる。例えば、このルールは、２つのワイヤの間又は２つの特徴の角の間の距離など、設計の物理的特性又は特質に関するものとすることができる。ＤＦＭルールによって対処される可能な設計問題の中に、冗長性と、間隔と、幅と、長さと、面積と、エンクロージャと、延長部と、オーバーラップと、密度と、方位と、ジョブ／ノッチと、アンテナと、整合とがある。更に、これらのカテゴリのそれぞれが、適用される多数のルールを有することができる。更に、あるファウンドリが、それぞれが歩留りに対する異なる潜在的影響を有する、所与の設計パラメータに関する複数のルールを与えることができる。例えば、ファウンドリは、特定のパラメータの最小値又は最大値並びに推奨値を与えることができる。一般に、ＤＦＭルールの使用は、集積回路が、そのＤＦＭルールによって暗示されるプロセスとテクノロジとを使用して実際に製造可能であることを保証するのを助ける。

ＤＦＭルールは、伝統的に、テスト・チップの使用を介して決定されてきた。テスト・チップとは、特定のＤＦＭルールについてターゲットにされる幾つかのパラメータにまたがって系統的に変更された同一のテスト構造の多数のグループを含む特殊化されたチップである。次に、テスト・チップから得られたテスト結果を、統計的に分析し、ターゲットにされたＤＦＭルールの値を決定するのに使用することができる。しかし、テスト・チップは、実際のコストと、テスト・チップの作成、テスト、及び分析から生じる失われるウェハ容量との両方に関して、使用するのが高価になり得る。又、テスト・チップは、限られた情報を供給する。例えば、テスト・チップは、通常、テスト・チップのテスト構造に含まれない回路の特徴に対する影響に関する情報を供給することができない。更に、新しいＤＦＭルールが、プロセス変更又は得られた新しい知識に対処するために開発される時に、新しいテスト・チップを設計し、製造しなければならないが、これは、一般に数週間から数ヶ月を要するプロセスである。

従って、歩留りを高めるために設計製造ルールを判定し、変更し、使用する改善された方法が望ましい。

以下で開示するのは、方法と、装置と、システムとの代表的実施形態であるが、これらを、決して限定的と解釈してはならない。そうではなく、本開示は、単独の並びに互いとのさまざまな組合せと副組合せとでの、さまざまな開示される方法と、装置と、システムとのすべての新規の自明でない特徴及び態様とその同等物とを対象とする。

本明細書で開示される例示的方法の１つでは、設計欠陥抽出ルールのセットが、少なくとも部分的に設計製造ルールのセットから導出される。潜在的欠陥が、集積回路設計の物理的レイアウトの表現から抽出され、抽出された潜在的欠陥は、少なくとも部分的に欠陥抽出ルールに基づく。１つ又は複数の回路テスト中に適用される回路テスト刺激が、判定される。適用される回路テストから生じるテスト応答は、障害を発生する集積回路を識別し、適用された回路テストに関連する１つ又は複数の潜在的なタイプの欠陥の、障害を発生する集積回路での発生を識別するために、評価される。潜在的なタイプの欠陥の発生の、障害を発生する集積回路での反復識別に関する情報が、集められる。集められた情報は、潜在的なタイプの欠陥が物理的レイアウトに従って製造される集積回路に存在する尤度を判定するために、分析される。回路テスト刺激は、抽出された潜在的欠陥のうちの１つ又は複数をターゲットにすることによって生成されるテスト・パターン及び／或いは抽出された潜在的欠陥のうちの１つ又は複数を検出すると判定される、前に生成されたテスト・パターンを含むことができる。抽出された欠陥のうちの１つ又は複数は、更に、次のプロパティ即ち、（ａ）各々の潜在的欠陥を他の潜在的欠陥から区別する欠陥識別子と、（ｂ）各々の潜在的欠陥を抽出するのに使用された欠陥抽出ルールを識別する被導出ルール識別子と、（ｃ）各々の潜在的欠陥を抽出するのに使用された欠陥抽出ルールがそれから導出された設計製造ルールを識別する設計製造ルール識別子と、（ｄ）集積回路設計の物理的レイアウト内の各々の潜在的欠陥の１つ又は複数の物理的プロパティと、（ｅ）集積回路設計の物理的レイアウト内の各々の潜在的欠陥の物理的位置と、（ｆ）他の潜在的欠陥に対する相対的な各々の潜在的欠陥のランキングとのうちの少なくとも１つを関連付けられることができる。ある種の実施形態では、ランキングが、抽出された潜在的欠陥の少なくとも幾つかに割り当てられ、このランキングは、潜在的欠陥が集積回路内で発生する尤度を示す。このランキングを、集められた情報の分析に少なくとも部分的に基づいて更新することができる。更に、回路テストの適用を、抽出された潜在的欠陥と抽出された潜在的欠陥のランキングとに少なくとも部分的に基づいて順序付けることができる。幾つかの実施形態で、集められた情報を分析する動作は、更に、複数のテストされた集積回路の集められた情報を分析するステップ、並びに、（ａ）集積回路の生産歩留りを推定する動作と、（ｂ）潜在的なタイプの欠陥又は集積回路設計の物理的レイアウトに従って製造される集積回路のエスケープ・レートを推定する動作と、（ｃ）設計製造ルールのうちの１つ又は複数の歩留り感度曲線を推定する動作と、（ｄ）少なくとも複数の設計欠陥抽出ルールを使用して、他の集積回路設計の生産歩留りを推定する動作と、（ｅ）設計製造ルールに従って設計された他の集積回路設計内の潜在的なタイプの欠陥のエスケープ・レートを推定する動作とのうちの１つ又は複数を実行するステップを更に含む。ある種の実施形態では、集められた情報を分析する動作は、更に、複数のテストされた集積回路の経時的な集められた情報を分析するステップと、潜在的欠陥が製造された集積回路に存在する尤度の変化の傾向を判定するステップとを含む。判定された傾向に少なくとも部分的に基づいて、欠陥のある集積回路を識別する尤度を改善するために、テスト刺激を、変更し、追加し、又は削除することができる。幾つかの実施形態で、情報を集める動作と集められた情報を分析する動作とは、実質的にリアル・タイムで、集積回路製造者の生産ラインで作られる製造される集積回路に対して実行される。開示されるテクノロジの例示的実施形態では、テスト応答及び上記テスト応答を作った関連するテストは、関連するテストの失敗から前に生成され保管された期待される失敗するテスト応答の辞書を使用して比較される。これらの実施形態では、情報を集める動作は、更に、比較によって識別された潜在的欠陥を識別する比較からの情報を集めるステップを含むことができる。幾つかの実施形態で、辞書に保管される情報は、辞書の生成中に圧縮される。例えば、１つ又は複数のビット・マスクを、集積回路設計内の少なくとも１つの潜在的欠陥を検出するテスト応答を表すために計算することができ、或いは、１つ又は複数の擬似故障を、集積回路設計内の少なくとも１つの潜在的欠陥を検出するテスト応答を表すために計算することができる。幾つかの実施形態は、次の形即ち、（ａ）辞書内で前に見つからなかった潜在的欠陥に関連する少なくとも１つのテストを追加すること、又は（ｂ）辞書内で前に見つからなかった潜在的欠陥がテストされた集積回路内に存在する場合に受け取られると期待される少なくとも１つの期待される失敗するテスト応答を追加することのうちの１つ又は複数で辞書を変更することを更に含む。生成された辞書のエントリを、削除することもできる（例えば、そのエントリに関連する失敗するテスト応答が、閾値回数の回路テストについて観察されなかった場合に）。開示される方法の幾つかの実施形態では、生成された辞書内で見つからない少なくとも１つの潜在的欠陥の存在を、診断することもできる（例えば、増分診断又は増分シミュレーションを使用して）。設計製造ルールのセット内の設計製造ルール又は設計欠陥抽出ルールを、集められた情報を分析する動作に少なくとも部分的に基づいて、変更し、追加し、又は削除することができる。

本明細書で開示されるもう１つの例示的方法では、集積回路レイアウトの表現が、受け取られる（例えば、ＧＤＳＩＩ又はＯａｓｉｓファイル）。集積回路を製造するための１つ又は複数の推奨される設計パラメータも、受け取られる。抽出ルールが、推奨される設計パラメータのうちの１つ又は複数から判定され、これらの抽出ルールは、集積回路レイアウトの表現から欠陥候補の複数の集合を識別するルールを含む。設計パラメータは、例えば、１つ又は複数の設計製造ルールを含むことができる。更に、欠陥候補の複数の集合は、関連する推奨される設計パラメータから異なる各々の範囲の値だけ逸脱する欠陥候補を含むことができる。幾つかの実施形態で、抽出ルールは、集積回路レイアウトに従って作られる集積回路のテストから入手されたテスト結果に少なくとも部分的に基づいて変更される。この変更は、抽出ルールによって識別される欠陥候補の集合の個数の増加を含むことができる。抽出ルールを、集積回路レイアウトの表現に適用して、集積回路レイアウト内の欠陥候補のリストを生成することができる。欠陥候補の少なくとも幾つかをターゲットにするテスト・パターンを、生成することができる。その代わりに又はそれに加えて、欠陥候補の少なくとも幾つかを検出するテスト・パターンを、前に生成されたテスト・パターンのセットから識別することができる。幾つかの実施形態では、欠陥候補のリストが、欠陥候補のうちの１つ又は複数に関連する歩留り感度に少なくとも部分的に基づいて順序付けられる。例示的方法のある種の実施形態では、失敗するテスト応答とその失敗するテスト応答を潜在的に引き起こした関連する欠陥候補とを示す故障辞書が、生成される。

以下で開示するもう１つの例示的実施形態では、製造された集積回路内の潜在的欠陥の存在を評価する設計製造ルールの変更されたセットが、判定される。設計製造ルールの変更されたセットは、少なくとも部分的に設計製造ルールの第１セットから導出され、設計製造ルールの第１セットは、欠陥タイプの少なくとも第１及び第２のクラスを含む、潜在的欠陥のタイプの複数のクラスを定義する。この実施形態では、設計製造ルールの変更されたセットは、少なくとも、設計製造ルールの第１クラスに関連する複数の設計製造ルールの第１サブクラスの第１セットと、設計製造ルールの第２クラスに関連する複数の設計製造ルールの第２サブクラスの第２セットとを定義する。設計製造ルールの第１及び第２のサブクラスのうちの少なくとも複数が、設計製造ルールのランキングされた第１及び第２のサブクラスが製造された集積回路内の欠陥を識別する尤度によってランキングされる。設計製造ルールの第１及び第２のサブクラスを満足する潜在的欠陥が、集積回路の物理的レイアウト記述から抽出される。この方法のある種の実施形態では、製造される回路に適用される回路テストが、判定される。回路テストは、例えば、設計製造ルールの第１及び第２のサブクラスに含まれる設計製造ルールのうちの少なくとも複数に関連する抽出された潜在的欠陥を検出するように構成することができる。回路テストが適用されることに応答して入手される製造された回路からのテスト応答を、評価して、変更された設計製造ルールのうちの１つ又は複数が、テストされた集積回路内に存在する可能性が高い潜在的欠陥を識別したかどうかを判定することができる。更に、評価を、適用される回路テストによって検出された欠陥の製造された回路内での発生の尤度を示す統計情報を提供するために、十分な個数の製造された集積回路からのテスト応答を使用して実行することができる。ある種の実施形態で、設計製造ルールの第１及び第２のサブクラスをランキングする動作は、第１サブクラス内の複数の設計製造ルールを互いに対して相対的にランキングするステップと、第２サブクラス内の複数の設計製造ルールを互いに対して相対的にランキングするステップとを含む。幾つかの実施形態で、設計製造ルールの変更されたセットは、それに関して欠陥を抽出してはならない、集積回路の物理的レイアウトの区域を定義する設計製造ルールを含む。設計製造ルールの変更されたセットは、歩留り低下に影響する特性の経時的な変化の傾向を判定する、歩留り低下を制限する製造ルールをも含むことができる。そのような歩留り低下を制限するルールの１つの例は、信号線のインライン抵抗に関連する。

本明細書で開示されるもう１つの例示的方法では、対応する観察点組合せから１つ又は複数の欠陥候補を識別する１つ又は複数の故障辞書が、生成される。この例示的方法では、観察点組合せは、各々のテスト・パターンの適用の際の故障テスト値を取り込んだテスト中回路の観察点を示す。更に、１つ又は複数の欠陥辞書は、（ａ）第１欠陥候補について、第１欠陥候補を検出するテスト・パターンを示す１つ又は複数の第１インジケータを保管することと、（ｂ）第２欠陥候補について、第２欠陥候補を検出するテスト・パターンを示す少なくとも１つの第２インジケータを保管することとによって生成され、第２インジケータは、第１欠陥候補を検出するテスト・パターンのうちのどれが第２欠陥候補をも検出するかを示すビット・マスクを含む。幾つかの実施形態で、テスト中回路は、電子デバイス内での機能的使用のために設計された集積回路を含む。１つ又は複数の第１インジケータは、第１欠陥候補を検出するテスト・パターンに関連する一意ＩＤ及び／又は第１欠陥候補を検出するテスト・パターンの観察点組合せに関連する一意ＩＤを含むことができる。幾つかの実施形態で、第１欠陥候補と第２欠陥候補とは、テスト中回路のファン・アウト・フリー領域内にある。更に、第１欠陥候補を、ファン・アウト・フリー領域のステムに置くことができる。幾つかの実施形態では、１つ又は複数の欠陥候補が、生成された１つ又は複数の故障辞書を使用してテスト中回路の生産テスト中に識別される。更に、ある種の実施形態では、増分診断及び／又は増分シミュレーションが、生成された１つ又は複数の故障辞書によって識別されない１つ又は複数の可能な欠陥に対して実行される。幾つかの実施形態では、生成された１つ又は複数の故障辞書が、増分診断及び／又は増分シミュレーションからの結果を用いて更新される。同様に、欠陥抽出ルール又は設計製造ルールを、増分診断及び／又は増分シミュレーションからの結果を用いて更新することができる。第１欠陥候補を検出するテスト・パターンの個数を、（ａ）所定の値又は（ｂ）ユーザ選択の値のうちの少なくとも１つまでに制限することができる。幾つかの実施形態で、第１欠陥候補を検出するテスト・パターンは、静的故障モデルを使用するテスト・パターンと、動的故障モデルを使用するテスト・パターンとを含む。更に、この実施形態のある種の実施態様では、少なくとも第１故障辞書と第２故障辞書とが、生成され、静的故障モデルを使用するテスト・パターンに関する故障辞書情報は、第１故障辞書に保管され、動的故障モデルを使用するテスト・パターンに関する故障辞書情報は、第２故障辞書に保管される。更に、第２欠陥候補を検出するテスト・パターンのうちの少なくとも幾つかは、第１欠陥候補を検出するのに使用されるものと異なるタイプの故障モデルを使用することができる。この例示的方法の幾つかの実施形態で、観察点組合せは、テスト中回路内のコンパクタからのコンパクト化されたテスト応答に対応する。幾つかの実施形態で、次のプロパティ即ち、（ａ）欠陥候補を他の潜在的欠陥から区別する欠陥識別子、（ｂ）第１欠陥候補を抽出するのに使用された欠陥抽出ルールを識別する被導出ルール識別子、（ｃ）第１欠陥候補を抽出するのに使用された欠陥抽出ルールがそれから導出された設計製造ルールを識別する設計製造ルール識別子、（ｄ）第１欠陥候補の１つ又は複数の物理的プロパティ、（ｅ）集積回路設計の物理的レイアウト内の第１欠陥候補の物理的位置、又は（ｆ）同一タイプの他の潜在的欠陥に対する相対的な第１欠陥候補のランキングのうちの１つ又は複数が、少なくとも第１欠陥候補に関連付けられ、又は少なくとも第１欠陥候補のために更に保管される。

本明細書で開示されるもう１つの例示的方法では、集積回路レイアウト内の潜在的欠陥のリストが、受け取られる。この例示的実施形態では、リスト内の潜在的欠陥は、少なくとも部分的に設計製造ルールのセットから導出された抽出ルールを使用することによって識別されたものであり、設計製造ルールは、集積回路を製造するための設計パラメータを含む。テスト・パターンのセットが、（ａ）識別された潜在的欠陥の少なくとも幾つかを検出する１つ若しくは複数のテスト・パターンを、以前に生成されたテスト・パターンから選択すること、（ｂ）識別された潜在的欠陥の少なくとも幾つかを明示的にターゲットにする１つ若しくは複数のテスト・パターンを生成すること、又は（ａ）と（ｂ）との両方によって作られる。少なくとも１つの故障辞書が、生成され、この故障辞書は、関連するテスト・パターンに対する１つ又は複数の失敗するテスト応答とその失敗するテスト応答にそれぞれが関連する１つ又は複数の潜在的欠陥とを示す。ある種の実施形態で、少なくとも１つの故障辞書は、圧縮された故障辞書であり、この故障辞書を生成する動作は、各々の潜在的欠陥に関連する失敗するテスト応答を表すために１つ又は複数のビット・マスクを使用するステップ及び／又は各々の潜在的欠陥の検出情報を表すために１つ又は複数の擬似故障の検出情報を使用するステップを含む。テスト・パターンのセット内のテスト・パターンの少なくとも一部を使用する集積回路のテスト中に入手される失敗するテスト応答を含むテスト結果データを、受け取ることができる。少なくとも１つの故障辞書を、失敗するテスト応答のうちの１つ又は複数に関連する潜在的欠陥を診断するために、テスト結果データに適用することができる。増分診断手順又は増分シミュレーション手順を、少なくとも１つの故障辞書を使用して診断可能ではない潜在的欠陥を診断するために、使用することができる。潜在的欠陥が失敗するテスト応答を実際に引き起こしている確率を、少なくとも１つの故障辞書の適用から入手される診断結果を使用して、統計的に判定することができる。

本明細書で開示されるもう１つの例示的方法では、少なくとも部分的に設計製造ルールの第１セットから導出される欠陥抽出ルールのセットが、判定される。この欠陥抽出ルールは、例えば、設計製造ルールによって識別される潜在的欠陥の少なくとも１つのカテゴリの複数のサブカテゴリを定義する。潜在的欠陥が、欠陥抽出ルールの少なくともサブセットを集積回路の物理的レイアウトの電子記述に適用することによって抽出される。この例示的実施形態の抽出される潜在的欠陥は、サブカテゴリのうちの少なくとも１つに含まれる。製造された集積回路内の潜在的欠陥の存在を示す複数の回路テストが、定義される。回路テストのそれぞれは、例えば、集積回路を含む製造された集積回路に適用される回路刺激のセットを含む。少なくとも複数の回路テストについて、潜在的欠陥又は回路テストによって検出される欠陥と、観察された場合に潜在的欠陥又は回路テストによって検出される欠陥の存在を示すはずの失敗するテスト応答とが、保管される。この方法は、製造された集積回路に回路テストを適用するステップと、テスト応答を取り込むステップと、適用された回路テストに失敗する１つ又は複数のテスト応答を作る、障害を発生する集積回路を判定するステップとを更に含むことができる。ある種の実施形態で、障害を発生する集積回路のうちの１つ又は複数について、１つ又は複数の失敗するテスト応答を作った１つ又は複数の回路テストが、識別され、これによって失敗するテスト応答を潜在的に引き起こした１つ又は複数の欠陥を演繹することを試みるために、識別された回路テストに関連する失敗するテスト応答のうちの１つ又は複数が、識別された回路テストに関連する保管された失敗するテスト応答と比較される。上記比較の結果を保管する時に保管されるデータの量を、少なくとも潜在的欠陥ごとにｋ個の検出する失敗するテスト応答だけを保管することによって、圧縮するか制限することができ、ｋは、保管される潜在的欠陥に関する失敗するテスト応答の最大個数を指定する。この例示的方法の幾つかの実施形態は、障害を発生する集積回路内の潜在的なタイプの欠陥の発生の反復識別に関する情報を集め、分析するステップと、あるタイプの欠陥が失敗するテスト応答を引き起こしている確率を表すデータを報告するステップとを更に含む。報告するステップは、例えば、データのグラフィカル表現（例えば、パレート図）を生成することによって実行することができる。幾つかの実施形態で、各々の潜在的欠陥に関連する次のプロパティ即ち、（ａ）各々の潜在的欠陥を他の潜在的欠陥から区別する欠陥識別子と、（ｂ）潜在的欠陥を抽出するのに使用された欠陥抽出ルールを識別する被導出ルール識別子と、（ｃ）欠陥抽出ルールがそれに基づく設計製造ルールを識別する設計製造ルール識別子と、（ｄ）集積回路設計の物理的レイアウト内の各々の潜在的欠陥の１つ又は複数の物理的プロパティと、（ｅ）集積回路設計の物理的レイアウト内の各々の潜在的欠陥の物理的位置と、（ｆ）他の潜在的欠陥に対する相対的な各々の潜在的欠陥のランキングとのうちの１つ又は複数をも、保管することができる。ある種の実施形態で、欠陥抽出ルールのセットは、ワースト・ケース欠陥識別子によってワースト・ケース欠陥として識別される少なくとも１つの潜在的欠陥をも含む。幾つかの実施形態で、保管する動作は、故障がそれから導出された潜在的欠陥の識別と、潜在的故障のタイプと、潜在的故障を検出するテスト・パターンと、各検出するテスト・パターンの観察点とによって失敗するテスト応答を記述する欠陥比較辞書を生成する動作を含む。更に、これらの実施形態の幾つかの実施態様で、例示的方法は、（ａ）辞書内で前に見つからなかった潜在的欠陥の追加、（ｂ）辞書内で前に見つからなかった潜在的欠陥に関連する少なくとも１つのテストの追加、（ｃ）辞書内で前に見つからなかった潜在的欠陥がテストされた集積回路内に存在する場合に受け取られると期待される少なくとも１つの期待される失敗するテスト応答の追加、又は（ｄ）所定の若しくはユーザ選択の回数の回路テストの後の、障害を発生する回路を検出しなかったテスト応答に関連する辞書内のエントリの削除のうちの１つ又は複数を実行することによって、保管された情報を変更することを更に含む。又、欠陥比較辞書を使用するある種の実施態様で、回路テストのうちの１つに関連する失敗するテスト応答が、潜在的欠陥の存在と上記欠陥のタイプとを判定するために、辞書に保管された回路テストに関連する失敗するテスト応答と比較され、上記比較の結果が、保管される。このプロセスの一部として、比較によって識別されなかった種々雑多な潜在的欠陥に起因して障害を発生する集積回路を、識別することができ、例示的方法を、種々雑多な潜在的欠陥のうちの少なくとも１つをターゲットにするために、欠陥抽出ルールの変更されたセットを使用して繰り返すことができる。更に、ある種の実施態様では、比較によって識別されなかった種々雑多な潜在的欠陥を、種々雑多な潜在的欠陥を識別するために診断することができる（例えば、影響−原因ベースの診断手順、増分シミュレーション、及び／又は増分診断を使用して）。辞書を、識別された種々雑多な潜在的欠陥を含めるために変更することができる。

本明細書で開示されるもう１つの例示的方法では、テスト結果情報が、複数の集積回路のテストから受け取られる。このテスト結果情報は、テスト中に適用された各々のテスト・パターンに関連する失敗するテスト応答を含む。故障辞書が、失敗するテスト応答のうちの１つ又は複数を引き起こした可能性がある潜在的欠陥を識別するために、テスト結果情報の少なくとも一部を診断するのに使用される。増分診断手順又は増分シミュレーション手順のうちの少なくとも１つが、故障辞書を使用して診断可能ではなかったテスト結果情報を診断するために使用される。幾つかの実施形態で、潜在的欠陥のうちの１つ又は複数が集積回路障害を実際に引き起こした確率が、故障辞書を使用して作られた診断結果から判定される。これらの確率が、その後、報告される。（ａ）１つ若しくは複数の設計製造ルールを調整する動作、（ｂ）１つ若しくは複数の欠陥抽出ルールを調整する動作、又は（ｃ）集積回路内の１つ若しくは複数の特徴の推奨される変更を提供する動作のうちの１つ又は複数を、報告された確率に少なくとも部分的に基づいて実行することができる。幾つかの実施形態で、故障辞書は、１つ又は複数の失敗するテスト応答を各々の潜在的欠陥に関連付けるのに１つ又は複数のビット・マスクを使用する圧縮された故障辞書である。

本明細書で開示されるもう１つの例示的方法では、情報が、電子デバイス内での機能的使用のために設計された集積回路のテスト応答を処理することから受け取られる。この実施形態では、この情報は、集積回路のテスト中に観察された集積回路障害と、集積回路障害を引き起こす可能な歩留り制限要因とを示す。集積回路内の可能な歩留り制限要因のうちの１つ又は複数が集積回路障害を実際に引き起こした確率が、受け取られた情報を統計的に分析することによって判定される。１つ又は複数の可能な歩留り制限要因が集積回路障害を実際に引き起こした確率が、報告される。受け取られた情報は、例えば、（ａ）診断結果、（ｂ）歩留り制限要因の１つ若しくは複数のリスト、又は（ｃ）テスト中の歩留り制限要因の検出に関する情報のうちの１つ又は複数を含むことができる。幾つかの実施形態で、集積回路の歩留りの推定値が、判定された確率に少なくとも部分的に基づいて判定される。歩留り推定値を、他の集積回路について判定することもできる。ある種の実施形態で、各々の可能な歩留り制限要因又は集積回路のエスケープ・レートの推定値が、判定された確率に少なくとも部分的に基づいて判定される。他の集積回路の可能な歩留り制限要因又は他の集積回路のエスケープ・レート推定値をも、判定することができ、この他の集積回路は、テストされた集積回路を設計するのに使用された設計製造ルールに実質的に似た設計製造ルールに従って設計される。幾つかの実施形態で、テストされる集積回路は、１つ又は複数の設計製造ルールに従って設計され、例示的方法は、設計製造ルールのうちの少なくとも１つに関する歩留り感度曲線を推定するステップを更に含み、この推定は、判定された確率に少なくとも部分的に基づく。更に、例示的方法は、経時的に繰り返して実行されることができ、経時的に観察された判定された確率の変化に基づいて生産傾向を判定するステップを含むことができる。報告された確率に少なくとも部分的に基づいて、（ａ）１つ又は複数の設計製造ルールを、変更することができ、（ｂ）集積回路の設計内の潜在的欠陥を識別するのに使用される１つ又は複数の欠陥抽出ルールを、変更することができ、且つ／又は（ｃ）集積回路内の特徴に対する１つ又は複数の推奨される変更を、提供することができる（幾つかの例で、変更された特徴を有する集積回路が、作られる）。幾つかの実施形態で、確率のグラフィカル表現が、生成される（例えば、パレート図）。ある種の実施形態で、受け取られた情報は、被疑特徴のリストを含む。被疑特徴のリストを、例えば、少なくとも１つの圧縮された故障辞書及び／又は増分診断を使用して生成することができる。幾つかの実施形態で、確率は、各々の可能な歩留り制限要因が、関連する各々の集積回路障害を引き起こした確率を推定することと、推定された確率を、各々の可能な歩留り制限要因が関連する障害を引き起こした実際の確率に関係付ける連立方程式を反復的に解くこととによって判定される。更に、ある種の実施形態で、可能な歩留り制限要因は、（ａ）集積回路レイアウト内のネット、（ｂ）集積回路レイアウト内の特徴、又は（ｃ）集積回路の製造に関連する設計製造ルールのうちの少なくとも１つを含む。更に、テストされた集積回路は、共通の設計を有することができ、確率を判定する動作は、集積回路の設計を複数の設計ブロックに区分するステップを含むことができ、各設計ブロックは、可能な歩留り制限要因の部分集合を含む。この区分手順は、集積回路の設計内のネットに関連する故障をシミュレートするステップと、少なくともネットの第１セットからの誤りを取り込む観察点の第１グループとネットの第２セットからの誤りを取り込む観察点の第２グループとを識別するステップと、第１設計ブロックにネットの第１セットを、第２設計ブロックにネットの第２セットを含めるステップとを含むことができる。確率を判定する動作は、設計ブロック障害確率を、歩留り制限要因が各々の設計ブロック内に含まれる障害確率に関係付ける確率モデルを構築するステップと、設計ブロック障害確率を受け取られた情報と比較するステップと、回帰技法を使用して、歩留り制限要因の推定された障害確率を計算するステップとを更に含むことができる。確率を判定する動作は、他のネットより実質的に高いレートで障害を発生するネットを識別するステップをも含むことができる。他のネットより実質的に高いレートで障害を発生するネットが、テストされた集積回路のインスタンスをそれぞれが含むダイの複数のインスタンスを含む複数のウェハの同一のダイ位置又はその付近で繰り返して発生するかどうかの判定を、行うことができる（例えば、ウェハ欠陥マップを生成することによって）。例示的方法の幾つかの実施形態で、複数の集積回路のテストは、その中で１つ又は複数の潜在的欠陥がビット・マスクの適用によって識別される故障辞書を使用して集積回路内の潜在的欠陥を識別するステップを含む。

本明細書で開示されるもう１つの例示的方法では、集積回路のテスト応答を処理することからの情報が、受け取られる。この実施形態では、この情報は、集積回路のテスト中に観察された集積回路障害と、その集積回路障害を引き起こした可能性がある潜在的欠陥とを示す。潜在的欠陥が集積回路障害を実際に引き起こしている確率が、受け取られた情報を分析することによって判定される。この実施形態では、分析する動作は、推定された確率を、各々の潜在的欠陥が関連する集積回路障害を引き起こした実際の確率に関係付ける連立方程式を反復的に解くステップを含む。判定された確率を、報告することができる（例えば、パレート図などの確率のグラフィカル表現を生成することによって）。受け取られた情報は、例えば、（ａ）診断結果、（ｂ）潜在的欠陥の１つ若しくは複数のリスト、又は（ｃ）テスト中の潜在的欠陥の検出に関する情報のうちの１つ又は複数を含むことができる。幾つかの実施形態で、集積回路の歩留りの推定値が、判定された確率に少なくとも部分的に基づいて判定される。歩留り推定値を、他の集積回路について判定することもできる。ある種の実施形態で、各々の潜在的欠陥又は集積回路のエスケープ・レートの推定値が、判定された確率に少なくとも部分的に基づいて判定される。他の集積回路内の潜在的欠陥又は他の集積回路のエスケープ・レート推定値をも、判定することができる。幾つかの実施形態で、テストされた集積回路は、１つ又は複数の設計製造ルールに従って設計され、例示的方法は、設計製造ルールのうちの少なくとも１つの歩留り感度曲線を推定するステップを更に含み、この推定は、判定された確率に少なくとも部分的に基づく。更に、例示的方法は、経時的に繰り返して実行されることができ、経時的に観察された判定された確率の変化に基づいて生産傾向を判定するステップを更に含むことができる。ある種の実施形態で、（ａ）１つ若しくは複数の設計製造ルールを調整する動作、（ｂ）１つ若しくは複数の欠陥抽出ルールを調整する動作、又は（ｃ）集積回路内の１つ若しくは複数の特徴の推奨される変更を提供する動作のうちの１つ又は複数が、報告された確率に少なくとも部分的に基づいて実行される。集積回路内の１つ又は複数の特徴が、報告された確率に少なくとも部分的に基づいて変更される実施形態で、例示的方法は、変更された１つ又は複数の特徴を有する１つ又は複数の集積回路を作るステップを更に含むことができる。ある種の実施形態で、テストされた集積回路は、共通の設計を有し、確率を判定する動作は、集積回路の設計を複数の設計ブロックに区分するステップと、前の段落で説明したように設計ブロックを分析するステップとを含む。例えば、区分する手順は、集積回路の設計内のネットに関連する故障をシミュレートするステップと、少なくともネットの第１セットからの誤りを取り込む観察点の第１グループとネットの第２セットからの誤りを取り込む観察点の第２グループとを識別するステップと、第１設計ブロック内にネットの第１セットを、第２設計ブロック内にネットの第２セットを含めるステップとを含むことができる。確率を判定する動作は、設計ブロック障害確率を、各々の設計ブロック内の潜在的欠陥の障害確率に関係付ける確率モデルを構築するステップと、設計ブロック障害確率を受け取られた情報と比較するステップと、回帰技法を使用して、潜在的欠陥の推定された障害確率を計算するステップとを更に含むことができる。確率を判定する動作は、他のネットより実質的に高いレートで障害を発生するネットを識別するステップをも含むことができる。他のネットより実質的に高いレートで障害を発生するネットが、テストされた集積回路のインスタンスをそれぞれが含むダイの複数のインスタンスを含む複数のウェハの同一のダイ位置又はその付近で繰り返して発生するかどうかの判定を、行うことができる（例えば、ウェハ欠陥マップを生成することによって）。ある種の実施形態で、受け取られた情報は、更に、各々の潜在的欠陥に関連する次のプロパティ即ち、（ａ）各々の潜在的欠陥を他の潜在的欠陥から区別する欠陥識別子と、（ｂ）各々の潜在的欠陥を抽出するのに使用された欠陥抽出ルールを識別する被導出ルール識別子と、（ｃ）欠陥抽出ルールがそれに基づいた製造ルールを識別する設計製造ルール識別子と、（ｄ）各々の潜在的欠陥の１つ又は複数の物理的プロパティと、（ｅ）集積回路設計の物理的レイアウト内の各々の潜在的欠陥の物理的位置と、（ｆ）潜在的欠陥の同一のクラス内の他の潜在的欠陥に対する相対的な各々の潜在的欠陥のランキングとのうちの１つ又は複数を更に示す。

本明細書で開示されるもう１つの例示的方法では、複数の集積回路のテスト中に観察された集積回路障害と、その集積回路障害を引き起こした可能性がある潜在的欠陥とを表す情報が、受け取られ、潜在的欠陥は、設計製造ルールから導出された抽出ルールを使用して抽出され、テストに関してターゲットにされる。受け取られた情報は、潜在的欠陥のうちの１つ又は複数に関連する１つ又は複数の障害レートを判定するために分析され、判定された障害レートが、報告される。受け取られた情報は、例えば、（ａ）診断結果、（ｂ）潜在的欠陥の１つ若しくは複数のリスト、又は（ｃ）テスト中の潜在的欠陥の検出に関する情報のうちの１つ又は複数を含むことができる。幾つかの実施形態で、集積回路の歩留りの推定値が、判定された障害レートに少なくとも部分的に基づいて判定される。歩留り推定値を、他の集積回路について判定することもできる。ある種の実施形態で、各々の潜在的欠陥又は集積回路のエスケープ・レートの推定値が、判定された障害レートに少なくとも部分的に基づいて判定される。他の集積回路の潜在的欠陥又は他の集積回路のエスケープ・レート推定値をも、判定することができる。幾つかの実施形態で、例示的方法は、設計製造ルールのうちの少なくとも１つの歩留り感度曲線を推定するステップを更に含み、この推定は、判定された障害レートに少なくとも部分的に基づく。更に、例示的方法を、複数の時間期間にわたって実行することができ、生産傾向を、複数の時間期間にわたって観察された判定された障害レートの変化に基づいて判定することができる。（ａ）１つ若しくは複数の設計製造ルールを調整する動作、（ｂ）１つ若しくは複数の欠陥抽出ルールを調整する動作、又は（ｃ）集積回路内の１つ若しくは複数の特徴の推奨される変更を提供する動作のうちの複数のうちの１つを、報告された障害レートに少なくとも部分的に基づいて実行することができる。集積回路内の１つ又は複数の特徴が、報告される確率に少なくとも部分的に基づいて変更される実施態様で、この方法は、変更された１つ又は複数の特徴を有する１つ又は複数の集積回路を作るステップを更に含むことができる。ある種の実施形態で、診断結果は、少なくとも１つの故障辞書の適用を介して入手される。例えば、少なくとも１つの故障辞書は、潜在的欠陥を識別するのに１つ又は複数のビット・マスクを使用する圧縮された故障辞書とすることができる。幾つかの実施形態で、分析する動作は、特徴障害レートに関連する確率モデルを構築するステップと、構築された確率モデルを受け取られる診断結果に関係付けるステップと、回帰分析を使用して推定された特徴障害レートを計算するステップとを含む。

開示される方法又は手順の何れをも、コンピュータにその方法を実行させるコンピュータ実行可能命令を含む有形のコンピュータ可読媒体内で実施することができる。更に、上で説明した方法の何れかによって作成されたＤＦＭルール、説明した方法の何れかと共に使用される圧縮故障辞書、説明した方法の何れかによって生成されるテスト・パターン、又は説明した方法の何れかから生じる結果を保管する有形のコンピュータ可読媒体も、開示される。開示される方法の何れかを、テスト中の回路の生産テスト中に実行することもできる。手順の開示される方法の何れかを、開示される方法又は手順を実行するようにプログラムされた１つ又は複数のコンピュータによって実行することもできる。開示される方法の何れかを使用して、部分的に識別された欠陥又は部分的に変更された設計を有する回路も、本開示の範囲内にあると考えられる。

なお、開示される実施形態の前述及び追加の特徴及び利点は、図面を参照して進行する次の詳細な説明からより明白になるであろう。

全体的な考慮事項
以下で開示するのは、集積回路の歩留りと品質をテストし、分析し、改善することへの特定の適用可能性を有する方法と、装置と、システムとの代表的実施形態であるが、これらを、決して限定的と解釈してはならない。そうではなく、本開示は、単独の並びに互いとのさまざまな組合せと副組合せとでの、さまざまな開示される方法と、装置と、システムとのすべての新規の自明でない特徴及び態様とその同等物とを対象とする。開示されるテクノロジは、特定の態様又は特徴或いはその組合せに限定されず、１つ若しくは複数の特定の利点が存在する開示される方法と、装置と、システムとに、又は解決される問題に限定されない。

更に、本明細書で説明される方法と、装置と、システムとの何れをも、非常にさまざまな構成要素（例えば、ディジタル構成要素、アナログ構成要素、又は混合信号構成要素）を利用する非常にさまざまな集積回路（例えば、特定用途向け集積回路（ＡＳＩＣ）、フィールド・プログラマブル・ゲート・アレイ（ＦＰＧＡ）などのプログラマブル・ロジック・デバイス（ＰＬＤ）、又はシステム・オン・ア・チップ（ＳｏＣ））の製造及びテストと共に使用することができる。

開示される方法のうちの幾つかの動作を、便利な提示のために特定のシーケンシャル順序で説明するが、特定の順序付けが下で示される特定の言語によって要求されない限り、説明のこの形が、再配置を含むことを理解されたい。例えば、順次説明される動作を、再配置するか並列に実行することができる。更に、図を単純にするために、添付図面は、開示される方法と、装置と、システムとを他の方法と、装置と、システムと共に使用できるさまざまな形を示さない場合がある。更に、この説明は、時々、開示されるテクノロジを説明するのに「判定する」及び「識別する」などの単語を使用する。これらの単語は、実行される実際の動作の高水準の抽象である。これらの単語に対応する実際の動作は、特定の実施態様に非常に依存し、当業者によってたやすく識別可能である。

開示される実施形態は、非常にさまざまな環境で実施することができる。例えば、開示される技法の何れをも、有形のコンピュータ可読媒体（例えば、１つ若しくは複数のＣＤ、揮発性メモリ構成要素（ＤＲＡＭ又はＳＲＡＭなど）、又は不揮発性メモリ構成要素（ハード・ドライブなど）などの有形のコンピュータ可読媒体）に保管されたコンピュータ実行可能命令を含むソフトウェアで、全体的に又は部分的に実施することができる。そのようなソフトウェアに、例えば、ｅｌｅｃｔｒｏｎｉｃ ｄｅｓｉｇｎ ａｕｔｏｍａｔｉｏｎ（ＥＤＡ）ソフトウェア・ツール（例えば、自動テスト・パターン生成（ＡＴＰＧ）ツール）を含めることができる。しかし、決して、説明される特定のソフトウェア・ツールを、限定的と解釈してはならない。というのは、本明細書で開示される原理が、全般的に他のソフトウェア・ツールに適用可能であるからである。開示される技法を使用して検出される欠陥をもたらす回路設計を、幾つかの情況で修復することができる。

そのようなソフトウェアを、単一のコンピュータ上又はネットワーク化されたコンピュータ上で（例えば、インターネット、広域ネットワーク、ローカル・エリア・ネットワーク、クライアント・サーバ・ネットワーク、又は他のそのようなネットワークを介して）実行することができる。説明を明瞭にするために、ソフトウェア・ベースの実施態様のある選択された態様だけを、説明する。当技術分野で周知の他の詳細は、省略する。例えば、開示されるテクノロジが、すべての特定のコンピュータ言語、プログラム、又はコンピュータに限定されないことを理解されたい。同一の理由から、コンピュータ・ハードウェアは、更に詳細には説明しない。開示される方法の何れをも、その代わりにハードウェア（例えば、ＡＳＩＣ、ＰＬＤ、又はＳｏＣ）で実施する（部分的に又は完全に）ことができる。

更に、開示される方法の何れかから作られるデータを、さまざまな異なるデータ構造又はフォーマットを使用する有形のコンピュータ可読媒体（例えば、１つ若しくは複数のＣＤ、揮発性メモリ構成要素（ＤＲＡＭ又はＳＲＡＭなど）、又は不揮発性メモリ構成要素（ハード・ドライブなど）などの有形のコンピュータ可読媒体）上で作成し、更新し、又は保管することができる。そのようなデータは、ローカル・コンピュータで又はネットワークを介して（例えば、サーバ・コンピュータによって）作成し又は更新することができる。

例示的な歩留り分析方法の概要
開示されるテクノロジの例示的な望ましい実施形態は、集積回路のＤｅｓｉｇｎ−ｆｏｒ−Ｍａｎｕｆａｃｔｕｒａｂｉｌｉｔｙ（ＤＦＭ）に関する。ＤＦＭルール（本明細書では、時々、「設計製造ルール（ｄｅｓｉｇｎ ｍａｎｕｆａｃｔｕｒｉｎｇ ｒｕｌｅ）」と称する）は、本明細書で「欠陥」と称する潜在的な生産異常（ｐｒｏｄｕｃｔｉｏｎ ａｂｅｒｒａｔｉｏｎ）を判定するのに使用することができる。プロセス・ウィンドウにまたがるレイアウト・プリンタビリティのシミュレーションなどの他の技法も、欠陥を識別するのに使用することができる。開示されるテクノロジのある実施形態によれば、欠陥のクラスの実際の分布と個々の欠陥の実際の分布とを、望ましいことに、集積回路ファウンドリによる出荷のために実際に作られる集積回路（例えば、電子デバイス内での機能的使用のために設計された集積回路）を使用して判定することができる。言い換えると、特別に設計されたテスト・チップ上のテスト構造ではなく、製造中の集積回路設計に存在する特徴を、分析することができる。その結果、特別に設計されたテスト・チップの必要又は使用を、除去するか、大幅に減らすことができる。更に、これらの分布を分析することによって、ＤＦＭルールを、その集積回路とＤＦＭルールの同一のセットを使用する他の集積回路との生産の歩留りを高めるために変更することができる。

図４７は、開示されるテクノロジの１つの例示的実施形態による歩留り分析方法（４７００）を概略的に示すブロック図である。図示の実施形態では、歩留り改善は、基礎になるＤＦＭルールの、或いは少なくとも部分的にＤＦＭルールの初期セットから導出されるＤＦＭルールの抽出されたセット又は変更されたセットの、テスト・ベースの分析を実行することによって達成される。これらのＤＦＭルールに基づいて、現れる可能性が最も高い欠陥を、集積回路のレイアウトから抽出することができ、高品質テスト・パターン・セットを、これらの欠陥の検出をターゲットにするために生成することができる。例えば、図４７を参照すると、故障／欠陥抽出構成要素（４７１０）（例えば、物理検証ツール又は他の適当なＥＤＡソフトウェア・ツール）は、欠陥ルール（４７０２）のセット（例えば、ファウンドリによって供給されるＤＦＭルール又はこの方法（４７００）の以前の反復によって作成されたルール・セット）と、集積回路の設計（４７０４）（例えば、ＧＤＳＩＩ又はＯａｓｉｓファイルなど、集積回路設計の幾何形状のレイアウト記述）とを受け取ることができる。

故障／欠陥抽出構成要素（４７１０）は、集積回路設計から潜在的欠陥を抽出するように動作することができ、この抽出は、欠陥ルール（４７０２）のうちの１つ又は複数に少なくとも部分的に基づく。例えば、１つ又は複数の欠陥抽出ルールを、欠陥ルールから判定し、回路設計に適用することができる。欠陥抽出ルールの作成と抽出とを実行する例示的技法は、下でより詳細に述べる。幾つかの実施形態で、欠陥を、複数のクラスとサブクラスとに分類することができ、これらは、クラスの特定の特徴によってパラメータ化される。故障シミュレーション／テスト・パターン生成構成要素（４７１２）（自動テスト・パターン生成（ＡＴＰＧ）ツールなど）は、抽出された欠陥を受け取り、抽出された欠陥をターゲットにする１つ又は複数のテスト・パターンを作成するように動作することができる。テスト・パターンを生成するために、テスト・パターン生成構成要素（４７１２）は、ネットリスト（４７１３）など、集積回路の異なる表現を使用することができる。更に、故障シミュレーション／テスト・パターン生成構成要素（４７１２）は、既存のテスト・パターン（４７１１）を受け取り、抽出された欠陥についてこれらをシミュレートするか、他の形でその特徴を表すことができる。更に、故障シミュレーション／テスト・パターン生成構成要素（４７１２）は、増分テスト・パターンを生成することができる。抽出された欠陥についてテスト・パターン生成を実行する例示的技法は、下でより詳細に述べる。故障シミュレーション／テスト・パターン生成構成要素（４７１２）は、欠陥データベース（４７２０）（時々、故障辞書、故障シソーラス、又は欠陥辞書と称する）も作ることができる。

集積回路設計が、製造され（４７０５）、テストされる（４７１４）（例えば、テスタ又はＡＴＥを使用して）。テスト（４７１４）中に、１つ又は複数の集積回路の障害情報を、記録することができる。テストは、例えば、抽出された欠陥をターゲットにする生成されたテスト・パターンを使用して実行することができる。ある種の実施形態で、テストされる集積回路は、特殊化されたテスト・チップではなく、製品回路である。テスト分析構成要素（４７１６）は、生産中に障害情報を受け取り、評価することができる。幾つかの情況で、開示されるテクノロジの幾つかの実施形態によれば、増分シミュレーション手順と増分診断手順とを、欠陥クラス分解能を高めるために使用することができる。テスト結果分析に少なくとも部分的に基づいて、障害を発生している設計プロパティに関する情報を、例えば診断結果（４７２２）として、集め、保管することができる。診断結果分析構成要素（４７１８）は、１つ又は複数の統計方法（下でより詳細に説明する）を使用して結果を分析し、１つ又は複数のグラフィカル表現（４７１９）として結果を表示するのに使用することができる。例えば、１つの例示的実施形態によれば、結果を、パレート図（例えば、例えば設計特徴の潜在的設計欠陥とそのような欠陥のクラス又はサブクラスとに焦点を合わせた、グラフィカル表現）に表示することができる。診断結果（４７２２）は、集積回路生産の歩留りを計算するため又はｄｅｆｅｃｔｓ−ｐｅｒ−ｍｉｌｌｉｏｎ（ＤＰＭ）（時々、「エスケープ・レート（ｅｓｃａｐｅ ｒａｔｅ）」と称する）を推定するためなど、複数の形で使用することができる。幾つかの実施態様で、推定される歩留りデータは、予測の正確さを改善するために、継続的に更新される。更に、診断結果の分析の結果は、ＤＦＭルールと欠陥抽出ルールとを分析するのに使用することができる。この分析から、ＤＦＭルールと欠陥抽出ルール（ＤＦＭルールから又は独立にの何れかで導出される）とを、障害を発生しているデバイスの原因に関係付けることができる。次に、ＤＦＭルール・セットと欠陥抽出ルール・セットとの改善を、生成することができる（例えば、幾つかの実施形態では、改善されたルールが、自動的に生成される）。新しいルール・セットは、実施される時に、集積回路の生産の品質又は歩留りを高めるのに使用することができ、他の集積回路の生産の初期歩留りを改善することもできる。ルール・セットの改善には、例えば、既存ルールの追加と、削除と、変更とを含めることができるが、新しい欠陥クラスの作成又はクラスの洗練を含めることもでき、これらは、欠陥ルール（４７０２）の新しいセットの少なくとも一部を形成する。従って、このブロック図に示された歩留り分析手順（４７００）は、図示の歩留り分析プロセスの構成要素のうちの１つ又は複数の以前の適用によって改訂され又は変更された１つ又は複数のルールを有するルールのセットについて繰り返すことができる。更に、欠陥の発生の傾向を識別するために、経時的に集められた障害データ・セットを用いる分析を、互いと比較することができる。これらの判断は、一般に、歩留り向上判断ステージ（４７２４）で実行され、通常は手動で行われる。そのような方法の使用を介して、いわゆるテスト・チップの必要性を、大幅に減らすか完全になくすことができる。

他の可能な利点の中で、開示されるテクノロジの実施形態は、ＤＦＭルール、欠陥抽出ルール、及び／又は欠陥ランキングを改善することによって、集積回路と将来の集積回路との生産の歩留りと品質とを改善するのに使用することができる。下でより詳細に説明するように、開示されるテクノロジの実施形態に、次の方法動作のうちの１つ、幾つか、又はすべてを含めることができる：
・ＤＦＭルールなどの欠陥ルールからの欠陥抽出ルールの導出、
・導出された欠陥抽出ルールと追加の欠陥抽出ルールとを使用する、集積回路の記述からの欠陥の抽出、
・集積回路の記述に基づく各抽出された欠陥へのランキングの割当（幾つかの実施形態で、ランキングは、継続的に更新される（例えば、記述された集積回路又は他の集積回路をテストするテスト・デバイスから集められたデータを使用することによって））、
・例えば集積回路のレイアウト内の欠陥のランキング又は位置に少なくとも部分的に基づく、抽出された欠陥のフィルタリング、
・集積回路の歩留り及び品質の予測、
・抽出された欠陥の故障モデルへのマッピング、
・抽出された欠陥とそのランキングとに少なくとも部分的に基づく、入力刺激（例えば、テスト・パターン）の生成、適格化、及び／又は順序付け、
・生成された入力刺激に関する辞書の生成、
・製造されたチップへのテスト刺激の適用とテスト結果データの収集、
・辞書を使用するテスト結果データの処理（例えば、テスト結果の診断）、
・次の方法動作で使用できるデータを供給するための、診断の結果の分析、
・診断結果の分析に少なくとも部分的に基づくＤＦＭルールの変更、追加、及び／又は削除、
・診断結果の分析に少なくとも部分的に基づく欠陥抽出ルールの変更、追加、及び／又は削除、
・診断結果の分析に少なくとも部分的に基づく欠陥ランキングの変更、
・辞書に元々は含まれなかった欠陥の診断。この診断は、辞書の変更及び／或いは、新しいＤＦＭルール若しくは欠陥抽出ルール若しくはこの両方の種類のルールの追加又は古いＤＦＭルール若しくは欠陥抽出ルール若しくはこの両方の種類のルールの変更につながり得る、
・欠陥と欠陥クラスとの分布に関する傾向を計算し、表示するための複数の分析結果セットの比較。

図４７に示された一般的方法など、この一般的方法の幾つかの実施形態で、この方法は、スキャン・チェーン・ベースの設計を有する集積回路に適用され、この設計には、更に、オン・チップ圧縮ロジックを含めることができる。更に、この一般的方法は、情報の交換が制限される環境に適用することができる。

注記したように、例示的な一般的方法のある種の実施形態には、ＤＦＭルールに基づく欠陥の抽出（例えば、欠陥抽出構成要素（４７１０）を使用することによる）が含まれる。幾つかの実施態様で、例えば、１つ又は複数の欠陥抽出ルールを、１つ又は複数のＤＦＭルールから導出することができる。更に、導出された欠陥抽出ルールに、各々の基礎になるＤＦＭルールに関して、集積回路の記述に関して、及び／又は外部刺激に関して複数の形で「厳重にされ」、「緩和される」ルールを含めることができる。欠陥抽出ルールのこれらの変形は、各々の基礎になるＤＦＭルールの障害発生を判定し、分析する際の分解能を高めるのを助けることができる。１つ又は複数の欠陥候補を、厳重にされた欠陥抽出ルールと緩和された欠陥抽出ルールとを使用して集積回路の記述から抽出することができる。更に、１つ又は複数の欠陥候補を、存在しないか元々の欠陥ルールによって暗示されない欠陥抽出ルールの追加セットを使用することによって、集積回路の記述から抽出することができる。一実施態様によれば、例えば、欠陥抽出手順は、少なくとも、各欠陥クラスのワースト・ケース・シナリオを表す欠陥の公称集合を、抽出された欠陥候補の集合に追加する。抽出方法は、これらの欠陥を特殊なワースト・ケース欠陥としてマークすることができる。幾つかの実施態様で、集積回路記述の１つ又は複数の部分を、上で述べた欠陥抽出ルールのセットを使用する時にそれらの部分から欠陥が抽出されなくなるように指定することができる。

欠陥の各匹敵するクラス内での欠陥の発生を、集積回路の記述、厳重にされた欠陥抽出ルール及び緩和された欠陥抽出ルール、並びに／又は各々の基礎になるＤＦＭルールを使用してランキングすることができる。又、或いはその代わりに、欠陥のクラスの発生を、集積回路の記述、厳重にされた欠陥抽出ルール及び緩和された欠陥抽出ルール、並びに／又は各々の基礎になるＤＦＭルールを使用してランキングすることができる。ある種の実施態様で、これらのランキングの何れか又は両方を計算する時に、ヒストリカル・データを、考慮に入れることができる。欠陥を、更に、欠陥の各クラス内の個々の欠陥のランキングを各々のクラスのランキングにオーバーレイすることによってランキングすることができる。更に、達成可能な歩留りを、集積回路の記述、厳重にされた欠陥抽出ルール及び緩和された欠陥抽出ルール、各々の基礎になるＤＦＭルール、並びに／又は欠陥及び欠陥のクラスのランキングに基づいて予測することができる。又、クラス内とクラスにまたがるランキングを、現在の設計又は匹敵するより以前の設計から達成された結果の何れかの診断結果分析（４７１８）の結果に基づいて再ランキングすることによって達成することができる。又、フィルタを、適用して、欠陥のランキング又は集積回路のレイアウト内の位置などの欠陥のある種のプロパティなどのパラメータに基づいて抽出された欠陥を選択することができる。

例示的な一般的方法の幾つかの実施形態は、一般に「ＤＦＭルール学習」と称する、１つ又は複数のＤＦＭルールの改善を伴うプロセスを用いる。例えば、幾つかの実施態様で、ＤＦＭルールは、１つ又は複数の集積回路のテストの結果に基づいて改善される。この改善には、ＤＦＭルールの変更、ＤＦＭルールの追加、及び／又はＤＦＭルールの削除を含めることができる。又、或いはその代わりに、厳重にされた欠陥抽出ルールと緩和された欠陥抽出ルールとのうちの１つ又は複数を、改善することができる。この改善には、同様に、欠陥抽出ルールの変更、欠陥抽出ルールの追加、及び／又は欠陥抽出ルールの削除を含めることができる。欠陥クラス及び／又は個々の欠陥の仮定されるランキングをも、１つ又は複数の集積回路のテストの結果に基づいて改善することができる。

例示的な一般的方法の実施形態は、抽出された欠陥（例えば、テスト・パターン生成構成要素（４７１２）によって）のうちの１つ又は複数をターゲットにするテスト・パターンの生成をも含む。例えば、欠陥の１つ又は複数のクラスからの１つ又は複数の欠陥を、１つ又は複数の故障モデルに関連する１つ又は複数の対応する故障にマッピングすることができる。一部の欠陥について、複数のマッピングが可能なので、欠陥対故障マッピングを、指示することができる（例えば、外部刺激を介して）。設計のネットリスト記述（例えば、ネットリスト（４７１３））を、変更して、テスト・パターン生成、シミュレーション、及び故障シミュレーションなどのｄｅｓｉｇｎ−ｆｏｒ−ｔｅｓｔ手順が、ゲートの追加又は削除、信号線の追加又は削除、或いはその両方による欠陥ベースのテストをサポートできるようにすることができる。幾つかの実施態様で、欠陥分解能及び／又は欠陥カバレッジを高めるために、パターンを、再順序付けすることができる。このパターン再順序付けは、他の保管された情報を検討している間に実行することができる。ある種の実施態様で、ターゲット欠陥の集合並びにその集合内の欠陥をどうするかを定義するタスクを、選択することができる（例えば、手動で又は自動的に）。この集合は、１つ又は複数の欠陥を含み、それのために選択された１つ又は複数のタスクを有することができる。欠陥のこの集合とタスクとを使用することによって、テスト・パターン生成を、実行することができる。例えば、テスト・パターン生成を、実行して、ターゲット欠陥の集合内の名前付き欠陥のうちの１つ又は複数に関する１つ又は複数のテストを生成するか、集合内のターゲット欠陥の部分集合の間で区別する１つ又は複数のテストを生成することができる。これらの部分集合のそれぞれに、１つ又は複数の欠陥を含めることができる。成功のテスト・パターン生成の可能性を高めるために、ターゲット欠陥の集合とタスクとに関連する故障を、選択することができる（例えば、故障の相互作用とそれらの故障でタスクを達成する可能性とを分析することによって）。更に、ある種の実施態様で、ターゲット欠陥の集合とタスクとに関する候補テスト・パターンの追加を、この候補テスト・パターンがテスト・パターン・セットと欠陥集合との総合品質に対して有する影響（特に欠陥分解能に関する）の分析に従って、遅延させることができる。この分析は、例えば、ターゲット故障の集合とタスクとに関する候補テスト・パターンを使用してはならないことを判定することができる。この分析は、ターゲット故障の集合とタスクとに関するテスト・パターン生成を打ち切らなければならないこと、又は同一の若しくは変更されたターゲット欠陥の集合とタスクとに関する異なる候補テスト・パターンの生成を実行しなければならないことを判定することができる。幾つかの実施態様で、実行される故障シミュレーション及び／又はテスト・パターン生成は、複数の故障モデルを同時にサポートする。幾つかの実施態様で、欠陥の１つ又は複数の集合からマッピングされた故障とこれらの故障を検出するテスト・パターンとを、識別することができ、その結果、その欠陥と、故障と、テスト・パターンとを、テスト・パターン・セット全体をシミュレーションする必要なしに、更なる検討から除去できるようになる。ある種の実施態様は、更に、欠陥分解能を高めるため、且つ／又は前述の出力応答コンパクタにセレクタ・ステージを追加することによって欠陥分解能を高めるために、統合された出力応答コンパクト化方式を変更するように構成される。

一般的方法の実施形態は、「歩留り低下機構学習（ｙｉｅｌｄ ｌｏｓｓ ｍｅｃｈａｎｉｓｍ ｌｅａｒｎｉｎｇ）」として知られるプロセスも用いることができる。例えば、ある種の実施態様で、歩留り低下機構のパレート図が、製品集積回路の障害データを分析することと、例えば欠陥辞書（用語「辞書」及び「シソーラス」が、本開示において交換可能に使用されることに留意されたい）に保管された事前に計算された情報を使用することとによって、計算される（例えば、テスト分析構成要素（４７１６）及び／又は診断結果分析構成要素（４７１８）によって）。そうでなければどのクラスに属するものとしても識別できない種々雑多な欠陥を、分析することができ（例えば、高度診断構成要素（４７２６）によって）、その結果、新しい情報を、学習し、欠陥ルール・セットと、欠陥抽出ルール・セットと、欠陥辞書とに組み込めるようになる。欠陥辞書を、新しい結果抽出ルール・セットに基づいて更新することもできる。各欠陥集積回路に関連する生産テスト障害データを、分析することができ、その障害を引き起こした欠陥のクラスを、識別することができる。統計データを、分析し、較正して、区別できない等価な欠陥に起因する平均予測誤差を最小にすることができ、その結果、例えば歩留り低下機構に関する、計算されたパレート図が、より高い精度を達成できるようになる。

図１は、図４７に示された歩留り分析を実行する例示的方法をより具体的に示すブロック図である。図１に示された例示的方法は、図１ではセクションＩと、ＩＩと、ＩＩＩと、ＩＶとして識別される４つのセクションに副分割されている。提示を簡単にするために、この図のさまざまなセクション及び手順に、時々、あるアクションのアクタであるものとして言及するが、説明される手順が、通常はコンピュータ実施される方法として実施されることを理解されたい。セクションＩは、欠陥抽出ルール（３）と、欠陥のリスト（９）と、ランキング（６）との生成（例えば、故障欠陥抽出構成要素４７１０による）に関する。欠陥（９）は、集積回路のレイアウト記述（５）（例えば、ＧＤＳＩＩファイル）から抽出される。ある種の実施形態で、この欠陥のリスト（９）は、明示的には表されず、セクションＩとセクションＩＩとの間で通信されず、その代わりに暗黙のうちに表される。欠陥抽出ルール（３）の幾つかは、サブセクションＩＡに示されているように、集積回路がそれに従って設計されたＤＦＭルール（１）の所与のセットから自動的に導出（２）することができる。セクションＩＩは、欠陥ベースのテスト・パターン生成と、シミュレーションと、パターン最適化（１３）と（例えば、テスト・パターン生成構成要素４７１２による）に関する。このセクションは、欠陥カバレッジと特に欠陥のクラス及びサブクラスの欠陥分解能とに関して高品質のテスト・パターン・セット（１７）を作ることができる。クラスは、非導出の欠陥抽出ルール（４）とＤＦＭルール（１）とによって定義することができ、サブクラスには、導出された各々の欠陥抽出ルール（３）を含めることができる。セクションＩＩＩは、ＡＴＥ内のデバイス（１８）へのテスト・パターン・セット（１７）の適用（１９）に関する。セクションＩＶは、セクションＩＩＩでテストされたデバイスからのテスト結果データ（２０）の処理（２１）（例えば、テスト分析構成要素４７１６及び／又は診断結果分析構成要素４７１８による）に関する。テスト結果データは、例えば、セクションＩＩによって生成された辞書（１６）を用いて評価される。複数の分析を、データに対して実行することができる。あるタイプの分析は、いわゆる「パレート図」（２２）を使用することによるテストされたデバイスの結果の表示につながる。もう１つのタイプの分析（２３）は、欠陥と欠陥クラスとのランキングの更新（２４）に使用できるデータをもたらす。この情報は、改善された欠陥ランキングと歩留り予測とのためにセクションＩにフィード・バックされる。もう１つのタイプの分析（２５）は、現在の欠陥抽出ルールのセットに焦点を合わせたものである。この分析は、欠陥抽出ルール（３）がそれから導出されたＤＦＭルール（１）のうちの幾つかを変更しなければならないかどうかを調査する。この情報は、現在の集積回路のＤＦＭルールを、従って歩留りを改善する（例えば、再設計又はマスク変更（２７）によって）のに使用することができる。更に、改善されたＤＦＭルールは、現在は改善されているＤＦＭルールに基づく次の設計のより高い初期歩留りにつながることができる。この分析のもう１つの態様は、例えば欠陥分解能を高めるため又は以前に検討されなかった欠陥を含めるための、変更された（２６）欠陥抽出ルール（３）、（４）のフィードバックである。

次のセクションでは、図１に示された一般的方法で実行されるさまざまな手順を、より詳細に説明する。しかし、説明される特定の手順を、決して限定的と解釈してはならない。というのは、これらの手順が、図１に示された手順の特定の代表的実施態様を説明するものであるからである。説明される手順の何れをも、他のシステムの一部として別々に又は独立に使用することができる。

この例示的手順の議論では、まだそれに関する多くの経験及び知識がないＤＦＭルールを使用する集積回路の生産を仮定する。伝統的に、大量のテスト・チップが、ＤＦＭルールと生産課題とに関して多くを学習するために作られてきた。ここでは、開示される方法の実施形態が、テスト・チップの必要を減らすと同時に、得られる知識の質を高めるのをどのように助けることができるかを示す。

この議論全体を通じて、２つのＤＦＭルールを、例として検討する。しかし、説明されるルールが、例示のみのためのものであることと、説明される実施形態が、通常ははるかに多数のＤＦＭルール又はＤＦＭルールのはるかに大きいセットに適用されることを理解されたい。第１の例のルールは、２つの信号線の間の最小距離に関する。第２の例のルールは、ビア接続がある場合の信号線の端のレイアウト幾何形状に関する。下の議論は、まず図１に示された方法に焦点を合わせ、欠陥抽出ルールがＤＦＭルールからどのように導出されるかと、欠陥がどのように抽出され、ランキングされるかとを説明する。当初は、例は、可読性のために、実際のテスト・パターン生成とテスト結果データ評価とに関する詳細を省く。例は、失敗する欠陥抽出ルールの分析に継続し、この情報を、基礎になるＤＦＭルールに戻って関係付ける。最後に、テスト・パターン生成の例示的方法に関する詳細を、説明し、その後、テスト結果データを評価する例示的方法の詳細を続ける。最後のセクションでは、出力応答コンパクタを有する回路設計へのこの一般的方法の適用を説明する。

ＤＦＭルール・ベースの欠陥抽出ルール導出
図１のサブセクション１ａを参照すると、例示的なフローは、ＤＦＭルールのセット（１）と集積回路のレイアウト・データ（５）とから始まる。これらのＤＦＭルールから、欠陥抽出ルール（３）を、導出（２）しなければならない。上で注記したように、ＤＦＭルールには、通常、ＤＦＭセット内のルールの強調の異なるレベルを反映する推奨又は提案と、これらにより厳格に又はよりゆるやかに従うための異なる要件とが含まれる。しかし、例示のみのために、さまざまなタイプのルールは、下の議論では区別されない。しかし、説明される方法の実施態様では、ルールの間の相違が、考慮される。

図２及び３は、ＤＦＭルールの例を示す。図２は、２つの平行の信号線（例えば、信号線（２０１）、（２０２））がｄ_１という距離だけ互いから離されなければならないことを提案するルールを示す。図３は、信号線（例えば、信号線（３０１））がすべての他のレイアウト特徴（例えば、特徴（３０２））からｄ_２という距離だけ離されなければならないことを提案する類似するルールを示す。他のＤＦＭルールは、例えば、異なる層内の２つの信号線が、ビアを使用してどのように接続されなければならないかを記述することができる。図４と、７と、８とに、そのようなルールの例を示す。

一般に、ＤＦＭルールは、集積回路が、そのＤＦＭルールによって暗示されるプロセスとテクノロジとを使用して実際に製造可能であることを保証するのに使用される。図１を参照すると、ＤＦＭルールのセット（１）は、欠陥抽出ルールのセット（３）に変換（２）される。例として、もう一度図２を参照する。ＤＦＭルールが、次のように解されるものとする：Ｍ１：同一層内のすべての平行の信号線について、最小距離は、ｄ_１である。

１つの例示的実施形態によれば、ルール導出手順（２）は、次のように、Ｍ１を欠陥抽出ルールのセット（３）に変換する。集積回路のレイアウト（５）を、分析する。この分析は、可能な欠陥候補と、その各々のプロパティ及び分布とを識別する。この分析は、外部刺激も考慮に入れる。この例のために、ユーザが、ある種の欠陥（例えば、ブリッジング欠陥）の高い尤度をもたらす、デバイスに関する生産問題が現在あることを指定したと仮定する。ルール導出方法内の分析は、この問題に対処することができる。例えば、ブリッジング欠陥が指定される場合に、この分析は、通常より多数のブリッジ欠陥抽出ルールを定義することができる。欠陥クラスに対する分解能を、それに応じて高めることができ、これによって、貴重な情報が生産エンジニアに与えられる。

更に、この分析は、設計ルールＭ１がレイアウト（５）で侵害されていることを判定することができる。従って、適当な欠陥抽出ルールを、セットに追加することができる。例えば、隣接する信号線の対の間の最小距離（ここではｄ_１＋３５％＊ｄ_１という上側要因によって制限されている）の分布を、図３６のグラフに示されているものとすることができる。ｙ軸が、図３６から省略されていることに留意されたい。というのは、ｙ軸が、図３６〜３９に示されたグラフ全体を通じて、異なるパラメータを概略的に表すのに使用されるからである。例えば、図３６に示された分布曲線に関して、ｙ軸は、ｘ軸に示された対応する距離を有する隣接する信号線の個数を概略的に表す。

候補のこの分布に基づいて、ルール導出手順（２）は、欠陥候補を、類似する最小距離を有するクラスに分配する。この分類は、設計ルールＭ１に関する生産故障の分解能を高めるのを助けることができる。この分析は、欠陥候補を実際に抽出する前に、欠陥候補の個数を推定するのに使用することもできる。ユーザは、例えば潜在的な欠陥候補の個数があまりに多数になる場合に、この時点で欠陥抽出方法に影響することができる。上の分布について、次の例示的な欠陥抽出ルール（３）を、ルール導出手順（２）によってＤＦＭルールＭ１について生成することができる：
Ｅ１（Ｍ１）：その最小距離ｄ_Ｅ１がｄ_１−３％＊ｄ_１≦ｄ_Ｅ１＜ｄ_１によって定義される同一層内の信号線の対のすべてを抽出する、
Ｅ２（Ｍ１）：その最小距離ｄ_Ｅ２がｄ_１−８％＊ｄ_１≦ｄ_Ｅ２＜ｄ_１−３％＊ｄ_１によって定義される同一層内の信号線の対のすべてを抽出する、
Ｅ３（Ｍ１）：その最小距離ｄ_Ｅ３がｄ_Ｅ３＜ｄ_１−８％＊ｄ_１によって定義される同一層内の信号線の対のすべてを抽出する、
Ｅ４（Ｍ１）：その最小距離ｄ_Ｅ４がｄ_Ｅ４＝ｄ_１によって定義される同一層内の信号線の対のすべてを抽出する、
Ｅ５（Ｍ１）：その最小距離ｄ_Ｅ５がｄ_１＜ｄ_Ｅ５≦ｄ_１＋４％＊ｄ_１によって定義される同一層内の信号線の対のすべてを抽出する、
Ｅ６（Ｍ１）：その最小距離ｄ_Ｅ６がｄ_１＋４％＊ｄ_１＜ｄ_Ｅ６≦ｄ_１＋８％＊ｄ_１によって定義される同一層内の信号線の対のすべてを抽出する、
Ｅ７（Ｍ１）：その最小距離ｄ_Ｅ７がｄ_１＋８％＊ｄ_１＜ｄ_Ｅ７≦ｄ_１＋１３％＊ｄ_１によって定義される同一層内の信号線の対のすべてを抽出する、
Ｅ８（Ｍ１）：その最小距離ｄ_Ｅ８がｄ_１＋１３％＊ｄ_１＜ｄ_Ｅ８≦ｄ_１＋２０％＊ｄ_１によって定義される同一層内の信号線の対のすべてを抽出する。

信号線の対が、信号線の異なるセクションで異なる距離で互いと平行に走り、その対が複数の抽出ルールによって選択されることを引き起こすことが、可能である。このフローのより後の欠陥確率計算は、望ましくは、これを考慮に入れなければならない。

検討すべき第２の例示的なＤＦＭルールＭ２は、幾何学的ルールである。具体的に言うと、Ｍ２は、信号線を隣接する層内の別の信号線に接続するビアがある場合の信号線の端での幾何形状を定義する。図４、７、８は、信号線の端での幾何形状の異なる可能性を示す。これらの幾何形状のすべてが、ビア（４０３）を介して信号（４０１）を信号（４０２）に接続するが、これらは、その信頼性において異なる。図５は、その問題を示す。信号線（５０１）の端は、実際の正方形ではなく、複数の生産問題に起因して丸い形状をとる。これは、ビア（５０２）が信号接点から部分的に外れることを引き起こし、これが、接続される信号の間で正しい接続を確立する、そのビアの能力を制限する。図６は、この問題に対する１つの解決策を示す。ビア（５０２）は、信号の端から少し離れて再配置される。図７及び８に、他のそのような例を示す。図４、７、８に示された実現は、異なる確率で障害を発生し（即ち、これらは、歩留りに対する異なる影響を有する）、図８は、このグループのうちで最も信頼できる接続幾何形状を示す。従って、ＤＦＭルールＭ２は、次のように解することができる。

Ｍ２：信号線が、その信号線の端にあるビアを用いて別の信号線に接続される場合に、幾何形状は、図８に類似しなければならない。
端にビアを有するすべての信号線を抽出することは、極端にむずかしいか不可能である可能性がある。従って、欠陥抽出ルールは、欠陥候補を注意深く選択しなければならない。例えば、
Ｅ１（Ｍ２）：すべての各々の接続が図４に従うｎ_１個の信号線を抽出する、
Ｅ２（Ｍ２）：すべての各々の接続が図７に従うｎ_２個の信号線を抽出する、
Ｅ３（Ｍ２）：すべての各々の接続が図８に従うｎ_３個の信号線を抽出する、
Ｅ４（Ｍ２）：Ｅ１（Ｍ２）からＥ３（Ｍ２）によって選択されなかったｎ_４個の信号線を抽出する。

ルールＥ１（Ｍ２）からＥ３（Ｍ２）は、よい欠陥分解能のために望ましい。しかし、抽出される欠陥の各々の集合が、空になり得る。ルールＥ４（Ｍ２）は、テスト・パターン・セットに信頼性テストを追加する。すべての問題のあるビアをターゲットにすることはできないので、障害を発生する可能性が最も高い信号線だけが、ターゲットとして選択される。ビアに関する一般的な問題がある場合には、多数のテストが、失敗するが、ＤＦＭルールＭ２に関するテストだけは、失敗しない。しかし、これらの抽出ルールは、ある種の分解能能力をテスト・パターン・セットに追加する。

類似する欠陥抽出ルール導出を、他のＤＦＭルール（１）について計算することができる。導出される欠陥抽出ルールは、集合的に、図１で（３）によって表されるセットを形成する。導出プロセス（２）は、欠陥抽出ルールごとに、どのＤＦＭルールからそれが生成されたかを判定することが可能なままになることを保証しなければならない。例えば、各ＤＦＭルールに割り当てられる一意ＩＤを設けることができる。同一のＤＦＭルールから変換された各欠陥抽出ルールは、そのデータ構造の一部としてこのＩＤを共用することができる。

ＤＦＭベースの欠陥抽出ルール（３）の他に、作成でき使用できる、欠陥抽出ルールのもう１つのセット（４）がある。このセットは、伝統的な欠陥を制限された歩留り低下（ｄｅｆｅｃｔ−ｌｉｍｉｔｅｄ ｙｉｅｌｄ ｌｏｓｓ）態様に焦点を合わせたものであり、この欠陥を制限された歩留り低下態様は、ＤＦＭベースの欠陥抽出ルールによってカバーはされない。この種のルールの１つの例は、信号線のインライン抵抗（ｉｎｌｉｎｅ ｒｅｓｉｓｔａｎｃｅ）をターゲットにし、このインライン抵抗は、電圧レベルの遷移が信号線を介して伝わる速度を変更する。セット（４）のルールの追加のサブセットが、欠陥が抽出されてはならない区域を定義する。そのような区域は、例えば、それ自体の自己テストを有するメモリである。

欠陥抽出
欠陥抽出ルール（３）（４）に基づいて、実際の欠陥候補が、集積回路のレイアウト記述（５）を使用して抽出される。抽出ルールの用意ができたならば、抽出自体（７）は、よく理解されており、多数の使用可能なツールのうちの１つ（例えば、Ｍｅｎｔｏｒ Ｇｒａｐｈｉｃｓ Ｃｏｒｐｏｒａｔｉｏｎ社のＣａｌｉｂｒｅ（登録商標））を使用して達成することができる。抽出（７）は、潜在的な欠陥のリスト（９）を生成する。

抽出された欠陥は、位置及び物理的プロパティなど、実際の欠陥を記述するデータによって定義することができる。追加のデータを、各欠陥に関連付けることができる。例えば、１つの例示的実施形態で、リスト（９）内の欠陥は、次の追加プロパティのうちの１つ、幾つか、又はすべてを有する：
１．一意識別子、
２．欠陥のリストへの各々の欠陥の包含を引き起こした欠陥抽出ルールに対応する、ＤＦＭ欠陥抽出ルール（３）及び／又はテスト欠陥抽出ルール（４）からのルールを開示する識別子、
３．欠陥のリストへの各々の欠陥の包含を引き起こした欠陥抽出ルールを開示する識別子、
４．集積回路のレイアウト内の欠陥の位置、
５．長さ、幅、抵抗、及び／又はキャパシタンスなど、欠陥の１つ又は複数の物理パラメータ、
６．その欠陥が欠陥の特殊なクラスに属する（例えば、欠陥の各クラスのワースト・ケース欠陥）かどうかのインジケータ、及び
７．ランキング。一実施態様によれば、ランキングは、欠陥確率に対応する。

項目１は、通常、元々の欠陥に故障（ＡＴＰＧと、故障シミュレーションと、パターン最適化との方法を使用して欠陥から導出される）を関係付けるのに使用される。単一の欠陥から導出される複数の故障がある可能性がある。

項目２及び３は、例えば、ルールの有効性の分析で使用され、この有効性は、欠陥抽出ルール及び／又は設計製造ルールの追加、削除、又は変更にフィード・バックされる。

項目４は、頻繁に障害を発生する位置の識別と物理的障害分析の案内とに使用することができる。

項目５は、物理パラメータの変動に対する欠陥の感度を推定するのに使用することができる。

項目６は、必ずしも通常の欠陥抽出ルールのターゲットではなかった欠陥の発生にフラグを立てるのに使用される。これらの特別にマークされた欠陥のおかげで、可能な欠陥クラスのすべて又はほとんどすべてをカバーすることが、可能である。これらの特別にマークされた欠陥は、統計的に有意になる前に、例えばドリフトする生産パラメータの早期警告をユーザに与えるのに使用することができる。例えば、インライン抵抗欠陥の１セットが、特定の金属層内の５つの最も長い信号線を含むことができる。当初に、これらの欠陥を検出するはずのテスト・パターンは、非常にまれに失敗するが、２〜３週間後に、これらのテスト・パターンは、よりしばしば失敗する。障害の総数は、デバイスの全体的なテスト結果に関して統計的に有意でない場合があるが、これらの特殊な欠陥に関する統計的に有意な増えた障害発生率（ｆａｉｌｉｎｇ ｒａｔｅ）は、問題増加が歩留りに実際に影響する前に、その問題増加の早期警告を生産エンジニアに与えることができる。

項目７は、説明される方法がすべての異なる種類の欠陥を正しくランキングするのを助ける。

ランキング
抽出された欠陥をランキングするのに単独で又は一緒に使用できる少なくとも２つのランキング方式が、ある。第１の例示的なランキングは、各クラス内の欠陥をランキングすることを伴う。これは、このランキングが、すべての可能な欠陥候補の中での絶対的な数を表すのではなく、特定のクラスに固有であることを意味する。例えば、すべてのブリッジ・タイプの欠陥のランキングを、比較可能とすることができ、すべての開いたビア又は抵抗性ビアのランキングを、比較可能とすることができる。このランキングは、自動的に計算することができる。第２の例示的なランキングは、欠陥クラスの間のランキングであり、通常は、ある外部から供給されるデータなしでは自動的に判定されない。例えば、定量化された形で欠陥のクラスを関係付ける情報を、供給することができる。

下で、ヒストリカル・データを、障害発生率を予測し、欠陥をランキングするのにどのように使用できるかの説明を与える。このヒストリカル・データは、例えば、同一の集積回路の以前のテストから、又は同一の若しくは類似するＤＦＭルールを使用する他の集積回路のテストから、収集することができる。又、同一クラスの欠陥を、ヒストリカル・データが使用可能でない場合にどのようにランキングできるかの説明を、与える。例示的な全体的ランキング手順も、説明する。

図３７は、期待される歩留り感度曲線を示す破線と一緒に、図３６の分布曲線のグラフを示す。この例では、歩留り感度曲線は、仮定及び経験から導出された。この歩留り感度曲線に関して、ｙ軸は、ｘ軸上の対応する距離だけ離された信号線から生じる歩留り低下のパーセンテージを概略的に示す。一般に、歩留り感度は、サブクラスのそれぞれに関する期待される歩留り低下（例えば、期待される障害のパーセンテージ）を示し、ランキングに使用することができる（例えば、最高の歩留り感度から最低の歩留り感度へ）。歩留り感度データは、各サブクラスＥ１（Ｍ１）からＥ８（Ｍ１）内の結果候補の実際の個数と共に、抽出ルールごとに、欠陥に起因する期待される障害の個数の推定値（図３７のステップ関数に示されている）を計算するのに使用することができる。このデータも、欠陥をランキングするのに使用することができる（例えば、期待される障害の最高の個数から最低の個数へ）。この例が、使用されるＤＦＭルールとこれらのルールを使用するデバイスの生産とに関する多くの知識がないことを仮定することを想起されたい。従って、この歩留り感度曲線は、責任を負うエンジニアの教育された最初の推測を表す。下でより詳細に説明するように、期待される歩留り低下を、実際のテスト応答データと比較することができ、結論を、その比較から引き出すことができる。

ＤＦＭルールＭ２に関して抽出された欠陥の例示的ランキングを、この段落で提示する。上で述べたように、障害発生の確率は、ルールＥ１（Ｍ２）と、Ｅ２（Ｍ２）と、Ｅ３（Ｍ２）とに関連する３つの可能な幾何形状について異なる。１つの例示的実施態様によれば、ルールＥ１（Ｍ２）に起因して抽出される欠陥のランキングは、ルールＥ２（Ｍ２）に起因して抽出される欠陥より高く、ルールＥ２（Ｍ２）に起因して抽出される欠陥のランキングは、ルールＥ３（Ｍ２）に起因して抽出される欠陥より高い。ルールＥ４（Ｍ２）に起因して抽出される欠陥のランキングは、異なる幾何形状の発生の実際の個数に依存し、変化する。

１クラス内の欠陥のランキングを計算するために、欠陥に割り当てられた障害発生確率が存在することが、必要ではないことに留意されたい。しかし、欠陥のクラスを互いに対して相対的にランキングすることが望まれる場合には、幾つかの追加データが、通常は使用される。ある種の実施態様では、デフォルト値が、仮定されるが、実際のデータが、通常は好ましい。例えば、ブリッジとビアとの間の障害の関係が、８０：２０であることがわかっていると仮定されたい。これから、クラスの間のランキングを、単純な形で、具体的に言うと、それ自体のランキング手順に従って選択される８つおきのブリッジ欠陥について、次の２つの最上位ランキングのビア欠陥が選択される形で、計算することができる。実際の欠陥データが、この時点では使用可能でないと仮定されるので、このランキングには、第１近似が含まれる。しかし、このフローは、通常はパターン・セットを切り捨てることを必要としないので、収束は、通常は問題ではない。潜在的に、ある欠陥を、それが選択されなければならない時より早く又はそれより遅くに選択することができる。使用可能なデータがそれを可能にする場合に、方法（７）は、歩留り推定値（８）を与えることができる。

テスト・パターン生成と生産テスト
欠陥のリスト（９）が生成された後に、図１に示された一般的方法は、セクションＩＩ及びＩＩＩ即ち、テスト・パターンの生成及び最適化とテスト適用とに入る。この説明の明瞭さを維持するために、テスト・パターンがどのように生成されるかの議論は、後で提供する。しかし、テスト・パターンに関する次のポイントに、留意しなければならない。

開示されるテクノロジのある種の実施形態で、テスト・パターン（１７）のうちの１つ又は複数は、欠陥のクラスを区別でき、ある種の実施形態では欠陥のサブクラスを区別することができる。更に、テスト・パターンは、欠陥のクラスとサブクラスとを区別する能力に関して従属する目的としてのみ、欠陥の大多数を区別することができる（この議論では、各ＤＦＭルールが、１つのクラスを定義し、各欠陥抽出ルールが、対応するサブクラスを定義すると仮定する）。

この議論のために、欠陥カバレッジを高めるために、ユーザ選択可能なＮを有する、Ｎ−検出パターンが、仮定される。即ち、Ｎ個の異なるパターンが、所与の欠陥を検出するのに使用される。

この議論のために、故障辞書（１６）が、パターン・セットと一緒に生成されると仮定する。故障辞書には、例えば、行に編成された表を含めることができ、各行は、１テスト・パターンのデータを含む。行は、従ってテスト・パターンは、テスト・パターンが付随するパターン・セット（１７）にリストされるのと同一シーケンスとすることができる。故障辞書内の故障は、その故障がそれから導出された欠陥のＩＤと、故障タイプと、その故障が検出された総回数と、その故障が現在のテスト・パターンの下で伝播され得る観察点の個数とを担持することによって記述され得る。更に、故障辞書は、限られた量の検出データだけを保管することができる。例えば、故障ごとに、最初のｋ個の検出するテスト応答だけを、保管することができ、その後のすべての検出について、テスト応答は、保管されないが、検出は、それでもカウントされる。テスト・パターンごとに、そのテスト・パターンによって検出可能な故障を集積回路のネットリスト表現内で観察できる観察点を、故障辞書内でリストするか、故障辞書から識別可能とすることができる。検出可能な故障を、例えば、現在のパターンについてリストされた観察点のそれぞれに関連するリストとして編成することができる。説明される実施形態の何れとも共に使用できる故障辞書の例示的実施態様は、例えば、Ｂ．Ｃｈｅｓｓ及びＴｒａｃｙ Ｌａｒａｂｅｅ、「Ｃｒｅａｔｉｎｇ Ｓｍａｌｌ Ｆａｕｌｔ Ｄｉｃｔｉｏｎａｒｉｅｓ」、ＩＥＥＥ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｃｏｍｐｕｔｅｒ−Ａｉｄｅｄ Ｄｅｓｉｇｎ、Ｖｏｌ．１８、ｎｏ．３、３４６〜３５６頁（１９９９年３月）と、Ｖ．Ｂｏｐｐａｎａ、Ｉ．Ｈａｒｔａｎｔｏ、及びＷ．Ｋ．Ｆｕｃｈｓ、「Ｆｕｌｌ Ｆａｕｌｔ Ｄｉｃｔｉｏｎａｒｙ Ｓｔｏｒａｇｅ Ｂａｓｅｄ ｏｎ Ｌａｂｅｌｅｄ Ｔｒｅｅ Ｅｎｃｏｄｉｎｇ」、Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅ ＶＬＳＩ Ｔｅｓｔ Ｓｙｍｐｏｓｉｕｍ、１７４〜１９７頁（１９９６年）に記載されている。又、開示される実施形態の何れにおいても使用できる故障辞書を作成する他の例示的方法を、下で別々のセクションで説明する。

この議論のために、集積回路（５）を実現するデバイスが、図１のセクションＩＩＩに示されているように、テスト・パターン・セット（１７）を使用してテストされたと仮定する。テスト結果データ（２０）は、リアル・タイムで（生産テストが、まだ進行中である間に）又は以前のテスト結果を保管するデータベースからの何れかで入手可能とすることができる。

テスト結果分析
図１のセクションＩＶは、テスト結果データの処理及び分析（２１）を含む。この分析のより詳細な説明は、別々のセクションで下で与える。しかし、一般に、テスト結果分析は、テスト結果データ（２０）と辞書（１６）とから、欠陥のどのクラスが障害を発生したかと、可能な場合に、どの個々の欠陥が障害を発生したかとを判定するために実行される。図３１は、この処理（２１）を実行できる例示的な形を示すブロック図である。プロセス（２１．１）は、欠陥と、それぞれ集積回路の障害発生挙動を最もよく説明できるその欠陥のクラス又はサブクラスとを識別することを試みるために実行される。必要な場合に、増分診断手順（２１．３）と増分シミュレーション手順（２１．２）とが、アクティブ化される。テストされるデバイスのほとんどの障害を発生するテスト・パターンについて、その障害発生挙動の責任を負う可能性が最も高い欠陥のクラス又はサブクラスを、判定し、診断結果（２１．４）として保管することができる。分類されない障害発生デバイスには、他の可能性の中でも、複数の欠陥、雑音関連問題又は信号完全性問題などの周辺的な障害が含まれる。図１の例示的な一般的方法は、欠陥抽出ルール分析（２５）に継続し、ここで、欠陥抽出ルールの、そのルールについて識別された欠陥の個数に対する関係を含むデータ・セットを、作ることができる。欠陥ごとに、ターゲット欠陥のリスト（９）への包含の責任を負った抽出ルールの識別子が、通常は入手可能である。図３８のグラフは、図３６に関して上で述べた例について、ステップ関数としてこの関係を示す。即ち、図３８に示されたステップ関数は、抽出ルールごとに観察された実際の障害の個数を概略的に示す。抽出ルールごとの実際の障害の個数と、各ルールによってカバーされる候補の個数とから、欠陥のクラスごとの実際の歩留り低下（歩留り感度）が、計算される。実際の歩留り感度曲線は、図３８では点線として示されている。

図３９のグラフは、図３６に関して上で述べた例の、最初の期待される歩留り低下（破線）を実際の歩留り低下（点線）と比較する。図３９は、欠陥のサブクラスごとに、それぞれ、期待される欠陥と観察された欠陥との個数を示す２つの関連するステップ関数の比較も示す。この図からわかるように、実際の歩留り低下は、期待される歩留り低下よりはるかに大きい。より具体的に言うと、次の観察を、行うことができる：（１）歩留り低下は、すべてのサブクラスについて、期待される値より大きく、（２）歩留り低下は、欠陥抽出ルールＥ４（Ｍ１）からＥ７（Ｍ１）について約２倍大きく、（３）抽出ルールＥ８（Ｍ１）の歩留り低下は、期待される歩留り低下より大きいが、期待される歩留り低下に近い。

この観察から、次の２つの結論を、引き出すことができる：（１）ＤＦＭルールＭ１は、有効であるが、集積回路の生産における問題が、ある、又は（２）生産は、最適パラメータ内で稼動し、従って、ルールＭ１を、変更しなければならない。更なる分析を、実行して、結論１と２との間で又はその組合せを判断するのを助けることができる。例えば、パレート図（２２）と他のテスト結果データ分析（２１）とが、エンジニアが結論を見つけるのを助けることができる。

この結論は、例えば、次の短期アクションと長期アクションとにつながり得る：
・短期：出荷される部品の歩留り予測とＤＰＭ推定個数とを洗練せよ、
・長期：例えば他のテスト結果データを分析することによって、結論１又は２が成り立つかどうかを判定し、選択されたデバイスに対して後続障害分析を実行せよ。
上で述べたアクションの間の時間差は、大きくなり得る。長期アクションのターン・アラウンド・タイムは、何ヵ月も要する可能性がある。障害を発生するデバイスの、必要な細かい分析は、数日又は２〜３週間を要する。しかし、訂正アクションの実施は、生産ラインの変更、マスク生産、又は変更されたＤＦＭルールＭ１を使用する再設計のどれであれ、通常は２〜３ヵ月を要する。

対照的に、次で概要を示す短期アクションのターン・アラウンド・タイムは、数時間から２〜３日に過ぎない。従って、短期アクションは、重要になり得る。この例では、次の短期アクションのうちの１つ又は複数を、開始することができる：
１．ＤＦＭルールＭ１から抽出された欠陥により密に焦点を合わせるために、欠陥のランキングを変更し、
２．ＤＦＭルールＭ１の抽出ルールを洗練し、現在のテスト結果データを再分析し、
３．問題により密に焦点を合わせるために、欠陥抽出ルールをしかるべく変更し、
４．識別された問題をより高い分解能でよりよくカバーするために、追加テスト・パターンを生成し、
５．前にカバーされていなかった可能性がある欠陥をカバーするために、追加テスト・パターンを生成し、
６．追加テスト結果データが入手可能である時に、必要な場合に１．から５．を繰り返し、
７．１．及び２．から、可能な長期解決策について、改善されたＤＦＭルールＭ１を結論する。
項目１は、比較的単純である。欠陥ランキングは、対応する実際の欠陥発生データ（２３）を使用し、期待される歩留り低下データ（図３７のグラフに図示）を実際の歩留り低下データ（図３８のグラフに図示）に置換することによって、更新することができる（２４）。更に、ＤＦＭルールＭ１から導出される欠陥クラスが、より高い優先順位を有するようにするために、欠陥抽出（７）中に使用される欠陥ランキング記述（２４）内の各々のデータを、変更することができる。

次で説明するように、項目２から５は、低い歩留り及び低い品質の問題が解決されるまで、欠陥カバレッジを改善し、集積回路を実現するデバイスのテストの検出分解能を高めることができる。例えば、集積回路の既に作られたデバイスのテスト及び出荷を、継続することができる。しかし、ＤＦＭルールＭ１に関係付けられた欠陥の高められた尤度に起因して、テストは、ＤＰＭ要件を維持するために、望ましくは、このクラスのより多くの欠陥をフィルタ・アウトするように改善される。更に、ＤＦＭルールＭ１の自動洗練を案内するのに十分な高品質データが必要であるとわかった場合に、そのデータを生成することが、しばしば望ましい。

関連する欠陥抽出ルールの分解能を高める１つの可能な方法は、各欠陥抽出ルールＥ１（Ｍ１）からＥ８（Ｍ１）によってカバーされる区域を半分に分割し、従ってサブクラスの個数を２倍にすることである。しかし、もう１つの可能な方法は、各新しい潜在的なサブクラス内の候補の個数を判定するために欠陥抽出ルール分析データ（２５）を評価し、更に、期待される歩留りデータと実際の歩留りデータとを考慮することができる。例えば、ルールＥ４（Ｍ１）からＥ７（Ｍ１）が、他のルールより実質的に大きい歩留り低下を示したので、これらを、２つ以上のより小さいサブクラスに分割することができる。観察された歩留りより高い歩留りを有すると思われたセクションのＡＴＰＧの分解能要件を、これによって高めることができる。

更に、Ｍ１を緩和しなければならない場合について、現在はＥ７（Ｍ１）及びＥ８（Ｍ１）であるものを、新しい最小距離ｄ_１ｎｅｗの回りに置くことができる。高品質データを用いる更新された手順（２７）をサポートするために、Ｅ７（Ｍ１）及びＥ８（Ｍ１）を、より小さいサブクラスに分割することもでき、Ｅ８（Ｍ１）を超える新しいサブクラスを、生成することができる。

更に、図３８のグラフに似た、新しい抽出ルールに関する、テスト応答データに基づく歩留り感度予測を、表示することができる。この場合に、テスト・パターン・セット（１７）が、新しいサブクラスを区別するために生成されなかったので、ある曖昧さが、可能であることに留意されたい。しかし、上で述べたように、生成されたテスト・パターン・セットは、よい推定値を与えるのに十分に、サブクラスを十分に区別する可能性が高い。新しい欠陥抽出ルールには、例えば、次を含めることができる：
Ｅ１（Ｍ１）：最小距離ｄ_Ｅ１が、ｄ_１−１％＊ｄ_１≦ｄ_Ｅ１＜ｄ_１によって定義される、同一層内の信号線のすべての対を抽出する、
Ｅ２（Ｍ１）：最小距離ｄ_Ｅ２が、ｄ_１−３％＊ｄ_１≦ｄ_Ｅ２＜ｄ_１−１％＊ｄ_１によって定義される、同一層内の信号線のすべての対を抽出する、
Ｅ３（Ｍ１）：最小距離ｄ_Ｅ３が、ｄ_１−８％＊ｄ_１≦ｄ_Ｅ３＜ｄ_１−３％＊ｄ_１によって定義される、同一層内の信号線のすべての対を抽出する、
Ｅ４（Ｍ１）：最小距離ｄ_Ｅ４が、ｄ_Ｅ４＜ｄ_１−８％＊ｄ_１によって定義される、同一層内の信号線のすべての対を抽出する、
Ｅ５（Ｍ１）：最小距離ｄ_Ｅ５が、ｄ_Ｅ５＝ｄ_１によって定義される、同一層内の信号線のすべての対を抽出する、
Ｅ６（Ｍ１）：最小距離ｄ_Ｅ６が、ｄ_１＜ｄ_Ｅ６≦ｄ_１＋１％＊ｄ_１によって定義される、同一層内の信号線のすべての対を抽出する、
Ｅ７（Ｍ１）：最小距離ｄ_Ｅ７が、ｄ_１＋１％＊ｄ_１＜ｄ_Ｅ７≦ｄ_１＋３％＊ｄ_１によって定義される、同一層内の信号線のすべての対を抽出する、
Ｅ８（Ｍ１）：最小距離ｄ_Ｅ８が、ｄ_１＋３％＊ｄ_１＜ｄ_Ｅ８≦ｄ_１＋６％＊ｄ_１によって定義される、同一層内の信号線のすべての対を抽出する、
Ｅ９（Ｍ１）：最小距離ｄ_Ｅ９が、ｄ_１＋６％＊ｄ_１＜ｄ_Ｅ９≦ｄ_１＋１０％＊ｄ_１によって定義される、同一層内の信号線のすべての対を抽出する、
Ｅ１０（Ｍ１）：最小距離ｄ_Ｅ１０が、ｄ_１＋１０％＊ｄ_１＜ｄ_Ｅ１０≦ｄ_１＋１３％＊ｄ_１によって定義される、同一層内の信号線のすべての対を抽出する、
Ｅ１１（Ｍ１）：最小距離ｄ_Ｅ１１が、ｄ_１＋１３％＊ｄ_１＜ｄ_Ｅ１１≦ｄ_１＋１６％＊ｄ_１によって定義される、同一層内の信号線のすべての対を抽出する、
Ｅ１２（Ｍ１）：最小距離ｄ_Ｅ１２が、ｄ_１＋１６％＊ｄ_１＜ｄ_Ｅ１２≦ｄ_１＋２０％＊ｄ_１によって定義される、同一層内の信号線のすべての対を抽出する、
Ｅ１３（Ｍ１）：最小距離ｄ_Ｅ１３が、ｄ_１＋２０％＊ｄ_１＜ｄ_Ｅ１３≦ｄ_１＋２４％＊ｄ_１によって定義される、同一層内の信号線のすべての対を抽出する。
ＤＦＭルールＭ１のこれらの新しい欠陥抽出ルールは、欠陥抽出ルールのセット（３）内のＭ１に関する古い欠陥抽出ルールを置換するのに使用することができる。開示されるテクノロジの幾つかの実施形態では、特定の欠陥の抽出の責任を負う欠陥抽出ルールが、既知である。従って、欠陥抽出ルールの改訂されたセットについて、欠陥抽出手順（７）は、より微細なサブクラスを考慮に入れ、新たにカバーされる区域（例えば、Ｅ１３（Ｍ１）によって定義される）の欠陥を抽出するために、欠陥のリスト（９）内にリストされた欠陥の各々の抽出ルール識別を更新することができる。

改訂されたルールについて、１つの例示的実施形態によれば、ＡＴＰＧ手順（１３）は、変化しない。より具体的に言うと、ＡＴＰＧ手順は、まだ、欠陥のクラスを区別するテスト・パターンを作ることを試みる。しかし、古いテスト・パターン・セット（１７）が、既に、少なくとも部分的に、新しいクラスの多くを識別する可能性が高い。従って、テスト・パターン・セット（１７）を、元々のテスト・パターン・セット（１１）として使用することができ、ＡＴＰＧを、欠陥の新しいリストを用いて実行することができる。例えば、元々のテスト・パターン・セット（１１）を、欠陥の最初の分類を判定するためにシミュレートすることができる。次に、ＡＴＰＧは、補充パターンを計算し、必要に応じて新しいサブクラスを区別するために、通常通りにパターンを再順序付けすることができる。全体的に、ＡＴＰＧで費やされる追加の努力は、新しいテスト・パターン・セットを一から生成するよりかなり少ない。次に、新たに生成されたテスト・パターン・セットは、集積回路を実現するより多くのデバイスをテストするのに、又は、要求された場合に、前のデバイスを再テストするのに、使用することができる。

この議論のために、少し後の時に、長期問題分析が、生産ラインに何も問題がないと結論すると仮定する。従って、ＤＦＭルールＭ１を変更し、それに応じて必要な最小距離ｄ_１を増やす判断が、行われている。ＤＦＭルール更新構成要素（２７）は、使用可能なデータから新しい最小距離を判定することができる。更に、ＤＦＭルール更新構成要素（２４）は、実際のテスト結果データに基づいて、正確な歩留り予測（８）を作るのに使用されるデータを供給することができる。

次のセクションでは、テスト・パターン生成のより詳細な説明を、与える。

ＤＦＭテスト・パターンの生成
図１をもう一度参照すると、この一般的方法の１つの例示的実施態様では、ＡＴＰＧ構成要素（１３）は、欠陥ベースのテスト・パターン・セット（１７）を計算し、このテスト・パターン・セット（１７）は、ＡＴＥ上のデバイスに適用することができる。故障辞書（１６）をも、生成することができ、この故障辞書（１６）内には、パターン及び欠陥の情報が、簡単な検索及び表示のために保管される。さまざまなファイル（１５）（例えば、故障のリストと欠陥のリスト）をも、保管することができる。

次のセクションは、開示されるテクノロジの実施態様で使用できる、欠陥ベースのシミュレーションとテスト・パターン生成との例示的な方法を説明するものである。図９は、図１の欠陥ベースのＡＴＰＧ及びパターン最適化（１３）を実行する１つの例示的な方法を示すブロック図である。図９に示された欠陥ベースのＡＴＰＧ及びパターン最適化構成要素（１３）は、ネットリスト（１２）と欠陥のリスト（９）とを使用し、このネットリスト（１２）は、レイアウト（５）によって記述されるものとは異なる、集積回路の表現である。これらの欠陥が故障にマッピングされる形を定義するルールのセット（１０）と、任意選択のパターンのセット（１１）とが、欠陥ベースのＡＴＰＧ及びパターン最適化構成要素（１３）への追加入力である。欠陥ベースのＡＴＰＧ及びパターン最適化手順（１３）は、セットが定義されていない場合に、故障マッピング・ルール（１０）をデフォルト・ルールに自動的に置換するように構成することができる。欠陥ベースのＡＴＰＧ及びパターン最適化構成要素（１３）は、所望の欠陥分解能及び対応する辞書（１６）に従って作られた欠陥ベースのテスト・パターン・セット（１７）を出力する。更に、さまざまなファイル（１５）及び統計（１４）を、要求することができる。統計には、故障カバレッジと、テスト・カバレッジと、欠陥カバレッジと、品質の推定値（ＤＰＭ）となどのメトリックスを含めることができる。

任意選択のパターン・セット（１１）は、任意のソースからとすることができる。例えば、パターン・セット（１１）を、古典的な故障モデル・ベースのテスト・パターン・セットとすることができる。古典的な故障モデル・ベースのとは、ここでは、パターンが、例えば縮退故障と、トランジション故障（ｔｒａｎｓｉｔｉｏｎ ｆａｕｌｔ）と、経路遅延故障（ｐａｔｈ ｄｅｌａｙ ｆａｕｌｔ）と、他のそのような「古典的な」故障モデルとについて生成されたことを意味する。

欠陥ベースのＡＴＰＧ及びパターン最適化構成要素（１３）は、ユーザが、この構成要素が抽出された欠陥を故障にマッピングすることを望む形を記述するルールのセット（１０）をも使用する。例は、ブリッジング欠陥である。ブリッジ欠陥に関連する故障を定義する複数の形がある。単純な形は、ワイヤードＡＮＤ又はワイヤードＯＲである。機能強化された形は、２つのネットの間の０抵抗接続としてブリッジの特徴を表すことができ、短縮されたネット上の電圧の解釈された論理値は、シンク・ゲートの解釈に依存することができる。しかし、ユーザが、正味距離のμｍあたりｃΩの抵抗を有するブリッジを定義し、実際の計算をツールに委ねることを望む場合がある。欠陥ベースのＡＴＰＧ及びパターン最適化構成要素（１３）は、デフォルト・ルールを提供する。

故障マッピング（１３．１）
ここで図１０を参照すると、故障マッピング（１３．１）は、１つの例示的実施形態によれば、２ステップ・プロセスである。まず、このマッピング方法は、欠陥のリスト（９）とルール（１０）とを評価する。ある種の実施形態で、故障マッピング手順（１３．１）は、ネットリスト（１２）が、正しい欠陥対故障マッピングをサポートできるかどうかを判定することができる。ネットリスト（１２）が、それをサポートできない場合には、故障ベースのＡＴＰＧとシミュレーションとが、欠陥の影響を正しく計算し、評価することを可能にするために、ネットリスト（１２）を、変更することができる。

故障マッピング手順（１３．１）は、例えばユーザ選択可能なルール（１０）に基づいて、欠陥を故障にマッピングすることができる。その結果、欠陥強化故障リスト（ｄｅｆｅｃｔ−ｅｎｈａｎｃｅｄ ｆａｕｌｔ ｌｉｓｔ）（Ａ）を、生成することができる。幾つかの実施態様では、故障マッピング手順（１３）全体を通じて使用される１つの故障リスト（Ａ）だけがあり、各ステップが、この故障リスト（Ａ）内のデータを変更することができることに留意されたい。便利な提示のために、異なるリスト（Ａ）は、後続の図面では区別されない。

使用される故障モデルが、通常は、欠陥の挙動をモデル化するために、伝統的な縮退故障モデル又はトランジション故障モデルより洗練されていることに留意されたい。更に、マッピングは、機能する故障モデルを有するために、欠陥を十分に抽象化する。一般に、非常にさまざまな故障モデルを、使用することができる。更に、故障又は異なる故障モデルが、ＡＴＰＧ方法と故障シミュレーション方法とにおいて望ましくサポートされる。

欠陥シミュレーションとパターン最適化（１３．２）
ここで図１１を参照すると、ネットリストが、（１３．１）で変更され、欠陥が、故障にマッピングされた後に、定義されたパターン・セット（１１）がある場合に、任意選択の欠陥シミュレーション手順（１３．２）を、実行することができる。この欠陥シミュレーション手順（１３．２．１）は、パターン・セット（１１）（伝統的な故障モデルを使用して生成することができる）のテスト・パターンのうちのどれが、実際に有効な欠陥テスト・パターンであるかと、どの欠陥が、これらのテスト・パターンによって検出されたかとを判定する。任意選択で、初期の欠陥ベースのテスト・パターン・セットを、ユーザが達成を望む異なる目標に関して最適化することができる（１３．２．２）。（１３．２．３）で、最初の欠陥ベースのテスト・パターンが、生成される。やはり、異なるファイル及び統計を、要求することができ（１５）、（１４）、初期パターン・セット（１３．２．３）を、対応する辞書（１６）と一緒に保存することができる（１７）。

図１２は、欠陥シミュレーション手順（（１３．２）の（１３．２．１））の実施形態をより詳細に示すブロック図である。大部分、（１３．２．１）は、伝統的な故障シミュレーションのように見え、（１１）内のパターンは、欠陥強化故障リスト（Ａ）内の故障を使用して故障シミュレートされる。この欠陥シミュレーション手順は、外部故障辞書の内部版（Ｂ）にデータを追加することもできる。欠陥強化故障リスト（Ａ）に似て、通常は、欠陥ベースのＡＴＰＧ及びパターン最適化構成要素（１３）で使用される内部辞書（Ｂ）の１つのコピーだけがある。その主目的が、これまでのテスト・パターンの達成を検出された故障及び検出されない故障という形で記録することである欠陥強化故障リスト（Ａ）とは異なって、内部辞書（Ｂ）は、主に、後の最適化手順とパターン生成手順とを案内して、その各々の目標を効果的に達成するのに使用される。内部辞書（Ｂ）には、通常、故障辞書（１６）に実際に保管されるものより多くの情報が保管される。というのは、適用できるさまざまな最適化手順及びテスト・パターン生成手順が、通常は、高められた柔軟性を必要とするからである。例えば、故障辞書（１６）が、ｋ−検出辞書であり（即ち、ｋ倍までの検出情報が、故障ごとに記録される）、結果のデータが、（１６）に保管される場合に、内部辞書（Ｂ）は、やはり少なくともｋ−検出辞書でなければならない。しかし、最終結果の品質は、内部辞書（Ｂ）がｋ’−検出辞書であり、ｋ‘＞＞ｋである場合に高めることができる。というのは、下で説明するものなどの最適化方法が、その場合に、パターンがそこから選択されるオプションをより多く有するからである。更に、ｋ及びｋ’の変形を用いると、欠陥ベースのＡＴＰＧ及びパターン最適化構成要素（１３）のメモリ需要に、大きく影響することができる。

他の動作の中で、欠陥シミュレーション手順（１３．２．１）は、欠陥ベースのテスト・パターン・セット（１３．２．１．３）を生成し、これは、任意選択のパターン最適化手順（１３．２．２）で使用することができる。図１３〜１５は、パターン最適化手順を実施できる（１３．２．２．Ａと、１３．２．２．Ｂと、１３．２．２．Ｃ）３つの例示的な形をより詳細に示す。この３つの手順は、同様に動作するが、その各々の最適化目標は、異なる。図１３（１３．２．２．Ａ）は、分解能向上分析（１３．２．２．２）を使用する欠陥分解能の向上に焦点を合わせたものである。図１４（１３．２．２．Ｂ）は、欠陥カバレッジ向上分析（１３．２．２．３）を使用してできる限り早く欠陥カバレッジを高めることを試みる。最後に、図１５（１３．２．２．Ｃ）は、欠陥分解能向上と高速カバレッジ向上との間の妥協を見つけるように構成されている。この例示的実施形態で、パターン最適化手順（１３．２．２）が、パターン再順序付けを使用することによって実行されることに留意されたい。例えば、パターン再順序付けは、部分的にパターン選択手順（１３．２．２．１）によって実行され、このパターン選択手順（１３．２．２．１）は、分解能向上とカバレッジ向上との一方又は両方のために分析方法と相互作用し、欠陥強化故障リスト（Ａ）及び内部辞書（Ｂ）と相互作用する。前に計算されたランキングのおかげで、パターン選択手順（１３．２．２．１）は、分解能向上と、カバレッジ向上と、この２つの組合せとなどの異なる前述の目標を達成するために次に選択すべきパターンを判断することができ、その後、欠陥強化故障リスト（Ａ）と、内部辞書（Ｂ）と、結果のパターン・セット（１３．２．２．４）とを更新する。目標によって指示されるパターン選択の例は、下で与える。

原則として、パターンの選択は、選択されたパターンが、欠陥ｄのｋ番目の検出を表すことができ、従って、ｄのすべての後続検出が、辞書に保管されないはずなので、選択されないパターンのデータが、各選択の後に変化し得るという追加プロパティを有するカバレッジ問題と考えることができる。従って、最適解を見つけることは、最も小さい集積回路以外については、むずかしいか不可能である。通常、いわゆる「貪欲な」手法は、そのようなカバレッジ問題について許容可能な結果を作る。従って、（１３．２．２．１）の１つの可能な実施態様は、区別されない欠陥クラスの最高ランキングのグループを分割する、パターンの貪欲な選択である。

次の例を検討されたい。テスト・パターンｐのそれぞれと、ｐによって検出される欠陥ｄのそれぞれについて、テスト・パターンｐに関して、ｄ１の観察点が、ｄ２の観察点でもある場合及びその逆の場合に限って、ｓｉｇ（ｐ，ｄ１）＝ｓｉｇ（ｐ，ｄ２）というプロパティを有する、シグネチャｓｉｇ（ｐ，ｄ）が、計算される。これは、ｄ１とｄ２とが、同一のシグネチャを有する場合に、これらが、ｐによって区別可能ではないことを意味する。ｓｉｇ（ｄ）が、この点までのすべてのテスト・パターンｐのすべてのｓｉｇ（ｐ，ｄ）の組合せを表すシグネチャであるものとする。やはり、ｓｉｇ（ｄ１）＝ｓｉｇ（ｄ２）である場合に、欠陥ｄ１とｄ２とは、今回はこれまでのすべてのテスト・パターンによって、区別可能ではない（各欠陥に結び付けられるこのシグネチャの例示的実施態様は、タイプ（パターン番号、観察点番号のリスト）の要素のリストである。しかし、この実施態様は、そのようなシグネチャが存在することを示すだけのためにここで言及されたものなので、この実施態様を、限定的として解釈してはならない）。

１つの例示的実施態様によれば、クラスＣ１内及びＣ２内の検出されない欠陥に関する欠陥の２つの最高ランキングのクラスＣ１及びＣ２は、Ｃ１のすべての検出されない欠陥（ｕｎｄｅｔｅｃｔｅｄ ｄｅｆｅｃｔｓ）ｐとＣ２のすべての検出されない欠陥ｑとについて、

を使用して見つけられる。次に、ｓｉｇ（ｄ１）＝ｓｉｇ（ｄ２）である、Ｃ１の最高ランキングの検出されない欠陥ｄ１と、Ｃ２の最高ランキングの検出されない欠陥ｄ２とが、見つけられる。欠陥は、ｋ−検出方式では、ｋ回以上検出された場合に限って検出されたと呼ばれることに留意されたい。カバレッジが、最適化の要因ではない場合には、上で述べた関数ｒａｎｋ（ｄ）は、以前に判定された欠陥のランキングを返すことができる。カバレッジが、考慮に入れられる（例えば、テスト・パターン最適化手順（１３．２．２．Ｂ）又は（１３．２．２．Ｃ）中で）場合には、ｒａｎｋ（ｄ）は、欠陥のランキングと期待されるカバレッジ（例えば、欠陥のオブザベーション・コーン（ｏｂｓｅｒｖａｔｉｏｎ ｃｏｎｅ）とコントローリング・コーン（ｃｏｎｔｒｏｌｌｉｎｇ ｃｏｎｅ）とのサイズで測定される）との加重和とすることができる。

減少する係数としての検出の現在回数ｋ’＜ｋを、欠陥のランキングについて考慮に入れることも可能である。例えば、ｋ−ｋ’が、小さいほど、ペナルティが、大きく、これによって、何回も検出されない、より低いランキングの欠陥を、より以前と考えることが可能になる。

この例示的実施態様によれば、２つの欠陥ｄ１及びｄ２は、最も有利なターゲットを表す。ここで、ｓｉｇ（ｐ，ｄ１）≠ｓｉｇ（ｐ，ｄ２）である、テスト・パターンの古いシーケンス内の最も近いテスト・パターンｐを見つけることができ、テスト・パターンの再順序付けされたシーケンスの次のテスト・パターンとしてこれを選択することができる。ｐの新しい位置と古い位置との間のすべてのパターンについて、検出された欠陥ｄの組み合わされたシグネチャｓｉｇ（ｄ）が、変化し得ることに留意されたい。しかし、このシグネチャは、ｐによって検出される欠陥についてのみ更新されなければならない。従って、次のパターン再順序付けステップが、これらのパターンについてｐによって検出されなかった欠陥だけを検討する場合には、各々のシグネチャの再計算は、通常は不要である。更に、シグネチャは、通常、ｐの古い位置の後のすべてのパターンについて更新される必要がないが、少なくとも１つの問題があり得る。即ち、内部辞書（Ｂ）に保管された限られた個数の検出ｋに起因して、再位置決めされたパターンｐが、現在はｋ番目の検出であり、これによって、後のパターンｑのｄについてテスト・パターン・プロパティが無効にされることが、可能である。しかし、欠陥が、ｋ番目の検出に達することがわかっているので、この特殊なケースは、簡単に処理することができる。一般に、説明されるパターン再順序付け手順は、パターンの古いシーケンスを通って進行することができ、古いシーケンスの終りに達した後に、シグネチャを再シミュレートし、更新することができる。パターン選択手順（１３．２．２．１）は、欠陥分解能を更に改善するために、反復して繰り返すことができる。２つのクラスだけが、上の例示的手順で区別されるが、この手順を、追加クラスにより一般的に適用するように変更することができる。

図１６を参照すると、欠陥シミュレーション及びパターン最適化手順（１３．２）からの結果のパターン・セット（１３．２．３）は、変更されたパターン順序を有しないが有効でない欠陥テスト・パターンをもはや有しない欠陥シミュレートされた（１３．２．１．３）パターン・セット（１１）又は再順序付けされた版（１３．２．２．４）の何れかである。

欠陥ＡＴＰＧ及びパターン最適化（１３．３）
図１７は、欠陥ベースのテスト・パターン生成及び最適化手順（１３．３）を実行する例示的な形を示すブロック図である。図１７内に、ＡＴＰＧ方法（１３．３．１）があり、このＡＴＰＧ方法（１３．３．１）は、（追加の）欠陥ベースのテスト・パターンを生成する。これらのパターンは、（１３．２．３）の任意選択のパターンと一緒に、その後、最適化手順（１３．３．２）を使用して任意選択として改善される。次に、最終的な欠陥ベースのテスト・パターン・セット（１３．３．３）を、欠陥ベースのテスト・パターン・セット（１７）として、それに対応する故障辞書（１６）と一緒に計算し、保管することができる。やはり、さまざまなファイル（１５）及び統計（１４）をも、要求することができる。

図１８は、図１７からの欠陥ＡＴＰＧ（１３．３．１）を実行する例示的な形を示すブロック図である。欠陥選択手順（１３．３．１．１）は、ＡＴＰＧ（１３．３．１．２）のために１つ又は複数の欠陥を選択する。更に、この欠陥選択手順は、選択された欠陥とその各々の故障とをどうするかをＡＴＰＧのために定義するタスクを選択することができる。更なる詳細を、次の段落で、欠陥選択の方法を説明する時に提示する。ＡＴＰＧ（１３．３．１．２）が、故障をテスト不能と判定する場合に、ＡＴＰＧ（１３．３．１．２）は、更新手順（１３．３．１．５）を使用して、故障リスト（Ａ）及び辞書（Ｂ）を更新することができる。そうでない場合には、ＡＴＰＧ（１３．３．１．２）は、生成されたテスト・パターン候補を欠陥シミュレーション（１３．３．１．３）に使用可能にすることができる。次に、このシミュレーションの結果を、（１３．３．１．４）で分析することができ、受け入れられる場合に、その候補テスト・パターンが、欠陥ベースのテスト・パターン・セット（１３．３．１．６）に追加される。どちらの場合でも、（Ａ）と（Ｂ）との両方が、更新手順（１３．３．１．５）によって更新される。

図１９から２１は、欠陥選択手順（１３．３．１．１）の３つの例示的変形（１３．３．１．１．Ａと、１３．３．３．１．Ｂと、１３．３．１．１．Ｃ）を示す。概要は、パターン最適化に似ている。例えば、図示の実施形態では、ＡＴＰＧのターゲット欠陥の集合（１３．３．１．１．４）が、ＡＴＰＧが欠陥のこの集合に対して達成する特定のタスクと一緒に、選択される。この集合には、欠陥分解能を高めるために（図１９、１３．３．１．１．Ａ）、カバレッジを高めるために（図２０、１３．３．１．１．Ｂ）、又はその組合せのために（図２１、１３．３．１．１．Ｃ）、ＡＴＰＧが区別する欠陥の集合を含めることができる。このターゲット欠陥集合（１３．３．１．１．４）によって、欠陥選択手順（１３．３．１．１）を、欠陥ベースのＡＴＰＧプロセス（１３．３）をステアリングするのに使用して、その目標を達成することができる。欠陥ベースのＡＴＰＧの効率とテスト・パターンの有効性とは、通常はこの手順に依存し、これを、次で説明する。

欠陥選択方法の１つの可能な実施態様は、次の通りである（これは、前に説明したパターン選択方法に似ている）。検出されない故障の中で、上の式１によって定義されるプロパティを有する２つのクラスＣ１、Ｃ２が、見つけられる。これらのクラスのそれぞれから、最高ランキングの欠陥が、次のターゲット欠陥として選択される。この方法は、区別すべき３つ以上のクラスを含むように拡張可能である。欠陥の区別について、ＡＴＰＧは、通常は３つの基本的選択肢即ち、制御しない、観察しない、又は異なる観察点での影響を観察するを有する。

図２２に示されているように、ＡＴＰＧ（１３．３．１．２）は、ターゲット欠陥集合及びＡＴＰＧタスク（１３．３．１．１．４）を使用する。まず、故障を、ターゲット欠陥集合（１３．３．１．１．４）の選択された欠陥に対応する欠陥強化故障リスト（Ａ）から選択することができる。複数の選択がある場合に、ＡＴＰＧは、故障の特定の集合を選択することによって、この段階でパターン生成の成功に影響することができる。例えば、タスクが、それぞれ信号線ＸとＹ、ＸとＺを接続する２つのブリッジ欠陥Ｂ１とＢ２とを区別することであると仮定されたい。更に、４つの縮退種類の故障へのブリッジ欠陥の共通の侵略側−犠牲側（ａｇｇｒｅｓｓｏｒ−ｖｉｃｔｉｍ）マッピングを仮定されたい。Ｂ１の侵略側としてハイである信号線Ｙを選択し、ブリッジＢ２についてハイである信号線Ｚを選択すると、両方の欠陥は、信号線Ｘを介して同一の故障影響を伝播するはずであり、従って、区別不能になる可能性が高い（信号線ＹとＺとは、それでも変化することができる）。よりよい選択は、ブリッジが侵略側として信号線Ｘを選択することであるはずである。その結果、Ｙ及びＺは、故障の影響を伝播する。これは、この影響が、異なる経路を介して伝播されることを意味する。

ターゲット故障の選択された集合について、ＡＴＰＧ（１３．３．１．２．２）は、ターゲット欠陥集合で定義されたタスクとＡＴＰＧタスク（１３．３．１．１．４）とを満足することを試みる。タスクが、複数の欠陥の間で区別することを要求する場合に、ＡＴＰＧは、複数のオプションを有する。例えば、ＡＴＰＧは、幾つかの欠陥について故障影響伝播をブロックし、他の欠陥だけが検出されることを可能にすることができ、或いは、故障影響を異なる観察点に伝播することができる。成功の場合に、ＡＴＰＧ手順（１３．３．１．２．２）は、テスト・パターン候補（１３．３．１．２．３）を選択し、テスト・パターン候補（１３．３．１．２．３）は、図２３に示されているように、欠陥シミュレート（１３．３．１．３）され得る。このシミュレーションが、通常の故障シミュレーションと異なることに留意されたい。というのは、この故障シミュレータは、パターン候補（１３．３．１．２．３）がテスト・パターン・セットへの追加について受け入れられるかどうかをまだ知らないので、故障リスト（Ａ）を更新する必要がないからである。従って、一実施態様では、欠陥シミュレーション手順（１３．３．１．３）は、後の評価のために、候補テスト・パターンのシミュレートされた応答（１３．３．１．３．１）を保管する。この評価は、例えば、図２４に示された応答分析手順（１３．３．１．４）によって実行することができる。この点で、パターン生成が少なくとも部分的に成功であったことが、既にわかっている。

ここで図２４を参照すると、応答分析手順（１３．３．１．４）は、候補テスト・パターンが他のすべての欠陥に対して有する影響を調査することができる。応答分析手順（１３．３．１．４）は、例えば、他の欠陥に関する不利益が、ターゲット欠陥に関する利益にまさると判定し、従って、その候補パターン・セットを捨てることができる。テスト目標検証手順（１３．３．１．４．１）は、パターン候補（１３．３．１．２．３）と、そのシミュレートされた応答（１３．３．１．３．１）と、ターゲット欠陥のセット及びタスク（１３．３．１．１．４）とを使用する。テスト目標検証手順（１３．３．１．４．１）は、更に、内部辞書（Ｂ）及び前に計算されたランキングとインターフェースすることができる。この情報に基づいて、テスト目標検証手順（１３．３．１．４．１）は、テスト・パターン候補を受け入れることができるかどうかを判定することができる。そうである場合には、そのテスト・パターン候補を、ＡＴＰＧの欠陥ベースのテスト・パターン・セット（１３．３．１．６）に追加することができる。しかし、どちらの場合でも、欠陥強化故障リスト（Ａ）と内部辞書（Ｂ）とを、図２５に示されているように更新することができる（特に、候補テスト・パターンが、無効化され、その結果、次のターゲット欠陥集合選択を改善できるようになる場合に、学習された情報を用いて）。

図２６は、ＡＴＰＧに続くことができる任意選択のパターン最適化手順（１３．３．２）を示す。通常、任意選択の欠陥ベースのテスト・パターン・セット（１３．２．３）と新たに生成された欠陥ベースのテスト・パターン・セット（１３．３．１．６）とが、一緒に、欠陥ベースのテスト・パターン・セット（１３．３．２．１）を形成し、この欠陥ベースのテスト・パターン・セット（１３．３．２．１）は、前に説明した結果ベースのテスト・パターンの最適化手順（１３．２．２）によって改善することができる。それに応じて、この例の実施形態では、図１３の最終的なテスト・パターン・セット（１３．３．３）が、欠陥ベースのテスト・パターン・セット（１３．３．２．１）又は最適化された欠陥ベースのテスト・パターン・セット（１３．３．２．２）の何れかである。

テスト結果分析／診断
集積回路の生産テスト中に、テスト・パターンが、集積回路に適用される。各適用の後に、観察点での値が、期待される値と比較される。不一致がある場合に、その回路は、テストに失敗する。テスト結果データは、通常、テスタ・ログに保管され、このテスタ・ログは、障害発生パターンのしるしを、不一致が発生した観察点（障害発生ビットと称する）と一緒に含む。テスタ・ログは、固定された個数の障害発生パターン、又は固定された個数の障害発生ビット、又は各障害発生デバイスのすべての障害発生パターンを含むように構成することができる。

図３１は、テスト結果分析構成要素（２１）を実施する例示的な形を示すブロック図であり、ここで、テスト結果は、何れかの観察された障害を潜在的に引き起こした１つ又は複数の欠陥候補を識別するために診断され、分析される。図３１に示された例示的な方法は、生産テスト結果データ（２０）と故障辞書（１６）とを使用する。この方法は、おそらくは障害を引き起こし得た欠陥を識別し、この例示的実施形態では、欠陥候補のランキングされたリスト（時々、被疑特徴（ｓｕｓｐｅｃｔ ｆｅａｔｕｒｅ）のリストと称する）を生成する。各欠陥は、それが属するクラスを示すＩＤを有するので、すべての候補が同一のクラスに含まれる場合に、欠陥識別手順は、停止し、次の集積回路に関連する障害データの分析に進むことができる。この形で、対応するパレート図を、精度の低下なしに更新することができる。そうでない場合には、増分シミュレーションと増分診断とを含む技法を、一致する候補を区別するのに使用することができる。候補が、それでも区別不能である場合には、確率的量を、欠陥が属するクラスに割り当てることができる。

欠陥識別（２１．１）
欠陥を識別するために、欠陥識別手順（２１．１）の実施形態は、故障辞書（１６）から、観察された障害発生パターンの障害発生ビットに関連する故障を取り出すことができる。これらの故障を、１つ又は複数の欠陥候補と突き合わせることができる。欠陥識別手順（２１．１）の実施形態は、そのように取り出された欠陥を分析し、一致する欠陥候補のランキングされたリストを生成することができる。故障辞書を使用する欠陥識別の２つの非限定的な例示的技法を、下で提示する。

欠陥識別の第１の例示的技法
第１の例示的技法は、次の２つのプロセスを使用して動作する：（１）個々の障害発生パターンの障害発生ビットを分析することによる、欠陥候補の識別及びランキングと、（２）識別されランキングされた欠陥候補からの、分析された障害発生パターンによって示される挙動と一致する欠陥候補の識別及びランキング。この２つの例示的プロセスを、下で詳細に述べる。

１．個々の障害発生パターンの障害発生ビットを分析することによる、欠陥候補の識別及びランキング
１．ａ．故障／欠陥分類
前に説明したように、この議論のための故障辞書は、故障ごとに限られた個数の障害発生応答だけを記録する。この個数が、Ｎであるものとする。従って、各障害発生デバイスに関連する障害データを分析する時に、この例示的方法は、最初のＮ個の障害発生パターンの障害発生ビットに関連するエントリを取り出す。

これらの障害発生パターンＶ_ｉ，ｉ＝（１，２，…，Ｎ）について、障害発生ビットの個数が、Ｍ_ｉであり、Ｍ_ｉ個のビットのそれぞれについて、故障の関連する集合が、Ｆ_ｉｊ（ｊ＝１，２，…，Ｍ_ｉ）であると仮定する。幾つかの故障が、複数の集合に現れる可能性がある。量ｆ_ｏｃｃを、各故障ｆに割り当てて、ｆがこれらのＭ_ｉ個の集合に現れる回数を記録することができる。ここで、ｍｉｎ｛ｆ_ｏｃｃ｝＝１，ｍａｘ｛ｆ_ｏｃｃ｝＝Ｍ_ｉである。幾つかの実施形態で、パターンＶ_ｉをシミュレートする時に故障ｆが伝播した観察点の個数を、故障辞書にｆ_ｏｓｉｍとして記録することができる。ｆ_ｏｃｃと、ｆ_ｏｓｉｍと、Ｍ_ｉとの値に基づいて、故障集合Ｆ_ｉ＝Ｆ_ｉ１∪Ｆ_ｉ２∪…∪Ｆ_ｉ，Ｍｉを、この例示的実施形態で次の４つのタイプに分類することができる：
タイプＩ：Ｆ_Ｉ＝｛ｆ：ｆ_ｏｃｃ＝ｆ_ｏｓｉｍ＝Ｍ_ｉ｝、これは、予測された故障挙動が、観察された挙動と完全に一致することを暗示する、
タイプＩＩ：Ｆ_ＩＩ＝｛ｆ：ｆ_ｏｃｃ＝ｆ_ｏｓｉｍ＜Ｍ_ｉ｝これは、故障によって予測された出力誤りが、観察された出力誤りの部分集合であることを暗示する、
タイプＩＩＩ：Ｆ_ＩＩＩ＝｛ｆ：ｆ_ｏｃｃ＝Ｍ_ｉ＜ｆ_ｏｓｉｍ｝、これは、故障によって予測された出力誤りが、観察された出力誤りの超集合であることを暗示する、
タイプＩＶ：Ｆ_ＩＶ＝｛ｆ：ｆ_ｏｃｃ＜Ｍ_ｉ且つｆ_ｏｃｃ＜ｆ_ｏｓｉｍ｝、これは、故障によって予測された出力誤りが、観察された出力誤りと部分的にオーバーラップすることを暗示する。

図３３は、予測された故障の挙動と観察された挙動とが異なる関係を有する４つの例を示す。Ｆ_ｉ＝Ｆ_Ｉ＋Ｆ_ＩＩ＋Ｆ_ＩＩＩ＋Ｆ_ＩＶであることを、示すことができる。

故障について上で導入された量及び分類は、欠陥について使用される量及び分類に変換することができる（例えば、類似する数と集合ｄ_ｏｃｃ、ｄ_ｏｓｉｍ、及びＤ_ｌ（ｌ＝Ｉ，ＩＩ，…，ＩＶ）とを使用して）。一般に、故障から欠陥への直接のマッピング関係が、存在し、故障辞書内の各故障は、通常、それが表す欠陥を示すＩＤを有する。欠陥は、単一の故障又は複数の故障としてモデル化することができる。両方の場合で、ｄ_ｏｃｃと、ｄ_ｏｓｉｍと、Ｄ_ｌ（ｌ＝Ｉ，ＩＩ，…，ＩＶ）とを、ｆ_ｏｃｃと、ｆ_ｏｓｉｍと、Ｆ_ｌ（ｌ＝Ｉ，ＩＩ，…，ＩＶ）とから直接に導出することができる。

１．ｂ．個々のパターン一致
タイプＩ欠陥は、観察された挙動と一致するので、通常は最も高くランキングされなければならない。タイプＩ欠陥に割り当てられる優先順位パラメータが、λ_１（０＜λ_１≦１）であるものとする。通常、λ_１には、１がセットされる。

しかし、複数のタイプＩＩ欠陥が、観察された挙動を説明する場合がある。タイプＩＩ欠陥の組み合わされた集合が、観察されたものと同一の挙動をもたらす場合には、これらも、候補リスト内で高くランキングされなければならない。これらのタイプＩＩ欠陥に割り当てられる優先順位パラメータが、λ_２であるものとする。通常は、λ_２＝λ_１である。この例示的方法は、次のように定式化できる集合カバー問題（ｓｅｔ ｃｏｖｅｒ ｐｒｏｂｌｅｍ）を解くことによって、タイプＩＩ欠陥候補を識別する。

タイプＩＩ集合が、Ｓ個の欠陥からなると仮定すると、１つの変数ｘ_ｊ（ｘ_ｊ∈｛０，１｝）を、欠陥ごとに作成することができる。一実施態様によれば、この変数は、対応する欠陥が候補として選択される場合に１、そうでない場合に０になる。

，Ａ_ｌ，ｊ∈｛０，１｝の下で

になり、ＡがＭ_ｉ×Ｓ行列である、｛ｘ_ｊ｝を、見つけることができる。Ａ_ｌ，ｊは、欠陥ｊが、ｌ番目の出力の誤りを説明する場合に１になり、そうでない場合に０になる。閾値η_１は、複数の欠陥候補の個数を制限するためにセットされる。例えば、４つ以上の欠陥が、存在し、特定のパターンの下で同時に出力に現れることは、ありそうにないと考えることができ、従って、閾値η_１には、幾つかの実施形態で３をセットすることができる。図３４は、観察された障害発生ビットが、２つの異なるタイプＩＩ欠陥によってもたらされる障害発生ビットの組合せである例を示す。

タイプＩＩＩ欠陥は、挙動が故障モデルによって完全には取り込まれていない欠陥を表す。例えば、ブリッジング障害のビザンチン将軍問題は、誤りに、ブリッジされたノードのファンアウトのサブセットから下流で発生させる。しかし、シミュレーション中に使用される通常の４ウェイ・ブリッジング故障モデルは、あるブリッジ・ノード（犠牲側）のすべてのファンアウトが、故障の値を取ると仮定する。その結果、４ウェイ・ブリッジング故障によって導入される誤りは、実際のブリッジ欠陥によって影響されるはずのものより多数の回路出力に伝播され得る。モデル化されない挙動も、他の形で診断に影響し得ることは、明確である。例えば、モデル化されない挙動が、故障モデルによって導入される誤りに、実際の欠陥によって影響されるはずのものより少数の回路出力に現れさせることができ、或いは、故障モデルによって導入される誤りが、欠陥を絶対に活性化しないはずのテスト・パターンによって検出され得る。一般に、タイプＩＩＩ欠陥は、モデル化されない欠陥の部分集合をカバーすることしかできない。タイプＩＩＩ欠陥は、可能な候補であり、これらに割り当てられる優先順位パラメータは、λ_３（０＜λ_３≦λ_２）とすることができる。タイプＩＶ欠陥は、この例示的診断方法では候補として検討されない。

欠陥識別手順のこの第１プロセスの結果として、欠陥候補とそれに関連する一致の良さの定量的な量とのリストが、最初のＮ個の障害発生パターンについて生成される。障害発生パターンＶ_ｉ（ｉ＝１，２，…，Ｎ）のリストは、次の例示的フォーマットを有することができる。

Ｄ_ｃａｎｄ（Ｖ_ｉ）＝｛｛ｄ_１，λ_１｝，｛ｄ_２，λ_１｝，｛（ｄ_３，ｄ_４），λ_２｝，｛ｄ_５，λ_３｝，…｝ （２）

２．プロセス（１）によって作られた欠陥候補からの、すべての分析された障害発生パターンによって示される挙動と一致する欠陥候補の識別及びランキング
最も単純な場合に、単一の欠陥のシミュレーション結果は、最初のＮ個の障害発生パターンにまたがって、観察された挙動と一致する。Ｄ_ｃａｎｄ（Ｖ_ｉ）の共通の要素を単純に選択することによって、これらの種類の欠陥を識別することは、通常は自明である。しかし、テスト中の回路が、複数の欠陥を含み、これらの欠陥のそれぞれが、異なるテスト・パターンの下で現れる場合に、この手法は、失敗する可能性がある。故障モデルが、十分には正確でなく、その故障モデルによって予測された誤りが、観察された挙動と一致せず、従って、少数の説明されないテスト・パターンをもたらすことも、可能である。

プロセス（２）での欠陥識別問題は、次の集合カバー問題に定式化することができる。
最初のＮ個の障害発生パターンＶ_ｉと、関連する集合Ｄ_ｃａｎｄ（Ｖ_ｉ）とを与えられれば、集合Ｄ_ｃａｎｄ（Ｎ）を、

として定義することができる。変数ｙ_ｍ（ｙ_ｍ∈｛０，１｝）を、集合Ｄ_ｃａｎｄ（Ｎ）の要素ごとに作成することができる。一実施態様で、この変数は、対応する欠陥が候補として選択される場合に１になり、そうでない場合に０になる。もう１つの変数ｋ_ｍが、集合Ｄ_ｃａｎｄ（Ｎ）内の各要素のサイズを示すために作成される。例えば、要素｛（ｄ_３，ｄ_４），λ_２｝に関連する変数ｋ_ｍは、２である。

（ｉ＝１，２，…，Ｎ），Ｂ_ｉ，ｍ∈｛０，１｝の下で

になり、Ｂ_ｉ，ｍが、ｙ_ｍに対応するタプル｛ｄ_ｊ，λ_ｊ｝がＤ_ｃａｎｄ（Ｖ_ｉ）に含まれる（即ち、｛ｄ_ｊ，λ_ｊ｝∈Ｄ_ｃａｎｄ（Ｖ_ｉ））の場合に１になり、それ以外の場合に０になる、｛ｙ_ｍ｝を、見つけることができる。閾値η_２は、候補空間のサイズを制限するためにセットすることができる。例えば、回路内に存在する欠陥の個数が３個を超える可能性が低いことを考慮して、η_２に、一実施態様で３をセットすることができる。

図３５は、観察された障害発生挙動を、複数の欠陥ｄ_２及びｄ_３の組み合わされたシミュレーション結果によって説明できることを示す例である。この集合カバー問題に対する解の集合は、観察された障害発生挙動に完全に又は部分的に一致する単一の欠陥又は複数の欠陥を表す。欠陥候補を、その相対的な一致の良さに従って順序付けることができる。一致を審判する判断基準は、次の２つの観察に基づくものとすることができる：（１）特定の障害発生パターンに関する個々の一致について、最良の候補は、観察された出力誤りと一致する候補であり、これに、最大量の出力誤りを含む候補が続く。これは、パラメータλ_１と、λ_２と、λ_３とによって反映され、このパラメータは、前のセクションで述べた識別プロセスで定義されたものであり、（２）正しい候補は、通常、より多くの個数の障害発生パターンを説明する。これを考慮に入れるために、パラメータβ_ｉ（０＜β_ｉ＜０．５）を、Ｖ_ｉ（ｉ＝１，２，…，Ｎ）ごとに定義することができる。λ及びβを、欠陥候補ごとの一致の良さの定量的な量を計算するために組み合わせることができる。次の擬似コードは、一致量γを欠陥候補ｄ_ｊについて計算できる１つの例示的な形を示す：
１．γ←１；
２．ｌｏｏｐ ｉ＝１，２，…，Ｎ
３．ｉｆ｛ｄ_ｊ，λ_ｊ｝∈Ｄ_ｃａｎｄ（Ｖ_ｉ）ｔｈｅｎ γ←γ×λ_ｊ，
ｅｌｓｅ γ←γ×β_ｉ；
４．ｅｎｄ ｌｏｏｐ。
上の擬似コードから、γが大きいほど、候補が、観察された挙動によく一致することがわかる。

この例示的識別手順は、故障辞書に障害ごとにＮ個までの障害発生応答が保管されるので、最初のＮ個の障害発生パターンを分析する。情報が、残りの障害発生パターンを分析するのを助けるために使用可能である場合には、より高い診断分解能を、達成することができる。例えば、欠陥がある回路の障害ログには、Ｎ_０個（Ｎ_０＞Ｎ）の障害発生パターンが含まれる。欠陥ａ及びｂは、最初のＮ個の障害発生パターンにわたって同一の故障シグネチャを共有し、従って、これらは、区別不能であり、等価クラス（ｅｑｕｉｖａｌｅｎｔ ｃｌａｓｓ）にあると言われる。しかし、ａが、テスト・セットがシミュレートされた時にＮ_０個の障害をもたらし、ｂが、Ｎ個の障害を引き起こすだけであることがわかっている場合には、欠陥ａを、より可能性の高い候補として識別することができる。

識別手順の後に、欠陥候補リストと関連する一致の良さの量とを、上で述べた情報によって較正することができる。テーブルを、テスト・セットをシミュレートしている間に作成して、欠陥ごとに、その欠陥が所与のテスト・セットによって検出された回数を記録することができる。例えば、障害ログに、欠陥のある回路のＮ_０個（Ｎ_０＞Ｎ）の障害発生パターンが含まれると仮定する。テーブルで示されるように、欠陥候補ｄ_ｊが、ｎ_ｄｊ回障害を発生し、ｎ_ｄｊ＜Ｎ_０−Ｎ_ｔｈである（Ｎ_ｔｈは、所定の閾値であり、Ｎ_ｔｈ＞０である）場合に、関連する一致品質量を、調整することができ、例えば、γ←γ×δ（０＜δ＜１）とすることができる。その結果、例示的診断方法は、最終的なリスト内に、γ＞γ_ｔｈであるＱ個の最高ランキングの候補を保持することができ、Ｑは、所定の限度である。これらのＱ個の候補に、同一クラスからではない候補が含まれる場合には、増分シミュレーション及び増分診断となどの技法を、候補を区別するのに使用することができる。代替案では、例示的手順は、欠陥候補の一致の良さの量と欠陥に関連する他の確率的量とに基づいて、かかわりあいのあるクラスに尤度クレジットを割り当てることができる。診断システムの構成に応じて、増分シミュレーション及び増分診断を、どの欠陥クラスが観察された挙動を説明するかを識別するために２ステップ手順が失敗する時に必ず、又はある個数の欠陥集積回路が欠陥クラスを成功して識別せずに発生した後に診断システムによって必要と考えられる時に、呼び出すことができる。

欠陥識別の第２の例示的技法
このセクションでは、欠陥識別の第２の例示的技法を述べるが、この議論は、故障辞書をどのように作成できるかの議論を続け、これに、情報をその辞書からどのように取り出すことができるかの議論が続く。

１．故障辞書の作成
普通の故障辞書（又はシソーラス）は、通常、現代のマルチ・ミリオン・デザイン（ｍｕｌｔｉ−ｍｉｌｌｉｏｎ ｄｅｓｉｇｎ）の物理メモリにロードするには大きすぎ、或いは、採用されるエンコーディング技法に起因してアクセスするのに非効率的すぎる。このセクションでは、大量の故障検出情報のストレージを可能にし、テスト結果処理中の保管された故障検出情報への効率的なアクセスを可能にする、圧縮辞書方式の実施形態を、説明する。開示される方式の実施形態を使用すると、大量の生産テスト結果を、すばやく処理でき、デフェクティビティ（ｄｅｆｅｃｔｉｖｉｔｙ）機構情報を、導出することができる。

例示のために、この議論は、図４６を参照するが、図４６は、回路に埋め込まれた例示的なファンアウト・フリー領域を示す。この例示的な領域には、１つのＮＡＮＤゲートと１つのＯＲゲートとが含まれる。信号ｓは、このファンアウト・フリー領域の「ステム」と呼ばれ、信号線ａと、ｂと、ｃと、ｄとは、内部信号である。例示のみのために、組合せテスト・パターン・セットだけが、この回路をテストするのに使用されると仮定する。しかし、この仮定を、限定的と解釈してはならない。というのは、説明される方法論を、当業者が、他のタイプのテスト・パターンと共に使用するためにたやすく適合させることができるからである。

単一の故障は、通常、多数の異なるテスト・パターンによって検出することができる。更に、異なる検出テスト・パターンによって作られる特定の故障に関する観察点組合せは、しばしば、回路ロジックの構造的制約に起因して、非常に似ている。例えば、所与の故障に関する独自の観察点組合せの個数は、通常は少なく、ある故障に関する検出テスト・パターンの総数は、多数の故障がランダム・テスト可能なので、はるかに多くなり得る。従って、一実施形態によれば、故障辞書のサイズは、独自の観察点組合せごとに１つの一意ＩＤを割り当てることによって縮小することができる。ある故障の検出テスト応答が、保管される時に、すべての検出テスト・パターンについてすべての観察点をリストするのではなく、対応する観察点組合せの一意ＩＤが、メモリ使用量を減らすために使用される。この技法は、多数の観察点を有する頻繁に使用される観察点組合せに特に効果的になり得る。というのは、観察点組合せのメモリ・コストが、多数のテスト・パターンと多数の故障とにまたがって徐々に減らされるからである。

例えば、故障ａ ｓｔｕｃｋ−ａｔ−１が、テスト・パターンｐによって、幾つかの観察点で検出される場合に、故障ｓ ｓｔｕｃｋ−ａｔ−０も、観察点の同一のリストで検出される。これは、内部故障ｃ ｓｔｕｃｋ−ａｔ−１とステム故障ｓ ｓｔｕｃｋ−ａｔ−１とについてもあてはまる。この観察に基づいて、故障辞書のサイズを、ステム故障ｓ ｓｔｕｃｋ−ａｔ−０とステム故障ｓ ｓｔｕｃｋ−ａｔ−１とに関する完全な検出テスト応答だけを保管することによって、更に減らすことができる。このファンアウト・フリー領域の名部信号に関連する他の１つ又は複数の故障について、検出テスト・パターンだけが、保管される必要があり、観察点情報は、故障ｓ ｓｔｕｃｋ−ａｔ−０又は故障ｓ ｓｔｕｃｋ−ａｔ−１の何れかから回復することができる。更に、１つの例示的実施形態で、ステム故障に関する検出テスト・パターンのうちの少なくとも幾つかが、リストに入れられ、ビット・マスクが、すべての非ステム故障について検出パターン情報を保管するのに使用される。

この技法は、抽出された欠陥（例えば、開路及びブリッジ）にも適用することができる。例えば、図４６の信号線ｄに開路欠陥があると仮定する。例示のために、この開路欠陥が、完全に開いていると仮定する。従って、ｄに接続されたＯＲゲートの入力ピンの電圧は、浮動になり、残留電荷と、物理的近傍との容量結合と、物理的近傍の電圧となどの多数の要因によって決定され得る。通常、開路欠陥は、ｓｔｕｃｋ−ａｔ−Ｘ故障としてモデル化され、これは、この欠陥が、あるテスト・パターンの下では故障ｄ ｓｔｕｃｋ−ａｔ−０として現れ、他のテスト・パターンの下では故障ｄ ｓｔｕｃｋ−ａｔ−１として現れ得ることを意味する。故障ｄ ｓｔｕｃｋ−ａｔ−０及び故障ｄ ｓｔｕｃｋ−ａｔ−１の検出テスト応答は、それぞれステム故障ｓ ｓｔｕｃｋ−ａｔ−０の部分集合及びステム故障ｓ ｓｔｕｃｋ−ａｔ−１の部分集合なので、ビット・マスクを、基礎としてステム故障の欠陥テスト応答を使用することによって、この開路欠陥の検出テスト応答を効果的に取り込むのに使用することができる。

更に、信号線ｃとｇとの間のブリッジ欠陥を検討されたい。このブリッジ欠陥が、支配的なタイプのブリッジのように振る舞い、ここで、ｇが、侵略側であり、ｃが、犠牲側であると仮定する。統計的には、このブリッジは、信号線ｃとｇとが反対の論理値を有する時に活性化され、このブリッジは、ｇが「０」である時には故障ｃ ｓｔｕｃｋ−ａｔ−０のように振る舞い、ｇが「１」である時には故障ｃ ｓｔｕｃｋ−ａｔ−１のように振る舞う。前に述べた開路欠陥に似て、このブリッジの検出テスト応答を保管するためには、少数のビットだけが、どのパターンがこのブリッジ欠陥を検出できるかを示すために必要であり、詳細な検出観察点は、ステム故障ｓ ｓｔｕｃｋ−ａｔ−０及びｓ ｓｔｕｃｋ−ａｔ−１の完全な検出テスト応答を参照することによって回復することができる。

故障辞書には、通常、故障辞書内のさまざまな故障及び欠陥の間に大量の情報冗長性が含まれる。開示されるテクノロジの特定の実施形態によれば、検出テスト応答の直接記述を置換するために１つ又は複数のビット・マスク及び／又は一意ＩＤを使用する故障辞書を、作成することができる。従って、故障辞書の情報冗長性及び最終的なサイズが、実質的に減らされる。テスト結果処理中の望ましく高速のアクセスを達成するために、完全な故障辞書を、専用の階層アーキテクチャに編成することができる。従って、複雑で時間集中型のエンコーディング方法（ハフマン・コーディング及びＬＺＷエンコーディングなど）を、避けることができる。

１つの特定の例示的実施態様では、圧縮辞書が、次のように構築される：ターゲットにされる故障の１つ又は複数の可能な観察点組合せ（例えば、すべての観察点組合せ）と欠陥（例えば、すべての欠陥）とが、選択された集積回路設計について識別され、観察点組合せのグループ（時々、観察点組合せプールと呼ばれる）に置かれる。次に、観察点組合せのそれぞれに、将来の参照のためにＩＤ（例えば、一意ＩＤ）を割り当てることができる。より効率的なアクセスをもたらすために、観察点組合せを、ハッシュ化することができる。例えば、各観察点組合せに含まれる観察点のＩＤを、ハッシュ・キーを計算するのに使用することができる。検出テスト応答を、いわゆる「擬似故障」のリストについて集めることができ、この「擬似故障」は、他の故障及び欠陥の基礎として使用される故障を指す。擬似故障のテスト応答を集める１つの可能な形は、設計の１つ又は複数のファンアウト・フリー領域（例えば、すべてのファンアウト・フリー領域）についてステムｓｔｕｃｋ−ａｔ−Ｘ故障を使用することに基づく。所与のファンアウト・フリー領域について、ステムｓｔｕｃｋ−ａｔ−Ｘ故障を、シミュレートすることができ、検出テスト応答が、保管される（例えば、検出テスト・パターンのリストとして）。この例示的実施態様では、ＩＤの対が、検出テスト・パターンごとに使用される。例えば、第１のＩＤは、テスト・パターンを表す（又は示す）ことができ、第２のＩＤは、上で確立されたプール内の観察点組合せを参照することができる。擬似故障のリストを、更に、より高速のアクセスのためにソートすることができる。例えば、すべての擬似故障を、対応するファンアウト・フリー領域のＩＤに基づいてソートすることができ、これによって、バイナリ・サーチを使用することによって所与のファンアウト・フリー領域に関する擬似故障をすばやく見つけることが可能になる。これらの動作は、圧縮辞書の基礎を作成するために実行することができる。基礎が作成された後に（又は基礎が作成されつつある時に）、１つ又は複数の他の故障又は欠陥の検出テスト応答を、対応する擬似故障に基づいてビット・マスクに圧縮することができる。例えば、所与の故障ｆについて、それに対応する擬似故障ｐｆの検出テスト・パターンの個数に対応する長さを有するビット・マスクを、検出テスト応答を圧縮するのに使用することができる。使用時に、ｆが、ｐｆと同一の形でテスト・パターンによって検出される場合に、ビット・マスク内の対応するビットが、セットされ、そうでない場合には、そのビットは、リセットされる（又は、実施態様に応じてその逆）。

ほとんどの故障及び欠陥に関して、対応する欠陥テスト応答を、ビット・マスクに圧縮することができ、それに応じて、故障辞書のサイズが、減らされる。説明される圧縮技法の実施形態が、働かない情況で（例えば、内部故障ｆが、所与のテスト・パターンによってそのステム故障と異なる形で検出される場合に）、別々の項目を、作成し、使用して、パターンＩＤと観察ポイント組合せＩＤとの対に基づいて、ｆのこの検出パターンを記述することができる。更に、同一の擬似故障に関連する故障のうちの１つ又は複数を、テスト結果処理中のより効率的なアクセスを可能にするために、故障リスト全体の中で近傍として配置することができる。

上で説明した実施形態を、決して限定的と解釈してはならない。というのは、代替の又は補足的な技法を、故障辞書圧縮の他の望ましい特徴又は改善を実現するために実行できるからである。例えば、判定された観察点組合せの間に多数の類似性が存在するという観察に基づいて、観察点組合せプールに関するメモリ要件を、観察点組合せのグループからの観察点組合せのうちの１つ又は複数を増分式に記述することによって、更に減らすことができる。例えば、ある種の実施形態では、ベース観察点組合せからの相違だけが、観察点組合せごとに保管される。もう１つの可能な実施形態は、擬似故障の個数を減らす（従って、擬似故障に関する検出テスト応答を保管するのに使用されるメモリを減らす）。例えば、ファンアウト・フリー領域ごとに擬似故障を作成するのではなく、複数のファンアウト・フリー領域（例えば、密接に関連するファンアウト・フリー領域）を、組み合わせることができ、単一の擬似故障を、組み合わされた領域内の故障について作成することができる。

更に、出力応答コンパクタが使用されるアーキテクチャで、上で説明した例示的な辞書圧縮方式の実施形態を、使用することもできる。例えば、コンパクト化された検出テスト応答を、提案される技法を使用して故障辞書に保管することができ、コンパクト化の前の元々のテスト応答を回復する必要なしに、テスト結果処理に直接に使用することができる。更に、圧縮技法の例示的実施形態が、例示のみのために静的な故障及び欠陥に適用されるものとして説明されることを理解されたい。この技法は、タイミングに関連する動的な故障及び欠陥に適用することもできる。例えば、ａｎ−ｓｐｅｅｄテスト・パターン・セットが適用される時に、検出テスト応答を、トランジション故障及びタイミング関連欠陥について計算することができる。観察点組合せを、すべてのトランジション故障について計算し、観察点組合せのグループ（例えば、観察点組合せプール）に置くことができる。擬似故障の検出テスト応答を、例えば、ステムのｓｌｏｗ−ｔｏ−ｒｉｓｅ故障及びｓｌｏｗ−ｔｏ−ｆａｌｌ故障に基づいてファンアウト・フリー領域ごとに計算することができる。他のトランジション故障及びタイミング関連故障を、対応する擬似故障をテンプレートとして使用することによって、可能な時に必ず、ビット・マスクに圧縮することができる。静的とａｔ−ｓｐｅｅｄとの両方のテスト・パターンを有するテスト・パターン・セットについて、２つの故障辞書を、静的な故障及び欠陥とタイミング関連の故障及び欠陥とについて別々に作成することができる。一実施形態で、この２つの故障辞書は、テスト結果分析中に順次アクセスされる。

２．辞書からの情報の取出し
テスト結果処理中に、圧縮辞書は、故障及び抽出された欠陥に関する保管された欠陥テスト応答の効率的な取出しと、障害を発生している集積回路の高速診断とを可能にし、大量生産テストの分析に必要な高スループットをもたらす。診断中に、障害を発生している回路のすべての失敗するテスト・パターンが、個別に分析される。所与の失敗するテスト・パターンについて、この失敗するテスト・パターンを説明できるすべての被疑物が、次の手順によって識別される：現在の失敗するテスト・パターンの観察点組合せのＩＤが、まず、観察点組合せプールを検索することによって判定され、次に、このテスト・パターンを説明できるすべての擬似故障が、失敗しているテスト・パターンのＩＤと失敗しているテスト・パターンの観察点組合せのＩＤとを比較することによって識別される。この失敗しているテスト・パターンの被疑物リストは、上で判定された擬似故障に関連するすべての故障及び欠陥のビット・マスクを検査することによって識別することができる。この手順を、すべての失敗するテスト・パターンについて繰り返すことができる。最後に、それぞれが少なくとも１つの失敗するテスト・パターンを説明する、被疑物のリストが、判定される。このリストを、更に処理して、潜在的な欠陥（又は欠陥候補）のリストを生成することができ、この欠陥又は欠陥候補は、失敗するテスト・パターンのすべて又は少なくとも大多数と、任意選択として、合格するテスト・パターンとを説明することができるはずである。更に、潜在的な欠陥のリストに、識別された潜在的な欠陥に関連する追加情報を含めることができる。例えば、次のプロパティのうちの１つ又は複数を、更に、潜在的欠陥のリスト内の潜在的欠陥に関連付けることができる：（ａ）各々の潜在的欠陥を他の潜在的欠陥から区別する欠陥識別子と、（ｂ）各々の潜在的欠陥を抽出するのに使用された欠陥抽出ルールを識別する被導出ルール識別子と、（ｃ）各々の潜在的欠陥を抽出するのに使用された欠陥抽出ルールがそれから導出された設計製造ルールを識別する設計製造ルール識別子と、（ｄ）集積回路設計の物理的レイアウト内の各々の潜在的欠陥の物理的位置と、（ｅ）集積回路設計の物理的レイアウト内の各々の潜在的欠陥の物理的プロパティと、（ｆ）他の潜在的欠陥に対する相対的な各々の潜在的欠陥のランキング。

増分シミュレーション（２１．２）
欠陥のある回路の障害ログには、欠陥識別手順（２１．１）によって分析されない障害発生パターンが含まれ得る。増分シミュレーション手順（２１．２）は、これらの障害発生パターンのうちの１つ又は複数をシミュレートするのに使用することができる。１つの例示的実施形態によれば、シミュレートされる欠陥は、ランキングされた候補リストから選択される。更に、故障辞書計算プロセスで使用されるものと同一の故障モデルを、検討中の欠陥に適用することができる。欠陥を表す故障のどれもが、観察された障害発生挙動と一致しない場合に（一致の良さを審判する判断基準は、欠陥識別プロセス（２１．１）でタイプＩと、ＩＩと、ＩＩＩとの欠陥について定義されたものに似たものとすることができる）、その欠陥を、候補リストから削除することができる。増分シミュレーションは、候補リストに残っている欠陥が１つのクラスに含まれるようになったならば、停止することができる。というのは、障害発生機構を、一意に識別できるからである。

増分診断（２１．３）
故障辞書の欠陥のどれもが、観察された障害発生挙動を説明できないことがありえる。その理由は、例えば、（１）その欠陥をモデル化する故障が、十分に正確ではなく、従って、幾つかのテスト・パターンの下で欠陥の挙動を十分に取り込むことができないか、（２）診断されている欠陥が、欠陥抽出ステージ中に潜在的な候補として考慮されなかった、である可能性がある。従って、欠陥の故障シグネチャが、故障辞書に保管されていない場合がある。

１つの例示的実施形態によれば、増分診断（２１．３）は、欠陥識別手順（２１．１）及び増分シミュレーション（２１．２）が空の候補リストを生成する場合に、観察された障害発生挙動を分析するのに使用することができる。増分診断（２１．３）は、例えば、図４７に示された高度診断構成要素（４７２６）によって実行することができる。例えば、影響−原因ベースの診断手順を、使用して、実際の応答を分析し、観察された挙動を潜在的に引き起こした欠陥を判定することができる。増分診断手順（２１．３）は、通常、候補のリスト並びに関連する故障タイプを作る。候補が、同一のクラスに含まれる場合に、歩留り低下パレート図を、分解能低下なしに更新することができる。そうでない場合に、確率的量を、これらの候補が属するクラスに割り当てることができる。

欠陥候補を、別々のファイルに保管することができ、このファイルは、後に、新しい欠陥ルールを学習するために使用することができる。又、欠陥辞書を、これらの欠陥候補に関する情報を組み込むことによって更新することができる。

グラフィカル表現計算（２１）（２２）
診断結果（２１．４）の１つ又は複数のグラフィカル表現を、図３１に示されたグラフィカル表現計算手順（２２）を使用して計算することができる。グラフィカル表現計算手順（２２）は、図４７に示された診断結果分析構成要素（４７１８）に対応する。診断データを使用して計算できる１つの例示的な表現が、パレート図である。従って、このセクションの残りでは、パレート図の生成を論じるが、集積回路内の潜在的欠陥の尤度を示す他のグラフィカル表現を、その代わりに計算できることを理解されたい。

パレート図計算には、設計内のさまざまな歩留りを制限する特徴の障害確率の計算が含まれる。この議論のために、用語「特徴」は、製造中に障害をこうむりがちな、従って少なくとも部分的に歩留り低下に寄与する、設計内の特性を指す。特徴の物理的具体化は、非常に特定の要素（例えば、長い距離にわたって最小限の間隔で互いに平行に走り、従ってブリッジングをこうむりがちな２つの金属線）から、より一般的な要素（例えば、設計内のすべてのネット又はライブラリ・セル）までの範囲にわたる可能性がある。このセクションでは、特徴を、ｆ_１，ｆ_２，…ｆ_Ｋと表す。所与の設計について、各特徴は、複数のインスタンスを有することができる（例えば、単一のビアは、奇形になり、開路につながりがちな特徴であり、設計には、数百万個の単一ビア・インスタンスがある可能性がある）。特徴ｆ_ｉのインスタンスを、

と表し、ここで、ｎ_ｉは、設計内のｆ_ｉのインスタンスの個数である。製造中に、各特徴が、潜在的に奇形になる可能性がある。本明細書で使用される時に、これが発生する確率を、ｐ_ｆａｉｌ（ｆ_ｉ）によって表す。開示されるテクノロジのある種の実施形態で、パレート図計算の目的は、生産中に収集された大量の診断結果から、異なる特徴の障害のこれらの確率を推定することである。

診断が、理想的である（例えば、障害を発生するダイごとに、診断が、障害の正確な原因を正確に指摘できる）場合に、障害確率の推定は、単純化されるはずであり、障害確率は、特徴が製造される回数に対する、特徴が障害を発生した回数の比率になる。しかし、実際には、診断は、必ず１００％正確であるわけではない。通常、診断（図４７に示されたテスト結果分析（４７１６）など）は、実際の障害発生特徴ではなく、欠陥のあるダイ内の障害の原因である可能性が高い被疑特徴のリストを作る。通常、これは、大抵、他の特徴での障害が、テスタで観察された欠陥のあるダイの挙動を同等に説明できるからである。従って、ブール値障害情報だけを使用すると、欠陥の実際の原因として、ある特徴の間で区別することは、むずかしいか不可能である可能性がある。例として、図４０に示された情況を検討されたい。この情況では、角対角ブリッジ及び側面対側面ブリッジなど、同一のネット対に関連する複数の特徴がある。この場合に、論理レベル診断だけを使用して、ネット対上のブリッジの実際の原因がどれであるかを判定することは、通常は不可能である。診断における曖昧さの他の原因は、論理レベルでは区別不能な、いわゆる「等価故障」である。例として、図４１に示された例示的バッファを検討されたい。バッファの入力及び出力での故障は、等価である。これは、特徴の障害確率を推定するタスクを些細でないタスクにする。要約すると、非常に多数の、障害を発生したダイ（ｆａｉｌｅｄ ｄｉｅ）の診断は、潜在的にダイごとの障害の原因でありえる被疑特徴（ｓｕｓｐｅｃｔ ｆｅａｔｕｒｅｓ）のリストを作るが提供される。例として、

一実施形態によれば、パレート図計算には、個々の特徴障害確率ｐ_ｆａｉｌ（ｆ_ｉ）の推定値を信頼できる形で計算するために、被疑特徴のリスト（上の例など）を分析することが含まれる。

次のセクションでは、個々の特徴障害確率を計算する２つの例示的方法を、説明する。しかし、これらの例示的方法は、限定的と解釈されてはならない。というのは、複数の追加の又は代替の方法を、開示されるテクノロジの任意の実施形態で使用することができるからである。第１の例示的方法では、反復手順が、特徴障害レートを計算するのに使用される。第２の例示的方法では、設計をより小さいブロックに区分することと、各ブロックの障害レートをそのブロック内に含まれる特徴に関係付けることとに基づく線形回帰ベースの方法が、使用される。この２つの例示的方法を説明した後に、ウェハ・レベルのシステマティック欠陥原因によって導入されるバイアスという可能な問題に、対処する。そのような欠陥原因は、ウェハ上のある区域で、及びおそらくはダイ内の特定の領域で、ダイに影響する可能性がある。そのような欠陥の非ランダムな性質に起因して、そのような欠陥原因は、ある特徴に向かう誤ったバイアスを導入する可能性がある。これらの影響に対処する例示的技法も、下で説明する。

１．例示的な反復学習手順
ある種の例示的実施形態では、反復学習手順が、使用される。幾つかの実施形態で、この反復学習手順は、被疑特徴のリスト内の特定の特徴が、診断された被疑特徴インスタンスの所与のリストに関する障害の実際の原因である確率がどれほどかを判定することを含む。この確率は、未知変数ｐ_ｆａｉｌ（ｆ_ｉ）に関して記述することができる。この手順には、更に、この確率を使用してｐ_ｆａｉｌ（ｆ_ｉ）自体を推定することが含まれる。これが、各特徴の障害レートを推定するために反復的な形で解くことができる連立方程式を作る。

それに関する診断が次の被疑特徴インスタンス

を作る、欠陥のあるダイを検討されたい。まず、このダイ内の実際の障害発生特徴インスタンスが、被疑特徴インスタンスのこのリストに含まれると仮定する。上の診断結果を与えられて、このダイ内の欠陥の実際の原因が

である確率は、確率理論を使用して、２つのイベントＡとＢとを
Ａ＝

が、故障のあるダイ内の欠陥の唯一の原因であり、
Ｂ＝特徴インスタンス

のうちの少なくとも１つが、故障のあるダイ内の欠陥の原因である
と定義することによって判定することができる。Ｂを与えられた場合のＡの条件付き確率は、Ａ⊂Ｂなので、

である。ここで、すべての特徴が、独立に障害を発生すると仮定すると、イベントＡ及びイベントＢの確率は、

と

とによって与えることができる。式（４）及び（５）を式（３）に代入することによって、この条件付き確率は、

になる。ここで、個々の特徴障害確率は、１０^−８程度になると期待することができ、そうでない場合には、ほとんどすべての製造されたダイが、複数の障害を有し、歩留りが、ほとんど０になる。この仮定の下で、ｐ_ｆａｉｌ（ｆ_ｉ）^２、ｐ_ｆａｉｌ（ｆ_ｉ）^３、ｐ_ｆａｉｌ（ｆ_ｉ）ｐ_ｆａｉｌ（ｆ_ｉ）などの式（６）の高次の項は、１次の項よりはるかに小さくなり、従って、無視することができる。この単純化を用いると、式（６）は、

になる。一般に、診断によって判定された次の特徴被疑リスト
ｆ_１のｘ_１個のインスタンス
ｆ_２のｘ_２個のインスタンス
…
ｆ_Ｋのｘ_Ｋ個のインスタンス
を有する、障害のあるダイについて、その障害のあるダイ内の欠陥の実際の原因がｆ_ｉのインスタンスである確率は、

によって与えることができる。次に、式（８）を、ｐ_ｆａｉｌ（ｆ_ｉ）のエスティメータを展開するのに使用することができる。もう一度、障害のあるダイ内の診断された被疑物のリストが

である、前の例を検討されたい。従って、この事例では、特徴ｆ_１及びｆ_２のそれぞれの１つの被疑インスタンスと、特徴ｆ_３の２つの被疑インスタンスとがある。ここで、例示のために、類似する診断被疑リストを有するＮ_{ｓｉｍｉｌａｒ}個の他の障害を発生したダイがあると仮定する。即ち、被疑リストには、ｆ_１及びｆ_２のそれぞれの１つのインスタンスと、ｆ_３の２つのインスタンスとが含まれる。従って、Ｎ_{ｓｉｍｉｌａｒ}個の障害を発生したダイからの平均では、障害の実際の原因が特徴ｆ_２のインスタンスであるダイの個数は、

によって与えられる。この例から、上の例の障害を発生したダイが、障害を発生したダイの集合全体の特徴ｆ_２の障害カウントに
Ｐ（ｆ_２のインスタンスが欠陥の実際の原因である／診断結果（Ａｎ ｉｎｓｔａｎｃｅ ｏｆ ｆ_２ ｉｓ ｔｈｅ ａｃｔｕａｌ ｃａｕｓｅ ｏｆ ｄｅｆｅｃｔ／Ｄｉａｇｎｏｓｉｓ Ｒｅｓｕｌｔｓ））
だけ寄与することがわかる。言い換えると、障害を発生したダイの集合を与えられれば、ｆ_ｉのｘ_ｉ個のインスタンスを有する診断被疑リストを有するダイは、ｆ_ｉの特徴障害カウントに

だけ寄与する（式（８）から）。上の式によって与えられる、ｆ_ｉの障害カウントへの各障害を発生したダイの寄与を、加算することができ、その合計を、ｎ_ｉＮ_{ｍａｎｕｆ}によって除算して、ｐ_ｆａｉｌ（ｆ_ｉ）の推定値を得ることができる。

この例示的技法を要約するために、Ｎ_{ｍａｎｕｆ}個の製造されたダイがあると仮定する。更に、これらのうちで、Ｎ_ｆａｉｌ個が、欠陥があることがわかり、診断されると仮定する。

が、障害を発生したダイｌ（１≦ｌ≦Ｎ_ｆａｉｌ）の被疑リスト内の特徴ｆ_ｉのインスタンスの個数を表すものとする。特徴ｆ_ｉの障害レートは、この例示的実施形態に従って、

として推定することができる。従って、未知変数ｐ_ｆａｉｌ（ｆ_ｉ）と既知の診断結果との非線形連立方程式が、存在する。これらの式は、ｐ_ｆａｉｌ（ｆ_ｉ）値のある初期予想値から始めて、解に向かって反復的に収束する、反復的な形で解くことができる。従って、この例示的技法は、反復特徴障害レート学習手順として特徴を表すことができ、開示される実施形態の何れとも共に使用することができる。

２．設計ブロックに対して線形回帰を使用する例示的手順
このセクションでは、診断結果から特徴障害レートを推定するもう１つの例示的な方法を、説明する。この例示的な方法は、前のセクションで説明した反復手順の上に構築される。

この例示的方法では、回路設計全体が、Ｂ個の類似するサイズのブロックに区分される。各ブロックは、「より小さいダイ」として特徴を表すことができ、この「より小さいダイ」には、設計内の特徴インスタンスの部分集合が含まれる。設計内の自然な変動に起因して、特徴インスタンスの分布は、ブロックごとに変化する可能性が高い。例えば、２つの特徴即ち、ｆ_１＝金属層３と４との間の単一ビアと、ｆ_２＝金属層１と２との間の単一ビアとを検討されたい。設計の１セクションが、ｆ_２より多数のｆ_１のインスタンスを含むことができ、異なるセクションが、ｆ_１と比較してより多くのｆ_２インスタンスを有することができる。従って、異なる設計ブロックは、別個の特性を有することができる。従って、設計ブロックの障害レートをそのブロック内の特徴インスタンスに関係付けることによって、予測子変数としてｐ_ｆａｉｌ（ｆ_ｉ）を、観察された変数としてブロック障害レートを有する回帰モデルを、構築することができる。その結果、特徴の障害レートを、標準的な回帰技法を使用して推定することができる。例えば、Ｎ．Ｄｒａｐｅｒ及びＨ．Ｓｍｉｔｈ、「Ａｐｐｌｉｅｄ Ｒｅｇｒｅｓｓｉｏｎ Ａｎａｌｙｓｉｓ」（Ｗｉｌｅｙ−Ｉｎｔｅｒｓｃｉｅｎｃｅ、１９９８年）を参照されたい。各設計ブロックの障害レートも、前のセクションで説明した反復手順の実施形態を使用して、診断結果から判定することができる。この形で特徴障害確率を判定することには、少なくとも２つの可能な利点がある。第１に、設計内のブロックのうちの半分を、ｐ_ｆａｉｌ（ｆ_ｉ）を推定するために回帰モデルをトレーニングするのに使用することができる。これらの推定は、これらを使用して残りの半分のブロックの障害レートを予測することと、これらを診断結果からの測定された障害レートと比較することとによって検証することができる。従って、この方法は、結果を検証する組込み機構を有するものとして特徴を表すことができる。第２に、回帰の使用は、診断誤りを許容することを可能にする（例えば、欠陥のあるダイ内の障害の実際の原因である特徴インスタンスが診断被疑リストに含まれない診断誤り）。例えば、診断誤りが、設計ブロックにまたがって均等に分布すると仮定すると、誤りは、通常、回帰中に実質的に平均される。

２．１ ネットに基づく設計のブロックへの区分
設計を、多数の可能な形でブロックに区分することができる。ほとんどの特徴を、設計内のネットに関連付けることができるので、１つの例示的な技法は、ネットに基づいて設計を区分する。例えば、ＮＥＴが、設計内のすべてのネットの集合であるものとする。この集合が、Ｂ個の部分集合即ち、ＮＥＴ_ｓ，１≦ｓ≦Ｂに分割される場合に、これらの部分集合は、一般に、異なる設計ブロックを定義する。本技法の１つの例示的実施形態によれば、ＮＥＴを部分集合に分割できる形は、任意に選択することができる。しかし、結果の部分集合は、望ましくは、部分集合内の特徴が別個であるという上で述べた判断基準を満足しなければならない。更に、これらの部分集合は、望ましくは小さすぎない。そうでなければ、ｐ_ｆａｉｌ（ｆ_ｉ）の推定値が、統計的に信頼できないものになる可能性がある。

部分集合を選択する１つの例示的な形は、あるネットに関連する縮退故障が所与のテスト・パターン・セットについて観察されるスキャン・セルに基づく。より具体的に言うと、設計内のスキャン・セルが、まず、Ｂ個のグループにグループ化される。スキャン・セルのこのグループ化は、設計内のスキャン・チェーンに基づくものとすることができる（例えば、スキャン・チェーン内で互いに隣接するスキャン・セルを、同一グループに置くことができる）。設計内の縮退故障ごとに、観察スキャン・セルを、故障シミュレーションを使用して判定することができる。次に、ネットを、そのネットに関連する縮退故障がどのスキャン・セル・グループで観察されるかに基づいて、部分集合に置くことができる。例として、図４２に示された例示的設計を検討されたい。例のみのために、この例示的設計は、１つのスキャン・チェーンだけを有する。この設計が、望ましく２つのブロックに区分されると仮定する。これを達成するために、ネットの集合ＮＥＴを、２つの部分集合即ちＮＥＴ_１とＮＥＴ_２とに分割することができる。次に、スキャン・セルを、図４２に示されているように、２つのグループ即ちＧ_１とＧ_２とにグループ化することができる。まず、例のネットｎｅｔ_ａを考慮すると、それに関連する４つの故障（Ａ ｓｔｕｃｋ−ａｔ−１と、Ａ ｓｔｕｃｋ−ａｔ−０と、Ｂ ｓｔｕｃｋ−ａｔ−１と、Ｂ ｓｔｕｃｋ−ａｔ−０）が、グループＧ_１内のスキャン・セルで観察されることを、観察することができる。その結果、このネットを、ＮＥＴ_１に含めることができる。幾つかのネットについて、それに関連する故障が、複数のスキャン・セル・グループ内で観察される場合があることに留意されたい。例えば、ｎｅｔ_ｅは、そのようなネットである。というのは、故障Ｃ ｓｔｕｃｋ−ａｔ−０及びＣ ｓｔｕｃｋ−ａｔ−１が、スキャン・セル・グループＧ_１内で観察されると同時に、故障Ｄ ｓｔｕｃｋ−ａｔ−０及びＤ ｓｔｕｃｋ−ａｔ−１が、Ｇ_２内で観察されるからである。１つの例示的実施態様によれば、そのようなネットは、部分集合の何れか１つに任意に置くことができる。

２．２ ブロック障害レートの判定と特徴への関係付け
設計をブロックに区分したならば、各ブロックの障害レートを、診断結果から判定することができる。障害レートを判定する１つの例示的技法は、次の通りである。被疑設計ブロック（又はサブネットＮＥＴ_ｓ）のリストを、診断された被疑ネットのリストから判定する。これらのブロックの障害確率を、反復手順（例えば、上のサブセクション（１）で説明した反復手順）を使用して推定する。この議論のために、これらの障害レートを、

と表すものとする。次に、推定ブロック障害レートを、特徴障害レートに関係付けることができる。例えば、ある特徴インスタンスを、１つ又は複数のネット（単一ビアなどの特徴の場合には単一のネット、或いは、ブリッジなどの特徴の場合には２つのネット）に関連付けることができるので、部分集合ＮＥＴ_ｓに関連する特徴インスタンスを、判定することができる。例えば、ｙ_ｉｓが、サブ部分集合ＮＥＴ_ｓに関連する特徴ｆ_ｉのインスタンスの個数であるものとする。従って、ネットの部分集合ＮＥＴ_ｓ内に欠陥がある確率は、
Ｐ（ＮＥＴ_ｓに関連する少なくとも１つの特徴が障害を発生する）
＝１−Ｐ（ＮＥＴ_ｓに関連するすべての特徴が障害を発生しない）
又は、同等に、

によって与えることができる。やはり、上の近似は、ｐ_ｆａｉｌ（ｆ_ｉ）の値が１よりはるかに小さくなると期待されるという観察によって正当化することができる。上の式（１２）の連立方程式は、予測子変数としてｐ_ｆａｉｌ（ｆ_ｉ）を、観察された変数として

を有する線形回帰モデルを定義する。このモデルは、周知の回帰技法（例えば、最小二乗推定技法）を使用してｐ_ｆａｉｌ（ｆ_ｉ）の推定値を生成するのに使用することができる。例えば、Ｎ．Ｄｒａｐｅｒ及びＨ．Ｓｍｉｔｈ、「Ａｐｐｌｉｅｄ Ｒｅｇｒｅｓｓｉｏｎ Ａｎａｌｙｓｉｓ」（Ｗｉｌｅｙ−Ｉｎｔｅｒｓｃｉｅｎｃｅ、１９９８年）を参照されたい。

３．階層歩留り学習
ウェハのある区域内だけのダイに影響する、ある欠陥機構がある。例えば、焦点深度関連の問題は、ウェハの外側の縁にあるダイ内の欠陥だけを引き起こす場合がある。そのような問題の例を、図４３に示す。更に、ステッパ関連の問題は、ウェハの４つおきのダイ内だけに現れる場合がある。そのようなシステマティック欠陥機構は、すべてのダイに均等に影響するのではないので、特徴の障害レートに誤ったバイアスを与える可能性を有する。例として、あるウェハの周辺のダイが、設計内の特定のネットを別のネットにブリッジさせる焦点はずれ問題を有する情況を検討されたい。更に、このネット対に関連する角対角ブリッジ特徴があると仮定する。このウェハ上の多数のダイが、このシステマティック欠陥機構を示す可能性があるので、角対角ブリッジの障害レートが高いことが、認められ得る。しかし、この認識は、正しくない。というのは、ウェハの内部のダイが、この焦点はずれ問題によって影響されず、従って、対応するダイが、高い角対角ブリッジ障害レートを示さないからである。この問題を軽減するために、１つの例示的実施形態によれば、階層歩留り学習手順を、使用することができる。この手順の１つの例示的実施態様では、ウェハ上の位置に固有の欠陥機構に起因して障害を発生する障害発生ダイが、識別される。次に、これらのダイは、障害レート計算から除外され、従って、すべてのダイに均等には影響しないシステマティック問題によって導入される誤りが回避される。

幾つかの場合に、ウェハ位置に固有の欠陥機構は、非常に顕著である。そのような場合を、例えば、ウェハ上の欠陥のあるダイの位置を示すウェハ欠陥マップから識別することができる。ウェハ欠陥マップの例を、図４４に示す。しかし、他の場合に、システマティック問題が、規則的な障害発生ダイによって偽装され得る。単純なウェハ欠陥マップから識別するのがむずかしいそのような問題を発見する際の診断結果の使用は、有益になり得る。例として、ウェハ・レベルのシステマティック機構が、特定のネット（例えば、ｎｅｔ_ａ）内で、ウェハ上の特定の４つの位置に置かれたダイ内だけに欠陥を引き起こす（例えば、図４５に示されているように）場合を検討されたい。この微妙な機構は、ウェハ欠陥マップ（図４４）から識別するのが簡単ではない。しかし、この機構は、診断結果を使用して、いわゆる「ホット・ネット（ｈｏｔ ｎｅｔ）」を判定することによって発見することができる。一般的に言って、ホット・ネットは、他の類似するネットより不釣り合いに高いレートで障害を発生するネットとして特徴を表すことができる。図示の例では、ｎｅｔ_ａを、ホット・ネットとして指定することができる。障害を発生したダイ内のホット・ネットは、特徴を個々のネットであるものとすることと、その後、ネット障害レートを判定するために反復学習手順を使用することとによって、識別することができる。障害レートがある閾値より高いネットを、それに応じて、ホット・ネットとして分類することができる。１つの例示的な閾値は、ネットの期待される障害レートとすることができる。これは、そのネットに関連する特徴の障害レートから推定することができる。従って、あるネットが、期待されるより頻繁に障害を発生する場合に、そのネットを、ホット・ネットとして特徴を表すことができる。ホット・ネットが識別されたならば、例えば、ウェハ欠陥マップを、ホット・ネットを含む障害発生ダイだけを示すように更新することができる。結果のマップは、その結果、システマティック問題を示す（例えば、図４５に示されているように）。いわゆる「ウェハ・マップ視覚化ルール（ｗａｆｅｒ ｍａｐ ｖｉｓｕａｌｉｚａｔｉｏｎ ｒｕｌｅ）」を、使用して、ウェハ・マップに描かれる障害発生ダイを選択する判断基準を表すことができる。ウェハ・マップ視覚化ルールのタイプ又はカテゴリの他の例（ホット・ネット以外の）には、ある種のセル内で障害を有するダイ、ある種の金属層内で障害を有するダイ、又はこの技法のユーザが定義することを望む他のルールが含まれるが、これらに限定はされない。説明された視覚化方式は、大量の生産中診断の使用によって可能にされる。

４．テスト・エスケープ・レートの推定
テスト・セットが欠陥のあるダイ内の障害発生特徴インスタンスを検出できないので、幾つかの欠陥のある製造された集積回路が、テスト中に識別されない場合がある。そのようなダイを、テスト・エスケープと称し、特定のテスト・セットのテスト・エスケープ・レートを推定することが、しばしば望ましい。これは、開示されるテクノロジの幾つかの実施形態で、前のサブセクションで説明した大量診断結果から判定される特徴障害確率を使用して、次の例示的手順を使用して行うことができる。一般に、テスト・エスケープ・レートは、テスト・セットによって検出されたすべての特徴インスタンスが障害を発生しないのに、少なくとも１つのテストされない特徴インスタンスが障害を発生する確率である。ｕ_ｉが、テストによってカバーされない特徴ｆ_ｉのインスタンスの個数であるものとする。この個数は、テスト・セットの故障シミュレーションを使用して判定することができる。次に、テスト・エスケープの確率は、

によって与えられる。前と同様に、上の式の高次の項は、特徴確率が１よりはるかに小さくなると期待されるので、無視することができる。この近似を用いると、エスケープ確率は、

になる。上の計算を、特徴ごとの基礎で実行できることに留意されたい（例えば、各個々の特徴のエスケープ確率を、類似する形で計算することができる）。

通常、テスト・エスケープ・レートは、ｄｅｆｅｃｔｓ−ｐｅｒ−ｍｉｌｌｉｏｎ（ＤＰＭ）数として表され、このＤＰＭ数は、テストを受ける１００万個のダイのうちの欠陥のあるダイの個数である。上の式によって判定されるエスケープ確率は、１０^６による乗算によって、簡単にこの数に変換することができる。従って、ＤＰＭ数の推定は、開示されるテクノロジの実施形態によって取り込み、報告することのできる大量診断結果から推定された特徴障害確率のもう１つの用途を構成する。

５．パレート図計算の代替手順
このセクションでは、パレート図計算の代替手順を、述べる。上で述べたように、診断における曖昧さの１つの主要な源は、等価故障に由来し、この等価故障の対応する欠陥は、いわゆる「等価クラス」を形成することができる。欠陥の集合は、それに対応する故障が、同一のシグネチャを共有するが、追加情報がなければ区別できない場合に、等価クラスを形成する。等価クラスが、異なるクラスからの欠陥からなる場合に、診断手順が、実際の障害発生機構を識別することができない場合がある。議論を単純にするために、等価クラスは、以下では、異なるクラスからの要素を有する欠陥を指すのに使用される。

５．１ 誤り推定
Ｃ_ｔ＝｛Ｃ_ｔ１，Ｃ_ｔ２，…，Ｃ_ｔｋ｝が、等価クラスを表し、Ｃ_ｔｌが、ｌ番目のクラスの欠陥の個数を表すものとする。そのような等価クラスＣ_ｔに、欠陥識別手順（２１．１）で出会い、この等価クラスＣ_ｔが、増分シミュレーション（２１．２）及び増分診断（２１．３）の後に未解決のままである場合に、どの欠陥クラスが実際の原因であるかを知らなければ、診断手順は、通常、Ｃ_ｔに含まれる各クラスに確率クレジットを割り当てなければならない。Ｃ_ｔの各欠陥が、同等に発生する可能性があると仮定すると、割り当てられるクレジットを、クラスの欠陥の個数に関係付けることができる。例えば、

である。
Ｃ_ｉが、クラスｉの欠陥を含む等価クラスの集合を表すものとする。Ｎが、診断される欠陥のある回路の総数であるものとする。Ｎ_ｉ−ｕが、クラスｉ欠陥を有するものとして正確に診断できる欠陥のある回路の個数であるものとする。従って、欠陥クラスｉを有する回路の個数は、範囲［Ｎ_ｉ−ｕ，Ｎ_ｉ−ｕ＋｜Ｃ_ｉ｜］内にある。ワースト・ケースでは、クラスｉに関する診断された結果の誤りは、｜Ｃ_ｉ｜個である。従って、ｋ個のクラスに関する予測されたパレート図の曖昧さは、平均値

で測定することができる。

５．２ データ較正
歩留り低下機構の予測された分布は、望ましくは、統計的な意味で、等価クラスによって引き起こされる推定誤りを減らすことができるように較正される。図３２に示されているように、データ較正（２２．２）は、診断結果計算（２２．１）と共に反復的な形で実行することができる。

１つの例示的実施形態では、データ較正は、集合確率（ｓｅｔ ｐｒｏｂａｂｉｌｉｔｙ）という概念に基づく。例えば、Ｐ（Ｄ＝ｉ）（ｉ＝１，２，…）が、欠陥クラスｉが発生する確率であるものとし、Ｐ（Ｏ＝ｉ）（ｉ＝１，２，…）が、欠陥が診断によってクラスｉとして予測される確率であるものとし、Ｐ（Ｏ＝ｉ｜Ｄ＝ｊ）（ｉ，ｊ＝１，２，…）が、欠陥クラスｊが発生するという条件の下で欠陥がクラスｉとして予測される、条件付き確率であるものとする。確率理論に基づいて、式

が、成り立つ。Ｐ（Ｏ）が、ベクトル｛Ｐ（Ｏ_１），Ｐ（Ｏ_２），…，Ｐ（Ｏ_ｋ）｝であるものとし、Ｐ（Ｄ）が、ベクトル｛Ｐ（Ｄ_１），Ｐ（Ｄ_２），…，Ｐ（Ｄ_ｋ）｝であるものとする。Ｐ（Ｏ）とＰ（Ｄ）とを関係付ける式は、
Ｐ^Ｔ（Ｏ）＝Γ×Ｐ^Ｔ（Ｄ） （１６）
であり、ここで、Γは、行列であり、Ｐ（Ｏ_ｉ｜Ｄ_ｊ）は、ｉ行ｊ列の要素である。

観察できる通り、Ｐ（Ｏ）は、診断を介して入手されるパレート図である。理想的な場合には、異なるクラスの間に曖昧さがなく、Ｐ（Ｏ_ｉ｜Ｄ_ｊ）＝０（ｉ≠ｊ）である。条件付き確率行列Γは、単位行列になり、Ｐ（Ｏ）は、Ｐ（Ｄ）と一致する。曖昧さがある場合には、Ｐ（Ｏ）を、

によって較正することができる。
条件付き確率は、欠陥識別手順（２１．１）中に集められた情報に基づいて推定することができる。例示的な２ステップ手順中に、出会った等価クラスを、記録することができる。等価クラスＣ_ｔの記録は、タプル｛Ｌ_ｔ，Ｃ_ｔ｝とすることができ、ここで、Ｌ_ｔは、識別ステージ中のＣ_ｔの発生の回数を表す。

パレート図Ｐ（Ｏ）が、Ｎ個の欠陥のある部分が診断された後に｛Ｐ（Ｏ_１）＝ｎ_１，Ｐ（Ｏ_２）＝ｎ_２，…，Ｐ（Ｏ_ｋ）＝ｎ_ｋ｝であると仮定する。条件付き確率Ｐ（Ｏ_ｉ｜Ｄ_ｊ）は、式

を使用して推定することができ、ここで、Ｎ（Ｏ_ｉ，Ｄ_ｊ）は、クラスｉの欠陥として診断されるクラスｊの欠陥である。これは、等価クラスの集合Ｃ_ｉ∩Ｃ_ｊから推定することができる。等価クラスＣ_ｔ∈Ｃ_ｉ∩Ｃ_ｊを検討されたい。等価クラスＣ_ｔは、クラスｉ及びｊの区別不能な欠陥を含む。Ｃ_ｔが、｛…，Ｃ_ｔｉ，…，Ｃ_ｔｊ，…｝であるものとする。上で説明したように、Ｃ_ｔ内の欠陥がクラスｉの欠陥として診断される確率は、

である。Ｐ（Ｏ）（Ｐ（Ｏ）＝｛ｎ_１，ｎ_２，…，ｎ_ｋ｝）が、Ｐ（Ｄ）とよく一致すると仮定し、同一の分布Ｐ（Ｄ）が、診断によって等価クラスＣ_ｔに含まれると考えられる欠陥の集合にもあてはまると仮定する。従って、Ｃ_ｔのＴ回の発生のうちで、クラスｊの欠陥を有する回路の個数は、

として計算することができ、クラスｊの欠陥がクラスｉの欠陥として予測される回数は、

として計算することができる。言い換えると、Ｃ_ｔの発生ごとに、クラスｊの欠陥がクラスｉの欠陥として予測される確率は、

である。Ｃ_ｉ∩Ｃ_ｊのすべての等価クラスを検討し、｜Ｃ_ｉ∩Ｃ_ｊ｜＝ｍと仮定すると、Ｎ（Ｏ_ｉ，Ｄ_ｊ）を、

として計算することができる。ここで、

を、式（１７）と、（１８）と、（１９）とを組み合わせることによって計算することができる。

較正は、較正された

を用いて条件付き確率行列Γを再計算することによって反復する。この反復は、あるサイクル数の後に、又は連続する実行の

の間の誤差が所定の閾値未満になった後に、停止する。

種々雑多な欠陥の分析及び新しい欠陥ルールの学習
種々雑多な欠陥とは、前に定義された何れかのクラスに属するものとして識別することができない欠陥である。増分シミュレーション手順（２１．２）及び増分診断手順（２１．３）によって作られるデータは、正しくモデル化されていない欠陥並びに／又は故障シミュレーション中及び故障辞書計算ステージ中に考慮されない欠陥を示すことができる。要求された時に、分析手順を、アクティブ化して、このデータを処理し、統計情報を抽出することができる。高度診断構成要素（図４７の高度診断構成要素（４７２６）など）は、この統計情報を使用して、欠陥をシミュレートし、故障辞書を更新することができる。ある判断基準が満足される場合に、新しい欠陥ルールを、生成し、欠陥抽出プロセスの次の反復中に適用することができる。

診断構成要素は、例えば次の形のうちの何れか１つ又は複数で、自己適応式にすることができる。

１．幾つかの新たに識別された欠陥は、発生する可能性が非常に高い。その障害発生応答は、望ましくは、故障辞書に記録される。それに対応する故障は、前に故障辞書計算ステージ中に使用されたものと同一のテスト・セットを用いてシミュレートすることができる。故障辞書を、シミュレートされた障害発生応答を用いて更新することができる。ある欠陥の発生の尤度を判定するために、その欠陥に出会った回数を、カウントすることができる。

２．増分診断結果（２１．３）から、新しい故障タイプが、観察された障害発生挙動の記述において、前に使用された故障タイプより効果的であることを観察することができる。これが、欠陥のかなりのパーセンテージについて真である場合には、新たに識別された欠陥並びに必要な場合に故障辞書に前に保管された欠陥を、新しい故障タイプの下でシミュレートすることができる。故障辞書を、シミュレートされた障害発生応答を用いて更新することができる。

３．前に考慮されなかった、ある種の特性を有する種々雑多な欠陥が、発生する可能性が非常に高いことがわかる場合に、望ましくは、新たに識別された欠陥を誘導する特性が、欠陥ルール・セットに組み込まれ、新しい欠陥クラスが、欠陥抽出ルール更新手順（２６）で定義される。欠陥抽出（７）を、新しいルールを使用して、レイアウトに対して実行することができる。新たに抽出された欠陥について、対応する故障を、前に故障辞書計算ステージ中に使用されたものと同一のテスト・セットを用いてシミュレートすることができる。故障辞書を、シミュレートされた障害発生応答を用いて更新することができる。

これらの自己学習式適応手順を、提起的な基礎で、又はユーザの要求時に、開始することができる。

欠陥ランキングの更新（２４）
上で述べたように、欠陥ランキングは、当初に、レイアウト特徴と製造プロセス・パラメータとに関係付けられた確率的量によって判定される。本一般的方法の１つの例示的実施形態によれば、各欠陥クラスの発生の回数が、テスト結果データ後処理手順中にカウントされ、その結果、欠陥ランキングを、発生の相対頻度を用いて動的に更新できるようになる。

オン・チップ圧縮ロジックに関する特別な考慮事項
出力応答コンパクタなどのオン・チップ圧縮ロジックを使用する集積回路について、幾つかの特別な考慮事項が、生じる。例えば、１つの考慮事項は、診断の制限された可能性である。異なるコンパクタは、異なる能力を有するが、幾つかの実施態様は、例えばＧ．Ｍｒｕｇａｌｓｋｉ、Ｊ．Ｒａｊｓｋｉ、Ｃ．Ｗａｎｇ、Ａ．Ｐｏｇｉｅｌ、Ｊ．Ｔｙｓｚｅｒ、「Ｆａｕｌｔ Ｄｉａｇｎｏｓｉｓ ｉｎ Ｄｅｓｉｇｎｓ ｗｉｔｈ Ｃｏｎｖｏｌｕｔｉｏｎａｌ Ｃｏｍｐａｃｔｏｒｓ」、ＩＴＣ ２００４、４９８〜５０７頁など、コンパクタなしの集積回路に匹敵する診断品質を提供する。もう１つの考慮事項は、コンパクタが、そのコンパクタの圧縮方法によって候補欠陥の区別を無効化する可能性があることである。例えば、図２８から３０を検討されたい。図２８は、出力応答コンパクタなしの場合を示す。故障影響は、第１スキャン・チェーン（２８０１）及び第２チェーン（２８０２）内の複数のスキャン・セルで観察することができ、従って、欠陥は、区別可能である。しかし、図２９に示されているように、出力応答コンパクタ（２９０１）があると、欠陥の影響は、両方の欠陥チャネルの出力応答が互いに打ち消しあう（２欠陥仮定の場合に）ので、もはや区別可能でなくなる場合がある。もう１つの可能性は、例えば、両方の欠陥の観察可能な出力応答が、コンパクタによって同一にされることである。両方の場合について、図３０に示されたアーキテクチャは、出力応答コンパクタ（２９０１）に構成要素を追加する、１つの可能な解決策を提供する。「欠陥分解能出力応答セレクタ」（３００１）と称するこの構成要素は、計算された候補テスト・パターンの区別能力を保つために、ＡＴＰＧが、制御信号線（３００２）上の制御信号によって、出力応答コンパクタ（２９０１）の通常動作を操作することを可能にする。図３０に例示されたセレクタ回路（３００１）を実施し、使用する、複数の可能な形がある。例えば、あるスキャン・チェーンがテスト中にコンパクト化を行うことをディスエーブルすること、又はあるスキャン・チェーンの出力をテスト中にコンパクタの異なる入力に再ルーティングすることである。特定の例示的実施形態では、欠陥分解能出力応答セレクタ（３００１）は、出力応答コンパクタ（２９０１）に１ステージを追加し、そうでなければ区別不能な故障の異なるシグネチャを出力応答コンパクタ（２９０１）に計算させるために出力応答コンパクタ（２９０１）を操作するように構成される。

他の使用法のシナリオ
この実施形態で説明する例示的な方法と、装置と、システムとは、設計及びテスト生成と、生産と、生産テストとが、同一の実体によって実行されること、又は異なる実体の間の情報交換が制限されないことを前提とする。しかし、次では、情報交換が制限される、開示されるテクノロジの例示的実施形態の使用法のシナリオを、説明する。

例えば、各ステップが、異なる実体によって所有され、これらの実体は、絶対最小限の情報だけを交換することを望む。設計実体は、レイアウト・データ即ちネットリストを所有し、テスト・パターンを生成できる唯一の存在であり、ネットリストを共有することを望まない。第２の実体は、生産者であり、レイアウト・データだけを受け取り、その目標は、高い歩留りである。第２の実体は、その歩留りを高める可能性があるルールを共有しない場合があり、さもなければ、生産の秘密を捨てる。必要なＤＦＭルールだけが、設計実体に開示される。最後に、生産テスト実体があり、この実体は、集積回路について何も知らない。生産テスト実体は、テスト・パターン及び生産されたダイだけを受け取る。

上で説明した例示的手順に対する少数の変更を用いると、実質的に同一のＤＦＭ改善と歩留り改善とが、この環境で可能である。例えば、１つの解決策は、設計実体用の特別な（エンコードされた）ＤＦＭルールを介して生産者によって供給される、ＡＴＰＧで、例えば欠陥分解能を高めるのに使用されることを意図された、シンボリック抽出ルールを使用する。対応するシンボリック辞書（又はシソーラス）を、設計実体によって生成することができる。この文脈でのシンボリックは、実際の欠陥と、欠陥抽出ルールと、ＤＦＭルールとが、設計又は生産ラインに関する知識を全く明かさないことを意味する。この例のために、欠陥が、単純に列挙されると仮定する。設計実体と生産実体との両方が、レイアウト・データ及びＤＦＭデータに基づいて、同一の欠陥リストを計算することができる。設計実体は、この欠陥リストを使用して、テスト・パターンを生成することができ、生産実体は、シンボリック辞書に基づく診断分析結果を受け取ることができる。生産実体は、問題を完全に分析することができ、訂正ステップを行うことができる。必要な場合に、生産実体は、ＡＴＰＧ用の改善された（エンコードされた）ＤＦＭルールを設計実体に送り、追加のテスト・パターンを要求することができる。

例示的な計算環境
上で説明したテクノロジの態様の何れをも、分散コンピュータ・ネットワークを使用して実行することができる。図４８は、１つのそのような例示的ネットワークを示す。サーバ・コンピュータ（４８００）は、関連するストレージ・デバイス（４８０２）（サーバ・コンピュータの内部又は外部）を有することができる。例えば、サーバ・コンピュータ（４８００）を、上で説明した実施形態の何れかに従って（例えば、ＥＤＡソフトウェア・ツールの一部として）、ＤＦＭルール又は欠陥抽出ルールを生成するか更新し、テスト・パターン、テスト応答、又は故障辞書を生成し、テスト結果から故障又は欠陥を診断し、或いは歩留り分析統計とそのグラフィカル表現とを計算するように構成することができる。サーバ・コンピュータ（４８００）を、全般的に（４８０４）に示されたネットワークに結合することができ、ネットワーク（４８０４）は、例えば、広域ネットワーク、ローカル・エリア・ネットワーク、クライアント・サーバ・ネットワーク、インターネット、又は他のそのようなネットワークを含むことができる。（４８０６）、（４８０８）に示されたものなど、１つ又は複数のクライアント・コンピュータを、ネットワーク・プロトコルを使用してネットワーク（４８０４）に結合することができる。作業は、単一の専用ワークステーション上で実行することもでき、このワークステーションは、それ自体のメモリと１つ又は複数のＣＰＵとを有する。

図４９は、もう１つの例示的ネットワークを示す。１つ又は複数のコンピュータ（４９０２）が、ネットワーク（４９０４）を介して通信し、コンピューティング環境（４９００）（例えば、分散コンピューティング環境）を形成する。コンピューティング環境（４９００）内のコンピュータ（４９０２）のそれぞれは、例えば上で説明した実施形態の何れかによる、テスト応答生成プロセスの少なくとも一部を実行する（例えば、ＡＴＰＧツールなどのＥＤＡソフトウェア・ツールの一部として）のに使用することができる。例えば、コンピュータのそれぞれは、回路設計の異なる部分の、異なるタイプのパターンの、又はさまざまな他の判断基準に従って、テスト・パターンとテスト応答との生成を実行することができる。図示の実施形態のネットワーク（４９０４）は、１つ又は複数のクライアント・コンピュータにも結合される。

図５０は、図４８と図４９とに示されたコンピューティング環境の使用の１つの非限定的な例を示す。具体的に言うと、図５０は、設計情報（例えば、ネットリスト）を含むデータベース又はデータ構造と、抽出された欠陥データ（例えば、故障／欠陥抽出構成要素（４７１０）から）を含むデータベース又はデータ構造とを、開示されるテクノロジの実施形態を使用して、テスト・パターンとテスト応答とを含む設計のテスト・データを生成するために、リモート・サーバ・コンピュータ（図４８に示されたサーバ・コンピュータ（４８００）など）又はリモート・コンピューティング環境（図４９に示されたコンピューティング環境（４９００）など）を使用して分析することができることを示す。（５００２）で、例えば、クライアント・コンピュータが、設計データと抽出された欠陥データとをリモート・サーバ又はコンピューティング環境に送る。（５００２）で、設計データと抽出された欠陥データとが、リモート・サーバによって又はコンピューティング環境の各々の構成要素によって受け取られる。（５００６）で、開示された実施形態の何れかを使用して、テスト・パターンと、テスト応答と、故障辞書とを含むテスト・データが、作成される。（５００８）で、リモート・サーバ又はコンピューティング環境が、テスト・データ（テスト・パターンと、テスト応答と、故障辞書とを含む）をクライアント・コンピュータに送り、このクライアント・コンピュータは、そのテスト・データを（５０１０）で受け取る。図５０に示された例が、複数のコンピュータを使用してテスト・データを生成する唯一の形ではないことは、当業者に明白である。例えば、設計データと抽出された欠陥データとを、ネットワーク上にあるのではく、サーバ又はコンピューティング環境に別々に送られる有形のコンピュータ可読媒体（例えば、１つ若しくは複数のＣＤ−ＲＯＭ、ＤＶＤ、又はポータブル・ハード・ドライブ）に保管することができる。或いは、サーバ又はリモート・コンピューティング環境が、テスト・パターン生成手順の一部だけを実行することができる。

例示的実施形態の原理を示し、説明したので、これらの実施形態を、そのような原理から逸脱せずに配置及び詳細において変更できることは、当業者に明白であろう。多数の可能な実施形態に鑑みて、示された実施形態が、例のみを含み、本発明の範囲に対する限定と解釈されてはならないことが、認められるであろう。

開示されるテクノロジによる設計製造ルールを改善する例示的な一般的方法の流れを示すブロック図である。 第１ＤＦＭルールの例、具体的には、２つの信号線がｄ_１という最小距離を必ず保たなければならないことを述べるルールを示すブロック図である。 第２ＤＦＭルールの例、具体的には、信号線が他のレイアウト特徴からのｄ_２という最小距離を必ず保たなければならないことを述べるルールを示すブロック図である。 ビアを使用する、異なる層内の２つの信号線の接続の例を示すブロック図である。 信号線の端でのビア接続の位置の例を示すブロック図である。 信号線の端でのビア接続の位置の例を示すブロック図である。 ビアを使用する異なる層内の２つの信号線の接続の例を示すブロック図である。 ビアを使用する異なる層内の２つの信号線の接続の例を示すブロック図である。 図１の構成要素１３を実行できる例示的な形をより詳細に示すブロック図である。 図９の構成要素１３．１を実行できる例示的な形をより詳細に示すブロック図である。 図９の構成要素１３．２を実行できる例示的な形をより詳細に示すブロック図である。 図１１の構成要素１３．２．１を実行できる例示的な形をより詳細に示すブロック図である。 図１１の構成要素１３．２．２を実行できる第１の例示的な形（１３．２．２．Ａ）をより詳細に示すブロック図である。 図１１の構成要素１３．２．２を実行できる第２の例示的な形（１３．２．２．Ｂ）をより詳細に示すブロック図である。 図１１の構成要素１３．２．２を実行できる第３の例示的な形（１３．２．２．Ｃ）をより詳細に示すブロック図である。 図１１の構成要素１３．２．３を実行できる例示的な形をより詳細に示すブロック図である。 図９の構成要素１３．３を実行できる例示的な形をより詳細に示すブロック図である。 図１７の構成要素１３．３．１を実行できる例示的な形をより詳細に示すブロック図である。 図１８の構成要素１３．３．１．１を実行できる第１の例示的な形をより詳細に示すブロック図である。 図１８の構成要素１３．３．１．１を実行できる第２の例示的な形をより詳細に示すブロック図である。 図１８の構成要素１３．３．１．１を実行できる第３の例示的な形をより詳細に示すブロック図である。 図１８の構成要素１３．３．１．２を実行できる例示的な形をより詳細に示すブロック図である。 図１８の構成要素１３．３．１．３を実行できる例示的な形をより詳細に示すブロック図である。 図１８の構成要素１３．３．１．４を実行できる例示的な形をより詳細に示すブロック図である。 図１８の構成要素１３．３．１．５を実行できる例示的な形をより詳細に示すブロック図である。 図１７の構成要素１３．３．２を実行できる例示的な形をより詳細に示すブロック図である。 図１７の構成要素１３．３．３を実行できる例示的な形をより詳細に示すブロック図である。 故障影響の差を示すブロック図である。 図２８の故障影響差に関する可能な出力応答コンパクト化問題を示すブロック図である。 出力応答コンパクト化選択回路を示すブロック図である。 テスト結果を後処理できる例示的な形を示すブロック図である。 例示的なグラフィカル表現計算計算を示すブロック図である。 予測された障害挙動と観察された挙動とが異なる関係を有する４つの例を示すブロック図である。 ２つの欠陥によって引き起こされる実際の障害発生ビットの位置決めを示すブロック図である。 ２つの欠陥によって引き起こされる観察された障害発生パターンを示すブロック図である 例示的集積回路の、最小距離ｄ_１に対する相対的な隣接する信号線の間の距離の分布を示すグラフである。 例示的集積回路の、予測された欠陥データと予測された歩留り感度曲線とに重ねられた、図３６のグラフを示すグラフである。 例示的集積回路の、実際の欠陥データと実際の歩留り感度曲線とに重ねられた、図３６のグラフを示すグラフである。 予測された結果と実際の結果との間の比較を示す、図３８のグラフに重ねられた図３７のグラフを示すグラフである。 潜在的に角対角ブリッジング欠陥又は側面対側面ブリッジング欠陥を有する可能性がある２つの例示的特徴を示すブロック図である。 ２つの等価故障を有するバッファを示すブロック図である。 スキャン・セルの２つのグループ（これらのグループは、例えばパレート図計算手順の実施形態によって決定される）で観察できる故障を有するネットを示すブロック図である。 ウェハ上のダイが系統的機構に起因して障害を発生する可能性を示すブロック図である。 例示的なウェハ欠陥マップを示すブロック図である。 いわゆる「ホット・ネット」が識別された後の、図４４の例示的ウェハ欠陥マップを示すブロック図である。 ステム信号線が突き止められる例示的なファンアウト・フリー領域を示すブロック図である。 開示されるテクノロジの１つの例示的実施形態による歩留り分析方法を概略的に示すブロック図である。 開示される方法の何れかを実行するのに使用できる例示的コンピュータ・ネットワークを示すブロック図である。 開示される方法の何れかを実行するのに使用できる例示的分散コンピューティング環境を示すブロック図である。 図４８のネットワーク又は図４９のコンピューティング環境を利用して、開示されるテクノロジの例示的構成要素（テスト・パターン生成）を実行するための流れ図である。

Claims (156)

1. 少なくとも部分的に設計製造ルールのセットから設計欠陥抽出ルールのセットを導出するステップと、
   集積回路設計の物理的レイアウトの表現から潜在的欠陥を抽出するステップであって、前記抽出された潜在的欠陥は、少なくとも部分的に前記欠陥抽出ルールに基づく、ステップと、
   １つ又は複数の回路テスト中に適用される回路テスト刺激を判定するステップと、
   障害を発生する集積回路を識別し、前記適用された回路テストに関連する１つ又は複数の潜在的なタイプの欠陥の、前記障害を発生する集積回路での発生を識別するために、前記適用される回路テストから生じるテスト応答を評価するステップと、
   潜在的なタイプの欠陥の前記発生の、前記障害を発生する集積回路での反復識別に関する情報を集めるステップと、
   潜在的なタイプの欠陥が前記物理的レイアウトに従って製造される集積回路に存在する尤度を判定するために前記集められた情報を分析するステップと
   を含む方法。
2. 請求項１に記載の方法であって、前記回路テスト刺激は、前記抽出された潜在的欠陥のうちの１つ又は複数をターゲットにすることによって生成されるテスト・パターンを含む、方法。
3. 請求項１に記載の方法であって、前記回路テスト刺激は、前記抽出された潜在的欠陥のうちの１つ又は複数を検出すると判定される、前に生成されたテスト・パターンを含む、方法。
4. 請求項１に記載の方法であって、潜在的欠陥を抽出する前記動作は、前記抽出された潜在的欠陥のうちの１つ又は複数にプロパティを関連付けるステップを含み、前記関連するプロパティは、次のプロパティ即ち、
   各々の潜在的欠陥を他の潜在的欠陥から区別する欠陥識別子と、
   前記各々の潜在的欠陥を抽出するのに使用された前記欠陥抽出ルールを識別する被導出ルール識別子と、
   前記各々の潜在的欠陥を抽出するのに使用された前記欠陥抽出ルールがそれから導出された前記設計製造ルールを識別する設計製造ルール識別子と、
   前記集積回路設計の前記物理的レイアウト内の前記各々の潜在的欠陥の物理的位置と、
   前記集積回路設計の前記物理的レイアウト内の前記各々の潜在的欠陥の１つ又は複数の物理的プロパティと、
   他の潜在的欠陥に対する相対的な前記各々の潜在的欠陥のランキングと
   のうちの少なくとも１つを含む、方法。
5. 請求項４に記載の方法であって、前記抽出された潜在的欠陥の少なくとも幾つかをフィルタリングする動作を更に含み、前記フィルタリングは、前記関連付けられたプロパティのうちの１つ又は複数に少なくとも部分的に基づく、方法。
6. 請求項１に記載の方法であって、前記抽出された潜在的欠陥の少なくとも幾つかにランキングを割り当てる動作を更に含み、前記ランキングは、潜在的欠陥が前記集積回路内で発生する尤度を示す、方法。
7. 請求項６に記載の方法であって、前記集められた情報の前記分析に少なくとも部分的に基づいて前記ランキングを更新する動作を更に含む、方法。
8. 請求項６に記載の方法であって、前記抽出された潜在的欠陥と前記抽出された潜在的欠陥の前記ランキングとに少なくとも部分的に基づいて前記回路テストを順序付けるステップを更に含む、方法。
9. 請求項１に記載の方法であって、分析する前記動作は、更に、複数のテストされた集積回路の集められた情報を分析するステップと、前記集積回路の生産歩留りを推定するステップとを含む、方法。
10. 請求項９に記載の方法であって、少なくとも複数の前記設計欠陥抽出ルールを使用して、他の集積回路設計の生産歩留りを推定するステップを更に含む、方法。
11. 請求項１に記載の方法であって、分析する前記動作は、更に、複数のテストされた集積回路の集められた情報を分析するステップと、潜在的なタイプの欠陥又は前記集積回路設計の前記物理的レイアウトに従って製造される集積回路のエスケープ・レートを推定するステップとを含む、方法。
12. 請求項１１に記載の方法であって、少なくとも複数の前記設計欠陥抽出ルールを使用して、他の集積回路設計内の潜在的なタイプの欠陥のエスケープ・レートを推定するステップを更に含む、方法。
13. 請求項１に記載の方法であって、分析する前記動作は、更に、複数のテストされた集積回路の集められた情報を分析するステップと、前記設計製造ルールのうちの１つ又は複数の歩留り感度曲線を推定するステップとを含む、方法。
14. 請求項１に記載の方法であって、分析する前記動作は、更に、複数のテストされた集積回路の経時的な集められた情報を分析するステップと、潜在的欠陥が製造された集積回路に存在する尤度の変化の傾向を判定するステップとを含む、方法。
15. 請求項１４に記載の方法であって、欠陥のある集積回路を識別する尤度を改善するために、前記判定された傾向に少なくとも部分的に基づいてテスト刺激を変更し、追加し、又は削除する動作を更に含む、方法。
16. 請求項１に記載の方法であって、分析する前記動作は、更に、複数のテストされた集積回路の集められた情報を分析するステップと、欠陥のある集積回路を識別する尤度を改善するためにテスト刺激を変更し、追加し、又は削除するステップとを含む、方法。
17. 請求項１に記載の方法であって、情報を集める前記動作と前記集められた情報を分析する前記動作とは、実質的にリアル・タイムで、集積回路製造者の生産ラインで作られる製造される集積回路に対して実行される、方法。
18. 請求項１に記載の方法であって、テスト応答を評価する前記動作は、テスト応答及び上記テスト応答を作った関連するテストを、前記関連するテストの失敗から前に生成され保管された期待される失敗するテスト応答の辞書と比較するステップを含み、
    情報を集める前記動作は、前記比較によって識別された前記潜在的欠陥を識別する前記比較からの情報を集めるステップを含む
    方法。
19. 請求項１８に記載の方法であって、前記辞書の生成中に前記辞書に保管される前記情報を圧縮する動作を含む、方法。
20. 請求項１９に記載の方法であって、圧縮する前記動作は、前記集積回路設計内の少なくとも１つの潜在的欠陥を検出するテスト応答を表すために１つ又は複数のビット・マスクを計算するステップを含む、方法。
21. 請求項１９に記載の方法であって、圧縮する前記動作は、前記集積回路設計内の少なくとも１つの潜在的欠陥を検出するテスト応答を表すために１つ又は複数の擬似故障を計算するステップを含む、方法。
22. 請求項１８に記載の方法であって、前記生成された辞書内で見つからない少なくとも１つの潜在的欠陥の存在を診断する動作を更に含む、方法。
23. 請求項１８に記載の方法であって、次の形即ち、（ａ）前記辞書内で前に見つからなかった前記潜在的欠陥に関連する少なくとも１つのテストを追加すること、又は（ｂ）前記辞書内で前に見つからなかった前記潜在的欠陥がテストされた集積回路内に存在する場合に受け取られると期待される少なくとも１つの期待される失敗するテスト応答を追加することのうちの１つ又は複数で前記辞書を変更する動作を更に含む、方法。
24. 請求項１８に記載の方法であって、閾値回数の回路テストについて観察されなかった失敗するテスト応答に関連する、前記生成された辞書のエントリを削除するステップを更に含む、方法。
25. 請求項１に記載の方法であって、前記集められた情報を分析する前記動作に少なくとも部分的に基づいて、設計製造ルールの前記セット内の設計製造ルールを変更する動作、追加する動作、又は削除する動作のうちの１つ又は複数を実行する動作を更に含む、方法。
26. 請求項１に記載の方法であって、前記集められた情報を分析する前記動作に少なくとも部分的に基づいて、設計欠陥抽出ルールの前記セット内の欠陥抽出ルールを変更する動作、追加する動作、又は削除する動作のうちの１つ又は複数を実行する動作を含む、方法。
27. コンピュータに請求項１に記載の方法を実行させるコンピュータ実行可能命令を含む１つ又は複数の有形のコンピュータ可読媒体。
28. 請求項１に記載の方法を実行するようにプログラムされた少なくとも１つのコンピュータ。
29. 集積回路レイアウトの表現を受け取るステップと、
    集積回路を製造するための１つ又は複数の推奨される設計パラメータを受け取るステップと、
    前記推奨される設計パラメータのうちの１つ又は複数から抽出ルールを判定するステップであって、前記抽出ルールは、前記集積回路レイアウトの前記表現から欠陥候補の複数の集合を識別するルールを含む、ステップと
    を含む、コンピュータ実施される方法。
30. 請求項２９に記載の方法であって、前記設計パラメータは、１つ又は複数の設計製造ルールを含む、方法。
31. 請求項２９に記載の方法であって、欠陥候補の前記複数の集合は、関連する推奨される設計パラメータから異なる各々の範囲の値だけ逸脱する欠陥候補を含む、方法。
32. 請求項３１に記載の方法であって、前記集積回路レイアウトに従って作られる集積回路のテストから入手されたテスト結果に少なくとも部分的に基づいて前記抽出ルールを変更するステップを更に含み、変更する前記ステップは、前記抽出ルールによって識別される欠陥候補の集合の個数を増やすステップを含む、方法。
33. 請求項２９に記載の方法であって、前記集積回路レイアウトの前記表現に前記抽出ルールを適用し、これによって前記集積回路レイアウト内の欠陥候補のリストを生成するステップを更に含む、方法。
34. 請求項３３に記載の方法であって、前記欠陥候補の少なくとも幾つかをターゲットにするテスト・パターンを生成するステップを更に含む、方法。
35. 請求項３３に記載の方法であって、前に生成されたテスト・パターンのセットから、前記欠陥候補の少なくとも幾つかを検出する１つ又は複数のテスト・パターンを識別するステップを更に含む、方法。
36. 請求項２９に記載の方法であって、前記欠陥候補のうちの１つ又は複数に関連する歩留り感度に少なくとも部分的に基づいて、欠陥候補の前記リストを順序付けるステップを更に含む、方法。
37. 請求項２９に記載の方法であって、失敗するテスト応答と前記失敗するテスト応答を潜在的に引き起こした関連する欠陥候補とを示す故障辞書を生成するステップを更に含む、方法。
38. 請求項２９に記載の方法であって、前記集積回路の前記表現は、ＧＤＳＩＩ又はＯａｓｉｓファイルである、方法。
39. コンピュータに請求項２９に記載の方法を実行させるコンピュータ実行可能命令を含む１つ又は複数の有形のコンピュータ可読媒体。
40. 請求項２９に記載の方法を実行するようにプログラムされた少なくとも１つのコンピュータ。
41. 製造された集積回路内の潜在的欠陥の存在を評価する設計製造ルールの変更されたセットを判定するステップであって、設計製造ルールの変更されたセットを判定する前記動作は、少なくとも部分的に設計製造ルールの第１セットから設計製造ルールの前記変更されたセットを導出するステップを含み、設計製造ルールの前記第１セットは、欠陥タイプの少なくとも第１及び第２のクラスを含む、潜在的欠陥のタイプの複数のクラスを定義し、設計製造ルールの前記変更されたセットは、少なくとも、設計製造ルールの前記第１クラスに関連する複数の設計製造ルールの第１サブクラスの第１セットと、設計製造ルールの前記第２クラスに関連する複数の設計製造ルールの第２サブクラスの第２セットとを定義する、ステップと、
    設計製造ルールのランキングされた第１及び第２のサブクラスが前記製造された集積回路内の欠陥を識別する尤度によって、設計製造ルールの前記第１及び第２のサブクラスのうちの少なくとも複数をランキングするステップと、
    設計製造ルールの前記第１及び第２のサブクラスを満足する潜在的欠陥を前記集積回路の物理的レイアウト記述から抽出するステップと
    を含む、コンピュータ実施される方法。
42. 請求項４１に記載の方法であって、
    製造される回路に適用される回路テストを判定するステップであって、前記回路テストは、設計製造ルールの前記第１及び第２のサブクラスに含まれる前記設計製造ルールのうちの少なくとも複数に関連する抽出された潜在的欠陥を検出するように構成される、ステップと、
    前記変更された設計製造ルールのうちの１つ又は複数が、前記テストされた集積回路内に存在する可能性が高い潜在的欠陥を識別したかどうかを判定するために、前記回路テストが適用されることに応答して入手される前記製造された回路からのテスト応答を評価するステップと
    を更に含み、テスト応答を評価する前記動作は、前記適用される回路テストによって検出された欠陥の製造された回路内での発生の尤度を示す統計情報を提供するために、十分な個数の製造された集積回路からのテスト応答を評価するステップを含む
    方法。
43. 請求項４１に記載の方法であって、設計製造ルールの前記第１及び第２のサブクラスをランキングする前記動作は、前記第１サブクラス内の複数の設計製造ルールを互いに対して相対的にランキングするステップと、前記第２サブクラス内の複数の設計製造ルールを互いに対して相対的にランキングするステップとを含む、方法。
44. 請求項４１に記載の方法であって、設計製造ルールの前記変更されたセットは、それに関して欠陥を抽出してはならない、集積回路の物理的レイアウトの区域を定義する設計製造ルールを含む、方法。
45. 請求項４１に記載の方法であって、設計製造ルールの前記変更されたセットは、歩留り低下に影響する特性の経時的な変化の傾向を判定する、歩留り低下を制限する製造ルールをも含む、方法。
46. 請求項４５に記載の方法であって、前記歩留り低下を制限する製造ルールのうちの少なくとも１つは、信号線のインライン抵抗に関連する、方法。
47. コンピュータに請求項４１に記載の方法を実行させるコンピュータ実行可能命令を含む１つ又は複数の有形のコンピュータ可読媒体。
48. 請求項４１に記載の方法を実行するようにプログラムされた少なくとも１つのコンピュータ。
49. 対応する観察点組合せから１つ又は複数の欠陥候補を識別する１つ又は複数の故障辞書を生成するステップであって、前記観察点組合せは、各々のテスト・パターンの適用の際の故障テスト値を取り込んだテスト中回路の観察点を示し、前記１つ又は複数の欠陥辞書を生成する前記動作は、
    第１欠陥候補について、前記第１欠陥候補を検出するテスト・パターンを示す１つ又は複数の第１インジケータを保管するステップと、
    第２欠陥候補について、前記第２欠陥候補を検出する前記テスト・パターンを示す少なくとも１つの第２インジケータを保管するステップであって、前記第２インジケータは、前記第１欠陥候補を検出する前記テスト・パターンのうちのどれが前記第２欠陥候補をも検出するかを示すビット・マスクを含む、ステップと
    を含む、ステップ
    を含む、コンピュータ実施される方法。
50. 請求項４９に記載の方法であって、前記１つ又は複数の第１インジケータは、前記第１欠陥候補を検出する前記テスト・パターンに関連する一意ＩＤを含む、方法。
51. 請求項４９に記載の方法であって、前記１つ又は複数の第１インジケータは、前記第１欠陥候補を検出する前記テスト・パターンの前記観察点組合せに関連する一意ＩＤを含む、方法。
52. 請求項４９に記載の方法であって、前記第１欠陥候補と前記第２欠陥候補とは、前記テスト中回路のファン・アウト・フリー領域内にある、方法。
53. 請求項５２に記載の方法であって、前記第１欠陥候補は、前記ファン・アウト・フリー領域のステムに置かれる、方法。
54. 請求項４９に記載の方法であって、前記生成された１つ又は複数の故障辞書を使用して前記テスト中回路の生産テスト中に１つ又は複数の欠陥候補を識別するステップを更に含む、方法。
55. 請求項５４に記載の方法であって、前記生成された１つ又は複数の故障辞書によって識別されない１つ又は複数の可能な欠陥を増分的に診断する動作又は増分的にシミュレートする動作のうちの少なくとも１つを実行するステップを更に含む、方法。
56. 請求項５５に記載の方法であって、増分的に診断する前記動作又は増分的にシミュレートする前記動作のうちの１つ又は複数の前記実行からの結果を用いて前記生成された１つ又は複数の故障辞書を更新するステップを更に含む、方法。
57. 請求項５５に記載の方法であって、増分的に診断する前記動作又は増分的にシミュレートする前記動作からの結果に少なくとも部分的に基づいて、１つ又は複数の欠陥抽出ルールを更新する動作又は設計製造ルールのうちの１つ又は複数を更新する動作のうちの少なくとも１つを更に含む、方法。
58. 請求項４９に記載の方法であって、前記テスト中回路は、電子デバイス内での機能的使用のために設計された集積回路を含む、方法。
59. 請求項４９に記載の方法であって、前記第１欠陥候補を検出するテスト・パターンの個数は、（ａ）所定の値又は（ｂ）ユーザ選択の値のうちの少なくとも１つまでに制限される、方法。
60. 請求項４９に記載の方法であって、前記第１欠陥候補を検出する前記テスト・パターンは、静的故障モデルを使用するテスト・パターンと動的故障モデルを使用するテスト・パターンとを含む、方法。
61. 請求項６０に記載の方法であって、前記１つ又は複数の故障辞書は、少なくとも第１故障辞書と第２故障辞書とを含み、静的故障モデルを使用する前記テスト・パターンに関する故障辞書情報は、前記第１故障辞書に保管され、動的故障モデルを使用する前記テスト・パターンに関する故障辞書情報は、前記第２故障辞書に保管される、方法。
62. 請求項４９に記載の方法であって、前記第２欠陥候補を検出する前記テスト・パターンのうちの少なくとも幾つかは、前記第１欠陥候補を検出するのに使用されるものと異なるタイプの故障モデルを使用する、方法。
63. 請求項４９に記載の方法であって、前記観察点組合せは、前記テスト中回路内のコンパクタからのコンパクト化されたテスト応答に対応する、方法。
64. 請求項４９に記載の方法であって、少なくとも前記第１欠陥候補の次のプロパティ即ち、
    前記欠陥候補を他の潜在的欠陥から区別する欠陥識別子と、
    前記第１欠陥候補を抽出するのに使用された欠陥抽出ルールを識別する被導出ルール識別子と、
    前記第１欠陥候補を抽出するのに使用された前記欠陥抽出ルールがそれから導出された設計製造ルールを識別する設計製造ルール識別子と、
    集積回路設計の物理的レイアウト内の前記第１欠陥候補の１つ又は複数の物理的プロパティと、
    前記集積回路設計の前記物理的レイアウト内の前記第１欠陥候補の物理的位置と、
    他の潜在的欠陥に対する相対的な前記第１欠陥候補のランキングと
    のうちの１つ又は複数を保管するステップを更に含む、方法。
65. コンピュータに請求項４９に記載の方法を実行させるコンピュータ実行可能命令を含む１つ又は複数の有形のコンピュータ可読媒体。
66. 請求項４９に記載の方法を実行するようにプログラムされた少なくとも１つのコンピュータ。
67. 少なくとも部分的に設計製造ルールのセットから導出された抽出ルールを使用することによって識別された集積回路レイアウト内の潜在的欠陥のリストを受け取るステップであって、前記設計製造ルールは、集積回路を製造するための設計パラメータを含む、ステップと、
    （ａ）前記識別された潜在的欠陥の少なくとも幾つかを検出する１つ若しくは複数のテスト・パターンを、以前に生成されたテスト・パターンから選択すること、（ｂ）前記識別された潜在的欠陥の少なくとも幾つかを明示的にターゲットにする１つ若しくは複数のテスト・パターンを生成すること、又は（ａ）と（ｂ）との両方によって、テスト・パターンのセットを作るステップと、
    関連するテスト・パターンに対する１つ又は複数の失敗するテスト応答と前記失敗するテスト応答にそれぞれが関連する１つ又は複数の潜在的欠陥とを示す少なくとも１つの故障辞書を生成するステップと
    を含む、コンピュータ実施される方法。
68. 請求項６７に記載の方法であって、前記少なくとも１つの故障辞書は、圧縮された故障辞書であり、前記少なくとも１つの故障辞書を生成する前記動作は、各々の潜在的欠陥に関連する前記失敗するテスト応答を表すために１つ又は複数のビット・マスクを使用するステップを含む、方法。
69. 請求項６７に記載の方法であって、前記少なくとも１つの故障辞書は、圧縮された故障辞書であり、前記少なくとも１つの故障辞書を生成する前記動作は、各々の潜在的欠陥の検出情報を表すために１つ又は複数の擬似故障の検出情報を使用するステップを含む、方法。
70. 請求項６７に記載の方法であって、
    テスト・パターンの前記セット内の前記テスト・パターンの少なくとも一部を使用する前記集積回路のテスト中に入手される失敗するテスト応答を含むテスト結果データを受け取るステップと、
    前記失敗するテスト応答のうちの１つ又は複数に関連する潜在的欠陥を診断するために前記テスト結果データに前記少なくとも１つの故障辞書を適用するステップと
    を更に含む、方法。
71. 請求項７０に記載の方法であって、前記少なくとも１つの故障辞書を使用して診断可能ではない潜在的欠陥を診断するために、増分診断手順又は増分シミュレーション手順を使用するステップを更に含む、方法。
72. 請求項７０に記載の方法であって、前記少なくとも１つの故障辞書の前記適用から入手される診断結果を使用して、潜在的欠陥が前記失敗するテスト応答を実際に引き起こしている確率を統計的に判定するステップを更に含む、方法。
73. コンピュータに請求項６７に記載の方法を実行させるコンピュータ実行可能命令を含む１つ又は複数の有形のコンピュータ可読媒体。
74. 請求項６７に記載の方法を実行するようにプログラムされた少なくとも１つのコンピュータ。
75. 少なくとも部分的に設計製造ルールの第１セットから導出される欠陥抽出ルールのセットを判定するステップであって、前記欠陥抽出ルールは、前記設計製造ルールによって識別される潜在的欠陥の少なくとも１つのカテゴリの複数のサブカテゴリを定義する、ステップと、
    前記欠陥抽出ルールの少なくともサブセットを集積回路の物理的レイアウトの電子記述に適用することによって潜在的欠陥を抽出するステップであって、前記抽出される潜在的欠陥は、前記サブカテゴリのうちの少なくとも１つに含まれる、ステップと、
    製造された集積回路内の潜在的欠陥の存在を示す複数の回路テストを定義するステップであって、前記回路テストのそれぞれは、前記集積回路を含む製造された集積回路に適用される回路刺激のセットを含む、ステップと、
    少なくとも複数の回路テストについて、前記潜在的欠陥又は前記回路テストによって検出される欠陥と、観察された場合に前記潜在的欠陥又は前記回路テストによって検出される欠陥の存在を示すはずの失敗するテスト応答とを保管するステップと
    を含む、集積回路をテストする方法。
76. 請求項７５に記載の方法であって、前記製造された集積回路に前記回路テストを適用するステップと、テスト応答を取り込むステップと、前記適用された回路テストのうちの１つ又は複数に失敗する１つ又は複数のテスト応答を作る、障害を発生する集積回路を判定するステップとを更に含む、方法。
77. 請求項７６に記載の方法であって、前記障害を発生する集積回路のうちの１つ又は複数について、
    １つ又は複数の前記失敗するテスト応答を作った１つ又は複数の回路テストを識別するステップと、
    これによって前記失敗するテスト応答を潜在的に引き起こした１つ又は複数の欠陥を演繹することを試みるために、識別された回路テストに関連する前記失敗するテスト応答のうちの１つ又は複数を、前記識別された回路テストに関連する保管された失敗するテスト応答と比較するステップと
    を更に含む、方法。
78. 請求項７７に記載の方法であって、上記比較の結果を保管する時に保管されるデータの量は、少なくとも潜在的欠陥ごとにｋ個の検出する失敗するテスト応答だけを保管することによって、圧縮されるか制限され、ｋは、保管される前記潜在的欠陥に関する失敗するテスト応答の最大個数を指定する、方法。
79. 請求項７７に記載の方法であって、
    前記障害を発生する集積回路内の潜在的なタイプの欠陥の発生の反復識別に関する情報を集め、分析するステップと、
    あるタイプの欠陥が前記失敗するテスト応答を引き起こしている確率を表すデータを報告するステップと
    を更に含む、方法。
80. 請求項７９に記載の方法であって、報告する前記ステップは、前記データのグラフィカル表現を生成するステップを含む、方法。
81. 請求項８０に記載の方法であって、前記グラフィカル表現は、パレート図である、方法。
82. 請求項７５に記載の方法であって、保管する前記動作は、各々の潜在的欠陥に関連する次のプロパティ即ち、
    前記各々の潜在的欠陥を他の潜在的欠陥から区別する欠陥識別子と、
    前記潜在的欠陥を抽出するのに使用された前記欠陥抽出ルールを識別する被導出ルール識別子と、
    前記欠陥抽出ルールがそれに基づく前記設計製造ルールを識別する設計製造ルール識別子と、
    前記集積回路設計の前記物理的レイアウト内の前記各々の潜在的欠陥の１つ又は複数の物理的プロパティと、
    前記集積回路設計の前記物理的レイアウト内の前記各々の潜在的欠陥の物理的位置と、
    他の潜在的欠陥に対する相対的な前記各々の潜在的欠陥のランキングと
    のうちの１つ又は複数を保管するステップを含む、方法。
83. 請求項７５に記載の方法であって、欠陥抽出ルールの前記セットは、ワースト・ケース欠陥識別子によってワースト・ケース欠陥として識別される少なくとも１つの潜在的欠陥をも含む、方法。
84. 請求項７５に記載の方法であって、保管する前記動作は、故障がそれから導出された前記潜在的欠陥の識別と、潜在的故障のタイプと、前記潜在的故障を検出する前記テスト・パターンと、各検出するテスト・パターンの観察点とによって失敗するテスト応答を記述する欠陥比較辞書を生成する動作を含む、方法。
85. 請求項８４に記載の方法であって、（ａ）前記辞書内で前に見つからなかった潜在的欠陥の追加、（ｂ）前記辞書内で前に見つからなかった潜在的欠陥に関連する少なくとも１つのテストの追加、（ｃ）前記辞書内で前に見つからなかった潜在的欠陥がテストされた集積回路内に存在する場合に受け取られると期待される少なくとも１つの期待される失敗するテスト応答の追加、又は（ｄ）所定の若しくはユーザ選択の回数の回路テストの後の、障害を発生する回路を検出しなかったテスト応答に関連する前記辞書内のエントリの削除のうちの１つ又は複数を実行することによって、前記保管された情報を変更する動作を含む、方法。
86. 請求項８４に記載の方法であって、
    潜在的欠陥の存在と上記欠陥のタイプとを判定するために、前記回路テストのうちの１つに関連する失敗するテスト応答を、前記辞書に保管された前記回路テストに関連する失敗するテスト応答と比較するステップと、
    上記比較の結果を保管するステップと
    を更に含む、方法。
87. 請求項８６に記載の方法であって、前記比較によって識別されなかった種々雑多な潜在的欠陥に起因して障害を発生する集積回路を識別し、前記種々雑多な潜在的欠陥のうちの少なくとも１つをターゲットにするために欠陥抽出ルールの変更されたセットを用いて請求項７５に記載の前記動作を繰り返す動作を含む、方法。
88. 請求項８６に記載の方法であって、
    種々雑多な潜在的欠陥を識別するために、前記比較によって識別されなかった前記種々雑多な潜在的欠陥を診断するステップと、
    前記識別された種々雑多な潜在的欠陥を含めるために前記辞書を変更するステップと
    を更に含む、方法。
89. 請求項８８に記載の方法であって、前記診断は、影響−原因ベースの診断手順を使用して実行される、方法。
90. コンピュータに請求項７５に記載の方法を実行させるコンピュータ実行可能命令を含む１つ又は複数の有形のコンピュータ可読媒体。
91. 請求項７５に記載の方法を実行するようにプログラムされた少なくとも１つのコンピュータ。
92. 複数の集積回路のテストからのテスト結果情報を受け取るステップであって、前記テスト結果情報は、前記テスト中に適用された各々のテスト・パターンに関連する失敗するテスト応答を含む、ステップと、
    前記失敗するテスト応答のうちの１つ又は複数を引き起こした可能性がある潜在的欠陥を識別するために、前記テスト結果情報の少なくとも一部を診断するのに故障辞書を使用するステップと、
    前記故障辞書を使用して診断可能ではなかったテスト結果情報を診断するために増分診断手順又は増分シミュレーション手順のうちの少なくとも１つを使用するステップと
    を含む、コンピュータ実施される方法。
93. 請求項９２に記載の方法であって、前記故障辞書を使用して作られた診断結果から、前記潜在的欠陥のうちの１つ又は複数が集積回路障害を実際に引き起こした確率を判定するステップと、前記確率を報告するステップとを更に含む、方法。
94. 請求項９３に記載の方法であって、前記報告された確率に少なくとも部分的に基づいて、（ａ）１つ若しくは複数の設計製造ルールの調整、（ｂ）１つ若しくは複数の欠陥抽出ルールの調整、又は（ｃ）前記集積回路内の１つ若しくは複数の特徴の推奨される変更の提供のうちの１つ又は複数を実行するステップを更に含む、方法。
95. 請求項９２に記載の方法であって、前記故障辞書は、１つ又は複数の失敗するテスト応答を各々の潜在的欠陥に関連付けるのに１つ又は複数のビット・マスクを使用する圧縮された故障辞書である、方法。
96. コンピュータに請求項９２に記載の方法を実行させるコンピュータ実行可能命令を含む１つ又は複数の有形のコンピュータ可読媒体。
97. 請求項９２に記載の方法を実行するようにプログラムされた少なくとも１つのコンピュータ。
98. 電子デバイス内での機能的使用のために設計された集積回路のテスト応答を処理することからの情報を受け取るステップであって、前記情報は、前記集積回路のテスト中に観察された集積回路障害と、前記集積回路障害を引き起こす可能な歩留り制限要因とを示す、ステップと、
    前記集積回路内の前記可能な歩留り制限要因のうちの１つ又は複数が前記集積回路障害を実際に引き起こした確率を判定するステップであって、前記受け取られた情報を統計的に分析するステップを含む、ステップと、
    １つ又は複数の可能な歩留り制限要因が前記集積回路障害を実際に引き起こした前記確率を報告するステップと
    を含む、コンピュータ実施される方法。
99. 請求項９８に記載の方法であって、受け取られた前記情報は、（ａ）診断結果、（ｂ）歩留り制限要因の１つ若しくは複数のリスト、又は（ｃ）前記テスト中の前記歩留り制限要因の検出に関する情報のうちの１つ又は複数を含む、方法。
100. 請求項９８に記載の方法であって、前記判定された確率に少なくとも部分的に基づいて、前記集積回路の歩留りの推定値を判定するステップを更に含む、方法。
101. 請求項９８に記載の方法であって、前記集積回路は、集積回路の第１セットを含み、前記方法は、前記判定された確率に少なくとも部分的に基づいて、集積回路の第２セットの歩留りの推定値を判定するステップを更に含む、方法。
102. 請求項９８に記載の方法であって、前記判定された確率に少なくとも部分的に基づいて、各々の可能な歩留り制限要因又は前記集積回路のエスケープ・レートの推定値を判定するステップを更に含む、方法。
103. 請求項９８に記載の方法であって、前記集積回路は、集積回路の第１セットを含み、前記方法は、前記判定された確率に少なくとも部分的に基づいて、集積回路の第２セットの可能な歩留り制限要因又は集積回路の前記第２セットのエスケープ・レートの推定値を判定するステップを更に含む、方法。
104. 請求項９８に記載の方法であって、前記集積回路は、１つ又は複数の設計製造ルールに従って設計され、前記方法は、前記設計製造ルールのうちの少なくとも１つに関する前記判定された確率に少なくとも部分的に基づいて、歩留り感度曲線を推定するステップを更に含む、方法。
105. 請求項９８に記載の方法であって、経時的に繰り返して実行され、前記方法は、経時的に観察された前記判定された確率の変化に基づいて生産傾向を判定するステップを更に含む、方法。
106. 請求項９８に記載の方法であって、前記報告された確率に少なくとも部分的に基づいて、１つ又は複数の設計製造ルールを調整するステップを更に含む、方法。
107. 請求項９８に記載の方法であって、前記報告された確率に少なくとも部分的に基づいて、前記集積回路の設計内の潜在的欠陥を識別するのに使用される１つ又は複数の欠陥抽出ルールを調整するステップを更に含む、方法。
108. 請求項９８に記載の方法であって、前記報告された確率に少なくとも部分的に基づいて、前記集積回路内の１つ又は複数の特徴の推奨される変更を提供するステップを更に含む、方法。
109. 請求項１０８に記載の方法であって、変更された１つ又は複数の特徴を有する１つ又は複数の集積回路を作るステップを更に含む、方法。
110. 請求項９８に記載の方法であって、報告する前記動作は、前記確率のグラフィカル表現を生成するステップを含む、方法。
111. 請求項１１０に記載の方法であって、前記グラフィカル表現は、パレート図を含む、方法。
112. 請求項９８に記載の方法であって、前記受け取られた情報は、被疑特徴のリストを含む、方法。
113. 請求項１１２に記載の方法であって、被疑特徴の前記リストは、（ａ）少なくとも１つの圧縮された故障辞書又は（ｂ）増分診断のうちの１つ又は複数を使用して生成される、方法。
114. 請求項９８に記載の方法であって、確率を判定する前記動作は、
     各々の可能な歩留り制限要因が、関連する各々の集積回路障害を引き起こした確率を推定するステップと、
     前記推定された確率を、前記各々の可能な歩留り制限要因が前記関連する障害を引き起こした実際の確率に関係付ける連立方程式を反復的に解くステップと
     を含む、方法。
115. 請求項９８に記載の方法であって、前記可能な歩留り制限要因は、（ａ）集積回路レイアウト内のネット、（ｂ）前記集積回路レイアウト内の特徴、又は（ｃ）前記集積回路の製造に関連する設計製造ルールのうちの少なくとも１つを含む、方法。
116. 請求項９８に記載の方法であって、テストされた前記集積回路は、共通の設計を有し、確率を判定する前記動作は、前記集積回路の前記設計を複数の設計ブロックに区分するステップを含み、各設計ブロックは、前記可能な歩留り制限要因の部分集合を含む、方法。
117. 請求項１１６に記載の方法であって、区分する前記ステップは、
     前記集積回路の前記設計内のネットに関連する故障をシミュレートするステップと、
     少なくともネットの第１セットからの誤りを取り込む観察点の第１グループとネットの第２セットからの誤りを取り込む観察点の第２グループとを識別するステップと、
     第１設計ブロックにネットの前記第１セットを、第２設計ブロックにネットの前記第２セットを含めるステップと
     を含む、方法。
118. 請求項１１６に記載の方法であって、確率を判定する前記動作は、
     設計ブロック障害確率を、歩留り制限要因が各々の設計ブロック内に含まれる障害確率に関係付ける確率モデルを構築するステップと、
     前記設計ブロック障害確率を前記受け取られた情報と比較するステップと、
     回帰技法を使用して、歩留り制限要因の推定された障害確率を計算するステップと
     を更に含む、方法。
119. 請求項９８に記載の方法であって、前記確率を判定する前記動作は、他のネットより実質的に高いレートで障害を発生するネットを識別するステップを更に含む、方法。
120. 請求項１１９に記載の方法であって、前記確率を判定する前記動作は、他のネットより実質的に高いレートで障害を発生する前記ネットが、前記テストされた集積回路のインスタンスをそれぞれが含むダイの複数のインスタンスを含む複数のウェハの同一のダイ位置又はその付近で繰り返して発生するかどうかを判定するステップを更に含む、方法。
121. 請求項１１９に記載の方法であって、他のネットより実質的に高いレートで障害を発生する前記ネットが同一のダイ位置又はその付近で繰り返して発生するかどうかを判定する前記動作は、ウェハ欠陥マップを生成するステップを含む、方法。
122. 請求項９８に記載の方法であって、前記テストは、その中で１つ又は複数の潜在的欠陥がビット・マスクの適用によって識別される故障辞書を使用して前記集積回路内の潜在的欠陥を識別するステップを含む、方法。
123. コンピュータに請求項９８に記載の方法を実行させるコンピュータ実行可能命令を含む１つ又は複数の有形のコンピュータ可読媒体。
124. 請求項９８に記載の方法を実行するようにプログラムされた少なくとも１つのコンピュータ。
125. 集積回路のテスト応答を処理することからの情報を受け取るステップであって、前記情報は、前記集積回路のテスト中に観察された集積回路障害と、前記集積回路障害を引き起こした可能性がある潜在的欠陥とを示す、ステップと、
     前記受け取られた情報を分析することによって、前記潜在的欠陥が前記集積回路障害を実際に引き起こしている確率を判定するステップであって、前記分析することは、推定された確率を、各々の潜在的欠陥が関連する集積回路障害を引き起こした実際の確率に関係付ける連立方程式を反復的に解くステップを含む、ステップと、
     前記判定された確率を報告するステップと
     を含む、コンピュータ実施される方法。
126. 請求項１２５に記載の方法であって、受け取られた前記情報は、（ａ）診断結果、（ｂ）前記潜在的欠陥の１つ若しくは複数のリスト、又は（ｃ）前記テスト中の前記潜在的欠陥の検出に関する情報のうちの１つ又は複数を含む、方法。
127. 請求項１２５に記載の方法であって、前記判定された確率に少なくとも部分的に基づいて、前記集積回路の歩留りの推定値を判定するステップを更に含む、方法。
128. 請求項１２５に記載の方法であって、前記集積回路は、集積回路の第１セットを含み、前記方法は、前記判定された確率に少なくとも部分的に基づいて、集積回路の第２セットの歩留りの推定値を判定するステップを更に含む、方法。
129. 請求項１２５に記載の方法であって、前記判定された確率に少なくとも部分的に基づいて、各々の潜在的欠陥又は前記集積回路のエスケープ・レートの推定値を判定するステップを更に含む、方法。
130. 請求項１２５に記載の方法であって、前記集積回路は、集積回路の第１セットを含み、前記方法は、前記判定された確率に少なくとも部分的に基づいて、集積回路の第２のセットの潜在的欠陥又は集積回路の前記第２セットのエスケープ・レートの推定値を判定するステップを更に含む、方法。
131. 請求項１２５に記載の方法であって、前記集積回路は、１つ又は複数の設計製造ルールに従って設計され、前記方法は、前記判定された確率に少なくとも部分的に基づいて前記設計製造ルールのうちの少なくとも１つの歩留り感度曲線を推定するステップを更に含む、方法。
132. 請求項１２５に記載の方法であって、経時的に繰り返して実行され、前記方法は、経時的に観察された前記判定された確率の変化に基づいて生産傾向を判定するステップを更に含む、方法。
133. 請求項１２５に記載の方法であって、前記報告された確率に少なくとも部分的に基づいて、（ａ）１つ若しくは複数の設計製造ルールの調整、（ｂ）１つ若しくは複数の欠陥抽出ルールの調整、又は（ｃ）前記集積回路内の１つ若しくは複数の特徴の推奨される変更の提供のうちの１つ又は複数を実行するステップを更に含む、方法。
134. 請求項１３３に記載の方法であって、前記集積回路内の１つ又は複数の特徴は、前記報告された確率に少なくとも部分的に基づいて変更され、前記方法は、前記変更された１つ又は複数の特徴を有する１つ又は複数の集積回路を作るステップを更に含む、方法。
135. 請求項１２５に記載の方法であって、報告する前記動作は、前記確率のグラフィカル表現を生成するステップを含む、方法。
136. 請求項１２５に記載の方法であって、テストされた前記集積回路は、共通の設計を有し、前記確率を判定する前記動作は、前記集積回路の前記設計を複数の設計ブロックに区分するステップを含み、各設計ブロックは、前記潜在的欠陥の部分集合を含む、方法。
137. 請求項１３６に記載の方法であって、区分する前記ステップは、
     前記集積回路の前記設計内のネットに関連する故障をシミュレートするステップと、
     少なくともネットの第１セットからの誤りを取り込む観察点の第１グループとネットの第２セットからの誤りを取り込む観察点の第２グループとを識別するステップと、
     第１設計ブロック内にネットの前記第１セットを、第２設計ブロック内にネットの前記第２セットを含めるステップと
     を含む、方法。
138. 請求項１３６に記載の方法であって、確率を判定する前記動作は、
     設計ブロック障害確率を、各々の設計ブロックに含まれる潜在的欠陥の障害確率に関係付ける確率モデルを構築するステップと、
     前記設計ブロック障害確率を前記受け取られた情報と比較するステップと、
     回帰技法を使用して、前記潜在的欠陥の推定された障害確率を計算するステップと
     を更に含む、方法。
139. 請求項１２５に記載の方法であって、診断情報は、更に、各々の潜在的欠陥に関連する次のプロパティ即ち、
     前記各々の潜在的欠陥を他の潜在的欠陥から区別する欠陥識別子と、
     前記各々の潜在的欠陥を抽出するのに使用された欠陥抽出ルールを識別する被導出ルール識別子と、
     前記欠陥抽出ルールがそれに基づいた製造ルールを識別する設計製造ルール識別子と、
     前記各々の潜在的欠陥の１つ又は複数の物理的プロパティと、
     集積回路設計の物理的レイアウト内の前記各々の潜在的欠陥の物理的位置と、
     潜在的欠陥の同一のクラス内の他の潜在的欠陥に対する相対的な前記各々の潜在的欠陥のランキングと
     のうちの１つ又は複数を更に示す、方法。
140. コンピュータに請求項１２５に記載の方法を実行させるコンピュータ実行可能命令を含む１つ又は複数の有形のコンピュータ可読媒体。
141. 請求項１２５に記載の方法を実行するようにプログラムされた少なくとも１つのコンピュータ。
142. 複数の集積回路のテスト中に観察された集積回路障害と、前記集積回路障害を引き起こした可能性がある潜在的欠陥とを表す情報を受け取るステップであって、前記潜在的欠陥は、設計製造ルールから導出された抽出ルールを使用して抽出され、テストに関してターゲットにされる、ステップと、
     前記潜在的欠陥のうちの１つ又は複数に関連する１つ又は複数の障害レートを判定するために前記情報を分析するステップと、
     前記判定された障害レートを報告するステップと
     を含む、コンピュータ実施される方法。
143. 請求項１４２に記載の方法であって、受け取られた前記情報は、（ａ）診断結果、（ｂ）前記潜在的欠陥の１つ若しくは複数のリスト、又は（ｃ）前記テスト中の前記潜在的欠陥の検出に関する情報のうちの１つ又は複数を含む、方法。
144. 請求項１４２に記載の方法であって、前記判定された障害レートに少なくとも部分的に基づいて前記集積回路の歩留りの推定値を判定するステップを更に含む、方法。
145. 請求項１４２に記載の方法であって、前記集積回路は、集積回路の第１セットを含み、前記方法は、前記判定された障害レートに少なくとも部分的に基づいて集積回路の第２セットの歩留りの推定値を判定するステップを更に含む、方法。
146. 請求項１４２に記載の方法であって、前記判定された障害レートに少なくとも部分的に基づいて各々の潜在的欠陥又は前記集積回路のエスケープ・レートの推定値を判定するステップを更に含む、方法。
147. 請求項１４２に記載の方法であって、前記集積回路は、集積回路の第１セットを含み、前記方法は、前記判定された障害レートに少なくとも部分的に基づいて集積回路の第２セットの潜在的欠陥又は集積回路の前記第２セットのエスケープ・レートの推定値を判定するステップを更に含む、方法。
148. 請求項１４２に記載の方法であって、前記判定された障害レートに少なくとも部分的に基づいて前記設計製造ルールのうちの少なくとも１つの歩留り感度曲線を推定するステップを更に含む、方法。
149. 請求項１４２に記載の方法であって、経時的に繰り返して実行され、前記方法は、経時的に観察された判定された確率の変化に基づいて生産傾向を判定するステップを更に含む、方法。
150. 請求項１４２に記載の方法であって、報告される確率に少なくとも部分的に基づいて、（ａ）１つ若しくは複数の設計製造ルールの調整、（ｂ）１つ若しくは複数の欠陥抽出ルールの調整、又は（ｃ）前記集積回路内の１つ若しくは複数の特徴の推奨される変更の提供のうちの１つ又は複数を実行するステップを更に含む、方法。
151. 請求項１５０に記載の方法であって、前記集積回路内の１つ又は複数の特徴は、前記報告される確率に少なくとも部分的に基づいて変更され、前記方法は、前記変更された１つ又は複数の特徴を有する１つ又は複数の集積回路を作るステップを更に含む、方法。
152. 請求項１４２に記載の方法であって、診断結果は、少なくとも１つの故障辞書の適用を介して入手される、方法。
153. 請求項１５２に記載の方法であって、前記少なくとも１つの故障辞書は、潜在的欠陥を識別するのに１つ又は複数のビット・マスクを使用する圧縮された故障辞書を含む、方法。
154. 請求項１４２に記載の方法であって、分析する前記ステップは、
     特徴障害レートに関連する確率モデルを構築するステップと、
     前記構築された確率モデルを受け取られる診断結果に関係付けるステップと、
     回帰分析を使用して推定された特徴障害レートを計算するステップと
     を含む、方法。
155. コンピュータに請求項１４２に記載の方法を実行させるコンピュータ実行可能命令を含む１つ又は複数の有形のコンピュータ可読媒体。
156. 請求項１４２に記載の方法を実行するようにプログラムされた少なくとも１つのコンピュータ。

Images