JP2014186702A - 物理故障解析プログラム、物理故障解析方法および物理故障解析装置 - Google Patents

Abstract

【課題】物理故障解析の精度を向上させる。
【解決手段】物理故障が生じた各チップの複数個の故障候補ネットを抽出し、各故障チップ毎に１本の故障ネットがあると仮定して故障ネットを組み合わせた故障率算出モデルを複数構築し（ステップＳ２０４）、構築された故障率算出モデルにより算出した故障率の見積もり値と、物理故障が生じたチップの実故障データの故障率とに基づいて、故障ネットの組合せによる最適な故障率算出モデルを求める（ステップＳ２０７）。
【選択図】図２

Description

本発明は、半導体装置の物理故障解析プログラム、物理故障解析方法および物理故障解析装置に関する。

大規模集積（ＬＳＩ：Ｌａｒｇｅ Ｓｃａｌｅ Ｉｎｔｅｇｒａｔｅｄ）回路等の半導体装置は、設計および製造後に出荷試験が行われる。出荷試験で故障が検出されると、論理シミュレーション又は故障辞書等を用いた故障解析が行われ、故障候補が抽出される。故障候補に基づいて、統計的解析を行う大量故障診断（Ｖｏｌｕｍｅ Ｄｉａｇｎｏｓｉｓ）により故障要因が絞り込まれる。絞り込まれた故障要因に関連する故障候補を選択して、電子顕微鏡等を用いた物理解析により実際の半導体装置上の故障であるか否かが調べられ、故障原因が特定される。特定された故障原因は、半導体装置の設計および／又は製造工程にフィードバックされ、出荷試験で検出される故障を減少させるための変更が加えられる。

故障診断は、製造後の出荷試験で故障が検出された半導体装置について、半導体装置内部の故障箇所を推定する技術である。近年は、大量故障診断において統計的解析を用いることで、さらに故障要因を絞り込む手法や、故障箇所を推定する手法が提案されている。

テクノロジの微細化、回路の大規模化に伴い、物理解析のコストが増大している。物理解析のコストを減らし、故障原因を早期に特定するためには、大量故障診断において、物理解析対象となる故障候補を的確に絞り込む必要がある。

故障候補となるネット又は入出力ピンの情報を含む故障レポートと故障要因となる特徴とに基づいて統計的解析を行い故障診断する故障診断装置が提案されている（例えば、下記特許文献１参照。）。この故障診断装置は、故障要因となる特徴を指標として半導体装置の回路情報をグループに分割し、各グループに属する部分回路の特徴量の総和を計算した学習サンプルのリストを出力する。そして、学習サンプルのリストに基づいて学習処理を行うことで各特徴の故障への寄与度を計算すると共に、寄与度が一定値以上の特徴のランキングを計算して、故障要因を含む特徴のランキングを示す故障要因情報を出力する。これにより、故障レポートから得られる故障候補数が少ない場合における統計的解析の精度の低下を抑制する。

また、大量故障診断（Ｖｏｌｕｍｅ Ｄｉａｇｎｏｓｉｓ）を行う故障診断システムが提案されている（例えば、下記特許文献２参照。）。この故障診断システムでは、診断アルゴリズムが観測データと診断対象モデルとから診断対象の故障の仮説を生成し、これをシミュレーションする。そして、故障を特定し、故障シミュレーションした結果と観測データとが一致するかを調べる。この際、観測データに観測誤差が含まれることを考慮し、故障シミュレーション結果と合うように、観測データに観測誤差を加える。

例えば、半導体装置の故障候補ネットを診断する場合、大量故障診断により故障率算出等のモデルを構築した後、最適化したモデルを評価する。この際、決定係数（Ｒ²）やカイ二乗値（Ｃｈｉ−ｓｑｕａｒｅ）を最適化して故障ネットの組合せを得る。

特開２０１２−０１８０１２号公報 特開２００３−２８８２３１号公報

しかしながら、従来技術では、モデルの適合度を評価指標とすると、真の故障を特定できない場合が生じた。適合度を上げる最適化を行うと、余計な特徴により故障率を合わせることが生じ、真の故障要因ではない特徴が求まる場合があった。適合度（決定係数）は、特徴数（説明変数）が多いほど、適合度が良くなる性質を有する。このため、ある故障チップから選択する故障ネットによって各グループに含まれる故障ネットの割合が変わる。これにより、適合度だけを最適化する指標として用いると、真の故障要因ではない特徴が求まることがあり、ただ適合度が高いモデルが故障要因として選択される等、解析精度を向上できなかった。

一つの側面では、本発明は、物理故障解析の精度を向上できることを目的とする。

一つの案では、物理故障が生じた各チップの複数個の故障候補ネットを抽出し、各故障チップ毎に１本の故障ネットがあると仮定して故障ネットを組み合わせた故障率算出モデルを複数構築させ、前記構築された故障率算出モデルにより算出した故障率の見積もり値と、前記物理故障が生じたチップの実故障データの故障率とに基づいて、故障ネットの組合せによる最適な故障率算出モデルを求めることにより、物理故障を解析する。

一つの実施形態によれば、物理故障解析の精度を向上できる。

図１は、実施の形態にかかる故障解析方法の説明図である。 図２は、実施の形態にかかる物理故障解析の処理手順を示すフローチャートである。 図３は、物理故障解析装置のハードウェア構成の一例を示すブロック図である。 図４は、実施例１にかかるスキャンパスの故障率に基づくモデル評価の処理内容を説明する図である。 図５は、実施例１にかかるスキャンパスの故障率に基づくモデル評価の処理内容を示すフローチャートである。 図６は、実施例１にかかるスキャンパスの故障率のずれを説明する図である。 図７は、実施例２にかかるＦＦのフェイル率のずれに基づくモデル評価の処理内容を説明する図である。 図８は、実施例２にかかるＦＦのフェイル率のずれに基づくモデル評価の処理内容を示すフローチャートである。 図９は、ＦＦの種別を考慮したフェイル率のずれの算出を説明する図である。

（実施の形態）
以下に添付図面を参照して、開示技術の好適な実施の形態を詳細に説明する。実施の形態では、半導体装置のチップ上に形成される配線パターンの形成状態に伴う配線故障（物理故障）を解析する例について説明する。

図１は、実施の形態にかかる故障解析方法の説明図である。実施の形態では、半導体装置（各チップ）のフェイルログ１００に基づき、複数の故障ネット組合せ１（１０１）、２（１０２）を生成する。また、大量故障診断（Ｖｏｌｕｍｅ Ｄｉａｇｎｏｓｉｓ）により故障率算出の複数のモデル１（１１１）、２（１１２）を構築する。

そして、複数のモデル１，２を半導体装置の実故障データ１２０を用いて評価する。この際、スキャンパスの故障率の実測値と、モデル１，２の見積もり値とを対比してずれ（差分値）を評価する（実施例１）。このほか、半導体装置の各フリップ・フロップ（ＦＦ）のフェイル率の実測値と、モデル１，２の見積もり値とのずれを評価する。

図１に示す実施の形態では、従来手法では用いない実故障データを最適化する評価の指標として用いる。なお、図１でみて、従来は、故障ネット組合せ１−モデル１と、故障ネット組合せ２−モデル２とを適合度（決定係数）により評価していたが、実施の形態では、この適合度を用いない。

（物理故障解析の全体処理内容）
図２は、実施の形態にかかる物理故障解析の処理手順を示すフローチャートである。この物理故障解析は、後述する物理故障解析装置３００のＣＰＵ３０１が実行処理する。はじめに、故障チップ群の故障候補ネットを抽出する（ステップＳ２０１）。次に、各故障チップ毎に１本の故障ネットを選択する（ステップＳ２０２）。ここで、故障ネットの組合せを求める（ステップＳ２０３）。ここで、各故障チップの複数本の故障候補ネットから故障候補ネットを１本に絞って解析する。すなわち、ある１ネットの故障が原因でチップがフェイルしていると推測する。

そして、大量故障診断（Ｖｏｌｕｍｅ Ｄｉａｇｎｏｓｉｓ）により、チップのレイアウト情報からネットリストを取得し、故障率算出モデルの構築を行う（ステップＳ２０４）。大量故障診断の処理概要の一例を説明する。はじめに、故障候補ネットを特徴によりベクトル化する。特徴とは、ユーザが定義する故障要因候補であり、チップ上の配線の各種レイアウトパターン（例えば、両側隣接配線、配線疎パターン、多角形パターン等）である。これらレイアウトパターン毎の故障要因候補が仮定できる。例えば、両側隣接配線間のショート、配線疎パターンにおけるパターンの潰れ、多角形パターンにおけるブリッジ等がある。その後、全ネットをグループ化し、各グループの故障率とベクトルを算出する。故障率とは、グループに含まれる故障候補ネットの割合であり、ベクトルとはグループに含まれるネットのベクトル和である。次に、グループの故障率を算出する故障率算出モデルを構築する。例えば、故障率算出モデルは、下記式（１）で表される。

この故障率算出モデルから、各特徴の故障率への影響度（ｗ_i，Ｃ）を計算し、各特徴のランキングを算出する（ｘ_j：故障率、ｆ_i：故障要因候補、ｊ：グループ数（１≦ｊ≦ｍ、ｆ_ij：各グループの特徴のベクトル）。そして、ランキング上位の特徴を故障要因として出力する。

この後、故障要因の最適化が必要か判断する（ステップＳ２０５）。故障率算出モデルによりランキング上位の特徴が特定できれば最適化が不要であり（ステップＳ２０５：Ｎｏ）、故障要因を特定し（ステップＳ２０６）、処理を終了する。一方、故障要因の特定のための最適化が必要であれば（ステップＳ２０５：Ｙｅｓ）、モデル評価を行う（ステップＳ２０７）。

実施の形態では、所定の指標として実故障データ１２０を用いてモデル評価を行う（ステップＳ２０７）。実故障データ１２０としては、例えば、スキャンパスの故障情報２３１（実施例１）、あるいはテストパターンとネットリストＦＦのフェイルログ２３２（実施例２）等を用いる。この実故障データ１２０は、外部からデータ取得する。このモデル評価の処理詳細については、後述する。

モデル評価の結果、今回のモデルが前回のモデルより良い評価であるか判断する（ステップＳ２０８）。今回のモデルが前回のモデルより良い評価であれば（ステップＳ２０８：Ｙｅｓ）、故障ネットを更新し（ステップＳ２０９）、ステップＳ２１０に移行する。一方、今回のモデルが前回のモデルより良い評価でなければ（ステップＳ２０８：Ｎｏ）、ステップＳ２０９の処理を行わずステップＳ２１０に移行する。

ステップＳ２１０では、あるチップの故障ネットを変更し（ステップＳ２１０）、ステップＳ２０３に戻る。これにより、故障ネットの組合せを変更することになる。そして、以上の処理は、焼きなまし法、山登り法等の手法により、ループ処理される。

（物理故障解析装置のハードウェア構成）
図３は、物理故障解析装置のハードウェア構成の一例を示すブロック図である。図３において、物理故障解析装置３００は、ＣＰＵ３０１と、Ｒｅａｄ‐Ｏｎｌｙ Ｍｅｍｏｒｙ（ＲＯＭ）３０２と、Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ（ＲＡＭ）３０３と、を含む。また、半導体メモリやディスクドライブ等の記憶部３０４と、ディスプレイ３０８と、通信インターフェース（Ｉ／Ｆ）３０９と、キーボード３１０と、マウス３１１と、スキャナ３１２と、プリンタ３１３とを備えても良い。これらＣＰＵ３０１〜プリンタ３１３はバス３１４によってそれぞれ接続されている。

ＣＰＵ３０１は、物理故障解析装置３００の全体の制御を司る演算処理装置である。ＲＯＭ３０２は、物理故障解析装置３００の解析プログラムを記憶する不揮発性メモリである。ＲＡＭ３０３は、ＣＰＵ３０１による演算処理実行時のワークエリアとして使用される揮発性メモリである。

通信インターフェース３０９は、ネットワーク３１５と内部のインターフェースを司り、外部装置からのデータの入出力を制御する。具体的に、通信インターフェース３０９は、通信回線を通じてネットワーク３１５となるＬｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ（ＬＡＮ）、Ｗｉｄｅ Ａｒｅａ Ｎｅｔｗｏｒｋ（ＷＡＮ）、インターネットなどに接続され、ネットワーク３１５を介して他の装置に接続される。通信インターフェース３０９には、例えば、モデムやＬＡＮアダプタなどを採用することができる。

ディスプレイ３０８は、解析処理のための設定画面や解析結果について、カーソル、アイコンあるいはツールボックスをはじめ、文書、画像、機能情報などデータ表示する装置である。ディスプレイ３０８には、例えば、Ｔｈｉｎ Ｆｉｌｍ Ｔｒａｎｓｉｓｔｏｒ（ＴＦＴ）液晶ディスプレイ、プラズマディスプレイ、有機ＥＬディスプレイなどを採用することができる。

上述した図１および図２に記載した物理故障解析の機能は、図３に記載のＣＰＵ３０１がＲＯＭ３０２に格納された物理故障解析プログラムを実行処理することにより得ることができる。より詳細には、ＣＰＵ３０１は、チップのネットリストおよび実故障データを外部から取得する取得部の機能と、故障チップ毎に故障ネットを選択し、故障ネットを変更する組合せ部の機能とを含む。また、故障ネットの組合せにより故障率算出モデルを構築する大量故障診断部の機能と、故障率算出モデルを実故障データと比較して最適化する評価部の機能と、最適化された故障率算出モデルに基づいて故障要因を特定する特定部の機能、等を含む。

実施例１では、故障率算出モデルのモデル評価をスキャンパスの故障情報に基づき行う処理例を説明する。図４は、実施例１にかかるスキャンパスの故障率に基づくモデル評価の処理内容を説明する図である。図４に示すように、チップ上の各ＦＦ４０１間は、スキャンパス２０３によって縦列接続される。このスキャンパス２０３は、各ＦＦ４０１に対して信号値０／１をセットし、信号値を取り出すためのパスである。スキャンパス２０３は、ＦＦ４０１のテストのために用いられる。

そして、このスキャンパス２０３中に故障がある確率をモデルから求める。故障率算出モデルの計算によりスキャンパス２０３を構成する各配線（２０３ａ〜２０３ｎ）の故障率を計算する。

ここで実測値と、モデル見積もり値とをそれぞれ求める。実測値は、スキャンパスが通らなかったチップの割合の実測値である。モデル見積もり値は、故障率算出モデルにより各スキャンパスの故障率を求め、入力ピン２０３Ａ〜出力ピン２０３Ｎまでのスキャンパスに故障がある確率を計算により求める。図４の例では、実測値がチップ１００枚中１１枚の故障のため、故障率は、０．１１であり、モデル見積もり値は、各ＦＦ４０１間の故障率０．０１，０．０５，…０．０２に基づき、１−（０．９９×０．９５×０．９８×０．９７×０．９８）＝０．１２４となる。これにより、実測値とモデル見積もり値の故障率のずれ（モデルの評価値に相当）は０．０１４となる。

図５は、実施例１にかかるスキャンパスの故障率に基づくモデル評価の処理内容を示すフローチャートである。物理故障解析装置３００が行う図２のステップＳ２０７の処理内容を詳細に説明する。はじめに、故障率算出モデルとして複数（図の例では２つ）の故障率算出モデル１（１１１）、故障率算出モデル２（１１２）について、それぞれスキャンパスの故障率の計算を行う（ステップＳ５０１）。この際、チップのスキャンパスのネットリストとレイアウト情報５１０を取得して、スキャンパスの故障率を計算する。

ステップＳ５０１の実行により、故障率算出モデル１（１１１）についてスキャンパスの故障率見積もり値１（５１１）が得られ、故障率算出モデル２（１１２）についても、スキャンパスの故障率見積もり値２（５１２）が得られる。

この後、実故障データであるスキャンパスの故障情報２３１が示すスキャンパスが故障したチップの割合（実測値）の情報に基づき、故障率算出モデル１（１１１）について、スキャンパスの見積もり値１（５１１）と実測値（２３１）とのずれ１を算出する（ステップＳ５０２ａ）。また、故障率算出モデル２（１１２）についても、スキャンパスの故障見積もり値２（５１２）と実測値（２３１）とのずれ２を算出する（ステップＳ５０２ｂ）。この後、これら故障率算出モデル１（１１１）のずれ１と、故障率算出モデル２（１１２）のずれ２とを比較することにより、評価を行う（ステップＳ５０３）。

この後、ステップＳ２０８（図２参照）では、上記の指標値であるスキャンパスの故障率のずれを用いて、指標値を最小化する故障率算出モデルを構成する故障ネットの組合せを求める。

図６は、実施例１にかかるスキャンパスの故障率のずれを説明する図である。スキャンパスの故障率の計算例について説明する。スキャンパス２０３の故障率は、スキャンパス２０３を構成する各ネットｎ_iに対し、故障率算出モデルを用いて、各ネットの故障率ｅｒｒ_iを求める。これにより、各ネットが故障しない確率は１−ｅｒｒ_iとなる。そして、スキャンパス２０３が故障せずに貫通する確率（下記式（２））を見積もる。これにより、スキャンパスの故障率を見積もることができる（下記式（３））。

以上説明した実施例１によれば、故障率算出モデルを、スキャンパスに関する実測値とモデルの見積もり値とのずれに基づき評価することにより、実データで起きている現象を再現できるモデルを選択することができるようになる。この際、従来の如く適合度が単に高いだけのモデルが選択されることを回避できる。これらにより、実故障とのずれの小さいモデルを選択して、真の故障要因を特定できるようになり、物理故障の解析精度を向上できるようになる。

実施例２では、故障率算出モデルのモデル評価をチップ上のＦＦのフェイル率に基づき行う処理例を説明する。図７は、実施例２にかかるＦＦのフェイル率のずれに基づくモデル評価の処理内容を説明する図である。図７に示すように、チップ上の各ＦＦ４０１は配線（ネット）４０２により接続されている。

そして、各ＦＦ４０１のフェイル率の実測値とモデル見積もり値のずれを求める。実測値は、テストでＦＦ４０１がフェイルしたチップの割合である。モデル見積もり値は、故障率算出モデルにより各ネット４０２の故障率を求め、この故障率と、ネットリストとテストパターンに基づいて、各ＦＦ４０１のフェイル率を求める。

図７の例では、実測値がチップ１００枚中３４枚でフェイルが発生したため、実測値（実際のフェイル率）は、０．３４である。これに対し、モデル見積もり値は、各ネット４０２の故障率０．０５，０．０３，０．１，…０．０２に基づき、各ネット４０２の故障率は独立していると仮定して、下記ＦＦ４０１単位で求める。図７の場合、１−（ｍａｘ（０．９７，０．９５）×０．９）×（０．９７×０．９３）×０．９８＝０．３２８となる。これにより、実測値とモデル見積もり値の故障率のずれ（モデルの評価値に相当）は０．０１２となる。

図８は、実施例２にかかるＦＦのフェイル率のずれに基づくモデル評価の処理内容を示すフローチャートである。物理故障解析装置３００が行う図２のステップＳ２０７の処理内容を詳細に説明する。はじめに、故障率算出モデルとして複数（図の例では２つ）の故障率算出モデル１（１１１）、故障率算出モデル２（１１２）について、それぞれＦＦ４０１のフェイル率の計算を行う（ステップＳ８０１）。この際、チップのネットリストとレイアウト情報とテストパターンの情報８１０を取得して、各ＦＦ４０１のフェイル率を計算する。

ステップＳ８０１の実行により、故障率算出モデル１（１１１）についてＦＦのフェイル率見積もり値１（８１１）が得られ、故障率算出モデル２（１１２）についても、ＦＦのフェイル率見積もり値２（８１２）が得られる。

この後、各故障チップに対するフェイルしたＦＦのリスト（フェイルログ）の情報（実測値）２３２に基づき、故障率算出モデル１（１１１）について、ＦＦのフェイル率見積もり値１（８１１）と実測値（２３２）とのずれ１を算出する（ステップＳ８０２ａ）。また、故障率算出モデル２（１１２）についても、ＦＦのフェイル率見積もり値２（８１２）と実測値（２３２）とのずれ２を算出する（ステップＳ８０２ｂ）。この後、これら故障率算出モデル１（１１１）のずれ１と、故障率算出モデル２（１１２）のずれ２とを比較することにより、評価を行う（ステップＳ８０３）。

この後、ステップＳ２０８（図２参照）では、上記の指標値であるＦＦのフェイル率のずれを用いて、指標値を最小化する故障率算出モデルを構成する故障ネットの組合せを求める。

次に、上述したＦＦのフェイル率のずれの算出例について説明する。はじめに、１．故障率算出モデルを用いて全ネットの故障率を求める。次に、２．テストパターンとネットリストから、あるＦＦａまで故障がなく信号が伝わる確率Ｐａを求める。この際、ＦＦの種別（ＡＮＤゲート、ＯＲゲート等）と信号値に基づき、ＭａｘあるいはＭｉｎ演算を行う。そして、３．ＦＦａの見積もりフェイル率ｆａｉｌ_estimated（ａ）を１−Ｐａにより求める。この後、４．ＦＦａの実測値（実測フェイル率）ｆａｉｌ_observed（ａ）を実測テストでａがフェイルしたチップの割合から求める。５．最後に、上記２．〜４．を下記式（４）に示すように、全てのＦＦ（あるいはユーザが指定したＦＦ）に対して求め、ずれを算出する。

図９は、ＦＦの種別を考慮したフェイル率のずれの算出を説明する図である。ＦＦのフェイル率の計算にあたり、はじめにネットリストとテストパターンから、活性化パス（ネット）４０２を求める。次に、故障率算出モデルを用いて、活性化パス中の各ネットｎ_iの故障率ｅｒｒ_iを求める。そして、各ネットの信号値とゲート種別にしたがってパスの故障率を求める。図９に示す数値は、故障率算出モデルにより求めた各ネットの故障していない確率である。

ここで、各ネットの信号値とゲート種別にしたがった演算内容は、下記の通りである。
１．ＡＮＤゲートの入力が立ち上がりｒｉｓｅの時、入力の故障しない確率の掛け算
２．ＡＮＤゲートの入力が立ち下がりｆａｌｌの時、入力の故障しない確率のＭａｘ演算
３．ＯＲゲートの入力が立ち上がりｒｉｓｅの時、入力の故障しない確率のＭａｘ掛け算
４．ＯＲゲートの入力が立ち下がりｆａｌｌの時、入力の故障しない確率の掛け算

この後、ＦＦのフェイル率の見積もりを計算する。図９の例では、ＦＦの見積もりフェイル率は、０．２３５と算出される。

以上説明した実施例２によれば、故障率算出モデルを、ＦＦのフェイル率に関する実測値とモデルの見積もり値とのずれに基づき評価することにより、実データで起きている現象を再現できるモデルを選択することができるようになる。この際、従来の如く適合度が単に高いだけのモデルが選択されることを回避できる。これらにより、実故障とのずれの小さいモデルを選択して、真の故障要因を特定できるようになり、物理故障の解析精度を向上できるようになる。

上述した実施の形態によれば、半導体装置の物理故障を解析する際に、大量故障解析により構築された複数の故障率算出モデルについて、半導体装置の実故障データを用いて評価する。特に、実故障データとモデルの見積もり値のずれに基づき最適な故障ネットの組合せからなる最適な故障率算出モデルを求めることができるようになる。そして、実故障とのずれの小さい故障率算出モデルを選ぶことができ、真の故障要因を特定できるようになる。これにより、故障率算出モデルに対する評価精度を向上し、評価を効率的におこなえ、物理故障解析の精度を向上できるようになる。

なお、本実施の形態で説明した物理故障解析プログラムは、あらかじめ用意されたプログラムをコンピュータで実行することにより実現することができる。また、このプログラムは、半導体メモリ、ハードディスク、フレキシブルディスク、ＣＤ−ＲＯＭ、ＭＯ、ＤＶＤ等のコンピュータで読み取り可能な記録媒体に記録され、コンピュータによって記録媒体から読み出されることによって実行される。また、このプログラムは、インターネット等のネットワークを介して配布してもよい。

上述した実施の形態に関し、さらに以下の付記を開示する。

（付記１）コンピュータに、
物理故障が生じた各チップの複数個の故障候補ネットを抽出し、各故障チップ毎に１本の故障ネットがあると仮定して故障ネットを組み合わせた故障率算出モデルを複数構築させ、
前記構築された故障率算出モデルにより算出した故障率の見積もり値と、前記物理故障が生じたチップの実故障データの故障率とに基づいて、故障ネットの組合せによる最適な故障率算出モデルを求める、
処理を実行させることを特徴とする物理故障解析プログラム。

（付記２）前記最適な故障率算出モデルを求める処理は、
前記構築された故障率算出モデルにより算出したスキャンパスの故障率の見積もり値と、前記物理故障が生じたチップのスキャンパスの故障チップ数の割合とを対比してずれを求め、
前記ずれが小さい故障率算出モデルを求めることを特徴とする付記１に記載の物理故障解析プログラム。

（付記３）前記最適な故障率算出モデルを求める処理は、
前記構築された故障率算出モデルにより算出したフリップフロップのフェイル率の見積もり値と、前記物理故障が生じたチップのフリップフロップがフェイルした故障チップ数の割合とを対比してずれを求め、
前記ずれが小さい故障率算出モデルを求めることを特徴とする付記１に記載の物理故障解析プログラム。

（付記４）前記最適な故障率算出モデルを求める処理は、
構築された複数の前記故障率算出モデルについて、故障ネットの組合せを変更して新たに構築した故障率算出モデル毎に、前記故障率の見積もり値と、実故障データの故障率とに基づいて、最適な故障率算出モデルを求める処理を繰り返すことを特徴とする付記１〜３のいずれか一つに記載の物理故障解析プログラム。

（付記５）前記最適な故障率算出モデルを求める処理により選択された故障率算出モデルに基づき、前記チップの故障要因を特定することを特徴とする付記１〜４のいずれか一つに記載の物理故障解析プログラム。

（付記６）コンピュータが、
物理故障が生じた各チップの複数個の故障候補ネットを抽出し、各故障チップ毎に１本の故障ネットがあると仮定して故障ネットを組み合わせた故障率算出モデルを複数構築し、
前記構築された故障率算出モデルにより算出した故障率の見積もり値と、前記物理故障が生じたチップの実故障データの故障率とに基づいて、故障ネットの組合せによる最適な故障率算出モデルを求める、
処理を実行することを特徴とする物理故障解析方法。

（付記７）物理故障が生じた各チップの複数個の故障候補ネットの抽出により、各故障チップ毎に１本の故障ネットがあると仮定して故障ネットを組み合わせた故障率算出モデルを複数構築する大量故障解析部と、
前記構築された故障率算出モデルにより算出した故障率の見積もり値と、前記物理故障が生じたチップの実故障データの故障率とに基づいて、故障ネットの組合せによる最適な故障率算出モデルを求める評価部と、
を有することを特徴とする物理故障解析装置。

（付記８）前記評価部は、前記物理故障が生じたチップの実故障データを外部からデータ取得することを特徴とする付記７に記載の物理故障解析装置。

１１１ 故障率算出モデル１
１１２ 故障率算出モデル２
１２０ 実故障データ
２０３ スキャンパス
２３１ スキャンパスの故障情報
２３２ ＦＦのフェイルログ
３００ 物理故障解析装置
３０１ ＣＰＵ
３０２ ＲＯＭ
３０３ ＲＡＭ
３０４ 記憶部
４０１ ＦＦ

Claims (7)

1. コンピュータに、
   物理故障が生じた各チップの複数個の故障候補ネットを抽出し、各故障チップ毎に１本の故障ネットがあると仮定して故障ネットを組み合わせた故障率算出モデルを複数構築させ、
   前記構築された故障率算出モデルにより算出した故障率の見積もり値と、前記物理故障が生じたチップの実故障データの故障率とに基づいて、故障ネットの組合せによる最適な故障率算出モデルを求める、
   処理を実行させることを特徴とする物理故障解析プログラム。
2. 前記最適な故障率算出モデルを求める処理は、
   前記構築された故障率算出モデルにより算出したスキャンパスの故障率の見積もり値と、前記物理故障が生じたチップのスキャンパスの故障チップ数の割合とを対比してずれを求め、
   前記ずれが小さい故障率算出モデルを求めることを特徴とする請求項１に記載の物理故障解析プログラム。
3. 前記最適な故障率算出モデルを求める処理は、
   前記構築された故障率算出モデルにより算出したフリップフロップのフェイル率の見積もり値と、前記物理故障が生じたチップのフリップフロップがフェイルした故障チップ数の割合とを対比してずれを求め、
   前記ずれが小さい故障率算出モデルを求めることを特徴とする請求項１に記載の物理故障解析プログラム。
4. 前記最適な故障率算出モデルを求める処理は、
   構築された複数の前記故障率算出モデルについて、故障ネットの組合せを変更して新たに構築した故障率算出モデル毎に、前記故障率の見積もり値と、実故障データの故障率とに基づいて、最適な故障率算出モデルを求める処理を繰り返すことを特徴とする請求項１〜３のいずれか一つに記載の物理故障解析プログラム。
5. 前記最適な故障率算出モデルを求める処理により選択された故障率算出モデルに基づき、前記チップの故障要因を特定することを特徴とする請求項１〜４のいずれか一つに記載の物理故障解析プログラム。
6. コンピュータが、
   物理故障が生じた各チップの複数個の故障候補ネットを抽出し、各故障チップ毎に１本の故障ネットがあると仮定して故障ネットを組み合わせた故障率算出モデルを複数構築し、
   前記構築された故障率算出モデルにより算出した故障率の見積もり値と、前記物理故障が生じたチップの実故障データの故障率とに基づいて、故障ネットの組合せによる最適な故障率算出モデルを求める、
   処理を実行することを特徴とする物理故障解析方法。
7. 物理故障が生じた各チップの複数個の故障候補ネットの抽出により、各故障チップ毎に１本の故障ネットがあると仮定して故障ネットを組み合わせた故障率算出モデルを複数構築する大量故障解析部と、
   前記構築された故障率算出モデルにより算出した故障率の見積もり値と、前記物理故障が生じたチップの実故障データの故障率とに基づいて、故障ネットの組合せによる最適な故障率算出モデルを求める評価部と、
   を有することを特徴とする物理故障解析装置。

Images