KR100742544B1 - 데이터 분석용 방법 및 장치 - Google Patents

데이터 분석용 방법 및 장치 Download PDF

Info

Publication number
KR100742544B1
KR100742544B1 KR1020057015002A KR20057015002A KR100742544B1 KR 100742544 B1 KR100742544 B1 KR 100742544B1 KR 1020057015002 A KR1020057015002 A KR 1020057015002A KR 20057015002 A KR20057015002 A KR 20057015002A KR 100742544 B1 KR100742544 B1 KR 100742544B1
Authority
KR
South Korea
Prior art keywords
data
composite
test
analysis
analysis element
Prior art date
Application number
KR1020057015002A
Other languages
English (en)
Other versions
KR20050099549A (ko
Inventor
에릭 폴 테이버
Original Assignee
테스트 어드밴티지 인코포레이티드
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 테스트 어드밴티지 인코포레이티드 filed Critical 테스트 어드밴티지 인코포레이티드
Publication of KR20050099549A publication Critical patent/KR20050099549A/ko
Application granted granted Critical
Publication of KR100742544B1 publication Critical patent/KR100742544B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/01—Subjecting similar articles in turn to test, e.g. "go/no-go" tests in mass production; Testing objects at points as they pass through a testing station
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/28—Testing of electronic circuits, e.g. by signal tracer
    • G01R31/2851—Testing of integrated circuits [IC]
    • G01R31/2894—Aspects of quality control [QC]
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L22/00—Testing or measuring during manufacture or treatment; Reliability measurements, i.e. testing of parts without further processing to modify the parts as such; Structural arrangements therefor
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L22/00—Testing or measuring during manufacture or treatment; Reliability measurements, i.e. testing of parts without further processing to modify the parts as such; Structural arrangements therefor
    • H01L22/20—Sequence of activities consisting of a plurality of measurements, corrections, marking or sorting steps
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/28—Testing of electronic circuits, e.g. by signal tracer
    • G01R31/2832—Specific tests of electronic circuits not provided for elsewhere
    • G01R31/2834—Automated test systems [ATE]; using microprocessors or computers

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Manufacturing & Machinery (AREA)
  • Power Engineering (AREA)
  • General Engineering & Computer Science (AREA)
  • Testing Or Measuring Of Semiconductors Or The Like (AREA)
  • Tests Of Electronic Circuits (AREA)
  • Analysing Materials By The Use Of Radiation (AREA)

Abstract

본 발명의 다양한 양태에 따라 반도체를 테스팅하는 방법 및 장치는, 하나 이상의 데이터 세트로부터 데이터를 분석하도록 구성되는 합성 데이터 분석 엘리먼트를 구비하는 테스트 시스템을 구비한다. 테스트 시스템은 출력 리포트에서 데이터를 제공하도록 구성될 수도 있다. 합성 데이터 분석 엘리먼트는 공간 분석을 적절하게 수행하여 합성 데이터 세트 내의 패턴 및 불규칙성을 식별한다. 또한, 합성 데이터 분석 엘리먼트는, 클러스터 검출 시스템 및 배제 시스템과 같은 다양한 다른 분석 시스템과 관련하여 동작하여, 합성 데이터 분석을 정제한다. 합성은 다른 데이터와 병합될 수도 있다.
웨이퍼 테스트

Description

데이터 분석용 방법 및 장치{METHODS AND APPARATUS FOR DATA ANALYSIS}
발명자 : TABOR, Eric Paul
관련 출원들에 대한 상호 참조들
이 명세서는 발명의 명칭이 METHODS AND APPARATUS FOR DATA SMOOTHING 이고 2001년 5월 24일에 출원된 미국 가특허출원 제 60/293,577 호의 권리를 주장하는, 발명의 명칭이 METHODS AND APPARATUS FOR DATA SMOOTHING 이고 2001년 5월 31일에 출원된 미국 특허출원 제 09/872,195 호의 일부계속출원인, 발명의 명칭이 METHODS AND APPARATUS FOR SEMICONDUCTOR TESTING 이고 2002년 5월 24일에 출원된 미국 특허출원 제 10/154,627 호; 발명의 명칭이 METHODS AND APPARATUS FOR TEST DATA CONTROL AND ANALYSIS 이고 2001년 5월 31일에 출원된 미국 가특허출원 제 60/295,188 호; 및 발명의 명칭이 METHODS AND APPARATUS FOR TEST PROGRAM ANALYSIS AND ENHANCEMENT 이고 2002년 4월 21일에 출원된 미국 가특허출원 제 60/374,328 호의 일부계속출원이며, 참조로서 각 출원의 개시된 내용을 포함한다. 다만, 본 개시된 내용이 임의의 참조된 출원과 충돌하는 범위까지, 본 개시된 내용에 우선권이 주어질 것이다.
발명의 분야
본 발명은 데이터 분석에 관한 것이다.
발명의 배경기술
반도체 회사는 콤포넌트가 제대로 동작하는지 보증하기 위해 콤포넌트를 테스트한다. 테스트 데이터는 콤포넌트가 제대로 기능하는지 여부를 결정하는 것뿐만 아니라 제조 프로세스에서 결함들을 지적할 수 있다. 따라서, 많은 반도체 회사는 몇몇의 다른 콤포넌트로부터 수집된 데이터를 분석하여 문제점들을 식별하고 그 문제점들을 수정할 수 있다. 예를 들어, 회사는 몇몇의 다른 것들 가운데 각 웨이퍼 상의 다수의 칩 (chip) 들에 대한 테스트 데이터를 수집할 수 있다. 이 데이터는, 일반적인 결함 또는 결점들의 패턴을 식별하거나 품질과 성능 이슈를 전시할 수 있는 부분들은 식별하고, 사용자 정의된 "양호한 부분들" 을 식별 또는 분류하도록 분석될 수 있다. 그 다음, 문제들을 수정하는 단계들이 취해질 수 있다. 테스트는 일반적으로 조립 (assembly) 을 완료할 때 뿐만 아니라 (웨이퍼 레벨에서) 디바이스 패키징 전에 수행된다 (최종 테스트).
테스트 데이터를 수집하고 분석하는 것은 고 비용이며 시간을 소모한다. 자동적인 테스터들이 콤포넌트들에 신호들을 인가하고 상응하는 출력 신호들을 판독한다. 출력 신호들은 콤포넌트가 제대로 동작하는지 여부를 결정하기 위해 분석될 수 있다. 각 테스터는 많은 양의 데이터를 생성한다. 예를 들면, 각 테스터는 단일 콤포넌트 상에 200 개의 테스트들을 수행할 수 있고, 그 테스트들의 각각은 10 배로 반복될 수 있다. 결론적으로, 단일 콤포넌트의 테스트는 2000 개의 결과를 만들 수 있다. 각 테스터가 100 개 이상의 콤포넌트들을 1 시간에 테스트하고 몇몇의 테스터들이 동일한 서버에 연결될 수 있기 때문에, 많은 양의 데이터가 저장되어야 한다. 또한, 데이터를 프로세스하기 위해서, 서버는 일반적으로 데이터베이스에 테스트 데이터를 저장하여서 데이터의 조작 및 분석을 원활하게 한다. 다만, 종래의 데이터베이스에서의 저장은 데이터를 조직화하고 저장하는 시간뿐만 아니라 저장 용량을 추가로 요구한다.
수집된 데이터의 분석도 또한 어렵다. 다량의 데이터는 많은 프로세싱 파워 및 시간을 요구할 수 있다. 결과적으로, 데이터는 종종 제품 실행 시간 (product run time) 에 분석되지 않고, 대신에 일반적으로 테스트 수행들 사이에 또는 다른 뱃치 (batch) 에서 분석된다.
이러한 부담들의 일부를 경감하기 위해, 몇몇의 회사들은 테스터로부터 데이터만을 샘플링하고 나머지를 폐기한다. 다만, 모든 데이터보다 적은 분석은 결과 분석이 완전히 완벽하고 정확할 수 없다는 것을 보증한다. 결과적으로, 샘플링은 테스트 결과들의 완전한 이해를 손상시킨다.
추가적으로, 테스터에 의해 생성된 테스트 데이터의 완전한 세트가 유지될 때조차, 적은 양의 테스트 데이터로는 데이터를 분석하고 의미있는 결과들을 생성하는데 어려움을 나타낸다. 데이터는 제품 신뢰성 및 테스트를 향상하는데 사용될 수 있는 디바이스들, 테스팅 프로세스, 및 제조 프로세스에 대한 상당한 양의 정보를 포함할 수도 있다. 다만, 많은 데이터의 관점에서, 사용자 또는 다른 시스템에 대한 고립 및 제공은 어렵다.
게다가, 테스트 데이터를 얻는 것은 복잡하고 힘든 프로세스를 나타낸다. 테스트 엔지니어는 테스트 프로그램이 테스터가 콤포넌트로의 입력 신호들을 생성하고 출력 신호들을 수신하게 지시하도록 준비한다. 프로그램은 콤포넌트의 전 체 및 적합한 동작을 보증하도록 매우 복잡해지는 경향이 있다. 결과적으로, 적당히 복잡한 집적 회로용 테스트 프로그램은 다수의 테스트들과 결과들을 수반한다. 프로그램을 준비하는 것은 만족할 솔루션에 도착하도록 광범위한 설계 및 변경이 요구되고, 예를 들면, 여분의 테스트들을 제거하거나 아니면 테스트 시간을 감소하도록 프로그램의 최적화가 추가적인 노력을 요구한다.
발명의 개시
본 발명의 다양한 양태에 따라 반도체를 테스팅하는 방법 및 장치는, 하나 이상의 데이터 세트로부터 데이터를 분석하도록 구성되는 합성 데이터 분석 엘리먼트를 구비하는 테스트 시스템을 구비한다. 테스트 시스템은 출력 리포트에서 데이터를 제공하도록 구성될 수도 있다. 합성 데이터 분석 엘리먼트는 공간 분석을 적절하게 수행하여 합성 데이터 세트 내의 패턴 및 불규칙성을 식별한다. 또한, 합성 데이터 분석 엘리먼트는, 클러스터 검출 시스템 및 배제 시스템과 같은 다양한 다른 분석 시스템과 관련하여 동작하여, 합성 데이터 분석을 정제한다. 합성은 다른 데이터와 병합될 수도 있다.
도면의 간단한 설명
본 발명의 보다 완전한 이해는, 스케일이 다른, 아래의 개략적인 표현과 연관하여 상세한 설명과 청구범위를 참조하여 얻어질 수 있다. 유사한 참조 번호는 도면을 걸친 유사한 엘리먼트들을 참조한다.
도 1 은 본 발명과 연관된 기능적인 콤포넌트들의 다양한 양태에 따른 테스트 시스템의 블록도이다.
도 2 는 테스트 시스템을 동작하기 위한 엘리먼트들의 블록도이다.
도 3 은 구성 엘리먼트를 위한 흐름도를 도시한다.
도 4a 내지 도 4c 는 보충 데이터 분석 엘리먼트를 위한 흐름도를 도시한다.
도 5 는 웨이퍼의 다양한 섹션들과 섹션닝 기술의 도면이다.
도 6a 및 도 6b 는 보충 데이터 분석 엘리먼트를 위한 흐름도를 더 도시한다.
도 7 은 출력 엘리먼트를 위한 흐름도를 도시한다.
도 8 은 본 발명의 다양한 양태들에 따른 예시적인 데이터 평활화 시스템의 동작을 위한 흐름도이다.
도 9 는 다중 콤포넌트들의 테스트에 대한 테스트 데이터의 도면이다.
도 10 은 다중 디바이스들을 가지는 웨이퍼 및 웨이퍼에 대한 저항율 프로파일을 나타낸다.
도 11 은 도 10 의 웨이퍼의 다양한 디바이스들에서 레지스터들의 밀집도에 대한 저항 값의 그래프이다.
도 12a 및 도 12b 는 각각 도 10의 다양한 디바이스에 대한 원시 (raw) 테스트 데이터 및 아웃라이어 검출 트리거들의 일반적이고 상세한 도면들이다.
도 13 은 본 발명의 다양한 양태를 따른 합성 분석 프로세스의 흐름도이다.
도 14 는 3 개의 대표적인 웨이퍼들 상에 대표적인 데이터 포인트 위치의 도면이다.
도 15a 내지 도 15c 는 누적 장방형의 합성 데이터 분석 프로세스와 관련된 흐름도 및 차트이다.
도 16 은 웨이퍼 상에 정의된 배제 영역의 도면이다.
도 17a 및 도 17b 는 인접 가중 프로세스의 흐름도이다.
도 18 은 인접 가중을 받는 한 세트의 데이터 포인트들의 도면이다.
도 19 는 클러스터 검출 또는 여과의 흐름도이다.
도 20 은 검출 또는 여과를 받는 웨이퍼 상의 한 세트의 클러스터들의 도면이다.
도 21 은 절대 병합 프로세스를 이용한 병합된 한 세트의 데이터 포인트들의 도면이다.
도 22 는 오버랩 병합 프로세스를 이용한 병합된 한 세트의 데이터 포인트들의 도면이다.
도 23 및 24 는 퍼센트 오버랩 병합 프로세스를 이용한 병합된 데이터 포인트들의 세트들의 도면이다.
도면에서 엘리먼트는 단수성 및 명확성을 위해 도시되고 스케일로 꼭 도시되지 않았다. 예를 들면, 도면에서 엘리먼트들의 일부에 의해 수행되는 연결 및 단계는 본 발명의 실시형태의 이해를 향상하는 것을 돕도록 다른 엘리먼트들에 비해 과장되거나 생략될 수 있다.
예시 실시형태들의 상세한 설명
본 발명은 기능성 블록 엘리먼트들과 다양한 프로세스 단계들과 관련하여 설명될 수 있다. 이러한 기능성 블록들 및 단계들은 구체적인 기능들을 수행하도 록 구성된 임의의 개수의 하드웨어 또는 소프트웨어 콤포넌트들에 의해 실현될 수 있다. 예를 들면, 본 발명은 다양한 테스터들, 프로세서들, 저장 시스템들, 프로세스들, 및 하나 이상의 테스터들, 마이크로프로세서들, 또는 다른 제어 디바이스들의 제어 하에서 다양한 기능들을 수행할 수 있는, 집적 회로 콤포넌트, 예를 들면, 통계 엔진들, 메모리 엘리먼트들, 신호 프로세싱 엘리먼트들, 로직 엘리먼트들, 프로그램들 등을 채용할 수 있다. 또한, 본 발명은 임의의 개수의 테스트 외부환경들과 결합하여 실현될 수 있고, 설명된 각 시스템은 본 발명의 하나의 예시적 애플리케이션일뿐이다. 게다가, 본 발명은 데이터 분석, 콤포넌트 인터페이싱, 데이터 프로세싱, 콤포넌트 핸들링 등의, 임의의 개수의 종래 기술들을 채용할 수 있다.
도 1 을 참조하면, 본 발명의 다양한 양태에 따른 방법 및 장치는 반도체 테스트용 자동 테스트 장비 (ATE; automatic test equipment) 와 같은 테스터 (102) 를 가지는 테스트 시스템 (100) 에 연결되어 동작한다. 본 실시형태에서, 테스트 시스템 (100) 은 테스터 (102) 및 컴퓨터 시스템 (108) 을 포함한다. 테스터 시스템 (100) 은 웨이퍼 상의 반도체 디바이스들, 회로 보드들, 패키징된 디바이스들, 또는 다른 전기적 또는 광학적 시스템들과 같은 임의의 콤포넌트들 (106) 을 테스트하도록 구성된다. 본 실시형태에서, 콤포넌트들 (106) 은 웨이퍼 상에 형성된 다중 집적 회로 다이들 또는 패키징된 집적 회로들 또는 디바이스들을 포함한다.
테스터 (102) 는 콤포넌트들 (106) 을 테스트하고 테스트와 관련된 출력 데이터를 생성하는 임의의 테스트 장비를 적절히 포함한다. 테스터 (102) Teradyne 테스터와 같은 종래의 자동 테스터를 포함할 수 있고, 테스트를 원활하게 하기 위한 다른 장비와 연결하여 적절히 동작한다. 테스터 (102) 는 테스트되는 특정 콤포넌트들 (106) 및/또는 다른 적절한 기준들에 따라 선택되고 구성될 수 있다.
테스터 (102) 는, 예를 들면, 테스터 (102) 를 프로그래밍, 테스트 프로그램을 로딩 및/또는 수행, 테스터 (102) 에 지시를 제공, 통계 엔진을 수행, 테스터 파라미터들을 제어 등을 위해 컴퓨터 시스템 (108) 과 연결하여 동작할 수 있다. 본 실시형태에서, 컴퓨터 시스템 (108) 은 테스터 (102) 로부터 테스터 데이터를 수신하고 테스터 (102) 에 독립하여 다양한 데이터 분석 기능들을 수행한다. 또한, 컴퓨터 시스템 (108) 은 테스터 (102) 로부터의 데이터를 분석하도록 통계 엔진을 수행한다. 컴퓨터 시스템 (108) 은 테스터 (102) 와 신호들을 교환하도록 테스터 (102) 와 연결되거나 네트워킹되는, 개인용 컴퓨터 또는 워크스테이션과 같은 분리된 컴퓨터를 포함할 수 있다. 대안적인 실시형태에서, 컴퓨터 시스템 (108) 은 테스트 시스템 (100) 의 다른 콤포넌트들에 합체되거나 생략될 수 있고 다양한 기능들이 테스터 (102) 와 같은 다른 콤포넌트에 의해 수행될 수 있다.
컴퓨터 시스템 (108) 은 프로세서 (110) 및 메모리 (112) 를 포함한다. 프로세서 (110) 는 Windows 98, Windows NT, Unix, 또는 Linux 와 같은 임의의 적절한 운영 시스템과 연결되어 동작하는 종래의 Intel, Motorola 또는 Advanced Micro Devices 프로세서와 같은 임의의 적절한 프로세서를 포함한다. 유사하 게, 메모리 (112) 는 데이터를 저장하기 위한, 임의 액세스 메모리 (RAM; random access memory) 또는 다른 적절한 저장 시스템과 같은 프로세서 (1110) 에 액세스할 수 있는 임의의 적당한 메모리를 포함할 수 있다. 특히, 본 시스템의 메모리 (112) 는 정보를 저장하고 수신하기 위해 고속 액세스 메모리를 포함하고 컴퓨터 (108) 의 동작을 원활하게 하도록 충분한 용량으로 적절히 구성된다.
본 실시형태에서, 메모리 (112) 는 테스터 (102) 로부터 수신된 출력 결과들을 저장하고 출력 테스트 데이터의 분석을 원활하게 하기 위한 용량을 포함한다. 메모리 (112) 는 빠르게 저장하고 분석용 테스트 데이터를 검색하도록 구성된다. 메모리 (112) 는 선택된 기준에 따라 테스트 시스템 (100) 및/또는 조작자에 의해 선택된 정보의 세트를 적절히 포함하는, 동적 데이터 로그 (data log) 의 엘리먼트를 저장하고 테스트 결과들에 기초하여 분석하도록 적절히 구성된다.
예를 들면, 메모리 (112) 는 테스트되는 웨이퍼를 위해 웨이퍼 상의 콤포넌트 (106) 의 위치에 따라 x-y 좌표와 같은, 각 콤포넌트 (106) 용 콤포넌트 식별자 (identifier) 를 적절히 저장한다. 메모리 (112) 에서의 각 x-y 좌표는 웨이퍼 맵 상에 상응하는 x-y 좌표에 특정 콤포넌트 (106) 과 연관될 수 있다. 각 콤포넌트 식별자는 하나 이상의 필드를 포함하고, 각 필드는 예를 들면, 웨이퍼 상의 상응하는 x-y 위치에서 콤포넌트 (106) 상에 수행되는 특정 테스트, 상응하는 콤포넌트 (106) 와 관련된 통계, 또는 다른 타당한 데이터에 대응한다. 메모리 (112) 는 임의의 기준 또는 규칙에 따라 요구되는 사용자에 의해 식별되는 임의의 데이터를 포함하도록 구성된다.
또한, 본 실시형태의 컴퓨터 (108) 는 또 다른 메모리 (또는 메모리 (112) 의 일부), 하드 드라이브 어레이, 광학 저장 시스템, 또는 다른 적절한 저장 시스템과 같은 저장 시스템에 대한 액세스를 적절히 가진다. 저장 시스템은 컴퓨터 (108) 또는 테스터 (102) 에 전용인 하드 드라이브처럼 로컬적일 수 있고, 또는 테스트 시스템에 연결된 서버에 연관된 하드 드라이브 어레이와 같이 원격일 수 있다. 저장 시스템은 테스트 시스템 (100) 의 다른 콤포넌트들 또는 컴퓨터 (108) 에 의해 사용되는 데이터 및/또는 프로그램들을 저장할 수 있다. 본 실시형태에서, 저장 시스템은 예를 들면, 제조 시설 (manufacturing facility) 용 주 생산 서버 (main production server) 를 구성하는 원격의 서버 (116) 을 통해 이용할 수 있는 데이터베이스 (114) 를 포함한다. 데이터베이스 (114) 는 테스터 데이터 파일들, 테스트 시스템 (100) 및 그 콤포넌트들을 동작하기 위한 마스터 데이터 파일들, 테스트 프로그램들, 테스트 시스템 (100) 용 다운로드 가능한 교시들 (instructions), 등과 같은 테스터 정보를 저장한다. 추가적으로, 저장 시스템은 분석을 위한 연혁적 (historical) 테스터 데이터 파일들과 같은 완전한 테스터 데이터 파일들을 포함할 수 있다.
테스트 시스템 (100) 은 콤포넌트 (106) 의 테스트를 원활하게 하기 위한 추가적인 장비를 포함할 수 있다. 예를 들면, 본 테스트 시스템 (100) 은 콤포넌트 (106) 를 조작하고 콤포넌트들 (106) 및 테스터 (102) 사이의 인터페이스를 제공하기 위한, 종래의 디바이스 인터페이스 보드 및/또는 디바이스 핸들러 (handler) 또는 프로버 (prober) 같은 디바이스 인터페이스 (104) 를 포함한다. 테스트 시스템 (100) 은 특정 구성, 애플리케이션, 테스트 시스템 (100) 의 외부환경, 또는 다른 타당한 요소들에 따라 콤포넌트들 (106) 의 테스트를 원활하게 하기 위해 다른 콤포넌트들, 장비, 소프트웨어, 등에 연결되거나 포함할 수 있다. 예를 들면, 본 실시형태에서, 테스트 시스템 (100) 는 로컬 영역 네트워크 (local area network), 인트라넷, 또는 인터넷 같은 글로벌 네트워크와 같은 적절한 통신 매체에 연결되어서, 원격의 서버 (116) 과 같은 다른 시스템에 정보를 전송한다.
테스트 시스템 (100) 은 하나 이상의 테스터들 (102) 및 하나 이상의 컴퓨터들 (108) 을 포함할 수 있다. 예를 들면, 하나의 컴퓨터 (108) 는 컴퓨터 (108) 의 구성 및 시스템의 처리율과 같은 다양한 요소들에 따라 20 개 이상까지와 같이 적절한 개수의 테스터들 (102) 에 연결될 수 있다. 또한, 컴퓨터 (108) 은 테스터 (102) 와 분리될 수 있고, 또는 예를 들면, 테스터 (102) 자체의 하나 이상의 프로세서들, 메모리들, 클록 (clock) 회로들 등을 이용하며, 테스터 (102) 에 합체될 수 있다. 또한, 다양한 기능들이 다른 컴퓨터들에 의해 수행될 수 있다. 예를 들면, 제 1 컴퓨터는 다양한 사전-분석 작업들 (task) 을 수행하고, 다음으로 몇몇의 컴퓨터들은 데이터를 수신하여 데이터 분석을 수행하고, 또 다른 세트의 컴퓨터들은 동적 데이터로그 및/또는 다른 출력 리포트들을 준비할 수 있다.
본 발명의 다양한 양태들에 따른 테스트 시스템 (100) 은 콤포넌트 (106) 를 테스트하고 향상된 분석 및 테스트 결과들을 제공한다. 예를 들면, 보충 분석은 부정확하거나, 의심이 가거나, 비정상적인 결과들, 반복 테스트들 및/또는 상대적으로 높은 실패 가능성이 있는 테스트들을 식별할 수 있다. 또한, 테스트 시스템 (100) 은 다중 데이터 세트들에 기초하는 합성 데이터를 생성하도록 다중 웨이퍼들 및/또는 많은 웨이퍼들로부터 취해진 데이터와 같은 다중 세트의 데이터를 분석할 수 있다. 제품 엔지니어, 테스트 엔지니어, 제조 엔지니어, 디바이스 엔지니어, 또는 테스트 데이터를 사용하는 다른 직원과 같은 조작자는 테스트 시스템 (100) 및/또는 제조 시스템을 검증 및/또는 향상하기 위해 결과들을 사용하며 콤포넌트들 (106) 을 구분할 수 있다.
본 발명의 다양한 양태에 따른 테스트 시스템 (100) 은 컴포넌트들 (106) 을 테스트하고 테스트 데이터를 수집 및 분석하기 위한 향상된 테스트 프로세스를 수행한다. 테스트 시스템 (100) 은 컴퓨터 (108) 에 의해 수행되는 소프트웨어 애플리케이션에 관련하여 적절히 동작한다. 도 2 를 참조하면, 본 실시형태의 소프트웨어 애플리케이션은 구성 엘리먼트 (202), 보충 데이터 분석 엘리먼트 (206), 및 출력 엘리먼트 (208) 를 포함하는, 향상된 테스트 프로세스를 수행하기 위한 다중의 엘리먼트들을 포함한다. 또한, 테스트 시스템 (100) 은 하나 이상의 데이터 세트로부터 데이터를 분석하기 위한 합성 분성 엘리먼트 (214) 를 포함할 수 있다. 각 엘리먼트 (202, 206, 208, 214) 는 다양한 작업들을 수행하도록 컴퓨터 (108) 상에서 동작하는 소프트웨어 모듈을 적절히 포함한다. 일반적으로, 구성 엘리먼트 (202) 는 테스트와 분석을 위한 테스트 시스템 (100) 을 준비한다. 보충 데이터 분석 엘리먼트 (206) 에서, 테스터 (102) 로부터의 출력 테스트 데이터는 실행 시간에 적절하게 자동적으로 보충 테스트 데이터를 생성하도록 분석된다. 다음으로, 보충 테스트 데이터는 합성 분석 엘리먼트, 또는 출력 엘리먼트 (208) 와 같은 조작자 또는 다른 시스템에 전송된다. 또한, 데이터는 실질적으로 동시에 합성 분석 엘리먼트 (214) 및 출력 엘리먼트 (208) 로 제공될 수도 있다.
구성 엘리먼트 (202) 는 콤포넌트들 (106) 을 테스트하기 위한 테스트 시스템 (100) 을 구성하고 테스트 데이터를 분석한다. 테스트 시스템 (100) 은 사전 결정된 초기 파라미터들의 세트 및 요구된다면, 테스트 시스템 (100) 을 구성하도록 조작자로부터의 정보를 적절히 이용한다. 테스트 시스템 (100) 은 테스트 시스템 (100) 에 조작자 참석을 감소시키도록 사전 결정되거나 디폴트 (default) 파라미터들로 적절히 초기 구성된다. 조절은 조작자에 의한 구성으로 만들어질 수 있고, 요구된다면, 예를 들어 컴퓨터 (108) 를 통해 만들어질 수 있다.
도 3 을 참조하면, 구성 엘리먼트 (202) 에 의해 수행되는 예시 구성 프로세스 (300) 는 초기 상태에서 컴퓨터 (108) 을 설정하도록 초기화 프로세스 (단계 302) 로 시작한다. 그 다음, 구성 엘리먼트 (202) 는 컴퓨터 (108) 및 테스터 (102) 를 위한, 예를 들면 데이터베이스 (114) 로부터의, 애플리케이션 구성 정보를 얻는다 (단계 304). 예를 들면, 구성 엘리먼트 (202) 는 테스터 (102) 와 관련된 툴 구성 파일 및/또는 향상된 테스트 프로세스를 위한 마스터 구성 파일을 액세스할 수 있다. 마스터 구성 파일은 컴퓨터 (108) 및 테스트 시스템 (100) 의 다른 엘리먼트가 향상된 테스트 프로세스를 수행하도록 적절한 구성과 관련된 데이터를 포함할 수 있다. 유사하게, 툴 구성 파일은 컨넥션 (connection), 디렉토리, IP 어드레스, 테스터 노드 식별 (tester node identification), 제작자 (manfacturer), 플래그들 (flag), 고유 식별 (proper identification), 또는 테스 터 (102) 에 대한 또다른 적절한 정보와 같은 테스터 (102) 구성과 관련된 데이터를 적절히 포함한다.
그 다음, 구성 엘리먼트 (202) 는 마스터 구성 파일 및/또는 툴 구성 파일을 포함하는 데이터에 따라 테스트 시스템 (100) 을 구성한다 (단계 306). 또한, 구성 엘리먼트 (202) 는 테스터 (102) 의 테스터 데이터용 로지스틱 인스턴스들 (logistics instances) 과 같은 관련 데이터용 테스터 (102) 의 식별자 (단계 308) 과 같은 데이터베이스 (114) 로부터 적절한 정보를 다시 검색하기 위해 구성 데이터를 사용할 수 있다. 또한, 테스트 시스템 (100) 정보는 조작자에 의해 허가, 거절, 또는 조정될 수 있는 하나 이상의 디폴트 파라미터들을 적절히 포함한다. 예를 들면, 테스트 시스템 (100) 정보는 설치, 구성, 파워-업, 또는 인가 및/또는 변형하기 위한 다른 적절한 시간에 조작자에 제출되는 글로벌 통계 프로세스 제어 (SPC; statistical process control) 규칙들 및 목적들을 포함할 수 있다. 또한, 테스트 시스템 (100) 정보는 각 제품, 웨이퍼, 콤포넌트 (106), 또는 다른 아이템이 테스트 시스템 (100) 에 영향을 미치거나 영향을 받도록 적절히 구성된 디폴트 웨이퍼 지도들 또는 다른 파일들을 포함한다. 구성 알고리즘들, 파라미터들, 및 다른 표준들은 구체적인 제품 및/또는 테스트에 관련된 쉬운 액세스를 위해, 그리고 추적 가능성을 위해 레시피 (recipe) 파일에 저장된다.
초기 구성 프로세스가 완료된 때, 테스트 시스템 (100) 은 테스트 프로그램에 일치하여, 예를 들면 종래의 일련의 테스트들에 관련된, 테스트 실행 (run) 을 시작한다. 테스터 (102) 는 콤포넌트들 (106) 상의 컨넥션들에 신호들을 인가 하고 콤포넌트들 (106) 으로부터의 출력 테스트 데이터를 판독하는 테스트 프로그램을 적절히 수행한다. 테스터 (102) 는 웨이퍼 상의 각 콤포넌트 (106) 상에서 다중 데스트들을 수행할 수 있고, 각 테스트는 동일한 콤포넌트 (106) 상에서 수회 반복될 수 있다. 테스터 (102) 로부터의 테스트 데이터는 빠른 액세스를 위해 저장되고 테스트 데이터로서 보충 분석이 얻어진다. 또한, 데이터는 후속 분석 및 사용을 위해 장기간 메모리에 저장될 수 있다.
각 테스트는 적어도 하나의 엘리먼트들을 위한 적어도 하나의 결과를 생성한다. 도 9 를 참조하면, 다중 콤포넌트들의 단일 테스트를 위한 예시적인 테스트 결과들의 세트는 통계적으로 유사한 값을 가지는 테스트 결과들의 제 1 세트 및 제 1 세트로부터 벗어난 값으로 특징되어지는 테스트 결과들의 제 2 세트를 포함한다. 각 테스트 결과는 테스트 상한값 및 테스트 하한값과 비교될 수 있다. 콤포넌트를 위한 특정 결과가 이들 한계를 초과하면, 콤포넌트는 "불량 부분 (bad part)" 로 분류될 수 있다.
제 1 세트로부터 벗어난 제 2 세트에서의 테스트 결과의 일부는 제어 한계를 초과할 수 있고, 다른 일부는 그렇지 않다. 본 목적으로, 제 1 세트로부터 벗어난 이 테스트 결과들은 제어 한계들을 초과하지는 않고, 그렇지 않고 검출되는 것의 실패는 "아웃라이어 (outlier)" 로 불린다. 테스트 결과들에서의 아웃라이어들은, 잠재적으로 신용할 수 없는 콤포넌트들을 식별하기 위한 것과 같은 임의의 적당한 목적으로, 실별되고 분석될 수 있다. 또한, 아웃라이어들은 다양한 잠재된 문제들 및/또는 제조 프로세스들과 테스트에서 향상들을 식별하는데 사용될 수 있다.
테스터 (102) 가 테스트 결과들을 생성할 때, 각 콤포넌트, 테스트, 반복용 출력 테스트 데이터가 테스터 (102) 에 의해 테스터 데이터 파일에 저장된다. 각 콤포넌트 (106) 로부터 수신된 출력 테스트 데이터는 예를 들면, 테스트 상한값 및 하한값과 비교하여, 콤포넌트 (106) 의 수행을 구분하도록 테스터 (102) 에 의해 분석되고, 분류의 결과도 또한 테스터 데이터 파일에 저장된다. 테스터 데이터 파일은 로지스틱 테이터 및 테스트 프로그램 식별 데이터와 같은 추가적인 정보도 포함할 수 있다. 다음으로, 테스터 데이터 파일은 표준 테스터 데이터 포맷 (STDF; standard tester data format) 파일과 같은 출력 파일로 컴퓨터 (108) 에 제공되고, 메모리에 저장된다. 또한, 테스터 데이터 파일은 합성 분석 엘리먼트 (214) 와 같이 나중 분석을 위해 장기 저장용 저장 시스템에 저장될 수 있다.
컴퓨터 (108) 는 테스터 데이터 파일을 수신할 때, 보충 데이터 분석 엘리먼트 (206) 는 향상된 출력 결과들을 제공하도록 데이터를 분석한다. 보충 데이터 분석 엘리먼트 (206) 는 임의의 적절한 목적을 성취하도록 테스터 데이터의 임의의 적절한 분석을 제공할 수 있다. 예를 들면, 보충 데이터 분석 엘리먼트 (206) 는 실행 시간에 출력 테스트 데이터를 분석하고 데이터 및 조작자에게 관계된 데이터의 특성을 식별하기 위한 통계 엔진을 수행할 수 있다. 식별된 데이터 및 특성은 저장될 수 있지만, 반면에, 식별되지 않은 데이터는 포기되는 것처럼 유기될 수 있다.
보충 데이터 분석 엘리먼트 (206) 는 예를 들면, 통계 구성 데이터의 세트 및 데이터에 따라 통계 구성을 계산할 수 있다. 통계 구성 데이터는 통계 프로세스 제어, 아웃라이어 식별 및 분류, 서명 분석 및 데이터 상관과 같은 테스트 시스템 (100) 및/또는 조작자의 필요에 따라 임의의 적당한 유형의 분석을 요구할 수 있다. 또한, 보충 데이터 분석 엘리먼트 (206) 는 실행 시간에, 즉 테스트 데이터의 생성 후 약 수 초 또는 수 분 내에, 분석을 적절히 수행한다. 또한, 보충 데이터 분석 엘리먼트 (206) 는 조작자 및/또는 테스트 엔지니어로부터 최소 간격으로 자동적으로 분석을 수행할 수 있다.
본 테스트 시스템 (100) 에서, 컴퓨터 (108) 가 테스터 데이터 파일을 수신하고 저장한 후, 보충 데이터 분석 엘리먼트 (206) 는 출력 테스트 데이터의 분석를 위해 컴퓨터 (108) 를 준비하는 다양한 사전 작업을 수행하고, 보충 데이터의 생성 및 출력 리포트의 준비를 원활하게 한다. 이하, 도 4a 내지 4c 를 참조하면, 본 실시형태에서, 보충 데이터 분석 엘리먼트 (206) 는 관련된 테스터 (102) 에 상응하는 툴 입력 디렉토리에 테스터 데이터 파일을 복사한다 (단계 402). 또한, 보충 데이터 분석 엘리먼트 (206) 는 출력 테스트 데이터의 보충 분석을 위해 컴퓨터 (108) 을 준비하도록 구성 데이터를 검색한다.
구성 데이터는 테스터 데이터 파일로부터 검색되는 한 세트의 로지스틱 데이터를 적절히 포함한다 (단계 404). 또한, 보충 데이터 분석 엘리먼트 (206) 는 로지스틱 참조를 생성한다 (단계 406). 로지스틱 참조는 툴 구성 파일로부터의 테스터 (102) 정보와 같은 테스터 (102) 정보를 포함할 수 있다. 또한, 로지스틱 참조는 식별에 할당된다.
또한, 구성 데이터는 출력 테스트 데이터를 생성했던 테스트 프로그램를 위해 식별자 (indenifier) 를 포함할 수 있다. 테스트 프로그램은 테스터 (102) 식별에 관련된 테이터베이스 (114) 에서 검색 또는 마스터 구성 파일로부터 판독하는 것과 같은 임의의 적당한 방법으로 식별된다 (단계 408). 어떠한 테스트 프로그램 식별도 성립될 수 없다면 (단계 410), 테스트 프로그램 식별은 생성되고 테스터 식별과 결합될 수 있다.
웨이퍼의 전체보다 적다면, 구성 데이터는 보충 데이터 분석 엘리먼트 (206) 에 의해 처리되도록 테스트 실행에서 웨이퍼를 추가로 식별한다. 본 실시형태에서, 보충 데이터 분석 엘리먼트 (206) 는 웨이퍼가 분석되도록 지시하는 파일을 액세스한다 (단계 414). 어떠한 식별도 제공되지 않는다면, 컴퓨터 (108) 는 테스트 실행에서 모든 웨이퍼를 분석에 대해 적절히 디폴트한다.
현재 데이터 파일에 대한 웨이퍼가 분석된다면 (단계 416), 보충 데이터 분석 엘리먼트 (206) 는, 웨이퍼용 테스트 데이터 파일 상에 보충 데이터 분석을 수행하여, 진행된다. 그렇지 않다면, 보충 데이터 분석 엘리먼트 (206) 는 다음 테스트 데이터 파일을 대기하거나 액세스한다 (단계 418).
보충 데이터 분석 엘리먼트 (206) 는 다양한 웨이퍼가 테스트되도록 분석되어지는 하나 이상의 섹션 그룹을 만들 수 있다. 출력 테스트 데이터를 인가하기 위한 적당한 섹션 그룹을 식별하기 위해, 보충 데이터 분석 엘리먼트 (206) 는, 예를 들면, 테스트 프로그램 및/또는 테스터 식별을 따라, 적당한 섹션 그룹 정의를 적절히 식별한다. 각 섹션 그룹은 하나 이상의 어레이들을 포함하고, 각 섹 션 어레이는 동일한 섹션 유형의 하나 이상의 섹션들을 포함한다.
섹션 유형은 사전 결정한 웨이퍼의 영역에 위치된 다양한 종류의 콤포넌트 (106) 그룹들을 포함한다. 예를 들어, 도 5 를 참조하면, 섹션 유형은 행 (502), 열 (504), 스테퍼 필드 (506), 원형 밴드 (508), 방사상 영역 (510), 사분원 (512), 또는 다른 요구되는 콤포넌트들의 그룹을 포함할 수 있다. 다른 섹션 유형은, 처리되는 엘리먼트들의 순서, 튜브의 섹션 등과 같은 콤포넌트들의 구성에 따라 사용될 수 있다. 이러한 콤포넌트들 (106) 의 그룹은 예를 들면, 그룹과 관련된 공통 결함 또는 특성을 식별하도록 함께 분석된다. 예를 들면, 웨이퍼의 특정 부분이 웨이퍼의 다른 부분처럼 열을 전달하지 않는다면, 콤포넌트들 (106) 의 특정 그룹을 위한 테스트 데이터는 웨이퍼의 불균일한 가열에 연관된 공통 특성 또는 결함을 반영할 수 있다.
현재 테스터 데이터 파일을 위한 섹션 그룹을 식별할 때, 보충 데이터 분석 엘리먼트 (206) 는 테스트 프로그램 및/또는 테스터 (102) 를 위해 제어 한계 및 가능 플래그와 같은 임의의 추가적인 적합한 구성 데이터를 검색한다 (단계 422). 특히, 보충 데이터 분석 엘리먼트 (206) 는 섹션 그룹에서의 각 섹션 어레이와 연관된 요구되는 통계 또는 계산의 세트를 적절히 검색한다 (단계 423). 요구되는 통계 및 계산은 조작자에 의한 것과 같은 임의의 방법으로 설계되거나 파일로부터 검색될 수 있다. 또한, 보충 데이터 분석 엘리먼트 (206) 는 각 적절한 섹션 유형 또는 웨이퍼와 관련된 다른 적당한 변동을 위해 하나 이상의 서명 분석 알고리즘을 식별하고 (단계 424) 데이터베이스 (114) 에서부터도 서명 알고리즘을 검 색할 수 있다.
모든 구성 데이터는 구성 엘리먼트 (202) 또는 보충 데이터 분석 엘리먼트 (206) 에 의해 자동으로 액세스되거나 디폴트에 의해 제공될 수 있다. 또한, 본 실시형태의 구성 엘리먼트 (202) 및 보충 데이터 분석 엘리먼트 (206) 는 조작자의 소망 또는 테스트 시스템 (100) 요구에 따라 조작자가 구성 데이터를 변경하도록 적절히 허용한다. 구성 데이터가 선택되었을 때, 구성 데이터는 적합한 기준에 연결되고 디폴트 구성 데이터로서 차후 사용을 위해 저장될 수 있다. 예를 들면, 조작자가 특별한 종류의 콤포넌트들 (106) 를 위한 어떤 섹션 그룹을 선택한다면, 컴퓨터 (108) 는, 조작자에 의해 지시되지 않는 한 이러한 모든 콤포넌트들 (106) 를 위한 동일한 섹션 그룹을 자동적으로 이용할 수 있다.
또한 보충 데이터 분석 엘리먼트 (206) 는 테스터 데이터 파일 및 추가 데이터의 구성 및 저장을 제공한다. 보충 데이터 분석 엘리먼트 (206) 는 저장되는 데이터를 위해, 메모리 (112) 의 일부와 같은 메모리를 적절히 할당한다 (단계 426). 할당은, 테스터 데이터 파일, 보충 데이터 분석 엘리먼트 (206) 에 의해 생성된 통계 데이터, 제어 파라미터 등으로부터의 출력 테스트 데이터를 포함하는 보충 데이터 분석 엘리먼트 (206) 에 의해 저장되도록 메모리에 모든 데이터를 적절히 제공한다. 할당된 다량의 메모리는 예를 들면, 콤포넌트 (106) 상에 수행되는 테스트의 개수, 선택 그룹 어레이들의 개수, 제어 임계값, 보충 데이터 분석 엘리먼트 (206) 에 의해 수행되는 통계 계산, 등에 따라 계산될 수 있다.
보충 분석을 수행하기 위한 모든 구성 데이터가 준비될 때와 출력 테스트 데 이터의 인수한 때에, 보충 데이터 분석 엘리먼트 (206) 는 적절한 테스트 데이터를 메모리로 로딩하고 (단계 428) 출력 테스트 데이터 상에 보충 분석을 수행한다. 보충 데이터 분석 엘리먼트 (206) 는 콤포넌트들 (106), 테스트 시스템 (100) 의 구성, 조작자의 요구, 또는 다른 적절한 기준에 따라 임의의 개수 및 유형의 데이터 분석을 수행한다. 보충 데이터 분석 엘리먼트 (206) 는 잠재된 결함의 엘리먼트 (106) 를 식별하는 선택된 특성과 제조 불안 또는 결점을 지시할 수 있는 출력 테스트 데이터에서 패턴들, 경향들 또는 다른 특성들을 위한 섹션을 분석하도록 구성될 수 있다.
본 보충 데이터 분석 엘리먼트 (206) 는, 예를 들면, 출력 테스트 데이터를 평활화하고, 출력 테스트 데이터에 기초한 다양한 통계를 계산 및 분석하고, 다양한 기준에 상관된 데이터 및/또는 엘리먼트 (106) 를 식별한다. 또한, 본 보충 데이터 분석 엘리먼트 (206) 는 콤포넌트들 (106) 및 테스트 시스템 (100) 과 관련된 조작자 및/또는 테스트 엔지니어에 정보를 제공하도록 출력 테스트 데이터를 분류하고 상관할 수 있다. 예를 들면, 본 보충 데이터 분석 엘리먼트 (206) 는, 예를 들면, 잠재적으로 관련되거나 과다 테스트들을 식별하도록 출력 데이터 상관을 수행하고 빈번한 아웃라이어들을 가지는 테스트들을 식별하도록 아웃라이어 발생 분석을 수행한다.
보충 데이터 분석 엘리먼트 (206) 는 데이터를 평활화하도록 초기 프로세스하기 위한 평활화 시스템을 포함하고 아웃라이어의 식별에 도움을 준다 (단계 429). 또한, 평활화 시스템은 출력 엘리먼트 (208) 에 의해 조작자로 공급될 수 있는, 데이터, 경향 등에서 큰 변동을 식별할 수 있다. 평활화 시스템은, 예를 들면, 컴퓨터 시스템 (108) 상에서 동작하는 프로그램으로서 적절히 수행된다. 평활화 시스템은 다양한 기준에 따른 데이터를 평활화하기 위한 다중 상태들을 포함한다. 제 1 상태는 기본적인 평활화 프로세스를 포함할 수 있다. 보충 상태는 테스트 데이터의 추가적인 평활화 및/또는 개선된 트래킹을 조건적으로 제공한다.
평활화 시스템은 제 1 평활화 기술에 따라 선택된 테스터 데이터의 초기 값을 초기 조정하고, 적어도 하나의 초기값과 초기 조정된 값이 임계값를 만났을 때 제 2 평활화 기술에 따라 값을 보충 조정함으로써 적절히 동작한다. 제 1 평활화 기술은 데이터를 평활화하는 경향이 있다. 또한, 제 2 평활화 기술도 제 1 평활로 기술과 다른 방법으로 데이터를 평활화 및/또는 데이터의 트래킹을 향상하는 경향이 있다. 또한, 임계값는 보충 평활화를 가하는지 여부를 결정하기 우한 임의의 적절한 기준을 포함할 수 있다. 평활화 시스템은 비교 결과를 생성하도록 복수의 선행 조정 데이터를 복수의 선행 원시 데이터에 비교하고, 비교 결과가 제 1 임계값에 만나는 여부에 따라 선택된 데이터의 값을 조정하도록 선택된 데이터에 제 2 평활화 기술을 가한다. 또한, 평활화 시스템은 선택된 데이터의 예측 값을 적절히 계산하고, 예측 값이 제 2 임계값에 만나는지 여부에 따라 선택된 데이터의 값을 조정하도록 선택된 데이터에 제 3 평활화 기술을 가할 수 있다.
도 8 을 참조하면, 제 1 평활화된 테스트 데이터 포인트는 제 1 원시 테스트 데이터 포인트와 동일하도록 적절히 설정되고 (단계 802), 평활화 시스템은 다음 원시 테스트 데이터 포인트로 진행한다 (단계 804). 평활화 공정을 수행하기 전에, 평활화 시스템은 평활화가 데이터 포인트에 적합한지 초기 결정하고, 그렇다면, 데이터에 기본적인 평활화 공정을 수행한다. 임의의 기준은, 검색된 데이터 포인트의 개수, 선택된 값으로부터의 데이터 포인트 값의 벗어남, 또는 각 데이터 포인트 값을 임계값에 비교에 따르는 것처럼, 평활화가 적당한지 여부를 결정하도록 가해진다. 본 실시형태에서, 평활화 시스템은 임계 비교를 수행한다. 임계 비교는 데이터 평화화가 적당한지 여부를 결정한다. 그렇다면, 초기 평활화 프로세스는 데이터의 초기 평활화로 진행하도록 적절히 구성된다.
보다 상세하게는, 본 실시형태에서, 프로세스들은, 또한 제 1 평활화된 데이터 포인트 (S0) 로서 설계된, 초기 원시 데이터 포인트 (R0) 로 시작한다. 추가 데이터 포인트가 수신되고 분석될 때, 각 원시 데이터 포인트 (Rn) 와 선행 평활화된 데이터 포인트 (Sn-1) 간의 차이가 계산되고 임계값 (T1) 에 비교된다 (단계 806). 원시 데이터 포인트 (Rn) 와 선행 평활화된 데이터 포인트 (Sn-1) 간의 차이가 임계값 (T1) 를 초과한다면, 초과된 임계값는 평활화된 데이터로부터 중요한 변경에 상관하고 데이터에 이동을 지적하는 것이 가정된다. 따라서, 임계값 교차의 발생이 인식될 수 있고 현재 평활화된 데이터 포인트 (Sn) 는 원시 데이터 포인트 (Rn) 와 동일하게 설정된다 (단계 808). 어떠한 평활화도 수행되지 않고, 프로세스는 다음 원시 데이터 포인트로 진행한다.
원시 데이터 포인트와 선행 평활화된 데이터 포인트의 차이가 임계값 (T1) 를 초과하지 않는다면, 프로세스는 초기 평활화 프로세스와 관련된 현재 평활화된 데이터 포인트 (Sn) 을 계산한다 (단계 810). 초기 평활화 프로세스는 데이터의 기본적인 평활화를 제공한다. 예를 들면, 본 실시형태에서, 기본적인 평활화 프로세스는, M1 이 0.2 또는 0.3 과 같은 선택된 평활화 계수일 때, Sn = (Rn-Sn-1)*M1 +Sn-1 의 등식에 따르는 것과 같이, 종래의 지수적 평활화 프로세스를 포함한다.
초기 평활화 프로세스는 데이터를 위한 많은 양의 평활화를 제공하기 위해 상대적으로 낮은 계수 (M1) 를 적절히 사용한다. 다만, 초기 평활화 프로세스 및 계수들은 평활화 시스템의 애플리케이션, 처리된 데이터, 평활화 시스템의 요구 및 능력, 및/또는 다른 기준에 따른, 임의의 기준에 따라 선택되고 임의의 방법으로 구성된다. 예를 들면, 초기 평활화 프로세스는 랜덤 (random), 랜덤 워크 (randdom walk), 이동 평균, 단일 지수, 선형 지수, 정기적 지수, 이동 평균에 가중된 지수, 또는 데이터를 초기 평활화하는 다른 적당한 유형의 평활화를 채용할 수 있다.
데이터는 평활화에 더 분석 및/또는 제출될 수 있다. 보충 평활화는 데이터의 평활화를 향상 및/또는 원시 데이터에 평활화 데이터의 트래킹을 개선하도록 데이터 상에서 수행된다. 또한, 보충 평활화의 다중 상태들이 고려될 수 있 고, 적절하다면, 인가될 수 있다. 다양한 상태가 독립적, 상호 의존적, 또는 상호적일 수 있다. 추가적으로, 데이터는 보충 평활화가 적당한지 여부를 결정하도록 분석될 수 있다.
본 실시형태에서, 데이터는 하나 이상의 추가적인 평활화 위상을 수행할지 여부를 결정하도록 분석된다. 데이터는 임의의 적절한 기준에 따라 분석되어 보충적인 평활화가 적용될 수도 있을지 여부를 결정한다 (단계 812). 예를 들어, 평활화 시스템은, 복수의 조정된 데이터 포인트와 선행 데이터에 대한 원시 데이터 포인트를 비교하고, 실질적으로 모든 조정된 선행 데이터가 실질적으로 모든 대응 원시 데이터와 공통의 (작거나, 크거나 또는 동일한 것과 같은) 관계를 공유하는지 여부에 따라 비교 결과를 생성함으로써, 데이터 내의 트렌드를 식별한다.
본 실시형태의 평활화 시스템은 원시 데이터 포인트의 선택된 수 P2와 평활화된 데이터 포인트의 동일한 수를 비교한다. 모든 P2 개의 원시 데이터 포인트의 값들이 대응 평활화 데이터 포인트를 초과 (또는 동일) 하거나, 또는 모든 원시 데이터 포인트가 대응 평활화 데이터 포인트보다 작은 (또는 동일한) 경우, 평활화 시스템은 데이터가 트렌드를 나타내고 있고 더 인접하여 트래킹되어야 한다고 결정할 수도 있다. 따라서, 발생이 표시될 수도 있고 데이터에 가해지는 평활화는 보충적인 평활화를 가함으로써 변화될 수도 있다. 반면, 이 기준들 중 어느 것도 만족되지 않으면, 현재의 평활화 데이터 포인트는 원래의 계산대로 남겨지고, 관련된 보충 데이터 평활화는 적용되지 않는다.
본 실시형태에서, 평활화된 데이터를 원시 데이터와 비교하는 기준은, 평활화된 데이터가 래깅될 수도 있는 데이터 내의 트렌드를 식별하도록 선택된다. 따라서, 포인트의 수 P2는 원시 데이터의 트렌드를 변화시키는, 시스템의 원하는 민감도에 따라서 선택될 수도 있다.
보충 평활화는 데이터 분석에 따라서 전반적인 평활화의 효과를 변화시킨다. 임의의 적절한 보충 평활화가 데이터에 적용되어 더 효과적으로 데이터를 평활화하거나 데이터 내의 트렌드를 트래킹할 수도 있다. 예를 들어, 본 실시형태에서, 데이터 분석이 더 인접하여 트래킹되어야 할 데이터 내의 트렌드를 표시하면, 보충적인 평활화는, 초기에 적용된 평활화의 정도를 감소시키도록 적용되어 평활화된 데이터가 원시 데이터를 더 인접하게 트래킹할 수도 있다 (단계 814).
본 실시형태에서, 평활화의 정도는, 평활화의 감소된 정도를 사용하여 현재 평활화된 데이터 포인트에 대한 값을 재계산함으로써 감소된다. 임의의 적절한 평활화 시스템이, 데이터를 더 효과적으로 트래킹하거나 또는, 그렇지 않으면, 데이터 분석의 결과에 대응하도록 사용될 수도 있다. 본 실시형태에서, 또 다른 통상의 지수적인 평활화 프로세스가 더 큰 계수 M2를 사용하여 데이터에 적용되어:
Sn = (Rn-Sn-1)*M2 + Sn-1 이다.
계수 M1 및 M2 는 시스템의 원하는 민감도에 따라, 원시 데이터에서 트렌드의 부재 (M1) 및 존재 (M2) 로 선택될 수도 있다. 예를 들어, 다양한 애플리케 이션에서, M1의 값은 M2의 값보다 클 수도 있다.
또한 보충 데이터 평활화는 추가적인 위상을 포함할 수도 있다. 데이터 평활화의 추가적인 위상은, 추가적인 데이터 평활화가 적용되어야 하는지 여부를 결정하는 일부 방식으로 데이터를 유사하게 분석할 수도 있다. 위상의 임의의 수 및 데이터 평활화의 타입은 데이터 분석에 따라 적용되거나 고려될 수도 있다.
예를 들어, 본 실시형태에서, 데이터는 평활화된 데이터의 경사 또는 트렌드에 기초한 예측 프로세스를 사용하는 등과 같이 분석되고 잡음 제어에 대해 지수적으로 평활화될 수도 있다. 평활화 시스템은, 라인 회귀, N-포인트 센터 등과 같은, 임의의 적절한 프로세스에 따라, 현재의 데이터 포인트에 선행하는 평활화 데이터 포인트의 선택된 수 P3에 기초한 경사를 계산한다 (단계 816). 본 실시형태에서, 데이터 평활화 시스템은 "라인을 통한 최소 자승 적합" 프로세스를 사용하여 선행 P3 평활화 데이터 포인트의 경사를 확립한다.
평활화 시스템은 계산된 경사에 따라 현재의 평활화된 데이터 포인트의 값을 예측한다. 그 후 시스템은 현재 평활화된 데이터 포인트 (Sn) 에 대해 미리 계산된 값과 현재 평활화된, 범위 수 (R3) 의 데이터 포인트에 대한 예측 값간의 차이를 비교한다 (단계 818). 차이가 범위 R3 보다 크면, 발생이 표시될 수도 있고 현재 평활화된 데이터 포인트는 조정되지 않는다. 차이가 범위 R3 내에 있으면, 현재 평활화된 데이터 포인트는, 계산된 현재 평활화 데이터 포인트 (Sn) 와 제 3 곱수 M3에 의해 곱해진 현재 평활화 데이터 포인트 (Sn-pred) 에 대한 예측값간의 차이와 동일하도록 설정되고, 현재 평활화된 데이터 포인트의 오리지널 값에 추가된다 (단계 820). 공식은:
Sn = (Sn-pred-Sn)*M3 + Sn 이다.
따라서, 현재 평활화된 데이터 포인트는 원래의 평활화된 데이터 포인트와 예측된 평활화 데이터 포인트간의 수정된 차이에 따라 설정되지만, 임의의 양만큼 감소된다 (M3가 1보다 작을 때). 예측된 평활화를 적용하는 것은 신호의 비교적 평탄한 (또는 그렇지 않으면, 넌-트렌딩) 부분 동안 포인트-투-포인트 잡음을 감소시키는 경향이 있다. 평활화된 데이터 포인트에 대한 예측된 평활화 프로세스의 한정된 적용은, 원시 데이터에 현저한 변화가 발생할 때, 즉, 원시 데이터 신호가 비교적 평탄하지 않을 때, 경사에 기초한 계산된 평균이 평활화된 데이터에 영향을 미치지 않는 것을 보장한다.
데이터를 평활화한 후, 보충 데이터 분석 엘리먼트 (206) 는 테스터 데이터의 추가적인 분석으로 진행할 수도 있다. 예를 들어, 보충 데이터 분석 엘리먼트 (206) 는 통계적 프로세스 제어 (SPC; statistical process control) 계산 및 출력 테스트 데이터에 대한 분석을 수행할 수도 있다. 더 상세하게는, 도 4a 내지 도 4c 를 참조하면, 보충 데이터 분석 엘리먼트 (206) 는 특정한 콤포넌트, 테스트 및/또는 섹션에 대해 원하는 통계를 계산하고 저장할 수도 있다 (단계 430). 이 통계는, 평균, 표준 편차, 최소값, 최대값, 합, 카운트, Cp, Cpk 또 는 임의의 다른 적절한 통계를 포함할 수도 있는 SPC 수와 같은, 연산자 또는 테스트 시스템 (100) 에 유용한 임의의 통계를 포함할 수도 있다.
또한, 보충 데이터 분석 엘리먼트 (206) 는 서명 분석을 적절하게 수행하여, 예를 들어 섹션에 따라, 섹션에 대한 테스트 결과 및/또는 연혁적 데이터와 같은 다른 데이터와의 합성에 기초한 데이터 내의 트렌드 및 예외를 동적 및 자동적으로 식별한다. 서명 분석은 서명들을 식별하고, 테스트 데이터 또는 결점의 식별 같은 임의의 적절한 데이터에 기초한, 조작자에 의해 적절히 구성되는 가중화 시스템을 적용한다. 서명 분석은 웨이퍼 또는 제조 프로세스의 문제 영역 또는 다른 특징에 대응할 수도 있는 트렌드 및 예외를 누적적으로 식별할 수도 있다. 서명 분석은, 잡음 피크, 파형 변동, 모드 시프트 및 잡음 등과 같은 임의의 원하는 서명에 대해 수행될 수도 있다. 본 실시형태에서, 컴퓨터 (108) 는 각각의 원하는 섹션에서 각각의 원하는 테스트에 대한 출력 테스트 데이터 상에서 서명 분석을 적절하게 수행한다.
본 실시형태에서, 서명 분석 프로세스는 평활화 프로세스와 관련하여 수행될 수도 있다. 평활화 프로세스가 테스터 데이터를 분석할 때, 데이터 내의 트렌트 또는 예외를 나타내는 분석의 결과는, 조작자 및/또는 테스트 엔지니어에 대한 서명일 수도 있는 데이터 또는 아웃라이어의 변화를 표시하는 것으로서 저장된다. 예를 들어, 트렌드가 평활화 프로세스에서 데이터의 세트들의 비교에 의해 표시되면 트렌드의 발생이 표시되고 저장될 수도 있다. 유사하게, 데이터 포인트가 데이터 평활화 프로세스의 임계값 T1 을 초과하면, 발생은 출력 리포트 내의 이후의 분석 및/또는 포함에 대해 표시되고 저장될 수도 있다.
예를 들어, 도 6a 및 도 6b를 참조하면, 서명 분석 프로세스 (600) 는 특정 세트의 테스트 데이터에 대한 카운트를 초기에 계산하고 (단계 602), 특정한 섹션 및 테스트에 대응하는 한계를 제어할 수도 있다. 그 후, 서명 분석 프로세스는 적절한 서명 분석 알고리즘을 데이터 포인트에 제공한다 (단계 604). 서명 분석은 각각의 원하는 서명 알고리즘에 대해 수행되고, 그 후 각 테스트 및 분석될 각 섹션에 대해 수행된다. 또한 서명 분석에 의해 식별되는 에러, 트렌드 결과 및 서명 결과가 저장된다 (단계 606). 이 프로세스는 각 서명 알고리즘 (단계 608), 테스트 (단계 610) 및 섹션 (단계 612) 동안 반복된다. 완료시에, 보충 데이터 분석 엘리먼트 (206) 는 에러 (단계 614), 트렌드 결과 (616), 서명 결과 (단계 618) 및 임의의 다른 원하는 데이터를 저장 시스템 내에 기록한다.
보충 분석에 의해 식별되는 중요한 아웃라이어 및 다른 데이터 등과 같은 각 관련 데이터 포인트의 식별시에, 각각의 관련 데이터 포인트는 관련 특징을 식별하는 값과 결합된다 (단계 444). 예를 들어, 각 관련 콤포넌트 또는 데이터 포인트는, 데이터 포인트에 관련된 보충 분석의 결과에 따라 16진수로서 적절하게 표현되는 일련의 값들과 결합된다. 각 값은 특정한 특징의 플래그 또는 다른 지정자로서 동작할 수도 있다. 예를 들어, 특정한 데이터 포인트가 특정한 테스트를 완전하게 실패하면, 대응하는 16진수값에서 제 1 플래그가 설정될 수도 있다. 특정한 데이터 포인트가 데이터 내의 트렌드의 시작이면, 또 다른 플래그가 설정될 수도 있다. 16진수 내의 또 다른 값이, 데이터 내의 트렌드의 지속시간과 같은 트렌드에 관련되는 정보를 포함할 수도 있다.
또한, 보충 데이터 분석 엘리먼트 (206) 는 데이터를 분류하고 상관하도록 구성될 수도 있다 (단계 446). 예를 들어, 보충 데이터 분석 엘리먼트 (206) 는 데이터 포인트와 결합된 16진수값 내의 정보를 사용하여 실패, 아웃라이어, 트렌드 및 데이터의 다른 특성들을 식별할 수도 있다. 보충 데이터 분석 엘리먼트 (206) 는 또한 통상의 상관 기술을 데이터에 적절하게 적용하여, 예를 들어, 잔류하거나 관련된 테스트를 잠재적으로 식별한다.
컴퓨터 (108) 는, 아웃라이어의 자동 식별 및 분류와 같은, 생성된 출력 및 출력 테스트 데이터 상에서 추가적인 분석 기능을 수행할 수도 있다. 선택된 알고리즘에 따른 각 관련 데이터의 분석이 아웃라이어를 적절하게 식별한다. 특정한 알고리즘이 일련의 데이터에 대해 부적절한 경우, 보충 데이터 분석 엘리먼트 (206) 는 분석을 자동적으로 포기하고 다른 알고리즘을 선택하도록 구성될 수도 있다.
보충 데이터 분석 엘리먼트 (206) 는, 선택된 데이터값의 비교 및/또는 데이터 평활화 프로세스 내의 데이터 처리에 따라 아웃라이어를 지정하는 임의의 적절한 방식으로 동작할 수도 있다. 예를 들어, 본 발명의 다양한 양태에 따른 아웃라이어 식별 엘리먼트는 각 관련 데이터에 대한 선택된 통계적 관계에 기초하여 아웃라이어에 대한 민감도를 초기에 자동적으로 교정한다 (단계 434). 그 후 이러한 통계적 관계의 일부는, 임계값, 또는 데이터 모드, 평균, 중앙값 또는 이 값들의 합성 등과 같은 다른 관련 포인트와 비교되어 상대적인 아웃라이어 임계 한계를 정의한다. 본 실시형태에서, 통계적 관계는, 예를 들어, 데이터의 1, 2, 3 및 6 표준편차에 의해 스케일링되어 상이한 아웃라이어 크기를 정의한다 (단계 436). 그 후 출력 테스트 데이터는 아웃라이어 임계 한계와 비교되어 출력 테스트 데이터를 아웃라이어로서 식별하고 분류한다 (단계 438).
보충 데이터 분석 엘리먼트 (206) 는 결과 통계 및 아웃라이어를 메모리, 및 이러한 임의의 통계 및 아웃라이어와 결합된 x-y 웨이퍼 맵 좌표계와 같은 식별자에 저장한다. 선택된 통계, 아웃라이어 및/또는 실패는, 전자적 메시지를 조작자에게 전송하거나, 조명탑을 트리거하거나, 테스터 (102) 를 정지시키거나, 또는 서버에 통지하는 등과 같은 통지 이벤트를 트리거할 수도 있다.
본 실시형태에서, 보충 데이터 분석 엘리먼트 (206) 는 스케일링 엘리먼트 (210) 및 아웃라이어 분류 엘리먼트 (212) 를 포함한다. 스케일링 엘리먼트 (210) 는 출력 테스트 데이터에 따라 선택된 계수 및 다른 값들을 동적으로 스케일링하도록 구성된다. 아웃라이어 분류 엘리먼트 (212) 는 선택된 알고리즘에 따라 데이터 내의 다양한 아웃라이어를 식별 및/또는 분류하도록 구성된다.
더 상세하게는, 본 발명의 스케일링 엘리먼트는 동적 스케일링 아웃라이어 민감도에 대한 다양한 통계적 관계 및 잡음 필터링 민감도에 대한 평활화 계수를 적절하게 사용한다. 스케일링 계수는 스케일링 엘리먼트에 의해 적절하게 계산되고, 선택된 아웃라이어 민감도 값 및 평활화 계수를 수정하도록 사용된다. 적절한 통계적 관계와 같은 임의의 적절한 기준이 스케일링을 위해 사용될 수도 있다. 예를 들어, 아웃라이어 민감도 스케일링에 대한 간단한 통계적 관계는,
Figure 112005044699078-pct00001
로서 정의된다.
아웃라이어 민감도 및 평활화 계수의 스케일링에 대한 또 다른 샘플의 통계적 관계는,
Figure 112005044699078-pct00002
로서 정의된다.
아웃라이어 민감도 및 평활화 계수의 스케일링에 대한 또 다른 샘플의 통계적 관계는,
Figure 112005044699078-pct00003
로서 정의되고, 여기서 σ = 데이터 표준편차이다.
평활화 계수 스케일링에 대한 다중 알고리즘에 사용되는 샘플 통계 관계는,
Figure 112005044699078-pct00004
이며, 여기서 σ = 데이터 표준편차, μ = 데이터 평균이다.
평활화 계수 스케일링에 대한 다중 알고리즘에 사용되는 또 다른 샘플 통계 관계는,
Figure 112005044699078-pct00005
이며, 여기서 σ = 데이터 표준편차, μ = 데이터 평균이다.
아웃라이어 분류 엘리먼트는, 출력 테스트 데이터 내의 임의의 적절한 알고리즘 아웃라이어에 따라, 콤포넌트 (106), 출력 테스트 데이터 및 분석 결과를 식별 및/또는 분류하도록 적절하게 구성된다. 또한, 아웃라이어 분류 엘리먼트는, 보충 분석 엘리먼트 (206) 에 의해 생성된 테스트 출력 테스트 결과 및 정보에 따라 선택된 아웃라이어 및 콤포넌트 (106) 를 식별하고 분류할 수도 있다. 예를 들어, 아웃라이어 분류 엘리먼트는, 예를 들어, 사용자 정의된 기준; 사용자 정의된 양호/불량한 공간 패턴 인식; 테스터 데이터 압축에 대한 적절한 데이터의 분류; 테스트 셋업 인-시츄 민감도 자격 및 분석; 테스터 산출 레벨링 (leveling) 분석; 동적 웨이퍼 맵, 및/또는 부분 처리 및 동적 리테스트에 대한 데스트 스트립 매핑; 또는 테스트 프로그램 최적화 분석 등과 같은 임계 (critical) /한계 (marginal) /양호한 부분 카테고리로 콤포넌트 (106) 를 분류하도록 구성된다. 아웃라이어 분류 엘리먼트는, Western Electric 룰 또는 Nelson 룰과 같은 통상의 SPC 제어 룰에 따라 데이터를 분류하여 데이터를 특징화할 수도 있다.
아웃라이어 분류 엘리먼트는 선택된 세트의 분류 한계 계산 방법을 사용하여 데이터를 적절하게 분류한다. 임의의 적절한 분류 방식이 조작자의 필요에 따라 데이터를 특징화하도록 사용될 수도 있다. 제공된 아웃라이어 분류 엘리먼트는, 예를 들어, 데이터 평균, 모드 및/또는 중앙값과 같은 임계값으로부터 1, 2, 3 및 6으로 통계적으로 스케일링된 표준편차에 대응하는 값과 같은 선택된 임계값과 출력 테스트 데이터를 비교함으로써 아웃라이어를 분류한다. 이러한 방식의 아웃라이어 분류는, 데이터 크기 및 상대적인 잡음과 무관하게 임의의 테스트에 대한 임의의 식별된 아웃라이어를 정규화하는 경향이 있다.
아웃라이어 분류 엘리먼트는 사용자 정의된 룰에 기초하여 정규화된 아웃라이어 및/또는 원시 데이터 포인트를 분석하고 상관한다. 식별된 아웃라이어에 기초한 부분 및 패턴 분류를 위한 샘플 사용자 선택 방식은,
누적 진폭, 누적 카운트 방식:
Figure 112005044699078-pct00006
분류 룰:
Figure 112005044699078-pct00007
제곱 누적 진폭, 제곱 누적 카운트 방식:
Figure 112005044699078-pct00008
분류 룰:
Figure 112005044699078-pct00009
N-포인트 방식:
과 같다.
다음 예에서 사용되는 실질적인 수 및 로직 룰은 시나리오 (테스트 프로그램, 테스트 노드, 테스터, 프로버, 조작자, 테스트 셋업 등) 마다 최종 사용자에 의해 결정될 수 있다. 이 예에서 σ은, 주요한 통계적 관계식에 의해 스케일링된 데이터 표준편차에 기초한 데이터 평균, 모드 및/또는 중앙값에 대한 σ이다.
Figure 112005044699078-pct00010
보충 데이터 분석 엘리먼트 (206) 는, 출력 테스트 데이터의 추가적인 분석 및 보충 데이터 분석 엘리먼트 (206) 에 의해 생성된 정보를 수행하도록 구성될 수도 있다. 예를 들어, 보충 데이터 분석 엘리먼트 (206) 는, 실패, 아웃라이어의 전체 또는 평균 수 또는 특정한 분류에서의 아웃라이어를 하나 이상의 임계값과 비교하는 등으로써, 높은 실패의 가능성을 가진 테스트 또는 아웃라이어를 실별할 수도 있다.
보충 데이터 분석 엘리먼트 (206) 는 상이한 테스트로부터의 데이터를 상관하여, 예를 들어, 웨이퍼 또는 다른 데이터 세트간의 누적 카운트, 아웃라이어 및/또는 상관 아웃라이어를 비교함으로써, 유사하거나 비유사한 트렌드를 식별하도록 구성될 수도 있다. 보충 데이터 분석 엘리먼트 (206) 는 상이한 테스트로부터의 데이터를 분석하고 상관하여, 웨이퍼 상에서 잠재적인 임계 부분 및/또는 한계 부분 및/또는 양호한 부분을 식별하고 분류한다. 또한, 보충 데이터 분석 엘리먼트 (206) 는 상이한 테스트로부터의 데이터를 분석하고 상관하여, 동적 테스트 시간 감소를 위해 일련의 웨이퍼 상에서 사용자 정의된 양호한 부분 패턴 및/또는 불량한 부분 패턴을 식별할 수도 있다.
또한, 보충 데이터 분석 엘리먼트 (206) 는 상이한 테스트로부터의 데이터를 분석하고 상관하여, 테스트 데이터를 메모리에 동적으로 압축하기 위해 사용자 정의된 적절한 원시 데이터를 식별한다. 또한, 보충 데이터 분석 엘리먼트는 테스트 노드 인-시츄 셋업 분류 및 민감도 분석에 대한 통계적 예외 및 테스트 데이터 결과를 분석하고 상관한다. 또한, 보충 데이터 분석 엘리먼트는, 예를 들어, 특정 테스트 노드가 부적절하게 교정되거나 또는 부적절한 결과를 생성할 수도 있는지 여부를 식별함으로써, 테스트 노드 산출 리블링 분석에 기여할 수도 있다. 또한, 보충 데이터 분석 엘리먼트는, 상관 결과 및 아웃라이어 분석을 사용하고 분석에 사용되는 추가적인 데이터를 제공하는 나머지 테스트의 자동 식별을 포함하는 (그러나 여기에 한정되지는 않는) 테스트 프로그램 최적화를 위해 데이터를 분석하고 상관할 수도 있다. 또한, 보충 데이터 분석 엘리먼트는, 예를 들어, 실패하거나 거의 실패한 테스트를 정기적으로 식별함으로써, 임계 테스트, 거의 실패하지 않은 테스트 및/또는 매우 낮은 Cpk를 나타내는 테스트를 식별하도록 적절하게 구성된다.
또한, 보충 데이터 분석은, 거의 또는 결코 실패하지 않는 테스트, 또는 아웃라이어가 검출되지 않는 테스트와 같은 테스트 샘플링 캔디데이트의 식별을 제공할 수도 있다. 또한, 보충 데이터 분석 엘리먼트는, 식별된 아웃라이어의 분석 및 상관, 및/또는 다른 통계적 예외, 실패의 수, 임계 테스트, 최장/최단 테스트 또는 테스트의 실패와 관련된 기본 기능 이슈 등과 결합된 통상의 상관 기술과 같은 상관 기술에 기초한 최상 순서의 테스트 시퀀스의 식별을 제공할 수도 있다.
또한, 보충 데이터 분석은, 레시피 구성 파일 내의 민감도 파라미터에 의해 정의되는 임계 부분, 한계 부분 및 양호한 부분의 식별을 제공할 수도 있다. 부분 식별은, 웨이퍼 검침 동안 불량하고 양호한 부분의 동적 검침 매핑을 통해 신뢰도 리스크 및/또는 테스트 시간 감소를 나타낼 수도 있는 부분을 패키징 및/또는 쉬핑 (shipping) 하기 전에 처리/분류를 제공할 수도 있다. 이러한 부분의 식별은, 예를 들어, 동적으로 생성된 검침 제어 맵 (동적 매핑을 위한), 오프라인 잉킹 설비를 위해 사용되는 웨이퍼 맵, 최종 테스트에서 스트립 테스트을 위한 테스트 스트립 맵, 결과 파일 및/또는 데이터베이스 결과 테이블 상에서의 양호하고 불량한 부분과 같은 임의의 적절한 방식으로 표현되고 출력될 수도 있다.
셀 제어 레벨에서의 보충 데이터 분석은 검침에서의 품질 제어 및 그 최종 테스트 산출량을 증가시키는 경향이 있다. 또한, 품질 이슈는 생성 실행 시간에서 늦지 않게 식별될 수도 있다. 또한, 보충 데이터 분석 및 서명 분석은 아웃라이어를 식별함으로써, 테스트 엔지니어 또는 다른 사람뿐 아니라 다운스트림 및 오프라인 분석 툴에 제공되는 데이터의 품질을 개선시키는 경향이 있다. 예를 들어, 컴퓨터 (108) 는 웨이퍼 맵 상에, 제조 프로세서에서의 결점을 표시한 서명 분석을 가지는 콤포넌트의 그룹을 식별하는 정보를 포함할 수도 있다. 따라서, 서명 분석 시스템은, 통상의 테스트 분석을 사용하여 검출되지 않은 잠재적으로 결점있는 상품을 식별할 수도 있다.
도 10을 참조하면, 반도체 디바이스의 어레이가 웨이퍼 상에 배치된다. 이 웨이퍼에서는, 반도체 디바이스 내 저항 콤포넌트의 일반 저항율이, 예를 들어, 웨이퍼의 재료 및 처리의 불균일한 적층에 기인하여, 웨이퍼에서 변화한다. 그러나, 임의의 특정한 콤포넌트의 저항은 테스트의 제어 한계 내일 수도 있다. 예를 들어, 특정한 저항 콤포넌트의 목표 저항은 1000Ω +/- 10% 일 수도 있다. 웨이퍼의 말단 근처에서, 대부분의 저항의 저항값은 900Ω 내지 1100Ω 의 정규 분포 범위에 인접하지만 초과하지는 않는다 (도 11).
웨이퍼 상의 콤포넌트는, 예를 들어, 제조 프로세스에서의 오염물 또는 불완전성에 기인하여 결점을 포함할 수도 있다. 결점은 웨이퍼의 낮은 저항율 에지 근처에 위치한 저항의 저항값을 1080Ω까지 증가시킬 수도 있다. 저항값은 웨이퍼의 중앙 근처의 장치에 기대되는 1000Ω을 초과하지만, 여전히 정규 분포 범위 내에 존재한다.
도 12a-b를 참조하면, 각 콤포넌트에 대한 원시 테스트 데이터가 플로팅 (plotting) 될 수도 있다. 테스트 데이터는, 프로버가 디바이스의 행 또는 열을 가로질러 인덱스할 때 웨이퍼 상의 콤포넌트 중 변화하는 저항율에 일부 기인하여 상당한 변동을 나타낸다. 결점에 의해 영향받는 디바이스는 테스트 데이터의 시각적 조사 또는 테스트 한계에의 비교에 기초하여 쉽게 식별할 수 없다.
테스트 데이터가 본 발명의 다양한 양태에 따라 프로세싱될 때, 결점에 의해 영향받는 디바이스는 테스트 데이터 내의 아웃라이너와 관련된다. 테스트 데이터는 대개 어떠한 범위의 값에 한정된다. 그러나, 결점과 관련된 데이터는 주위의 콤포넌트에 대한 데이터와 다르다. 따라서, 데이터는 결점없는 주위의 디바이스와 관련된 값과 차이를 나타낸다. 아웃라이어 분류 엘리먼트는 주위의 데이터로부터 아웃라이어 데이터의 차이의 크기에 따라 아웃라이어를 식별하고 분류할 수도 있다.
출력 엘리먼트 (208) 는 적절한 실행 시간에 테스트 시스템 (100) 으로부터 데이터를 수집하고, 출력 리포트를 프린터, 데이터베이스, 조작자 인터페이스 또는 다른 원하는 목적지에 제공한다. 그래픽, 수치, 텍스트, 프린트 또는 전자적 형태와 같은 임의의 형태가, 사용 또는 후속 분석을 위해 출력 리포트를 제공하는데 사용될 수도 있다. 출력 엘리먼트 (208) 는, 테스터 (102) 로부터 선택된 출력 테스트 데이터 및 보충 데이터 분석의 결과를 포함하는 임의의 선택된 콘텐츠를 제공할 수도 있다.
본 실시형태에서, 출력 엘리먼트 (208) 는, 생산 실행 시간의 보충 데이터, 및 조작자에 의해 특정된 출력 테스트 데이터로부터 데이터의 선택을 적절하게 제공한다. 도 7을 참조하면, 출력 엘리먼트 (208) 는 초기에 데이터베이스 (114) 로부터 샘플링 범위를 판독한다 (단계 702). 샘플링 범위는 출력 리포트에 포함되는 소정의 정보를 식별한다. 본 실시형태에서, 샘플링 범위는 리뷰를 위해 조작자에 의해 선택되는 웨이퍼 상에서 콤포넌트 (106) 를 식별한다. 소정의 콤포넌트는, 다양한 주위의 영역, 방사상의 영역, 랜덤 콤포넌트 또는 개별 스테퍼 필드와 같은 임의의 기준에 따라 선택될 수도 있다. 샘플링 범위는, 웨이퍼 상에서 소정의 콤포넌트의 위치 또는 뱃치 (batch) 에서 사용가능한 콤포넌트의 식별된 부분에 대응하는 일련의 x-y 좌표로 구성된다.
또한, 출력 엘리먼트 (208) 는 동적 데이터로그에서 아웃라이어에 관련되는 정보 또는 보충 데이터 분석 엘리먼트에 의해 생성되거나 식별되는 다른 정보를 포함하도록 구성될 수도 있다 (단계 704). 이렇게 구성되면, 각각의 아웃라이어에 대한 x-y 좌표와 같은 식별자가 또한 집합된다. 조작자-선택 콤포넌트 및 아웃라이어에 대한 좌표는, 본 실시형태에서 고유한 테스터 데이터 출력 포맷의 형태인, 동적 데이터로그로 병합된다 (단계 706). 결과 데이터의 동적 데이터로그로의 병합은 오리지널 데이터의 요약 통계로의 압축 및 임계 원시 데이터값의 더 작은 고유 테스터 데이터 파일로의 압축을 용이하게 하여, 후속 고객 분석에 대한 데이터 무결성 (integrity) 을 양보하지 않고도 데이터 저장 요구를 감소시킨다. 출력 엘리먼트 (208) 는, 동적 데이터로그의 병합된 x-y 좌표 어레이 내의 각 엔트리에 대한, 원시 데이터 및 보충 데이터 분석 엘리먼트 (206) 로부터의 하나 이상의 데이터와 같은 선택된 정보를 회수한다 (단계 708).
그 후, 회수된 정보는 적절한 출력 리포트에 적절하게 저장된다 (단계 710). 리포트는 임의의 적절한 포맷 또는 방식으로 준비될 수도 있다. 본 실시형태에서, 출력 리포트는, 웨이퍼 상의 선택된 콤포넌트 및 그 분류를 표시하는 웨이퍼 맵을 가지는 동적 데이터로그를 적절하게 포함한다. 또한, 출력 엘리먼트 (208) 는 아웃레이어에 대응하는 웨이퍼 맵 데이터를 미리 선택된 콤포넌트의 웨이퍼 맵 상에 중첩시킬 수도 있다. 또한, 출력 엘리먼트는 샘플링된 출력으로서 웨이퍼 맵 또는 뱃치로부터의 아웃레이어만을 포함할 수도 있다. 또한 출력 리포트는 데이터에 대한 일련의 그래픽적 표현을 포함하여 데이터에서 아웃레이어 및 상관의 발생을 부각시킬 수도 있다. 또한 출력 리포트는 추천을 위해 추천 및 지원 데이터를 더 포함할 수도 있다. 예를 들어, 2 개의 테스트가 동일한 실패 및/또는 아웃라이어의 세트를 생성시키는 것으로 보이는 경우, 출력 리포트는, 테스트가 남아있다는 제안을 포함하고 테스트 중 하나가 테스트 프로그램으로부터 생략되었음을 추천할 수도 있다. 추천은 테스트의 동일한 결과를 도시하는 데이터의 그래픽적 표현을 포함할 수도 있다.
출력 리포트는, 예를 들어, 로컬 워크스테이션으로의 출력, 서버로의 전송, 알람의 활성화와 같은 임의의 적절한 방식 또는 임의의 다른 적절한 방식으로 제공될 수도 있다 (단계 712). 일 실시형태에서, 출력 리포트는, 출력이 시스템의 동작에 영향을 미치거나 메인 서버에 전달하지 않도록 오프라인으로 제공될 수도 있다. 이러한 구성에서, 컴퓨터 (108) 는, 예를 들어, 증명 또는 입증 목적으로 데이터 파일을 복사하고, 분석을 수행하고, 결과를 생성한다.
또한, 각 웨이퍼 상에서 데이터의 보충 분석에 부가하여, 본 발명의 다양한 양태에 따른 테스트 시스템 (100) 은 데이터의 합성 분석을 수행하고 추가적인 데이터를 생성하여, 다중 웨이퍼 및/또는 롯을 사용하는 등으로 다중 데이터 세트에 대한 패턴 및 트렌드를 식별한다. 합성 분석은, 다중 데이터 세트 중에서 패턴 또는 불규칙성과 같은 선택된 특징들을 식별하도록 적절하게 수행된다. 예를 들어, 다중 데이터 세트는, 2 개 이상의 데이터 세트에 대한 패턴, 트렌드 또는 불규칙성을 나타낼 수도 있는 공통의 특징들에 대해 분석될 수도 있다.
합성 분석은 데이터 세트 중에서 공통의 특징에 대한 테스트 데이터 분석을 위한 임의의 적절한 분석을 포함할 수도 있고, 임의의 적절한 방식으로 구현될 수도 있다. 예를 들어, 본 테스트 시스템 (100) 에서, 합성 분석 엘리먼트 (214) 는 다중 웨이퍼 및/또는 롯으로부터 유도된 데이터의 합성 분석을 수행한다. 각 웨이퍼, 롯 또는 다른 그룹핑에 대한 테스트 데이터가 데이터 세트를 형성한다. 합성 분석 엘리먼트 (214) 는 컴퓨터 (108) 상에서 동작하는 소프트웨어 모듈로서 적절하게 구현된다. 그러나, 합성 분석 엘리먼트 (214) 는, 하드웨어 솔루션 또는 결합된 하드웨어 및 소프트웨어 솔루션과 같이 임의의 적절한 구성으로 구현될 수도 있다. 또한, 합성 분석 엘리먼트 (214) 는, 테스트 시스템 컴퓨터 (108), 또는 독립 워크스테이션 또는 제 3 자 분리 컴퓨터 시스템과 같은 원격 컴퓨터 상에서 실행되는 소프트웨어를 사용하여 실행될 수도 있다. 합성 분석은, 하나 이상의 완전한 데이터 세트의 생성에 수반하여 실행 시간에 수행될 수도 있고, 또는 연혁적 데이터를 포함하여 합성 분석 이전에 생성되는 데이터의 수집시에 수행될 수도 있다.
합성 분석은 2 이상의 데이터 세트로부터 임의의 데이터를 사용할 수도 있다. 합성 분석은, 분류 엔진을 통해 다중 구성을 실행하는 등과 같이, 각 웨이퍼에 대해, 원시 데이터 및 필터링되거나 평활화된 데이터를 포함하는 다수 세트의 입력 데이터를 수신할 수 있다. 일단 수신되면, 입력 데이터는, 수학적 표현, 공식 또는 임의의 다른 기준으로서 정의될 수 있는, 일련의 사용자 정의된 룰를 사용하여 적절하게 필터링된다. 그 후, 데이터는, 데이터에서 패턴 또는 불규칙성을 식별하도록 분석된다. 또한 합성 데이터는, 원시 데이터 또는 분석된 데이터와 같은 다른 데이터로 병합되어 강화된 전체 데이터 세트를 생성할 수도 있다. 합성 분석 엘리먼트 (214) 는, 테스트 프로세스를 개선시키는데 사용될 수도 있는 적절한 출력 리포트를 제공할 수도 있다. 예를 들어, 출력 리포트는 제조 및/또는 테스트 프로세스에서의 이슈와 관련되는 정보를 제공할 수도 있다.
본 시스템에서, 합성 분석 엘리먼트 (214) 는 사용자 표현 또는 다른 적절한 프로세스 및 공간 분석에 관련된 웨이퍼 데이터의 세트를 분석하여 현저한 패턴 또는 트렌드를 나타내는 합성 맵을 생성하고 확립한다. 합성 분석은 웨이퍼의 세트 상에서 다수의 사용자 구성을 실행함으로써 웨이퍼의 임의의 1 세트에 대한 다수의 다른 데이터 세트 및/또는 합성 맵을 수신할 수 있다.
도 13을 참조하면, 반도체 테스트 환경의 본 실시형태에서, 합성 분석 엘리먼트 (214) 는, 다중 웨이퍼 또는 롯 (1310) 으로부터의 데이터와 같은 다중 데이터 세트로부터의 데이터를 수신한다. 데이터는, 원시 데이터, 필터링된 데이터 평활화된 데이터, 이전의 테스트 실행으로부터의 연혁적 데이터 또는 실행 시간에 테스터로부터 수신된 데이터와 같은 분석을 위한 임의의 적절한 데이터로 구성될 수도 있다. 본 실시형태에서, 합성 분석 엘리먼트 (214) 는 원시 데이터 및 필터링된 데이터를 실행 시간에 수신한다. 필터링된 데이터는, 평활화된 데이터 및/또는 서명 분석 데이터와 같은 분석을 위한 임의의 적절한 데이터로 구성될 수도 있다. 본 실시형태에서, 합성 분석 엘리먼트 (214) 는, 평활화된 데이터, 실패의 식별, 아웃라이어의 식별, 서명 분석 데이터 및/또는 다른 데이터와 같은, 보충 데이터 분석 엘리먼트 (206) 에 의해 생성된 보충 데이터 및 원시 데이터 세트를 수신한다.
원시 데이터 및 보충 데이터를 수신한 후, 합성 분석 엘리먼트 (214) 는 분석용 합성 데이터를 생성한다 (1312). 합성 데이터는 2 이상의 데이터 세트로부터의 정보를 표현하는 데이터를 포함한다. 예를 들어, 합성 데이터는, 상이한 웨이퍼 상에서 또는 상이한 롯 내에서 동일하거나 유사한 위치에 있는 콤포넌트에 대한 데이터와 같은, 상이한 데이터 세트 내의 대응 테스트 데이터에 대한 특정 테스트 발생에 대한 아웃라이어 및/또는 실패의 수에 관련된 요약 정보를 포함할 수도 있다. 그러나, 합성 데이터는, 아웃라이어 또는 실패의 집중을 가지는 영역, 현저한 수의 아웃라이어 또는 실패를 생성하는 웨이퍼 위치에 관한 데이터 또는 2 이상의 데이터 세트로부터 유도되는 다른 데이터와 같은 임의의 적절한 데이터를 포함할 수도 있다.
합성 데이터는 다양한 데이터 세트로부터의 데이터를 비교함으로써 적절하게 생성되어 데이터 세트간의 패턴 및 불규칙성을 식별한다. 예를 들어, 합성 데이터는 임의의 적절한 알고리즘 또는 프로세스에 따라 합성 데이터를 제공하고 분석하도록 구성되는 분석 엔진에 의해 생성될 수도 있다. 본 실시형태에서, 합성 분석 엘리먼트 (214) 는 데이터 세트에 기초하여 하나 이상의 합성 마스크를 생성하도록 구성되는 인접 엔진을 포함한다. 또한 합성 분석 엘리먼트 (214) 는, 예를 들어 합성 마스크 데이터 내의 정보를 정제하고 강조하기 위해, 합성 마스크 데이터를 프로세싱할 수도 있다.
본 실시형태에서, 인접 엔진은 파일, 메모리 구조, 데이터베이스 또는 다른 데이터 저장장치를 통해 다중 데이터 세트를 수신하고, 이 데이터 세트 상에서 공간 분석을 수행하고 (1320), 합성 마스크 형태로 결과를 출력한다. 인접 엔진은, 임의의 적절한 방식을 사용하는 임의의 적절한 프로세스 또는 기술에 따라, 전반적인 데이터 세트에 대한 합성 이미지와 같은, 합성 마스크 데이터를 생성할 수도 있다. 더 상세하게는, 인접 엔진은 합성 데이터를 오리지널 데이터와 적절하게 병합하고 (1322), 사용자 또는 또 다른 시스템에 의한 사용을 위해 출력 리포트를 생성한다 (1324). 또한, 인접 엔진은, 공간 분석, 데이터 세트에서 순환하는 특징에 대한 데이터 분석, 또는 선택된 기준을 충족시키지 않는 데이터의 제거 등으로, 분석용 합성 마스크 데이터를 정제하거나 강화하도록 구성될 수도 있다.
본 실시형태에서, 인접 엔진은 합성 마스크 생성을 수행하고 (1312), 또한, 배제 영역을 결정하도록 구성될 수도 있고 (1314), 인접 가중을 수행하고 (1316), 클러스터를 검출하고 필터링한다 (1318). 또한, 인접 엔진은 사용자 정의된 룰, 기준, 임계값 및 우선순위를 사용하여 인접 조정 또는 다른 동작을 제공할 수도 있다. 분석의 결과가, 소정의 데이터 세트에 걸쳐 발견되는 패턴 및/또는 공간 트렌드를 나타내는 입력된 데이터 세트의 합성 마스크이다. 인접 엔진은, 메모리 구조, 데이터베이스, 또 다른 애플리케이션, 및 합성 마스크를 출력하는 텍스트 파일 또는 XML 파일과 같은 파일 기반 저장장치를 포함하는 임의의 적절한 출력 매체 또는 방법을 사용할 수 있다.
인접 엔진은, 누적 제곱 방식, N-포인트 공식, Western Electrical 룰, 또는 다른 사용자 정의된 기준 또는 룰을 포함하는, 합성 마스크 데이터를 생성하는 임의의 적절한 기술을 사용할 수도 있다. 본 실시형태에서, 합성 마스크 데이터는 다중 데이터 세트의 전반적인 포함 또는 "적층된" 관점으로서 고려될 수도 있다. 이 인접 엔진은 다중 데이터 세트로부터의 대응하는 데이터에 대한 데이터를 분석하여 대응하는 데이터의 특정 세트에 대한, 데이터의 공통 특징 또는 잠재적인 관계를 식별한다. 분석된 데이터는, 원시 데이터, 평활화된 데이터, 서명 분석 데이터 및/또는 임의의 다른 적절한 데이터를 포함하는 임의의 적절한 데이터일 수도 있다.
본 실시형태에서, 인접 엔진은 다중 웨이퍼 상에서 대응하는 위치에 대한 데이터를 분석한다. 도 14를 참조하면, 각 웨이퍼는, x, y 좌표계와 같은 적절한 식별 시스템을 사용하여 지정될 수도 있는 대응하는 위치에 디바이스를 가진다. 따라서, 인접 엔진은, 도 14에 도시된 위치 10, 12와 같은 대응 위치 또는 데이터 포인트에서 디바이스에 대한 데이터를 비교하여 데이터의 합성 세트에서의 패턴을 식별한다.
본 실시형태의 인접 엔진은, 합성 마스크 데이터를 생성하기 위한 2 개의 상이한 방식인, 누적 제곱 방식 및 공식 기반 방식 중 하나 이상을 사용한다. 인접 엔진은 데이터를 선택되거나 계산된 임계값과 비교함으로써 관심있는 데이터를 적절하게식별한다. 일 실시형태에서, 인접 엔진은 다양한 웨이퍼 및/또는 롯 상의 대응 위치에서 데이터 포인트를 임계값과 비교하여, 데이터가 데이터 세트에 걸쳐 잠재적인 패턴을 표시하는지 여부를 결정한다. 인접 헤드는 각 데이터를 하나 이상의 임계값과 비교하며, 임계값 각각은, 미리 정의된 값, 현재의 데이터에 기초하여 계산된 값 또는 연혁적 데이터로부터 계산된 값과 같이, 임의의 적절한 방식으로 선택될 수도 있다.
예를 들어, 본 인접 엔진의 제 1 실시형태는 누적 제곱 방식을 구현하여 데이터를 임계값과 비교한다. 더 상세하게는, 도 15를 참조하면, 인접 엔진은, 특정한 롯의 특정한 웨이퍼 상에서 특정한 장치에 대한 특정한 테스트에 대한 결과와 같이, 제 1 데이터 세트 내의 제 1 데이터 포인트를 적절하게 선택하고 (1512), 그 데이터 포인트 값을 카운트 임계값과 비교한다 (1514). 임계값은, 범위, 하한, 상한 등과 같은 임의의 적절한 타입의 임계값 및 임의의 적절한 값을 포함할 수도 있고, 임의의 적절한 기준에 따라 선택될 수도 있다. 데이터 포인트 값이 임계값을 초과하면, 즉, 임계값보다 작거나, 임계값보다 크거나, 또는 특정한 적합 관계일지라도, 절대 카운터가 증대되어 (1516) 데이터 포인트에 대한 요약값을 생성한다.
또한, 데이터 포인트 값은 누적 임계값과 비교된다 (1518). 데이터 포인트 값이 누적 임계값을 초과하면, 데이터 포인트값이 데이터 포인트에 대한 누적값에 추가되어 (1520) 데이터 포인트에 대한 또 다른 요약값을 생성한다. 인접 엔진은, 롯 내의 모든 웨이퍼 또는 다른 선택된 그룹의 웨이퍼와 같은, 모든 관련 데이터 세트 (1524) 내의 모든 대응 데이터 포인트 (1522) 에 대한 프로세스를 반복한다. 또한, 임의의 다른 원하는 테스트 또는 비교가 데이터 포인트 및 데이터 세트에 대해 수행될 수도 있다.
모집단 내의 모든 관련 데이터 포인트가 프로세싱되었을 때, 인접 엔진은, 특정 임계값을 초과하는 데이터와 같은 선택된 데이터에 기초한 값을 계산할 수도 있다. 예를 들어, 인접 엔진은 관련 데이터 포인트에 대한 누적값에 기초한 대응 데이터의 각 세트에 대해 전반적인 누적 임계값을 계산할 수도 있다 (1526). 전반적은 누적 임계값은 임의의 적절한 방식으로 계산되어, 임계값과의 관계를 보유한 대응 데이터 포인트의 세트를 식별하는 것과 같이, 원하는 또는 관련된 특징들을 식별할 수도 있다. 예를 들어, 전반적인 누적 임계값 (한계) 은 다음의 식,
Figure 112005044699078-pct00011
에 따라 정의될 수도 있으며, 여기서 Average 는 데이터의 합성 모집단 내의 데이터 평균값이고, Scale Factor 는 누적 제곱 방식의 민감도를 조정하기 위해 선택된 값 또는 변수이고, 표준편차는 데이터의 합성 모집단 내의 데이터 포인트 값의 표준편차이고, (Max-Min) 은 데이터의 합성 모집단 내의 최대 및 최소 데이터 포인트 값간의 차이이다. 통상적으로, 전반적인 누적 임계값은 특정한 데이터 세트 내에서 관심있는 데이터 포인트를 식별하기 위한 비교값을 확립시키도록 정의된다.
전체 누적 임계값의 계산시에, 인접 엔진은 예를 들어, 카운트 및 누적값을 임계값에 비교함으로써, 합성 데이터에 포함하기 위한 각 데이터 포인트를 지정할지를 결정한다. 본 실시형태의 인접 엔진은 제 1 데이터 포인트를 적절하게 선택하고 (1528), 데이터 포인트에 대한 총 누적값을 제곱하며 (1530), 데이터 포인트에 대한 제곱된 누적값은 동적으로 생성된 전체 누적 임계값에 비교한다 (1532). 제곱된 누적값이 전체 누적 임계값을 초과하는 경우에, 데이터 포인트는 합성 데이터에 포함되는 것으로 지정된다 (1534).
또한, 데이터 포인트에 대한 절대 카운터값이 예를 들어, 모집단에서 다른 데이터 세트 또는 웨이퍼의 수의 퍼센티지에 기초하여 사전-선택된 임계값 또는 계산된 임계값과 같은 전체 카운트 임계값에 비교될 수도 있다 (1536). 절대 카운터값이 전체 카운터 임계값을 초과하는 경우에, 데이터 포인트는 합성 데이터 (1538) 에 포함되는 것으로 다시 지정될 수도 있다 (1538). 이 프로세스는 각 데이터 포인트에 대해 적절하게 수행된다 (1540).
또한, 인접 엔진은 다른 추가 또는 대안의 기술을 사용하여 합성 마스크 데이터를 생성할 수도 있다. 또한, 이 인접 엔진은 합성 마스크 데이터를 생성하는 공식 기반 시스템을 활용할 수도 있다. 본 발명의 다양한 양태에 따른 공식 기반 시스템은 합성 웨이퍼 마스크를 정의하기 위해 변수 및 공식, 또는 식을 사용한다.
예를 들어, 예시적인 공식 기반 시스템에서, 하나 이상의 변수가 임의의 적절한 기준에 따라 사용자 정의될 수도 있다. 변수는 관련 그룹에서 각 데이터 포인트에 대해 적절하게 정의된다. 예를 들어, 인접 엔진은 예를 들어, 데이터 포인트에 대한 값을 계산하거나 계산이 특정 결과를 제공하는 횟수를 카운트하기 위해 특정한 데이터 포인트에 대한 데이터 모집단에서의 각 값을 분석할 수도 있다. 변수는 각 정의된 변수에 대한 데이터 세트에서의 각 데이터 포인트에 대해 계산될 수도 있다.
변수를 계산한 이후에, 데이터 포인트는 데이터 포인트가 사용자 정의된 기준과 만나는지를 결정하기 위해 분석될 수도 있다. 예를 들어, 사용자 정의된 공식은 계산된 변수값을 사용하여 해결될 수도 있고, 공식이 특정한 값 또는 값의 범위와 같다고 나타내는 경우에, 데이터 포인트는 합성 마스크 데이터에 포함되는 것으로 지정될 수도 있다.
따라서, 인접 엔진은 임의의 적절한 프로세스 또는 기술에 따라 합성 마스크 데이터의 세트를 생성할 수도 있다. 그렇게 형성된 합성 마스크 데이터는 각 데이터 포인트에 대한 데이터 모집단의 결과에 대응하는 데이터의 세트를 포함한다. 따라서, 데이터 포인트에 대한 특징이 다중 데이터 세트에 대해 정의될 수도 있다. 예를 들어, 본 실시형태에서, 합성 마스크 데이터는 광범위한 변수 테스트 결과 또는 높은 실패율과 같은 다중 웨이퍼상에서 특징을 공유하는 특정한 디바이스 위치를 나타낼 수도 있다. 이러한 정보는 제조 또는 설계 프로세스에서 문제 또는 특징을 나타낼 수도 있어서, 제조 및 테스팅을 개선 및 제어하기 위해 사용될 수도 있다.
또한 합성 마스크 데이터는 추가 정보를 생성하기 위해 분석될 수도 있다. 예를 들어, 합성 마스크 데이터는 데이터 세트에서의 공간 트렌드 및/또는 패턴을 나타내거나, 상대적으로 고립된 데이터 포인트로부터 클러터를 감소시키기 위한 필터링, 특정한 특징을 갖는 영역을 강화 또는 정제, 또는 공지된 특징을 갖는 데이터를 필터링하는 것과 같이 중요한 패턴을 식별 또는 필터링하기 위해 분석될 수도 있다. 예를 들어, 본 실시형태의 합성 마스크 데이터는 합성 마스크 데이터를 평활화하고 합성 마스크 데이터에서의 패턴을 완료하기 위한 공간 분석에 영향을 받을 수도 있다. 선택된 배제 영역이 특정한 처리를 받을 수도 있어서, 합성 마스크 데이터는 제거, 무시, 하위 중요도 부여, 또는 다른 합성 마스크 데이터와 구별될 수도 있다. 또한, 클러스터 검출 프로세스는 상대적으로 중요하지 않거나 신뢰할 수 없는 데이터 포인트 클러스터의 중요성을 제거 또는 약화시킬 수도 있다.
본 실시형태에서, 인접 엔진은 지정된 영역으로부터의 데이터 포인트에 특정한 지정된 처리가 부여되거나 다양한 분석에서 무시되도록 합성 마스크 데이터에서 특정한 지정된 영역을 식별하도록 구성될 수도 있다. 예를 들어, 도 16을 참조하면, 인접 엔진은 개별 디바이스, 디바이스의 그룹, 또는 웨이퍼 주변의 디바이스의 밴드와 같은 웨이퍼상의 선택된 위치에서 배제 영역을 확립할 수도 있다. 배제 영역의 목적은 인접 분석 및/또는 가중화에서의 다른 데이터 포인트에 영향을 미치는 특정 데이터 포인트를 배제하는 메카니즘을 제공하는 것이다. 데이터 포인트는 연속 프로세스의 범위 외부에 있는 값을 할당하는 것과 같은 임의의 적절한 방식으로 배제되는 것으로 지정된다.
관련 영역이 임의의 적절한 방식으로 식별될 수도 있다. 예를 들어, 배제된 데이터 포인트는 x,y 좌표, 주변의 밴드의 특정한 폭의 선택, 또는 합성 데이터에서 관련 영역을 정의하는 다른 적절한 프로세스와 같은 디바이스 식별자 또는 좌표의 파일 리스팅을 사용하여 지정될 수도 있다. 본 실시형태에서, 인접 엔진은 인접 엔진이 데이터 세트의 에지의 사용자 정의된 범위내의 데이터 포인트를 무시하거나 특별히 취급하게 하는 단순한 계산을 사용하여 웨이퍼상의 배제된 디바이스의 밴드를 정의할 수도 있다. 예를 들어, 이 범위내에 있거나 파일에 리스트된 모든 디바이스는 선택된 배제 기준에 영향을 받는다. 배제 기준이 충족되면, 배제 영역내의 데이터 포인트 또는 배제 기준을 충족하는 디바이스가 하나 이상의 분석으로부터 배제된다.
본 실시형태의 인접 엔진은 합성 마스크 데이터상에서 추가 분석을 수행하도록 적절하게 구성된다. 추가 분석은 원하는 데이터를 강화하고, 소망하지 않는 데이터를 제거하거나, 합성 마스크 데이터에서의 선택된 특징을 식별하는 것과 같이, 임의 적절한 목적을 위해 구성될 수도 있다. 예를 들어, 인접 엔진은 합성 마스크 데이터에서의 패턴을 평활화 및 완성하기 위해 포인트 가중화 시스템에 기초하는 것과 같이 인접 가중화 프로세스를 수행하도록 적절하게 구성된다.
도 17a, 도 17b 및 도 18을 참조하면, 이 인접 엔진은 데이터 세트에서의 모든 데이터 포인트를 검색한다. 인접 엔진은 제 1 포인트를 선택하고 (1710) 값들의 임계값 또는 범위와 같은 기준에 대해 데이터 포인트의 값을 체크한다 (1712). 선택된 임계값을 초과하거나 선택된 영역내에 있는 데이터 포인트를 발견할 때, 인접 엔진은 값들에 대한 메인 데이터 포인트를 둘러싸고 있는 데이터 포인트를 검색한다 (1714). 메인 데이터 포인트 주위의 데이터 포인트의 수는 임의의 선택된 수일 수도 있고, 임의의 적절한 기준에 따라 선택될 수도 있다.
인접 엔진은 데이터 포인트가 부여된 가중치이어야 한다는 것을 나타내는 또 다른 적절한 기준을 충족시키거나 유도값 (influence value) 을 초과하는 데이터 포인트에 대해 둘러싸고 있는 데이터 포인트를 검색한다 (1716). 데이터 포인트가 유도값을 초과하는 경우에, 인접 엔진은 둘러싸고 있는 데이터 포인트의 값에 따라 메인 데이터 포인트에 가중치를 적절하게 할당한다. 또한, 인접 엔진은 둘러싸고 있는 데이터포인트의 상대적 위치에 따라 가중치를 조절할 수도 있다. 예를 들어, 둘러싸고 있는 데이터 포인트에 부여되는 가중량은 둘러싸고 있는 데이터 포인트가 메인 데이터 포인트에 인접하는지 (1718) 또는 메인 데이터 포인트에 직교하는지 (1720) 여부에 따라 결정될 수 있다. 또한, 총 가중치는 데이터 포인트가 웨이퍼의 에지상에 있는 경우에 조절될 수도 있다 (1722). 메인 데이터 포인트 주위의 모든 둘러싸고 있는 데이터 포인트가 체크될 때 (1724), 메인 데이터 포인트에는 예를 들어, 둘러싸고 있는 데이터 포인트로부터의 가중 팩터를 더함으로써 전체 가중치가 할당된다. 그 후, 메인 데이터 포인트에 대한 가중치가 사용자 정의된 임계값과 같은 임계값에 비교된다 (1726). 가중치가 임계값과 만나거나 초과하는 경우에, 데이터 포인트는 그렇게 지정된다.
또한, 합성 마스크 데이터가 데이터를 필터링하기 위해 더 분석될 수도 있다. 예를 들어, 본 실시형태에서, 인접 엔진은 사용자 특정 임계값과 같은 임계값 보다 작은 데이터 포인트의 그룹을 식별하고, 적절하게 제거하도록 구성될 수도 있다.
도 19 및 도 20을 참조하면, 본 실시형태의 인접 엔진은 그룹, 그룹의 크기를 정의하고, 작은 그룹을 제거하도록 구성될 수도 있다. 그룹을 정의하기 위해, 인접 엔진은 기준을 충족시키는 데이터 포인트에 대해 합성 마스크에서의 모든 데이터 포인트를 검색한다. 예를 들어, 합성 마스크 데이터에서의 데이터 포인트는 값의 범위 및 할당된 인덱스 수로 분리될 수도 있다. 인접 엔진은 특정 인덱스와 매칭하는 데이터 포인트에 대한 합성 마스크를 검색함으로써 시작한다 (1910). 지정된 인덱스와 만나는 데이터 포인트를 인카운트할 때 (1912), 인접 엔진은 발견된 포인트를 메인 데이터 포인트로서 지정하고 동일한 인덱스에 있거나, 또 다른 방법으로는, 동일한 값을 갖고, 또한 임계값을 초과하거나, 다른 원하는 기준을 충족시키는 다른 데이터 포인트에 대한 메인 데이터 포인트로부터의 모든 방향에서 검색하는 반복 프로그램을 개시한다 (1914).
본 실시형태에서의 반복 기능의 예로서, 인접 엔진은 특정값, 예를 들어, 5를 갖는 데이터 포인트에 대한 검색을 시작할 수도 있다. 5의 값을 갖는 데이터 포인트가 발견되는 경우에, 반복 프로그램은 5의 값을 갖는 다른 데이터 포인트를 발견할 때까지 메인 디바이스 주위의 모든 데이터 포인트를 검색한다. 또 다른 적합한 데이터 포인트가 발견되는 경우에, 반복 프로그램은 메인 데이터 포인트로서 인카운트된 데이터 포인트를 선택하고 프로세스를 반복한다. 따라서, 반복 프로세스는 서로 인접하거나 직교하는 매칭 값을 갖는 모든 데이터 포인트를 분석하고 마크하여 그룹을 형성한다. 반복 프로그램이 특정값을 갖는 그룹에서 모든 디바이스를 발견할 때, 그룹에는 유일한 인덱스가 할당되고 인접 엔진은 전체 합성 마스크 데이터를 다시 검색한다. 모든 데이터 값이 검색될 때, 합성 마스크 데이터는 동일한 그룹 인덱스를 갖는 인접하고 있는 데이터 포인트의 그룹으로 완전히 분리된다.
인접 엔진은 각 그룹의 크기를 결정할 수도 있다. 예를 들어, 인접 엔진은 그룹에서의 데이터 포인트의 수를 카운트할 수도 있다 (1916). 그 후, 인접 엔진은 각 그룹에서의 데이터 포인트의 수를 임계값에 비교할 수도 있고 임계값과 만나지 않는 그룹을 제거할 수도 있다 (1918). 그룹은 관련 그룹에 대한 인덱스 값을 디폴트 값으로 재설정하는 것과 같이 임의의 적절한 방식의 그룹화 분석으로부터 제거될 수도 있다 (1920). 예를 들어, 데이터 포인트의 임계수가 5인 경우에, 인접 엔진은 5 보다 작은 데이터 포인트를 갖는 모든 그룹에 대한 그룹 인덱스 수를 디폴트 값으로 변화시킨다. 따라서, 상이한 그룹 인덱스로 분류되어 남아 있는 그룹만이 5 이상의 데이터 포인트를 갖는다.
인접 엔진은 임의의 적절한 추가 동작을 수행할 수도 있어서 합성 마스크 데이터를 생성 및 정제할 수도 있다. 예를 들어, 오리지널 합성 마스크 데이터의 추가 필터링, 프로세싱, 및 분석의 결과를 포함하는 합성 마스크 데이터는 웨이퍼에 대한 디바이스 또는 제조 프로세스와 같은 데이터의 오리지널 소스 및 다중 데이터 세트에 관한 정보를 제공하기 위해 사용될 수도 있다. 데이터는 임의의 적절한 방식으로 사용되거나 사용자에게 제공될 수도 있다. 예를 들어, 데이터는 원시 데이터에서의 경향 및 패턴을 나타내는 데이터 세트를 생성하기 위해 합성 마스크 데이터, 원시 데이터, 및 임의의 다른 적절한 데이터에 대한 병합 동작과 조합된 사용자 정의된 규칙을 실행하는 것과 같은 다른 데이터와의 조합 또는 다른 분석을 위해 또 다른 시스템에 제공될 수도 있다. 또한, 데이터는 프린터 또는 시각 인터페이스와 같은 적절한 출력 시스템을 통해 사용자에게 제공될 수도 있다.
본 실시형태에서, 예를 들어, 합성 마스크 데이터는 다른 데이터와 조합되고 검사를 위해 사용자에게 제공된다. 합성 마스크 데이터는 임의의 적절한 방식으로 임의의 다른 데이터와 조합될 수도 있다. 예를 들어, 합성 마스크 데이터는 서명 데이터, 원시 데이터, 하드웨어 빈 데이터, 소프트웨어 빈 데이터, 및/또는 다른 합성 데이터와 병합될 수도 있다. 데이터 세트의 병합은 표현, 임계값, 및 우선순위를 포함하는 다양한 사용자 정의된 규칙을 사용하는 것과 같은 임의의 적절한 방식으로 수행될 수도 있다.
본 시스템에서, 합성 분석 엘리먼트 (214) 는 적절한 프로세스를 사용하여 병합 프로세스를 수행하여, 합성 마스크 데이터를 합성 원시 데이터, 합성 서명 데이터 또는 합성 빈 데이터의 맵과 같은 합성 데이터의 오리지널 맵과 병합한다. 예를 들어, 도 21을 참조하면, 합성 분석 엘리먼트 (214) 는 합성 마스크 데이터가 오리지널 데이터 맵과 완전하게 병합되는 절대 병합 시스템을 사용하여 오리지널 개별 웨이퍼 데이터와 합성 마스크 데이터를 병합할 수도 있다. 따라서, 합성 마스크 데이터는 기존 패턴의 오버랩 또는 포위에 관계없이 오리지널 데이터 맵과 병합된다. 하나의 합성 마스크만이 다중 합성 마스크의 패턴 아웃을 나타내는 경우에, 패턴은 전체 합성 마스크에 포함된다.
또 다른 방법으로, 합성 분석 엘리먼트 (214) 는 추가 분석과 함께 데이터를 병합할 수도 있다. 합성 분석 엘리먼트 (214) 는 관련이 없거나 중요하지 않을 수도 있는 데이터를 필터링할 수도 있다. 예를 들어, 도 22를 참조하면, 합성 분석 엘리먼트 (214) 는 오리지널 데이터 맵의 데이터를 오버랩하는 합성 마스크 또는 또 다른 합성 마스크에서의 데이터만을 병합할 수도 있고, 이것은 잠재적으로 관련된 정보를 강조하는 경향이 있다.
합성 분석 엘리먼트 (214) 는 특정한 임계 수, 퍼센티지, 또는 데이터 포인트의 다른 값이 맵 사이에서 오버랩하는지 여부를 결정하기 위해 합성 마스크 데이터 및 오리지널 데이터를 또 다른 방법으로 평가할 수도 있다. 구성에 따라, 병합된 데이터는, 이 경우에 디바이스에 대응하는 데이터 포인트가 데이터 포인트를 오버래핑하는 요구되는 임계값을 충족시키기 위해 합성 마스크 데이터와 오리지널 데이터 사이에서 충분히 오버래핑되는 영역만을 포함할 수도 있다. 도 23을 참조하면, 합성 분석 엘리먼트 (214) 는 테스터 빈 실패 데이터와 오버래핑하는 합성 데이터의 50 %와 같은, 오리지널 데이터에서의 테스터 빈 실패, 즉, 실패 디바이스와 충분한 정도로 오버랩하는 합성 데이터 패턴만을 포함하도록 구성될 수도 있다. 따라서, 오리지널 데이터와 오버랩하는 합성 데이터의 최소량 보다 작으면, 합성 데이터 패턴은 무시될 수도 있다. 유사하게는, 도 24를 참조하면, 합성 분석 수단 (214) 은 2개의 상이한 수단으로부터의 데이터와 같은 합성 데이터의 2개의 상이한 세트와 비교할 수도 있고, 2개의 수단 사이의 오버랩이 선택된 기준을 충족시키는지 여부를 결정할 수도 있다. 최소 기준을 오버랩 및/또는 충족시키는 데이터만이 병합된다.
병합된 데이터는 사용자 또는 다른 시스템으로의 출력을 위해 출력 엘리먼트에 제공될 수도 있다. 병합된 데이터는 생산 에러 식별 프로세스 또는 대형 트렌드 식별 프로세스와 같은 또 다른 프로세스로의 입력으로서 패스될 수도 있다. 또한, 병합된 데이터는 메모리 구조, 데이터베이스 테이블, 플랫 텍스트 파일, 또는 XML 파일과 같은 임의의 분류 또는 포맷에서 출력될 수도 있다.
본 실시형태에서, 병합된 데이터 및/또는 웨이퍼 맵이 잉크 맵 생성 엔진으로 제공된다. 잉크 맵 엔진은 오프라인 잉킹 장비에 대한 맵을 생성한다. 오프라인 잉킹 맵에 더하여, 병합된 데이터 결과는 부품의 잉크리스 어셈블리에 대한 비닝 (binning) 결과를 생성하는데, 또는 이들 유형의 결과를 활용하는 임의의 다른 프로세스 또는 애플리케이션에서 활용될 수도 있다.
도시하고 설명한 특정한 구현은 단지 본 발명과 본 발명의 최상의 모드의 예시적인 것이고 본 발명의 범위를 한정하는 것은 아니다. 간결함을 위해, 종래의 신호 프로세싱, 데이터 송신, 및 시스템의 다른 기능적 양태 (및 시스템의 개별 동작 구성요소의 구성요소) 는 상세히 설명하지 않았다. 또한, 다양한 도면에 도시한 접속 라인은 다양한 엘리먼트 사이의 예시적인 기능적 관계 및/또는 물리적 결합을 나타내기 위한 것이다. 다수의 대안 또는 추가의 기능적 관계 또는 물리적 접속이 실제 시스템에 제공될 수도 있다. 본 발명을 바람직한 실시형태를 참조하여 설명하였다. 그러나, 본 발명의 범위를 벗어나지 않고 변화와 변동이 이루어질 수도 있다. 이들 및 다른 변화 또는 변동은 아래의 청구범위에서 표현하는 바와 같이 본 발명의 범위내에 포함된다.

Claims (56)

  1. 2 개 이상의 콤포넌트 세트에 대하여 테스트 데이터의 2 개 이상의 데이터 세트용의 테스트 데이터를 저장하도록 구성된 저장 시스템; 및
    상기 데이터 세트 중에서 공통 특성에 대하여 상기 테스트 데이터를 분석하도록 구성되는 합성 분석 엘리먼트를 포함하고,
    제 1 데이터 세트의 제 1 콤포넌트는 제 2 데이터 세트의 제 2 콤포넌트에 대응하고, 상기 합성 분석 엘리먼트는 상기 테스트 데이터에 기초하여, 상기 대응하는 콤포넌트에 대한 요약값을 동적 임계값에 비교하도록 구성되는, 테스트 시스템.
  2. 삭제
  3. 제 1 항에 있어서,
    상기 제 1 및 제 2 콤포넌트는 상이한 웨이퍼상에서 대응하는 위치를 점유하는, 테스트 시스템.
  4. 삭제
  5. 삭제
  6. 제 1 항에 있어서,
    상기 요약값은 기준을 충족시키기 위해 대응하는 콤포넌트에 대한 다수의 테스트 데이터에 따라 결정되는, 테스트 시스템.
  7. 제 1 항에 있어서,
    상기 합성 분석 엘리먼트는 상이한 데이터 세트로부터의 테스트 데이터를 상기 동적 임계값에 비교하도록 구성되는, 테스트 시스템.
  8. 제 7 항에 있어서,
    상기 동적 임계값은 상기 테스트 데이터에 기초하여 계산되는, 테스트 시스템.
  9. 제 1 항에 있어서,
    상기 공통 특성은 하나 이상의 동적 임계값과 만나는 데이터 값을 포함하는, 테스트 시스템.
  10. 제 1 항에 있어서,
    상기 합성 분석 엘리먼트는 상기 공통 특성을 갖는 상기 테스트 데이터에 따라 합성 데이터를 생성하도록 구성되는, 테스트 시스템.
  11. 제 10 항에 있어서,
    상기 합성 분석 엘리먼트는 지정된 영역내의 상기 합성 데이터에 지정된 처리를 부여하도록 구성되는, 테스트 시스템.
  12. 제 11 항에 있어서,
    상기 합성 분석 엘리먼트는 상기 지정된 영역내의 상기 합성 데이터에 하위 중요도를 무시하는 것과 상기 지정된 영역내의 상기 합성 데이터에 하위 중요도를 부여하는 것 중에서 하나 이상을 하도록 구성되는, 테스트 시스템.
  13. 제 10 항에 있어서,
    상기 합성 분석 엘리먼트는 상기 합성 데이터에 대한 공간 분석을 수행하도록 구성되는, 테스트 시스템.
  14. 제 10 항에 있어서,
    상기 합성 분석 엘리먼트는 인접 합성 데이터 포인트의 값에 기초하여, 선택된 합성 데이터 포인트에 중요도를 부여하도록 구성되는, 테스트 시스템.
  15. 제 14 항에 있어서,
    상기 선택된 합성 데이터 포인트에 부여된 중요도는 제 1 인접 합성 데이터 포인트가 상기 선택된 합성 데이터 포인트에 대해 제 1 위치에 있으면 제 1 양에 의해 조절되고, 상기 제 1 인접 합성 데이터 포인트가 상기 선택된 합성 데이터 포인트에 대해 제 2 위치에 있으면 제 2 양에 의해 조절되는, 테스트 시스템.
  16. 제 10 항에 있어서,
    상기 합성 분석 엘리먼트는 상기 합성 데이터로부터 합성 데이터 포인트의 클러스터를 제거하도록 구성되는, 테스트 시스템.
  17. 제 16 항에 있어서,
    상기 합성 분석 엘리먼트는 상기 클러스터가 선택된 크기 보다 작을 때만 상기 합성 데이터의 클러스터를 제거하도록 구성되는, 테스트 시스템.
  18. 제 10 항에 있어서,
    상기 합성 분석 엘리먼트는 상기 합성 데이터를 상기 테스트 데이터에 기초하여 또 다른 데이터 세트와 병합하도록 구성되는, 테스트 시스템.
  19. 제 18 항에 있어서,
    상기 병합된 합성 데이터를 포함하는 합성 맵을 생성하도록 구성되는 출력 엘리먼트를 더 포함하는, 테스트 시스템.
  20. 2 개 이상의 콤포넌트 세트를 테스트하고 테스트 데이터의 2 개 이상의 데이터 세트를 생성하도록 구성되는 테스터로서, 상기 콤포넌트 세트 각각으로부터의 콤포넌트는 다른 콤포넌트 세트의 콤포넌트에 대응하는, 상기 테스터; 및
    상기 대응하는 콤포넌트 중에서 공통 특성에 대하여 상기 테스트 데이터를 분석하도록 구성되는 합성 분석 엘리먼트를 포함하고,
    상기 합성 분석 엘리먼트는 상기 테스트 데이터에 기초하여, 상기 대응하는 콤포넌트에 대한 요약값을 동적 임계값에 비교하도록 구성되는, 테스트 시스템.
  21. 삭제
  22. 삭제
  23. 삭제
  24. 제 20 항에 있어서,
    상기 요약값은 기준을 충족시키기 위해 대응하는 콤포넌트에 대한 다수의 테스트 데이터에 따라 결정되는, 테스트 시스템.
  25. 제 20 항에 있어서,
    상기 합성 분석 엘리먼트는 상이한 데이터 세트로부터의 테스트 데이터를 상기 동적 임계값에 비교하도록 구성되는, 테스트 시스템.
  26. 제 25 항에 있어서,
    상기 동적 임계값은 상기 테스트 데이터에 기초하여 계산되는, 테스트 시스템.
  27. 제 20 항에 있어서,
    상기 공통 특성은 하나 이상의 동적 임계값과 만나는 데이터 값을 포함하는, 테스트 시스템.
  28. 제 20 항에 있어서,
    상기 합성 분석 엘리먼트는 상기 공통 특성을 갖는 상기 테스트 데이터에 따라 합성 데이터를 생성하도록 구성되는, 테스트 시스템.
  29. 제 28 항에 있어서,
    상기 합성 분석 엘리먼트는 지정된 영역내의 합성 데이터에 지정된 처리를 부여하도록 구성되는, 테스트 시스템.
  30. 제 29 항에 있어서,
    상기 합성 분석 엘리먼트는 상기 지정된 영역내의 상기 합성 데이터에 하위 중요도를 무시하는 것과 상기 지정된 영역내의 상기 합성 데이터에 하위 중요도를 부여하는 것 중에서 하나 이상을 하도록 구성되는, 테스트 시스템.
  31. 제 28 항에 있어서,
    상기 합성 분석 엘리먼트는 상기 합성 데이터에 대한 공간 분석을 수행하도록 구성되는, 테스트 시스템.
  32. 제 28 항에 있어서,
    상기 합성 분석 엘리먼트는 인접 합성 데이터 포인트의 값에 기초하여 선택된 합성 데이터 포인트에 중요도를 부여하도록 구성되는, 테스트 시스템.
  33. 제 32 항에 있어서,
    상기 선택된 합성 데이터 포인트에 부여된 중요도는 제 1 인접 합성 데이터 포인트가 상기 선택된 합성 데이터 포인트에 대해 제 1 위치에 있으면 제 1 양에 의해 조절되고, 상기 제 1 인접 합성 데이터 포인트가 상기 선택된 합성 데이터 포인트에 대해 제 2 위치에 있으면 제 2 양에 의해 조절되는, 테스트 시스템.
  34. 제 28 항에 있어서,
    상기 합성 분석 엘리먼트는 상기 합성 데이터로부터 합성 데이터 포인트의 클러스터를 제거하도록 구성되는, 테스트 시스템.
  35. 제 34 항에 있어서,
    상기 합성 분석 엘리먼트는 상기 클러스터가 선택된 크기 보다 작을 때만 상기 합성 데이터의 클러스터를 제거하도록 구성되는, 테스트 시스템.
  36. 제 28 항에 있어서,
    상기 합성 분석 엘리먼트는 상기 합성 데이터를 상기 테스트 데이터에 기초하여 또 다른 데이터 세트와 병합하도록 구성되는, 테스트 시스템.
  37. 제 36 항에 있어서,
    상기 병합된 합성 데이터를 포함하는 합성 맵을 생성하도록 구성되는 출력 엘리먼트를 더 포함하는, 테스트 시스템.
  38. 2 개 이상의 콤포넌트 세트에 대하여 테스트 데이터의 2 개 이상의 데이터 세트를 얻는 단계로서, 제 1 데이터 세트의 제 1 콤포넌트는 제 2 데이터 세트의 제 2 콤포넌트에 대응하는, 단계; 및
    상기 공통 특성에 대하여 상기 대응하는 제 1 및 제 2 콤포넌트에 대한 테스트 데이터를 분석하는 단계를 포함하고,
    상기 테스트 데이터 분석 단계는 상기 테스트 데이터에 기초하여, 상기 대응하는 콤포넌트에 대한 요약값을 동적 임계값에 비교하는 단계를 포함하는, 반도체 테스트 방법.
  39. 삭제
  40. 제 38 항에 있어서,
    상기 제 1 및 제 2 콤포넌트는 상이한 웨이퍼상에서 대응하는 위치를 점유하는, 반도체 테스트 방법.
  41. 삭제
  42. 삭제
  43. 제 38 항에 있어서,
    상기 요약값은 기준을 충족시키기 위해 대응하는 콤포넌트에 대한 다수의 테스트 데이터에 따라 결정되는, 반도체 테스트 방법.
  44. 제 38 항에 있어서,
    상기 테스트 데이터 분석 단계는, 상이한 데이터 세트로부터의 상기 테스트 데이터를 상기 동적 임계값에 비교하는 단계를 포함하는, 반도체 테스트 방법.
  45. 제 44 항에 있어서,
    상기 동적 임계값은 상기 테스트 데이터에 기초하여 계산되는, 반도체 테스트 방법.
  46. 제 38 항에 있어서,
    상기 공통 특성은 하나 이상의 동적 임계값과 만나는 데이터 값을 포함하는, 반도체 테스트 방법.
  47. 제 38 항에 있어서,
    상기 공통 특성을 갖는 테스트 데이터에 따라 분석 데이터를 생성하는 단계를 더 포함하는, 반도체 테스트 방법.
  48. 제 47 항에 있어서,
    상기 합성 데이터 생성 단계는, 지정된 영역내의 합성 데이터에 지정된 처리를 부여하는 단계를 포함하는, 반도체 테스트 방법.
  49. 제 48 항에 있어서,
    상기 지정된 영역내의 상기 합성 데이터에 하위 중요도를 무시하는 것과 상기 지정된 영역내의 상기 합성 데이터에 하위 중요도를 부여하는 것 중에서 하나 이상을 하는 단계를 포함하는, 반도체 테스트 방법.
  50. 제 47 항에 있어서,
    상기 합성 데이터에 기초하여 공간 분석을 수행하는 단계를 더 포함하는, 반도체 테스트 방법.
  51. 제 47 항에 있어서,
    인접 합성 데이터 포인트의 값에 기초하여, 선택된 합성 데이터 포인트에 중요도를 부여하는 단계를 더 포함하는, 반도체 테스트 방법.
  52. 제 51 항에 있어서,
    상기 선택된 합성 데이터 포인트에 부여된 중요도는 제 1 인접 합성 데이터 포인트가 상기 선택된 합성 데이터 포인트에 대해 제 1 위치에 있으면 제 1 양에 의해 조절되고, 상기 제 1 인접 합성 데이터 포인트가 상기 선택된 합성 데이터 포인트에 대해 제 2 위치에 있으면 제 2 양에 의해 조절되는, 반도체 테스트 방법.
  53. 제 47 항에 있어서,
    상기 합성 데이터로부터 합성 데이터 포인트의 클러스터를 제거하는 단계를 더 포함하는, 반도체 테스트 방법.
  54. 제 53 항에 있어서,
    상기 클러스터를 제거하는 단계는 상기 클러스터가 선택된 크기 보다 작을 때만 상기 합성 데이터 포인트의 클러스터를 제거하는 단계를 포함하는, 반도체 테스트 방법.
  55. 제 47 항에 있어서,
    상기 합성 데이터를 상기 테스트 데이터에 기초하여 데이터의 또 다른 세트와 병합하는 단계를 더 포함하는, 반도체 테스트 방법.
  56. 제 55 항에 있어서,
    상기 병합된 합성 데이터를 포함하는 합성 맵을 생성하는 단계를 더 포함하는, 반도체 테스트 방법.
KR1020057015002A 2003-02-14 2004-02-13 데이터 분석용 방법 및 장치 KR100742544B1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US10/367,355 2003-02-14
US10/367,355 US7167811B2 (en) 2001-05-24 2003-02-14 Methods and apparatus for data analysis

Publications (2)

Publication Number Publication Date
KR20050099549A KR20050099549A (ko) 2005-10-13
KR100742544B1 true KR100742544B1 (ko) 2007-07-25

Family

ID=32907622

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020057015002A KR100742544B1 (ko) 2003-02-14 2004-02-13 데이터 분석용 방법 및 장치

Country Status (7)

Country Link
US (2) US7167811B2 (ko)
EP (1) EP1593083A4 (ko)
JP (2) JP5030582B2 (ko)
KR (1) KR100742544B1 (ko)
CA (1) CA2515784A1 (ko)
IL (1) IL170252A (ko)
WO (1) WO2004075011A2 (ko)

Families Citing this family (36)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
MXPA02003084A (es) 1999-09-20 2003-08-20 Fractus Sa Antenas multinivel.
US7395170B2 (en) 2001-05-24 2008-07-01 Test Advantage, Inc. Methods and apparatus for data analysis
US7225107B2 (en) * 2001-05-24 2007-05-29 Test Advantage, Inc. Methods and apparatus for data analysis
US7167811B2 (en) * 2001-05-24 2007-01-23 Test Advantage, Inc. Methods and apparatus for data analysis
US8417477B2 (en) * 2001-05-24 2013-04-09 Test Acuity Solutions, Inc. Methods and apparatus for local outlier detection
US20070219741A1 (en) * 2005-05-20 2007-09-20 Emilio Miguelanez Methods and apparatus for hybrid outlier detection
KR100810058B1 (ko) * 2003-06-10 2008-03-05 에이디이 코포레이션 멀티-채널 데이터의 그래픽 표현을 이용하여 기판의표면에서 발생하는 결함을 분류하는 방법 및 시스템
US7394534B1 (en) * 2003-11-19 2008-07-01 Kla-Tencor Corporation Process excursion detection
US7904279B2 (en) * 2004-04-02 2011-03-08 Test Advantage, Inc. Methods and apparatus for data analysis
US7062415B2 (en) * 2004-08-27 2006-06-13 Lsi Logic Corporation Parametric outlier detection
US7137098B2 (en) * 2004-08-27 2006-11-14 Lsi Logic Corporation Pattern component analysis and manipulation
US8725748B1 (en) * 2004-08-27 2014-05-13 Advanced Micro Devices, Inc. Method and system for storing and retrieving semiconductor tester information
KR100702843B1 (ko) * 2005-08-12 2007-04-03 삼성전자주식회사 로트가변 배치처리가 가능한 반도체 제조설비 및 그로트가변 배치처리방법
US8103494B2 (en) * 2005-12-02 2012-01-24 Taiwan Semiconductor Manufacturing Co., Ltd. Management systems and methods
US7617427B2 (en) * 2005-12-29 2009-11-10 Lsi Corporation Method and apparatus for detecting defects in integrated circuit die from stimulation of statistical outlier signatures
US8418013B2 (en) * 2006-01-25 2013-04-09 Deere & Company Method of using virtual inputs and outputs to automate testing of application software and hardware
US8712973B2 (en) * 2006-04-11 2014-04-29 International Business Machines Corporation Weighted determination in configuration management systems
US20070260936A1 (en) * 2006-04-13 2007-11-08 Carli Connally Systems and methods for assigning identifiers to test results for devices within a group
US7698408B1 (en) * 2006-07-24 2010-04-13 Oracle America, Inc. Method and apparatus for testing a network
US8260035B2 (en) * 2006-09-22 2012-09-04 Kla-Tencor Corporation Threshold determination in an inspection system
JP2008134705A (ja) * 2006-11-27 2008-06-12 Hitachi Ltd データ処理方法及びデータ分析装置
US20080183690A1 (en) 2007-01-26 2008-07-31 Ramachandran Puthukode G Method for providing assistance in making change decisions in a configurable managed environment
US7885791B2 (en) * 2007-02-21 2011-02-08 British Telecommunications Public Limited Company Method for capturing local and evolving clusters
JP4931710B2 (ja) 2007-06-29 2012-05-16 株式会社リコー ウエハにおける良品チップ分類方法、それを用いたチップ品質判定方法、ならびにチップ分類プログラム、チップ品質判定プログラム、マーキング機構及び半導体装置の製造方法
US20090319408A1 (en) * 2008-06-19 2009-12-24 Michael Callahan Provison application system and method
JP4820389B2 (ja) * 2008-07-22 2011-11-24 株式会社リコー チップ品質判定方法、チップ品質判定プログラム及びそれを用いたマーキング機構
US8838408B2 (en) 2010-11-11 2014-09-16 Optimal Plus Ltd Misalignment indication decision system and method
WO2014179801A1 (en) * 2013-05-03 2014-11-06 Avocent Huntsville Corp. System and method for ups battery monitoring and data analysis
US10114823B2 (en) * 2013-11-04 2018-10-30 Ayasdi, Inc. Systems and methods for metric data smoothing
CN103631953A (zh) * 2013-12-13 2014-03-12 东莞市富卡网络技术有限公司 基于误差内排查的大型数据分析方法及其终端
US9449320B1 (en) 2015-06-08 2016-09-20 Vantiv, Llc Closed-loop testing of integrated circuit card payment terminals
RU2633908C1 (ru) * 2016-06-21 2017-10-19 Федеральное государственное бюджетное учреждение науки Институт проблем управления им. В.А. Трапезникова Российской академии наук Устройство анализа результатов тестирования для локализации двукратных неисправностей
US10707138B1 (en) * 2017-03-29 2020-07-07 Xilinx, Inc. High yield package assembly technique
DE102017210508A1 (de) * 2017-06-22 2018-12-27 Siemens Aktiengesellschaft Verfahren zur Erstellung eines Auswertedatensatzes für eine Bewertung einer Ultraschallprüfung
US11402419B2 (en) * 2018-11-13 2022-08-02 Optimal Plus Ltd. Method and system for real time outlier detection and product re-binning
CN117763457B (zh) * 2023-11-21 2024-05-17 上海源斌电子科技有限公司 一种基于大数据分析的芯片测试数据管理系统及方法

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6477685B1 (en) * 1999-09-22 2002-11-05 Texas Instruments Incorporated Method and apparatus for yield and failure analysis in the manufacturing of semiconductors

Family Cites Families (32)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4081991A (en) 1976-08-09 1978-04-04 Powers Manufacturing, Inc. Apparatus for pressure testing frangible containers
US4989166A (en) * 1988-07-12 1991-01-29 Hitachi, Ltd. Method for synthesizing analysis model and flow analysis system
US5495417A (en) 1990-08-14 1996-02-27 Kabushiki Kaisha Toshiba System for automatically producing different semiconductor products in different quantities through a plurality of processes along a production line
US5287284A (en) * 1990-11-14 1994-02-15 Hitachi, Ltd. Product specification complex analysis system
US5240866A (en) 1992-02-03 1993-08-31 At&T Bell Laboratories Method for characterizing failed circuits on semiconductor wafers
JPH06309437A (ja) * 1993-02-26 1994-11-04 Fujitsu Ltd パターン検査装置
US6338148B1 (en) 1993-11-10 2002-01-08 Compaq Computer Corporation Real-time test controller
US5539652A (en) 1995-02-07 1996-07-23 Hewlett-Packard Company Method for manufacturing test simulation in electronic circuit design
US5787190A (en) 1995-06-07 1998-07-28 Advanced Micro Devices, Inc. Method and apparatus for pattern recognition of wafer test bins
US5956251A (en) 1995-06-28 1999-09-21 The Boeing Company Statistical tolerancing
US5761064A (en) * 1995-10-06 1998-06-02 Advanced Micro Devices, Inc. Defect management system for productivity and yield improvement
US5892949A (en) 1996-08-30 1999-04-06 Schlumberger Technologies, Inc. ATE test programming architecture
US5966527A (en) 1996-10-28 1999-10-12 Advanced Micro Devices, Inc. Apparatus, article of manufacture, method and system for simulating a mass-produced semiconductor device behavior
JPH10173021A (ja) * 1996-12-12 1998-06-26 Mitsubishi Electric Corp 製造ライン解析方法及び製造ライン解析装置
US5835891A (en) 1997-02-06 1998-11-10 Hewlett-Packard Company Device modeling using non-parametric statistical determination of boundary data vectors
JP3324447B2 (ja) * 1997-05-27 2002-09-17 松下電器産業株式会社 歩留阻害要因推定方法
US5912836A (en) * 1997-12-01 1999-06-15 Amic Technology, Inc. Circuit for detecting both charge gain and charge loss properties in a non-volatile memory array
US6182022B1 (en) 1998-01-26 2001-01-30 Hewlett-Packard Company Automated adaptive baselining and thresholding method and system
US6516309B1 (en) 1998-07-17 2003-02-04 Advanced Research & Technology Institute Method and apparatus for evolving a neural network
JP2000040718A (ja) * 1998-07-24 2000-02-08 Ando Electric Co Ltd ウェハマップ表示装置、ウェハマップ表示方法、及びウェハマップ表示制御プログラムを記憶した記憶媒体
US6211513B1 (en) 1998-10-30 2001-04-03 Avaya Technology Corp. Automated test system and method for device having circuit and ground connections
US6279146B1 (en) 1999-01-06 2001-08-21 Simutech Corporation Apparatus and method for verifying a multi-component electronic design
JP2000294489A (ja) * 1999-04-06 2000-10-20 Sony Corp パターン重ね合わせ方法及び露光装置
FR2796157B1 (fr) 1999-07-05 2002-05-31 Softlink Procede de tests de composants electroniques
US6782297B2 (en) * 2001-05-24 2004-08-24 Eric Paul Tabor Methods and apparatus for data smoothing
US7167811B2 (en) * 2001-05-24 2007-01-23 Test Advantage, Inc. Methods and apparatus for data analysis
JP2002267615A (ja) * 2001-03-12 2002-09-18 Olympus Optical Co Ltd 欠陥検出方法及びその装置
JP2005507557A (ja) * 2001-05-24 2005-03-17 テスト アドバンテージ， インコーポレイテッド 半導体テストのための方法および装置
US6787379B1 (en) 2001-12-12 2004-09-07 Lsi Logic Corporation Method of detecting spatially correlated variations in a parameter of an integrated circuit die
US6941497B2 (en) 2002-01-15 2005-09-06 Agilent Technologies, Inc. N-squared algorithm for optimizing correlated events
US6807655B1 (en) 2002-05-17 2004-10-19 Lsi Logic Corporation Adaptive off tester screening method based on intrinsic die parametric measurements
US6939727B1 (en) 2003-11-03 2005-09-06 Lsi Logic Corporation Method for performing statistical post processing in semiconductor manufacturing using ID cells

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6477685B1 (en) * 1999-09-22 2002-11-05 Texas Instruments Incorporated Method and apparatus for yield and failure analysis in the manufacturing of semiconductors

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
미국등록특허 제6477685호

Also Published As

Publication number Publication date
US20070179743A1 (en) 2007-08-02
EP1593083A2 (en) 2005-11-09
CA2515784A1 (en) 2004-09-02
EP1593083A4 (en) 2006-05-03
US7167811B2 (en) 2007-01-23
WO2004075011A3 (en) 2004-12-16
US7437271B2 (en) 2008-10-14
JP2006518101A (ja) 2006-08-03
KR20050099549A (ko) 2005-10-13
IL170252A (en) 2011-04-28
JP2010232680A (ja) 2010-10-14
JP5030582B2 (ja) 2012-09-19
WO2004075011A2 (en) 2004-09-02
US20030144810A1 (en) 2003-07-31

Similar Documents

Publication Publication Date Title
KR100742544B1 (ko) 데이터 분석용 방법 및 장치
KR100858861B1 (ko) 데이터 분석 방법 및 장치
US6792373B2 (en) Methods and apparatus for semiconductor testing
US8417477B2 (en) Methods and apparatus for local outlier detection
US7395170B2 (en) Methods and apparatus for data analysis
JP4728968B2 (ja) データ解析の方法および装置
US20080021677A1 (en) Methods and apparatus for data analysis
EP1989561A2 (en) Methods and apparatus for data analysis
IL172850A (en) Methods and apparatus for data analysis

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
G170 Re-publication after modification of scope of protection [patent]
LAPS Lapse due to unpaid annual fee