KR20040067875A - 반도체 테스팅 방법 및 장치 - Google Patents

반도체 테스팅 방법 및 장치 Download PDF

Info

Publication number
KR20040067875A
KR20040067875A KR10-2003-7015356A KR20037015356A KR20040067875A KR 20040067875 A KR20040067875 A KR 20040067875A KR 20037015356 A KR20037015356 A KR 20037015356A KR 20040067875 A KR20040067875 A KR 20040067875A
Authority
KR
South Korea
Prior art keywords
data
test
test data
smoothing
analysis
Prior art date
Application number
KR10-2003-7015356A
Other languages
English (en)
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
Family has litigation
First worldwide family litigation filed litigation Critical https://patents.darts-ip.com/?family=27501599&utm_source=google_patent&utm_medium=platform_link&utm_campaign=public_patent_search&patent=KR20040067875(A) "Global patent litigation dataset” by Darts-ip is licensed under a Creative Commons Attribution 4.0 International License.
Priority claimed from US09/872,195 external-priority patent/US6782297B2/en
Application filed by 테스트 어드밴티지 인코포레이티드 filed Critical 테스트 어드밴티지 인코포레이티드
Publication of KR20040067875A publication Critical patent/KR20040067875A/ko

Links

Classifications

    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L22/00—Testing or measuring during manufacture or treatment; Reliability measurements, i.e. testing of parts without further processing to modify the parts as such; Structural arrangements therefor
    • 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
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L2924/00—Indexing scheme for arrangements or methods for connecting or disconnecting semiconductor or solid-state bodies as covered by H01L24/00
    • H01L2924/0001—Technical content checked by a classifier
    • H01L2924/0002—Not covered by any one of groups H01L24/00, H01L24/00 and H01L2224/00

Abstract

본 발명의 다양한 양태들에 따른 반도체를 테스팅하는 방법 및 장치는 일련의 테스트 결과들에서 매우 중요한 데이터를 식별하도록 구성되는 아웃라이어 식별 엘리먼트를 구비하는 테스트 시스템을 포함한다. 테스트 시스템은 출력 리포트에서의 데이터를 제공하도록 구성될 수도 있다. 아웃라이어 식별 엘리먼트는 분석을 실행시에 적절히 수행한다. 또한, 아웃라이어 식별 엘리먼트는 데이터를 평활화하고 테스트 결과 놈 (norms) 으로부터 트렌드 및 이탈을 식별하는 평활화 시스템과 함께 동작할 수도 있다.

Description

반도체 테스팅 방법 및 장치 {METHODS AND APPARATUS FOR SEMICONDUCTOR TESTING}
발명의 분야
본 발명은 반도체 테스팅에 관한 것이다.
발명의 배경
반도체 회사들은 구성요소들을 테스트하여 그 구성요소들이 올바르게 동작하는 것을 보증한다. 테스트 데이터는 구성요소들이 올바르게 작용하는지를 판정할 뿐만 아니라, 제조 공정상의 결손을 표시할 수도 있다. 따라서, 많은 반도체 회사들은 문제점들을 식별하여 정정하기 위하여 수개의 상이한 구성요소들로부터 수집된 데이터를 분석할 수도 있다. 예를 들어, 그 회사는 수개의 상이한 로트들 (lots) 중에서 각각의 웨이퍼상의 다중 칩들에 대한 테스트 데이터를 수집할 수도 있다. 이러한 데이터는 공통적인 결손 또는 결함들의 패턴을 식별하거나 품질 및 성능을 나타낼 수도 있는 부분들을 식별하도록 분석될 수도 있으며, 사용자-정의 "양호한 부분들" 을 식별 또는 분류하도록 분석될 수도 있다. 그 후, 문제점들을 정정하는 단계들을 수행할 수도 있다. 통상적으로, 테스팅은 조립의 완료시 (최종 테스트) 는 물론 (웨이퍼 레벨에서) 장치의 패키징 전에 수행된다.
테스트 데이터의 수집 및 분석은 비용이 많이 들며, 시간을 많이 소비한다.자동 테스터들은 신호를 구성요소들에 인가하여 대응하는 출력 신호를 판독한다. 그 구성요소가 올바르게 동작하는지를 판정하기 위하여 출력 신호들을 분석할 수도 있다. 각각의 테스터는 다량의 데이터를 생성한다. 예를 들어, 각각의 테스터는 하나의 구성요소에 200 번의 테스트를 수행할 수도 있으며, 그 테스트들의 각각을 10 회 반복할 수도 있다. 따라서, 하나의 구성요소의 테스트는 2000 개의 결과를 산출할 수도 있다. 각각의 테스터는 한시간에 100 개 이상의 구성요소들을 테스트하고 수개의 테스터들이 동일한 서버에 접속될 수 있으므로, 막대한 양의 데이터를 저장해야 한다. 또한, 그 데이터를 프로세싱하기 위하여, 통상적으로, 서버는 그 테스트 데이터를 데이터베이스에 저장하여 데이터의 처리 및 분석을 용이하게 한다. 그러나, 종래의 데이터베이스에로의 저장은 추가적인 저장 용량, 및 데이터를 정리하고 저장하는 시간이 요구된다.
또한, 수집된 데이터의 분석도 난해하다. 데이터량은 매우 많은 프로세싱 전력 및 시간을 요구할 수도 있다. 따라서, 통상, 그 데이터는 제품 실행시 (run time) 에 분석되지 않으며, 대신, 일반적으로는, 테스트 실행들 사이 또는 기타의 배치 (batches) 에서 분석된다.
이러한 부담을 일부 경감하기 위하여, 일부 회사들은 테스터들로부터 데이터를 샘플링만 하고 나머지는 폐기한다. 그러나, 모든 데이터 미만의 분석은, 결과적인 분석이 완전히 완전하며 정확할 수 없음을 확실히 한다. 따라서, 샘플링은 테스트 결과에 대한 완전한 이해를 저해한다.
또한, 테스트 데이터의 획득은 복잡하고 힘겨운 프로세스를 제공한다.테스트 엔지니어들은 테스터를 명령하는 테스트 프로그램을 작성하여, 구성요소로의 입력 신호들을 생성하고 출력 신호들을 수신한다. 그 프로그램은 구성요소의 완전하고 적절한 동작을 보증하기에는 너무 복잡하기 쉽다. 따라서, 적당하게 복잡한 집적 회로용 테스트 프로그램은 다수의 테스트들 및 결과들을 포함한다. 프로그램의 작성은 만족스러운 솔루션 (solution) 에 도달하기 위하여 광범위한 설계 및 변형을 요구하며, 예를 들어, 중복적인 테스트를 제거하거나 테스트 시간을 최소화하는 등의 프로그램에 대한 최적화는 추가적인 노력이 요구된다.
발명의 요약
본 발명의 다양한 양태들에 따라서 반도체들을 테스트하는 방법 및 장치는 일련의 테스트 결과들에서 매우 중요한 데이터를 식별하도록 구성되는 아웃라이어 (outlier) 식별 엘리먼트를 구비하는 테스트 시스템을 포함한다. 그 테스트 시스템은 출력 리포트에서의 데이터를 제공하도록 구성될 수도 있다. 아웃라이어 식별 엘리먼트는 분석을 실행시에 적절히 수행한다. 또한, 아웃라이어 식별 엘리먼트는 데이터를 평활하는 평활화 시스템 (smoothing system) 과 함께 동작할 수도 있으며, 테스트 결과 놈 (norms) 으로부터 트렌드 (trends) 및 이탈 (departures) 을 식별할 수도 있다.
도면의 간단한 설명
축척에 따라 도시되지는 않았지만 다음의 예시적인 도면과 관련된 것으로 간주할 경우, 상세한 설명 및 청구의 범위를 참조하면 본 발명을 좀더 완전히 이해할 수 있다. 동일한 도면부호는 도면 전반에 걸쳐서 동일한 엘리먼트들을 나타낸다.
도 1 은 본 발명 및 관련 기능 구성요소들의 다양한 양태들에 따른 테스트 시스템의 블록도이다.
도 2 는 테스트 시스템을 동작시키는 엘리먼트들의 블록도이다.
도 3 은 구성 엘리먼트에 대한 흐름도를 나타낸다.
도 4a 내지 4c 는 추가적인 데이터 분석 엘리먼트에 대한 흐름도를 나타낸다.
도 5 는 웨이퍼의 다양한 섹션들의 도면이다.
도 6a 및 6b 는 또한 추가적인 데이터 분석 엘리먼트에 대한 흐름도를 나타낸다.
도 7 은 출력 엘리먼트에 대한 흐름도를 나타낸다.
도 8 은 본 발명의 다양한 양태들에 따른 예시적인 데이터 평활화 시스템의 동작에 대한 흐름도이다.
도 9 는 다중 구성요소들의 테스트를 위한 테스트 데이터의 도면이다.
도 10 은 다중 장치들을 갖는 웨이퍼 및 그 웨이퍼에 대한 저항율 프로파일 (resistivity profile) 의 도면이다.
도 11 은 도 10 의 웨이퍼의 다양한 장치들에서 저항기 집단에 대한 저항값들의 그래프이다.
도 12a 및 12b 는 도 10 의 다양한 장치들에 대하여 각각 원래의 테스트 데이터 (raw test data) 및 평활화된 테스트 데이터에 대한 일반도 및 상세도이다.
도면에서의 엘리먼트들은 간략화 및 명확화를 위해 설명되며, 반드시 축척에 따라 도시된 것은 아니다. 예를 들어, 본 발명의 실시형태에 대한 이해를 향상시키는데 도움을 주기 위하여, 도면에서의 일부 엘리먼트들에 의해 수행되는 접속 및 단계들은 다른 엘리먼트들에 비해 과장되거나 생략될 수도 있다.
예시적인 실시형태에 대한 상세한 설명
본 발명은 기능 블록 구성요소들 및 다양한 프로세스 단계들의 관점에서 설명할 수도 있다. 그러한 기능 블록들 및 단계들은 특정한 기능들을 수행하도록 구성되는 다수의 하드웨어 또는 소프트웨어 구성요소들로 실현할 수도 있다. 예를 들어, 본 발명은 하나 이상의 테스터들, 마이크로프로세서들, 또는 기타 제어 장치들의 제어에 따라 다양한 기능들을 수행할 수도 있는, 예를 들어, 통계 엔진들 (statistical engines) , 메모리 엘리먼트들, 신호 처리 엘리먼트들, 로직 엘리먼트들, 프로그램들 등과 같은 다양한 테스터들, 프로세서들, 저장장치 시스템들, 프로세스들, 및 집적회로 구성요소들을 이용할 수도 있다. 또한, 본 발명은 다수의 테스트 환경과 함께 실행될 수도 있으며, 설명되는 각각의 시스템은 본 발명에 대하여 단지 하나의 예시적인 애플리케이션이다. 또한, 본 발명은 데이터 분석, 구성요소 인터페이스, 데이터 프로세싱, 구성요소 처리 등을 위하여 다수의 종래 기술들을 이용할 수도 있다.
도 1 을 참조하면, 본 발명의 다양한 양태들에 따른 방법 및 장치는 반도체 테스트용 자동 테스트 장치 (automatic test equipment; ATE) 와 같은 테스터 (102) 를 갖는 테스트 시스템 (100) 와 함께 동작한다. 본 실시형태에서, 테스트 시스템 (100) 은 테스터 (102) 및 컴퓨터 시스템 (108) 을 구비한다. 테스트 시스템 (100) 은 웨이퍼 상의 반도체 장치들, 회로 보드들, 패키지 장치들, 또는 기타의 전기적 또는 광학적 시스템과 같은 구성요소들 (106) 의 테스팅용으로 구성될 수도 있다. 본 실시형태에서, 구성요소들 (106) 은 웨이퍼, 또는 패키징된 집적 회로 또는 장치 상에 형성되는 다중 집적 회로 다이들 (dies) 을 구비한다.
테스터 (102) 는 구성요소들 (106) 을 테스트하고 테스팅과 관련되는 출력 데이터를 생성하는 테스트 장치를 적절히 구비한다. 테스터 (102) 는 Teradyne 테스터와 같은 종래의 자동 테스터를 구비할 수도 있으며, 테스팅을 촉진하기 위하여 다른 장치와 함께 적절히 동작한다. 테스터 (102) 는 테스팅되는 특정한 구성요소들 (106) 및/또는 기타 적당한 기준에 따라서 선택 및 구성될 수도 있다.
테스터 (102) 는, 예를 들어, 테스터 (102) 를 프로그래밍, 테스트 프로그램을 로딩 및/또는 실행, 데이터를 수집, 테스터 (102) 에게 명령을 제공, 통계 엔진을 구현, 테스터 파라미터들을 제어하기 위하여 컴퓨터 시스템 (108) 과 함께 동작할 수도 있다. 본 실시형태에서, 컴퓨터 시스템 (108) 은 테스터 (102) 로부터 테스터 데이터를 수신하며, 테스터 (102) 와 독립적으로 다양한 데이터 분석 기능들을 수행한다. 또한, 컴퓨터 시스템 (108) 은 테스터 (102) 로부터 데이터를 분석하기 위하여 통계 엔진을 구현한다. 컴퓨터 시스템 (108) 은 테스터 (102) 와 신호를 교환하기 위하여, 테스터 (102) 와 접속 또는 네트워킹되는, 개인용 컴퓨터 또는 워크스테이션과 같은 별도의 컴퓨터를 구비할 수도 있다. 또 다른실시형태에서, 컴퓨터 시스템 (108) 은 테스트 시스템 (100) 의 다른 구성요소들로부터 생략되거나 다른 구성요소에 일체형일 수도 있으며, 테스터 (102) 와 같은 또 다른 구성요소들에 의해 다양한 기능들이 수행될 수도 있다.
컴퓨터 시스템 (108) 은 프로세서 (110) 및 메모리 (112) 를 구비한다. 프로세서 (110) 은 윈도우즈 98, 윈도우즈 NT, 유닉스, 또는 리눅스와 같은 적절한 운영 시스템과 함께 동작하는 종래의 인텔, 모토롤라, 또는 AMD (Advanced Micro Devices) 프로세서와 같은 적절한 프로세서를 구비한다. 이와 유사하게, 메모리 (112) 는 랜덤 액세스 메모리 (RAM) 또는 기타 데이터 저장용의 적절한 저장장치 시스템과 같이, 프로세서 (110) 에 액세스할 수 있는 적절한 메모리를 구비할 수도 있다. 특히, 본 시스템의 메모리 (112) 는 정보를 저장 및 수신하기 위하여 신속한 액세스 메모리를 구비하며, 컴퓨터 (108) 의 동작을 촉진하도록 충분한 용량으로 적절히 구성된다.
본 실시형태에서, 메모리 (112) 는 테스터 (102) 로부터 수신되는 출력 결과들을 저장 및 출력 테스트 데이터의 분석을 촉진하기 위한 능력을 포함한다. 메모리 (112) 는 분석을 위하여 테스트 데이터를 신속하게 저장 및 입수하도록 구성된다. 메모리 (112) 는 테스트 시스템 (100) 및/또는 선택된 기준에 따른 운영자에 의해 선택되는 정보 세트, 및 테스트 결과에 기초한 분석을 적절히 포함하는 동적 데이터로그 (dynamic datalog) 의 엘리먼트들을 저장하도록 적절히 구성된다.
예를 들어, 메모리 (112) 는, 테스팅되는 웨이퍼용 웨이퍼 맵 (wafer map)상의 구성요소 (106) 의 위치에 대응하는 x-y 좌표와 같이, 각각의 구성요소 (106) 용의 구성요소 식별자를 적절히 저장한다. 메모리 (112) 에서의 각각의 x-y 좌표는 웨이퍼 맵 상의 대응 x-y 좌표에서의 특정한 구성요소 (106) 과 관련될 수도 있다. 각각의 구성요소 식별자는 하나 이상의 필드들을 가지며, 각각의 필드는, 예를 들어, 웨이퍼 상의 대응 x-y 위치에서의 구성요소 (106) 에 대하여 수행되는 특정한 테스트, 대응 구성요소 (106) 에 관련된 통계값, 또는 기타 적절한 데이터에 대응한다. 메모리 (112) 는, 특정한 기준이나 규칙에 따라서 요구될 때, 사용자에 의해 식별되는 데이터를 포함하도록 구성될 수도 있다.
또한, 본 실시형태의 컴퓨터 (108) 은 또 다른 메모리 (또는 메모리 (112) 의 일부), 하드 드라이브 어레이, 광학 저장장치 시스템, 또는 기타 적절한 저장장치 시스템과 같은 저장장치 시스템에 적절히 액세스된다. 저장장치 시스템은 컴퓨터 (108) 또는 테스터 (102) 에 전용되는 하드 드라이브와 같이 로컬일 수도 있으며, 테스트 시스템 (100) 이 접속되는 서버와 관련되는 하드 드라이브 어레이와 같이 원격일 수도 있다. 저장장치 시스템은 테스트 시스템 (100) 의 컴퓨터 (108) 또는 기타의 구성요소들에 의해 이용되는 프로그램들 및/또는 데이터를 저장할 수도 있다. 본 실시형태에서, 저장장치 시스템은, 예를 들어, 장치를 제조하는 메인 생산 서버 (main production server) 를 구비하는 원격 서버 (116) 을 통하여 이용가능한 데이터베이스 (114) 를 구비한다. 데이터베이스 (114) 는 테스터 데이터 화일들, 테스트 시스템 (100) 및 그 구성요소들을 동작시키는 마스터 데이터 화일들, 테스트 프로그램들, 테스트 시스템 (100) 용의 다운로드할 수있는 명령들 등과 같은 테스터 정보를 저장한다.
테스트 시스템 (100) 은 구성요소들 (106) 의 테스팅을 촉진하도록 추가적인 장치를 구비할 수도 있다. 예를 들어, 본 테스트 시스템 (100) 은 구성요소들 (106) 을 처리하고 구성요소들 (106) 과 테스터 (102) 간의 인터페이스를 제공하기 위하여, 종래의 장치 인터페이스 보드 및/또는 장치 핸들러 (device handler) 또는 프로버 (prober) 등과 같은 장치 인터페이스 (104) 를 구비한다. 테스트 시스템 (100) 은 특정한 구성, 애플리케이션, 테스트 시스템 (100) 의 환경, 또는 기타 적절한 인자들에 따라서 구성요소들 (106) 의 테스팅을 촉진하도록 또 다른 구성요소들, 장치, 소프트웨어 등을 구비하거나 접속할 수도 있다. 예를 들어, 본 실시형태에서, 테스트 시스템 (100) 은 원격 서버 (116) 과 같은 또 다른 시스템에 정보를 송신하도록, LAN (local area network), 인트라넷, 또는 인터넷과 같은 범지구 네트워크과 같은 적절한 통신 매체에 접속된다.
테스트 시스템 (100) 은 하나 이상의 테스터들 (102) 및 하나 이상의 컴퓨터들 (108) 을 구비할 수도 있다. 예를 들어, 하나의 컴퓨터 (108) 은 시스템의 수율 및 컴퓨터 (108) 의 구성과 같은 다양한 인자들에 따라서, 예를 들어, 20 개 이상까지의 적당한 수의 테스터들 (102) 에 접속될 수도 있다. 또한, 컴퓨터 (108) 은 테스터 (102) 와 분리되거나, 예를 들어, 하나 이상의 프로세서들, 메모리들, 클럭 회로들, 및 테스터 (102) 자신과 유사물을 이용하여, 테스터 (102) 에 일체형일 수도 있다. 또한, 상이한 컴퓨터들에 의해 다양한 기능들이 수행될 수도 있다. 예를 들어, 제 1 컴퓨터가 다양한 사전-분석 (pre-analysis) 태스크를 수행한 후, 수개의 컴퓨터들은 그 데이터를 수신 및 데이터 분석을 수행할 수도 있으며, 또 다른 세트의 컴퓨터들은 동적 데이터로그들 및/또는 다른 출력 리포트들을 작성할 수도 있다.
본 발명의 다양한 양태들에 따른 테스트 시스템 (100) 은 구성요소들 (106) 을 테스트하며, 개선된 분석 및 테스트 결과를 제공한다. 예를 들어, 추가적인 분석 (supplemental analysis) 은 부정확한, 불확실한, 또는 이상한 결과, 반복적인 테스트 및/또는 상대적으로 실패 가능성이 높은 테스트를 식별할 수도 있다. 그 후, 제품 엔지니어, 테스트 엔지니어, 제조 엔지니어, 장치 엔지니어, 또는 테스트 데이터를 이용하는 기타의 인원과 같은 운영자는 테스트 시스템 (100) 를 증명 및/또는 개선하기 위하여 그 결과들을 이용하며, 구성요소들 (106) 을 분류한다.
본 발명의 다양한 양태들에 따른 테스트 시스템 (100) 은 구성요소들 (106) 을 테스트하고 테스트 데이터들을 수집 및 분석하기 위하여 개선된 테스트 프로세스를 수행한다. 테스트 시스템 (100) 은 컴퓨터 (108) 에 의해 수행되는 소프트웨어 애플리케이션과 함께 적절히 동작한다. 도 2 를 참조하면, 본 실시형태의 소프트웨어 애플리케이션은 구성 엘리먼트 (202), 추가적인 데이터 분석 엘리먼트 (206), 및 출력 엘리먼트 (208) 을 포함하여, 개선된 테스트 프로세스를 구현하는 다중 엘리먼트들을 구비한다. 각각의 엘리먼트 (202, 206, 208) 은 다양한 태스크들을 수행하기 위하여 컴퓨터 (108) 상에서 동작하는 소프트웨어 모듈을 적절히 구비한다. 일반적으로, 구성 엘리먼트 (202) 는 테스팅 및 분석용 테스트시스템 (100) 을 준비한다. 추가적인 데이터 분석 엘리먼트 (206) 에서는, 적절히 및 자동적으로 추가적인 테스트 데이터를 실행시에 생성하기 위하여 테스터 (102) 로부터의 출력 테스트 데이터를 분석한다. 그 후, 추가적인 테스트 데이터는 출력 엘리먼트 (208) 에 의해 운영자 또는 다른 시스템에 송신된다.
구성 엘리먼트 (202) 는 구성요소들 (106) 을 테스트하고 그 테스트 데이터를 분석하기 위하여 테스트 시스템 (100) 을 구성한다. 테스트 시스템 (100) 은 초기 파라미터들의 소정의 세트 및, 원할 경우, 테스트 시스템 (100) 을 구성하는 운영자로부터의 정보를 적절히 이용한다. 테스트 시스템 (100) 은 테스트 시스템 (100) 에 대한 운영자의 관여를 최소화하도록, 초기에는, 소정의 또는 디폴트 (default) 파라미터들로 적절히 구성된다. 원할 경우, 예를 들어, 컴퓨터 (108) 을 통하여, 운영자는 구성을 조정할 수도 있다.
도 3 을 참조하면, 구성 엘리먼트 (202) 에 의해 수행되는 예시적인 구성 프로세스 (300) 은 컴퓨터 (108) 을 초기 상태로 설정하도록 초기화 절차 (단계 302) 로 시작한다. 그 후, 구성 엘리먼트 (202) 는 컴퓨터 (108) 및 테스터 (102) 를 위하여, 예를 들어, 데이터베이스 (114) 로부터, 애플리케이션 구성 정보를 획득한다 (단계 304). 예를 들어, 구성 엘리먼트 (202) 는 개선된 테스트 프로세스용의 마스터 구성 화일 및/또는 테스터 (102) 에 관한 툴 (tool) 구성 화일에 액세스할 수도 있다. 마스터 구성 화일은 개선된 테스트 프로세스를 수행하기 위하여, 컴퓨터 (108) 및 테스트 시스템 (100) 의 다른 구성요소들에 대한 적당한 구성에 관련되는 데이터를 포함할 수도 있다. 이와 유사하게, 툴 구성 화일은 접속, 디렉토리, IP 주소, 테스터 노드 식별, 제조자, 플래그, 프로버 식별, 또는 테스터 (102) 에 대한 기타의 관련 정보와 같은 테스터 (102) 구성에 관련되는 정보를 적절히 포함한다.
그 후, 구성 엘리먼트 (202) 는 마스터 구성 화일 및/또는 툴 구성 화일에 포함된 데이터에 따라서 테스트 시스템 (100) 을 구성할 수도 있다 (단계 306). 또한, 구성 엘리먼트 (202) 는 테스터 데이터용 로지스틱스 인스턴스 (logistics instances) 와 유사한 데이터를 테스터 (102) 와 관련시키기 위하여, 테스터 (102) 의 식별자와 같은 추가적인 적절한 정보를 데이터베이스 (114) 로부터 입수 (단계 308) 하도록 구성 데이터를 이용할 수도 있다. 또한, 테스트 시스템 (100) 정보는 운영자에 의해 허용, 거절, 또는 조정될 수도 있는 하나 이상의 디폴트 파라미터들을 적절히 포함한다. 예를 들어, 테스트 시스템 (100) 정보는 설치, 구성, 전력-상승, 또는 승인 및/또는 변형에 대한 기타의 적당한 시간에 대하여, 운영자에게 제기되는 목적 및 전역 SPC (global statistical process control) 법칙을 포함할 수도 있다. 또한, 테스트 시스템 (100) 정보는 각각의 제품, 웨이퍼, 구성요소 (106), 또는 테스트 시스템 (100) 에 의해 영향을 주거나 받는 기타의 아이템용으로 적절히 구성되는 디폴트 웨이퍼 맵 또는 기타 화일들을 포함할 수도 있다. 구성 알고리즘, 파라미터, 및 기타 기준은 용이한 액세스, 특정한 제품들 및/또는 테스트들에 대한 상관, 및 추적가능하기 위하여, 레서피 (recipe) 화일에 저장될 수도 있다.
초기 구성 프로세스가 완료될 경우, 테스트 시스템 (100) 은 테스트 프로그램에 따라서, 예를 들어, 종래의 일련의 테스트들과 함께, 테스트 실행을 시작한다. 테스터 (102) 는 구성요소들 (106) 상의 접속점들에 신호를 인가 및 그 구성요소들 (106) 으로부터 출력 테스트 데이터를 판독하도록 테스트 프로그램을 적절히 실행시킨다. 테스터 (102) 는 웨이퍼 상의 각각의 구성요소 (106) 에 대하여 다중 테스트를 수행할 수도 있으며, 동일한 구성요소 (106) 에 대하여 각각의 테스트를 여러번 반복할 수도 있다. 테스터 (102) 로부터의 테스트 데이터는 그 테스트 데이터를 획득할 때, 신속한 액세스 및 추가적인 분석용으로 저장된다. 또한, 그 데이터는 후속 분석 및 이용을 위하여 장기간 메모리에 저장될 수도 있다.
각각의 테스트는 하나 이상의 구성요소들에 대하여 하나 이상의 결과를 생성한다. 도 9 를 참조하면, 다중 구성요소들의 단일 테스트에 대한 예시적인 세트의 시험 결과들은 통계적으로 유사한 값을 갖는 제 1 세트의 테스트 결과 및 제 1 세트에서 벗어난 값에 의해 특징되는 제 2 세트의 테스트 결과를 포함한다. 각각의 테스트 결과는 상부 테스트 제한값 및 하부 테스트 제한값과 비교될 수 있다. 만약 구성요소에 대한 특정한 결과가 그 2 개의 제한값을 초과하면, 그 구성요소는 "불량한 부분" 으로 분류될 수도 있다.
제 1 세트에서 벗어난 제 2 세트의 테스트 결과의 일부는 제어 제한값을 초과할 수도 있지만, 다른 것들은 그 제한값을 초과하지 않는다. 본 목적을 위하여, 제 1 세트에서는 벗어나지만 제어 제한값을 초과하거나 검출을 실패하지는 않는 테스트 결과들을 "아웃라이어 (outlier)" 라고 칭한다. 테스트 결과에서 아웃라이어들은 잠재적으로 신뢰할 수 없는 구성요소들을 식별하는 것과 같이, 적당한 목적으로 식별 및 분석될 수도 있다. 또한, 아웃라이어들은 테스트 및 제조 프로세스에서 다양한 잠재적인 문제들 및/또는 개선들을 식별하는데 이용될 수도 있다.
테스터 (102) 가 테스트 결과를 생성함에 따라, 각각의 구성요소, 테스트, 및 반복에 대한 출력 테스트 데이터는 테스터 (102) 에 의해 테스터 데이터 화일에 저장된다. 각각의 구성요소 (106) 으로부터 수신되는 출력 테스트 데이터는, 예를 들어, 상부 테스트 제한값과 하부 테스트 제한값을 비교함으로써, 구성요소 (106) 의 성능을 분류하도록 테스터 (102) 에 의해 분석되며, 그 분류의 결과들도 테스터 데이터 화일에 저장된다. 테스터 데이터 화일은 로지스틱스 데이터 및 테스트 프로그램 식별 데이터와 같은 추가적인 정보도 포함할 수도 있다. 그 후, 테스터 데이터 화일은 표준 테스터 데이터 포맷 (STDF) 화일과 같은 출력 화일로 컴퓨터 (108) 에 제공되어, 메모리에 저장된다.
컴퓨터 (108) 이 테스터 데이터 화일을 수신할 경우, 추가적인 데이터 분석 엘리먼트 (206) 은 개선된 출력 결과를 제공하기 위하여 데이터를 분석한다. 추가적인 데이터 분석 엘리먼트 (206) 은 적절한 목적을 달성하기 위하여 테스터 데이터에 대한 적당한 분석을 제공할 수도 있다. 예를 들어, 추가적인 데이터 분석 엘리먼트 (206) 은 출력 테스트 데이터를 실행시에 분석하고 데이터 및 운영자에게 관심있는 데이터의 특성을 식별하기 위하여 통계 엔진을 구현할 수도 있다. 식별된 데이터 및 특성은 저장될 수 있지만, 식별되지 않은 데이터는 폐기시키는것으로 처리할 수도 있다.
추가적인 데이터 분석 엘리먼트 (206) 은 데이터 및 일련의 통계적인 구성 데이터에 따라서, 예를 들어, 통계 수치를 계산할 수도 있다. 통계적인 구성 데이터는 통계 프로세스 제어, 아웃라이어의 식별 및 분류, 시그너쳐 분석, 및 데이터 상관과 같이, 테스트 시스템 (100) 및/또는 운영자의 요구에 따라 적절한 타입의 분석을 요구할 수도 있다. 또한, 추가적인 데이터 분석 엘리먼트 (206) 은 분석을 실행시에, 즉, 다음의 테스트 데이터를 생성하는 수초 또는 수분내에 적절히 수행한다. 또한, 추가적인 데이터 분석 엘리먼트 (206) 은 운영자 및/또는 테스트 엔지니어의 최소의 간섭으로 분석을 자동적으로 수행할 수도 있다.
본 테스트 시스템 (100) 에서, 컴퓨터 (108) 이 데스터 데이터 화일을 수신 및 저장한 후, 추가적인 데이터 분석 엘리먼트 (206) 은 출력 테스트 데이터의 분석용으로 컴퓨터 (108) 을 준비하도록 다양한 예비 태스크들을 수행하며, 추가적인 데이터의 생성 및 출력 리포트의 작성을 촉진한다. 다음으로, 도 4a 내지 4c 를 참조하면, 본 실시형태에서, 먼저, 추가적인 데이터 분석 엘리먼트 (206) 은 적절한 테스터 (102) 에 대응하는 툴 입력 디렉토리에 테스터 데이터 화일을 복사한다 (단계 402). 또한, 추가적인 데이터 분석 엘리먼트 (206) 은 출력 테스트 데이터의 추가적인 분석용으로 컴퓨터 (108) 을 준비하도록 구성 데이터를 입수한다.
구성 데이터는 테스터 데이터 화일로부터 입수될 수 있는 일련의 로지스틱스 데이터를 적절히 포함한다 (단계 404). 또한, 추가적인 데이터 분석 엘리먼트(206) 은 로지스틱스 기준 (logistics reference) 을 생성한다 (단계 406). 로지스틱스 기준은 툴 구성 화일로부터 유도된 테스터 (102) 정보와 같은 테스터 (102) 정보를 포함할 수도 있다. 또한, 로지스틱스 기준은 식별을 할당할 수도 있다.
또한, 구성 데이터는 출력 테스트 데이터를 생성하는 테스트 프로그램을 위하여 식별자를 포함할 수도 있다. 테스트 프로그램은 테스터 (102) 식별과 관련시킴으로써, 데이터베이스 (114) 에서 탐색하거나 (단계 408), 마스터 구성 화일로부터 판독하는 등의 적절한 방식으로 식별될 수도 있다. 만약 테스트 프로그램 식별이 확립되지 않으면 (단계 410), 테스트 프로그램 식별은 테스터 식별을 생성 및 관련시킬 수도 있다 (단계 412).
또한, 구성 데이터는, 모든 웨이퍼들보다 더 작은 경우, 테스트 실행시의 웨이퍼들을 추가적인 데이터 분석 엘리먼트 (206) 에 의해 프로세싱되도록 식별한다. 본 실시형태에서, 추가적인 데이터 분석 엘리먼트 (206) 은 분석되는 웨이퍼들을 표시하는 화일에 액세스한다 (단계 414). 만약 표시가 제공되지 않으면, 컴퓨터 (108) 은 테스트 실행시에 모든 웨이퍼들을 분석하도록 적절히 디폴트시킨다.
만약 현재의 테스트 데이터 화일을 위한 웨이퍼가 분석되지 않으면 (단계 416), 추가적인 데이터 분석 엘리먼트 (206) 은 웨이퍼용 테스트 데이터 화일에 대한 추가적인 데이터 분석을 수행하도록 진행한다. 그렇지 않으면, 추가적인 데이터 분석 엘리먼트 (206) 은 그 다음 테스트 데이터 화일을 대기 또는 액세스한다 (단계 418).
추가적인 데이터 분석 엘리먼트 (206) 은 테스트 대상의 다양한 웨이퍼들에 대하여 분석되는 하나 이상의 섹션 그룹을 확립할 수도 있다 (단계 420). 출력 테스트 데이터에 적용하도록 적당한 섹션 그룹을 식별하기 위하여, 추가적인 데이터 분석 엘리먼트 (206) 은, 예를 들어, 테스트 프로그램 및/또는 테스터 식별에 따라서, 적당한 섹션 그룹 정의를 적절히 식별한다. 각각의 섹션 그룹은 하나 이상의 섹션 어레이들을 포함하며, 각각의 섹션 어레이는 동일한 섹션 타입의 하나 이상의 섹션들을 포함한다.
섹션 타입은 웨이퍼의 소정 영역에 위치하는 다양한 종류의 구성요소 (106) 그룹들을 포함한다. 예를 들어, 도 5 를 참조하면, 섹션 타입은 행 (502), 열 (504), 스테퍼 필드 (stepper field; 506), 원형 밴드 (508), 방사형 지대 (radial zone; 510), 사분호 (quadrant; 512), 또는 구성요소들의 기타 원하는 그룹핑을 포함할 수도 있다. 상이한 섹션 타입은 프로세싱되는 구성요소들, 튜브의 섹션들 등과 같은 구성요소들의 구성에 따라서 이용될 수도 있다. 그러한 구성요소들 (106) 의 그룹들은, 예를 들어, 그룹과 관련될 수도 있는 공통적인 결함들 또는 특성을 식별하도록 함께 분석된다. 예를 들어, 만약 웨이퍼의 특정한 부분이 웨이퍼의 다른 부분들과 같이 열을 전도하지 않으면, 구성요소들 (106) 의 특정한 그룹에 대한 테스트 데이터는 웨이퍼의 불균일한 히팅 (heating) 과 관련되는 공통적인 특성 또는 결함들을 반영할 수도 있다.
현재의 테스터 데이터 화일에 대한 섹션 그룹을 식별할 때, 추가적인 데이터 분석 엘리먼트 (206) 은 제어 제한값과 같은 더 적절한 구성 데이터를 입수하며,테스트 프로그램 및/또는 테스터 (102) 용 플래그들을 인에이블 (enable) 시킨다 (단계 422). 특히, 추가적인 데이터 분석 엘리먼트 (206) 은 섹션 그룹에서의 각각의 섹션 어레이와 관련되는 일련의 원하는 통계값 또는 계산값들을 적절히 입수한다 (단계 423). 원하는 통계값 및 계산값들은 운영자에 의해 또는 화일로부터 입수되는 등의 여러 방식으로 지정될 수도 있다. 또한, 추가적인 데이터 분석 엘리먼트 (206) 은 각각의 적절한 섹션 타입 또는 웨이퍼에 관련되는 기타 적당한 변형체를 위한 하나 이상의 시그너쳐 분석 알고리즘들을 식별할 수도 있으며 (단계 424), 데이터베이스 (114) 로부터 시그너쳐 알고리즘을 입수할 수도 있다.
모든 구성 데이터는 구성 엘리먼트 (202) 또는 추가적인 데이터 분석 엘리먼트 (206) 에 의해 디폴트로 또는 자동적으로 제공될 수도 있다. 또한, 본 실시형태의 구성 엘리먼트 (202) 및 추가적인 데이터 분석 엘리먼트 (206) 는 운영자로 하여금 운영자의 희망 또는 테스터 시스템 (100) 의 요구에 따라 구성 데이터를 적절히 변경하도록 한다. 구성 데이터가 선택될 경우, 그 구성 정보는 적절한 기준과 관련될 수도 있으며, 디폴트 구성 정보로서 추후 이용하기 위하여 저장될 수도 있다. 예를 들어, 만약 운영자가 특정한 종류의 구성요소 (106) 에 대한 특정한 섹션 그룹을 선택하면, 운영자에 의해 다른 명령이 없을 경우, 컴퓨터 (108) 은 그러한 모든 구성요소들 (106) 에 대하여 동일한 섹션 그룹을 자동적으로 이용할 수도 있다.
또한, 추가적인 데이터 분석 엘리먼트 (206) 은 구성, 및 테스터 데이터 화일 및 추가적인 데이터의 저장을 제공한다. 추가적인 데이터 분석 엘리먼트(206) 은 데이터를 저장하기 위하여, 메모리 (112) 의 일부와 같은 메모리를 적절히 할당한다 (단계 426). 그 할당은 테스터 데이터 화일로부터의 출력 테스트 데이터, 추가적인 데이터 분석 엘리먼트 (206) 에 의해 생성되는 통계 데이터, 제어 파라미터 등을 포함하여, 추가적인 데이터 분석 엘리먼트 (206) 에 의해 저장되는 모든 데이터용 메모리를 적절히 제공한다. 할당되는 메모리 용량은, 예를 들어, 구성요소들 (106) 에 대하여 수행되는 테스트의 수, 섹션 그룹 어레이의 수, 제어 제한값, 추가적인 데이터 분석 엘리먼트 (206) 에 의해 수행되는 통계적인 계산값들에 따라서 계산될 수도 있다.
추가적인 분석을 수행하는 모든 구성 데이터가 출력 테스트 데이터를 준비 및 수신할 때, 추가적인 데이터 분석 엘리먼트 (206) 은 적절한 테스트 데이터를 메모리로 로딩하며 (단계 428), 출력 테스트 데이터에 대한 추가적인 분석을 수행한다. 추가적인 데이터 분석 엘리먼트 (206) 은 구성요소들 (106), 테스트 시스템 (100) 의 구성, 운영자의 희망, 또는 적절한 기준에 따라서 임의의 수 및 임의의 타입의 데이터 분석을 수행할 수도 있다. 추가적인 데이터 분석 엘리먼트 (206) 은 잠재적으로 결함이 있는 구성요소들 (106) 을 식별하는 선택된 특성을 위하여 섹션들을 분석하도록 구성될 수도 있으며, 출력 테스트 데이터의 패턴, 트렌드, 또는 기타 특성은 제조 장치 또는 제조 결함을 나타낼 수도 있다.
예를 들어, 본 추가적인 데이터 분석 엘리먼트 (206) 은 출력 테스트 데이터를 평활화, 출력 테스트 데이터에 기초하여 다양한 통계값을 계산 및 분석, 및 다양한 기준에 대응하는 데이터 및/또는 구성요소들 (106) 을 식별한다. 또한,본 추가적인 데이터 분석 엘리먼트 (206) 은 구성요소들 (106) 및 테스트 시스템 (100) 에 관련되는 운영자 및/또는 테스트 엔지니어에게 정보를 제공하도록 출력 테스트 데이터를 분류 및 상관시킬 수도 있다. 예를 들어, 본 추가적인 데이터 분석 엘리먼트 (206) 은, 예를 들어, 잠재적으로 관련되거나 중복되는 테스트들을 식별하도록 출력 데이터 상관을 수행할 수도 있으며, 빈번한 아웃라이어들을 갖는 테스트들을 식별하도록 아웃라이어 빈도 분석 (outlier incidence analyses) 을 수행할 수도 있다.
추가적인 데이터 분석 엘리먼트 (206) 은 데이터를 평활화하고 아웃라이어들의 식별을 보조하도록 테스터 데이터를 먼저 프로세싱하는 평활화 시스템을 포함할 수도 있다 (단계 429). 또한, 평활화 시스템은 출력 엘리먼트 (208) 에 의해 운영자에게 제공될 수도 있는 데이터, 트렌드 등에서의 현저한 변화들을 식별할 수도 있다.
평활화 시스템은, 예를 들어, 컴퓨터 시스템 (108) 상에서 동작하는 프로그램으로 적절히 구현된다. 평활화 시스템은 다양한 기준에 따라 데이터를 평활화하는 다중 단계들 (phases) 을 적절히 포함한다. 제 1 단계는 기본 평활화 프로세스를 포함할 수도 있다. 추가적인 단계들은 테스트 데이터의 개선된 추적 (tracking) 및/또는 추가적인 평활화를 위하여 조건적으로 제공된다.
평활화 시스템은 제 1 평활화 기술에 따라 선택된 테스터 데이터의 초기값을 먼저 조정하고, 만약 초기값과 초기에 조정된 값 중 적어도 하나가 임계값과 일치할 경우에는 제 2 평활화 기술에 따라서 그 값을 추가적으로 조정함으로써 적절히동작한다. 제 1 평활화 기술은 데이터를 평활화시킨다. 또한, 제 2 평활화 기술도 데이터를 평활화 및/또는 그 데이터의 추적을 향상시키지만, 제 1 평활화 기술과는 그 방식이 상이하다. 또한, 임계값은 추가적인 평활화를 적용할 것인지를 결정하기 위하여 적절한 기준을 포함할 수도 있다. 평활화 시스템은 이전의 조정된 (preceeding adjusted) 복수의 데이터를 이전의 원래의 복수의 데이터와 적절히 비교하여 비교 결과를 생성하며, 선택된 데이터에 제 2 평활화 기술을 적용하여, 비교 결과가 제 1 임계값과 일치하는지에 따라서, 선택된 데이터값을 조정한다. 또한, 평활화 시스템은 선택된 데이터의 예상값을 적절히 계산하며, 그 예상값이 제 2 임계값과 일치하는지에 따라, 선택된 데이터값을 조정하도록 그 선택된 데이터에 제 3 평활화 기술을 적용할 수도 있다.
도 8 을 참조하면, 제 1 평활화된 테스트 데이터 포인트는 제 1 원래의 테스트 데이터 포인트와 동일하게 설정 (단계 802) 된 후, 평활화 시스템은 그 다음 원래의 테스트 데이터 포인트로 진행한다 (단계 804). 평활화 동작을 수행하기 전에, 평활화 시스템은, 평활화가 그 데이터 포인트용으로 적당한지를 먼저 결정하고, 만약 적당한 것으로 판정하면, 그 데이터에 대하여 기본 평활화 동작을 수행한다. 특정한 기준은, 예를 들어, 수신된 데이터 포인트의 수, 선택된 값으로부터 데이터 포인트값의 편차, 또는 각각의 데이터 포인트값과 임계값의 비교에 따라서, 평활화가 적절한지를 결정하는데에 적용될 수도 있다. 본 실시형태에서, 평활화 시스템은 임계값 비교를 수행한다. 임계값 비교는 데이터 평활화가 적절한지를 결정한다. 만약 적절하면, 초기 평활화 프로세스는 데이터의 초기 평활화를 계속 수행하도록 적절히 구성된다.
좀더 자세하게는, 본 실시형태에서, 프로세스는 제 1 평활화된 데이터 포인트 S0로도 지정되는 초기의 원래의 데이터 포인트 R0로 시작한다. 추가적인 데이터 포인트들이 수신 및 분석됨에 따라, 각각의 원래의 데이터 포인트 Rn과 이전의 평활화된 데이터 포인트 Sn-1간의 차이가 계산되어 임계값 T1과 비교된다 (단계 806). 만약 원래의 데이터 포인트 Rn과 이전의 평활화된 데이터 포인트 Sn-1간의 차이가 임계값 T1을 초과하면, 초과된 임계값은 평활화된 데이터로부터 현저한 이탈에 대응하며 그 데이터에서의 시프트를 나타내는 것으로 가정한다. 따라서, 임계값 교차 (crossing) 의 발생은 통지될 수도 있으며, 현재의 평활화된 데이터 포인트 Sn은 원래의 데이터 포인트 Rn과 동일하게 설정된다 (단계 808). 평활화가 수행되지 않으면, 프로세스는 그 다음의 원래의 데이터 포인트로 진행한다.
만약 원래의 데이터 포인트와 이전의 평활화된 데이터 포인트간의 차이가 임계값 T1을 초과하지 않으면, 프로세스는 초기 평활화 프로세스와 함께 현재의 평활화된 데이터 포인트 Sn을 계산한다 (단계 810). 초기 평활화 프로세스는 데이터의 기본 평활화를 제공한다. 예를 들어, 본 실시형태에서, 기본 평활화 프로세스는 다음의 수학식,
을 따르는 바와 같이, 종래의 지수적인 평활화 프로세스 (exponential smoothing process) 를 포함한다.
여기서, M1은 0.2 또는 0.3 과 같은 선택된 평활화 계수이다.
초기 평활화 프로세스는 데이터에게 현저한 양의 평활화를 제공하도록 비교적 작은 계수 M1을 적절히 사용한다. 초기 평활화 프로세스 및 계수는 임의의 기준에 따라서 선택될 수도 있지만, 평활화 시스템, 처리되는 데이터, 평활화 시스템의 요건 및 능력, 및/또는 기타의 기준에 따르는 방식으로 구성될 수도 있다. 예를 들어, 초기 평활화 프로세스는 랜덤, 랜덤 워크 (random walk), 이동 평균 (moving average), 단순한 지수 (simple exponential), 선형 지수, 정기적인 지수 (seasonal exponential), 지수적인 가중 이동 평균, 또는 기타 초기에 데이터를 평활화시키는 적당한 타입의 평활화를 이용할 수도 있다.
데이터는 추가적으로 분석 및/또는 평활화될 수도 있다. 추가적인 평활화는 데이터의 평활화를 향상 및/또는 원래의 데이터에 대한 평활화된 데이터의 추적을 개선시키도록 그 데이터에 대하여 수행될 수도 있다. 또한, 추가적인 평활화의 다중 단계들을 고려하여, 적절하면, 적용할 수도 있다. 다양한 단계들은 독립적, 상호 의존적, 또는 상보적일 수도 있다. 또한, 추가적인 평활화가 적절한지를 판정하도록 데이터를 분석할 수도 있다.
본 실시형태에서는, 평활화의 하나 이상의 추가적인 단계들을 수행하는지를 판정하기 위하여 데이터를 분석한다. 데이터는 추가적인 평활화가 적용될 수 있는지를 판정하는 적절한 기준에 따라서 분석된다 (단계 812). 예를 들어, 평활화 시스템은, 복수의 조정된 데이터 포인트들과 이전 데이터에 대한 원래의 데이터 포인트들을 비교하고 실질적으로 모든 이전의 조정된 데이터가 실질적으로 모든 대응 원래의 데이터와 공통 관계식 (미만, 초과, 또는 같음) 을 공유하는지에 따라서 비교 결과를 생성하는 등으로, 데이터의 트렌드를 식별한다.
본 실시형태의 평활화 시스템은 원래의 데이터 포인트들의 선택된 수 P2와 평활화된 데이터 포인트들의 동일한 수를 비교한다. P2개의 원래의 데이터 포인트들의 모든 값들이 대응하는 평활화된 데이터 포인트들을 초과 (또는 같음) 하는 경우, 또는 모든 원래의 데이터 포인트들이 대응하는 평활화된 데이터 포인트들 보다 작은 (또는 같음) 경우, 평활화 시스템은 그 데이터가 트렌드를 나타내는지를 판정할 수도 있으며, 좀더 정밀하게 추적해야 한다. 따라서, 발생이 통지될 수도 있으며, 데이터에 적용되는 평활화는 추가적인 평활화를 적용하여 변경될 수도 있다. 한편, 만약 이들 기준들 중 어느 것도 만족하지 못하면, 현재의 평활화된 데이터 포인트는 원래 계산된 것으로 유지되며, 적절한 추가적인 데이터 평활화는 적용되지 않는다.
본 실시형태에서, 평활화된 데이터를 원래의 데이터와 비교하는 기준은 평활화된 데이터가 지연될 수도 있는 후에, 데이터의 트렌드를 식별하도록 선택된다.따라서, 포인트의 수 P2는 원래의 데이터의 트렌드를 변경하는 시스템의 원하는 민감도에 따라서 선택될 수도 있다.
추가적인 평활화는 데이터 분석에 따라서 전체 평활화의 영향을 변화시킨다. 적절한 추가적인 평활화는 데이터를 좀더 효율적으로 평활화하거나 데이터의 트렌드를 추적하도록 그 데이터에 적용될 수도 있다. 예를 들어, 본 실시형태에서, 만약 데이터 분석이 좀더 정밀하게 추적되어야 하는 데이터의 트렌드를 나타내면, 추가적인 평활화는 초기에 적용되는 평활화 정도를 감소하도록 적용되어, 평활화된 데이터는 원래의 데이터를 좀더 정밀하게 추적할 수도 있다 (단계 814).
본 실시형태에서는, 평활화의 감소된 정도를 이용하여, 현재의 평활화된 데이터 포인트에 대한 값을 재계산함으로써 평활화 정도를 감소시킨다. 적절한 평활화 시스템은 데이터를 보다 효율적으로 추적하거나 데이터 분석의 결과에 응답하는데 이용될 수도 있다. 본 실시형태에서는, 또 다른 종래의 지수적인 평활화 프로세스가 좀더 큰 계수 M2를 사용하는 데이터에 적용된다. 즉,
.
계수 M1및 M2는 시스템의 원하는 민감도에 따라서, 원래의 데이터에서의 트렌드의 부재 (M1) 및 존재 (M2) 로 선택될 수도 있다. 다양한 애플리케이션에서, 예를 들어, M1값은 M2값 보다 더 클 수도 있다.
추가적인 데이터 평활화는 추가적인 단계들을 포함할 수도 있다. 데이터평활화의 추가적인 단계들은 추가적인 데이터 평활화를 적용해야 하는지를 판정하는 방식으로 데이터를 유사하게 분석할 수도 있다. 단계들의 수 및 데이터 평활화의 타입은 데이터 분석에 따라서 적용되거나 고려될 수 있다.
예를 들어, 본 실시형태에서는, 평활화된 데이터의 기울기에 기초하여 예상 프로세스 (predictive process) 를 이용하는 것과 같이, 노이즈 제어용으로 데이터를 분석 및 잠재적으로 평활화할 수도 있다. 그 평활화 시스템은 라인 리그레션 (line regression), N-포인트 중심 등과 같은 적절한 프로세스에 따라서 현재의 데이터 포인트 보다 앞서는 평활화된 데이터의 선택된 수 P3에 기초하여 기울기를 계산한다 (단계 816). 본 실시형태에서, 데이터 평활화 시스템은 이전의 P3개의 평활화된 데이터 포인트들의 기울기를 확립하기 위하여 "리스트 스퀘어 핏 스루 (least squares fit through)" 프로세스를 이용한다.
그 평활화 시스템은 계산된 기울기에 따라서 현재의 평활화된 데이터 포인트값을 예상한다. 그 후, 그 시스템은 현재의 평활화된 데이터 포인트 Sn에 대한 이전에 계산된 값 사이의 차이와 범위 갯수 R3에서의 현재의 평활화된 데이터 포인트에 대한 예상된 값을 비교한다 (단계 818). 만약 그 차이가 범위 R3보다 크면, 그 발생은 통지될 수도 있으며, 현재의 평활화된 데이터 포인트는 조정되지 않는다. 만약 그 차이가 범위 R3내에 있으면, 현재의 평활화된 데이터 포인트는 계산된 현재의 평활화된 데이터 포인트 Sn과 현재의 평활화된 데이터 포인트에 대한 예상된 값 Sn-pred과의 차이에 제 3 승산자 M3를 곱하고 현재의 평활화된 데이터 포인트의 원래의 값을 더한 것과 동일하게 설정된다. 이 수학식은,
이다.
따라서, 현재의 평활화된 데이터 포인트는 원래의 평활화된 데이터 포인트와 예상되는 평활화된 데이트 포인트간의 수정된 차이에 따라서 설정되지만, 일정한 양만큼 감소된다 (M3가 1 보다 작을 경우). 예상 평활화의 적용은 신호의 상대적으로 평탄한 (또는 비-트렌딩 (nontrending)) 부분 동안 점대점 (point-to-point) 노이즈 민감도를 감소시킬 수 있다. 현저한 변화가 원래의 데이터에서 발생하는 경우, 즉, 원래의 데이터 신호가 상대적으로 평탄하지 않을 경우, 예상 평활화 프로세스를 평활화된 데이터 포인트들에 제한적으로 적용하는 것은, 기울기에 기초하여 계산되는 평균이 평활화된 데이터에 영향을 주지 않는다는 것을 보증한다.
데이터를 평활화한 후, 추가적인 데이터 분석 엘리먼트 (206) 은 테스터 데이터에 대한 추가적인 분석을 진행할 수도 있다. 예를 들어, 추가적인 데이터 분석 엘리먼트 (206) 은 통계적인 프로세스 제어 (SPC) 계산값 및 출력 테스트 데이터에 대한 분석을 수행할 수도 있다. 좀더 자세하게는, 도 4 a 내지 4c 를 참조하면, 추가적인 데이터 분석 엘리먼트 (206) 은 특정한 구성요소, 테스트, 및/또는 섹션에 대한 원하는 통계값을 계산 및 저장할 수도 있다 (단계 430). 그통계값은 평균, 표준 편차, 최소값, 최대값, 합계, 카운트 (counts), Cp, Cpk, 또는 기타 적당한 통계값을 포함할 수도 있는 SPC 수치와 같이, 운영자 또는 테스트 시스템 (100) 에 유용한 통계값을 포함할 수도 있다.
또한, 추가적인 데이터 분석 엘리먼트 (206) 은 섹션에 대한 테스트 결과 및/또는 역사적으로 유명한 데이터와 같은 또 다른 데이터의 조합에 기초하여, 예를 들어, 섹션에 따라서 트렌드 및 데이터의 비정상성 (anomaly) 을 동적이고 자동적으로 식별하도록 시그너쳐 분석을 적절히 수행한다 (단계 442). 시그너쳐 분석은 시그너쳐를 식별하며, 테스터 데이터 또는 결함의 식별과 같이, 적절한 데이터에 기초하여 운영자에 의해 적절히 구성되는 가중 시스템 (weighting system) 을 적용한다. 시그너쳐 분석은 문제 영역 또는 웨이퍼의 기타 특성 또는 제조 프로세스에 대응할 수도 있는 트렌드 및 비정상성을 누적적으로 식별할 수도 있다. 시그너쳐 분석은 노이즈 피크 (noise peaks), 파형 변형, 모드 시프트, 및 노이즈와 같이 원하는 시그너쳐들에 대하여 수행될 수도 있다. 본 실시형태에서, 컴퓨터 (108) 은 각각의 원하는 섹션에서의 각각의 원하는 테스트를 위하여 출력 테스트 데이터에 대한 시그너쳐 분석을 적절히 수행한다.
본 실시형태에서, 시그너쳐 분석 프로세스는 평활화 프로세스와 함께 수행될 수도 있다. 평활화 프로세스가 테스터 데이터를 분석함에 따라, 그 데이터의 트렌드 또는 비정상성을 나타내는 그 분석의 결과는 데이터의 변화 또는 운영자 및/또는 테스트 엔지니어에게 매우 중요할 수도 있는 아웃라이어를 나타내는 것으로 저장된다. 예를 들어, 만약 트렌드가 평활화 프로세스에서의 데이터 세트들의 비교에 의해 표시되면, 트렌드의 발생은 통지 및 저장될 수도 있다. 이와 유사하게, 만약 데이터 포인트가 데이터 평활화 프로세스에서의 임계값 T1을 초과하면, 그 발생은 추후의 분석 및/또는 출력 리포트에 포함시키기 위하여 통지 및 저장될 수도 있다.
예를 들어, 도 6a 및 6b 를 참조하면, 시그너쳐 분석 프로세스 (600) 은, 먼저, 특정한 세트의 테스트 데이터, 및 특정한 섹션 및 테스트에 대응하는 제어 제한값에 대한 카운트를 계산한다 (단계 602). 그 후, 시그너쳐 분석 프로세스는 적당한 시그너쳐 분석 알고리즘을 데이터 포인트들에게 적용한다 (단계 604). 시그너쳐 분석은 각각의 원하는 시그너쳐 알고리즘에 대하여 수행된 후, 분석되는 각각의 테스트 및 각각의 섹션에 대하여 수행된다. 또한, 시그너쳐 분석에 의해 식별되는 에러, 트렌드 결과, 및 시그너쳐 결과도 저장된다 (단계 606). 각각의 시그너쳐 알고리즘 (단계 608), 테스트 (단계 610), 및 섹션 (단계 612) 에 대하여 그 프로세스를 반복한다. 완료할 때, 추가적인 데이터 분석 엘리먼트 (206) 은 에러 (단계 614), 트렌드 결과 (단계 616), 시그너쳐 결과 (단계 618) 및 기타 원하는 데이터를 저장장치 시스템에 기록한다.
아웃라이어들 및 추가적인 분석에 의해 식별되는 중요한 다른 데이터와 같이 각각의 적절한 데이터 포인트를 식별할 때, 각각의 적절한 데이터 포인트는 적절한 특성을 식별하는 값과 관련될 수도 있다 (단계 444). 예를 들어, 각각의 적절한 구성요소들 또는 데이터 포인트는 그 데이터 포인트에 관한 추가적인 분석의 결과에 대응하여 16 진수로 적절히 표현되는 일련의 값들과 관련될 수도 있다. 각각의 값은 플래그 또는 특정한 특성의 다른 지정자로서 동작할 수도 있다. 예를 들어, 특정한 데이터 포인트가 특정한 테스트를 완전히 실패할 경우에, 대응하는 16 진수값의 제 1 플래그가 설정될 수도 있다. 만약 특정한 데이터 포인트가 데이터의 트렌드의 시작이면, 또 다른 플래그가 설정될 수도 있다. 16 진수의 또 다른 값은 데이터의 트렌드에 대한 지속기간과 같이, 트렌드에 관련된 정보를 포함할 수도 있다.
또한, 추가적인 데이터 분석 엘리먼트 (206) 은 데이터를 분류 및 상관시키도록 구성될 수도 있다 (단계 446). 예를 들어, 추가적인 데이터 분석 엘리먼트 (206) 은 실패, 아웃라이어, 트렌드, 및 데이터의 다른 특성을 식별하기 위하여 데이터 포인트와 관련되는 16 진수의 정보를 이용할 수도 있다. 또한, 추가적인 데이터 분석 엘리먼트 (206) 은, 예를 들어, 잠재적으로 중복되거나 관련되는 테스트들을 식별하도록, 종래의 상관 기술들을 그 데이터에 적절히 적용한다.
컴퓨터 (108) 은, 자동적으로 식별하며 분류하는 아웃라이어들 (단계 432) 과 같이, 생성된 통계값 및 출력 테스트 데이터에 대하여 추가적인 분석 기능을 수행할 수도 있다. 선택된 알고리즘에 따른 각각의 적절한 데이터의 분석은 그 아웃라이어들을 적절히 식별한다. 만약 특정한 알고리즘이 데이터 세트용으로 부적당하면, 추가적인 데이터 분석 엘리먼트 (206) 은 그 분석을 자동적으로 중지하고 다른 알고리즘을 선택하도록 구성될 수도 있다.
추가적인 데이터 분석 엘리먼트 (206) 은, 예를 들어, 선택된 값들을 비교함으로써 및/또는 데이터 평활화 프로세스에서의 데이터 처리에 따라서, 아웃라이어들을 지정하는 적절한 방식으로 동작할 수도 있다. 예를 들어, 본 발명의 다양한 양태들에 따른 아웃라이어 식별 엘리먼트는 각각의 적절한 데이터용으로 선택된 통계적인 관계식에 기초하여, 먼저, 아웃라이터들에 대한 민감도를 자동적으로 측정한다 (단계 434). 그 후, 일부 이러한 통계적인 관계식은 상대적인 아웃라이어 임계값 제한값을 정의하기 위하여, 데이터 모드, 평균, 또는 중앙값 (median), 또는 이들의 조합과 같이, 임계값 또는 다른 기준 포인트에 비교된다. 본 실시형태에서, 통계적인 관계식은 상이한 아웃라이어 진폭들을 정의하기 위하여, 예를 들어, 데이터의 1, 2, 3, 및 6 의 표준편차로 스케일 (scale) 된다 (단계 436). 그 후, 출력 테스트 데이터는 그 출력 테스트 데이터를 아웃라이어로 식별 및 분류하도록 아웃라이어 임계값 제한값과 비교될 수도 있다 (단계 438).
추가적인 데이터 분석 엘리먼트 (206) 은 결과적인 통계값 및 메모리의 아웃라이어 및 그 통계값 및 아웃라이어와 관련되는 x-y 웨이퍼 맵 좌표와 같은 식별자들을 저장한다 (단계 440). 또한, 선택된 통계값, 아웃라이어들, 및/또는 실패는 운영자에게 전자 메세지를 송부, 광 타워 (light tower) 를 트리거링, 테스터 (102) 를 중지, 또는 서버에게 통지 등의 통지 이벤트 (notification events) 를 트리거링할 수도 있다.
본 실시형태에서, 추가적인 데이터 분석 엘리먼트 (206) 은 스케일링 엘리먼트 (210) 및 아웃라이어 분류 엘리먼트 (212) 를 포함한다. 스케일링 엘리먼트 (210) 은 출력 테스트 데이터에 따라서 선택된 계수들 및 다른 값들을 동적으로 스케일링하도록 구성된다. 아웃라이어 분류 엘리먼트 (212) 는 선택된 알고리즘에 따라서 데이터의 다양한 아웃라이어들을 식별 및/또는 분류하도록 구성된다.
좀더 자세하게는, 본 실시형태의 스케일링 엘리먼트는 아웃라이어 민감도를 동적으로 스케일링하기 위한 다양한 통계적인 관계식들 및 노이즈 필터링 민감도를 위한 평활화 계수들을 적절히 이용한다. 스케일링 계수들은 스케일링 엘리먼트에 의해 적절히 계산되며, 선택된 아웃라이어 민감도 값들 및 평활화 계수들을 변경하는데 이용된다. 적절한 통계적인 관계식과 같은 적절한 기준이 스케일링용으로 사용될 수도 있다. 예를 들어, 아웃라이어 민감도 스케일링을 위한 샘플 통계적인 관계식은
으로 정의한다.
아웃라이어 민감도 및 평활화 계수 스케일링을 위한 또 다른 샘플 통계적인 관계식은
으로 정의한다.
아웃라이어 민감도 및 평활화 계수 스케일링을 위한 또 다른 샘플 통계적인 관계식은
으로 정의하며, 여기서 σ는 데이터의 표준편차이다.
평활화 계수 스케일링을 위한 다중 알고리즘에서 사용되는 샘플 통계적인 관계식은
이며, 여기서 σ는 데이터의 표준편차이고 μ는 데이터의 평균이다.
평활화 계수 스케일링을 위한 다중 알고리즘에서 사용되는 또 다른 샘플 통계적인 관계식은
이며, 여기서 σ는 데이터의 표준편차이고 μ는 데이터의 평균이다.
아웃라이어 분류 엘리먼트는 구성요소들 (106), 출력 테스트 데이터, 및 적당한 알고리즘에 따른 분석 결과들을 출력 테스트 데이터의 아웃라이어들로 식별 및/또는 분류하도록 적절히 구성된다. 또한, 아웃라이어 분류 엘리먼트는 테스트 출력 테스트 결과 및 추가적인 분석 엘리먼트 (206) 에 의해 생성되는 정보에 따라서 선택된 아웃라이어들 및 구성요소들 (106) 을 식별 및 분류할 수도 있다. 예를 들어, 아웃라이어 분류 엘리먼트는 구성요소들 (106) 을, 예를 들어, 사용자 정의 기준; 사용자 정의 양호/불량의 공간적인 패턴 인식; 테스터 데이터 압축용으로 적당한 데이터의 분류; 테스트 셋업 인-시츄 (in-situ) 민감도 자격 및 분석; 분석들을 균일화하는 테스터 수율; 동적 웨이퍼 맵 및/또는 부분 배열 및 동적 재시험용으로 매핑하는 테스트 스트립 (strip); 또는 테스트 프로그램 최적화 분석과 함께, 임계/마진 (marginal)/양호 부분의 카테고리로 분류하도록 적절히 구성된다. 아웃라이어 분류 엘리먼트는 데이터의 특성을 나타내기 위하여 서부 전기 법칙 (Western Electric rules) 또는 넬슨 법칙과 같은 종래의 SPC 제어 법칙에 따라 데이터를 분류할 수도 있다.
아웃라이어 분류 엘리먼트는 분류 제한값 계산 방법의 선택된 세트를 이용하여 데이터를 적절히 분류한다. 운영자의 요구에 따른 데이터의 특성을 나타내기 위하여 적절한 분류 방법들이 이용될 수도 있다. 예를 들어, 본 아웃라이어 분류 엘리먼트는, 예를 들어, 평균, 모드, 및/또는 중앙값과 같은 임계값으로부터 통계적으로 스케일링된 1, 2, 3, 및 6 의 표준 편차에 대응하는 값들과 같은 선택된 임계값과 출력 테스트 데이터를 비교함으로써, 아웃라이어들을 분류한다. 이러한 방식의 아웃라이어들의 식별은 데이터 진폭 및 상대적인 노이즈에 관계없이, 임의의 테스트에 대한 식별된 아웃라이어들을 정규화시킨다.
아웃라이어 분류 엘리먼트는 정규화된 아웃라이어들 및/또는 사용자 정의 법칙에 기초하는 원래의 데이터 포인트들을 분석 및 상관시킨다. 식별된 아웃라이어들에 기초하여 부분 및 패턴을 분류하기 위한 샘플 사용자 선택가능 방법들은 다음과 같다.
누적 진폭, 누적 카운트 방법:
분류 법칙:
누적 진폭 제곱, 누적 카운트 제곱 방법:
분류 법칙:
N-포인트 방법:
다음의 예에서 사용되는 실제적인 갯수 및 논리 법칙은 시나리오 (테스트 프로그램, 테스트 노드, 테스터, 프로버, 핸들러, 테스트 셋업 등) 당 최종 사용자에 의해 신청될 수 있다. 이들 예에서 σ는 주요 통계적인 관계식에 의해 스케일링되는 데이터 표준편차에 기초하는 데이터 평균, 모드, 및/또는 중앙값에 대한 σ이다.
추가적인 데이터 분석 엘리먼트 (206) 은 출력 테스트 데이터 및 추가적인 데이터 분석 엘리먼트 (206) 에 의해 생성되는 정보의 추가적인 분석을 수행하도록 구성될 수도 있다. 예를 들어, 추가적인 데이터 분석 엘리먼트 (206) 은, 예를 들어, 실패, 아웃라이어, 또는 특정한 분류의 아웃라이어의 총 갯수 또는 평균 갯수를 하나 이상의 임계값과 비교함으로써, 실패 또는 아웃라이어의 높은 발생을 갖는 테스트들을 식별할 수도 있다.
또한, 추가적인 데이터 분석 엘리먼트 (206) 은, 예를 들어, 누적 카운트들, 아웃라이어들, 및/또는 웨이퍼들 또는 기타 데이터 세트들간의 상관하는 아웃라이어들을 비교함으로써, 유사한 또는 상이한 트렌드를 식별하기 위하여 상이한 테스트들로부터의 데이터를 상관시키도록 구성될 수도 있다. 또한, 추가적인 데이터 분석 엘리먼트 (206) 은 웨이퍼 상의 잠재적인 임계 부분 및/또는 마진 부분 및/또는 양호한 부분을 식별 및 분류하기 위하여 상이한 테스트들로부터의 데이터를 식별 및 상관시킬 수도 있다. 또한, 추가적인 데이터 분석 엘리먼트 (206) 은 동적 테스트 시간을 감소시키기 위하여, 일련의 웨이퍼들 상의 사용자 정의 양호한 부분 패턴 및/또는 불량 부분 패턴을 식별하도록 상이한 테스트들로부터의 데이터를 분석 및 상관시킬 수도 있다.
또한, 추가적인 데이터 분석 엘리먼트 (206) 은 테스트 데이터를 메모리에 동적으로 압축시키기 위하여, 사용자 정의 적절한 원래의 데이터를 식별하도록 상이한 테스트들로부터의 데이터를 분석 및 상관시키도록 적절히 구성된다. 또한, 추가적인 데이터 분석 엘리먼트는 통계적인 비정상성 및 테스트 모드 인-시츄 셋업 자격 및 민감도 분석에 대한 테스트 데이터 결과들을 분석 및 상관시킬 수도 있다. 또한, 추가적인 데이터 분석 엘리먼트는, 예를 들어, 특정한 테스트 노드가 부적절하게 측정되거나 부적절한 결과를 산출할 수도 있는지를 식별함으로써, 분석을 균일화하는 테스트 노드 수율에 기여할 수도 있다. 또한, 추가적인 데이터 분석 엘리먼트는 상관된 결과 및 아웃라이어 분석을 이용하고 분석에 사용하기 위해 추가적인 데이터를 제공하는 중복적인 테스트들에 대한 자동 식별을 제한없이 포함하는 테스트 프로그램 최적화를 위하여, 데이터를 분석 및 상관시킬 수도 있다. 또한, 추가적인 데이터 분석 엘리먼트는, 예를 들어, 규칙적으로 실패한 테스트들 또는 거의 실패한 테스트들, 거의 틀림없는 테스트들, 및/또는 매우 낮은 Cpk 를 나타내는 테스트들을 식별함으로써, 임계 테스트들을 식별하도록 적절히 구성된다.
또한, 추가적인 데이터 분석 엘리먼트는, 거의 또는 결코 실패하지 않거나아웃라이어들이 결코 검출되지 않는 테스트들과 같은 테스트 샘플링 후보의 식별을 제공할 수도 있다. 또한 추가적인 데이터 분석 엘리먼트는 식별된 아웃라이어들 및/또는 기타 통계적인 비정상성들, 다수의 실패들, 임계 테스트들, 최장/최단 테스트들, 또는 테스트의 실패와 관련된 기본적인 기능 이슈들 (issues) 의 상관과 분석을 결합시킨 종래의 상관 기술들에 기초하여, 최적 순서의 테스트 시퀀스의 식별을 제공할 수도 있다.
또한, 추가적인 데이터 분석은 레서피 구성 화일에서의 민감도 파라미터들에 의해 정의되는 임계, 마진, 및 양호한 부분의 식별을 제공할 수도 있다. 웨이퍼 프로브 (wafer probe) 동안 불량 및 양호한 부분에 대한 동적 프로브 매핑을 통하여, 신뢰성 리스크 (reliability risk), 및/또는 테스트 시간을 나타낼 수도 있는 부분을 패키징 및/또는 선적 (shipping) 하기 전에, 부분 식별은 배열/분류를 제공할 수도 있다. 이러한 부분들의 식별은 적당한 방식으로, 예를 들어, 동적으로 생성되는 프로버 제어 맵 상의 양호 및 불량한 부분 (동적인 매핑의 경우), 오프라인 잉크 장치용으로 이용되는 웨이퍼 맵, 최종 테스트에서 스트립 테스트용의 테스트 스트립 맵, 결과 화일, 및/또는 데이터베이스 결과 테이블로서 표현 및 출력될 수도 있다.
셀 제어기 레벨에서의 추가적인 데이터 분석은 프로브에서의 품질 제어 및 이러한 최종 테스트 수율을 증대시킬 수 있다. 또한, 품질 이슈는 더 나중이 아닌, 제품 실행시에 식별될 수도 있다. 또한, 추가적인 데이터 분석 및 시그너쳐 분석은 아웃라이어들을 식별함으로써, 테스트 엔지니어 또는 기타 인원은 물론, 다운스트림 (downstream) 및 오프라인 분석 툴에 제공되는 데이터의 품질을 개선시킬 수 있다. 예를 들어, 컴퓨터 (108) 은 제조 프로세스에서의 결함을 나타내는 시그너쳐 분석들을 갖는 일군의 구성요소들을 식별하는 웨이퍼 맵상의 정보를 포함할 수도 있다. 따라서, 시그너쳐 분석 시스템은 종래의 테스트 분석을 이용하여 검출되지 않는 잠재적으로 결함이 있는 제품을 식별할 수도 있다.
실시예
다음으로, 도 10 을 참조하면, 반도체 장치들의 일 어레이는 웨이퍼 상에 위치한다. 이 웨이퍼에서, 예를 들어, 재료의 불균일한 침전 또는 웨이퍼의 처리로 인해, 반도체 장치들에서의 저항기 구성요소들의 일반 저항율은 웨이퍼를 횡단하여 변한다. 그러나, 특정한 구성요소의 저항은 테스트의 제어 제한값내에 존재할 수도 있다. 예를 들어, 특정한 저항기 구성요소의 목표 저항은 1000 Ω+/- 10 % 일 수도 있다. 웨이퍼의 선단 (end) 근처에서, 대부분의 저항기들의 저항은 900 Ω과 1100 Ω의 정상적인 분포 범위에 초과하지 않고 접근한다 (도 11).
웨이퍼 상의 구성요소들은, 예를 들어, 제조 공정에서의 오염 또는 불완전성으로 인해 결함을 포함할 수도 있다. 그 결함은 웨이퍼의 낮은 저항율 에지 (edge) 근처에 위치하는 저항기들의 저항을 1080 Ω까지 증가시킬 수도 있다. 그 저항은 웨이퍼의 중간 근처의 장치용으로 기대되는 1000 Ω이상에서 적당하지만, 정상적인 분포 범위 내에서도 적당하다.
도 12a 및 12b 를 참조하면, 각각의 구성요소에 대한 원래의 테스트 데이터가 도시될 수도 있다. 테스트 데이터는 장치의 행 또는 열을 횡단하는 프로버 인덱스로서 웨이퍼 상의 구성요소들간의 변하는 저항율을 한 원인으로 하여, 상당한 변화를 나타낸다. 결함에 의해 영향을 받는 장치들은 테스트 데이터의 시각적인 검사 또는 테스트 제한값들과의 비교에 기초하여 용이하게 식별되지는 않는다.
테스트 데이터가 본 발명의 다양한 양태들에 따라서 프로세싱될 경우, 결함에 의해 영향을 받는 장치들은 테스트 데이터에서의 아웃라이어들과 관련될 수도 있다. 평활화된 테스트 데이터는 일정한 범위의 값들에 주로 한정된다. 그러나, 결함과 관련된 데이터는 주위 구성요소들에 대한 데이터와는 상이하다. 따라서, 평활화된 데이터는 결함없이 주위 장치들과 관련된 값으로부터의 이탈을 나타낸다. 아웃라이어 분류 엘리먼트는 주위 데이터로부터의 아웃라이어 데이터에 대한 이탈의 크기에 따라서 아웃라이어들을 식별 및 분류할 수도 있다.
출력 엘리먼트 (208) 은 실행시에 테스트 시스템 (100) 으로부터 데이터를 수집하며, 출력 리포트를 프린터, 데이터베이스, 운영자 인터페이스, 또는 기타 원하는 목적지에 제공한다. 그래픽, 수치, 텍스트, 프린트 또는 전자 형태와 같은 특정한 형태가 이용 또는 추후 분석용으로 출력 리포트를 제공하는데 이용될 수도 있다. 출력 엘리먼트 (208) 은 테스터 (102) 로부터의 선택된 출력 테스트 데이터 및 추가적인 데이터 분석의 결과를 포함하여, 선택된 콘텐츠 (content) 를 제공할 수도 있다.
본 실시형태에서, 출력 엘리먼트 (208) 은 동적 데이터로그를 통하여 제품실행시에서의 추가적인 데이터는 물론, 운영자에 의해 특정되는 출력 테스트 데이터로부터 데이터의 선택을 적절히 제공한다. 도 7 을 참조하면, 출력 엘리먼트 (208) 은, 먼저, 데이터베이스 (114) 로부터 샘플링 범위를 판독한다 (단계 702). 샘플링 범위는 출력 리포트에 포함되는 소정의 정보를 식별한다. 본 실시형태에서, 샘플링 범위는 리뷰 (review) 용으로 운영자에 의해 선택되는 웨이퍼상의 구성요소들 (106) 을 식별한다. 소정의 구성요소들은 다양한 주변 지대들, 방사형 지대들, 랜덤 구성요소들, 또는 개별적인 스테퍼 필드들을 위한 데이터와 같이, 특정한 기준에 따라서 선택될 수도 있다. 샘플링 범위는 웨이퍼 상의 소정의 구성요소들의 위치에 대응하는 일련의 x-y 좌표들 또는 배치 (batch) 에서의 가용 구성요소들의 식별된 부분을 포함한다.
또한, 출력 엘리먼트 (208) 은 아웃라이어들에 관한 정보, 또는 추가적인 데이터 분석 엘리먼트에 의해 생성되거나 식별되는 기타의 정보를 동적 데이터로그에 포함 (단계 704) 하도록 구성될 수도 있다. 만약 그렇게 구성되면, 각각의 아웃라이어들에 대하여 x-y 좌표와 같은 식별자들이 수집될 수도 있다. 운영자 선택 구성요소들과 아웃라이어들에 대한 좌표는 동적 데이터로그로 병합될 수도 있다 (단계 706). 출력 엘리먼트 (208) 은 동적 데이터로그의 병합된 x-y 좌표 어레이에서의 각각의 엔트리 (entry) 에 대하여, 원래의 테스트 데이터 및 추가적인 데이터 분석 엘리먼트 (206) 으로부터의 하나 이상의 데이터와 같이, 선택된 정보를 입수한다 (단계 708).
그 후, 입수된 정보는 적당한 출력 리포트에 적절히 저장된다 (단계 710).그 리포트는 적당한 포맷 또는 방식으로 작성될 수도 있다. 본 실시형태에서, 출력 리포트는 웨이퍼상의 선택된 구성요소들 및 그들의 분류를 나타내는 웨이퍼 맵을 갖는 동적 데이터로그를 적절히 포함한다. 또한, 출력 엘리먼트 (208) 은 미리 선택된 구성요소들의 웨이퍼 맵상의 아웃라이어들에 대응하는 웨이퍼 맵 데이터를 첨가할 수도 있다. 또한, 출력 엘리먼트는 웨이퍼 맵 또는 배치로부터의 아웃라이어들을 샘플링된 출력으로 포함할 수도 있다. 또한, 출력 리포트는 아웃라이어들의 발생 및 데이터에서의 상관을 강조하도록 데이터에 대한 일련의 시각적인 표현을 포함할 수도 있다. 또한, 출력 리포트는 추천 및 추천용으로 지원하는 데이터를 포함할 수도 있다. 예를 들어, 만약 2 개의 테스트가 실패 및/또는 아웃라이어의 동일한 세트를 생성하는 것으로 보이면, 출력 리포트는, 그 테스트들이 중복적이라는 제안을 포함하여, 그 테스트들 중 하나를 테스트 프로그램으로부터 생략하라고 추천할 수도 있다. 그 추천은 테스트들의 동일한 결과를 나타내는 데이터의 시각적인 표현을 포함할 수도 있다.
출력 리포트는, 예를 들어, 로컬 워크스테이션으로 출력, 서버에 송신, 경보의 활성화, 또는 기타 적당한 방식으로 제공될 수도 있다 (단계 712). 일 실시형태에서, 출력 리포트는, 출력이 시스템의 동작에 영향을 주거나 메인 서버에 전달되지 않도록 오프라인으로 제공될 수도 있다. 이 구성에서, 컴퓨터 (108) 은 데이터 화일을 복사, 분석을 수행, 및, 예를 들어, 설명 또는 증명을 위하여, 결과를 생성한다.
여기서 도시되고 설명된 특정한 구현물은 본 발명 및 그것의 최상의 모드의예시이며, 어떠한 방식으로든 본 발명의 범위를 제한하려는 것은 아니다. 실제로, 간략화를 위하여, 종래의 신호 처리, 데이터 송신, 및 기타 시스템의 기능적인 양태들 (및 시스템의 개별적인 동작 구성요소들의 구성요소들) 은 여기서 상세히 설명되지 않을 수도 있다. 또한, 여기서 포함된 다양한 도면들에 도시된 접속선들은 예시적인 기능 관계식 및/또는 다양한 엘리먼트들간의 물리적인 커플링을 나타내려는 것이다. 많은 대체 또는 추가적인 기능 관계식 또는 물리적인 접속들이 실용적인 테스트 시스템에 제공될 수도 있다. 본 발명은 바람직한 실시형태를 참조하여 설명하였다. 그러나, 본 발명의 범위를 벗어나지 않고 바람직한 실시형태에 대한 변경 및 변형이 가능할 수도 있다.
본 발명은 바람직한 실시형태를 참조하여 설명하였다. 그러나, 본 발명의 범위를 벗어나지 않고 변경 및 변형이 가능할 수도 있다. 다음의 청구의 범위에 표현되는 바와 같이, 이들 또는 다른 변경 또는 변형은 본 발명의 범위내에 포함하려는 것이다.

Claims (20)

  1. 구성요소를 테스트하여 테스트 데이터를 생성하도록 구성되는 테스터; 및
    상기 테스트 데이터를 수신하고 상기 테스트 데이터에서의 아웃라이어를 식별하도록 구성되는 아웃라이어 식별 엘리먼트를 구비하는, 테스트 시스템.
  2. 제 1 항에 있어서,
    상기 아웃라이어 식별 엘리먼트는 레서피 화일에서의 구성 데이터 세트와 함께 동작하도록 구성되는, 테스트 시스템.
  3. 제 1 항에 있어서,
    상기 테스트 데이터는 웨이퍼 상의 구성요소들의 섹션 그룹에 대응하는, 테스트 시스템.
  4. 제 1 항에 있어서,
    상기 아웃라이어 식별 엘리먼트는 상기 테스트 데이터에 대한 상기 아웃라이어 식별 엘리먼트의 민감도를 자동적으로 측정하도록 구성되는, 테스트 시스템.
  5. 제 1 항에 있어서,
    상기 테스트 데이터를 상관시키도록 구성되는 데이터 상관 엘리먼트를 더 구비하는, 테스트 시스템.
  6. 제 1 항에 있어서,
    상기 아웃라이어 식별 엘리먼트는 상기 아웃라이어를 실행시에 식별하도록 구성되는, 테스트 시스템.
  7. 제 1 항에 있어서,
    상기 테스트 데이터를 수신하여 상기 테스트 데이터를 평활화하도록 구성되는 데이터 평활화 엘리먼트를 더 구비하되,
    상기 아웃라이어 식별 엘리먼트는 상기 평활화된 테스트 데이터를 수신하고 상기 평활화된 테스트 데이터에서 상기 아웃라이어를 식별하도록 구성되는, 테스트 시스템.
  8. 상기 테스트 데이터에서 아웃라이어들을 식별하도록 구성되는 추가적인 데이터 분석 엘리먼트; 및
    상기 식별된 아웃라이어들을 포함하는 출력 리포트를 생성하도록 구성되는 출력 엘리먼트를 구비하는, 반도체 테스트 데이터용 데이터 분석 시스템.
  9. 제 8 항에 있어서,
    상기 추가적인 데이터 분석 엘리먼트는 레서피 화일에서의 구성 데이터 세트와 함께 동작하도록 구성되는, 반도체 테스트 데이터용 데이터 분석 시스템.
  10. 제 8 항에 있어서,
    상기 테스트 데이터는 웨이퍼 상의 구성요소들의 섹션 그룹에 대응하는, 반도체 테스트 데이터용 데이터 분석 시스템.
  11. 제 8 항에 있어서,
    상기 추가적인 데이터 분석 엘리먼트는 상기 테스트 데이터에 대한 상기 아웃라이어 식별 엘리먼트의 민감도를 자동적으로 측정하도록 구성되는, 반도체 테스트 데이터용 데이터 분석 시스템.
  12. 제 8 항에 있어서,
    상기 추가적인 데이터 분석 엘리먼트는 상기 테스트 데이터를 상관시키도록 구성되는 데이터 상관 엘리먼트를 구비하는, 반도체 테스트 데이터용 데이터 분석 시스템.
  13. 제 8 항에 있어서,
    상기 추가적인 데이터 분석 엘리먼트는 상기 아웃라이어들을 실행시에 식별하도록 구성되는, 반도체 테스트 데이터용 데이터 분석 시스템.
  14. 제 8 항에 있어서,
    상기 추가적인 데이터 분석 엘리먼트는 상기 테스트 데이터를 수신하여 상기 테스트 데이터를 평활화하도록 구성되는 데이터 평활화 엘리먼트를 구비하되,
    상기 추가적인 데이터 분석 엘리먼트는 상기 평활화된 테스트 데이터에서 상기 아웃라이어들을 식별하도록 구성되는, 반도체 테스트 데이터용 데이터 분석 시스템.
  15. 다중 구성요소들에 대하여 테스트 데이터를 생성하는 단계; 및
    상기 테스트 데이터를 실행시에 식별하는 단계를 포함하는, 반도체 테스팅 방법.
  16. 제 15 항에 있어서,
    레서피 화일로부터 구성 데이터를 판독하는 단계를 더 포함하며,
    상기 아웃라이어를 식별하는 단계는 상기 레서피 화일에서의 구성 데이터에 따라서 상기 아웃라이어를 식별하는 단계를 포함하는, 반도체 테스팅 방법.
  17. 제 15 항에 있어서,
    상기 테스트 데이터는 웨이퍼 상의 구성요소들의 섹션 그룹에 대응하는, 반도체 테스팅 방법.
  18. 제 15 항에 있어서,
    상기 테스트 데이터에서 상기 아웃라이어를 식별하기 위하여 민감도를 측정하는 단계를 더 포함하는, 반도체 테스팅 방법.
  19. 제 15 항에 있어서,
    상기 테스트 데이터를 평활화하는 단계를 더 포함하는, 반도체 테스팅 방법.
  20. 제 15 항에 있어서,
    상기 테스터 데이터에서의 유사성을 식별하기 위하여, 상기 테스트 데이터를 상관시키는 단계를 더 포함하는, 반도체 테스팅 방법.
KR10-2003-7015356A 2001-05-24 2002-05-24 반도체 테스팅 방법 및 장치 KR20040067875A (ko)

Applications Claiming Priority (9)

Application Number Priority Date Filing Date Title
US29357701P 2001-05-24 2001-05-24
US60/293,577 2001-05-24
US29518801P 2001-05-31 2001-05-31
US09/872,195 2001-05-31
US60/295,188 2001-05-31
US09/872,195 US6782297B2 (en) 2001-05-24 2001-05-31 Methods and apparatus for data smoothing
US37432802P 2002-04-21 2002-04-21
US60/374,328 2002-04-21
PCT/US2002/016494 WO2002095802A2 (en) 2001-05-24 2002-05-24 Methods and apparatus for semiconductor testing

Publications (1)

Publication Number Publication Date
KR20040067875A true KR20040067875A (ko) 2004-07-30

Family

ID=27501599

Family Applications (1)

Application Number Title Priority Date Filing Date
KR10-2003-7015356A KR20040067875A (ko) 2001-05-24 2002-05-24 반도체 테스팅 방법 및 장치

Country Status (10)

Country Link
US (1) US6792373B2 (ko)
EP (1) EP1479025B1 (ko)
JP (2) JP2005507557A (ko)
KR (1) KR20040067875A (ko)
AT (1) ATE483186T1 (ko)
AU (1) AU2002312045A1 (ko)
CA (1) CA2448460A1 (ko)
DE (1) DE60237849D1 (ko)
IL (2) IL159009A0 (ko)
WO (1) WO2002095802A2 (ko)

Families Citing this family (49)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040006447A1 (en) * 2000-06-22 2004-01-08 Jacky Gorin Methods and apparatus for test process enhancement
US7395170B2 (en) * 2001-05-24 2008-07-01 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
US7225107B2 (en) * 2001-05-24 2007-05-29 Test Advantage, Inc. Methods and apparatus for data analysis
KR100859818B1 (ko) * 2001-03-29 2008-09-24 코닌클리케 필립스 일렉트로닉스 엔.브이. 기판의 침투율을 측정하는 방법 및 장치, 배치로부터 기판 세트를 침투율에 대해 테스트하는 방법 및 캡슐화의 침투율을 측정하는 방법
US8417477B2 (en) * 2001-05-24 2013-04-09 Test Acuity Solutions, Inc. Methods and apparatus for local outlier detection
US6816811B2 (en) * 2001-06-21 2004-11-09 Johnson Controls Technology Company Method of intelligent data analysis to detect abnormal use of utilities in buildings
US20070219741A1 (en) * 2005-05-20 2007-09-20 Emilio Miguelanez Methods and apparatus for hybrid outlier detection
US7944971B1 (en) * 2002-07-14 2011-05-17 Apple Inc. Encoding video
US6907378B2 (en) * 2002-09-26 2005-06-14 Agilent Technologies, Inc. Empirical data based test optimization method
US7738693B2 (en) * 2002-12-24 2010-06-15 Lam Research Corporation User interface for wafer data analysis and visualization
US7079960B2 (en) * 2002-11-02 2006-07-18 Taiwan Semiconductor Manufacturing Company, Ltd. Auto classification shipping system
US7319935B2 (en) * 2003-02-12 2008-01-15 Micron Technology, Inc. System and method for analyzing electrical failure data
US6862540B1 (en) 2003-03-25 2005-03-01 Johnson Controls Technology Company System and method for filling gaps of missing data using source specified data
US7281165B2 (en) * 2003-06-12 2007-10-09 Inventec Corporation System and method for performing product tests utilizing a single storage device
US7904279B2 (en) * 2004-04-02 2011-03-08 Test Advantage, Inc. Methods and apparatus for data analysis
US7129735B2 (en) * 2004-07-21 2006-10-31 Texas Instruments Incorporated Method for test data-driven statistical detection of outlier semiconductor devices
US8725748B1 (en) * 2004-08-27 2014-05-13 Advanced Micro Devices, Inc. Method and system for storing and retrieving semiconductor tester information
US7957821B2 (en) * 2004-11-17 2011-06-07 Taiwan Semiconductor Manufacturing Co., Ltd. Systems and methods for statistical process control
EP1696295A1 (de) * 2005-02-25 2006-08-30 Siemens Aktiengesellschaft Verfahren und Vorrichtung zur Datenauswertung, Computerprogrammprodukt und computerlesbares Medium
JP4734002B2 (ja) * 2005-03-16 2011-07-27 株式会社東芝 検査システム及び半導体装置の製造方法
US9037280B2 (en) 2005-06-06 2015-05-19 Kla-Tencor Technologies Corp. Computer-implemented methods for performing one or more defect-related functions
US7528622B2 (en) * 2005-07-06 2009-05-05 Optimal Test Ltd. Methods for slow test time detection of an integrated circuit during parallel testing
US7767945B2 (en) * 2005-11-23 2010-08-03 Raytheon Company Absolute time encoded semi-active laser designation
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
EP1989561A2 (en) * 2006-02-17 2008-11-12 Test Advantage, Inc. Methods and apparatus for data analysis
US7533313B1 (en) * 2006-03-09 2009-05-12 Advanced Micro Devices, Inc. Method and apparatus for identifying outlier data
US7567947B2 (en) * 2006-04-04 2009-07-28 Optimaltest Ltd. Methods and systems for semiconductor testing using a testing scenario language
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
US20090013218A1 (en) * 2007-07-02 2009-01-08 Optimal Test Ltd. Datalog management in semiconductor testing
US9496200B2 (en) 2011-07-27 2016-11-15 Coolit Systems, Inc. Modular heat-transfer systems
US9943014B2 (en) 2013-03-15 2018-04-10 Coolit Systems, Inc. Manifolded heat exchangers and related systems
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
US20100070211A1 (en) * 2008-09-12 2010-03-18 Analog Devices, Inc. Rolling average test
US10118200B2 (en) * 2009-07-06 2018-11-06 Optimal Plus Ltd System and method for binning at final test
US20110288808A1 (en) 2010-05-20 2011-11-24 International Business Machines Corporation Optimal test flow scheduling within automated test equipment for minimized mean time to detect failure
US8855959B2 (en) 2010-08-30 2014-10-07 International Business Machines Corporation Integrated cross-tester analysis and real-time adaptive test
US8656323B2 (en) * 2011-02-22 2014-02-18 Kla-Tencor Corporation Based device risk assessment
US10365667B2 (en) 2011-08-11 2019-07-30 Coolit Systems, Inc. Flow-path controllers and related systems
US20130275357A1 (en) * 2012-04-11 2013-10-17 Henry Arnold Algorithm and structure for creation, definition, and execution of an spc rule decision tree
US10371744B2 (en) 2012-04-11 2019-08-06 Advantest Corporation Method and apparatus for an efficient framework for testcell development
US8948494B2 (en) 2012-11-12 2015-02-03 Kla-Tencor Corp. Unbiased wafer defect samples
US10364809B2 (en) 2013-03-15 2019-07-30 Coolit Systems, Inc. Sensors, multiplexed communication techniques, and related systems
US9052252B2 (en) 2013-03-15 2015-06-09 Coolit Systems, Inc. Sensors, communication techniques, and related systems
US10852357B2 (en) 2013-05-03 2020-12-01 Vertiv Corporation System and method for UPS battery monitoring and data analysis
CN107369635B (zh) * 2017-06-06 2020-06-09 上海集成电路研发中心有限公司 一种基于深度学习的智能半导体装备系统
US11662037B2 (en) 2019-01-18 2023-05-30 Coolit Systems, Inc. Fluid flow control valve for fluid flow systems, and methods
US11473860B2 (en) 2019-04-25 2022-10-18 Coolit Systems, Inc. Cooling module with leak detector and related systems
EP4150216A4 (en) 2020-05-11 2023-11-01 Coolit Systems, Inc. LIQUID PUMPING UNITS, AND ASSOCIATED SYSTEMS AND METHODS

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5668745A (en) * 1995-10-20 1997-09-16 Lsi Logic Corporation Method and apparatus for testing of semiconductor devices
US5835891A (en) * 1997-02-06 1998-11-10 Hewlett-Packard Company Device modeling using non-parametric statistical determination of boundary data vectors
US6366851B1 (en) * 1999-10-25 2002-04-02 Navigation Technologies Corp. Method and system for automatic centerline adjustment of shape point data for a geographic database
US6184048B1 (en) * 1999-11-03 2001-02-06 Texas Instruments Incorporated Testing method and apparatus assuring semiconductor device quality and reliability

Also Published As

Publication number Publication date
US6792373B2 (en) 2004-09-14
US20030014205A1 (en) 2003-01-16
CA2448460A1 (en) 2002-11-28
IL159009A (en) 2011-01-31
JP2010226125A (ja) 2010-10-07
ATE483186T1 (de) 2010-10-15
WO2002095802A2 (en) 2002-11-28
IL159009A0 (en) 2004-05-12
EP1479025A2 (en) 2004-11-24
EP1479025A4 (en) 2006-04-12
WO2002095802A3 (en) 2004-09-23
EP1479025B1 (en) 2010-09-29
JP2005507557A (ja) 2005-03-17
AU2002312045A1 (en) 2002-12-03
DE60237849D1 (de) 2010-11-11

Similar Documents

Publication Publication Date Title
KR20040067875A (ko) 반도체 테스팅 방법 및 장치
KR100742544B1 (ko) 데이터 분석용 방법 및 장치
US8000928B2 (en) Methods and apparatus for data analysis
KR100858861B1 (ko) 데이터 분석 방법 및 장치
US8417477B2 (en) Methods and apparatus for local outlier detection
US8606536B2 (en) Methods and apparatus for hybrid outlier detection
US7904279B2 (en) Methods and apparatus for data analysis
JP5907649B2 (ja) データ解析のための方法および装置

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E601 Decision to refuse application