TWI647770B - 晶圓的良率判斷方法以及晶圓合格測試的多變量偵測方法 - Google Patents
晶圓的良率判斷方法以及晶圓合格測試的多變量偵測方法 Download PDFInfo
- Publication number
- TWI647770B TWI647770B TW103139757A TW103139757A TWI647770B TW I647770 B TWI647770 B TW I647770B TW 103139757 A TW103139757 A TW 103139757A TW 103139757 A TW103139757 A TW 103139757A TW I647770 B TWI647770 B TW I647770B
- Authority
- TW
- Taiwan
- Prior art keywords
- characteristic parameters
- wafer
- characteristic
- yield
- combination
- Prior art date
Links
Abstract
一種晶圓的良率判斷方法及晶圓合格測試的多變量偵測方法。良率判斷方法包括:對待測晶圓進行晶圓合格測試,以產生多個特性參數;依據相關性列表對這些特性參數進行分群,以形成多組特性參數群組;以多變量分析來計算每組特性參數群組中這些特性參數的其中之一或其組合所對應的分析數值,且判斷所述分析數值是否大於這些特性參數的其中之一或其組合所對應的預設規格信息,以將大於所述預設規格信息的分析數值所對應之這些特性參數的其中之一或其組合作為至少一超出規格特性參數;以及,依據超出規格特性參數來判斷待測晶圓的良率。
Description
本發明是有關於一種晶圓的檢驗技術,且特別是有關於一種利用晶圓合格測試(Wafer acceptance test;WAT)來進行晶圓的良率判斷方法以及其多變量(Multiple variable)偵測方法。
在半導體製程中,通常會使用晶圓合格測試(WAT)來對晶圓進行電性檢測。WAT會產生許多的電性參數及數值,使用者可藉由這些電性參數及數值來評估受測晶圓的良率好壞,以及發現在半導體製程中可能發生的問題。若能即早發現異常的WAT參數,可對於晶圓製造的決策擬定、評估晶圓是否需要報廢、是否出貨給客戶…等方面皆有決定性的影響。
以目前技術而言,經由WAT所產生的電性參數及數值是透過晶圓的研究人員以人工方式來進行檢驗,以從這些電性參數中發掘出問題。例如,晶圓合格測試系統可以自動產生WAT參數
列表,研究人員逐一檢視這些WAT參數是否超出預設範圍(Out of specification;OOS)。若WAT參數已超出預設範圍時,研究人員則會檢視這些超出預設範圍的WAT參數是否影響到晶圓的良率,再依照WAT參數對於晶圓良率的影響嚴重程度來評估此晶圓是否需要報廢。
然而,WAT參數的種類十分繁雜,可能達到三百多種,若以人工方式在WAT參數中找出問題實為不易。另一方面,不同的WAT參數之間可能互有相關;當某一參數超出預設範圍時,其他與此參數相關的其他參數亦可能會超出預設範圍,但這種相關性難以輕易地透過人力確認。因此,若以人工方式對WAT參數進行檢閱,則會花費相當多人力以及寶貴的時間。因此,需要尋求如何迅速檢閱WAT參數且能大幅節省人力成本的晶圓良率檢測及測試技術。
本發明提供一種晶圓的良率判斷方法以及晶圓合格測試的多變量偵測方法。此良率判斷方法利用多變量製程控制(Multivariate statistical process control;MSPC)以及硬體設備的輔助以列出超出預設範圍的WAT特性參數,來減少研發人員對於WAT特性參數的檢閱時間,並可節省在判斷待測晶圓的良率的測試成本。
本發明提出一種晶圓的良率判斷方法,其包括下列步
驟。對待測晶圓進行晶圓合格測試,以產生多個特性參數。依據一相關性列表對該些特性參數進行分群,以形成多組特性參數群組。以多變量分析來計算每組特性參數群組中這些特性參數的其中之一或其組合所對應的分析數值,判斷此分析數值是否大於這些特性參數的其中之一或其組合所對應的預設規格信息,以將大於所述預設規格信息的分析數值所對應之這些特性參數的其中之一或其組合作為至少一個超出規格特性參數。以及,依據此至少一超出規格特性參數來判斷此待測晶圓的良率。
在本發明的一實施例中,上述的良率判斷方法更包括下列步驟。統計多個不同晶圓在進行所述晶圓合格測試後所產生的特性參數,以分析這些特性參數是否具有相關性。以及,依據具有相關性的多個相關特性參數來產生此相關性列表。
在本發明的一實施例中,上述的良率判斷方法更包括下列步驟。記錄這些特性參數中具有相關性的多個相關特性參數,以形成此相關性列表。
在本發明的一實施例中,上述的多變量分析以霍德林T平方統計(Hotelling's T-squared statistic)來依序計算每組特性參數群組中這些特性參數的其中之一或其組合。
在本發明的一實施例中,計算每組特性參數群組中這些特性參數的其中之一或其組合所對應的分析數值包括下列步驟。依序設定每組特性參數群組中這些特性參數中之N個做為變量,以計算每組特性參數群組中的各個N維T平方統計數值是否大於
對應之預設規格信息,其中N為正整數。
在本發明的一實施例中,依據所述至少一超出規格特性參數來判斷待測晶圓的良率包括下列步驟。將所述至少一超出規格特性參數條列為一超出規則參數列表,以供使用者判斷此待測晶圓是否異常。
從另一角度來看,本發明提出一種晶圓合格測試的多變量偵測方法,適用於晶圓合格測試系統中。此多變量判斷方法包括下列步驟。獲得待測晶圓在進行晶圓合格測試後所產生的多個特性參數。依據相關性列表對這些特性參數進行分群,以形成多組特性參數群組。以多變量分析來計算每組特性參數群組中這些特性參數的其中之一或其組合所對應的分析數值是否大於這些特性參數的其中之一或其組合所對應的預設規格信息,以將大於所述預設規格信息的分析數值所對應之這些特性參數的其中之一或其組合作為至少一超出規格特性參數。以及,依據所述至少一超出規格特性參數來偵測此待測晶圓是否合格。
基於上述,本發明實施例的晶圓的良率判斷方法以及晶圓合格測試的多變量偵測方法將具有相關性的多個WAT特性參數進行分群,並利用多變量統計演算法(例如,霍德林T平方統計)來對每群特性參數進行檢驗,從而篩選出超出預設範圍的多個WAT特性參數。如此一來,本發明實施例可藉由多變量製程控制技術以及硬體設備的輔助來盡早發現異常的WAT特性參數,減少研發人員對於WAT特性參數的檢閱時間,並可節省判斷待測晶圓
的良率的測試成本。
為讓本發明的上述特徵和優點能更明顯易懂,下文特舉實施例,並配合所附圖式作詳細說明如下。
S110~S140、S220~S240、S710~S740‧‧‧步驟
310、320、330‧‧‧區域
340‧‧‧預設範圍
Y1~Y5、Y1_310、Y2_320‧‧‧特性參數
360‧‧‧特性參數Y1_310及Y2_320在區域330中呈現的點
圖1是繪示本發明一實施例之一種晶圓的良率判斷方法的流程圖。
圖2是繪示本發明一實施例之產生相關性列表的詳細流程圖。
圖3為兩個特性參數在多變量分析下的二維樣本示意圖。
圖4至圖6是繪示本發明一實施例藉由採用此晶圓之良率判斷方法的實驗結果分析圖。
圖7是繪示本發明一實施例之一種晶圓合格測試的多變量偵測方法的流程圖。
圖1是繪示本發明一實施例之一種晶圓的良率判斷方法的流程圖。請參考圖1,所謂晶圓是半導體製程中用以製作半導體積體電路時所用的載體及材料。晶圓上各個晶方則是半導體製程中的產品。為了能夠節省人力成本,本發明實施例所述之晶圓的良率判斷方法以及晶圓合格測試的多變量偵測方法可以透過軟體
(例如,應用程式)的方式來呈現,並且由具備較佳硬體規格的電子設備來執行此軟體,從而實現本發明實施例。此軟體亦可燒錄於非揮發性可讀取媒體上,例如是光碟、隨身硬碟…等設備。應用本實施例者也可以將本發明實施例所述之晶圓的良率判斷方法以及晶圓合格測試的多變量偵測方法藉由韌體或硬體的方式來實現,並不僅受限於本揭示內容。
在此利用圖1的步驟流程來說明晶圓的良率判斷方法。於步驟S110中,對待測晶圓進行晶圓合格測試(WAT),以產生多個特性參數。晶圓合格測試可以透過一種或多種程序來獲得各種電性以及物理特性的相關參數以作為特性參數。這些程序例如是晶圓排序(Wafer sort)、晶圓最終測試(Wafer final test)、電子電路晶片排序(Electronic die sort)以及電路探針(Circuit Probe)…等。本實施例主要是以晶圓探針來對待測晶圓進行晶圓合格測試。應用本實施例者也可採用其他類型的程序來進行晶圓合格測試。
在獲得所述特性參數之後,由於許多的WAT特性參數之間具有相關性,因此若是將這些具有相關性的WAT特性參數分為相同群組,並且在這些群組內部以多變量製程控制(MSPC)來進行WAT特性參數的統整與晶圓的良率判斷的話,則較有效率。此處所指的「WAT特性參數之間的相關性」可以是這些WAT特性參數互為正相關聯性、負相關聯性或是統計上所述的任何相關聯性。因此,於步驟S120中,本發明實施例依據一相關性列表以對
這些特性參數進行分群,從而形成多組特性參數群組。相關性列表可以預先藉由使用者的經驗來設定產生,也可以由WAT特性參數的大量數據來以統計獲得。
圖2是繪示本發明一實施例之產生相關性列表的詳細流程圖。請參照圖2,於步驟S210中,使用者可依據其經驗以將具有相關性的特性參數進行記錄。然後,於步驟S240中,將這些已記錄之具有相關性的特性參數整合成相關性列表。另一方面,於步驟S220中,也可以統計大量晶圓在進行上述晶圓合格測試後所產生的特性參數,以分析這些特性參數是否具有相關性。當藉由統計方式來獲得疑似具有相關性的多個相關特性參數時,便進入步驟S230,可將疑似具有相關性的這些相關特性參數形成列表並提供給使用者觀看,讓使用者判斷這些疑似具有相關性的這些相關特性參數是否確實相關。當使用者依據其經驗而判斷這些相關特性參數的確具有相關性,則從步驟S230進入步驟S240,以整合這些具有相關性的這些特性參數而形成相關性列表。
請繼續參考圖1,將這些特性參數依據相關性列表而分為多組特性參數群組後,於步驟S130中,便以多變量分析來計算每組特性參數群組中這些特性參數的其中之一或其組合所對應的分析數值,然後比較上述分析數值與預設的規格信息,藉以判斷每組特性參數群組中這些特性參數的其中之一或其組合是否超出預設規格。
在此以圖3來說明為何需要以多變量分析來對每組特性
參數群組中的這些特性參數進行晶圓的良率判斷。圖3為兩個特性參數在多變量分析下的二維樣本示意圖。為簡化說明,圖3僅具備多個晶圓樣本的兩個特性參數Y1及Y2。特性參數Y1呈現於區域310中,而特性參數Y2呈現於區域320中。區域310及區域320分別有標明特性參數Y1及特性參數Y2在預設範圍中的最大值、最小值與中間值。藉此,若單變量分析的方式來分析特性參數Y1及特性參數Y2,則這些晶圓樣本應皆符合。但是,若將特性參數Y1及特性參數Y2以負相關聯性的表示方式呈現於區域330時,則會發現某一晶圓樣本的特性參數Y1_310及Y2_320在區域330中呈現的點360沒有位於特性參數Y1及特性參數Y2作為二維變量的預設範圍340中,藉此可知此晶圓樣本可能有問題而需要報廢。因此,多變量分析可以提升對於晶片良率的判斷精準度,並在可藉由符合本發明實施例的良率判斷方法來輕易地獲得有問題的待測晶圓。
回到圖1,於本實施例中,本發明實施例所指的「多變量分析」可以是以統計演算法中的霍德林T平方統計(Hotelling's T-squared statistic)來實現。然而,多變量分析可以藉由多種實現方式以及統計學上的演算法來實現,本發明實施例並不受限於霍德林T平方統計。本實施例的步驟S130可以細分為多個細節步驟S132~S138,並且在此將每組特性參數群組中每個特性參數視為不同的變量。霍德林T平方統計也可以稱為是MYT演算法,其利用被選定變量在給定條件的情況下來分別對其他變量進行T平方
(T2)值的計算。然後,將此T2值與在給定相同條件下的預設規格數值(標示為Tspec)進行比較,藉以判斷這些被選定變量是否超出預設範圍(OOS)。若這些被選定變量所對應的T2值皆未超出預設範圍,則以遞迴分析的方法來依序地選擇其他的被選定變量,並重複上述流程直到被選定變量對應的T2值超出預設範圍為止。藉此,便可藉由超出預設範圍的T2值所對應的特性參數中其的其中之一或其組合來判斷晶圓的良率。
在此詳細說明步驟S132~S138的各個細節流程。於步驟S132中,依序設定每組特性參數群組中這些特性參數中的其中N個做為被選定變量。N為正整數,N可從1開始計數,且N的最大值為該組特性參數群組中多個特性參數的數量。於本實施例中,每個特性參數被稱為不同的維度,且當其中一個特性參數被給定條件時,此時計算得出的T2值稱為1維T2統計數值;當其中兩個特性參數被給定條件時,此時計算得出的T2值稱為2維T2統計數值,並依此類推。於步驟S133中,利用被選定變量在給定條件的情況下來計算每組特性參數群組中的各個N維T2統計數值。應用本實施例者可藉由霍德林T平方統計演算法或符合本發明實施例之其他統計學演算法來得知T2統計數值的計算方式。於步驟S134中,判斷各個N維T2統計數值是否大於對應的預設規則信息(Tspec)。若是此時的N維T2統計數值皆沒有大於對應的預設規則信息,則從步驟S134進入步驟S135,判斷N是否等於N的最大值(N的最大值也就是該組特性參數群組中多個特性參
數的數量)。若N並不等於其最大值時,則從步驟S136中以將N值加一,並重複進行步驟S132~S136的相應流程。相對地,若N等於其最大值時,則表示在該組特性參數群組中多個特性參數之其中之一或其組合所對應的T2值皆沒有OOS,因而從步驟S135進入步驟S137,以判斷此待測晶圓的良率為良好。
若其中一個N維T2統計數值大於對應的預設規則信息(Tspec)時,則從步驟S134進入步驟S138,將大於上述預設規格信息(Tspec)的分析數值(T2統計數值)所對應的所述特性參數的其中之一或其組合視作為是至少一個超出規格特性參數。換句話說,由於這些特性參數的其中之一或其組合所對應的分析數值已經大於預設規則信息(Tspec),表示這些特性參數的其中之一或其組合已經超出預設規則(OOS)。藉此,本發明實施例便將超出預設規則(OOS)的這些這些特性參數的其中之一或其組合設置成為超出規格特性參數。於部分實施例中,霍德林T平方統計演算法還可以將被選定變量下的所有分析數值(T2統計數值)進行加總,並將此加總值與預設信息進行比對,藉以判斷此被選定變量下的分析數值是否仍有其他分析數值過於顯著而可能有問題。若被選定變量下的分析數值的加總值被認為仍有問題(或稱為此加總值是否顯著),則本發明實施例可以繼續執行步驟S132~S138,藉以獲得更多的超出規格特性參數。本發明實施例係以上述步驟S132~S138來簡略描述本發明的精神,應用本實施例者可以依其需求而任意調整步驟S132~S138中的步驟進行先後次
序,而不僅受限於上述揭示。
於步驟S140中,便依據上述找出的這些超出規格特性參數來判斷此待測晶圓的良率。於本實施例中,步驟S140可以藉由多種作法以依據這些超出規格特性來判斷此待測晶圓的良率。其中一種作法可以是,將這些超出規格特性參數藉由晶圓合格測試判斷系統來進行演算,並藉由晶圓合格測試判斷系統的演算判斷結果來判斷此待測晶圓是否異常。另一種作法則是將這些規格特性參數條列為一個列表(例如,超出規則參數列表),讓使用者依據其經驗而判斷這些WAT特性參數是否異常,藉以判斷此待測晶圓的良率。
圖4至圖6是繪示本發明一實施例藉由採用此晶圓之良率判斷方法的實驗結果分析圖。圖4至圖6分別呈現晶圓的特性參數Y3、Y4及Y5。標記SpecH以及SpecL分別是此特定參數在特性參數Y3、Y4及Y5分別對應之預設範圍中的最大值(例如是4.1、-10以及1)以及最小值(例如是2.3、-40以及0.9)。藉此,從區域410、510、610中可知,若藉由以往單變量分析來判斷晶圓的良率時,由於區域410、510中的特性參數Y3及Y4皆位於預設範圍中而會認為這些晶圓的良率為佳,而區域610中的特性參數Y5並未在預設範圍中。然而,若以多量變分析來判斷判斷晶圓的良率時,區域410、510中的這些數值實際上會因為其他變量(如,特性參數Y5)而超出預設範圍。
從另一角度來說,本發明實施例提出一種晶圓合格測試
的多變量偵測方法,適用於晶圓合格測試系統中。此晶圓合格測試系統可以包括用以量測晶圓各個WAT電性參數的測試平台以及用以執行此多變量偵測方法的運算模組。此運算模組可藉由圖7的步驟流程來實現本發明實施例。圖7是繪示本發明一實施例之一種晶圓合格測試的多變量偵測方法的流程圖。於步驟S710中,運算模組獲得待測晶圓在透過上述測試平台以進行此晶圓合格測試後所產生的多個特性參數。於步驟S720中,運算模組依據相關性列表對這些特性參數進行分群,以形成多組特性參數群組。於步驟S730中,運算模組以多變量分析來計算每組特性參數群組中這些特性參數的其中之一或其組合所對應的分析數值,判斷此分析數值是否大於這些特性參數的其中之一或其組合所對應的預設規格信息,以將大於此預設規格信息的此分析數值所對應之此些特性參數的其中之一或其組合作為至少一個超出規格特性參數。於步驟S740中,運算模組依據此至少一個超出規格特性參數來偵測此待測晶圓是否合格。步驟S710~S740的細節流程請參照上述實施例。
綜上所述,本發明實施例的晶圓的良率判斷方法以及晶圓合格測試的多變量偵測方法將具有相關性的多個WAT特性參數進行分群,並利用多變量統計演算法(例如,霍德林T平方統計)來對每群特性參數進行檢驗,從而篩選出超出預設範圍的多個WAT特性參數。如此一來,本發明實施例可藉由多變量製程控制技術以及硬體設備的輔助來盡早發現異常的WAT特性參數,減少
研發人員對於WAT特性參數的檢閱時間,並可節省判斷待測晶圓的良率的測試成本。
雖然本發明已以實施例揭露如上,然其並非用以限定本發明,任何所屬技術領域中具有通常知識者,在不脫離本發明的精神和範圍內,當可作些許的更動與潤飾,故本發明的保護範圍當視後附的申請專利範圍所界定者為準。
Claims (12)
- 一種晶圓的良率判斷方法,包括:對一待測晶圓進行一晶圓合格測試,以產生多個特性參數;依據一相關性列表對該些特性參數進行分群,以形成多組特性參數群組;以一多變量分析來計算每組特性參數群組中該些特性參數的其中之一或其組合所對應的一分析數值,判斷該分析數值是否大於該些特性參數的其中之一或其組合所對應的一預設規格信息,以將大於該預設規格信息的該分析數值所對應之該些特性參數的其中之一或其組合作為至少一超出規格特性參數;以及依據該至少一超出規格特性參數來判斷該待測晶圓的良率。
- 如申請專利範圍第1項所述之晶圓的良率判斷方法,更包括:統計多個不同晶圓在進行該晶圓合格測試後所產生的該些特性參數,以分析該些特性參數是否具有一相關性;以及依據具有該相關性的多個相關特性參數來產生該相關性列表。
- 如申請專利範圍第1項所述之晶圓的良率判斷方法,更包括:記錄該些特性參數中具有一相關性的多個相關特性參數,以形成該相關性列表。
- 如申請專利範圍第1項所述之晶圓的良率判斷方法,其中 該多變量分析以一霍德林T平方統計(Hotelling's T-squared statistic)來依序計算每組特性參數群組中該些特性參數的其中之一或其組合。
- 如申請專利範圍第4項所述之晶圓的良率判斷方法,計算每組特性參數群組中該些特性參數的其中之一或其組合所對應的該分析數值包括下列步驟:依序設定每組特性參數群組中該些特性參數中之N個做為被選定變量,以計算每組特性參數群組中的各個N維T平方統計數值;判斷各個N維T平方統計數值是否大於對應之該預設規格信息,其中N為正整數。
- 如申請專利範圍第1項所述之晶圓的良率判斷方法,依據該至少一超出規格特性參數來判斷該待測晶圓的良率包括下列步驟:將該至少一超出規格特性參數條列為一超出規則參數列表,以供一使用者判斷該待測晶圓是否異常。
- 一種晶圓合格測試的多變量偵測方法,適用於一晶圓合格測試系統中,該多變量判斷方法包括:獲得一待測晶圓在進行一晶圓合格測試後所產生的多個特性參數;依據一相關性列表對該些特性參數進行分群,以形成多組特性參數群組; 以一多變量分析來計算每組特性參數群組中該些特性參數的其中之一或其組合所對應的一分析數值,判斷該分析數值是否大於該些特性參數的其中之一或其組合所對應的一預設規格信息,以將大於該預設規格信息的該分析數值所對應之該些特性參數的其中之一或其組合作為至少一超出規格特性參數;以及依據該至少一超出規格特性參數來偵測該待測晶圓是否合格。
- 如申請專利範圍第7項所述之多變量偵測方法,更包括:統計多個不同晶圓在進行該晶圓合格測試後所產生的該些特性參數,以分析該些特性參數是否具有一相關性;以及依據具有該相關性的多個相關特性參數來產生該相關性列表。
- 如申請專利範圍第7項所述之多變量偵測方法,更包括:記錄該些特性參數中具有一相關性的多個相關特性參數,以形成該相關性列表。
- 如申請專利範圍第7項所述之多變量偵測方法,其中該多變量分析以一霍德林T平方統計(Hotelling's T-squared statistic)來依序計算每組特性參數群組中該些特性參數的其中之一或其組合。
- 如申請專利範圍第10項所述之多變量偵測方法,計算每組特性參數群組中該些特性參數的其中之一或其組合所對應的該分析數值包括下列步驟: 依序設定每組特性參數群組中該些特性參數中之N個做為變量,以計算每組特性參數群組中的各個N維T平方統計數值是否大於對應之該預設規格信息,其中N為正整數。
- 如申請專利範圍第7項所述之多變量偵測方法,依據該至少一超出規格特性參數來判斷該待測晶圓的良率包括下列步驟:將該至少一超出規格特性參數條列為一超出規則參數列表,以供一使用者依據其使用者經驗來判斷該待測晶圓是否合格。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW103139757A TWI647770B (zh) | 2014-11-17 | 2014-11-17 | 晶圓的良率判斷方法以及晶圓合格測試的多變量偵測方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW103139757A TWI647770B (zh) | 2014-11-17 | 2014-11-17 | 晶圓的良率判斷方法以及晶圓合格測試的多變量偵測方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
TW201620057A TW201620057A (zh) | 2016-06-01 |
TWI647770B true TWI647770B (zh) | 2019-01-11 |
Family
ID=56755058
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW103139757A TWI647770B (zh) | 2014-11-17 | 2014-11-17 | 晶圓的良率判斷方法以及晶圓合格測試的多變量偵測方法 |
Country Status (1)
Country | Link |
---|---|
TW (1) | TWI647770B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109741779B (zh) * | 2018-12-29 | 2020-10-16 | 西安紫光国芯半导体有限公司 | 一种在晶圆测试过程中动态调整测试条件的方法 |
CN111652518B (zh) * | 2020-06-05 | 2023-10-13 | 全芯智造技术有限公司 | 用于分析工艺数据的方法和设备以及计算机可读介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TW200632719A (en) * | 2004-09-17 | 2006-09-16 | Mks Instr Inc | Multivariate control of semiconductor processes |
TW201432479A (zh) * | 2013-02-07 | 2014-08-16 | Foresight Technology Company Ltd | 製程參數的搜尋與分析方法及其電腦程式產品 |
-
2014
- 2014-11-17 TW TW103139757A patent/TWI647770B/zh active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TW200632719A (en) * | 2004-09-17 | 2006-09-16 | Mks Instr Inc | Multivariate control of semiconductor processes |
TW201432479A (zh) * | 2013-02-07 | 2014-08-16 | Foresight Technology Company Ltd | 製程參數的搜尋與分析方法及其電腦程式產品 |
Also Published As
Publication number | Publication date |
---|---|
TW201620057A (zh) | 2016-06-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102170473B1 (ko) | 웨이퍼 맵 분석 시스템 및 방법 | |
US8989888B2 (en) | Automatic fault detection and classification in a plasma processing system and methods thereof | |
US5761065A (en) | Arrangement and method for detecting sequential processing effects in manufacturing | |
TW201945923A (zh) | 積體電路剖析及異常檢測 | |
CN105702595B (zh) | 晶圆的良率判断方法以及晶圆合格测试的多变量检测方法 | |
JP6310782B2 (ja) | 半導体装置の製造方法およびプログラム | |
JP4568786B2 (ja) | 要因分析装置および要因分析方法 | |
CN101118422A (zh) | 半导体制造的虚拟量测预估与建立预估模型的方法与系统 | |
TWI229915B (en) | Method and system for analyzing wafer yield against uses of a semiconductor tool | |
Yilmaz et al. | Per-device adaptive test for analog/RF circuits using entropy-based process monitoring | |
US20100004775A1 (en) | Method and system for defect detection in manufacturing integrated circuits | |
KR20190060548A (ko) | 변수 구간별 불량 발생 지수를 도출하여 공정 불량 원인을 파악하고 시각화하는 방법 | |
TWI647770B (zh) | 晶圓的良率判斷方法以及晶圓合格測試的多變量偵測方法 | |
CN109308395B (zh) | 基于lof-knn算法的晶圆级空间测量参数异常识别方法 | |
JP2011054804A (ja) | 半導体製造装置の管理方法およびシステム | |
JP2009076772A (ja) | 工程監視方法 | |
TW200411801A (en) | Method for analyzing defect inspection parameters | |
JP4948238B2 (ja) | 分布解析方法および装置、異常設備推定方法および装置、上記分布解析方法または異常設備推定方法をコンピュータに実行させるためのプログラム、並びに上記プログラムを記録したコンピュータ読み取り可能な記録媒体 | |
US20130030760A1 (en) | Architecture for analysis and prediction of integrated tool-related and material-related data and methods therefor | |
JP2008078392A (ja) | 特性解析方法および装置、異常設備推定方法および装置、上記特性解析方法または異常設備推定方法をコンピュータに実行させるためのプログラム、並びに上記プログラムを記録したコンピュータ読み取り可能な記録媒体 | |
JP4051332B2 (ja) | 検査データ解析システム | |
JP4276503B2 (ja) | 半導体不良原因絞込み方法 | |
US20230111543A1 (en) | Systems and methods for multidimensional dynamic part average testing | |
Krishnan et al. | A robust metric for screening outliers from analogue product manufacturing tests responses | |
TWI832403B (zh) | 用於多維動態部件平均測試之方法、設備及非暫時性電腦可讀媒體 |