TWI832403B - 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 - Google Patents
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 Download PDFInfo
- Publication number
- TWI832403B TWI832403B TW111132990A TW111132990A TWI832403B TW I832403 B TWI832403 B TW I832403B TW 111132990 A TW111132990 A TW 111132990A TW 111132990 A TW111132990 A TW 111132990A TW I832403 B TWI832403 B TW I832403B
- Authority
- TW
- Taiwan
- Prior art keywords
- test
- limits
- testing
- median
- values
- Prior art date
Links
- 238000012360 testing method Methods 0.000 title claims abstract description 235
- 238000000034 method Methods 0.000 title claims abstract description 61
- 238000005259 measurement Methods 0.000 claims abstract description 40
- 238000000513 principal component analysis Methods 0.000 claims abstract description 21
- 238000000491 multivariate analysis Methods 0.000 claims description 12
- 230000009466 transformation Effects 0.000 claims description 11
- 238000012880 independent component analysis Methods 0.000 claims description 10
- 238000010801 machine learning Methods 0.000 claims description 9
- 230000003121 nonmonotonic effect Effects 0.000 claims description 7
- 238000004519 manufacturing process Methods 0.000 claims description 6
- 230000002596 correlated effect Effects 0.000 claims 2
- 238000012935 Averaging Methods 0.000 description 15
- 238000012216 screening Methods 0.000 description 13
- 235000012431 wafers Nutrition 0.000 description 13
- 239000000463 material Substances 0.000 description 12
- 238000004458 analytical method Methods 0.000 description 10
- 238000013459 approach Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 8
- 230000003068 static effect Effects 0.000 description 7
- 238000010998 test method Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 238000013500 data storage Methods 0.000 description 5
- 238000003860 storage Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 238000001914 filtration Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000006399 behavior Effects 0.000 description 3
- 238000009826 distribution Methods 0.000 description 3
- 230000000977 initiatory effect Effects 0.000 description 3
- 238000007619 statistical method Methods 0.000 description 3
- 238000007726 management method Methods 0.000 description 2
- 230000003190 augmentative effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000003990 capacitor Substances 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000002405 diagnostic procedure Methods 0.000 description 1
- 239000012467 final product Substances 0.000 description 1
- 238000013101 initial test Methods 0.000 description 1
- 238000003780 insertion Methods 0.000 description 1
- 230000037431 insertion Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 238000013105 post hoc analysis Methods 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000013214 routine measurement Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000004154 testing of material Methods 0.000 description 1
- 238000009966 trimming Methods 0.000 description 1
- 239000013598 vector Substances 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 238000011179 visual inspection Methods 0.000 description 1
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
- G01R31/26—Testing of individual semiconductor devices
- G01R31/2601—Apparatus or methods therefor
-
- 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
- G01R31/26—Testing of individual semiconductor devices
-
- 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
- G01R31/317—Testing of digital circuits
- G01R31/31718—Logistic aspects, e.g. binning, selection, sorting of devices under test, tester/handler interaction networks, Test management software, e.g. software for test statistics or test evaluation, yield analysis
Abstract
本發明的實施例提供用於多維部件平均測試的系統及方法,該多維部件平均測試根據本發明之實施例來測試裝置及分析測試結果以偵測離群者。該測試例如可包括使用類似裝置的差量(delta)量測值、一量測值比、或識別用以界定元參數之特徵向量及特徵值的主要成分分析來計算多變量(例如,二變量)統計值。原始測試結果資料可轉換成殘差空間且可施行穩健迴歸以防止離群結果影響迴歸,藉此有利地減少過度測試。
Description
本發明之實施例大體上係關於裝置測試之領域。更特定言之,本發明之實施例係關於用於部件平均測試之方法及系統。
一待測裝置或設備(例如,一DUT)一般在其被出售之前會對其進行測試以判定該裝置的效能及一致性。可以使用各種各樣的測試案例對該裝置進行測試,而該等測試案例的結果會與一預期輸出結果進行比較。當一測試案例之結果不匹配預期輸出值時,該裝置可被視為一未通過裝置或離群者,且該裝置可基於效能等加以分級。
一DUT通常藉由一自動化或自動測試設備(ATE)來進行測試,其可被用來使用軟體及自動化進行複雜測試以改良測試的效率。該DUT可係任何類型之半導體裝置、晶圓或組件,其係意欲整合進一最終產品,諸如一電腦或其他電子裝置。藉由在製造時使用ATE移除缺陷或不符合要求之晶片,可顯著改良良率之品質。
汽車裝置測試領域考慮額外安全考量因素;在一些情況下,使用一零容差作法來測試汽車裝置。部件平均測試(PAT)係一種類型之基於統計分析
的裝置測試,其識別具有與相同批、晶圓或子晶圓鄰域中其他部件(例如,晶圓或晶粒)顯著不同特性的部件。這些部件中的差異可以指示哪些部件預期不會通過(例如,落在可接受的限值之外)。通常而言,部件平均測試從先前測試之部件收集資料,並且將先前量測值之平均值(或中位數)與當前部件進行比較。若當前部件的量測值在某一範圍之外,則宣告該部件為一離群者。舉例而言,該範圍可基於平均值之標準差數目或基於四分位距值之運算。
不幸地,這些部件平均測試的習知作法限於使用單變量統計方法來使用於個別測試參數。此外,當前為部件平均測試設定限值的作法係有些簡單化的,且可導致大於所欲的過度測試(overkill)。
需要一種多變量的裝置測試作法,其在偵測離群單元及限制過度測試與漏測試(escape)方面表現優於單變量作法。據此,本發明的實施例提供用於多維部件平均測試的系統及方法,該多維部件平均測試根據本發明之實施例來測試裝置及分析測試結果以偵測離群者。該測試可包括使用類似裝置的差量量測值、一量測值比或識別特徵向量及特徵值以界定例如元參數的主要成分分析來計算多變量(例如,二變量)統計值。
根據一實施例,揭露一種動態部件平均測試的方法。該方法包括:基於歷史測試結果資料來判定測試限值;根據該等測試限值來測試複數個裝置以獲得測試結果;使用該等測試結果運算多變量統計值;運算該等多變量統計值之平均值或中位數值;運算該等多變量統計值與該等平均值或中位數多變量值之間的差異;基於該等平均值或中位數值來更新該等測試限值,以生產經更新之測試限值;以及基於該等平均值或中位數值及該等經更新之測試限值來識別該等複數個裝置中之離群者。
根據一些實施例,該方法包含藉由施行下列中之至少一者來判定
用於測試之顯著量測值:主要成分分析(PCA)、獨立成分分析(ICA)、自動編碼、機器學習,或識別顯著因素之其他相似分析方法。
根據一些實施例,使用該等測試結果運算多變量統計值包括下列中之至少一者:形成二變量對、形成比率及形成差量。
根據一些實施例,所述使用該等測試結果運算多變量統計值包括根據一結果類型來叢集化該等測試結果。
根據一些實施例,該方法包括使用一非線性、非單調變換來將該等平均值或中位數值轉換成殘差空間,以放大離群結果。
根據一些實施例,該方法包括在基於該等平均值或中位數值更新該等測試限值之前移除離群結果。
根據一些實施例,該方法包括在基於該等平均值或中位數值更新該等測試限值之前施行再加權最小平方迴歸。
根據另一實施例,揭露一種用於施行動態部件平均測試的設備。該設備包括一處理器,以及一與該處理器連通之記憶體,其儲存測試資料及指令,該處理器執行指令以施行多變量(或多維)部件平均測試之一方法,該方法包括:根據該等測試限值來測試複數個裝置以獲得測試結果;使用該等測試結果運算多變量統計值;運算該等多變量統計值之平均值或中位數值;運算該等多變量統計值與該等平均值或中位數多變量值之間的差異;基於該等平均值或中位數值來更新該等測試限值,以生產經更新之測試限值;以及基於該等平均值或中位數值及該等經更新之測試限值來識別該等複數個裝置中之離群者。
根據一些實施例,該方法包含藉由施行下列中之至少一者來判定用於測試之顯著量測值:主要成分分析(PCA)、獨立成分分析(ICA)、自動編碼、機器學習,或識別顯著因素之其他相似分析方法。
根據一些實施例,使用該等測試結果運算多變量統計值包括下列
中之至少一者:形成二變量對、形成二變量比及形成二變量差量。
根據一些實施例,使用該等測試結果運算多變量統計值包括根據一結果類型來叢集化該等測試結果。
根據一些實施例,該方法包括使用一非線性、非單調變換來將該等平均值或中位數值轉換成殘差空間,以放大離群結果。
根據一些實施例,該方法包括在基於該等平均值或中位數值更新該等測試限值之前移除離群結果。
根據一些實施例,該方法包括在基於該等平均值或中位數值更新該等測試限值之前施行再加權最小平方迴歸。
根據另一實施例,一或多個非暫時性電腦可讀媒體,其包括儲存於其上之程式指令,該等程式指令可由一或多個處理器執行以實行一方法,該方法包括:基於歷史測試結果資料來判定測試限值;根據該等測試限值來測試複數個裝置以獲得測試結果;使用該等測試結果運算多變量統計值;運算該等多變量統計值之平均值或中位數值;運算該等多變量統計值之平均值或中位數值;基於該等平均值或中位數值來更新該等測試限值,以生產經更新之測試限值;以及基於該等平均值或中位數值及該等經更新之測試限值來識別該等複數個裝置中之離群者。
根據一些實施例,該方法包含藉由施行下列中之至少一者來判定用於測試之顯著量測值:主要成分分析(PCA)、獨立成分分析(ICA)、自動編碼、機器學習,或識別顯著因素之其他相似分析方法。
根據一些實施例,使用該等測試結果運算多變量統計值包括下列中之至少一者:形成二變量對、形成比率及形成差量。
根據一些實施例,使用該等測試結果運算多變量統計值包括根據一結果類型來叢集化該等測試結果。
根據一些實施例,該方法包括使用一非線性、非單調變換來將該等平均值或中位數值轉換成殘差空間,以放大離群結果。
根據一些實施例,該方法包括存取e-測試資料或在另一製造步驟期間生產的資料。
100:電腦實行程序
105:歷史測試資料
110:靜態PAT限值
115:裝置
120:靜態PAT篩選
200:DPAT測試程序
205:批起始階段
210:測試階段
215:測試分析階段
300:(多維部件平均)測試程序
305:批開始階段
310:測試執行(階段)
315:後測試執行階段
600:自動化電腦實行多維部件平均測試程序
605,610,615,620,625,630:步驟
700:資料匯流排
701:中央處理單元(CPU)
702:(隨機存取)記憶體
703:(唯讀)記憶體
704:資料儲存體,資料儲存裝置
705:圖形子系統
706:使用者輸入(裝置)
707:使用者輸入
708:通訊或網路介面
710:顯示裝置
712:電腦系統
併入本說明書中且形成本說明書之一部件的隨附圖式例示本發明的實施例,且與說明一起用於解釋本發明的原理:
圖1為一範例性單變量靜態PAT程序的方塊圖及資料流程圖。
圖2為根據本發明之實施例的根據累積測試資料來動態地更新PAT限值之一範例性單變量PAT程序的方塊圖及資料流程圖。
圖3為根據本發明之實施例的使用多變量統計運算以根據累積測試資料來動態地更新PAT限值之一範例性多變量PAT程序的流程圖。
圖4繪示根據本發明之實施例的在施行變換至殘差空間之前及之後顯示的範例性PAT結果。
圖5繪示根據本發明之實施例的使用多變量統計運算所生產之在施行穩健資料迴歸之前及之後顯示的範例性PAT結果。
圖6為一流程圖,其繪示用於使用多變量統計運算及動態PAT來自動測試裝置以偵測離群裝置的一電腦控制程序之電腦實施步驟之一範例性序列。
圖7繪示一範例性電腦平台,在其上可以實行本發明之實施例。
現在將詳細參考若干實施例。雖然標的將結合替代實施例來說明,但是應理解,其非意欲將所請求標的限制於這些實施例。相反地,所請求標的意欲涵蓋可包括在如由所附申請專利範圍所界定的所請求標的之精神及範
圍內的替代例、修改及等效內容。
此外,在以下詳細說明中,闡述數個特定細節以便提供對所請求標的之透徹理解。然而,熟習此藝者將認識到,實施例可在沒有這些特定細節或有其之等效內容的情況下實踐。於其他實例中,熟知方法、流程、組件、及電路未予詳細說明,以免不必要地模糊了所請求標的之態樣及特徵。
以下將就一方法來呈現及論述該詳細說明的部分。儘管在本文中說明此方法之操作的一圖(例如,圖6)中揭露了其步驟及序列,但是這些步驟及序列係範例性的。實施例非常合適於施行在本文圖式之流程圖中明載的各種其他的步驟或該等步驟的變化例,並且可以不同於本文所繪示及說明的一序列來施行。
詳細說明的一些部分係藉由流程、步驟、邏輯方塊、處理及可在一電腦記憶體內上施行的資料位元之操作的其他符號表示來呈現。這些說明及表示為熟習資料處理技術者使用以將其工作實質最有效地傳遞至其他熟習此藝者的手段。流程、電腦執行步驟、邏輯方塊、處理等在此處且通常而言被設想為是造成所欲結果之一自相一致的步驟或指令序列。該等步驟係要求物理量的物理操縱的步驟。儘管非必然,但一般來說這些量採取能夠在一電腦系統中予以儲存、轉移、組合、比較及其他操縱之電氣或磁性信號之形式。主要為了通用之原因,已證明將這些信號稱為位元、值、元件、符號、字元、用語、數字、參數或類似者,有時是方便的。
然而,應牢記,所有這些用語及相似用語係要關聯於適當物理量,且僅為應用於這些量的方便標籤。除非另外特別指出,否則如以下論述顯然可見,應瞭解,通篇中利用諸如「存取」、「寫入」、「包括」、「儲存」、「傳送」、「關聯」、「識別」、「編碼」、「標記」或類似者之用語的論述,係指一電腦系統或相似電子運算裝置之動作及程序,其將在該電腦系統之暫存器
及記憶體中表示為物理(電子)量的資料操作及變換成在該電腦系統記憶體或暫存器或其他此種資訊儲存、傳送或顯示裝置中被相似地表示為物理量的其他資料。
一些實施例可在由一或多個電腦或其他裝置執行的電腦可執行指令的一般上下文中說明,該電腦可讀儲存媒體係諸如程式模組。通常而言,程式模組包括施行特定任務或實行特定抽象資料類型的常式、演算法、程式、物件、組件、資料結構等。一般而言,程式模組的功能性可以如所欲在各種實施例中組合或分佈。
用於多維動態部件平均測試之系統及方法
本發明的實施例提供用於多維部件平均測試的系統及方法,該多維部件平均測試根據本發明之實施例來測試裝置及分析測試結果以偵測離群者。該測試可包括使用類似裝置的差量量測值、一量測值比或識別特徵向量及特徵值以界定例如元參數的主要成分分析來計算多變量(例如,二變量)統計值。
部件平均測試(PAT)傳統上就一特定測試參數使用在處理一組材料之前設定之固定離群限值。舉例而言,該測試參數可係基於歷史測試資料的四分位距值之運算。以此方式,可識別具有與同批中其他部件(例如,晶圓、晶粒、材料、裝置)之常態分佈顯著不同特性之部件。這些部件中的差異可以指示哪些部件預期不會通過。動態PAT(DPAT)可用來提供可隨著新測試結果變得可用而隨著時間推移自動更新之非固定限值。
圖1為一流程圖,其繪示用於基於歷史測試資料105來判定靜態PAT限值並施行部件平均測試(PAT)的一範例性電腦實行程序100。如圖1所繪示,歷史測試資料105係用於建立靜態PAT限值110。裝置(例如,裝置115)接著使用靜態PAT篩選120來測試以判定其是否通過或未通過靜態PAT限值。未通過之裝置可基於其效能來分級。
圖2繪示根據本發明之實施例的用於封裝產品的一範例性DPAT測試程序200,其在單元正被測試時動態地運算及調整PAT限值。如圖2中所繪示,一旦已施行足夠數目個測試,基於累積測試資料動態地建立PAT限值。使用預界定PAT限值來施行批起始階段205,且基於在測試階段210期間累積之測試資料,在測試分析階段215期間調整該等PAT限值。雖然動態PAT為部件平均測試之一有效作法,但測試結果之分析一般僅運用限於用於根據汽車電子器件協會(AEC)標準界定之個別測試參數的單變量統計方法。另外,現有PAT作法在根據AEC標準施行時經常導致大於所欲的過度測試。
據此,本發明之實施例可使用一統計度量中的多個參數,諸如一個二變量參數,來篩選裝置。在一些實施例中,組合兩個洩漏量測值來篩選落在篩選程序之預界定限值外的裝置。一些實施例使用二或更大任何規模之多變量統計值來施行篩選程序。本發明之實施例可針對篩選多個裝置施行平行執行,且可基於歷史測試資料而實行穩健統計值。施行篩選之測試設備的一使用者(例如,作者或管理者)可指示哪些測試量測值被意欲利用於使用n個篩選參數來篩選目的。數個測試結果被用於運算一y個離群結果。
圖3繪示根據本發明之實施例的用於測試裝置及分析測試結果的一範例性多維部件平均測試程序300。測試程序300包括批開始階段305、測試執行階段310及後測試執行階段315。一DUT可使用一統計度量中之多個參數來篩選。舉例而言,篩選可包括使用類似裝置之差量量測值、一量測值比或識別特徵向量及特徵值以界定元參數的主要成分分析來計算二變量統計值。
批開始階段305在測試之前施行,以判定測試程式之初始限值。批開始階段305可包括預提取所儲存之歷史資料及其他相關資訊,以為每一篩選量測值之限值運算提供種子。歷史資料可在本地地儲存於測試系統,或從一本地或一遠端資料庫或主機提取。歷史資料可包括來自已測試之相同裝置的其他製
造批之資料、在較早一時間施行之同批的測試插入資料或兩者之任何組合。來自晶圓測試之一探測階段的資料可用來建立用於在晶圓已被切割後的封裝測試的初始測試限值。歷史資料亦可包含在晶圓製造期間所收集之來自e-測試或參數測試的資料,或在裝置正在生產時獲得之其他資料,尤其在材料在生產期間為追蹤目的期間而串列化之情況下。固定測試限值亦可由一使用者在批開始階段305期間人工提供。
測試執行階段310包括用於一受測裝置之PAT參數及測試程式執行的集合。在用於在測試期間判定離群狀態的一範例性程序中,針對所有量測值或由類型(例如,電流、電壓、頻率等)排序之量測值叢集,形成二變量對、比率、差量等,且針對每一個二變量對,計算中位數及殘差。在測試期間聚積之新量測值可用以在測試期間來用更新測試限值,且可使用所彙集之二變量結果來判定離群狀態。可任擇地在測試執行階段310期間施行穩健迴歸(例如,再加權最小平方),以在使用測試結果更新測試限值之前自每一個二變量對剔除可能離群者。
根據一些實施例,多維部件平均測試程序300包括將DUT與一組先前測試之裝置的特性進行比較。DUT係使用根據具有與DUT之一特性最佳地匹配之一特性的一批(例如,最相似晶圓或批)所建立之參數來測試。
根據一些實施例,基準測試限值係根據針對同批之先前數目個測試(例如,50或100個測試)而判定。一作法為判定先前量測值之中位數以估算用於下一DUT(例如,晶粒)之參數值。運算DUT之結果與該中位數值之間的差異(「殘差」)。當與基準相比下殘差之值係顯著時,DUT可被判定為離群者(未通過)。
經前饋供用於更新測試限值之資料可用來針對經受測試程序之材料之不同實體部分建立分開的限值。舉例而言,通常收集於一晶圓上之有限數
目位點之e-測試資料可用以調整應用於來自該晶圓之相同部分之新材料的限值。可基於材料來自晶圓之哪一區域而施加不同限值。該等區域可界定成例如徑向線(radial)或四分位線(quartile)。可追蹤晶圓上的標線擊區(reticle shot),並用其來判定基準中之每一單元是用哪個標線擊區。例如,限值可根據例如每一單元是用哪個標線擊區來設定。在另一範例中,單元係根據其在標線內的位置,諸如一個2x2標線擊區之左上位置,來進行比較。
在篩選量測已在測試程式中施行之後,量測值係用以施行篩選運算。舉例而言,可在單個呼叫中將量測資料傳遞至一篩選電腦系統(而非在執行每一測試時分開呼叫),藉此節省通訊負擔。運算任何兩個參數之所有(n)(n-1)組合的二變量統計值。舉例而言,二變量統計值可包括比率(n i /n j )或差量(n i -n j )或適用於離群者篩選之任何其他兩參數之組合。針對參數之每一組合,藉由使用先前y個二變量度量來運算中位數統計值。中位數統計值接著成為當前受關注裝置/晶粒之期望值。
後測試執行階段315係在測試執行310之後施行,以分析來自一或多個最近測試批之結果。此階段可包括識別量測趨勢及識別可能脫離控制的材料,在該狀況下,測試系統可生產一通知及/或自動地停止測試在材料流中之裝置。根據一些實施例,在測試期間針對品質增強提供一功能性額外監督層。舉例而言,所有量測值及測試結果資料可被維持且跨所有正被測試之裝置彙集,且經彙集之資料可經分析以識別趨勢。若識別到指示品質偏離之可能性的趨勢,則測試系統可介入。
彙集及介入之時段可不同。在一範例中,時段限於測試單批材料之期間,且介入係立即的。在這種狀況中,測試停止並且診斷程序開始。在另一範例中,期間可延長超過單批材料之測試,且介入可係通知負責方跨多個材料偵測到的趨勢(例如,訊息、電子郵件或其他指示),且可停止或動態地修改生
產。以此方式,藉由使用DPAT統計值來監測所彙集之結果及趨勢,將DPAT統計值之功能性延伸超出單個裝置之結果。
如圖4中所繪示,根據本發明之實施例,運算該中位數與該等量測結果之間的差異(「殘差」)。舉例而言,最近晶粒之殘差可與先前y量測之殘差比較,且晶粒分佈可相應地重排順序。在圖4的範例中,一非線性、非單調變換被應用於原始測試資料以將該原始資料變換成殘差空間。此作法可放大離群行為使得先前未偵測到的未通過裝置可見於離群者篩選。殘差變換可以兩次施行。根據一些實施例,可在中位數及殘差的運算之前移除y度量之群體中的離群者以允許穩健統計值。
如圖5中所繪示,穩健迴歸可用以聚焦於模型化良好裝置行為。穩健迴歸可防止一群體中的離群者影響迴歸,藉此有利地減少過度測試。舉例而言,可能離群者可在再運算測試限值前移除,且當前受測裝置可與新基準作比較。在圖5中所繪示之範例中,施行再加權最小平方迴歸以識別嚴重離群值,然後將其自最終迴歸計算移除。以此方式,當使用穩健迴歸來調整該等限值時,防止疑似離群者的過度測試。
根據一些實施例,多種離群者篩選技術及/或多種限值設定策略可應用於二變量統計值,使得針對每一項目存在一結果集合。此作法可被稱作一集體方法。離群狀態可基於超過殘差限值之二變量統計值數目來判定。臨界值可從1至變化至(n)(n-1),包括所述數值。若多種離群技術應用於每一個二變量統計值,則臨界值可被調整超過(n)(n-1)。
當使用集體方法時,最終離群者判決可僅限於那些在集體中顯示為準確地施行的方法(例如,具有一較強的信號及/或較佳預測結果)。舉例而言,可施行事後分析以判定哪些特定離群度量預測一受關注結果(例如,裝置在預燒期間故障、裝置在現場故障等)。此作法可需要裝置可追溯性以及將結果饋送回
用於後續材料的測試程序中。另一作法判定一離群裝置離其他裝置之統計值分佈中心多遠,且將較多權重施加至非常靠近離群限值上或下限值的離群分析結果。
在一些情況下,使用一相對大的開始量測值數目n,或者使用比二變量更高規模的統計值,可能會造成通稱為「規模災難(Curse of dimensionality)」的各種問題。因此,根據一些實施例,量測值係藉由相似性進行分組(例如,電流量測值、電壓量測值、頻率量測值等),且僅在群組內產生多變量組合以避免過度複雜的運算。替代地,可根據裝置功能性將量測值叢集化。舉例而言,可在將與電路系統之一特定部分(例如,一實行類比至數位轉換之區塊)之效能有關的所有量測值分組於一叢集中,且可將用於電力管理單元的效能量測值分組於一第二叢集中。一初步分析可靜態地在進行任何測試之前、在測試開始時施行或週期性地在整個測試程序中施行,以產生特定參數組合,諸如主要成分分析(PCA)、自動編碼或機器學習。
雖然可將任何數目之不同測試參數用於測試及分析,但根據實施例之最關鍵參數中之一些者包括:
‧電阻
‧電容
‧電感
‧記憶體
‧應力
‧時序/頻率
‧熔絲/修整/非依電性記憶體
‧I/O及DC
‧TX/RX
‧電壓
‧類比
‧電流監控(例如,IDDQ漏電)
應注意,本發明之實施例不需要視覺檢驗資料,且可僅使用習知測試程式量測資料來實行。
根據一些實施例,每一經測試之裝置可使用硬體分級(hard bin)及/或軟體分級(soft bin),例如針對正被測試之材料的分類,使得可指派不同的下游測試流程給不同的分級。
根據一些實施例,使用單變量統計值之習知DPAT統計措施與亦可連同多變量統計值一起運算,供用於篩選判決,而非僅以多變量統計值取代習知DPAT。
根據一些實施例,對未通過部件進行排序(例如,分級)。所有離群運算可以例如依據哪個測試未通過、殘差值等而被分級。
圖6係根據本發明之實施例的繪示用於測試裝置及分析測試結果以偵測離群者的一範例性自動化電腦實行多維部件平均測試程序600的流程圖。該測試可包括使用類似裝置的差量量測值、一量測值比或識別特徵向量及特徵值以界定例如元參數的主要成分分析來計算多變量(例如,二變量)統計值。
在步驟605,判定測試限值。測試限值界定經測試以識別離群者之裝置的可接受界限。舉例而言,測試限值可基於從記憶體、或從一本地或遠端儲存系統存取之歷史測試資料來判定。舉例而言,歷史資料可基於來自同批或甚至整批的先前所測試之50或100個單元。根據一些實施例,測試限值係根據所儲存之e-測試資料或在先前製造步驟期間生產之資料來判定,且可利用例如統計學或拓撲學上互相關聯資料來擴充。
步驟605亦可包括藉由施行諸如例如主要成分分析、自動編碼或機
器學習之熟知技術來判定用於測試之顯著量測值。
在步驟610,根據所界定之測試限值來測試複數個裝置以獲得測試結果。根據一些實施例,原始測試結果經儲存且可被彙集,以在測試期間或之後識別趨勢。
在步驟615,使用測試結果運算多變量統計值。此步驟可包括例如形成二變量對、形成二變量比及形成二變量差量,儘管也可以使用任何合適的多變量統計計算。
在步驟620,運算多變量統計值之平均值或中位數值。多變量統計值資料之平均值或中位數值可任擇地轉換成殘差空間以放大離群者行為,使得先前未偵測到的未通過裝置對於離群者篩選為可見的。殘差變換可以兩次施行。根據一些實施例,可在中位數及殘差的運算之前移除y度量之群體中的離群者以允許穩健統計值。任擇地施行穩健迴歸以防止群體中的離群者影響迴歸,藉此有利地減少過度測試。步驟620可包括例如施行再加權最小平方迴歸。
在步驟625,基於平均值或中位數值及/或殘差來更新測試限值。根據一些實施例,在更新測試限值之前移除離群者。
在步驟630,基於平均值或中位數值及/或殘差及經更新之測試限值來識別複數個裝置中之離群者。離群者可被視為未通過裝置且/或可以根據效能、未通過之測試參數等加以分級。
範例性測試系統
本發明的實施例涉及用於多維部件平均測試的電子系統,該多維部件平均測試根據本發明之實施例來測試裝置及分析測試結果以偵測離群者。該測試可包括使用類似裝置的差量量測值、一量測值比或識別特徵向量及特徵值以界定例如元參數的主要成分分析來計算多變量(例如,二變量)統計值。以下論述說明此一種的範例性電子系統或電腦系統,其可被用作為一平台以供用於
實行本發明實施例。舉例而言,電腦系統712可組配來與一測試系統或設備介接,該測試系統或設備包括一插座,供用於接收一裝置、一熱管理系統、一電源供應器及用於測試該裝置之電子傳信系統。
在圖7之範例中,範例性電腦系統712包括用於運行軟體應用程式及一作業系統的一中央處理單元(CPU)701。隨機存取記憶體702及唯讀記憶體703儲存供CPU 701使用之應用程式及資料。資料儲存裝置704為應用程式及資料提供非依電性的儲存,且可包括固定磁碟驅動機、可移除式磁碟驅動機、快閃記憶體裝置以及CD-ROM、DVD-ROM或其他光學儲存裝置。資料儲存裝置704或記憶體702/703可儲存歷史及即時測試資料(例如,測試結果、限值、運算等)。任擇的使用者輸入706及707包含將來自一或多位使用者的輸入傳達給電腦系統712的裝置(例如,滑鼠、搖桿、攝影機、觸控螢幕、鍵盤及/或麥克風)。一通訊或網路介面708允許電腦系統712經由一電子通訊網路與其他的電腦系統、網路或裝置通訊,包括有線及/或無線通訊且包括一內部網路或網際網路。
任擇的顯示裝置709可為能夠響應於來自電腦系統712的一信號而顯示例如最終掃描報告之視覺資訊的任何裝置,且可包括例如一平板觸敏顯示器。電腦系統712的組件,包括有CPU 701、記憶體702/703、資料儲存體704、使用者輸入裝置706及圖形子系統705,可以經由一或多個資料匯流排700耦接。
由此說明了本發明的實施例。雖然本文已經在特定實施例中說明本發明,但是應瞭解的是,本發明不應被解釋為受限於此等實施例,而是應根據以下申請專利範圍來解釋。
305:批開始階段
310:測試執行(階段)
315:後測試執行階段
Claims (20)
- 一種動態部件平均測試之方法,該方法包含:基於歷史測試結果資料來判定測試限值;根據該等測試限值來測試複數個裝置以獲得測試結果;使用該等測試結果運算多變量統計值;運算該等多變量統計值之平均值或中位數值;運算該等多變量統計值與該等平均值或中位數多變量值之間的差異;基於該等平均值或中位數值來更新該等測試限值,以生產經更新之測試限值;以及基於該等平均值或中位數值及該等經更新之測試限值來識別該等複數個裝置中之離群者。
- 如請求項1中所述之方法,其進一步包含藉由施行下列中之至少一者來判定用於測試之顯著量測值:主要成分分析(PCA);獨立成分分析(ICA);自動編碼;或機器學習。
- 如請求項1中所述之方法,其中該使用該等測試結果運算多變量統計值包含下列中之至少一者:形成對;形成比率;及形成差量。
- 如請求項1中所述之方法,其中該使用該等測試結果運算多變量統計值包含根據一結果類型來叢集化該等測試結果。
- 如請求項1中所述之方法,其進一步包含使用一非線性、非單調變換來將該等平均值或中位數值轉換成殘差空間,以放大離群結果。
- 如請求項1中所述之方法,其進一步包含在該基於該等平均值或中位數值更新該等測試限值之前移除離群結果。
- 如請求項1中所述之方法,其進一步包含在該基於該等平均值或中位數值更新該等測試限值之前施行再加權最小平方迴歸。
- 一種用於施行動態部件平均測試之設備,該設備包含:一處理器;以及與該處理器連通之一記憶體,其用於儲存測試資料及指令,其中該處理器執行指令以施行多變量部件平均測試之一方法,該方法包含:基於歷史測試結果資料來判定測試限值;根據該等測試限值來測試複數個裝置以獲得測試結果;使用該等測試結果運算多變量統計值;運算該等多變量統計值之平均值或中位數值;運算該等多變量統計值與該等平均值或中位數多變量值之間的差異;基於該等平均值或中位數值來更新該等測試限值,以生產經更新之測試限值;以及基於該等平均值或中位數值及該等經更新之測試限值來識別該等複數個裝置中之離群者。
- 如請求項8中所述之設備,其中該方法進一步包含藉由施行下列中之至少一者來判定用於測試之顯著量測值:主要成分分析(PCA);自動編碼;或機器學習。
- 如請求項8中所述之設備,其中該使用該等測試結果運算多變量統計值包含下列中之至少一者:形成二變量對;形成二變量比;及形成二變量差量。
- 如請求項8中所述之設備,其中該使用該等測試結果運算多變量統計值包含根據一結果類型來叢集化該等測試結果。
- 如請求項8中所述之設備,其中該方法進一步包含使用一非線性、非單調變換來將該等平均值或中位數值轉換成殘差空間,以放大離群結果。
- 如請求項8中所述之設備,其中該方法進一步包含在該基於該 等平均值或中位數值更新該等測試限值之前移除離群結果。
- 如請求項8中所述之設備,其中該方法進一步包含在該基於該等平均值或中位數值更新該等測試限值之前施行再加權最小平方迴歸。
- 一種包含儲存於其上之程式指令之一或多個非暫時性電腦可讀媒體,該等程式指令可由一或多個處理器執行以實行一方法,該方法包含:基於歷史測試結果資料來判定測試限值;根據該等測試限值來測試複數個裝置以獲得測試結果;使用該等測試結果運算多變量統計值;運算該等多變量統計值之平均值或中位數值;運算該等多變量統計值與該等平均值或中位數多變量值之間的差異;基於該等平均值或中位數值來更新該等測試限值,以生產經更新之測試限值;以及基於該等平均值或中位數值及該等經更新之測試限值來識別該等複數個裝置中之離群者。
- 如請求項15中所述之非暫時性電腦可讀媒體,其中該方法進一步包含藉由施行下列中之至少一者來判定用於測試之顯著量測值:主要成分分析(PCA);獨立成分分析(ICA);自動編碼;或機器學習。
- 如請求項15中所述之非暫時性電腦可讀媒體,其中該使用該等測試結果運算多變量統計值包含下列中之至少一者:形成二變量對;形成比率;及形成差量。
- 如請求項15中所述之非暫時性電腦可讀媒體,其中該使用該等測試結果運算多變量統計值包含根據一結果類型來叢集化該等測試結果。
- 如請求項15中所述之非暫時性電腦可讀媒體,其中該方法進一步包含使用一非線性、非單調變換來將該等平均值或中位數值轉換成殘差空 間,以放大離群結果。
- 如請求項15中所述之非暫時性電腦可讀媒體,其中該基於歷史測試結果資料來判定測試限值包含存取下列中之至少一者:e-測試資料;在一先前製造步驟期間生產的資料;統計學上互相關聯的資料;或拓撲學上互相關聯的資料。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US17/497,518 | 2021-10-08 | ||
US17/497,518 US20230111543A1 (en) | 2021-10-08 | 2021-10-08 | Systems and methods for multidimensional dynamic part average testing |
Publications (2)
Publication Number | Publication Date |
---|---|
TW202331276A TW202331276A (zh) | 2023-08-01 |
TWI832403B true TWI832403B (zh) | 2024-02-11 |
Family
ID=85797599
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW111132990A TWI832403B (zh) | 2021-10-08 | 2022-08-31 | 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 |
Country Status (6)
Country | Link |
---|---|
US (1) | US20230111543A1 (zh) |
KR (1) | KR20240042627A (zh) |
CN (1) | CN117881973A (zh) |
IL (1) | IL310982A (zh) |
TW (1) | TWI832403B (zh) |
WO (1) | WO2023059790A1 (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080249742A1 (en) * | 2001-05-24 | 2008-10-09 | Scott Michael J | Methods and apparatus for data analysis |
TW201226941A (en) * | 2010-06-16 | 2012-07-01 | Broadcom Corp | Simultaneous testing of semiconductor components on a wafer |
CN104583789A (zh) * | 2012-04-11 | 2015-04-29 | 爱德万测试公司 | 测试单元控制器的决策和执行树的创建和调度 |
US20190160494A1 (en) * | 2009-07-06 | 2019-05-30 | Optimal Plus Ltd. | System and method for binning at final test |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9767459B1 (en) * | 2016-03-14 | 2017-09-19 | Optimal Plus Ltd. | Detection of counterfeit electronic items |
-
2021
- 2021-10-08 US US17/497,518 patent/US20230111543A1/en active Pending
-
2022
- 2022-08-31 TW TW111132990A patent/TWI832403B/zh active
- 2022-10-06 KR KR1020247006870A patent/KR20240042627A/ko unknown
- 2022-10-06 CN CN202280058761.5A patent/CN117881973A/zh active Pending
- 2022-10-06 WO PCT/US2022/045883 patent/WO2023059790A1/en active Application Filing
- 2022-10-06 IL IL310982A patent/IL310982A/en unknown
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080249742A1 (en) * | 2001-05-24 | 2008-10-09 | Scott Michael J | Methods and apparatus for data analysis |
US20190160494A1 (en) * | 2009-07-06 | 2019-05-30 | Optimal Plus Ltd. | System and method for binning at final test |
TW201226941A (en) * | 2010-06-16 | 2012-07-01 | Broadcom Corp | Simultaneous testing of semiconductor components on a wafer |
CN104583789A (zh) * | 2012-04-11 | 2015-04-29 | 爱德万测试公司 | 测试单元控制器的决策和执行树的创建和调度 |
Also Published As
Publication number | Publication date |
---|---|
IL310982A (en) | 2024-04-01 |
TW202331276A (zh) | 2023-08-01 |
US20230111543A1 (en) | 2023-04-13 |
KR20240042627A (ko) | 2024-04-02 |
CN117881973A (zh) | 2024-04-12 |
WO2023059790A1 (en) | 2023-04-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10261496B2 (en) | Production system | |
KR100858861B1 (ko) | 데이터 분석 방법 및 장치 | |
CN107923731B (zh) | 工具故障分析系统和方法 | |
JP2006514345A (ja) | 試験処理を拡張する方法および装置 | |
KR20150140358A (ko) | 인라인 수율 모니터링을 위한 임계 파라메트릭 전기 테스트 파라미터의 자동 결정을 위한 시스템 및 방법 | |
US7062409B2 (en) | System for, method of and computer program product for detecting failure of manufacturing apparatuses | |
US8682058B2 (en) | Defect analysis method, apparatus, and recording medium using pattern dependence degree | |
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 | |
TW202136758A (zh) | 異常偵測裝置及異常偵測方法 | |
JP2011054804A (ja) | 半導体製造装置の管理方法およびシステム | |
JPWO2019016892A1 (ja) | 品質分析装置及び品質分析方法 | |
Barnett et al. | Yield-reliability modeling: experimental verification and application to burn-in reduction | |
JP6166120B2 (ja) | データ処理装置、測定装置、選別装置、データ処理方法およびプログラム | |
Jauhri et al. | Outlier detection for large scale manufacturing processes | |
TW201620057A (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 | |
JP2004296826A (ja) | 品質管理装置及び品質管理方法 | |
Chouichi et al. | Heterogranular multivariate analytics for detecting and controlling the root causes of the mismatching machines in semiconductor manufacturing | |
Chouichi et al. | THE DETECTION AND THE CONTROL OF MACHINE/CHAMBER MISMATCHING IN SEMICONDUCTORMANUFACTURING | |
Niranjan et al. | Machine Learning-Based Adaptive Outlier Detection for Underkill Reduction in Analog/RF IC Testing | |
WO2021172278A1 (ja) | 検査支援装置及び検査支援方法 | |
US20210279388A1 (en) | Predicting Die Susceptible to Early Lifetime Failure | |
Breaux et al. | Integration of automated defect classification into integrated circuit manufacturing | |
JP7207565B2 (ja) | 生成方法、生成プログラムおよび情報処理装置 | |
JP7207566B2 (ja) | 生成方法、生成プログラムおよび情報処理装置 | |
JP7283563B2 (ja) | 生成方法、生成プログラムおよび情報処理装置 |