WO2023166584A1 - 半導体試験結果分析装置、半導体試験結果分析方法およびコンピュータプログラム - Google Patents

半導体試験結果分析装置、半導体試験結果分析方法およびコンピュータプログラム Download PDF

Info

Publication number
WO2023166584A1
WO2023166584A1 PCT/JP2022/008767 JP2022008767W WO2023166584A1 WO 2023166584 A1 WO2023166584 A1 WO 2023166584A1 JP 2022008767 W JP2022008767 W JP 2022008767W WO 2023166584 A1 WO2023166584 A1 WO 2023166584A1
Authority
WO
WIPO (PCT)
Prior art keywords
data
decision tree
test result
test
semiconductor
Prior art date
Application number
PCT/JP2022/008767
Other languages
English (en)
French (fr)
Inventor
皓甫 池田
一 杉村
Original Assignee
株式会社アドバンテスト
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 株式会社アドバンテスト filed Critical 株式会社アドバンテスト
Priority to PCT/JP2022/008767 priority Critical patent/WO2023166584A1/ja
Priority to TW111146716A priority patent/TWI833489B/zh
Publication of WO2023166584A1 publication Critical patent/WO2023166584A1/ja

Links

Images

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

Definitions

  • the present disclosure relates to a semiconductor test result analysis device, a semiconductor test result analysis method, and a computer program.
  • testability defect In the test process of semiconductor chips, a problem (hereinafter also referred to as "testability defect") may occur in which a normal chip is judged as a defective product due to the test environment (such as a probe card defect). Ta. Conventionally, when an inspection failure is suspected, a person analyzes various data related to the test process of a semiconductor chip and presumes the reason why the semiconductor chip is determined to be defective.
  • Patent Document 1 a decision tree is created using the presence or absence of a defect in a solar cell as an objective variable and a plurality of types of manufacturing conditions at the time of manufacturing the solar cell as the objective variable, and the created decision tree and the solar cell A technique is disclosed for displaying the results of pass/fail data classification, including the manufacturing conditions used for the pass/fail data classification of cells.
  • Patent Literature 1 cannot sufficiently support the analyst's task of estimating the cause of the determination that the semiconductor chip is defective.
  • the present disclosure has been made in such a situation, and one of its exemplary purposes is to provide a technology that assists in estimating the cause of a semiconductor chip being determined to be defective.
  • a semiconductor test result analysis apparatus includes a first acquisition unit that acquires first data of a plurality of items related to a test process for a plurality of semiconductor chips; a second acquisition unit that acquires second data indicating a chip test result; a decision tree generation unit that generates a decision tree using each item of the first data as a feature amount and using the second data as a target value; and an output unit for outputting the information of the feature amount having a relatively high degree of importance as an item having a large degree of influence on the test result.
  • Another aspect of the present disclosure is a semiconductor test result analysis method.
  • This method comprises the steps of: obtaining first data of a plurality of items relating to a test process for a plurality of semiconductor chips; obtaining second data indicating test results of the plurality of semiconductor chips in the test process; A step of generating a decision tree using the item as a feature amount and second data as a target value, and a step of outputting information about the feature amount having a relatively high degree of importance in the decision tree as an item having a large degree of influence on the test result. and performed by the computer.
  • FIG. 2 is a block diagram showing functional blocks of the analyzer of FIG. 1;
  • FIG. It is a flow chart which shows operation of an analyzer.
  • FIG. 13 is a diagram showing an example of a failure factor analysis screen;
  • 5 is a diagram showing an example of a graph image of FIG. 4;
  • the analysis system of the embodiment creates a decision tree using a plurality of items related to the testing process of a plurality of semiconductor chips as feature amounts and the test results of a plurality of semiconductor chips as target values.
  • the analysis system of the embodiment provides the analyst with information on feature quantities having relatively high importance in the created decision tree as items having a large degree of influence on test results.
  • the analysis system of the embodiment includes the information of the items that have a large influence on the test results derived from the decision tree, the feature values of the plurality of items used to generate the decision tree, and the test results of the plurality of semiconductor chips. It further provides the analyst with a graph image depicting the correspondence between
  • FIG. 1 shows the configuration of an analysis system 10 of an embodiment.
  • the analysis system 10 is an information processing system that includes a database server 11 , a test result storage device 12 , a user terminal 14 and an analysis device 16 . These devices are connected via a communication network 18 including LAN, WAN, Internet, and the like.
  • the database server 11 is a device that stores a plurality of items of first data (hereinafter referred to as "condition data") relating to manufacturing processes and testing processes for each of a plurality of semiconductor chips.
  • the condition data includes items whose values are discrete values. Discrete values include non-numeric values that represent quantities or magnitudes.
  • the items whose values are discrete values include identification information such as IDs, such as jig IDs and operator IDs.
  • the condition data includes (1) the amount of push of the probe card into the semiconductor chip, (2) the ID of the jig, (3) the ID of the operator who was in charge of the test, and (4) the number of the semiconductor testing device (tester). (5) a semiconductor chip lot ID; (6) semiconductor chip coordinates on a wafer; and (7) the number of tests.
  • the condition data of the embodiment includes all items (1) to (7) above. Fixtures include, for example, probe cards and/or performance boards. Note that the condition data may include items other than the seven items described above. Also, the user may select an item to be used for analysis from a plurality of items including the above seven items.
  • the test result storage device 12 stores second data (hereinafter referred to as "test result data") indicating the test result of the semiconductor chip in the test process.
  • the test result data includes, for example, data indicating whether each of the plurality of semiconductor chips was determined as a non-defective product (passed) or a defective product (failed) in the test. Failure of the test result is also called fail. Further, the test result data includes pass/fail data for each predetermined category as the test result.
  • a category can be said to be a division in which a specific type of failure occurs, and can also be said to be a soft bin (type of failure).
  • a category may include soft bin number 1, the segment where the first fail occurs, and soft bin number 2, the segment where the second fail occurs.
  • the test result data may also include at least one of hard bins (ie, overall test results), soft bins, and failed test IDs.
  • the user terminal 14 is an information processing device operated by an analyst (hereinafter also referred to as "user") who analyzes the cause of the semiconductor chip being determined to be defective.
  • User terminal 14 may be a laptop computer, a tablet terminal, or a smart phone.
  • User terminal 14 includes a display or is connected to an external display.
  • the analysis device 16 is an information processing device that analyzes various condition data and test result data and generates information that assists in estimating the reason why the semiconductor chip was determined to be defective.
  • the analysis device 16 can also be said to be a semiconductor test result analysis device.
  • FIG. 2 is a block diagram showing functional blocks of the analysis device 16 of FIG.
  • Each block shown in the block diagram of the present disclosure can be realized by hardware such as a CPU and memory of a computer or a mechanical device, and is realized by a computer program or the like in terms of software. , and the functional blocks realized by their cooperation are drawn. It should be understood by those skilled in the art that these functional blocks can be implemented in various ways by combining hardware and software.
  • the analysis device 16 includes a data processing unit 20, a storage unit 22, and a communication unit 24.
  • the data processing unit 20 executes various data processing.
  • the storage unit 22 stores data referenced or updated by the data processing unit 20 .
  • the communication unit 24 communicates with an external device according to a predetermined communication protocol.
  • the data processing unit 20 transmits and receives data to and from the database server 11 , the test result storage device 12 and the user terminal 14 via the communication unit 24 .
  • the data processing unit 20 includes a condition data acquisition unit 30, a test result acquisition unit 32, a decision tree generation unit 34, an estimation unit 36, a graph generation unit 38, and an analysis result output unit 40.
  • the functions of the plurality of functional blocks included in the data processing unit 20 may be implemented in a computer program, and the computer program may be installed in the storage of the analysis device 16.
  • the processor (CPU, etc.) of the analysis device 16 may exhibit the functions of the plurality of functional blocks by reading the computer program into the main memory and executing it.
  • the condition data acquisition unit 30 acquires the condition data stored in the database server 11 from the database server 11 as a first acquisition unit.
  • the test result acquisition unit 32 acquires the test result data stored in the test result storage device 12 from the test result storage device 12 .
  • the decision tree generation unit 34 generates a decision tree using each item of the condition data acquired by the condition data acquisition unit 30 as a feature amount and the test result data acquired by the test result acquisition unit 32 as a target value.
  • the estimating unit 36 estimates feature amounts (that is, items of condition data) having relatively high importance in the decision tree generated by the decision tree generating unit 34 .
  • the graph generation unit 38 arranges a plurality of items of the condition data acquired by the condition data acquisition unit 30 along one axis, and a region in which a plurality of values of each item are arranged in a direction orthogonal (including substantially orthogonal) to the axis. 3, a graph image is generated in which values corresponding to multiple items of condition data are connected by lines for each group of multiple semiconductor chips having the same test environment.
  • the graph generation unit 38 changes the form of the lines for each group in the graph image according to the percentage of semiconductor chips that failed the test result in each group.
  • the analysis result output unit 40 transmits to the user terminal 14 data of an analysis result screen (a failure factor analysis screen to be described later) including the estimation result by the estimation unit 36 and the graph image generated by the graph generation unit 38 .
  • the analysis result output unit 40 sets, on the analysis result screen, the information of the feature amount having a relatively high degree of importance in the decision tree estimated by the estimation unit 36 as an item having a large degree of influence on the test result.
  • Condition data regarding manufacturing processes and testing processes for each of a plurality of semiconductor chips is registered in the database server 11 from a device (not shown) that manages manufacturing processes or testing processes. Also, test result data for each of the plurality of semiconductor chips is registered in the test result storage device 12 from a semiconductor testing device or the like (not shown).
  • FIG. 3 is a flow chart showing the operation of the analysis device 16.
  • the condition data acquisition unit 30 of the analysis device 16 acquires condition data from the database server 11 and stores it in the storage unit 22 (S10).
  • the test result acquisition unit 32 of the analysis device 16 acquires test data (actual values) from the test result storage device 12 and stores them in the storage unit 22 (S12).
  • the decision tree generation unit 34 of the analysis device 16 uses a gradient boosting machine learning framework library based on a decision tree algorithm to generate gradients based on learning condition data and learning test result data. A boosting decision tree is generated (S14).
  • the estimation unit 36 of the analysis device 16 inputs the test condition data into the decision tree and derives the predicted value of the test result (S16).
  • the estimating unit 36 uses AUC (Area Under the Curve) to derive the accuracy of the classification by the decision tree based on the predicted value of the test result and the actual value of the test result (S18). The closer the AUC score is to 1, the higher the classification accuracy.
  • the estimating unit 36 also uses the feature_importance function to derive the importance of each feature amount (that is, each item of the condition data) in the decision tree (S20).
  • the decision tree generation unit 34 of the embodiment generates a decision tree for each category using condition data for each of a plurality of semiconductor chips and test result data for each category. In other words, the decision tree generator 34 generates multiple decision trees corresponding to multiple categories.
  • the estimating unit 36 derives the classification accuracy for each of the plurality of decision trees corresponding to the plurality of categories, and further derives the importance of each feature amount.
  • the information indicating the accuracy of classification in the decision tree and the information indicating the importance of each feature amount will be collectively referred to as decision tree information.
  • the estimation unit 36 stores the decision tree information of each of the plurality of decision trees corresponding to the plurality of categories in the storage unit 22 (S22).
  • the graph generation unit 38 of the analysis device 16 generates a graph image for each category using the condition data for each of the plurality of semiconductor chips and the test result data for each category. In other words, the graph generator 38 generates multiple graph images corresponding to multiple categories.
  • the graph generation unit 38 stores multiple graph images in the storage unit 22 .
  • the user terminal 14 transmits analysis request data including information on the category specified by the user to the analysis device 16 .
  • the analysis result output unit 40 outputs the data of the failure factor analysis screen based on the decision tree information and the graph image corresponding to the category specified by the analysis request data stored in the storage unit 22. to generate The analysis result output unit 40 transmits data of the generated failure factor analysis screen to the user terminal 14 .
  • the user terminal 14 causes the display to display the analysis result screen provided from the analysis device 16 (analysis result output unit 40).
  • the analysis device 16 may have the function of a web server.
  • the analysis result output unit 40 may transmit web page data of the analysis result screen to the user terminal 14 as a response to the HTTP request including the analysis request data.
  • the web browser of the user terminal 14 may display the web page of the analysis result screen on the display.
  • FIG. 4 shows an example of the failure factor analysis screen 70.
  • the analysis result output unit 40 sets category information 72 , accuracy information 74 , influence information 76 and graph image 80 on the failure factor analysis screen 70 .
  • the analysis result output unit 40 sets information on the category specified by the user (hereinafter also referred to as “target category”) as category information 72 .
  • the category information 72 in FIG. 4 indicates that the contents of the fail factor analysis screen 70 are related to the category identified by the soft bin number 2 .
  • the analysis result output unit 40 sets information based on the classification accuracy in the decision tree of the target category stored in the storage unit 22 as accuracy information 74 .
  • the accuracy information 74 can also be said to be information indicating the accuracy of classification in the decision tree.
  • Accuracy information 74 in FIG. 4 indicates that the classification accuracy in the decision tree is high, that is, the AUC score is close to one.
  • the analysis result output unit 40 may set an index value of classification accuracy in the decision tree as the accuracy information 74 , and may set an AUC score as the accuracy information 74 , for example.
  • the analysis result output unit 40 sets, as the influence information 76, information about the feature quantity having a relatively high degree of importance in the decision tree of the target category stored in the storage unit 22.
  • the influence information 76 in FIG. 4 indicates the top five feature amounts in descending order of importance.
  • PROBE_CARD is a unique ID of a physical probe card, and can be said to be a jig ID.
  • TESTER_ID is the ID of the tester.
  • LOT is the ID of the semiconductor chip lot.
  • “OVERDRIVE” is the set value of the pushing amount of the probe card.
  • PROGRAM_VER is the version number of the program (eg, semiconductor test program).
  • the item of condition data that greatly affects the test results of a plurality of semiconductor chips is automatically estimated, and the impact information 76 indicating the estimation result is provided to the user.
  • the analysis device 16 can assist the user in judging the validity of the influence level information 76 by further providing the decision tree accuracy information 74 .
  • FIG. 5 shows an example of the graph image 80 of FIG.
  • a plurality of items of condition data are set on the horizontal axis of the graph image 80 .
  • LOT semiconductor chip lot ID
  • OVERDRIVE probe card push amount setting value
  • TESTER_ID tester ID
  • PROBE_CARD probe card ID
  • PROGRAM_VER Program version numbers
  • the graph generation unit 38 sets a line (hereinafter also referred to as a "group line") for each group of semiconductor chips having the same test environment in the graph image 80 .
  • the graph generation unit 38 sets a group line connecting the corresponding values across multiple items of the condition data for each group of semiconductor chips.
  • a group in the example consists of multiple semiconductor chips at the same site on the same wafer.
  • the graph generating unit 38 expresses the mode of each group line as the percentage of semiconductor chips that have failed the test result in each group, and specifically, changes according to the percentage of semiconductor chips that have failed in the target category. Let That is, when generating the graph image 80 of a certain category, the graph generation unit 38 changes the mode of each group line according to the proportion of semiconductor chips that fail the test result of the category in each group. .
  • the graph generator 38 made the group line of the group with a relatively high fail rate (defective group line 82) more visible than the group line of the group with a relatively low fail rate (normal group line 84). mode.
  • a mode of improving visibility may be, for example, setting a conspicuous color or thickening the line width.
  • the graph generation unit 38 changes the color of the group line according to the percentage of failures.
  • the graph generating unit 38 strengthens the red component of the group line and sets it to dark red as the ratio of the semiconductor chips in which the target category fails occurs.
  • the bad group line 82 is a dark red group line.
  • the graph generator 38 weakens the red component of the group line to bring it closer to white as the ratio of the failed semiconductor chips in the target category decreases.
  • the normal group line 84 is a white group line.
  • the graph generation unit 38 determines the size of the fail occurrence rate of the target category. Arrange multiple group lines in order. The graph generating unit 38 of the embodiment arranges the group line of the group with the higher rate of fail occurrence in the target category (that is, the group line with the stronger red component) at the higher position.
  • the analysis device 16 of the embodiment by providing the graph image 80, it is possible to assist the user in estimating the cause of failure.
  • the test environment can also be said to be the condition
  • the degree of influence on failure It can be estimated as a high factor.
  • it can be estimated that "13977" and "13948" in the item LOT, "0.00006" in the item OVERDRIVE, and "PC01" in the item PROBE_CARD are factors that have a high degree of influence on rejection.
  • the analysis device 16 provides the failure factor analysis screen 70 including both the impact information 76 and the graph image 80.
  • the validity of the influence information 76 derived from the decision tree can be confirmed by the graph image 80 .
  • the user can select a desired target category.
  • the user terminal 14 transmits analysis request data designating the changed target category to the analysis device 16 .
  • the analysis result output unit 40 of the analysis device 16 generates a new failure factor analysis screen 70 based on the decision tree information associated with the changed target category and the graph image stored in the storage unit 22, A new failure factor analysis screen 70 is provided to the user terminal 14 .
  • the target category may be determined automatically.
  • the target category may be determined based on the incidence rate (failure rate) for each category in the test results of the past dozens of lots, and the category with a relatively high failure rate is selected as the target category. good too.
  • the target category may be determined by outlier determination using standard deviation based on the occurrence rate (failure rate) of each category.
  • the user can select items of condition data to be arranged on the horizontal axis of the graph image 80.
  • the user terminal 14 transmits, to the analysis device 16, analysis request data that designates items of condition data to be displayed set or changed by the user.
  • the graph generation unit 38 of the analysis device 16 generates a graph image 80 in which the items of the condition data to be displayed specified by the analysis request data are arranged along the horizontal axis.
  • the analysis result output unit 40 of the analysis device 16 provides the user terminal 14 with the failure factor analysis screen 70 including the graph image 80 generated by the estimation unit 36 .
  • the graph generation unit 38 of the analysis device 16 automatically sets items corresponding to feature quantities having relatively high importance in the decision tree of the category as items of condition data to be set in the graph image 80 of the category.
  • the graph generation unit 38 may set items of condition data whose importance in the decision tree is within a predetermined order (for example, top five) on the horizontal axis of the graph image 80 . Thereby, it is possible to automatically provide the graph image 80 capable of efficiently confirming the validity of the influence information 76 derived from the decision tree.
  • the graph generation unit 38 of the analysis device 16 draws a group line corresponding to a group in which the percentage of semiconductor chips that have failed the test result is equal to or greater than a predetermined threshold, and draws a group line corresponding to the group that has the percentage of semiconductor chips that have failed the test result.
  • a graph image 80 that is set in a manner different from the group line corresponding to the group below the threshold may be generated.
  • the graph generation unit 38 may set the former group line to have higher visibility than the latter group line. For example, the former group line may be set in red and the latter group line in white. Also, the former group line may be set to a thick line, and the latter group line may be set to a thin line.
  • the above threshold may be set to an appropriate value based on the developer's knowledge or experiments using the analysis system 10 .
  • the estimation unit 36 of the above embodiment estimated the importance of each feature quantity in the decision tree using the feature_importance function.
  • the estimation unit 36 may estimate the importance of each feature amount in the decision tree using another function or technique.
  • the estimation unit 36 may derive the importance of each feature quantity in the decision tree using a permutation importance function.
  • the plurality of functional blocks included in the analysis device 16 in the above embodiment may be distributed and implemented in a plurality of information processing devices (which may include cloud services).
  • the same processing as the processing of the analysis device 16 in the above embodiment may be realized by a plurality of information processing devices working together as a system.
  • a first acquisition unit that acquires first data of a plurality of items related to a test process for a plurality of semiconductor chips
  • a second acquisition unit that acquires second data indicating test results of the plurality of semiconductor chips in the test step
  • a decision tree generation unit that generates a decision tree using each item of the first data as a feature quantity and the second data as a target value
  • an output unit that outputs information about feature quantities having relatively high importance in the decision tree as items having a large degree of influence on the test result
  • a semiconductor test results analyzer comprising: According to this semiconductor test result analysis device, the first data items (which can be called "parameters”) that have a large influence on the test results of a plurality of semiconductor chips are automatically estimated, and the burden of the user's test result analysis work is reduced.
  • the first data includes items whose values are discrete values, The semiconductor test result analyzer according to item 1-1. According to this semiconductor test result analysis apparatus, since the decision tree is used, even when the items of the first data include discrete values, it is possible to accurately estimate the items having a large degree of influence on the test results.
  • the first data includes (1) the pushing amount of the probe card with respect to the semiconductor chip, (2) jig ID, (3) operator ID in charge of the test, (4) ID of the semiconductor testing apparatus, and (5) the semiconductor (6) coordinates of the semiconductor chip on the wafer; (7) number of tests; A semiconductor test result analyzer according to item 1-1 or 1-2. According to this semiconductor test result analysis apparatus, it is possible to estimate the degree of influence of various parameters on the test results of the semiconductor chip test process.
  • the second data indicates pass/fail for each category predetermined as the test result
  • the decision tree generating unit generates a decision tree for each category
  • the output unit outputs information about feature amounts with relatively high importance in the decision tree for each category
  • a semiconductor test result analyzer according to any one of items 1-1 to 1-3. According to this semiconductor test result analysis device, it is possible to present to the user items that have a large degree of influence on pass/fail for each category judged to be unacceptable.
  • the output unit outputs information based on the accuracy of classification by the decision tree together with information on the feature quantity having a relatively high degree of importance in the decision tree.
  • a semiconductor test result analyzer according to any one of items 1-1 to 1-4.
  • the first data items (which can be called "parameters") that have a large influence on the test results of a plurality of semiconductor chips are automatically estimated, and the burden of the user's test result analysis work is reduced. can be reduced. In addition, variations in cause estimation accuracy that depend on the user's skill can also be reduced.
  • [Item 1-7] a function of acquiring first data of a plurality of items related to a test process of a plurality of semiconductor chips; a function of acquiring second data indicating test results of the plurality of semiconductor chips in the test step; a function of generating a decision tree using each item of the first data as a feature amount and using the second data as a target value; A function of outputting information on feature quantities with relatively high importance in the decision tree as items having a large degree of influence on the test results; A computer program for realizing on a computer.
  • this computer program it is possible to realize a computer that automatically estimates first data items (which can also be called “parameters”) that have a large influence on the test results of a plurality of semiconductor chips, thereby reducing the burden on the user of analyzing the test results. can be reduced. In addition, variations in cause estimation accuracy that depend on the user's skill can also be reduced.
  • first data items which can also be called “parameters”
  • a graph generation unit that generates a graph image in which the corresponding values are connected by lines; with wherein the graph generation unit changes the mode of the lines for each group in the graph image according to the ratio of the semiconductor chips that failed the test result in each group;
  • Semiconductor test result analyzer When a semiconductor chip fails the test result, it is possible to support the analysis of the factor. For example, in a graph image, if the lines of the group with a high percentage of failed semiconductor chip test results concentrate on a specific value of a specific item, the test environment (condition) indicated by that value of that item can be said to be) is a factor that has a high degree of influence on rejection.
  • the first data includes (1) the pushing amount of the probe card with respect to the semiconductor chip, (2) jig ID, (3) operator ID in charge of the test, (4) ID of the semiconductor testing apparatus, and (5) the semiconductor (6) coordinates of the semiconductor chip on the wafer; (7) number of tests;
  • the semiconductor test result analysis device according to item 2-1. According to this semiconductor test result analysis apparatus, it is possible to present parameters that have a high degree of influence on rejection in an easy-to-understand manner from among various parameters relating to the semiconductor chip test process.
  • the second data indicates pass/fail for each category predetermined as the test result
  • the graph generation unit generates a graph image for each category
  • the graph generation unit changes the mode of the line for each group in the graph image of a certain category according to the percentage of semiconductor chips that failed the test result of the category in each group.
  • a semiconductor test result analyzer according to item 2-1 or 2-2. According to this semiconductor test result analysis device, it is possible to support the analysis of factors that cause the test results to fail for each category.
  • the semiconductor test result analysis device according to any one of items 2-1 to 2-3, further comprising: According to this semiconductor test result analysis device, it is possible to provide analysis result information that allows confirmation of the validity of items that have a large degree of influence on the test results derived from the decision tree by means of a graph image, or to provide the test results read from the graph image.
  • [Item 2-6] a step of obtaining first data of a plurality of items relating to a test process for a plurality of semiconductor chips; obtaining second data indicating test results of the plurality of semiconductor chips in the test step; In a region in which a plurality of items of the first data are arranged along one axis and a plurality of values of each item are arranged in a direction perpendicular to the axis, the plurality of items are covered for each group of semiconductor chips having the same test environment.
  • a step of generating a graph image in which the corresponding values are connected by lines is executed by the computer and The step of generating changes the form of lines for each group in the graph image according to the percentage of semiconductor chips that fail the test result in each group.
  • Semiconductor test result analysis method when a semiconductor chip fails the test result, analysis of the factor can be supported. For example, in the graph image, if the lines of the group with a high percentage of failed semiconductor chip test results concentrate on a specific value of a specific item, that item is the factor that has a high degree of influence on the failure.
  • [Item 2-7] a function of acquiring first data of a plurality of items related to a test process of a plurality of semiconductor chips; a function of acquiring second data indicating test results of the plurality of semiconductor chips in the test step; In a region in which a plurality of items of the first data are arranged along one axis and a plurality of values of each item are arranged in a direction perpendicular to the axis, the plurality of items are covered for each group of semiconductor chips having the same test environment.
  • a function to generate a graph image that connects the corresponding values with a line, is realized on a computer,
  • the generating function changes the form of the lines for each group in the graph image according to the percentage of semiconductor chips that failed the test result in each group.
  • computer program According to this computer program, it is possible to realize a computer that supports analysis of factors when a semiconductor chip fails a test result. For example, in the graph image, if the lines of the group with a high percentage of failed semiconductor chip test results concentrate on a specific value of a specific item, that item is the factor that has a high degree of influence on the failure. It can be estimated that
  • the technology of the present disclosure can be applied to devices that analyze test results of semiconductor chips.

Landscapes

  • Engineering & Computer Science (AREA)
  • Manufacturing & Machinery (AREA)
  • Computer Hardware Design (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Power Engineering (AREA)
  • Testing Or Measuring Of Semiconductors Or The Like (AREA)

Abstract

条件データ取得部３０は、複数の半導体チップの試験工程に関する複数項目の第１データ（条件データ）を取得する。試験結果取得部３２は、試験工程における複数の半導体チップの試験結果を示す第２データ（試験結果データ）を取得する。決定木生成部３４は、条件データの各項目を特徴量とし、試験結果データを目標値として決定木を生成する。分析結果出力部４０は、決定木において重要度が相対的に高い特徴量の情報を、試験結果への影響度合いが大きい項目として出力する。

Description

半導体試験結果分析装置、半導体試験結果分析方法およびコンピュータプログラム
　本開示は、半導体試験結果分析装置、半導体試験結果分析方法およびコンピュータプログラムに関する。
　半導体チップの試験工程において、試験環境（例えばプローブカードの不具合等）に起因して、正常なチップが不良品と判定される問題（以下「検査性不具合」とも呼ぶ。）が発生することがあった。従来、検査性不具合の発生が疑われる場合、半導体チップの試験工程に関する様々なデータを人が解析し、半導体チップが不良品と判定された原因を推定していた。
　特許文献１には、太陽電池セルの不良の有無を目的変数とし、太陽電池セルの製造時の複数種類の製造条件を複数種類の目的変数として決定木を作成し、作成した決定木と太陽電池セルの良否データの分類に用いた製造条件を含む、良否データの分類結果を表示する技術が開示されている。
特開２０２０－１２３２７４号公報
　これまで、半導体チップの試験工程に関する様々なデータを解析して、半導体チップが不良品と判定された原因を推定する解析者に大きな負担がかかっていた。上記特許文献１の技術は、半導体チップが不良品と判定された原因を推定する解析者の作業を十分に支援できるものではない。
　本開示は係る状況においてなされたものであり、その例示的な目的のひとつは、半導体チップが不良品と判定された原因の推定を支援する技術を提供することにある。
　上記課題を解決するために、本開示のある態様の半導体試験結果分析装置は、複数の半導体チップの試験工程に関する複数項目の第１データを取得する第１取得部と、試験工程における複数の半導体チップの試験結果を示す第２データを取得する第２取得部と、第１データの各項目を特徴量とし、第２データを目標値として決定木を生成する決定木生成部と、決定木において重要度が相対的に高い特徴量の情報を、試験結果への影響度合いが大きい項目として出力する出力部とを備える。
　本開示の別の態様は、半導体試験結果分析方法である。この方法は、複数の半導体チップの試験工程に関する複数項目の第１データを取得するステップと、試験工程における複数の半導体チップの試験結果を示す第２データを取得するステップと、第１データの各項目を特徴量とし、第２データを目標値として決定木を生成するステップと、決定木において重要度が相対的に高い特徴量の情報を、試験結果への影響度合いが大きい項目として出力するステップとをコンピュータが実行する。
　なお、以上の構成要素を任意に組み合わせたもの、構成要素や表現を、システム、プログラム、プログラムが格納された記録媒体などの間で相互に置換したものもまた、本開示の態様として有効である。
　本開示のある態様によれば、半導体チップが不良品と判定された原因の推定を支援できる。
実施例の分析システムの構成を示す図である。 図１の分析装置の機能ブロックを示すブロック図である。 分析装置の動作を示すフローチャートである。 フェイル要因分析画面の例を示す図である。 図４のグラフ画像の例を示す図である。
　実施例の概要を説明する。実施例の分析システムは、複数の半導体チップの試験工程に関する複数項目を特徴量とし、複数の半導体チップの試験結果を目標値として決定木を作成する。実施例の分析システムは、作成した決定木において重要度が相対的に高い特徴量の情報を、試験結果への影響度合いが大きい項目として解析者に提供する。また、実施例の分析システムは、決定木から導出された、試験結果への影響度合いが大きい項目の情報とともに、決定木の生成に用いた複数項目の特徴量と複数の半導体チップの試験結果との対応関係を描いたグラフ画像を解析者にさらに提供する。
　実施例の詳細を説明する。図１は、実施例の分析システム１０の構成を示す。分析システム１０は、データベースサーバ１１、試験結果記憶装置１２、ユーザ端末１４、分析装置１６を備える情報処理システムである。これらの装置は、ＬＡＮ・ＷＡＮ・インターネット等を含む通信網１８を介して接続される。
　データベースサーバ１１は、複数の半導体チップそれぞれの製造工程および試験工程に関する複数項目の第１データ（以下「条件データ」と呼ぶ。）を記憶する装置である。条件データは、値が離散値となる項目を含む。離散値は、量や大きさを表す数値ではない値を含む。値が離散値となる項目は、ＩＤ等の識別情報を含み、例えば、治具のＩＤやオペレータのＩＤ等を含む。
　具体的には、条件データは、（１）半導体チップに対するプローブカードの押し込み量、（２）治具のＩＤ、（３）試験を担当したオペレータのＩＤ、（４）半導体試験装置（テスタ）のＩＤ、（５）半導体チップのロットのＩＤ、（６）ウェハ上での半導体チップの座標、（７）試験回数のうち少なくとも１つを含む。実施例の条件データは、上記（１）～（７）の全ての項目を含む。治具は、例えば、プローブカードおよび／またはパフォーマンスボードを含む。なお、条件データは、上記７項目以外の項目を含んでもよい。また、上記７項目を含む複数の項目の中から分析に用いる項目をユーザが選択してもよい。
　試験結果記憶装置１２は、試験工程における半導体チップの試験結果を示す第２データ（以下「試験結果データ」と呼ぶ。）を記憶する。試験結果データは、例えば、複数の半導体チップのそれぞれについて、試験において良品（合格）と判定されたか不良品（不合格）と判定されたかを示すデータを含む。試験結果が不合格になることをフェイルとも呼ぶ。また、試験結果データは、試験結果として予め定められたカテゴリごとの合否を示すデータを含む。
　カテゴリは、特定の種類のフェイルが発生する区分と言え、ソフトビン（フェイルの種類）とも言える。例えば、カテゴリは、ソフトビン番号１、すなわち第１のフェイルが発生する区分、および、ソフトビン番号２、すなわち第２のフェイルが発生する区分を含んでもよい。また、試験結果データは、ハードビン（すなわち全体的な試験結果）、ソフトビン、フェイルした試験のＩＤのうち少なくとも１つを含んでもよい。
　ユーザ端末１４は、半導体チップが不良品と判定された原因の解析作業を行う解析者（以下「ユーザ」とも呼ぶ。）により操作される情報処理装置である。ユーザ端末１４は、ラップトップコンピュータ、タブレット端末、スマートフォンであってもよい。ユーザ端末１４は、ディスプレイを備え、または、外部のディスプレイに接続される。
　分析装置１６は、様々な条件データと試験結果データとを解析し、半導体チップが不良品と判定された原因の推定を支援する情報を生成する情報処理装置である。分析装置１６は、半導体試験結果分析装置とも言える。
　図２は、図１の分析装置１６の機能ブロックを示すブロック図である。本開示のブロック図において示される各ブロックは、ハードウェア的には、コンピュータのＣＰＵ・メモリをはじめとする素子や機械装置で実現でき、ソフトウェア的にはコンピュータプログラム等によって実現されるが、ここでは、それらの連携によって実現される機能ブロックを描いている。これらの機能ブロックはハードウェア、ソフトウェアの組合せによっていろいろなかたちで実現できることは、当業者には理解されるところである。
　分析装置１６は、データ処理部２０、記憶部２２、通信部２４を備える。データ処理部２０は、各種データ処理を実行する。記憶部２２は、データ処理部２０により参照または更新されるデータを記憶する。通信部２４は、所定の通信プロトコルにしたがって外部装置と通信する。データ処理部２０は、通信部２４を介して、データベースサーバ１１、試験結果記憶装置１２、ユーザ端末１４とデータを送受信する。
　データ処理部２０は、条件データ取得部３０、試験結果取得部３２、決定木生成部３４、推定部３６、グラフ生成部３８、分析結果出力部４０を備える。データ処理部２０が備える複数の機能ブロックの機能は、コンピュータプログラムに実装されてもよく、そのコンピュータプログラムは、分析装置１６のストレージにインストールされてもよい。分析装置１６のプロセッサ（ＣＰＵ等）は、そのコンピュータプログラムをメインメモリに読み出して実行することにより上記複数の機能ブロックの機能を発揮してもよい。
　条件データ取得部３０は、第１取得部として、データベースサーバ１１に記憶された条件データをデータベースサーバ１１から取得する。試験結果取得部３２は、第２取得部として、試験結果記憶装置１２に記憶された試験結果データを試験結果記憶装置１２から取得する。
　決定木生成部３４は、条件データ取得部３０により取得された条件データの各項目を特徴量とし、試験結果取得部３２により取得された試験結果データを目標値として決定木を生成する。推定部３６は、決定木生成部３４により生成された決定木において重要度が相対的に高い特徴量（すなわち条件データの項目）を推定する。
　グラフ生成部３８は、条件データ取得部３０により取得された条件データの複数項目を１つの軸に並べ、その軸に直交（略直交を含む）する方向に各項目の複数の値を並べた領域において、試験環境が同じ複数の半導体チップのグループごとに条件データの複数項目に亘って該当する値を線で結んだグラフ画像を生成する。グラフ生成部３８は、グラフ画像におけるグループごとの線の態様を、各グループにおいて試験結果が不合格になった半導体チップの割合に応じて変化させる。
　分析結果出力部４０は、推定部３６による推定結果、および、グラフ生成部３８により生成されたグラフ画像を含む分析結果画面（後述のフェイル要因分析画面）のデータをユーザ端末１４へ送信する。分析結果出力部４０は、分析結果画面において、推定部３６により推定された、決定木において重要度が相対的に高い特徴量の情報を、試験結果への影響度が大きい項目として設定する。
　以上の構成による分析システム１０の動作を説明する。
　複数の半導体チップそれぞれの製造工程および試験工程に関する条件データが、製造工程または試験工程を管理する装置（不図示）からデータベースサーバ１１に登録される。また、複数の半導体チップそれぞれの試験結果データが、半導体試験装置等（不図示）から試験結果記憶装置１２に登録される。
　図３は、分析装置１６の動作を示すフローチャートである。分析装置１６の条件データ取得部３０は、データベースサーバ１１から条件データを取得して記憶部２２に格納する（Ｓ１０）。分析装置１６の試験結果取得部３２は、試験結果記憶装置１２から試験データ（実績値）を取得して記憶部２２に格納する（Ｓ１２）。分析装置１６の決定木生成部３４は、決定木アルゴリズムに基づいた勾配ブースティング（Gradient Boosting）の機械学習フレームワークのライブラリを用いて、学習用の条件データと学習用の試験結果データに基づく勾配ブースティング決定木を生成する（Ｓ１４）。
　分析装置１６の推定部３６は、テスト用の条件データを決定木に入力して、試験結果の予測値を導出する（Ｓ１６）。推定部３６は、ＡＵＣ（Area Under the Curve）を用いて、試験結果の予測値と試験結果の実績値とに基づいて、決定木による分類の精度を導出する（Ｓ１８）。ＡＵＣのスコアが１に近いほど、分類の精度が高いことを示す。また、推定部３６は、ｆｅａｔｕｒｅ＿ｉｍｐｏｒｔａｎｃｅ関数を用いて、決定木における各特徴量（すなわち条件データの各項目）の重要度を導出する（Ｓ２０）。
　実施例の決定木生成部３４は、複数の半導体チップそれぞれの条件データとカテゴリごとの試験結果データとを用いて、カテゴリごとの決定木を生成する。言い換えれば、決定木生成部３４は、複数のカテゴリに対応する複数の決定木を生成する。推定部３６は、複数のカテゴリに対応する複数の決定木のそれぞれについて、分類の精度を導出し、さらに各特徴量の重要度を導出する。以下、決定木における分類の精度を示す情報と、各特徴量の重要度を示す情報を総称して決定木情報とも呼ぶ。推定部３６は、複数のカテゴリに対応する複数の決定木それぞれの決定木情報を記憶部２２に格納する（Ｓ２２）。
　分析装置１６のグラフ生成部３８は、複数の半導体チップそれぞれの条件データとカテゴリごとの試験結果データとを用いて、カテゴリごとのグラフ画像を生成する。言い換えれば、グラフ生成部３８は、複数のカテゴリに対応する複数のグラフ画像を生成する。グラフ生成部３８は、複数のグラフ画像を記憶部２２に格納する。
　ユーザ端末１４は、ユーザが指定したカテゴリの情報を含む分析要求データを分析装置１６へ送信する。分析結果出力部４０は、分析要求データを受け付けた場合に、記憶部２２に記憶された、分析要求データで指定されたカテゴリに対応する決定木情報とグラフ画像に基づいてフェイル要因分析画面のデータを生成する。分析結果出力部４０は、生成したフェイル要因分析画面のデータをユーザ端末１４へ送信する。ユーザ端末１４は、分析装置１６（分析結果出力部４０）から提供された分析結果画面をディスプレイに表示させる。
　なお、分析装置１６は、ウェブサーバの機能を備えてもよい。この場合、分析結果出力部４０は、分析要求データを含むＨＴＴＰリクエストへの応答として、分析結果画面のウェブページデータをユーザ端末１４へ送信してもよい。ユーザ端末１４のウェブブラウザは、分析結果画面のウェブページをディスプレイに表示させてもよい。
　図４は、フェイル要因分析画面７０の例を示す。分析結果出力部４０は、フェイル要因分析画面７０に、カテゴリ情報７２、精度情報７４、影響度情報７６、グラフ画像８０を設定する。分析結果出力部４０は、ユーザにより指定されたカテゴリ（以下「対象カテゴリ」とも呼ぶ。）の情報をカテゴリ情報７２として設定する。図４のカテゴリ情報７２は、フェイル要因分析画面７０がソフトビン番号２で識別されるカテゴリに関する内容であることを示している。
　分析結果出力部４０は、記憶部２２に記憶された対象カテゴリの決定木における分類の精度に基づく情報を精度情報７４として設定する。精度情報７４は、決定木における分類の精度の高低を示す情報とも言える。図４の精度情報７４は、決定木における分類の精度が高いこと、すなわち、ＡＵＣのスコアが１に近いことを示している。なお、分析結果出力部４０は、決定木における分類の精度の指標値を精度情報７４として設定してもよく、例えば、ＡＵＣのスコアを精度情報７４として設定してもよい。
　分析結果出力部４０は、記憶部２２に記憶された対象カテゴリの決定木において重要度が相対的に高い特徴量の情報を影響度情報７６として設定する。図４の影響度情報７６では、重要度の降順に上位５位の特徴量を示している。「ＰＲＯＢＥ＿ＣＡＲＤ」は、物理的なプローブカードの固有のＩＤであり、治具ＩＤとも言える。「ＴＥＳＴＥＲ＿ＩＤ」は、テスタのＩＤである。「ＬＯＴ」は、半導体チップのロットのＩＤである。「ＯＶＥＲＤＲＩＶＥ」は、プローブカードの押し込み量の設定値である。「ＰＲＯＧＲＡＭ＿ＶＥＲ」は、プログラム（例えば半導体試験プログラム）のバージョン番号である。
　このように、実施例の分析装置１６によると、複数の半導体チップの試験結果への影響度合いが大きい条件データの項目を自動で推定し、推定結果を示す影響度情報７６をユーザに提供する。これにより、ユーザによる試験結果の解析作業の負担を低減でき、また、ユーザのスキルに依存した不合格原因の推定精度のばらつきも低減できる。また、分析装置１６は、決定木の精度情報７４をさらに提供することで、ユーザが影響度情報７６の妥当性を判断することを支援できる。
　図５は、図４のグラフ画像８０の例を示す。グラフ画像８０の横軸には、条件データの複数の項目が設定される。図５のグラフ画像８０では、左から、ＬＯＴ（半導体チップのロットのＩＤ）、ＯＶＥＲＤＲＩＶＥ（プローブカードの押し込み量の設定値）、ＴＥＳＴＥＲ＿ＩＤ（テスタのＩＤ）、ＰＲＯＢＥ＿ＣＡＲＤ（プローブカードのＩＤ）、ＰＲＯＧＲＡＭ＿ＶＥＲ（プログラムのバージョン番号）が並べられている。グラフ画像８０の横軸に直交する縦方向には、条件データの各項目の値が並べられている。例えば、条件データＬＯＴでは、複数個のロット番号、例えば、「１３９７７」、「１３９４８」、「１４１３１」、・・・が縦に並べられている。
　グラフ生成部３８は、試験環境が同じ複数の半導体チップのグループを単位とする線（以下「グループ線」とも呼ぶ。）をグラフ画像８０に設定する。グラフ生成部３８は、半導体チップのグループごとに、条件データの複数項目に亘って該当する値を結ぶグループ線を設定する。実施例でのグループは、同じウェハ上の同じサイトの複数の半導体チップにより構成される。
　グラフ生成部３８は、各グループ線の態様を、各グループにおいて試験結果が不合格になった半導体チップの割合であり、具体的には対象カテゴリのフェイルが発生した半導体チップの割合に応じて変化させる。すなわち、グラフ生成部３８は、或るカテゴリのグラフ画像８０を生成する場合、各グループにおいて当該カテゴリの試験結果が不合格になった半導体チップの割合に応じて、各グループ線の態様を変化させる。グラフ生成部３８は、フェイルの割合が相対的に高いグループのグループ線（不良グループ線８２）を、フェイルの割合が相対的に低いグループのグループ線（正常グループ線８４）より視認性を高めた態様に設定する。視認性を高めた態様は、例えば、目立つ色彩を設定することでもよく、線幅を太くすることでもよい。
　実施例では、グラフ生成部３８は、フェイルの割合に応じて、グループ線の色を変化させる。グラフ生成部３８は、対象カテゴリのフェイルが発生した半導体チップの割合が高くなるほど、グループ線の赤色の成分を強め、濃い赤色に設定する。例えば、不良グループ線８２は、濃い赤色のグループ線である。一方、グラフ生成部３８は、対象カテゴリのフェイルが発生した半導体チップの割合が低くなるほど、グループ線の赤色の成分を弱め、白色に近づける。例えば、正常グループ線８４は、白色のグループ線である。
　なお、グラフ生成部３８は、特定の条件データの特定の値の場所（例えば条件データＰＲＯＢＥ＿ＣＡＲＤの「ＰＣ０３」の領域）に複数のグループ線を配置する場合、対象カテゴリのフェイルの発生割合の大きさ順に複数のグループ線を並べる。実施例のグラフ生成部３８は、対象カテゴリのフェイルの発生割合が高いグループのグループ線（すなわち赤色の成分が強いグループ線）ほど上位置に配置する。
　実施例の分析装置１６によると、グラフ画像８０を提供することにより、ユーザによる不合格原因の推定を支援できる。例えば、グラフ画像８０において特定の条件データの特定の値の場所に赤色のグループ線が集中している場合、その項目のその値が示す試験環境（条件とも言える）が、不合格に対する影響度合いが高い要因と推定できる。例えば、図５のグラフ画像８０では、項目ＬＯＴの「１３９７７」と「１３９４８」、項目ＯＶＥＲＤＲＩＶＥの「０．００００６」、項目ＰＲＯＢＥ＿ＣＡＲＤの「ＰＣ０１」が、不合格に対する影響度合いが高い要因と推定できる。
　また、分析装置１６は、影響度情報７６とグラフ画像８０の両方を含むフェイル要因分析画面７０を提供する。これにより、決定木から導出された影響度情報７６の妥当性をグラフ画像８０により確認可能にできる。また逆に、グラフ画像８０から読み取られる試験結果への影響度合いが大きい項目の妥当性を影響度情報７６により確認可能にできる。
　フェイル要因分析画面７０において、ユーザは、所望の対象カテゴリを選択可能である。ユーザが対象カテゴリを変更すると、ユーザ端末１４は、変更後の対象カテゴリを指定する分析要求データを分析装置１６へ送信する。分析装置１６の分析結果出力部４０は、記憶部２２に記憶された、変更後の対象カテゴリに関連付けられた決定木情報とグラフ画像とに基づいて、新たなフェイル要因分析画面７０を生成し、新たなフェイル要因分析画面７０をユーザ端末１４に提供する。
　なお、対象カテゴリは、自動で決定されてもよい。例えば、過去数十ロットの試験結果におけるカテゴリごとの発生率（不合格率）に基づいて対象カテゴリが決定されてもよく、また、不合格率が相対的に高いカテゴリが対象カテゴリとして選択されてもよい。また、カテゴリごとの発生率（不合格率）に基づく、標準偏差を用いた外れ値判定により対象カテゴリが決定されてもよい。
　また、フェイル要因分析画面７０において、ユーザは、グラフ画像８０の横軸に並べる条件データの項目を選択可能である。ユーザ端末１４は、ユーザが設定または変更した表示対象の条件データの項目を指定する分析要求データを分析装置１６へ送信する。分析装置１６のグラフ生成部３８は、分析要求データで指定された表示対象の条件データの項目を横軸に並べたグラフ画像８０を生成する。分析装置１６の分析結果出力部４０は、推定部３６により生成されたグラフ画像８０を含むフェイル要因分析画面７０をユーザ端末１４に提供する。
　以上、本開示を実施例をもとに説明した。この実施例は例示であり、実施例の各構成要素あるいは各処理プロセスの組合せにいろいろな変形例が可能なこと、またそうした変形例も本開示の範囲にあることは当業者に理解されるところである。
　変形例を説明する。分析装置１６のグラフ生成部３８は、或るカテゴリのグラフ画像８０に設定する条件データの項目として、当該カテゴリの決定木において重要度が相対的に高い特徴量に対応する項目を自動で設定してもよい。例えば、グラフ生成部３８は、決定木における重要度が所定順位内（例えば上位５位まで）の条件データの項目をグラフ画像８０の横軸に設定してもよい。これにより、決定木から導出された影響度情報７６の妥当性を効率的に確認可能なグラフ画像８０を自動で提供できる。
　別の変形例を説明する。分析装置１６のグラフ生成部３８は、試験結果が不合格になった半導体チップの割合が所定の閾値以上のグループに対応するグループ線を、試験結果が不合格になった半導体チップの割合が上記閾値未満のグループに対応するグループ線とは異なる態様に設定したグラフ画像８０を生成してもよい。グラフ生成部３８は、前者のグループ線を、後者のグループ線より視認性が高い態様に設定してもよい。例えば、前者のグループ線を赤色、後者のグループ線を白色に設定してもよい。また、前者のグループ線を太線、後者のグループ線を細線に設定してもよい。上記の閾値は、開発者の知見や分析システム１０を用いた実験に基づいて適切な値に設定されてよい。
　さらに別の変形例を説明する。上記実施例の推定部３６は、ｆｅａｔｕｒｅ＿ｉｍｐｏｒｔａｎｃｅ関数を用いて、決定木における各特徴量の重要度を推定した。変形例として、推定部３６は、他の関数や手法を用いて、決定木における各特徴量の重要度を推定してもよい。例えば、推定部３６は、ｐｅｒｍｕｔａｔｉｏｎ　ｉｍｐｏｒｔａｎｃｅ関数を用いて、決定木における各特徴量の重要度を導出してもよい。
　さらに別の変形例を説明する。上記実施例において分析装置１６が備えた複数の機能ブロックは、複数の情報処理装置（クラウドサービスを含んでもよい）に分散して実装されてもよい。この場合、複数の情報処理装置がシステムとして連携することにより、上記実施例における分析装置１６の処理と同様の処理が実現されてもよい。
　上述した実施例および変形例の任意の組み合わせもまた本開示の実施の形態として有用である。組み合わせによって生じる新たな実施の形態は、組み合わされる実施例および変形例それぞれの効果をあわせもつ。また、請求項に記載の各構成要件が果たすべき機能は、実施例および変形例において示された各構成要素の単体もしくはそれらの連携によって実現されることも当業者には理解されるところである。
　実施例および変形例に記載の技術は、以下の各項目に記載の態様によって特定されてもよい。
［項目１－１］
　複数の半導体チップの試験工程に関する複数項目の第１データを取得する第１取得部と、
　前記試験工程における前記複数の半導体チップの試験結果を示す第２データを取得する第２取得部と、
　前記第１データの各項目を特徴量とし、前記第２データを目標値として決定木を生成する決定木生成部と、
　前記決定木において重要度が相対的に高い特徴量の情報を、前記試験結果への影響度合いが大きい項目として出力する出力部と、
　を備える半導体試験結果分析装置。
　この半導体試験結果分析装置によると、複数の半導体チップの試験結果への影響度合いが大きい第１データの項目（「パラメータ」とも言える）を自動で推定し、ユーザによる試験結果の解析作業の負担を低減できる。また、ユーザのスキルに依存した不合格原因の推定精度のばらつきも低減できる。
［項目１－２］
　前記第１データは、値が離散値となる項目を含む、
　項目１－１に記載の半導体試験結果分析装置。
　この半導体試験結果分析装置によると、決定木を使用するため、第１データの項目に離散値が含まれる場合も、試験結果への影響度合いが大きい項目を精度よく推定できる。
［項目１－３］
　前記第１データは、（１）前記半導体チップに対するプローブカードの押し込み量、（２）治具ＩＤ、（３）試験を担当したオペレータＩＤ、（４）半導体試験装置のＩＤ、（５）前記半導体チップのロットＩＤ、（６）ウェハ上での前記半導体チップの座標、（７）試験回数のうち少なくとも１つを含む、
　項目１－１または１－２に記載の半導体試験結果分析装置。
　この半導体試験結果分析装置によると、半導体チップの試験工程に関する様々なパラメータの試験結果への影響度合いを推定できる。
［項目１－４］
　前記第２データは、前記試験結果として予め定められたカテゴリごとの合否を示すものであり、
　前記決定木生成部は、前記カテゴリごとの決定木を生成し、
　前記出力部は、前記カテゴリごとの決定木において重要度が相対的に高い特徴量の情報を出力する、
　項目１－１から１－３のいずれかに記載の半導体試験結果分析装置。
　この半導体試験結果分析装置によると、不合格と判断されたカテゴリごとに合否に対する影響度合いが大きい項目をユーザに提示できる。
［項目１－５］
　前記出力部は、前記決定木において重要度が相対的に高い特徴量の情報とともに、前記決定木による分類の精度に基づく情報を出力する、
　項目１－１から１－４のいずれかに記載の半導体試験結果分析装置。
　この半導体試験結果分析装置によると、試験結果への影響度合いが大きい項目として提示した内容の妥当性をユーザに分かり易く提示できる。
［項目１－６］
　複数の半導体チップの試験工程に関する複数項目の第１データを取得するステップと、
　前記試験工程における前記複数の半導体チップの試験結果を示す第２データを取得するステップと、
　前記第１データの各項目を特徴量とし、前記第２データを目標値として決定木を生成するステップと、
　前記決定木において重要度が相対的に高い特徴量の情報を、前記試験結果への影響度合いが大きい項目として出力するステップと、
　をコンピュータが実行する半導体試験結果分析方法。
　この半導体試験結果分析方法によると、複数の半導体チップの試験結果への影響度合いが大きい第１データの項目（「パラメータ」とも言える）を自動で推定し、ユーザによる試験結果の解析作業の負担を低減できる。また、ユーザのスキルに依存した原因推定精度のばらつきも低減できる。
［項目１－７］
　複数の半導体チップの試験工程に関する複数項目の第１データを取得する機能と、
　前記試験工程における前記複数の半導体チップの試験結果を示す第２データを取得する機能と、
　前記第１データの各項目を特徴量とし、前記第２データを目標値として決定木を生成する機能と、
　前記決定木において重要度が相対的に高い特徴量の情報を、前記試験結果への影響度合いが大きい項目として出力する機能と、
　をコンピュータに実現させるためのコンピュータプログラム。
　このコンピュータプログラムによると、複数の半導体チップの試験結果への影響度合いが大きい第１データの項目（「パラメータ」とも言える）を自動で推定するコンピュータを実現でき、ユーザによる試験結果の解析作業の負担を低減できる。また、ユーザのスキルに依存した原因推定精度のばらつきも低減できる。
［項目２－１］
　複数の半導体チップの試験工程に関する複数項目の第１データを取得する第１取得部と、
　前記試験工程における前記複数の半導体チップの試験結果を示す第２データを取得する第２取得部と、
　前記第１データの複数項目を１つの軸に並べ、前記軸に直交する方向に各項目の複数の値を並べた領域において、試験環境が同じ複数の半導体チップのグループごとに前記複数項目に亘って該当する値を線で結んだグラフ画像を生成するグラフ生成部と、
　を備え、
　前記グラフ生成部は、前記グラフ画像におけるグループごとの線の態様を、各グループにおいて前記試験結果が不合格になった半導体チップの割合に応じて変化させる、
　半導体試験結果分析装置。
　この半導体試験結果分析装置によると、試験結果が不合格の半導体チップが生じた場合に、その要因の分析を支援できる。例えば、グラフ画像において、半導体チップの試験結果が不合格になった割合が高いグループの線が、特定の項目の特定の値に集中している場合、その項目のその値が示す試験環境（条件とも言える）が、不合格に対する影響度合いが高い要因であると推定できる。
［項目２－２］
　前記第１データは、（１）前記半導体チップに対するプローブカードの押し込み量、（２）治具ＩＤ、（３）試験を担当したオペレータＩＤ、（４）半導体試験装置のＩＤ、（５）前記半導体チップのロットＩＤ、（６）ウェハ上での前記半導体チップの座標、（７）試験回数のうち少なくとも１つを含む、
　項目２－１に記載の半導体試験結果分析装置。
　この半導体試験結果分析装置によると、半導体チップの試験工程に関する様々なパラメータの中から、不合格に対する影響度合いが高いパラメータを分かり易く提示できる。
［項目２－３］
　前記第２データは、前記試験結果として予め定められたカテゴリごとの合否を示すものであり、
　前記グラフ生成部は、カテゴリごとのグラフ画像を生成し、
　前記グラフ生成部は、或るカテゴリのグラフ画像におけるグループごとの線の態様を、各グループにおいて当該カテゴリの試験結果が不合格になった半導体チップの割合に応じて変化させる、
　項目２－１または２－２に記載の半導体試験結果分析装置。
　この半導体試験結果分析装置によると、カテゴリごとに試験結果が不合格となった要因の分析を支援できる。
［項目２－４］
　前記第１データの各項目を特徴量とし、前記第２データを目標値として決定木を生成する決定木生成部と、
　前記グラフ画像とともに、前記決定木において重要度が相対的に高い特徴量の情報を、前記試験結果への影響度合いが大きい項目として表示させる出力部と、
　をさらに備える項目２－１から２－３のいずれかに記載の半導体試験結果分析装置。
　この半導体試験結果分析装置によると、決定木から導出された試験結果への影響度合いが大きい項目の妥当性をグラフ画像により確認可能な分析結果情報を提供でき、または、グラフ画像から読み取った試験結果への影響度合いが大きい項目の妥当性を決定木から導出された情報により確認可能な分析結果情報を提供できる。
［項目２－５］
　前記グラフ生成部は、前記グラフ画像に設定する前記第１データの項目として、前記決定木において重要度が相対的に高い特徴量に対応する項目を自動で設定する、
　項目２－４に記載の半導体試験結果分析装置。
　この半導体試験結果分析装置によると、決定木から導出された試験結果への影響度合いが大きい項目の妥当性を効率的に確認可能なグラフ画像を自動的に生成できる。
［項目２－６］
　複数の半導体チップの試験工程に関する複数項目の第１データを取得するステップと、
　前記試験工程における前記複数の半導体チップの試験結果を示す第２データを取得するステップと、
　前記第１データの複数項目を１つの軸に並べ、前記軸に直交する方向に各項目の複数の値を並べた領域において、試験環境が同じ複数の半導体チップのグループごとに前記複数項目に亘って該当する値を線で結んだグラフ画像を生成するステップと、
　をコンピュータが実行し、
　前記生成するステップは、前記グラフ画像におけるグループごとの線の態様を、各グループにおいて前記試験結果が不合格になった半導体チップの割合に応じて変化させる、
　半導体試験結果分析方法。
　この半導体試験結果分析方法によると、試験結果が不合格の半導体チップが生じた場合に、その要因の分析を支援できる。例えば、グラフ画像において、半導体チップの試験結果が不合格になった割合が高いグループの線が、特定の項目の特定の値に集中している場合、その項目が不合格に対する影響度合いが高い要因であると推定できる。
［項目２－７］
　複数の半導体チップの試験工程に関する複数項目の第１データを取得する機能と、
　前記試験工程における前記複数の半導体チップの試験結果を示す第２データを取得する機能と、
　前記第１データの複数項目を１つの軸に並べ、前記軸に直交する方向に各項目の複数の値を並べた領域において、試験環境が同じ複数の半導体チップのグループごとに前記複数項目に亘って該当する値を線で結んだグラフ画像を生成する機能と、
　をコンピュータに実現させ、
　前記生成する機能は、前記グラフ画像におけるグループごとの線の態様を、各グループにおいて前記試験結果が不合格になった半導体チップの割合に応じて変化させる、
　コンピュータプログラム。
　このコンピュータプログラムによると、試験結果が不合格の半導体チップが生じた場合に、その要因の分析を支援するコンピュータを実現できる。例えば、グラフ画像において、半導体チップの試験結果が不合格になった割合が高いグループの線が、特定の項目の特定の値に集中している場合、その項目が不合格に対する影響度合いが高い要因であると推定できる。
　本開示の技術は、半導体チップの試験結果を分析する装置に適用することができる。
　１０　分析システム、　１６　分析装置、　３０　条件データ取得部、　３２　試験結果取得部、　３４　決定木生成部、　３８　グラフ生成部、　４０　分析結果出力部。

Claims (7)

  1. 　複数の半導体チップの試験工程に関する複数項目の第１データを取得する第１取得部と、
    　前記試験工程における前記複数の半導体チップの試験結果を示す第２データを取得する第２取得部と、
    　前記第１データの各項目を特徴量とし、前記第２データを目標値として決定木を生成する決定木生成部と、
    　前記決定木において重要度が相対的に高い特徴量の情報を、前記試験結果への影響度合いが大きい項目として出力する出力部と、
    　を備える半導体試験結果分析装置。
  2. 　前記第１データは、値が離散値となる項目を含む、
    　請求項１に記載の半導体試験結果分析装置。
  3. 　前記第１データは、（１）前記半導体チップに対するプローブカードの押し込み量、（２）治具ＩＤ、（３）試験を担当したオペレータＩＤ、（４）半導体試験装置のＩＤ、（５）前記半導体チップのロットＩＤ、（６）ウェハ上での前記半導体チップの座標、（７）試験回数のうち少なくとも１つを含む、
    　請求項１または２に記載の半導体試験結果分析装置。
  4. 　前記第２データは、前記試験結果として予め定められたカテゴリごとの合否を示すものであり、
    　前記決定木生成部は、前記カテゴリごとの決定木を生成し、
    　前記出力部は、前記カテゴリごとの決定木において重要度が相対的に高い特徴量の情報を出力する、
    　請求項１から３のいずれかに記載の半導体試験結果分析装置。
  5. 　前記出力部は、前記決定木において重要度が相対的に高い特徴量の情報とともに、前記決定木による分類の精度に基づく情報を出力する、
    　請求項１から４のいずれかに記載の半導体試験結果分析装置。
  6. 　複数の半導体チップの試験工程に関する複数項目の第１データを取得するステップと、
    　前記試験工程における前記複数の半導体チップの試験結果を示す第２データを取得するステップと、
    　前記第１データの各項目を特徴量とし、前記第２データを目標値として決定木を生成するステップと、
    　前記決定木において重要度が相対的に高い特徴量の情報を、前記試験結果への影響度合いが大きい項目として出力するステップと、
    　をコンピュータが実行する半導体試験結果分析方法。
  7. 　複数の半導体チップの試験工程に関する複数項目の第１データを取得する機能と、
    　前記試験工程における前記複数の半導体チップの試験結果を示す第２データを取得する機能と、
    　前記第１データの各項目を特徴量とし、前記第２データを目標値として決定木を生成する機能と、
    　前記決定木において重要度が相対的に高い特徴量の情報を、前記試験結果への影響度合いが大きい項目として出力する機能と、
    　をコンピュータに実現させるためのコンピュータプログラム。
PCT/JP2022/008767 2022-03-02 2022-03-02 半導体試験結果分析装置、半導体試験結果分析方法およびコンピュータプログラム WO2023166584A1 (ja)

Priority Applications (2)

Application Number Priority Date Filing Date Title
PCT/JP2022/008767 WO2023166584A1 (ja) 2022-03-02 2022-03-02 半導体試験結果分析装置、半導体試験結果分析方法およびコンピュータプログラム
TW111146716A TWI833489B (zh) 2022-03-02 2022-12-06 半導體試驗結果分析裝置、半導體試驗結果分析方法及電腦程式

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2022/008767 WO2023166584A1 (ja) 2022-03-02 2022-03-02 半導体試験結果分析装置、半導体試験結果分析方法およびコンピュータプログラム

Publications (1)

Publication Number Publication Date
WO2023166584A1 true WO2023166584A1 (ja) 2023-09-07

Family

ID=87883238

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2022/008767 WO2023166584A1 (ja) 2022-03-02 2022-03-02 半導体試験結果分析装置、半導体試験結果分析方法およびコンピュータプログラム

Country Status (2)

Country Link
TW (1) TWI833489B (ja)
WO (1) WO2023166584A1 (ja)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004012422A (ja) * 2002-06-11 2004-01-15 Dainippon Screen Mfg Co Ltd パターン検査装置、パターン検査方法およびプログラム
JP2004047939A (ja) * 2002-05-23 2004-02-12 Hitachi High-Technologies Corp 欠陥分類器の生成方法および欠陥自動分類方法
JP2017502500A (ja) * 2013-11-03 2017-01-19 ケーエルエー−テンカー コーポレイション 欠陥を分類するための方法およびウエハ検査ツール
US20190155164A1 (en) * 2017-11-20 2019-05-23 Taiwan Semiconductor Manufacturing Co., Ltd. Defect inspection method and defect inspection system
JP2020077033A (ja) * 2018-11-05 2020-05-21 日本電気株式会社 解析装置および解析方法
JP2020123274A (ja) 2019-01-31 2020-08-13 株式会社カネカ 不良要因分析方法、不良要因分析装置及びコンピュータプログラム
JP2020190956A (ja) * 2019-05-22 2020-11-26 株式会社東芝 製造条件出力装置、品質管理システム及びプログラム

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TW574743B (en) * 2002-09-02 2004-02-01 Semiconductor Mfg Int Shanghai Building-in-reliability diagnosis system for semiconductor manufacturing
US20130275357A1 (en) * 2012-04-11 2013-10-17 Henry Arnold Algorithm and structure for creation, definition, and execution of an spc rule decision tree
US9448276B2 (en) * 2012-04-11 2016-09-20 Advantest Corporation Creation and scheduling of a decision and execution tree of a test cell controller

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004047939A (ja) * 2002-05-23 2004-02-12 Hitachi High-Technologies Corp 欠陥分類器の生成方法および欠陥自動分類方法
JP2004012422A (ja) * 2002-06-11 2004-01-15 Dainippon Screen Mfg Co Ltd パターン検査装置、パターン検査方法およびプログラム
JP2017502500A (ja) * 2013-11-03 2017-01-19 ケーエルエー−テンカー コーポレイション 欠陥を分類するための方法およびウエハ検査ツール
US20190155164A1 (en) * 2017-11-20 2019-05-23 Taiwan Semiconductor Manufacturing Co., Ltd. Defect inspection method and defect inspection system
JP2020077033A (ja) * 2018-11-05 2020-05-21 日本電気株式会社 解析装置および解析方法
JP2020123274A (ja) 2019-01-31 2020-08-13 株式会社カネカ 不良要因分析方法、不良要因分析装置及びコンピュータプログラム
JP2020190956A (ja) * 2019-05-22 2020-11-26 株式会社東芝 製造条件出力装置、品質管理システム及びプログラム

Also Published As

Publication number Publication date
TW202336546A (zh) 2023-09-16
TWI833489B (zh) 2024-02-21

Similar Documents

Publication Publication Date Title
US8606536B2 (en) Methods and apparatus for hybrid outlier detection
US9038030B2 (en) Methods for predicting one or more defects in a computer program and devices thereof
US5777901A (en) Method and system for automated die yield prediction in semiconductor manufacturing
US20130226491A1 (en) Methods and apparatus for hybrid outlier detection
US7904279B2 (en) Methods and apparatus for data analysis
JP2005507557A (ja) 半導体テストのための方法および装置
US20050110806A1 (en) Testing using policy-based processing of test results
CN112650676A (zh) 软件测试方法、装置、设备及存储介质
CN111444051A (zh) 一种产品的整机产测方法及系统
CN110032505A (zh) 软件质量确定装置、软件质量确定方法和软件质量确定程序
US10656204B2 (en) Failure detection for wire bonding in semiconductors
CN112882957B (zh) 一种测试任务有效性检查方法和装置
US20080189582A1 (en) Analysis techniques for multi-level memory
WO2023166584A1 (ja) 半導体試験結果分析装置、半導体試験結果分析方法およびコンピュータプログラム
WO2023166585A1 (ja) 半導体試験結果分析装置、半導体試験結果分析方法およびコンピュータプログラム
US7668680B2 (en) Operational qualification by independent reanalysis of data reduction patch
US20120316803A1 (en) Semiconductor test data analysis system
CN113793049B (zh) 产品生产过程中的不良根因定位方法、装置、设备及介质
CN109815134A (zh) 结合数据库自动分析软件测试结果的方法、装置和系统
US20220215210A1 (en) Information processing apparatus, non-transitory computer-readable storage medium, and information processing method
US20050114058A1 (en) Method for analyzing inspected data, apparatus and its program
CN117573525B (zh) 收银机测试方法、装置、收银机及存储介质
CN109783263A (zh) 一种服务器老化测试故障的处理方法和系统
WO2021131108A1 (ja) 品質推定装置および方法
US20230290692A1 (en) Chip grading method and packaging method, and chip grading system and packaging system

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 22929732

Country of ref document: EP

Kind code of ref document: A1

WWE Wipo information: entry into national phase

Ref document number: 2022929732

Country of ref document: EP

ENP Entry into the national phase

Ref document number: 2022929732

Country of ref document: EP

Effective date: 20241002