【技术实现步骤摘要】
半导体数据分析方法、系统及计算机可读存储介质
本申请涉及半导体
，尤其涉及一种半导体数据分析方法、系统及计算机可读存储介质。
技术介绍
半导体生产过程中会产生各种类型的数据，例如线上量测数据（inline）、电性测试数据（WAT）、机台传感数据（FDC/ED）等。当这些数据出现异常时，可能会导致良率降低，芯片报废等情况。根据问题数据寻找根本原因（rootcause）判定问题工艺，对于提高良率、降低生产成本至关重要。目前，存在以下两种方案来实现良率影响因素的查找。第一种，工程师利用传统的统计方法，比如相关分析法（计算相关系数R（regression）方），对参数按照R方排序，画出匹配时序图验证，人眼识别两参数趋势图是否匹配。然而这种方案中，分析较为死板、分析效率较低、需人为参与，分析精度较低。第二种，机台监控系统接收机台传感器数据，对机台传感器数据设置预警，当超过预设阈值spec机台报警。这种方案中仅对在spec范围状态内的机台传感器数据进行监控，未综合考虑整体机台传感器数据对机台状态的影响。专利...
【技术保护点】
1.一种半导体数据分析方法，其特征在于，包括：/n获取预设时段的半导体数据；/n调用数据分析模型按照时间序列对所述预设时段的半导体数据进行趋势图匹配，得到良率影响因素。/n
【技术特征摘要】
1.一种半导体数据分析方法，其特征在于，包括：
获取预设时段的半导体数据；
调用数据分析模型按照时间序列对所述预设时段的半导体数据进行趋势图匹配，得到良率影响因素。
2.根据权利要求1所述的半导体数据分析方法，其特征在于，所述半导体数据包括至少两种传统数据，所述数据分析模型包括趋势性匹配M-K算法，所述调用数据分析模型按照时间序列对所述预设时段的半导体数据进行趋势图匹配，得到良率影响因素包括：
调用M-K算法按照时间序列对所述至少两种传统数据中的任意两种传统数据进行趋势图匹配，得到所述任意两种传统数据的匹配度；
根据所述任意两种传统数据的匹配度，确定所述任意两种传统数据是否为相互影响的良率影响因素。
3.根据权利要求1所述的半导体数据分析方法，其特征在于，所述半导体数据包括机台的单个传感器数据，所述数据分析模型包括动态时间规则匹配DTW算法和趋势性匹配M-K算法，所述调用数据分析模型按照时间序列对所述预设时段的半导体数据进行趋势图匹配，得到良率影响因素包括：
调用DTW算法对所述机台的单个传感器数据下的多个运行run数据进行相似度计算，得到所述单个传感器数据的任意两个run数据之间的DTW距离，所述run数据是指所述单个传感器的多批次运行数据；
调用M-K算法按照时间序列将所述任意两个run数据之间的DTW距离与预存的基础baseline数据进行比较，选出DTW距离与baseline数据之差大于第一预设阈值的目标run数据，所述第一预设阈值为系统自定义设置的阈值；
将所述目标run数据作为影响所述单个传感器数据的良率影响因素。
4.根据权利要求1所述的半导体数据分析方法，其特征在于，所述半导体数据包括机台的多个传感器数据，所述数据分析模型包括主成分算法和动态时间规则匹配DTW算法，所述调用数据分析模型按照时间序列对所述预设时段的半导体数据进行趋势图匹配，得到良率影响因素包括：
调用主成分算法对所述机台的多个传感器数据进行主成分分析，得到所述机台的关键传感数据；
调用DTW算法对所述机台的每个关键传感数据下的多个run数据进行相似度及平均计算，得到所述每个关键传感数据的DTW距离；
根据所述每个关键传感数据的DTW距离，确定所述预设时段内影响所述多个传感器数据的良率影响因素。
5.根据权利要求4所述的半导体数据分析方法，其特征在于，所述方法还包括：
根据所述每个关键传感数据的DTW距离，在所述预设时段内预测所述机台的保养时间。
6.一...
【专利技术属性】
技术研发人员：孙姗姗，祖文秀，
申请(专利权)人：晶芯成北京科技有限公司，
类型：发明
国别省市：北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。