【技术实现步骤摘要】
晶圆缺陷数据的聚类方法及装置
[0001]本专利技术涉及半导体
，尤其涉及晶圆缺陷数据的聚类方法及装置。
技术介绍
[0002]半导体制造过程包含薄膜沉积、蚀刻、抛光等多项复杂的制作步骤，制造过程中工序的异常会导致晶圆缺陷的产生。制作完成后，对晶圆切割下的每颗芯片做测试来确认其是否能正常运作即可得到晶圆图(Wafer Bin Map)。对晶圆图的缺陷模式进行识别分析，可有效辅助识别制造过程中的缺陷根源,从而提升晶圆制造的产品质量。给定一个晶圆图，它的缺陷模式是不会变的。所以无论算法运行多少次，所得到的结果是一致的。随着计芯片序列方法的不同，芯片坐标数据的布置顺序也会不同，芯片坐标数据布置的顺序又对算法的结果起到很重要的结果。因为晶圆图是圆形的，所以很多的时候都旋转晶圆图来分析问题。但是，目前的聚类算法的聚类结果随着数据布置顺序以及晶圆图旋转而改变。
技术实现思路
[0003]本专利技术提供了一种晶圆缺陷数据的聚类方法、装置、计算机可读存储介质及电子设备，在无需指定聚类个数的前提下，可检测离群数据点以及任...
【技术保护点】
【技术特征摘要】
1.一种晶圆缺陷数据的聚类方法，其特征在于，包括：提取获取的待检测晶圆图中的晶圆缺陷对应的缺陷数据点；在不指定聚类个数的前提下，对多个所述缺陷数据点进行聚类，以确定至少一个聚类簇以及至少一个离群数据点，所述聚类簇由至少一个第一数据点或者由至少一个第一数据点和至少一个第二数据点形成，所述第一数据点为圆心所形成的圆形区域内的数据点个数不小于2，所述第二数据点为圆心所形成的圆形区域内的数据点个数为1，所述第一数据点为圆心所形成的圆形区域和所述第二数据点为圆心所形成的圆形区域的半径相同，所述聚类簇中任意两个相邻数据点之间的距离不大于所述圆形区域的半径。2.根据权利要求1所述的方法，其特征在于，所述对多个所述缺陷数据点进行聚类，以确定至少一个聚类簇以及至少一个离群数据点，包括：基于密度阈值为2的密度聚类算法，对多个所述缺陷数据点进行聚类，以确定至少一个聚类簇以及至少一个离群数据点。3.根据权利要求2所述的方法，其特征在于，所述密度聚类算法包括DBSCAN算法、HDBSCAN算法、OPTICS算法以及AnyDBC算法中的任意一种。4.根据权利要求3所述的方法，其特征在于，所述DBSCAN算法、OPTICS算法或AnyDBC算法中的邻域距离阈值大于0，所述第一数据点为圆心所形成的圆形区域的半径等于所述邻域距离阈值。5.根据权利要求3所述的方法，其特征在于，所述密度聚类算法包括HDBSCAN算法时，所述基于密度阈值为2的密度聚类算法，对多个所述缺陷数据点进行聚类，以确定至少一个聚类簇以及至少一个离群数据点，包括：基于密度阈值为2的HDBSCAN算法，对多个所述缺陷数据点进行聚类，以确定聚类树，所述聚类树基于对多个所述缺陷数据点对应的最小生成树的层次结构进行压缩形成；在所述聚类树画出第一预设阈值对应的第一水平线，确定和所述第一水平线相交的边所连接的至少一个缺陷数据点形成的第一数据点集；当所述第一数据点集中的缺陷数据点只有一个时，将所述第一数据点集中的缺陷数据点确定为离群数据点，否则，将所述第一数据点集确定为聚类簇。6.根据权利要求3所述的方法，其特征在于，所述密度聚类算法包括AnyDBC算法时，所述基于密度阈值为2的密度聚类算法，对多个所述缺陷数据点进行聚类，以确定至少一个聚类簇以及至少一个离群数据点，包括：A1、设置密度阈值以及邻域距离阈值，从多个所述缺陷数据点中随机确定至少一个第一待处理数据点，所述密度阈值为2，所述邻域距离阈值大于0；A2、根据所述密度阈值以及邻域距离阈值，对各个所述第一待处理数据点执行范围查询，确定至少一个群集以及所述群集对应的至少一个未处理数据点，所述群集包括密度连接的缺陷数据点分别对应的邻域数据集，所述群集中的每个缺陷数据点分别携带处理属性标签，所述处理属性标签用于指示其对应的缺陷数据点的处理状态以及对象属性；A3、确定每个所述群集分别对应的参考数...
【专利技术属性】
技术研发人员：金成浩，
申请(专利权)人：新智数字科技有限公司，
类型：发明
国别省市：
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。