半导体器件失效时刻预测方法、装置、设备及介质制造方法及图纸

本公开实施例公开了一种半导体器件失效时刻预测方法、装置、设备及介质。本公开实施例提供的半导体器件失效时刻预测方法，包括：获取所述半导体器件的静态参数的第一阶段测试数据，其中，所述测试数据为时间序列数据；基于所述第一阶段测试数据和预先构建的差分整合移动平均自回归ARIMA模型得到所述半导体器件的第二阶段预测数据；基于所述半导体器件的第二阶段预测数据确定所述半导体器件的失效时刻。本公开实施例的技术方案解决了现有的HCI测试耗时过长，无法满足工业生产过程中产品数量大、工期紧的需求的技术问题，大幅缩短了半导体器件失效时刻的获取时长，降低了测试成本，提高了测试效率。提高了测试效率。提高了测试效率。

Semiconductor device failure time prediction method, device, equipment and medium

The embodiment of the disclosure discloses a method, device, device and medium for predicting the failure time of semiconductor devices. The semiconductor device failure time prediction method provided by the embodiment of the present disclosure includes: obtaining the first stage test data of the static parameters of the semiconductor device, wherein the test data is time series data; The second stage prediction data of the semiconductor device is obtained based on the first stage test data and the pre constructed differential integration moving average autoregressive ARIMA model; The failure time of the semiconductor device is determined based on the second stage prediction data of the semiconductor device. The technical solution of the embodiment of the disclosure solves the technical problem that the existing HCI test takes too long to meet the needs of large number of products and tight construction period in the industrial production process, greatly shortens the acquisition time of the failure time of semiconductor devices, reduces the test cost, and improves the test efficiency. The test efficiency is improved. The test efficiency is improved< br/>

【技术实现步骤摘要】
半导体器件失效时刻预测方法、装置、设备及介质


[0001]本公开涉及半导体器件测试
，具体涉及一种半导体器件失效时刻预测方法、装置、设备及介质。

技术介绍

[0002]随着半导体工艺，尤其是CMOS工艺进入纳米量级，器件的特征尺寸已经逼近了物理极限，此时，小尺寸器件的各种效应在理论建模过程中已经不能被忽视。作为器件可靠性研究热点的热载流子注入（Hot Carrier Injection，HCI）效应，对其损伤特性及相应损伤特性物理模型的研究已经相对成熟，该损伤特性物理模型是通过加速应力试验建立的一种经验模型。加速应力试验是研究半导体器件可靠性的一种测试方法，旨在缩短测试时间，它在控制失效机制相同的前提下，通过增加应力，加速器件退化过程，进而在短时间内获得器件失效率等信息，然后再外推出器件在正常工作状态下的特征参数和表征器件可靠度的信息。
[0003]然而，即便采用上述HCI加速应力试验也需要占用大量时间才能收集到足够的可靠性建模试验数据。以将0.18μm工艺下生产的1.8V NMOS器件的漏端饱和电流Idsat
t
...

【技术保护点】

【技术特征摘要】
1.一种半导体器件失效时刻预测方法，包括：获取所述半导体器件的静态参数的第一阶段测试数据，其中，所述测试数据为时间序列数据；基于所述第一阶段测试数据和预先构建的差分整合移动平均自回归ARIMA模型得到所述半导体器件的第二阶段预测数据；基于所述半导体器件的第二阶段预测数据确定所述半导体器件的失效时刻。2.根据权利要求1所述的方法，其中，所述半导体器件的静态参数为受热载流子效应影响整体单向平稳退化的参数。3.根据权利要求1所述的方法，所述半导体器件的静态参数的第一阶段测试数据是对应时间区间为（0，t1]的测试数据，所述半导体器件的静态参数的第二阶段预测数据是对应时间区间为（t1，t2]的预测数据，其中，0为测试的起始时刻，t1为所述静态参数的变化值达到第一预设阈值的时刻，t2为所述静态参数的变化值达到第二预设阈值的时刻。4.根据权利要求3所述的方法，所述基于所述第一阶段测试数据和预先构建的ARIMA模型预测所述半导体器件的第二阶段预测数据，包括：确定所述第一阶段测试数据中，初始值的波动值小于第三预设阈值的时刻为t3，确定时间区间[t3，t1]对应的测试数据为所述半导体器件的静态参数的第三阶段测试数据；基于所述第三阶段测试数据和预先构建的ARIMA模型预测所述半导体器件的第二阶段预测数据。5.根据权利要求1
‑
4中任一项所述的方法，其中，所述ARIMA模型采用以下方式构建：获取第二半导体器件的静态参数测试数据；对所述测试数据进行平稳性处理，得到平稳时间序列数据，以及所述ARIMA模型的阶数d；获取所述平稳时间序列数据的自相关函数ACF和偏自相关函数PACF；基于所述ACF和PACF的截尾和/或拖尾情况，确定所述ARIMA模型的自回归项数p和滑动平均项数q的取值区间；分别遍历所述p和q的取值区间，得到所述ARIMA模型的赤池信息量AIC或贝叶斯信息量BIC；基于所述AIC或BIC最小时对应的p和q，以及所述阶数d构建所述ARIMA模型。6.根据权利要求5所述的方法，在构建所述ARIMA模型后，还包括：获取所述第二半导体器件的静态参数的第三阶段测试数据和第二阶段测试数据，其中，所述第三阶段测试数据为对应时间区间为[t3，t1]的测试数据，所述第二阶段测试数据为对应时间区间为（t1，t2]的测试数据，所述t1为所述静态参数的变化值达到第一预设阈值的时刻，t2为所述静态参数的变化值达到第二预设阈值的时刻，t3为所述第二半导体器件的静态参数的测试数据的初始值的波动值小于第三预设阈值的时刻；基于所述第二半导体器件的第三阶段测试数据和所述ARIMA模型，得到所述第二半导体器件的第二阶段预测数据；获取所述第二半导体器件的第二阶段测试数据与所述第二半导体器件的第二阶段预测数据之间的相关度；确定所述相关度小于第四预设阈值时，更新所述时刻t1；
基于更新后的时间区间[t3，t1]得到所述第二半导体器件更新后的第三阶段测试数据，并基于所述更新后的第三阶段测试数据和所述ARIMA模型再次预测所述第二半导体器件的第二阶段预测数据，直至所述相关度大于等于所述第四预设阈值。7.根据权利要求1所述的方法，所述基于所述半导体器件的第二阶段测试数据确定所述半导体器件的失效时刻，包括：基于所述半导体器件的第二阶段测试数据确定所述半导体器件的静态参数的变化值达到第二预设阈值的时刻t2；确定所述t2为所述半导体器件的失效时刻。8.一种半导体器件失效时刻预测装置，包括：第一获取单元，被配置为获取所述半导体器件的静态参数的第一阶段测试数据，其中，所述测试数据为时间序列数据；预测单元，被配置为基于所述第一阶段测试数据和预先构建...

【专利技术属性】
技术研发人员：赵东艳，王于波，梁英宗，陈燕宁，鹿祥宾，张东嵘，付振，刘芳，闫振华，张庆平，夏绪卫，
申请(专利权)人：北京智芯微电子科技有限公司国网宁夏电力有限公司电力科学研究院国家电网有限公司，
类型：发明
国别省市：