用于在晶圆上的半导体构件的位置重建的方法和装置制造方法及图纸

本发明专利技术涉及一种用于确定分配规则以便汇聚同一半导体器件的不同测试的测试结果的方法，其中考虑在制造半导体器件时的产量损失。该方法包括如下步骤：(S23)调整模型、例如线性回归模型，使用该模型来预测测试数据，(S24)依据这些预测来计算成本矩阵，(S25)将匈牙利算法应用于该成本矩阵，以便获得新的分配规则，并且多次重复这些步骤。并且多次重复这些步骤。并且多次重复这些步骤。

【技术实现步骤摘要】
用于在晶圆上的半导体构件的位置重建的方法和装置


[0001]本专利技术涉及：一种用于在将半导体构件从这些半导体构件被涂覆在其上的晶圆切下之后对这些半导体构件在该晶圆上的位置的重建的方法；以及一种被设立为实施该方法的装置。

技术介绍

[0002]在半导体构件（特别是PowerMOS）的封装过程中，会丢失半导体构件对其原始晶圆及其在晶圆上的原始位置的可追溯性。具体而言，这意味着：一旦晶圆被切割或切块（英文“diced”=其中半导体构件从晶圆分离的过程）且封装了，每个半导体构件在晶圆上的位置都不再可用。封装过程的提供者能够至少提供在最终测试（英文“Final Test”=在封装之后对半导体构件的测试过程）中的松散半导体构件与在晶圆级测试（在封装之前的测试过程）中在晶圆上的半导体构件之间的粗略匹配。然而，这仍然总是会导致几千个无法分配给多个晶圆的半导体构件。由于在这种情况下基本上是一个组合问题，所以该任务的解决方案的复杂性是阶乘的，原因在于存在布置半导体构件的
‑
阶乘的数目个不同的可能性，使得这些半导体构件对应于正确顺序，其中是这些半导体构件的数目。
[0003]对于ASIC半导体构件来说，存在针对该组合问题的解决方案。为此，在晶圆级测试期间，在ASIC半导体构件的存储器中存储唯一标识符，该唯一标识符能够在封装之后实现最终测试到晶圆级测试的分配。然而，在像PowerMOS那样的半导体构件的情况下，由于缺少存储器而无法实现这一点。
[0004]在将最终测试与晶圆级测试进行匹配时的另一个挑战在于：个别半导体构件在晶圆级测试之后被剔除，并且这里也丢失了哪个具体的半导体构件被剔除了的信息。因而，该组合问题被复杂化，原因在于现在对于最终测试结果来说存在多个可能相关的晶圆级测试，并且还必须判断哪个晶圆级测试没有对应的最终测试结果。
[0005]本专利技术的优点具有独立权利要求1的特征的本专利技术的优点在于：本专利技术能够实现：确定取决于晶圆级测试的结果的半导体构件与取决于最终测试（英文Final Test）的结果的被封装的半导体构件之间的潜在分配并且在此无需后续添加的元数据，如唯一标识符等等。
[0006]本专利技术还具有的优点是：考虑到在制造时可能发生的产量损失。这使得能够不将所有半导体构件都分配给测试。依据产量损失和结果的分配，可以获得附加的可追溯性信息，该可追溯性信息能够估计在晶圆上的哪些位置发生了该产量损失。据此，可以实现更好的过程控制（例如对缺陷部件的根本原因分析）。
[0007]本专利技术的其它方面是并列权利要求的主题。有利的扩展方案是从属权利要求的主题。

技术实现思路

[0008]在第一方面，本专利技术涉及一种用于确定分配规则的尤其是计算机实现的方法，该
分配规则给来自第一参量的第一集合中的多个参量分别分配来自第二参量的第二集合中的参量。第一集合所包括的参量比第二集合更多。该分配规则可以以明确的方式给多个第一参量分配第二参量，也就是说通过该分配规则给该第一参量最多分配一个第二参量并且优选地反之亦然。换言之，该分配规则被设立为给第一参量的子集分配第二参量。优选地，第一参量的该子集的参量数目对应于第二集合的参量数目。接着，该分配规则给每个第二参量分配一个第一参量，其中由于第一集合具有比第二集合更多的参量，一些第一参量未被分配给第二参量。但是，也可设想的是：该子集小于第二集合。
[0009]集合可以被理解成各个参量的汇总形式。优选地，第一和第二集合是没有共同参量的不同集合。优选地，第一和第二集合的参量分别分配有索引。第一和第二集合的所有索引都可能会被理解成索引集。即作为其元素将第一或第二集合的参量索引遍的集合。接着，该分配规则给第一索引集分别分派来自第二索引集的索引。因此，该分配规则描述了哪个第一参量属于哪个第二参量并且优选地反之亦然。该分配规则可以作为列表或表格等存在。
[0010]该方法开始于初始化该分配规则并且提供第一集合和第二集合，其中第一集合具有比第二集合更多的参量。初始分配规则可以随机选择或者被选择为恒等分配。优选地，该分配规则被初始化为使得该分配规则在其分配时考虑所有第二参量，即只给与第二参量一样多的第一参量分配第二参量或者给所有第二参量分配第一参量。替代地，可设想的是其它初始分配规则，例如指定的、已经部分正确的分配。
[0011]然后，随机选择多个第一参量，其中所选择的第一参量的数目至少等于第一集合的参量比第二集合的参量多的那个数目。在通过计算机来实施该步骤时，可以通过伪随机数发生器来进行该随机选择。即，通常在不偏爱任何一个第一参量的情况下进行该随机选择。但是，也可设想的是：某些参量概率更高地被选择，原因在于例如这些参量代表关于第一集合的其余参量的异常。
[0012]然后，重复实施随后阐述的步骤a)
‑
e)。这些重复可以针对指定的最大重复次数来被实施或者可以限定中止标准，其中在满足该中止标准时中止该重复。该中止标准例如是该分配规则的最小变化。
[0013]a) 创建数据记录，该数据记录具有除了当前选择的第一参量以外的第一参量及其分别按照该分配规则所分配的第二参量。当前选择的参量是为了先前实施步骤a)
‑
e)而已被选择的第一参量，或者当这些步骤的实施第一次被实施时，当前选择的参量是随机选择的第一参量。
[0014]该数据记录也可以称为训练数据记录，其中所分配的第二参量是第一参量的所谓的“标签（Label's）”。应当注意：该步骤可以是可选的，原因在于使用该数据记录的后续步骤基本上只需要在第一与第二参量之间的当前分配规则的信息，该信息要么可以通过该数据记录来被提供要么可以通过当前分配规则来被提供。当前分配规则是针对步骤a)
ꢀ‑ꢀ
e)的当前重复所存在的那个分配规则，即在实施对该数据记录的最新创建时所使用的那个分配规则。
[0015]b) 指导机器学习系统，使得该机器学习系统根据第一参量来确定该数据记录的分别所分配的第二参量。指导可以被理解为：该机器学习系统的参数被调整，使得该机器学习系统的借此所确定的预测尽可能接近该数据记录的第二参量（“标签”）。可以关于成本函
数进行优化。该成本函数优选地表征机器学习系统的输出与标签之间的数学差异。优选地借助于梯度下降法来执行该优化。机器学习系统可以是一个或多个决策树（英文：decision tree）、神经网络、支持向量机（Support Vector Machine），等等。该指导可以被一直实施，直至在该指导的情况下对机器学习系统的进一步改善小到忽略不计、即满足第二中止标准为止。
[0016]c) 确定成本矩阵，其中该成本矩阵的条目表征机器学习系统的预测与按照该分配规则的第二参量之间的距离，尤其是在机器学习系统的预测与第二集合的所有参量之间的距离。该距离可以使用范数来被确定。其它距离量度也是可设想的。该成本矩阵可以被构造为使得行和列分别被分配给第一参量或机器学习系统的取决于第一参量的预测以及第二参量，其中这些条目表征这些行和列的相应本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于确定分配规则的方法，所述分配规则给来自第一参量的第一集合中的多个第一参量分配来自第二参量的第二集合中的第二参量，所述方法包括如下步骤：初始化（S21a）所述分配规则并且提供（S21a）所述第一集合和所述第二集合，其中所述第一集合具有比所述第二集合更多的参量；随机选择（S21b）多个第一参量，其中所选择的第一参量的数目至少对应于所述第一集合的参量比所述第二集合的参量多的那个数目；重复实施步骤a)
‑
d)：a) 指导（S23）机器学习系统，使得所述机器学习系统根据所述第一集合的除了所选择的第一参量以外的第一参量来确定分别按照所述分配规则所分配的第二参量；b) 确定（S24）成本矩阵，其中所述成本矩阵的条目表征所述机器学习系统的取决于所述第一集合的第一参量的预测与所述第二集合的第二参量之间的距离；c) 根据所述成本矩阵来优化（S25）所述分配规则，使得按照所述分配规则的所述第一参量到所述第二参量的分配基于所述成本矩阵的条目生成最小的总成本；以及d) 选择（S26）未按照优化后的分配规则被分配给所述第二参量之一的第一参量。2.根据权利要求1所述的方法，其中借助于匈牙利算法或者贪婪实现来对所述分配规则进行所述优化（S25）。3.根据权利要求2所述的方法，其中所述成本矩阵的列和行的数目等于所述第一参量和所述第二参量的数目，其中在确定（S24）所述成本矩阵时，确定所述机器学习系统针对所有第一参量的预测与分别所有第二参量之间的距离。4.根据上述权利要求中任一项所述的方法，其中所述机器学习系统是回归模型（53），所述回归模型根据所述第一参量和所述回归模型（53）的参数来确定所述第二参量。5.根据上述权利...

【专利技术属性】
技术研发人员：A，
申请(专利权)人：罗伯特，
类型：发明
国别省市：