一种基于大数据的半导体厂良率预测与提升的方法技术

一种基于大数据的半导体厂良率预测与提升的方法，对收集半导体厂中的WAT数据和CP数据的不平衡性做出预处理，同时对高维数据进行了降维处理，增强了模型的鲁棒性和可解释性，并采用了机器学习模型将大数据同晶圆良率进行关联，分析出导致良率的下降的测试因素。对处理后的WAT数据和CP数据进行模型建立和分析，根据模型的结果进行良率的根因分析，可以大大提升根因分析的效率，提高制造厂的经济效益，并且对WAT数据和CP数据的处理过程具有全面性，预测准确性，分析快速性和可靠性。

【技术实现步骤摘要】

本专利技术涉及集成电路，特别涉及一种基于大数据的半导体厂良率预测与提升的方法。

技术介绍

1、在集成电路制造过程中，良率与生产单位的利益直接相关。而在生在过程中，会出现大量的测试数据，包括在线inline数据(主要是错误检测与分类(fault detection andclassification，fdc)数据)、缺陷(defect)数据、晶圆验收测试(wafer acceptance test，wat)数据和晶圆探针测试(chip probing，cp)数据。其中wat数据主要是对晶圆进行电学性能的测试来监控生产过重中出现的工艺波动的稳定性，通过wat测试后再进行cp测试。然而wat数据通常含有几十到几百个测试变量包括晶体管的电压、电阻、电容等各项参数，并且数据量非常庞大。传统的分析方法采用t检验值、方差分析和平均值比较的方法来确定这些测试变量是否存在问题，然而这些方法存在一定的局限性，首先这些方法并不能与晶圆良率相关联，第二这些数据的维度非常的高，上述分析方法需要工程师进行手动分析费时费力，第三如果工艺参数发生变化这些分析方法也需要发生变化，如果还基于本文档来自技高网...

【技术保护点】

1.一种基于大数据的半导体厂良率预测与提升的方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于大数据的半导体厂良率预测与提升的方法，其特征在于，所述的步骤1中收集的晶圆可接受性测试数据，包括晶体管的电阻、电容、电感的数据、阈值电压、饱和电流、亚阈值电流以及金属互联层的电容、电阻和电感。

3.根据权利要求1所述的一种基于大数据的半导体厂良率预测与提升的方法，其特征在于，所述的步骤1中收集的探针测试数据，包括晶圆中每个裸片的电性测试数据、晶圆的良率数据。

4.根据权利要求1所述的一种基于大数据的半导体厂良率预测与提升的方法，其特征在于，所述...

【技术特征摘要】

1.一种基于大数据的半导体厂良率预测与提升的方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于大数据的半导体厂良率预测与提升的方法，其特征在于，所述的步骤1中收集的晶圆可接受性测试数据，包括晶体管的电阻、电容、电感的数据、阈值电压、饱和电流、亚阈值电流以及金属互联层的电容、电阻和电感。

3.根据权利要求1所述的一种基于大数据的半导体厂良率预测与提升的方法，其特征在于，所述的步骤1中收集的探针测试数据，包括晶圆中每个裸片的电性测试数据、晶圆的良率数据。

4.根据权利要求1所述的一种基于大数据的半导体厂良率预测与提升的方法，其特征在于，所述的步骤2中的预处理，包括以下步骤：

5.根据权利要求4所述的一种基于大数据的半导体厂良率预测与提升的方法，其特征在于，所述的异常值处理，采用的方法为箱线图法、z-score法、均方差分析法。

6.根据权利要求4所述的一种基于大数据的半导体厂良率预测与提升的...

【专利技术属性】
技术研发人员：陈一宁，郭庞，高大为，陈鼎崴，
申请(专利权)人：浙江大学，
类型：发明
国别省市：