数据驱动的晶圆良率预测方法研究
发布时间：2020-12-26 19:18
半导体芯片作为高端制造的核心与瓶颈,在国家发展、经济可持续发展等一系列重大战略问题上的重要性日益突出。在半导体晶圆制造过程中,随着集成电路尺寸不断缩小、加工工艺日益复杂,晶圆允收测试(Wafer Acceptance Test,WAT)的参数数量逐渐增加,相应所耗费的时间成本也不断提升。针对WAT参数之间数据体量大、数据间冗余性突出、关联关系与映射复杂等问题,如何提供一种有效的晶圆良率预测方法,使得在减少繁琐测试过程与诊断范围的同时,保证晶圆良率的预测准确度,对预知良率变化趋势、减少后续测试时间与测试成本,以及晶圆生产制造过程中快速发现低良率原因、提升晶圆制造水平具有重要意义。针对以上需求,本文对WAT参数的特征选择与晶圆良率预测方法开展系统性研究,主要研究工作如下:1)WAT参数的特征选择:针对晶圆允收测试参数维度高、数据间冗余性强、关键参数不显著的特点,以最小化晶圆良率的预测误差值和最少特征数量为目标,提出过滤式与封装式相结合的混合式特征选择(Hybrid Festure Selection,HFS)方法,挑选出晶圆制造过程中的关键晶圆允收测试参数。首先提出基于互信息的最大相关最小...
【文章来源】：东华大学上海市 211工程院校 教育部直属院校
【文章页数】：80 页
【学位级别】：硕士
【部分图文】：
WAT参数缺失值
东华大学硕士学位论文第二章基于HFS模型的WAT参数特征选择方法21图2.4WAT参数异常值常见数据异常点的处理方法有：通过对属性值进行描述性统计的统计分析法、统计数据分布的3原则法以及通过百分比计算统计分析的箱型图法[63]。其中，箱型图法是一种用作显示一组数据分散情况的统计图，该方法能够提供所要分析数据的分散情况信息与位置信息。箱型图主要能够反映六个关键信息，分别为：上边缘、上四分位数、中位数、下四分位数、下边缘以及异常值。以WAT数据中开启电压参数中存在的异常数据为例，如图2.5所示，90%的开启电压值集中在3.97V至4.07V之间，少量异常电压值分布在上下限之外。此外，通过箱型图能够直观反映数据分布的本来面貌，具有较强的鲁棒性特点，故对各WAT参数中存在的异常点，利用箱型图法进行筛癣剔除。开启电压/（V）上限上四分位数下四分位数下限异常值中位数异常值图2.5开启电压异常点箱型图识别
东华大学硕士学位论文第二章基于HFS模型的WAT参数特征选择方法222.2.3量纲差异数据处理考虑到晶圆电性测试过程中的各项参数指标之间的量纲差异大，如：电性测试中晶圆漏电流参数的测试单位仅有10-9次方安培，而部分电阻参数的测试量级则会有几百欧姆，实际晶圆量纲差异数据如图2.6所示，因此需要对所有的电性测试参数值进行标准化处理[64]。图2.6量纲差异数据本节中将晶圆电性测试参数值进行最大-最小值归一化处理，将原始晶圆电性测试数据通过线性化的方法量化到0-1区间，其计算方法如式2-1所示。=(2-1)其中与分别为归一化前后的数据，与分别为归一化前数据的最大最小值。标准化处理后的相关数据信息如图2.7所示，所有WAT参数均实现了标准化，均量化到0-1区间内，为后续数据分析与模型建立提供了标准化数据。图2.7最大最小归一化处理后的数据
【参考文献】：
期刊论文
[1]一种基于随机森林的可寻址WAT良率诊断方法[J]. 刘元修,史峥,张培勇. 微电子学与计算机. 2019(09)
[2]基于多隐层Gibbs采样的深度信念网络训练方法[J]. 史科,陆阳,刘广亮,毕翔,王辉. 自动化学报. 2019(05)
[3]国内外集成电路知识产权市场概况[J]. 迎九. 电子产品世界. 2018(09)
[4]晶圆代工厂面临的多项挑战[J]. Mark LaPedus. 集成电路应用. 2018(03)
[5]大数据环境下基于信息论的入侵检测数据归一化方法[J]. 宋勇,蔡志平. 武汉大学学报(理学版). 2018(02)
[6]泛半导体技术的发展[J]. 王峰瀛. 电子技术与软件工程. 2018(01)
[7]一种在芯片测试阶段进行产品规格区分的方法[J]. 阳莎,崔继锋,廖传钦,朱建德. 半导体技术. 2017(02)
[8]基于图像处理的晶圆表面缺陷检测[J]. 刘西锋. 通信电源技术. 2016(05)
[9]基于数据挖掘的晶圆制造交货期预测方法[J]. 汪俊亮,秦威,张洁. 中国机械工程. 2016(01)
[10]一种新的基于多启发式的特征选择算法[J]. 朱颢东,钟勇. 计算机应用. 2009(03)
硕士论文
[1]基于机器学习的可寻址WAT良率诊断方法研究[D]. 刘元修.浙江大学 2019
[2]基于进化多目标优化的智能拟合方法[D]. 张园.西安电子科技大学 2018
[3]基于非下采样轮廓波SPP Net的高分辨SAR图像变化检测[D]. 杨争艳.西安电子科技大学 2018
[4]多特征融合的细粒度图像检索算法[D]. 王虹.大连理工大学 2018
[5]基于Gabor与区域卷积神经网络的晶圆表面多尺度缺陷检测技术研究[D]. 刘明明.浙江大学 2018
[6]基于连续型深度信念网络的水泥熟料游离钙含量软测量研究[D]. 高伟.燕山大学 2017
[7]极限学习机与自动编码器的融合算法研究[D]. 林雨.吉林大学 2016
[8]晶圆测试信息管理系统流程改造实施研究[D]. 任鹏.大连理工大学 2015
[9]基于主成分分析的多元分段模型预测集成电路晶圆良率的应用[D]. 康盛.华东师范大学 2015
[10]基于相关性和冗余性分析的特征选择算法研究[D]. 肖旎旖.大连理工大学 2013
本文编号：2940316
【文章来源】：东华大学上海市 211工程院校 教育部直属院校
【文章页数】：80 页
【学位级别】：硕士
【部分图文】：
WAT参数缺失值
东华大学硕士学位论文第二章基于HFS模型的WAT参数特征选择方法21图2.4WAT参数异常值常见数据异常点的处理方法有：通过对属性值进行描述性统计的统计分析法、统计数据分布的3原则法以及通过百分比计算统计分析的箱型图法[63]。其中，箱型图法是一种用作显示一组数据分散情况的统计图，该方法能够提供所要分析数据的分散情况信息与位置信息。箱型图主要能够反映六个关键信息，分别为：上边缘、上四分位数、中位数、下四分位数、下边缘以及异常值。以WAT数据中开启电压参数中存在的异常数据为例，如图2.5所示，90%的开启电压值集中在3.97V至4.07V之间，少量异常电压值分布在上下限之外。此外，通过箱型图能够直观反映数据分布的本来面貌，具有较强的鲁棒性特点，故对各WAT参数中存在的异常点，利用箱型图法进行筛癣剔除。开启电压/（V）上限上四分位数下四分位数下限异常值中位数异常值图2.5开启电压异常点箱型图识别
东华大学硕士学位论文第二章基于HFS模型的WAT参数特征选择方法222.2.3量纲差异数据处理考虑到晶圆电性测试过程中的各项参数指标之间的量纲差异大，如：电性测试中晶圆漏电流参数的测试单位仅有10-9次方安培，而部分电阻参数的测试量级则会有几百欧姆，实际晶圆量纲差异数据如图2.6所示，因此需要对所有的电性测试参数值进行标准化处理[64]。图2.6量纲差异数据本节中将晶圆电性测试参数值进行最大-最小值归一化处理，将原始晶圆电性测试数据通过线性化的方法量化到0-1区间，其计算方法如式2-1所示。=(2-1)其中与分别为归一化前后的数据，与分别为归一化前数据的最大最小值。标准化处理后的相关数据信息如图2.7所示，所有WAT参数均实现了标准化，均量化到0-1区间内，为后续数据分析与模型建立提供了标准化数据。图2.7最大最小归一化处理后的数据
【参考文献】：
期刊论文
[1]一种基于随机森林的可寻址WAT良率诊断方法[J]. 刘元修,史峥,张培勇. 微电子学与计算机. 2019(09)
[2]基于多隐层Gibbs采样的深度信念网络训练方法[J]. 史科,陆阳,刘广亮,毕翔,王辉. 自动化学报. 2019(05)
[3]国内外集成电路知识产权市场概况[J]. 迎九. 电子产品世界. 2018(09)
[4]晶圆代工厂面临的多项挑战[J]. Mark LaPedus. 集成电路应用. 2018(03)
[5]大数据环境下基于信息论的入侵检测数据归一化方法[J]. 宋勇,蔡志平. 武汉大学学报(理学版). 2018(02)
[6]泛半导体技术的发展[J]. 王峰瀛. 电子技术与软件工程. 2018(01)
[7]一种在芯片测试阶段进行产品规格区分的方法[J]. 阳莎,崔继锋,廖传钦,朱建德. 半导体技术. 2017(02)
[8]基于图像处理的晶圆表面缺陷检测[J]. 刘西锋. 通信电源技术. 2016(05)
[9]基于数据挖掘的晶圆制造交货期预测方法[J]. 汪俊亮,秦威,张洁. 中国机械工程. 2016(01)
[10]一种新的基于多启发式的特征选择算法[J]. 朱颢东,钟勇. 计算机应用. 2009(03)
硕士论文
[1]基于机器学习的可寻址WAT良率诊断方法研究[D]. 刘元修.浙江大学 2019
[2]基于进化多目标优化的智能拟合方法[D]. 张园.西安电子科技大学 2018
[3]基于非下采样轮廓波SPP Net的高分辨SAR图像变化检测[D]. 杨争艳.西安电子科技大学 2018
[4]多特征融合的细粒度图像检索算法[D]. 王虹.大连理工大学 2018
[5]基于Gabor与区域卷积神经网络的晶圆表面多尺度缺陷检测技术研究[D]. 刘明明.浙江大学 2018
[6]基于连续型深度信念网络的水泥熟料游离钙含量软测量研究[D]. 高伟.燕山大学 2017
[7]极限学习机与自动编码器的融合算法研究[D]. 林雨.吉林大学 2016
[8]晶圆测试信息管理系统流程改造实施研究[D]. 任鹏.大连理工大学 2015
[9]基于主成分分析的多元分段模型预测集成电路晶圆良率的应用[D]. 康盛.华东师范大学 2015
[10]基于相关性和冗余性分析的特征选择算法研究[D]. 肖旎旖.大连理工大学 2013
本文编号：2940316
本文链接：https://www.wllwen.com/kejilunwen/dianzigongchenglunwen/2940316.html
