半導(dǎo)體芯片作為高端制造的核心與瓶頸,在國家發(fā)展、經(jīng)濟可持續(xù)發(fā)展等一系列重大戰(zhàn)略問題上的重要性日益突出。在半導(dǎo)體晶圓制造過程中,隨著集成電路尺寸不斷縮小、加工工藝日益復(fù)雜,晶圓允收測試(Wafer Acceptance Test,WAT)的參數(shù)數(shù)量逐漸增加,相應(yīng)所耗費的時間成本也不斷提升。針對WAT參數(shù)之間數(shù)據(jù)體量大、數(shù)據(jù)間冗余性突出、關(guān)聯(lián)關(guān)系與映射復(fù)雜等問題,如何提供一種有效的晶圓良率預(yù)測方法,使得在減少繁瑣測試過程與診斷范圍的同時,保證晶圓良率的預(yù)測準確度,對預(yù)知良率變化趨勢、減少后續(xù)測試時間與測試成本,以及晶圓生產(chǎn)制造過程中快速發(fā)現(xiàn)低良率原因、提升晶圓制造水平具有重要意義。針對以上需求,本文對WAT參數(shù)的特征選擇與晶圓良率預(yù)測方法開展系統(tǒng)性研究,主要研究工作如下:1)WAT參數(shù)的特征選擇:針對晶圓允收測試參數(shù)維度高、數(shù)據(jù)間冗余性強、關(guān)鍵參數(shù)不顯著的特點,以最小化晶圓良率的預(yù)測誤差值和最少特征數(shù)量為目標,提出過濾式與封裝式相結(jié)合的混合式特征選擇(Hybrid Festure Selection,HFS)方法,挑選出晶圓制造過程中的關(guān)鍵晶圓允收測試參數(shù)。首先提出基于互信息的最大相關(guān)最小... 

【文章來源】：東華大學(xué)上海市 211工程院校 教育部直屬院校

【文章頁數(shù)】：80 頁

【學(xué)位級別】：碩士

【部分圖文】：

WAT參數(shù)缺失值

東華大學(xué)碩士學(xué)位論文第二章基于HFS模型的WAT參數(shù)特征選擇方法21圖2.4WAT參數(shù)異常值常見數(shù)據(jù)異常點的處理方法有：通過對屬性值進行描述性統(tǒng)計的統(tǒng)計分析法、統(tǒng)計數(shù)據(jù)分布的3原則法以及通過百分比計算統(tǒng)計分析的箱型圖法[63]。其中，箱型圖法是一種用作顯示一組數(shù)據(jù)分散情況的統(tǒng)計圖，該方法能夠提供所要分析數(shù)據(jù)的分散情況信息與位置信息。箱型圖主要能夠反映六個關(guān)鍵信息，分別為：上邊緣、上四分位數(shù)、中位數(shù)、下四分位數(shù)、下邊緣以及異常值。以WAT數(shù)據(jù)中開啟電壓參數(shù)中存在的異常數(shù)據(jù)為例，如圖2.5所示，90%的開啟電壓值集中在3.97V至4.07V之間，少量異常電壓值分布在上下限之外。此外，通過箱型圖能夠直觀反映數(shù)據(jù)分布的本來面貌，具有較強的魯棒性特點，故對各WAT參數(shù)中存在的異常點，利用箱型圖法進行篩癬剔除。開啟電壓/（V）上限上四分位數(shù)下四分位數(shù)下限異常值中位數(shù)異常值圖2.5開啟電壓異常點箱型圖識別

東華大學(xué)碩士學(xué)位論文第二章基于HFS模型的WAT參數(shù)特征選擇方法222.2.3量綱差異數(shù)據(jù)處理考慮到晶圓電性測試過程中的各項參數(shù)指標之間的量綱差異大，如：電性測試中晶圓漏電流參數(shù)的測試單位僅有10-9次方安培，而部分電阻參數(shù)的測試量級則會有幾百歐姆，實際晶圓量綱差異數(shù)據(jù)如圖2.6所示，因此需要對所有的電性測試參數(shù)值進行標準化處理[64]。圖2.6量綱差異數(shù)據(jù)本節(jié)中將晶圓電性測試參數(shù)值進行最大-最小值歸一化處理，將原始晶圓電性測試數(shù)據(jù)通過線性化的方法量化到0-1區(qū)間，其計算方法如式2-1所示。=(2-1)其中與分別為歸一化前后的數(shù)據(jù)，與分別為歸一化前數(shù)據(jù)的最大最小值。標準化處理后的相關(guān)數(shù)據(jù)信息如圖2.7所示，所有WAT參數(shù)均實現(xiàn)了標準化，均量化到0-1區(qū)間內(nèi)，為后續(xù)數(shù)據(jù)分析與模型建立提供了標準化數(shù)據(jù)。圖2.7最大最小歸一化處理后的數(shù)據(jù)

【參考文獻】：
期刊論文
[1]一種基于隨機森林的可尋址WAT良率診斷方法[J]. 劉元修,史崢,張培勇.  微電子學(xué)與計算機. 2019(09)
[2]基于多隱層Gibbs采樣的深度信念網(wǎng)絡(luò)訓(xùn)練方法[J]. 史科,陸陽,劉廣亮,畢翔,王輝.  自動化學(xué)報. 2019(05)
[3]國內(nèi)外集成電路知識產(chǎn)權(quán)市場概況[J]. 迎九.  電子產(chǎn)品世界. 2018(09)
[4]晶圓代工廠面臨的多項挑戰(zhàn)[J]. Mark LaPedus.  集成電路應(yīng)用. 2018(03)
[5]大數(shù)據(jù)環(huán)境下基于信息論的入侵檢測數(shù)據(jù)歸一化方法[J]. 宋勇,蔡志平.  武漢大學(xué)學(xué)報(理學(xué)版). 2018(02)
[6]泛半導(dǎo)體技術(shù)的發(fā)展[J]. 王峰瀛.  電子技術(shù)與軟件工程. 2018(01)
[7]一種在芯片測試階段進行產(chǎn)品規(guī)格區(qū)分的方法[J]. 陽莎,崔繼鋒,廖傳欽,朱建德.  半導(dǎo)體技術(shù). 2017(02)
[8]基于圖像處理的晶圓表面缺陷檢測[J]. 劉西鋒.  通信電源技術(shù). 2016(05)
[9]基于數(shù)據(jù)挖掘的晶圓制造交貨期預(yù)測方法[J]. 汪俊亮,秦威,張潔.  中國機械工程. 2016(01)
[10]一種新的基于多啟發(fā)式的特征選擇算法[J]. 朱顥東,鐘勇.  計算機應(yīng)用. 2009(03)

碩士論文
[1]基于機器學(xué)習(xí)的可尋址WAT良率診斷方法研究[D]. 劉元修.浙江大學(xué) 2019
[2]基于進化多目標優(yōu)化的智能擬合方法[D]. 張園.西安電子科技大學(xué) 2018
[3]基于非下采樣輪廓波SPP Net的高分辨SAR圖像變化檢測[D]. 楊爭艷.西安電子科技大學(xué) 2018
[4]多特征融合的細粒度圖像檢索算法[D]. 王虹.大連理工大學(xué) 2018
[5]基于Gabor與區(qū)域卷積神經(jīng)網(wǎng)絡(luò)的晶圓表面多尺度缺陷檢測技術(shù)研究[D]. 劉明明.浙江大學(xué) 2018
[6]基于連續(xù)型深度信念網(wǎng)絡(luò)的水泥熟料游離鈣含量軟測量研究[D]. 高偉.燕山大學(xué) 2017
[7]極限學(xué)習(xí)機與自動編碼器的融合算法研究[D]. 林雨.吉林大學(xué) 2016
[8]晶圓測試信息管理系統(tǒng)流程改造實施研究[D]. 任鵬.大連理工大學(xué) 2015
[9]基于主成分分析的多元分段模型預(yù)測集成電路晶圓良率的應(yīng)用[D]. 康盛.華東師范大學(xué) 2015
[10]基于相關(guān)性和冗余性分析的特征選擇算法研究[D]. 肖旎旖.大連理工大學(xué) 2013



本文編號：2940316