Nothing Special   »   [go: up one dir, main page]

CN114975184A - 半导体良率监测方法、装置、电子设备和存储介质 - Google Patents

半导体良率监测方法、装置、电子设备和存储介质 Download PDF

Info

Publication number
CN114975184A
CN114975184A CN202210617792.1A CN202210617792A CN114975184A CN 114975184 A CN114975184 A CN 114975184A CN 202210617792 A CN202210617792 A CN 202210617792A CN 114975184 A CN114975184 A CN 114975184A
Authority
CN
China
Prior art keywords
yield
data
parameter
measured
process parameter
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202210617792.1A
Other languages
English (en)
Inventor
王晓
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Changxin Memory Technologies Inc
Original Assignee
Changxin Memory Technologies Inc
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Changxin Memory Technologies Inc filed Critical Changxin Memory Technologies Inc
Priority to CN202210617792.1A priority Critical patent/CN114975184A/zh
Publication of CN114975184A publication Critical patent/CN114975184A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L21/00—Processes or apparatus adapted for the manufacture or treatment of semiconductor or solid state devices or of parts thereof
    • H01L21/67—Apparatus specially adapted for handling semiconductor or electric solid state devices during manufacture or treatment thereof; Apparatus specially adapted for handling wafers during manufacture or treatment of semiconductor or electric solid state devices or components ; Apparatus not specifically provided for elsewhere
    • H01L21/67005—Apparatus not specifically provided for elsewhere
    • H01L21/67242—Apparatus for monitoring, sorting or marking
    • H01L21/67276—Production flow monitoring, e.g. for increasing throughput
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Physics & Mathematics (AREA)
  • Condensed Matter Physics & Semiconductors (AREA)
  • General Physics & Mathematics (AREA)
  • Manufacturing & Machinery (AREA)
  • Computer Hardware Design (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Power Engineering (AREA)
  • Testing Or Measuring Of Semiconductors Or The Like (AREA)

Abstract

本申请提供一种半导体良率监测方法、装置、电子设备和存储介质，涉及半导体制造技术领域。本申请可以根据采集工艺参数数据和测量良率数据，分别确定制造过程中的各个工艺参数与良率的相关系数，从各个工艺参数中选择良率相关参数，仅根据良率相关参数对应的工艺参数数据构建良率预测模型，并确定各个良率相关参数对应的变化阈值。在监测时，针对良率相关参数进行监测，需要处理的数据量大幅度降低，因此可以降低对计算资源的消耗，提高数据处理效率。

Description

半导体良率监测方法、装置、电子设备和存储介质
技术领域
本申请涉及半导体制造技术领域，具体地说，涉及一种半导体良率监测方法、装置、电子设备和存储介质。
背景技术
半导体制造是一个高度自动化的产业，在半导体集成电路的制造过程中，产品的良率对于成本预算及产出价值有着关键的影响。因此，在半导体制造过程中需要监测良率异常情况的发生，以确保工艺稳定性。
半导体的制造过程通常包括多个工艺加工过程，会产生大量的工艺参数数据，如果基于大量的工艺参数数据预测半导体的良率，运算量很大，不仅不必要地消耗很多计算资源，而且影响数据处理效率。
发明内容
有鉴于此，本申请实施例提供一种半导体良率监测方法、装置、电子设备和存储介质，可以降低资源消耗，提高数据处理效率。
为达到上述目的，本申请实施例的技术方案是：
第一方面，本申请实施例提供一种半导体良率监测方法，所述方法包括：
获取在半导体样本的制造过程中采集的工艺参数数据，以及针对所述半导体样本的测量良率数据；
根据所述工艺参数数据和所述测量良率数据，分别确定制造过程中的各个工艺参数与良率的相关系数；
根据所述各个工艺参数与良率的相关系数，从所述各个工艺参数中选择良率相关参数；
根据各个良率相关参数对应的工艺参数数据和所述测量良率数据，构建良率预测模型；
根据设定的良率变化阈值和所述良率预测模型，分别确定各个良率相关参数对应的变化阈值；
在半导体制造过程中，对各个良率相关参数进行监测，若任意一个良率相关参数的变化量达到对应的变化阈值，则发出报警信息。
在一种可选的实施例中，所述制造过程包括多个工艺加工过程，所述工艺参数数据包括在所述半导体样本的多个工艺加工过程中采集的工艺参数数据，所述测量良率数据包括在多个工艺加工过程之后，对所述半导体样本进行检测得到的多组测量良率数据；所述根据所述工艺参数数据和所述测量良率数据，分别确定制造过程中的各个工艺参数与良率的相关系数，包括：
分别确定每组测量良率数据对应的工艺参数数据；其中，第一组测量良率数据对应的工艺参数数据包括在检测得到所述第一组测量良率数据之前的各个工艺加工过程中采集的工艺参数数据；所述第一组测量良率数据为所述多组测量良率数据中的任意一组测量良率数据；
根据每组测量良率数据和每组测量良率数据对应的工艺参数数据，分别确定所述各个工艺参数与良率的相关系数。
在一种可选的实施例中，所述根据所述工艺参数数据和所述测量良率数据，分别确定制造过程中的各个工艺参数与良率的相关系数，包括：
根据各个工艺参数对应的工艺参数数据与测量良率数据之间的协方差和标准差，分别确定各个工艺参数与良率的相关系数。
在一种可选的实施例中，所述根据各个良率相关参数对应的工艺参数数据和所述测量良率数据，构建良率预测模型，包括：
将各个良率相关参数对应的工艺参数数据进行归一化处理；
根据所述测量良率数据和归一化后的工艺参数数据，构建所述良率预测模型。
在一种可选的实施例中，所述良率预测模型表示为：
Figure BDA0003673963750000031
其中，Y表示良率，Xi表示第i个良率相关参数，Ci表示第i个良率相关参数的权重，n表示良率相关参数的个数，b为常数。
在一种可选的实施例中，所述根据设定的良率变化阈值和所述良率预测模型，分别确定各个良率相关参数对应的变化阈值，包括：
将所述良率预测模型中各个良率相关参数的权重的倒数，作为各个良率相关参数相对于良率的变化系数；
根据各个良率相关参数相对于良率的变化系数和所述良率变化阈值，分别确定各个良率相关参数对应的变化阈值。
在一种可选的实施例中，所述根据所述各个工艺参数与良率的相关系数，从所述各个工艺参数中选择良率相关参数，包括：
按照相关系数的绝对值从大到小的顺序，将各个工艺参数进行排序；
选择排列在前的设定数量的工艺参数作为所述良率相关参数，或者，选择排列在前的设定比例的工艺参数作为所述良率相关参数。
在一种可选的实施例中，所述根据所述各个工艺参数与良率的相关系数，从所述各个工艺参数中选择良率相关参数，包括：
将相关系数的绝对值大于或等于设定系数阈值的工艺参数作为所述良率相关参数。
第二方面，本申请实施例还提供一种半导体良率监测装置，所述装置包括：
模型构建模块，用于获取在半导体样本的制造过程中采集的工艺参数数据，以及针对所述半导体样本的测量良率数据；根据所述工艺参数数据和所述测量良率数据，分别确定制造过程中的各个工艺参数与良率的相关系数；根据所述各个工艺参数与良率的相关系数，从所述各个工艺参数中选择良率相关参数；根据各个良率相关参数对应的工艺参数数据和所述测量良率数据，构建良率预测模型；
阈值获取模块，用于根据设定的良率变化阈值和所述良率预测模型，分别确定各个良率相关参数对应的变化阈值；
良率监测模块，用于在半导体制造过程中，对各个良率相关参数进行监测，若任意一个良率相关参数的变化量达到对应的变化阈值，则发出报警信息。
在一种可选的实施例中，所述制造过程包括多个工艺加工过程，所述工艺参数数据包括在所述半导体样本的多个工艺加工过程中采集的工艺参数数据，所述测量良率数据包括在多个工艺加工过程之后，对所述半导体样本进行检测得到的多组测量良率数据；所述模型构建模块，具体用于：
分别确定每组测量良率数据对应的工艺参数数据；其中，第一组测量良率数据对应的工艺参数数据包括在检测得到所述第一组测量良率数据之前的各个工艺加工过程中采集的工艺参数数据；所述第一组测量良率数据为所述多组测量良率数据中的任意一组测量良率数据；
根据每组测量良率数据和每组测量良率数据对应的工艺参数数据，分别确定所述各个工艺参数与良率的相关系数。
在一种可选的实施例中，所述模型构建模块，具体用于：
根据各个工艺参数对应的工艺参数数据与测量良率数据之间的协方差和标准差，分别确定各个工艺参数与良率的相关系数。
在一种可选的实施例中，所述模型构建模块，具体用于：
将各个良率相关参数对应的工艺参数数据进行归一化处理；
根据所述测量良率数据和归一化后的工艺参数数据，构建所述良率预测模型。
在一种可选的实施例中，所述良率预测模型表示为：
Figure BDA0003673963750000041
其中，Y表示良率，Xi表示第i个良率相关参数，Ci表示第i个良率相关参数的权重，n表示良率相关参数的个数，b为常数。
在一种可选的实施例中，所述阈值获取模块，具体用于：
将所述良率预测模型中各个良率相关参数的权重的倒数，作为各个良率相关参数相对于良率的变化系数；
根据各个良率相关参数相对于良率的变化系数和所述良率变化阈值，分别确定各个良率相关参数对应的变化阈值。
在一种可选的实施例中，所述模型构建模块，具体用于：
按照相关系数的绝对值从大到小的顺序，将各个工艺参数进行排序；
选择排列在前的设定数量的工艺参数作为所述良率相关参数，或者，选择排列在前的设定比例的工艺参数作为所述良率相关参数。
在一种可选的实施例中，所述模型构建模块，具体用于：
将相关系数的绝对值大于或等于设定系数阈值的工艺参数作为所述良率相关参数。
第三方面，本申请实施例还提供一种电子设备，包括存储器和处理器，所述存储器上存储有可在所述处理器上运行的计算机程序，当所述计算机程序被所述处理器执行时，使得所述处理器实现第一方面的半导体良率监测方法。
第四方面，本申请实施例还提供一种计算机可读存储介质，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时，实现第一方面的半导体良率监测方法。
本申请实施例提供的半导体良率监测方法、装置、电子设备和存储介质，可以根据采集工艺参数数据和测量良率数据，分别确定制造过程中的各个工艺参数与良率的相关系数，从各个工艺参数中选择良率相关参数，仅根据良率相关参数对应的工艺参数数据构建良率预测模型，并确定各个良率相关参数对应的变化阈值。在监测时，针对良率相关参数进行监测，需要处理的数据量大幅度降低，因此可以降低对计算资源的消耗，提高数据处理效率。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简要介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的一种半导体良率监测方法的流程图；
图2为本申请实施例提供的一种半导体制造过程的流程示意图；
图3为本申请实施例提供的一种各个工艺参数与良率的相关系数的示意图；
图4为本申请实施例提供的一种半导体良率监测装置的结构示意图；
图5为本申请实施例提供的一种电子设备的结构示意图。
具体实施方式
为了使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请作进一步地详细描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本申请保护的范围。
下文中所用的词语“示例性”的意思为“用作例子、实施例或说明性”。作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。
文中的术语“第一”、“第二”仅用于描述目的，而不能理解为明示或暗示相对重要性或者隐含指明所指示的技术特征的数量。除非另有说明，“多个”的含义是两个或两个以上。
在半导体制造过程中，通常通过监测良率异常情况的发生来确保工艺稳定性，如果基于工艺加工过程中产生的大量工艺参数数据预测半导体的良率，运算量很大，不仅消耗很多计算资源，而且影响数据处理效率。
为了减少数据处理量，提高数据处理效率，本申请实施例提供一种半导体良率监测方法，该方法根据采集工艺参数数据和测量良率数据，分别确定制造过程中的各个工艺参数与良率的相关系数，从各个工艺参数中选择良率相关参数，仅根据良率相关参数对应的工艺参数数据构建良率预测模型，并确定各个良率相关参数对应的变化阈值。在监测时，针对良率相关参数进行监测，需要处理的数据量大幅度降低，因此可以降低对计算资源的消耗，提高数据处理效率。
下文结合附图对本申请实施例提供的半导体良率监测方法进行详细说明。
图1示出了本申请实施例提供的一种半导体良率监测方法的流程示意图。该方法可以由对半导体良率进行监测的电子设备执行。如图1所示，该方法包括如下步骤：
步骤S101，获取在半导体样本的制造过程中采集的工艺参数数据，以及针对半导体样本的测量良率数据。
在每批半导体产品的制造过程中，可以实时采集制造过程中的各种工艺参数数据。在半导体产品制造完成后或某个工艺过程完成之后，可以对半导体产品的特性进行测量，得到半导体产品的策略良率数据。半导体产品可以包括但不限于半导体集成电路晶元。
可以将指定时间段生产的半导体产品作为半导体样本，例如，将某一天或某一时间周期内生产的半导体产品作为半导体样本。电子设备可以获取在半导体样本的制造过程中采集的工艺参数数据，以及针对半导体样本的测量良率数据。
在一些实施例中，半导体产品的制造过程可以包括多个工艺加工过程，半导体样本的工艺参数数据可以包括在半导体样本的多个工艺加工过程中采集的工艺参数数据，测量良率数据可以包括在多个工艺加工过程之后，对半导体样本进行检测得到的多组测量良率数据。示例性地，测量良率数据可以包括在每个工艺加工过程之后，对半导体样本进行检测得到的多组测量良率数据；或者，测量良率数据可以包括在一部分工艺加工过程之后，对半导体样本进行检测得到的多组测量良率数据。
步骤S102，根据工艺参数数据和测量良率数据，分别确定制造过程中的各个工艺参数与良率的相关系数。
在半导体制造过程中，存在多个工艺参数，例如温度、湿度、电流、电压、切割参数等等。每个工艺参数对良率的影响程度不同，一些工艺参数的变化，可能几乎不会影响良率或对良率的影响程度较小，一些工艺参数的变化，可能对良率的影响程度较大。
半导体样本的工艺参数数据包括每个工艺参数对应的工艺参数数据，获取半导体样本的工艺参数数据和测量良率数据后，可以采用皮尔森(pearson)相关系数、斯皮尔曼(spearman)相关系数或肯德尔(kendall)相关系数等，确定制造过程中的各个工艺参数与良率的相关系数。
示例性地，可以根据各个工艺参数对应的工艺参数数据与测量良率数据之间的协方差和标准差，分别确定各个工艺参数与良率的相关系数。例如，假设半导体的制造过程中涉及10个工艺参数，分别记作X1～X10。以工艺参数X1为例，工艺参数X1与良率Y的相关系数r，可以采用如下公式表示：
Figure BDA0003673963750000081
其中，dataX1表示工艺参数X1对应的工艺参数数据；dataY表示测量良率数据；μdataX1表示工艺参数X1对应的工艺参数数据的平均值，μdataY表示测量良率数据的平均值；E[]表示工艺参数X1对应的工艺参数数据与测量良率数据之间的协方差，σdataX1表示工艺参数X1对应的工艺参数数据的标准差，σdataY表示测量良率数据的标准差。
分别确定工艺参数X1对应的工艺参数数据与测量良率数据之间的协方差，以及工艺参数X1对应的工艺参数数据的标准差与测量良率数据的标准差，将协方差与两标准差的商，作为工艺参数X1与良率的相关系数。
参照上述确定工艺参数X1与良率的相关系数的方法，可以确定各个工艺参数与良率的相关系数。
在一些实施例中，如果半导体样本的工艺参数数据包括在半导体样本的多个工艺加工过程中采集的工艺参数数据，测量良率数据包括在多个工艺加工过程之后，对半导体样本进行检测得到的多组测量良率数据，那么，可以根据工艺参数数据的采集时间和测量良率数据的检测时间，分别确定每组测量良率数据对应的工艺参数数据。其中，每组测量良率数据对应的工艺参数数据包括在检测得到这组测量良率数据之前的各个工艺加工过程中采集的工艺参数数据。
例如，假设半导体制造过程包括六个工艺加工过程，如图2所示，每个工艺加工过程之后，均会对半导体样本进行检测，共得到六组测量良率数据。其中，在第二个工艺加工过程之后检测得到的第二组测量良率数据对应的工艺参数数据包括在第一个工艺加工过程和第二个工艺加工过程中采集的工艺参数数据。在第三个工艺加工过程之后检测得到的第三组测量良率数据对应的工艺参数数据包括在第一个工艺加工过程、第二个工艺加工过程和第三个工艺加工过程中采集的工艺参数数据。
确定每组测量良率数据对应的工艺参数数据之后，可以根据每组测量良率数据和每组测量良率数据对应的工艺参数数据，分别确定各个工艺参数与良率的相关系数。例如，假设第一个工艺加工过程中包含a1个工艺参数，根据第一个工艺加工过程之后，对半导体样本进行检测得到的第一组测量良率数据，以及第一组测量良率数据对应的a1个工艺参数的工艺参数数据，可以确定该a1个工艺参数与良率的相关系数(即a1个相关系数)，此处的良率是指第一个工艺加工的良率。假设第二个工艺加工过程中包含a2个工艺参数，根据第二个工艺加工过程之后，对半导体样本进行检测得到的第二组测量良率数据，以及第二组测量良率数据对应的a2个工艺参数的工艺参数数据，可以确定该a2个工艺参数与良率的相关系数(即a2个相关系数)，此处的良率是指第二个工艺加工的良率；当然，也可以基于第一组测量良率数据对第二组测量良率数据进行调整，以得到用于表征经过第一个工艺加工过程和第二个工艺加工过程后的整体良率的调整后的第二组测量良率数据，从而，根据调整后的第二组测量良率数据及其对应的(a1+a2)个工艺参数的工艺参数数据，可以确定该(a1+a2)个工艺参数与良率的相关系数(即(a1+a2)个相关系数)，此处的良率是指经过第一个工艺加工过程和第二个工艺加工过程后的整体良率。以此类推，其他各个工艺参数与良率的相关系数的确定方法，可以参照上述方法执行。
步骤S103，根据各个工艺参数与良率的相关系数，从各个工艺参数中选择良率相关参数。
其中，良率相关参数指对良率的影响程度较大的工艺参数，即当良率相关参数变化时，通常会引起良率的改变，因此，需要特别关注良率相关参数的变化。而除良率相关参数之外的其他工艺参数，其对良率的影响程度较小，可以不进行监测。
在一些实施例中，可以按照相关系数的绝对值从大到小的顺序，将各个工艺参数进行排序，选择排列在前的设定数量的工艺参数作为良率相关参数。
例如，假设设定数量为4，如图3所示，按照相关系数的绝对值从大到小的顺序，将工艺参数X1～X10进行排序，排序结果为X3、X1、X4、X6、X2、X7、X8、X5、X9、X10，则可以将选择排列在前的4的工艺参数，即X3、X1、X4和X6作为良率相关参数。
在一些实施例中，可以按照相关系数的绝对值从大到小的顺序，将各个工艺参数进行排序，选择排列在前的设定比例的工艺参数作为良率相关参数。
例如，假设设定比例为30％，如图3所示，按照相关系数的绝对值从大到小的顺序，将工艺参数X1～X10进行排序，排序结果为X3、X1、X4、X6、X2、X7、X8、X5、X9、X10，则可以将前30％的工艺参数，即X3、X1和X4三个工艺参数作为良率相关参数。
在一些实施例中，可以将相关系数的绝对值大于或等于设定系数阈值的工艺参数作为良率相关参数。
例如，假设设定系数阈值为0.8，如图3所示，工艺参数X3、X1和X4的相关系数的绝对值大于0.8，工艺参数X6的相关系数的绝对值等于0.8，其余工艺参数的相关系数的绝对值小于0.8，则可以将工艺参数X3、X1、X4和X6作为良率相关参数。
步骤S104，根据各个良率相关参数对应的工艺参数数据和测量良率数据，构建良率预测模型。
考虑到一些良率相关参数对应的工艺参数数据的分布范围可能位于例如-10～10之间，另一些良率相关参数对应的工艺参数数据的分布范围可能位于例如-100～100之间，如果忽略分布范围的不同，根据工艺参数数据直接构建良率预测模型，可能无法得到准确的良率预测模型。在一些实施例中，为了使得到的良率预测模型更准确，可以将各个良率相关参数对应的工艺参数数据进行归一化处理。例如，对于良率相关参数X1对应的工艺参数数据，可以采用如下的公式对每个工艺参数数据进行归一化：
Figure BDA0003673963750000111
其中，dataj表示良率相关参数X1对应的第j个工艺参数数据，
Figure BDA0003673963750000112
表示第j个工艺参数数据归一化后的值，max(dataX1)表示良率相关参数X1对应的工艺参数数据中的最大值，min(dataX1)表示良率相关参数X1对应的工艺参数数据中的最小值。
经过归一化处理，良率相关参数X1对应的各个工艺参数数据均被压缩至-1～1之间。每个良率相关参数对应的工艺参数数据均可以参照上述方法进行归一化处理，根据测量良率数据和归一化后的工艺参数数据，可以构建良率预测模型。
示例性地，良率预测模型可以表示为：
Figure BDA0003673963750000113
其中，Y表示良率，Xi表示第i个良率相关参数，Ci表示第i个良率相关参数的权重，n表示良率相关参数的个数，b为常数。
本申请实施例采用多元线性回归方法，将每个良率相关参数对应的工艺参数数据代入上述良率预测模型，对良率数据进行预测，得到预测良率数据，将预测良率数据与测量良率数据进行比对，对每个良率相关参数的权重和常数b进行调整，以使预测良率数据接近测量良率数据，最终确定最佳的良率相关参数的权重和常数b，得到良率预测模型。
步骤S105，根据设定的良率变化阈值和良率预测模型，分别确定各个良率相关参数对应的变化阈值。
其中，良率变化阈值可以是根据经验设定的值，当半导体良率的变化达到该良率变化阈值时，可以发出报警信息进行报警。
可以将良率预测模型中各个良率相关参数的权重的倒数，作为各个良率相关参数相对于良率的变化系数，根据各个良率相关参数相对于良率的变化系数和上述良率变化阈值，分别确定各个良率相关参数对应的变化阈值。
例如，假设良率变化阈值为I，则第i个良率相关参数Xi对应的变化阈值可以表示为I/Ci。
步骤S106，在半导体制造过程中，对各个良率相关参数进行监测，若任意一个良率相关参数的变化量达到对应的变化阈值，则发出报警信息。
示例性地，如果良率相关参数Xi增大，当增大的变化量达到良率相关参数Xi对应的变化阈值时，发出报警信息；如果良率相关参数Xi减小，当减小的变化量达到良率相关参数Xi对应的变化阈值时，也发出报警信息，以通知工作人员及时排查问题或故障，避免生产出较多不合格的半导体产品。
本申请实施例提供的半导体良率监测方法，可以根据采集工艺参数数据和测量良率数据，分别确定制造过程中的各个工艺参数与良率的相关系数，根据各个工艺参数与良率的相关系数，从各个工艺参数中选择对良率具有较大影响的良率相关参数，仅根据良率相关参数对应的工艺参数数据构建良率预测模型，并确定各个良率相关参数对应的变化阈值，需要处理的数据量和计算量较小，并且可以提高构建的良率预测模型的准确度。在监测时，针对良率相关参数进行监测，需要处理的数据量大幅度降低，因此可以降低对计算资源的消耗，提高数据处理效率。
基于同一发明构思，本申请实施例中还提供了一种半导体良率监测装置，如图4所示，该半导体良率监测装置可以包括模型构建模块401、阈值获取模块402和良率监测模块403。其中，模型构建模块401，用于获取在半导体样本的制造过程中采集的工艺参数数据，以及针对所述半导体样本的测量良率数据；根据所述工艺参数数据和所述测量良率数据，分别确定制造过程中的各个工艺参数与良率的相关系数；根据所述各个工艺参数与良率的相关系数，从所述各个工艺参数中选择良率相关参数；根据各个良率相关参数对应的工艺参数数据和所述测量良率数据，构建良率预测模型；阈值获取模块402，用于根据设定的良率变化阈值和所述良率预测模型，分别确定各个良率相关参数对应的变化阈值；良率监测模块403，用于在半导体制造过程中，对各个良率相关参数进行监测，若任意一个良率相关参数的变化量达到对应的变化阈值，则发出报警信息。
在一种可选的实施例中，所述制造过程包括多个工艺加工过程，所述工艺参数数据包括在所述半导体样本的多个工艺加工过程中采集的工艺参数数据，所述测量良率数据包括在多个工艺加工过程之后，对所述半导体样本进行检测得到的多组测量良率数据；所述模型构建模块401，具体用于：
分别确定每组测量良率数据对应的工艺参数数据；其中，第一组测量良率数据对应的工艺参数数据包括在检测得到所述第一组测量良率数据之前的各个工艺加工过程中采集的工艺参数数据；所述第一组测量良率数据为所述多组测量良率数据中的任意一组测量良率数据；
根据每组测量良率数据和每组测量良率数据对应的工艺参数数据，分别确定所述各个工艺参数与良率的相关系数。
在一种可选的实施例中，所述模型构建模块401，具体用于：
根据各个工艺参数对应的工艺参数数据与测量良率数据之间的协方差和标准差，分别确定各个工艺参数与良率的相关系数。
在一种可选的实施例中，所述模型构建模块401，具体用于：
将各个良率相关参数对应的工艺参数数据进行归一化处理；
根据所述测量良率数据和归一化后的工艺参数数据，构建所述良率预测模型。
在一种可选的实施例中，所述良率预测模型表示为：
Figure BDA0003673963750000141
其中，Y表示良率，Xi表示第i个良率相关参数，Ci表示第i个良率相关参数的权重，n表示良率相关参数的个数，b为常数。
在一种可选的实施例中，所述阈值获取模块402，具体用于：
将所述良率预测模型中各个良率相关参数的权重的倒数，作为各个良率相关参数相对于良率的变化系数；
根据各个良率相关参数相对于良率的变化系数和所述良率变化阈值，分别确定各个良率相关参数对应的变化阈值。
在一种可选的实施例中，所述模型构建模块401，具体用于：
按照相关系数的绝对值从大到小的顺序，将各个工艺参数进行排序；
选择排列在前的设定数量的工艺参数作为所述良率相关参数，或者，选择排列在前的设定比例的工艺参数作为所述良率相关参数。
在一种可选的实施例中，所述模型构建模块401，具体用于：
将相关系数的绝对值大于或等于设定系数阈值的工艺参数作为所述良率相关参数。
基于同一发明构思，本申请实施例还提供了一种电子设备，该电子设备至少包括用于存储数据的存储器和处理器，其中，对于用于数据处理的处理器而言，在执行处理时，可以采用微处理器、CPU、GPU(Graphics Processing Unit，图形处理单元)、DSP或FPGA实现。对于存储器来说，存储器中存储有操作指令，该操作指令可以为计算机可执行代码，通过该操作指令来实现上述本申请实施例的半导体良率监测方法的流程中的各个步骤。
图5为本申请实施例提供的一种电子设备的结构示意图。如图5所示，电子设备500包括存储器501、处理器502、数据获取模块503和总线504。该存储器501、处理器502和数据获取模块503均通过总线504连接，该总线504用于该存储器501、处理器502和数据获取模块503之间传输数据。
数据获取模块503可以通过有线方式或无线方式与半导体生产设备和检测设备连接，获取半导体样本的工艺参数数据和测量良率数据。
其中，存储器501可用于存储软件程序以及模块，处理器502通过运行存储在存储器501中的软件程序以及模块，从而执行电子设备500的各种功能应用以及数据处理，如本申请实施例提供的半导体良率监测方法。
存储器501可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个应用的应用程序等；存储数据区可用于存储获取到的半导体样本的工艺参数数据和测量良率数据等。此外，存储器501可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
处理器502是电子设备500的控制中心，利用总线504以及各种接口和线路连接整个电子设备500的各个部分，通过运行或执行存储在存储器501内的软件程序和/或模块，以及调用存储在存储器501内的数据，执行电子设备500的各种功能和处理数据。可选的，处理器502可包括一个或多个处理单元，如CPU、GPU(Graphics Processing Unit，图形处理单元)、数字处理单元等。
本申请实施例还提供了一种计算机可读存储介质，该计算机存储介质中存储有计算机可执行指令，该计算机程序被处理器执行时可用于实现本申请任一实施例所记载的半导体良率监测方法。
在一些可能的实施方式中，本申请提供的半导体良率监测方法的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当程序产品在计算机设备上运行时，程序代码用于使计算机设备执行本说明书上述描述的根据本申请各种示例性实施方式的半导体良率监测方法的步骤，例如，计算机设备可以执行如图1所示的步骤S101～S106的半导体良率监测方法的流程。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样，倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。

Claims (18)

1.一种半导体良率监测方法，其特征在于，所述方法包括：
获取在半导体样本的制造过程中采集的工艺参数数据，以及针对所述半导体样本的测量良率数据；
根据所述工艺参数数据和所述测量良率数据，分别确定制造过程中的各个工艺参数与良率的相关系数；
根据所述各个工艺参数与良率的相关系数，从所述各个工艺参数中选择良率相关参数；
根据各个良率相关参数对应的工艺参数数据和所述测量良率数据，构建良率预测模型；
根据设定的良率变化阈值和所述良率预测模型，分别确定各个良率相关参数对应的变化阈值；
在半导体制造过程中，对各个良率相关参数进行监测，若任意一个良率相关参数的变化量达到对应的变化阈值，则发出报警信息。
2.根据权利要求1所述的方法，其特征在于，所述制造过程包括多个工艺加工过程，所述工艺参数数据包括在所述半导体样本的多个工艺加工过程中采集的工艺参数数据，所述测量良率数据包括在多个工艺加工过程之后，对所述半导体样本进行检测得到的多组测量良率数据；所述根据所述工艺参数数据和所述测量良率数据，分别确定制造过程中的各个工艺参数与良率的相关系数，包括：
分别确定每组测量良率数据对应的工艺参数数据；其中，第一组测量良率数据对应的工艺参数数据包括在检测得到所述第一组测量良率数据之前的各个工艺加工过程中采集的工艺参数数据；所述第一组测量良率数据为所述多组测量良率数据中的任意一组测量良率数据；
根据每组测量良率数据和每组测量良率数据对应的工艺参数数据，分别确定所述各个工艺参数与良率的相关系数。
3.根据权利要求1所述的方法，其特征在于，所述根据所述工艺参数数据和所述测量良率数据，分别确定制造过程中的各个工艺参数与良率的相关系数，包括：
根据各个工艺参数对应的工艺参数数据与测量良率数据之间的协方差和标准差，分别确定各个工艺参数与良率的相关系数。
4.根据权利要求1所述的方法，其特征在于，所述根据各个良率相关参数对应的工艺参数数据和所述测量良率数据，构建良率预测模型，包括：
将各个良率相关参数对应的工艺参数数据进行归一化处理；
根据所述测量良率数据和归一化后的工艺参数数据，构建所述良率预测模型。
5.根据权利要求4所述的方法，其特征在于，所述良率预测模型表示为：
Figure FDA0003673963740000021
其中，Y表示良率，Xi表示第i个良率相关参数，Ci表示第i个良率相关参数的权重，n表示良率相关参数的个数，b为常数。
6.根据权利要求5所述的方法，其特征在于，所述根据设定的良率变化阈值和所述良率预测模型，分别确定各个良率相关参数对应的变化阈值，包括：
将所述良率预测模型中各个良率相关参数的权重的倒数，作为各个良率相关参数相对于良率的变化系数；
根据各个良率相关参数相对于良率的变化系数和所述良率变化阈值，分别确定各个良率相关参数对应的变化阈值。
7.根据权利要求1～6中任一项所述的方法，其特征在于，所述根据所述各个工艺参数与良率的相关系数，从所述各个工艺参数中选择良率相关参数，包括：
按照相关系数的绝对值从大到小的顺序，将各个工艺参数进行排序；
选择排列在前的设定数量的工艺参数作为所述良率相关参数，或者，选择排列在前的设定比例的工艺参数作为所述良率相关参数。
8.根据权利要求1～6中任一项所述的方法，其特征在于，所述根据所述各个工艺参数与良率的相关系数，从所述各个工艺参数中选择良率相关参数，包括：
将相关系数的绝对值大于或等于设定系数阈值的工艺参数作为所述良率相关参数。
9.一种半导体良率监测装置，其特征在于，所述装置包括：
模型构建模块，用于获取在半导体样本的制造过程中采集的工艺参数数据，以及针对所述半导体样本的测量良率数据；根据所述工艺参数数据和所述测量良率数据，分别确定制造过程中的各个工艺参数与良率的相关系数；根据所述各个工艺参数与良率的相关系数，从所述各个工艺参数中选择良率相关参数；根据各个良率相关参数对应的工艺参数数据和所述测量良率数据，构建良率预测模型；
阈值获取模块，用于根据设定的良率变化阈值和所述良率预测模型，分别确定各个良率相关参数对应的变化阈值；
良率监测模块，用于在半导体制造过程中，对各个良率相关参数进行监测，若任意一个良率相关参数的变化量达到对应的变化阈值，则发出报警信息。
10.根据权利要求9所述的装置，其特征在于，所述制造过程包括多个工艺加工过程，所述工艺参数数据包括在所述半导体样本的多个工艺加工过程中采集的工艺参数数据，所述测量良率数据包括在多个工艺加工过程之后，对所述半导体样本进行检测得到的多组测量良率数据；所述模型构建模块，具体用于：
分别确定每组测量良率数据对应的工艺参数数据；其中，第一组测量良率数据对应的工艺参数数据包括在检测得到所述第一组测量良率数据之前的各个工艺加工过程中采集的工艺参数数据；所述第一组测量良率数据为所述多组测量良率数据中的任意一组测量良率数据；
根据每组测量良率数据和每组测量良率数据对应的工艺参数数据，分别确定所述各个工艺参数与良率的相关系数。
11.根据权利要求9所述的装置，其特征在于，所述模型构建模块，具体用于：
根据各个工艺参数对应的工艺参数数据与测量良率数据之间的协方差和标准差，分别确定各个工艺参数与良率的相关系数。
12.根据权利要求9所述的装置，其特征在于，所述模型构建模块，具体用于：
将各个良率相关参数对应的工艺参数数据进行归一化处理；
根据所述测量良率数据和归一化后的工艺参数数据，构建所述良率预测模型。
13.根据权利要求12所述的装置，其特征在于，所述良率预测模型表示为：
Figure FDA0003673963740000041
其中，Y表示良率，Xi表示第i个良率相关参数，Ci表示第i个良率相关参数的权重，n表示良率相关参数的个数，b为常数。
14.根据权利要求13所述的装置，其特征在于，所述阈值获取模块，具体用于：
将所述良率预测模型中各个良率相关参数的权重的倒数，作为各个良率相关参数相对于良率的变化系数；
根据各个良率相关参数相对于良率的变化系数和所述良率变化阈值，分别确定各个良率相关参数对应的变化阈值。
15.根据权利要求9～14中任一项所述的装置，其特征在于，所述模型构建模块，具体用于：
按照相关系数的绝对值从大到小的顺序，将各个工艺参数进行排序；
选择排列在前的设定数量的工艺参数作为所述良率相关参数，或者，选择排列在前的设定比例的工艺参数作为所述良率相关参数。
16.根据权利要求9～14中任一项所述的装置，其特征在于，所述模型构建模块，具体用于：
将相关系数的绝对值大于或等于设定系数阈值的工艺参数作为所述良率相关参数。
17.一种电子设备，其特征在于，包括存储器和处理器，所述存储器上存储有可在所述处理器上运行的计算机程序，当所述计算机程序被所述处理器执行时，实现权利要求1～8中任一项所述的方法。
18.一种计算机可读存储介质，所述计算机可读存储介质内存储有计算机程序，其特征在于：所述计算机程序被处理器执行时，实现权利要求1～8中任一项所述的方法。
CN202210617792.1A 2022-06-01 2022-06-01 半导体良率监测方法、装置、电子设备和存储介质 Pending CN114975184A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210617792.1A CN114975184A (zh) 2022-06-01 2022-06-01 半导体良率监测方法、装置、电子设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210617792.1A CN114975184A (zh) 2022-06-01 2022-06-01 半导体良率监测方法、装置、电子设备和存储介质

Publications (1)

Publication Number Publication Date
CN114975184A true CN114975184A (zh) 2022-08-30

Family

ID=82958898

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210617792.1A Pending CN114975184A (zh) 2022-06-01 2022-06-01 半导体良率监测方法、装置、电子设备和存储介质

Country Status (1)

Country Link
CN (1) CN114975184A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117219540A (zh) * 2023-08-22 2023-12-12 象帝先计算技术(重庆)有限公司 芯片制造工艺的改良方法、芯片、电子装置和电子设备

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117219540A (zh) * 2023-08-22 2023-12-12 象帝先计算技术(重庆)有限公司 芯片制造工艺的改良方法、芯片、电子装置和电子设备

Similar Documents

Publication Publication Date Title
CN107871190A (zh) 一种业务指标监控方法及装置
CN109960232B (zh) 领先辅助参数的选择方法和设备维护预诊断的方法
CN110633194B (zh) 一种硬件资源在特定环境下的性能评估方法
CN116413604A (zh) 一种电池参数监测方法、系统、装置及存储介质
CN117556366B (zh) 基于数据筛选的数据异常检测系统及方法
CN110096036A (zh) 一种设备状态的确定方法、装置及设备
CN114155692A (zh) 一种设备故障上报方法、装置及存储介质
CN103645961A (zh) 计算密集型并行任务的异常检测方法及系统
CN114244751A (zh) 无线传感器网络异常检测方法和系统
CN114975184A (zh) 半导体良率监测方法、装置、电子设备和存储介质
CN110888100A (zh) 一种单相智能电能表在线带载检测系统及方法
CN113868948A (zh) 一种面向用户的动态阈值模型训练系统及方法
TWI773883B (zh) 工廠評價裝置、工廠評價方法及工廠評價程式
US20230213911A1 (en) Method and device for testing product, computer device and readable storage medium
CN105573269B (zh) 半导体制造机台的参数监控系统及方法
CN114938339B (zh) 一种数据处理方法和相关装置
CN111311318A (zh) 用户流失预警的方法、装置、设备及存储介质
CN116432135A (zh) 一种电池电芯异常判定方法、系统、处理设备及存储介质
CN114112819B (zh) 一种测量磨矿粒度的方法及装置
CN116430207A (zh) 芯片的pat参数确定方法、装置、电子设备及存储介质
CN114331688A (zh) 一种银行柜面系统业务批量运行状态检测方法及装置
CN115523043A (zh) 一种发动机加权工况点的确定方法、装置、设备及介质
CN110020000A (zh) 判定异常风速数据的方法和装置
CN112130518B (zh) 半导体生产过程中的参数监控方法、系统及计算机可读存储介质
CN112087482B (zh) 利用云端系统对多台设备进行管理的方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination