[go: up one dir, main page]

CN112926821A - 一种基于制程能力指数预测晶圆良率的方法 - Google Patents

一种基于制程能力指数预测晶圆良率的方法 Download PDF

Info

Publication number
CN112926821A
CN112926821A CN202110065960.6A CN202110065960A CN112926821A CN 112926821 A CN112926821 A CN 112926821A CN 202110065960 A CN202110065960 A CN 202110065960A CN 112926821 A CN112926821 A CN 112926821A
Authority
CN
China
Prior art keywords
index
wafer
yield
defect
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
CN202110065960.6A
Other languages
English (en)
Inventor
王宪一
叶甜春
罗军
赵杰
王云
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.)
Ruili Flat Core Microelectronics Guangzhou Co Ltd
Original Assignee
Aoxin Integrated Circuit Technology Guangdong Co ltd
Guangdong Greater Bay Area Institute of Integrated Circuit and System
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 Aoxin Integrated Circuit Technology Guangdong Co ltd, Guangdong Greater Bay Area Institute of Integrated Circuit and System filed Critical Aoxin Integrated Circuit Technology Guangdong Co ltd
Priority to CN202110065960.6A priority Critical patent/CN112926821A/zh
Publication of CN112926821A publication Critical patent/CN112926821A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06395—Quality analysis or management
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/067—Enterprise or organisation modelling
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/04—Manufacturing

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • Development Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Educational Administration (AREA)
  • Manufacturing & Machinery (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • General Factory Administration (AREA)
  • Testing Or Measuring Of Semiconductors Or The Like (AREA)

Abstract

本发明公开了一种基于制程能力指数预测晶圆良率的方法，具体包括以下步骤：S1：定义参数：定义线上量测参数制程能力指数(Inline CPK)、定义晶圆特性参数制程能力指数(WAT CPK)、定义缺陷参数制程能力指数(Defect CPK)；S2：取得晶圆生产周期(Cycle Time)；S3：计算参数指数：计算线上量测参数指数(Inline index)、计算晶圆特性参数指数(WAT index)、计算缺陷参数指数(Defect index)；S4：建立良率预测模型：用逻辑回归分析(Logistic RegressionAnalysis)来建立良率预测模型(Yield Forecast Model)；S5：验证预测模型(Verify Model)；S6：得到最后良率预测结果(Yield Prediction)。与现有技术相比，本发明具有以下有益的技术效果：利用数学演算法来预测晶圆良率，提高了预测精度，方便工作人员及时掌握晶圆生产过程的状况，并及时调整生产机台机况，以提升晶圆良率，增加生产效率。

Description

一种基于制程能力指数预测晶圆良率的方法
技术领域
本发明涉及半导体晶圆良率预测领域，尤其涉及一种基于制程能力指数预测晶圆良率的方法。
背景技术
在集成电路制造中，晶圆良率就是完成所有工艺步骤后合格的芯片数量与整个晶圆上的有效芯片的比值。最终良率由每一步工艺的良率的积组成。目前，我国集成电路领域发展迅速，集成电路产品生产投入大、损失代价高，因此提前预知晶圆生产的良率情况，对提升晶圆生产工艺、降低晶圆生产损失、控制芯片生产成本具有重要意义。
近年来更多的研究集中于利用晶圆电性测试参数等相关参数作为预测晶圆良率的输入因子，构建晶圆良率预测模型。采用了基于神经网络的良率预测模型，而类神经网络模型在应对高维数据时存在着学习过程较长、梯度易消失、易陷入局部最优的情况，使得模型受输入噪声的影响大，从而导致模型不稳定，难以有效处理晶圆电性测试参数与良率之间的复杂非线性关系，获得较高的预测准确率。
制程能力指数(Complex Process Capability index，CPK)是一种表示制程水平高低的方便方法，是制程水平的量化反映，生产线上制程能力指数直接关系到晶圆的良率，因此可以利用制程能力指数预测晶圆良率，比现有技术中良率预测得手段省时省力，且提高了准确性。从晶圆下线生产开始到晶圆测试约需有6周的时间，通过晶圆的量测参数计算制程能力指数，利用数学演算法来预测晶圆良率，以分便我们及时掌握晶圆生产过程的状况，并及时调整生产机台机况，以提升晶圆良率，增加生产效率。
发明内容
针对上述技术问题，本发明提出了一种基于制程能力指数预测晶圆良率的方法：其特征在于，包括以下步骤：
S1：定义参数：定义线上量测参数制程能力指数(Inline CPK)、定义晶圆特性参数制程能力指数(WAT CPK)、定义缺陷参数制程能力指数(Defect CPK)；
S2：取得晶圆生产周期(Cycle Time)；
S3：计算参数指数：计算线上量测参数指数(Inline index)、计算晶圆特性参数指数(WAT index)、计算缺陷参数指数(Defect index)；
S4：建立良率预测模型：用逻辑回归分析(Logistic Regression Analysis)来建立良率预测模型(Yield Forecast Model)；
S5：验证预测模型(Verify Model)；
S6：得到最后良率预测结果(Yield Prediction)。
与现有技术相比，本发明具有以下有益的技术效果：利用数学演算法来预测晶圆良率，提高了预测精度，方便工作人员及时掌握晶圆生产过程的状况，并及时调整生产机台机况，以提升晶圆良率，增加生产效率。
附图说明
通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
图1为晶圆良率预测的流程图。
图2为晶圆良率预测和实际良率的每周比较图。
具体实施方式
下面将参照附图更详细地描述本发明的示例性实施方式。虽然附图中显示了本发明的示例性实施方式，然而应当理解，可以以各种形式实现本发明而不应被这里阐述的实施方式所限制。相反，提供这些实施方式是为了能够更透彻地理解本发明，并且能够将本发明的范围完整的传达给本领域的技术人员。
图1为晶圆良率预测的流程图，如图1所示，包括如下步骤：
S1：定义参数：定义线上量测参数制程能力指数(Inline CPK)、定义晶圆特性参数制程能力指数(WAT CPK)、定义缺陷参数制程能力指数(Defect CPK)；
S2：取得晶圆生产周期(Cycle Time)；晶圆生产周期通常取以周为单位，找出一周内到晶圆测试区的晶圆数量；
S3：计算参数指数：计算线上量测参数指数(Inline index)、计算晶圆特性参数指数(WAT index)、计算缺陷参数指数(Defect index)；
S4：建立良率预测模型：用逻辑回归分析(Logistic Regression Analysis)来建立良率预测模型(Yield Forecast Model)；
S5：验证预测模型(Verify Model)；
S6：得到最后良率预测结果(Yield Prediction)。
使用生产线上制程能力指数(CPK)预测晶圆良率,从晶圆下线生产开始到晶圆测试约需有6周的时间，利用晶圆的量测参数来当作制程能力指数，利用数学演算法来预测晶圆良率，以分便我们及时掌握晶圆生产过程的状况，并及时调整生产机台机况，以提升晶圆良率，增加生产效率。
利用主成分分析(Principle Component Analysis，PCA)计算线上量测参数指数(Inline index)、计算晶圆特性参数指数(WAT index)、计算缺陷参数指数(Defectindex)。
线上量测参数指数(Inline index)定义为生产线上所有量测站点的量测值，所计算出的综合制程能力指数(CPK)和晶圆良率的关联参数指数。
线上量测参数指数(Inline index)利用主成分分析演算法如下：
Iidx＝a1X1+a2X2+……+anXn其中a1,a2,……,an为X的特征值所对应的特征向量，X1,X2,……,Xn是原始变量经过处理后取得线上量测参数指数。
晶圆特性参数指数(WAT index)定义为晶圆量测站点所取到晶圆特性参数，所计算出综合制程能力指数(CPK)和晶圆良率的关联参数指数。
晶圆特性参数指数(WAT index)利用主成分分析演算法如下：
Widx＝a1X1+a2X2+……+anXn其中a1,a2,……,an为X的特征值所对应的特征向量，X1,X2,……,Xn是原始变量经过处理后取得晶圆特性参数指数。
缺陷参数指数(Defect index)定义为生产线上所有缺陷量测站点的缺陷值，所计算出的综合制程能力指数(CPK)和晶圆良率的关联参数指数。
缺陷参数指数(Defect index)利用主成分分析演算法如下：
Didx＝a1X1+a2X2+……+anXn其中a1,a2,……,an为X的特征值所对应的特征向量，X1,X2,……,Xn是原始变量经过处理后取得缺陷参数指数。
其中，利用数学演算法来预测晶圆良率的部分，利用晶圆的量测参数包括线上量测参数(Inline)、晶圆特性参数(WAT)、缺陷参数(Defect)等参数来计算本周期晶圆良率Yn，数学公式如下所示：
晶圆良率预测用逻辑回归分析演算法进行数学演算(Yield Forecast Model)公式为:
Yn＝Yn-1+a1*Iidx+a2*Widx+a3*Didx其中，Yn-1为上周期晶圆良率，可以从资料库获得；Iidx为Inline index，Widx为WAT index，Didx为Defect index。
在一个实施例中，经由晶圆良率预测模型(Yield Forecast Model)所产生的最后良率预测结果(Yield Prediction)，以每周资料计算一次，可以得到每周晶圆良率预测和实际良率的比较图，如图2所示，由图2可知实际良率与预测良率基本吻合，通过上述方法预测的良率精确度很高。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。

Claims (5)

1.一种基于制程能力指数预测晶圆良率的方法：其特征在于，包括以下步骤：
S1：定义参数：定义线上量测参数制程能力指数(Inline CPK)、定义晶圆特性参数制程能力指数(WAT CPK)、定义缺陷参数制程能力指数(Defect CPK)；
S2：取得晶圆生产周期(Cycle Time)；
S3：计算参数指数：计算线上量测参数指数(Inline index)、计算晶圆特性参数指数(WAT index)、计算缺陷参数指数(Defect index)；
S4：建立良率预测模型：
S5：验证预测模型(Verify Model)；
S6：得到最后良率预测结果(Yield Prediction)。
2.根据权利要求1所述的方法，其特征在于：步骤S4中用逻辑回归分析(LogisticRegression Analysis)来建立良率预测模型(Yield Forecast Model)。
3.根据权利要求1所述的方法，其特征在于：步骤S2中的晶圆生产周期为一周。
4.根据权利要求1所述的方法，其特征在于：利用主成分分析演算法计算量测参数指数(Inline index)、晶圆特性参数指数(WAT index)、缺陷参数指数(Defect index)，均表示为：
D＝a1X1+a2X2+……+anXn其中a1,a2,……,an为X的特征值所对应的特征向量，X1,X2,……,Xn是量测参数、晶圆特性参数、缺陷参数经过处理后得到的量测参数指数、晶圆特性参数、缺陷参数指数。
5.根据权利要求3所述的方法，其特征在于：步骤S6良率预测结果公式为：Yn＝Yn-1+a1*Iidx+a2*Widx+a3*Didx
其中，Yn-1为上周实际的晶圆良率，Iidx为Inline index，Widx为WAT index，Didx为Defectindex。
CN202110065960.6A 2021-01-18 2021-01-18 一种基于制程能力指数预测晶圆良率的方法 Pending CN112926821A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110065960.6A CN112926821A (zh) 2021-01-18 2021-01-18 一种基于制程能力指数预测晶圆良率的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110065960.6A CN112926821A (zh) 2021-01-18 2021-01-18 一种基于制程能力指数预测晶圆良率的方法

Publications (1)

Publication Number Publication Date
CN112926821A true CN112926821A (zh) 2021-06-08

Family

ID=76163511

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110065960.6A Pending CN112926821A (zh) 2021-01-18 2021-01-18 一种基于制程能力指数预测晶圆良率的方法

Country Status (1)

Country Link
CN (1) CN112926821A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115713209A (zh) * 2022-11-15 2023-02-24 上海华力微电子有限公司 产品良率的评估方法
TWI822210B (zh) * 2022-07-28 2023-11-11 力晶積成電子製造股份有限公司 識別異常分佈的方法及電子裝置
CN120873991A (zh) * 2025-09-28 2025-10-31 合肥晶合集成电路股份有限公司 晶圆后段制程在线wat参数预测模型训练方法及系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1790314A (zh) * 2004-12-13 2006-06-21 台湾积体电路制造股份有限公司 产品良率分析系统及方法
TW200638171A (en) * 2005-04-26 2006-11-01 Powerchip Semiconductor Corp Real-time management systems and methods for manufacture management and yield rate analysis integration
TW201120667A (en) * 2009-12-04 2011-06-16 Inotera Memories Inc Yield loss prediction method and associated computer readable medium
CN103579035A (zh) * 2012-08-06 2014-02-12 无锡华润上华科技有限公司 缺陷密度计算方法
CN111667111A (zh) * 2020-06-02 2020-09-15 上海哥瑞利软件有限公司 一种集成电路晶圆制造中的良率预测方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1790314A (zh) * 2004-12-13 2006-06-21 台湾积体电路制造股份有限公司 产品良率分析系统及方法
TW200638171A (en) * 2005-04-26 2006-11-01 Powerchip Semiconductor Corp Real-time management systems and methods for manufacture management and yield rate analysis integration
TW201120667A (en) * 2009-12-04 2011-06-16 Inotera Memories Inc Yield loss prediction method and associated computer readable medium
CN103579035A (zh) * 2012-08-06 2014-02-12 无锡华润上华科技有限公司 缺陷密度计算方法
CN111667111A (zh) * 2020-06-02 2020-09-15 上海哥瑞利软件有限公司 一种集成电路晶圆制造中的良率预测方法

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI822210B (zh) * 2022-07-28 2023-11-11 力晶積成電子製造股份有限公司 識別異常分佈的方法及電子裝置
CN115713209A (zh) * 2022-11-15 2023-02-24 上海华力微电子有限公司 产品良率的评估方法
CN120873991A (zh) * 2025-09-28 2025-10-31 合肥晶合集成电路股份有限公司 晶圆后段制程在线wat参数预测模型训练方法及系统
CN120873991B (zh) * 2025-09-28 2025-11-28 合肥晶合集成电路股份有限公司 晶圆后段制程在线wat参数预测模型训练方法及系统

Similar Documents

Publication Publication Date Title
TWI549007B (zh) 製程參數的搜尋與分析方法及其電腦程式產品
CN112926821A (zh) 一种基于制程能力指数预测晶圆良率的方法
JP4584295B2 (ja) ２段階仮想測定方法
US8437870B2 (en) System and method for implementing a virtual metrology advanced process control platform
Chien et al. Manufacturing intelligence to forecast and reduce semiconductor cycle time
CN111008502A (zh) 一种数字孪生驱动的复杂装备故障预测方法
US7974724B2 (en) Product-related feedback for process control
CN111190393B (zh) 半导体制程自动化控制方法及装置
Su et al. Accuracy and real-time considerations for implementing various virtual metrology algorithms
US8108060B2 (en) System and method for implementing a wafer acceptance test (“WAT”) advanced process control (“APC”) with novel sampling policy and architecture
May Manufacturing ICs the neural way
JP2012033170A (ja) 高度プロセス制御システム及び信頼指数を有する仮想測定による方法
JP2004509407A (ja) 半導体製造における制御を改良するための適応サンプリング方法
TW201033844A (en) Advanced process control method and system
TW201734434A (zh) 原位控制製程的方法及設備
CN112433472A (zh) 半导体生产控制方法及控制系统
Pan et al. A virtual metrology system for predicting end-of-line electrical properties using a MANCOVA model with tools clustering
CN105069214B (zh) 一种基于非线性相关分析的工艺可靠性评估方法
US20040088068A1 (en) Method and apparatus for providing first-principles feed-forward manufacturing control
Saraswat et al. Rapid thermal multiprocessing for a programmable factory for adaptable manufacturing of ICs
JP2007058806A (ja) 製造条件計算方法、品質調整方法、鉄鋼製造方法、製造条件計算装置、品質調整システム、及びコンピュータプログラム
Steland et al. Evaluation of photovoltaic modules based on sampling inspection using smoothed empirical quantiles
US6868353B1 (en) Method and apparatus for determining wafer quality profiles
Lin et al. A virtual metrology approach for maintenance compensation to improve yield in semiconductor manufacturing
Su et al. Implementation considerations of various virtual metrology algorithms

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
TA01 Transfer of patent application right

Effective date of registration: 20220819

Address after: 510535 building a, 136 Kaiyuan Avenue, Guangzhou Development Zone, Guangzhou City, Guangdong Province

Applicant after: Guangdong Dawan District integrated circuit and System Application Research Institute

Applicant after: Ruili flat core Microelectronics (Guangzhou) Co.,Ltd.

Address before: 510535 building a, 136 Kaiyuan Avenue, Guangzhou Development Zone, Guangzhou City, Guangdong Province

Applicant before: Guangdong Dawan District integrated circuit and System Application Research Institute

Applicant before: AoXin integrated circuit technology (Guangdong) Co.,Ltd.

TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20240729

Address after: Room 710, Jianshe Building, 348 Kaifa Avenue, Huangpu District, Guangzhou City, Guangdong Province 510730

Applicant after: Ruili flat core Microelectronics (Guangzhou) Co.,Ltd.

Country or region after: China

Address before: 510535 building a, 136 Kaiyuan Avenue, Guangzhou Development Zone, Guangzhou City, Guangdong Province

Applicant before: Guangdong Dawan District integrated circuit and System Application Research Institute

Country or region before: China

Applicant before: Ruili flat core Microelectronics (Guangzhou) Co.,Ltd.

TA01 Transfer of patent application right
RJ01 Rejection of invention patent application after publication

Application publication date: 20210608

RJ01 Rejection of invention patent application after publication