用于良率损失检测的基于故障密度的聚类制造技术

提供了一种用于故障管芯聚类的方法，包括从晶圆的晶圆图中提取(200)晶圆上的故障管芯的数据集，确定(201)用于对故障管芯进行聚类的密度参数，从故障管芯的数据集中去除(202)虚假故障以生成故障管芯的减小的数据集，通过执行具有密度参数的基于密度的带噪声应用空间聚类(DBSCAN)算法在减小的数据集中定位(204)故障管芯的聚类，以及对每个定位的聚类应用(206)保护带。应用(206)保护带。应用(206)保护带。

【技术实现步骤摘要】
【国外来华专利技术】用于良率损失检测的基于故障密度的聚类

技术介绍

[0001]半导体晶圆通常在管芯封装之前测试是否有缺陷管芯。管芯缺陷可能由例如在应用于晶圆的光刻胶、光掩模和扩散操作期间引入的外来颗粒、微小划痕和/或瑕疵引起。电探针测试常用于定位有缺陷的管芯。晶圆的电探针测试的输出是晶圆图，晶圆图包括针对每个管芯，管芯是否通过测试的指示。故障管芯的聚类的近邻能够已经通过了电探针测试，但考虑到其与聚类的接近性，被认为存在潜在缺陷的可能性很高。对故障管芯的聚类执行保护带，其中围绕每个聚类的带中的这种相邻管芯各自被指示为包括在保护带中。

技术实现思路

[0002]本公开的实施例涉及基于故障密度的半导体晶圆上的故障管芯的聚类。在一个方面中，提供了一种用于故障管芯聚类的方法，该方法包括从晶圆的晶圆图中提取晶圆上的故障管芯的数据集，确定用于对故障管芯进行聚类的密度参数，从数据集中去除虚假故障以生成故障管芯的减小的数据集，通过执行具有密度参数的基于密度的带噪声应用空间聚类(DBSCAN)算法在减小的数据集中定位故障管芯的聚类，以及对每个定位的聚类应用保护带。
[0003]在一个方面，提供了一种系统，该系统包括存储用于故障管芯聚类的软件指令的非暂时性计算机可读介质，其中软件指令包括用于从晶圆的晶圆图中提取晶圆上的故障管芯的数据集，确定用于对故障管芯进行聚类的密度参数，从故障管芯的数据集中去除虚假故障以生成故障管芯的减小的数据集，通过执行具有密度参数的基于密度的带噪声应用空间聚类(DBSCAN)算法在减小的数据集中定位故障管芯的聚类，以及对每个定位的聚类应用保护带的软件指令，以及至少一个处理器，其耦合到非暂时性计算机可读介质以执行软件指令。
[0004]在一个方面中，提供了一种用于故障管芯聚类的方法，该方法包括使用基于密度的带噪声应用空间聚类(DBSCAN)算法在晶圆的故障管芯的数据集中定位故障管芯的聚类，并且对每个定位的聚类应用保护带。
[0005]附图图示
[0006]图1是图示示例晶圆测试过程的流程图；
[0007]图2是用于故障管芯聚类和保护带的方法的流程图；
[0008]图3是用于确定故障管芯聚类的密度参数的方法的流程图；
[0009]图4A
‑
图4C是示例晶圆图；
[0010]图5是示例用户界面；
[0011]图6是示例晶圆测试系统的框图；以及
[0012]图7是可以在图6的晶圆测试系统中使用的示例计算机系统700的框图。
具体实施方式
[0013]下面结合附图对本公开的具体实施方式进行详细描述。为一致起见，各个图中的
Databases with Noise”，1996年8月2日
‑
4日，美国俄勒冈州波特兰，第二届知识发现和数据挖掘国际会议论文集(Proceedings of the Second International Conference on Knowledge Discovery and Data Mining)，第226
‑
231页中发现，其通过引入并入本文。
[0021]在DBSCAN中，聚类是点(例如，在数据空间中的管芯)的密集区域，例如，在故障管芯数据集中由密度较低的区域分隔的故障管芯的密集区。该算法基于“聚类”和“噪声”的直观概念。关键思想是对于聚类的每个点(例如管芯)，点的给定半径内的邻域至少包括数据集中的最小数量的点。通常，DBSCAN发现并合并超过指定密度阈值的点的邻域以形成聚类。密度阈值由两个参数定义，邻域半径(eps)和邻域半径内的最小邻域数/点数(minPts)。参数minPts在本文中可以称为密度参数。给定这两个参数，DBSCAN执行“查找和合并”过程来定位聚类。任何未分配给聚类的点都被认为是噪声。
[0022]再次参考图2，最初从晶圆图中提取200故障管芯的数据集，并且为DBSCAN确定201密度参数minPts。参考图3描述了用于确定该参数的方法。接下来，处理202晶圆测试结果以识别“虚假故障”，并且从故障管芯的数据集中去除这种管芯。虚假故障是由于测试过程中的问题而不是制造诱导的缺陷而被分箱为故障的管芯。例如，在图4A的示例晶圆图中，箭头指示的管芯都是与测试相关的故障。从故障管芯的数据集中去除虚假故障有助于将聚类集中在真正的故障签名上，例如划痕或一团高密度故障管芯，并且可以最大限度地减少由于应用保护带而导致的管芯损失。在图4B的示例晶圆图中指示的圆圈区域指示实际故障签名的区域。
[0023]当管芯未通过一次测试或一系列测试时，默认假设是该管芯是坏的。然而，故障的原因可能是由于例如探针测试硬件的问题。例如，在同时测试多个管芯期间，探针尖端需要以正确的力和位置精度进行接触。单个探针的故障可能会导致一个或多个管芯看起来已经故障。用于识别虚假故障的技术是众所周知的，并且可以使用现在已知或将来开发的任何此类技术。
[0024]在检测到虚假故障并从故障管芯的数据集中去除之后，对故障管芯的数据集执行204DBSCAN以定位故障管芯的聚类。DBSCAN使用先前确定的密度参数minPts和eps＝3执行。如前所述，参数eps定义了点周围邻域的半径。邻域的半径取决于邻域平面的自由度(DOF)，因此eps＝DOF+1。对于二维(2D)应用，例如在2D场中定义的探头布局，DOF＝2和eps＝3。
[0025]然后在定位的聚类周围应用206保护带。每个保护带的范围，即保护带的管芯宽度，可以是固定的，或者可以由用户指定。例如，对于较大的管芯尺寸，保护带可以是一个管芯宽或两个管芯宽，并且对于非常小的管芯尺寸可以显著增加。图4C图示了图4B的示例晶圆图的圆圈区域的保护带。形成保护带的边界良好管芯被保存为保护带数据集，该数据集包括在传递到晶圆处理的下一步骤的晶圆测试信息中。
[0026]然后定位208被故障管芯的聚类捕获的良好管芯的聚类。当定位故障管芯聚类并应用保护带时，在例如两个聚类之间或聚类与晶圆边缘之间能够捕获表面上良好的管芯的小区域。从质量的角度来看，这种管芯可能是范围小的，并且需要加以识别，以免它们被使用。为了定位这些区域，对晶圆上剩余的良好管芯的数据集执行DBSCAN，即通过晶圆探针测试识别的良好管芯减去用于保护带的良好管芯，以定位良好管芯聚类。对于DBSCAN的这种执行，eps＝1和minPts＝1以便定位好管芯的小聚类，因为良好管芯的较小聚类更有可能是被捕获的聚类。
[0027]使用阈值数量的管芯来识别被捕获管芯的聚类。该阈值可以是预定的和/或用户指定的。例如，阈值可以基于管芯的尺寸和晶圆上管芯的总数。例如，对于管芯尺寸非常大的器件，可以将阈值设置为最小值，而对于管芯尺寸非常小的器件，阈值可能会显著增加。例如，通过将它们指定为报废或将它们分配给保护带数据集，可以将经定位捕获的聚类中的管芯指示为质量有问题。
[0028]图3是根据一个或多个实施例的用于确定故障管芯的DBSCAN聚类的密度参数的方法的流程图。最初，对于故障管芯数据集中每个故障管本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种用于故障管芯聚类的方法，所述方法包括：从晶圆的晶圆图中提取在所述晶圆上的故障管芯的数据集；确定用于将所述故障管芯聚类的密度参数；从所述故障管芯的数据集中去除虚假故障，以生成故障管芯的减小的数据集；通过执行具有所述密度参数的基于密度的带噪声应用空间聚类算法即DBSCAN算法，在所述减小的数据集中定位故障管芯的聚类；以及对每个定位的聚类应用保护带。2.根据权利要求1所述的方法，其进一步包括在定位聚类之前从所述减小的数据集中去除所述晶圆的低故障密度区域中的故障管芯，其中当所述管芯在半径为三内具有少于三个故障管芯邻域时，故障管芯处于低故障密度区域中。3.根据权利要求1所述的方法，其进一步包括定位捕获的良好管芯的聚类并指示捕获的管芯质量有问题。4.根据权利要求3所述的方法，其中定位捕获的良好管芯的聚类进一步包括：使用minPts＝1且eps＝1的所述DBSCAN算法在所述晶圆上的良好管芯数据集中定位良好管芯的聚类，其中所述良好管芯数据集不包括在应用于故障管芯的经定位的聚类的所述保护带中的任何良好管芯；以及使用阈值数量的管芯在所述良好管芯的聚类中识别捕获的良好管芯的聚类。5.根据权利要求4所述的方法，其中所述阈值由用户指定。6.根据权利要求1所述的方法，其中确定密度参数进一步包括：为所述故障管芯数据集中的每个故障管芯计算在半径为3的邻域内的故障管芯邻域的计数；以及基于故障管芯邻域的平均计数、故障管芯邻域的计数的标准偏差以及表示所述晶圆的相对密度的系数来计算所述密度参数。7.根据权利要求1所述的方法，其中应用保护带进一步包括使用用户指定的用于所述保护带的宽度。8.根据权利要求1所述的方法，其中应用保护带进一步包括将所述保护带中的每个管芯的箱改变为用户指定的箱。9.根据权利要求1所述的方法，其中所述晶圆图是通过所述晶圆的电探针测试生成。10.一种系统，其包括：存储用于故障管芯聚类的软件指令的非暂时性计算机可读介质，其中所述软件指令包括用于以下操作的软件指令：从晶圆的晶圆图中提取在所述晶圆上的故障管芯的数据集；确定用于将所述故障管芯聚类的密度参数；从所述故障管芯的数据集中去除虚假故障以生成故障管芯的减小的数据集；通过使用所述密度参数执行基于密度的带噪声应用空间聚类算法即DBSCAN算法，在所述减小的数据集中定位故障管芯的聚类；以及对每个定位的聚类应用保...

【专利技术属性】
技术研发人员：I，
申请(专利权)人：德克萨斯仪器股份有限公司，
类型：发明
国别省市：