晶圓分類方法
2023-12-04 01:02:26
專利名稱：晶圓分類方法
技術領域：
本發明涉及半導體測試領域，特別涉及一種晶圓分類方法。
背景技術：
目前，在矽片製造過程中有兩種類型的電學測試，之所以稱為矽片測試因為它 們是在矽片(而不是封裝的晶片)上進行的。矽片測試分為晶圓允收測試(WAT，Wafer Acceptance Test)和晶圓針測(CP，Circuit Probe)。WAT在矽片製造完成後進行，是對矽片上的測試圖形結構進行的電學測試，通過電 參數來監控各步工藝是否正常和穩定。CP也在矽片製造完成後進行，但是CP測試在WAT測試之後進行。對整片矽片的 每個晶粒進行測試，以確定矽片上的哪些晶粒符合規格可以送到裝配和封裝部門。也就是 說主要目的是測試矽片(晶圓)中每一顆晶粒的電氣特性，線路的連接，檢查其是否為不良 品，若為不良品，則點上一點紅墨水，作為識別之用。除此之外，另一個目的是測試產品的良 率(yield)，依良率的高低來判斷晶圓製造的過程是否有誤。良率高時表示晶圓製造過程一 切正常，若良率過低，表示在晶圓製造的過程中，有某些步驟出現問題，必須儘快通知工程 師檢查。由於WAT是對矽片上的測試圖形結構進行的電學測試，所以比CP更容易得到問題 的器件信息，而CP是衡量所生產的晶圓性能的一個較重要的指標，可以減少封裝和測試的 成本。但是很多產品要在WAT測試之後，等待測試機臺進行CP測試，這個時間至少需要2 3天，不但延長了整個產出周期，而且為了節省CP測試的成本，有的公司則省略該步驟，一 旦發生問題，則損失無法彌補。
發明內容
有鑑於此，本發明解決的技術問題是等待進行CP測試的時間比較長，產出效率 比較低。為解決上述技術問題，本發明的技術方案具體是這樣實現的本發明公開了一種晶圓分類方法，包括提供一批已知晶圓，所述已知晶圓為已取得晶圓允收測試WAT數據和晶圓針測CP 數據的晶圓，將所述已知晶圓分為好壞組；從該批晶圓的WAT數據中篩選WAT參數；對所述篩選出的WAT參數進行正交化分析，得到主成分，並選擇得到的主成分；該方法還包括提供一未知晶圓，所述未知晶圓為已取得WAT數據，未取得CP數據的一晶圓，所述 未知晶圓利用所述選擇得到的主成分表示；所述好組和壞組晶圓分別利用所述選擇得到的主成分表示；將利用所述選擇得到的主成分表示的未知晶圓、好組和壞組晶圓代入判別分析式，計算未知晶圓到好壞組的距離，將所述未知晶圓歸類到距離近的一組。所述將已知晶圓分為好壞組的方法為，根據所述已知晶圓的CP數據，將所述已知 晶圓分為好壞組。所述CP數據為不合格項目bin值。所述篩選出的WAT參數與所述CP數據相關，且當分為好壞組的晶圓，用WAT參數 盒子圖表示時，壞晶圓盒子圖的25%至75%部分與好晶圓盒子圖的25%至75%部分都不重合。所述篩選出的WAT參數與CP數據的相關性係數不小於0. 4。所述正交化分析的具體方法為將所述篩選出的WAT參數投影到反映變量信息的 方向上。
所述選擇主成分的方法為，選出累積貢獻率在80 % 85 %的主成分。所述判別分析式為馬式判別分析式，其中，馬式Mahalanobis距離為d(x,X)=7(x-u)TΣ (χ - u)，χ為利用選擇得到的主成分表示的未知晶圓，X為利用選擇得到的主成分表示的好組晶圓的總體或者壞組晶圓的總體，等式左邊代表未知晶圓X到總體X 的距離，u和Σ分別表示總體X的均值和方差；將分別代表未知晶圓到好、壞晶圓組的Mahalanobis距離d(x，Xl)和d(x，X2)代 入判別函數式W(χ) = d (χ, XI) -d (χ, X2)，當W(X) ε，將未知晶圓分到壞晶圓組，其中，ε為無限趨近於0的數。所述χ、X分別為所述主成分的線性表示的矩陣。由上述的技術方案可見，本發明基於CP數據和WAT數據通常有較強的相關性，運 用統計和資料庫挖掘的方法從歷史CP數據和WAT數據出發，利用未知樣本的WAT數據，對 該未知樣本的CP數據進行預測，達到將未知樣本分類為好壞晶圓組的目的。採用本發明的 技術方案，不需要進行CP測試，就可以對已知WAT數據的未知樣本進行準確的分組，不但提 高了生產效率，而且可以及時地對晶圓製程進行管控和調整。
圖1為本發明對晶圓進行分類的方法流程示意圖。圖2為本發明實施例中篩選出的觀個好壞組之間有明顯差異的WAT參數盒子圖。圖3為本發明實施例中貢獻率逐漸減小的10個主成分，在好壞組之間的差異的盒 子圖。圖4為本發明實施例中，採用本發明的方法得到的晶圓分組，以及經過CP測試之 後得到的晶圓分組。
具體實施例方式本發明的核心思想是基於CP數據和WAT數據通常有較強的相關性，運用統計和 資料庫挖掘的方法從歷史CP數據和WAT數據出發，利用未知樣本的WAT數據，對該未知樣 本的CP數據進行預測，達到將未知樣本分類為好壞晶圓組的目的。採用本發明的技術方案，不需要進行CP測試，就可以對已知WAT數據的未知樣本進行準確的分組，不但提高了生 產效率，而且可以及時地對晶圓製程進行管控和調整。為使本發明的目的、技術方案、及優點更加清楚明白，以下參照附圖並舉實施例， 對本發明進一步詳細說明。本發明對晶圓進行分類的方法流程示意圖，如圖1所示。其包括以下步驟步驟11、將已取得WAT數據和CP數據的晶圓分為好壞組。將已取得WAT數據和CP數據的晶圓稱為已知晶圓。產品的好壞由良率決定，而且 良率由眾多的測試項目(bin)值計算得來，而WAT數據中某個WAT參數的變化往往只引起 某個bin值的高低，為了使好壞組的意義更加明確，使WAT參數在組間的差異達到最大化， 本發明只選用某個具體的bin值來進行分組。並且好壞組的bin值範圍需要由工程師提供。本發明具體實施例提供已取得CP數據和WAT數據的晶圓700片，選用代表漏電流 (leakage)的測試項目bin40對700片晶圓進行分組。通過分組發現Bin40 20%的壞晶圓數量為140片。
5 %和20 %的分組標準，由工程師根據客戶的需要提供。該項目不合格的晶粒數量 佔整片晶圓所有晶粒的百分比即為bin值，經過篩選將好壞晶圓挑選出來，bin值在5%和 20%之間的晶圓視為放棄。需要說明的是，本發明實施例是以CP數據的bin值對晶圓進行分組，而且任意不 合格的項目都可以作為分組的標準。實際上根據需要，有多種根據CP數據進行分組的方 法，其中可以根據良率進行分組，良率是通過所有測試項目的晶粒佔整片晶圓所有晶粒的 百分比，根據良率進行分組的標準也由工程師提供，從而將晶圓分為好壞組。步驟12、篩選WAT參數；基於歷史WAT數據，做相關性分析，選出和某固定bin值有相關性的WAT參數集 合。WAT參數很多，影響到bin的種類也很多。對所述WAT數據和CP數據進行相關性分析， 如果相關性係數大於某設定值，則認為所評價的該WAT參數與CP數據，這裡指的就是WAT 參數與bin值相關性較高，然後就將該WAT參數篩選到和某固定bin值有相關性的WAT參 數集合中去。這裡相關性係數是在-1至1之間的，一般相關性係數的絕對值小於0. 4時， 則認為WAT參數與bin值的相關性較小，對該WAT參數不予考慮。而相關性係數的絕對值 越接近1，則認為相關性越強。為了進一步確定篩選出的WAT參數具有組與組之間的可分辨性，使模型更加合 理，在上述WAT參數集合中再選出好壞組之間有明顯差異的WAT參數。有明顯差異的標準 是每個WAT參數在好壞組中的盒子圖的25%至75%部分不重合。這樣可以確保好壞組的 WAT參數的主體分布有較大的差別。對於本發明具體實施例中的產品，每片晶圓共有271個WAT參數，不同晶圓的同一 個WAT參數的值不同。通過相關性分析篩選出30個與bin40統計相關的WAT參數，要求相 關性係數不小於0.5 ；在上述30個WAT參數中，本發明實施例中再選出28個好壞組之間有 明顯差異的WAT參數。圖2為本發明實施例中篩選出的觀個好壞組之間有明顯差異的WAT 參數盒子圖。其中，每個小圖的橫坐標表示分類為好壞晶圓的片數，壞代表140片分類到壞 組的晶圓，好代表370片分類到好組的晶圓；縱坐標表示WAT參數值。觀個小圖代表篩選出每片晶圓的觀個WAT參數，對於每個小圖來說，每片晶圓的同一個WAT參數的值不同，在 盒子的高度範圍內波動。從圖2中可以看出觀幅小圖中壞晶圓盒子圖的25%至75%部分 與好晶圓盒子圖的25%至75%部分都不重合，說明所選觀個WAT參數的好壞組差異是非 常明顯的。步驟13、對上述篩選出的好壞組之間有明顯差異的WAT參數進行正交化處理，即 進行主成分分析，使得主成分之間兩兩垂直，消除了 WAT參數之間的交互作用。每個主成分 均為有明顯差異的WAT參數的線性組合函數。WAT參數數目眾多且彼此相關，將多個WAT參數綜合考察，涉及到應用多元分析。 多元分析處理的是多變量(多指標)問題，由於變量較多，增加了分析問題的複雜性。在大 部分實際問題中，變量之間是有一定的相關性的，使得所觀測的數據在一定程度上反映的 信息有所重疊。人們自然希望用較少的變量來代替原來較多的變量，而且這些較少的變量 儘可能的反映原來變量的信息。利用這種降維的思想，產生了主成分分析，即通過降維，找 到幾個綜合因子(主成分)來代表眾多的變量，使這些綜合因子能儘可能反映原來變量的 信息量，而且因子之間彼此互不相關。在這個問題中，運用主成分分析，用眾多相關的WAT 參數計算主成分，並提取累積貢獻率達到80% 85%的前幾個主成分，由此達到降維的目 的，同時對原來變量信息的損失也不多。本發明實施例中將28個相關WAT參數進行正交化處理，即將所述28個相關WAT 參數投影到最能反映原來變量信息的方向上，得到觀個主成分，每個主成分為^fWAT參 數的線性組合函數；同時為了達到排除噪聲的目的，計算每個主成分對原來整體信息的貢 獻率，選出累積貢獻率達到80%的前幾個主成分，如圖3所示，圖3中為貢獻率逐漸減小的 10個主成分，在好壞組之間的差異的盒子圖。其中，每個圖的橫坐標表示分類為好壞晶圓的 片數，壞代表140片分類到壞組的晶圓，好代表370片分類到好組的晶圓；縱坐標表示主成 分值。將這10個主成分的貢獻率相加，得到的累積貢獻率已經達到80%，其它主成分的貢 獻率很小，視為噪聲不予計算在內。那麼，好壞組的每片晶圓都可以用上述10個主成分的線性組合函數表示，每片晶 圓用矩陣表示為1列10行的矩陣。步驟14、判別分析，計算未知樣本到好壞組的距離，將樣本歸類到距離近的一組， 每一個未知樣本都可以進行判別分析，從而達到分類的目的。判別分析是判別個體所屬群體的一種統計方法，它利用原有的分類信息，得到體 現這種分類的函數關係式，這種函數關係式稱為判別函數，然後利用該函數去判斷未知樣 本屬於哪一類，這裡指屬於好晶圓組還是壞晶圓組。判別分析其實質是一個學習和預測 的過程。本發明實施例中採用馬式(Mahalanobis)距離這種判別分析的手法，進行判別。 當然還有多種判別分析手法同樣適用於本發明，如線性判別分析(linear discriminant analysis) > JilSff^llS1J^IiT (Bayes discriminant analysis)等。Mahalanobis足巨離的定義d(x,X)=^/(x-u)T X 「『 (x - U)其中，χ表示未知晶圓，X表示好組晶圓的總體或者壞組晶圓的總體，等式左邊代 表未知樣本X到總體X的距離，U和Σ分別表示總體X的均值和方差。未知樣本即已經得到WAT數據，但未知CP數據的某一未知晶圓。由於已知未知樣本的WAT數據，所以將未知樣本的WAT數據用上述10個主成分的線性組合函數表示，即 未知晶圓χ都可以用上述10個主成分的線性組合函數表示，用矩陣表示為1列10行的矩 陣:x = (xl，x2, x3,…，χ10)τ ；總體X分為好晶圓組的總體或者壞晶圓組的總體，如果計 算未知樣本到好晶圓組的距離，則總體X用矩陣表示為370列10行的矩陣，每行表示一片 已知好晶圓，共370片好晶圓；如果計算未知樣本到壞晶圓組的距離，則總體X用矩陣表示 為140列10行的矩陣，每行表示一片已知壞晶圓，共140片壞晶圓。也就是說好組晶圓的 總體X或者壞組晶圓的總體X，也是利用步驟13中選擇出的10個主成分線性表示的矩陣。根據
權利要求
1.一種晶圓分類方法，提供一批已知晶圓，所述已知晶圓為已取得晶圓允收測試WAT數據和晶圓針測CP數據 的晶圓，將所述已知晶圓分為好壞組；從該批晶圓的WAT數據中篩選WAT參數；對所述篩選出的WAT參數進行正交化分析，得到主成分，並選擇得到的主成分； 該方法還包括提供一未知晶圓，所述未知晶圓為已取得WAT數據，未取得CP數據的一晶圓，所述未知 晶圓利用所述選擇得到的主成分表示；所述好組和壞組晶圓分別利用所述選擇得到的主成分表示；將利用所述選擇得到的主成分表示的未知晶圓、好組和壞組晶圓代入判別分析式，計 算未知晶圓到好壞組的距離，將所述未知晶圓歸類到距離近的一組。
2.如權利要求1所述的方法，其特徵在於，所述將已知晶圓分為好壞組的方法為，根據 所述已知晶圓的CP數據，將所述已知晶圓分為好壞組。
3.如權利要求2所述的方法，其特徵在於，所述CP數據為不合格項目bin值。
4.如權利要求1所述的方法，其特徵在於，所述篩選出的WAT參數與所述CP數據相關， 且當分為好壞組的晶圓，用WAT參數盒子圖表示時，壞晶圓盒子圖的25%至75%部分與好 晶圓盒子圖的25%至75%部分都不重合。
5.如權利要求4所述的方法，其特徵在於，所述篩選出的WAT參數與CP數據的相關性 係數不小於0.4。
6.如權利要求1所述的方法，其特徵在於，所述正交化分析的具體方法為將所述篩選 出的WAT參數投影到反映變量信息的方向上。
7.如權利要求1所述的方法，其特徵在於，所述選擇主成分的方法為，選出累積貢獻率 在80% 85%的主成分。
8.如權利要求1所述的方法，其特徵在於，所述判別分析式為馬式判別分析式，其中，馬式Mahalanobis距離為d(x,X)=V(x-u)TΣ ―1 (x -u)，χ為利用選擇得到的主成分表示的未知晶圓，X為利用選擇得到的主成分表示的好組晶圓的總體或者壞組晶圓的總體，等式左邊 代表未知晶圓χ到總體X的距離，u和Σ分別表示總體X的均值和方差；將分別代表未知晶圓到好、壞晶圓組的Mahalanobis距離d(x，Xl)和d(x，X2)代入判 別函數式W(x) = d(x, XI)-d (χ, Χ2)， 當W(x) ε，將未知晶圓分到壞晶圓組，其中，ε為無限趨近於0的數。
9.如權利要求8所述的方法，其特徵在於，所述χ、X分別為所述主成分的線性表示的矩陣。
全文摘要
本發明公開了一種晶圓分類方法，提供一批已知晶圓，所述已知晶圓為已取得WAT數據和CP數據的晶圓，將所述已知晶圓分為好壞組；從該批晶圓的WAT數據中篩選WAT參數；對所述篩選出的WAT參數進行正交化分析，得到主成分，並選擇得到的主成分；提供一未知晶圓，所述未知晶圓為已取得WAT數據，未取得CP數據的一晶圓，所述未知晶圓利用所述選擇得到的主成分表示；所述好組和壞組晶圓分別利用所述選擇得到的主成分表示；將利用所述選擇得到的主成分表示的未知晶圓、好組和壞組晶圓代入判別分析式，計算未知晶圓到好壞組的距離，將所述未知晶圓歸類到距離近的一組。採用該方法不需要進行CP測試，就可以對未知晶圓進行準確的分組。
文檔編號B07C5/344GK102039277SQ20091019767
公開日2011年5月4日 申請日期2009年10月23日 優先權日2009年10月23日
發明者劉偉, 林光啟 申請人:中芯國際集成電路製造(上海)有限公司