[发明专利]不良分类方法及装置

说明书

本发明提供了一种不良分类方法及装置，属于半导体技术领域。不良分类方法，包括：利用不良特征信息与生产执行系统MES信息组成原始数据集；利用所述原始数据集构造多个子数据集，每一子数据集包括多个数据样本；对每一子数据集生成一决策树，并得到每一决策树的分类结果；利用随机森林选择算法选择票数最多的分类结果，作为最终的分类结果。本发明能够实现晶圆制程中对不良样本的精确分类。

技术领域

本发明涉及半导体技术领域，特别是指一种不良分类方法及装置。

背景技术

随着高科技半导体技术不断的发展，半导体产业被誉为科技业的命脉，中国半导体市场急剧扩张，终将成为中国经济的支柱。

在摩尔定律的推动下，半导体制程持续微缩。成熟的量产技术已达14纳米，半导体大厂更朝10纳米、7纳米迈进，连5纳米也在规划中。随着技术节点的推进，随之而来的是器件结构、材料、图案形成与制程技术、晶圆尺寸等都发生了转变。更小的关键尺寸(7纳米或更低)和高集成度带来许多物理缺陷，致使晶圆代工厂面临产量低产品功能性失效的问题。在这种情况下，量测和检测分析等制程控制技术对半导体行业的发展愈发的重要。

制程控制中的检测、量测与数据分析等方法广泛地运用在整个半导体制造周期中。从前端的半导体材料硅片制造，到晶圆制造，中测，封装到成测。每一步都会对良率产生影响，并且最终良率是由每一步的良率的积组成。

从产线中通过检测设备获取不良数据，将不良数据分类成不同的类，以供良率工程师分析使用，有助于良率的提升，但现有的不良分类方法的分类结果不够精确。

发明内容

本发明要解决的技术问题是提供一种不良分类方法及装置，能够实现晶圆制程中对不良样本的精确分类。

为解决上述技术问题，本发明的实施例提供技术方案如下：

一方面，本发明实施例提供一种不良分类方法，包括：

利用不良特征信息与生产执行系统MES信息组成原始数据集；

利用所述原始数据集构造多个子数据集，每一子数据集包括多个数据样本；

对每一子数据集生成一决策树，并得到每一决策树的分类结果；

利用随机森林选择算法选择票数最多的分类结果，作为最终的分类结果。

可选地，还包括：

获取检测设备测量得到的不良特征信息。

可选地，所述利用所述原始数据集构造多个子数据集包括：

从所述原始数据集中随机采样出N个数据样本构造所述子数据集，N为大于1的整数。

本发明的实施例还提供了一种不良分类装置，包括：

原始数据集构建模块，用于利用不良特征信息与生产执行系统MES信息组成原始数据集；

子数据集构造模块，用于利用所述原始数据集构造多个子数据集，每一子数据集包括多个数据样本；

决策树生成模块，用于对每一子数据集生成一决策树，并得到每一决策树的分类结果；

处理模块，用于利用随机森林选择算法选择票数最多的分类结果，作为最终的分类结果。

可选地，还包括：

获取模块，用于获取检测设备测量得到的不良特征信息。

可选地，所述子数据集构造模块具体用于从所述原始数据集中随机采样出N个数据样本构造所述子数据集，N为大于1的整数。