[发明专利]一种良率预警和诊断分析的方法、装置

说明书

本发明属于半导体制造技术领域，尤其是涉及一种良率预警和诊断分析的方法、装置，包括良率统计管控模块、报警分组模块、分析模块和结果前端展示输出模块，所述所述良率统计管控模块包括Daily Bin Ratio管控预警模组、管控预警Base Line配置模组和Daily良率统计模组。上述的半导体行业智能良率预警和诊断分析的方法，通过对数据库中的数据进行分析，统计分析不良的Wafer，对异常的Wafer进行预警通知，并自动对其进行分析，指出Wafer不良的主要根因，从而更快捷的找出问题，提高Wafer的良率，在整个过程中，由于全自动化，无需人员参与数据的输入和手动计算，大幅提高了分析速率，同时保证了统计分析的准确率。

技术领域

本发明涉及到半导体制造领域，特别是一种半导体行业智能良率预警和诊断分析的方法。

背景技术

良率是很多制造业工厂的一个重要的评价指标，尤其是对半导体晶圆制造产业来说，每片硅晶圆会经历很多道精密处理，若其中出现一次不完美的处理，会影响到后续的制造过程及产品品质，严重会造成晶圆报废、功亏一篑。

半导体晶圆的良率是根据缺陷晶圆和功能晶圆的比率来计算的。晶圆的良率常规定义为：。Wafer Bin Map(WBM)中有一个特殊的模式，用于确定晶圆制造过程中是否存在异常。即探针测试晶片中每个晶粒的电特性及其在电路中的连接。作为晶圆的代工厂，客户常常需要晶圆产品的良率达到83％及以上，否则被判为废片，从而造成退换货或补差价。因此，晶圆产品的良率关系到制造业的利润，往往都是极大利益。

半导体制造业现有的分析方法，依据各检测点提供的具有缺陷的数据，首先进行人工筛选，找出不良的晶圆种类并排序，依据缺陷的种类顺序。人工将缺陷类的数据进行处理，手动从数据库拉取数据并分析不良的根因。

由于这种方法，虽然是基于电脑系统分析，但是人员干预太多，而且根因分析的时候，不能顾及所有的参数，尤其是海量的数据，这使得分析的时候费时费力。而且，人员在操作的过程中，不免会出差错，使得分析的结果会对最终的根因产生影响。

大数据是过去十年在企业中广泛用于数据分析、商业智能和统计应用的概念。由于数据量的快速增长、数据存储成本的下降、软件技术的进步和云环境的成熟，该领域已经成熟对历史数据的先前见解的数据分析可以预测未来的结果，甚至可以创新，创造前所未见的商业模式。

智能工厂和工业4.0的概念最近在全球半导体行业引起了越来越多的关注。半导体产业在全球市场占有重要地位，尤其在晶圆代工、封装和测试领域处于领先地位。由于全球竞争激烈，实施智能制造以提高生产过程的效率、提高设备的自动化程度、增强数据分析能力不仅是一种选择，而且是一种必要的行动。

半导体行业中大数据类型的特征被称为3Vs：海量数据(Volume)，生成数据的速度(Velocity)，有各种类型的数据(Variety)。随着半导体制造技术的进步，工艺变得更长、更复杂，在制造过程中会产生大量数据。每个工位的每台机器在每个过程的步骤中都可以生成数据，因此生成数据的速度很高。从不同机器生成的数据可能有不同的形式，例如图像或数字。积累了大量的生产记录和工艺参数数据，必须加以分析。

因此，有必要在早期确定如何避免产量损失或尽快诊断产量损失的原因，对当下的良率分析进行优化，以便能够更快更准确的进行晶圆良率分析，以节省更多的资金为此，我们提出一种良率预警和诊断分析的方法、装置来解决上述问题。

发明内容

本发明的目的是为了解决现有技术中存在的问题，而提出的一种良率预警和诊断分析的方法、装置。

为了实现上述目的，本发明采用了如下技术方案：