在集成電路產業(yè)中,良率提升意味著生產成本降低、利潤率提高,是集成電路企業(yè)在市場中維持自身核心競爭力的關鍵因素。隨著特征尺寸的不斷下探,集成電路生產制造工藝愈發(fā)復雜,由此帶來的良率損失問題也愈發(fā)嚴峻。如何利用集成電路生產測試中收集到的數據來提升良率,是集成電路企業(yè)關注的重點之一。晶圓允收測試（WaferAcceptanceTest,WAT）作為集成電路生產流程中一項重要的測試環(huán)節(jié),常用于器件參數模型的提取與工藝波動的捕獲,對集成電路良率提升有著重要意義。本文圍繞可尋址WAT良率分析場景展開,對利用機器學習方法進行良率診斷的方案進行了 了研究與探索。針對現(xiàn)有方法在分析效率與準確率上的不足,在實驗的基礎上提出了一種基于隨機森林算法的良率診斷方法。論文的主要研究內容如下:（1）分析了目前主流的兩種可尋址WAT良率診斷方法:多維分析方法與基于決策樹的良率診斷方法,并對這兩種方法的局限性作了說明。（2）提出了一種基于隨機森林算法的良率診斷方法,該方法使用隨機森林算法建立測試結構參數與良率之間的分類模型,通過結合重采樣與代價敏感來處理WAT測試數據集中的類別不均衡問題。（3）針對隨機森林模型的可理解... 

【文章來源】：浙江大學浙江省 211工程院校 985工程院校 教育部直屬院校

【文章頁數】：69 頁

【學位級別】：碩士

【文章目錄】：
致謝
摘要
Abstract
第1章 緒論
    1.1 研究背景與意義
        1.1.1 集成電路發(fā)展概況
        1.1.2 集成電路良率問題
    1.2 國內外研究現(xiàn)狀
        1.2.1 使用晶圓測試數據進行良率分析
        1.2.2 使用晶圓箱圖進行良率分析
        1.2.3 使用版圖熱點檢測提升良率
    1.3 研究內容
    1.4 論文結構
    1.5 本章小結
第2章 隨機森林算法原理
    2.1 概述
    2.2 集成學習
        2.2.1 裝袋
        2.2.2 提升
    2.3 決策樹
        2.3.1 概述
        2.3.2 決策樹的構建
        2.3.3 剪枝
    2.4 隨機森林
    2.5 不平衡數據集
        2.5.1 重采樣
        2.5.2 代價敏感
        2.5.3 不平衡數據集分類評價指標
    2.6 本章小結
第3章 晶圓允收測試
    3.1 概述
    3.2 測試結構
    3.3 測試芯片
        3.3.1 測試芯片的部署
        3.3.2 可尋址測試芯片
    3.4 利用可尋址WAT測試數據進行良率診斷
        3.4.1 測試數據
        3.4.2 使用多維分析方法進行良率診斷
        3.4.3 使用決策樹算法進行良率診斷
        3.4.4 現(xiàn)有方法的不足
    3.5 本章小結
第4章 基于隨機森林的可尋址WAT良率診斷方法
    4.1 概述
    4.2 數據準備與預處理
    4.3 特征工程
    4.4 重采樣
    4.5 建立分類模型
    4.6 規(guī)則提取
        4.6.1 基于規(guī)則的分類器
        4.6.2 從隨機森林模型中提取分類規(guī)則
        4.6.3 將規(guī)則轉換為可理解的信息
    4.7 本章小結
第5章 實驗結果與分析
    5.1 數據集描述
    5.2 類別不平衡問題對分類性能的影響
    5.3 分類器訓練結果
    5.4 規(guī)則提取結果
    5.5 本章小結
第6章 總結與展望
    6.1 論文研究工作總結
    6.2 后續(xù)工作展望
參考文獻
作者簡歷
作者攻讀碩士學位期間發(fā)表的論文


【參考文獻】：
碩士論文
[1]面向標準單元庫的MOS器件大型可尋址測試芯片的研究、設計與實現(xiàn)[D]. 楊璐丹.浙江大學 2018
[2]集成電路隨機缺陷的良率研究[D]. 張茜.大連理工大學 2016
[3]某存儲器芯片晶圓可接受性測試的設計與實現(xiàn)[D]. 彭繼甜.電子科技大學 2011



本文編號：2996825