晶圓允收測試是晶圓加工過程的關(guān)鍵環(huán)節(jié),對其中的關(guān)鍵測試參數(shù)進(jìn)行準(zhǔn)確分析識別有助于準(zhǔn)確預(yù)測晶圓良率、及時(shí)發(fā)現(xiàn)工藝缺陷。針對測試參數(shù)維度高、數(shù)據(jù)冗余性強(qiáng)、關(guān)鍵特征不顯著的特點(diǎn),以最小化晶圓允收測試參數(shù)量和晶圓良率預(yù)測誤差為目標(biāo),提出了過濾式與封裝式相結(jié)合的混合式特征選擇方法。在過濾式預(yù)篩選中,通過互信息度量各參數(shù)與晶圓良率的相關(guān)性,以及各參數(shù)之間冗余性,并根據(jù)最大相關(guān)、最小冗余準(zhǔn)則,縮小候選參數(shù)規(guī)模;在封裝式精選中,以遺傳算法實(shí)現(xiàn)候選參數(shù)的編碼、尋優(yōu),根據(jù)神經(jīng)網(wǎng)絡(luò)的晶圓良率預(yù)測誤差進(jìn)行適應(yīng)度函數(shù)評價(jià),進(jìn)一步精選關(guān)鍵特征。最后,采用標(biāo)準(zhǔn)數(shù)據(jù)集和實(shí)例數(shù)據(jù)對所提方法進(jìn)行了有效性驗(yàn)證。 

【文章來源】：中國機(jī)械工程. 2020,31(16)北大核心EICSCD

【文章頁數(shù)】：8 頁

【部分圖文】：

基于混合式特征選擇的關(guān)鍵晶圓允收測試參數(shù)識別框架圖

基于GA-BPNN的WAT參數(shù)選擇方法以封裝式特征選擇模型為基礎(chǔ),將后續(xù)的學(xué)習(xí)算法嵌入到特征選擇過程中,通過測試特征子集在學(xué)習(xí)算法上的預(yù)測性能,對不同特征子集進(jìn)行優(yōu)劣評定,實(shí)現(xiàn)WAT參數(shù)的特征精選[20-21]。如圖2所示,利用遺傳算法(GA)實(shí)現(xiàn)預(yù)篩選WAT參數(shù)的編碼、更新,采用BPNN深度學(xué)習(xí)模型建立WAT參數(shù)與晶圓良率之間的復(fù)雜非線性映射關(guān)系,對遺傳算法中的個(gè)體進(jìn)行適應(yīng)度評價(jià)[22]。3.1 子集產(chǎn)生

分別將WAT訓(xùn)練數(shù)據(jù)與測試數(shù)據(jù)代入mRMR-BPNN模型、GA-BPNN模型以及本文所提出的混合式特征選擇模型中進(jìn)行驗(yàn)證,8組預(yù)測輸出良率值與真實(shí)良率值絕對誤差對比情況如圖5所示。對比不同Lot晶圓的良率預(yù)測情況可知,三種預(yù)測模型在Lot_ID_A數(shù)據(jù)集中的預(yù)測誤差值顯著高于其他幾組Lot中的預(yù)測誤差值,究其原因主要是Lot_ID_A批次的晶圓片屬于晶圓批量生產(chǎn)的試制階段,晶圓生產(chǎn)的工藝參數(shù)及制程還未穩(wěn)定,等到工藝參數(shù)及制程工藝穩(wěn)定之后,晶圓良率誤差值普遍減小,因而中后期所生產(chǎn)的晶圓良率預(yù)測誤差值逐漸減少,并趨于穩(wěn)定;對每組Lot晶圓而言,3種良率預(yù)測模型的預(yù)測絕對誤差值差異顯著,mRMR-BPNN方法的預(yù)測誤差值較大,GA-BPNN方法預(yù)測誤差值相對mRMR-BPNN方法而言預(yù)測誤差值要小,而本文所提混合式特征選擇方法的預(yù)測誤差值最小,優(yōu)于另外兩種對比方法。(3)篩選結(jié)果對比試驗(yàn)。

【參考文獻(xiàn)】：
期刊論文
[1]數(shù)據(jù)驅(qū)動的晶圓圖缺陷模式識別方法[J]. 楊振良,汪俊亮,張潔,蔣小康.  中國機(jī)械工程. 2019(02)
[2]大數(shù)據(jù)驅(qū)動的晶圓工期預(yù)測關(guān)鍵參數(shù)識別方法[J]. 汪俊亮,張潔.  機(jī)械工程學(xué)報(bào). 2018(23)
[3]基于函數(shù)型數(shù)據(jù)分析的半導(dǎo)體生產(chǎn)過程監(jiān)控[J]. 黎敏,謝玄,陳澤,楊孟瑤,楊德斌,蔣靖.  機(jī)械工程學(xué)報(bào). 2018(16)
[4]基于數(shù)據(jù)挖掘的晶圓制造交貨期預(yù)測方法[J]. 汪俊亮,秦威,張潔.  中國機(jī)械工程. 2016(01)



本文編號：3529066