發(fā)布時間：2022-01-06 02:46

　　晶圓良率是衡量半導體產(chǎn)品質(zhì)量的關鍵指標,對其進行穩(wěn)定、準確的預測能夠幫助發(fā)現(xiàn)晶圓加工工藝缺陷、提高芯片質(zhì)量、控制芯片生產(chǎn)成本。針對晶圓良率的影響因素多、數(shù)據(jù)體量大、數(shù)據(jù)間關系復雜等特點,以晶圓加工過程中的電性測試參數(shù)為依據(jù),提出一種基于改進的連續(xù)型深度信念網(wǎng)絡的晶圓良率預測方法。首先提出晶圓電性測試參數(shù)的兩階段數(shù)據(jù)預處理方法,第一階段對晶圓電性測試參數(shù)中的缺失值、異常值進行數(shù)據(jù)清洗,第二階段對晶圓電性測試測試參數(shù)間的多重共線性關系進行主成分分析,以獲取預測模型的輸入變量。然后設計了基于深度信念網(wǎng)絡的晶圓良率預測模型,通過改進隱藏層的連續(xù)型受限制玻爾茲曼機,實現(xiàn)了關鍵特征的自動提取,利用輸出層的誤差反向傳播機制,實現(xiàn)了晶圓良率的準確預測。采用實例數(shù)據(jù),對比了所提方法與現(xiàn)有文獻方法的預測準確率,從而驗證了所提方法的有效性。 

【文章來源】：計算機集成制造系統(tǒng). 2020,26(09)北大核心EICSCD

【文章頁數(shù)】：8 頁

【文章目錄】：
0 引言
1 基于ICDBN的晶圓良率預測方法框架
2 晶圓電性測試參數(shù)的兩階段數(shù)據(jù)預處理方法
    2.1 晶圓電性測試數(shù)據(jù)清洗
        (1)晶圓電性測試參數(shù)的缺失值處理
        (2)晶圓良率的異常點處理
        (3)晶圓電性測試參數(shù)間的量綱不一致處理
    2.2 晶圓電性測試參數(shù)的主成分分析方法
3 基于ICDBN的晶圓良率預測模型
    3.1 隱藏層-ICRBM
        (1)受限制的玻爾茲曼機(Restricted Boltzmann Machine, RBM)
        (2)改進的連續(xù)型受限制玻爾茲曼機
    3.2 輸出層-BPNN
4 實例驗證分析
    4.1 模型參數(shù)試驗
        (1)模型層數(shù)設定
        (2)模型節(jié)點設定
        (3)激活函數(shù)設定
        (4)迭代次數(shù)與學習率設定
    4.2 預測方法對比試驗
        (1)預測結(jié)果對比試驗
        (2)預測誤差對比試驗
5 結(jié)束語


【參考文獻】：
期刊論文
[1]基于多主元特征與支持向量機的動態(tài)過程質(zhì)量異常監(jiān)控模型[J]. 劉玉敏,張帥.  計算機集成制造系統(tǒng). 2018(03)
[2]基于DBSCAN與FSVM的半導體生產(chǎn)線成品率預測方法[J]. 邱明輝,曹政才,劉民,劉雪蓮.  計算機集成制造系統(tǒng). 2016(11)

碩士論文
[1]基于主成分分析的多元分段模型預測集成電路晶圓良率的應用[D]. 康盛.華東師范大學 2015
[2]銅互連工藝缺陷模式及其對集成電路良率的影響[D]. 孫宏.復旦大學 2009



本文編號：3571569