摘 要： 在半導(dǎo)體生產(chǎn)過程中，半導(dǎo)體的成品率即合格品占整個生產(chǎn)線上產(chǎn)品的比例是衡量一個企業(yè)生產(chǎn)水平的重要指標(biāo)之一，成品率的高低直接決定了企業(yè)的生產(chǎn)成本，因而研究了一種在密度聚類與模糊支持向量機(jī)基礎(chǔ)上的半導(dǎo)體成品率預(yù)測方法來提高成品率預(yù)測的精準(zhǔn)度。先介紹了成品率預(yù)測中的經(jīng)驗?zāi)Ｐ秃头墙?jīng)驗?zāi)Ｐ蛢深惸Ｐ?，總結(jié)了各自的特點，然后利用密度聚類的方法對晶圓的缺陷進(jìn)行分析，得到了晶圓缺陷的分布模式和密度參數(shù)兩個描述缺陷的重要指標(biāo)，結(jié)合兩個指標(biāo)提出了用模糊支持向量機(jī)模型預(yù)測成品率。通過仿真實驗分析，發(fā)現(xiàn)提出的采用模糊支持向量機(jī)模型比泊松模糊和二項式分布模型有更高的準(zhǔn)確率。

關(guān)鍵詞： 半導(dǎo)體; 缺陷模式; 密度; 模型

中圖分類號： TP393 ? ? ?文獻(xiàn)標(biāo)志碼： A

Semconductor Yeld Predcton Based on Densty Clusterng and

Fuzzy Support Vector Bass

ZHOU Mng

（Guln Hvson Technology Co. Ltd.， Guln 541004）

Abstract： n the process of semconductor producton， the rato of qualfed products to the whole producton lne s one of the mportant ndexes to measure the producton level of an enterprse. The producton cost of an enterprse s drectly determned by the level of fnshed products. Therefore， ths paper studes a predcton method of semconductor products based on densty clusterng and fuzzy support vector bass. The method mproves the predcton accuracy of fnshed products. Frstly， the emprcal model and non-emprcal model n product predcton are ntroduced， and ther respectve characterstcs are summarzed. Then， the defects of wafer are analyzed by densty clusterng method， and two mportant ndcators of defect dstrbuton pattern and densty parameters are obtaned. Combnng these two ndcators， a fuzzy support vector machne model s proposed to predct product. Through the analyss of smulaton experments， t s found that the model of fuzzy support vector machne used n ths paper has hgher accuracy than Posson's fuzzy and bnomal dstrbuton model.

Key words： Semconductor; Defect mode; Densty; Model

0 引言

隨著21世紀(jì)電子信息技術(shù)的發(fā)展，與之相對應(yīng)的電子設(shè)備也在蓬勃發(fā)展，而電子設(shè)備的核心元件是其位于主板上的電子芯片。電子芯片的制造水平和制造能力是一個半導(dǎo)體制造企業(yè)科技實力的集中體現(xiàn)，因此有效控制芯片的質(zhì)量是降低電子設(shè)備的故障率和生產(chǎn)成本的關(guān)鍵因素。根據(jù)目前研究，衡量芯片質(zhì)量的指標(biāo)有很多，其中成品率之一指標(biāo)是最核心最重要的指標(biāo)，是決定芯片質(zhì)量的關(guān)鍵因素。對芯片產(chǎn)品的成品率進(jìn)行預(yù)測能有效提高產(chǎn)品質(zhì)量，降低企業(yè)生產(chǎn)成本。

1 缺陷特征分析模型

對于半導(dǎo)體的成品率研究方法是先建立分析模型，在分析模型的基礎(chǔ)上輸入?yún)?shù)分析求解。目前主要有兩種預(yù)測模型，一種是經(jīng)驗?zāi)Ｐ?，一種是非經(jīng)驗?zāi)Ｐ蚚1]。

經(jīng)驗?zāi)Ｐ鸵詼y試后的數(shù)據(jù)為出發(fā)點，將這些測試數(shù)據(jù)用數(shù)學(xué)函數(shù)擬合，找到一種與結(jié)果數(shù)據(jù)大致相同的數(shù)學(xué)函數(shù)模型，通過對數(shù)學(xué)函數(shù)的分析間接預(yù)測成品率。經(jīng)驗?zāi)Ｐ偷唵?、計算時間短，但計算精度較差，結(jié)果與實際偏差較大，通用性差。目前經(jīng)驗?zāi)Ｐ椭袘?yīng)用比較廣泛的有負(fù)二項式模型和Posson模型。Posson模型的計算式如式（1）。P（k）=e-λ0λk0k！

（1）其中，λ0—缺陷密度與芯片面積的乘積，K—缺陷發(fā)生個數(shù)，P—表示發(fā)生的概率。

由于負(fù)二項式模型考慮了缺陷的集聚特性，因此它的預(yù)測精確度要比Posson模型更準(zhǔn)確一些，在實際中也要比Posson模型應(yīng)用廣泛。負(fù)二項式模型計算式如式（2）。Y=（1+AD0/α）-α

（2）其中α是集群系數(shù)，其余參數(shù)同泊松分布。

利用經(jīng)驗?zāi)Ｐ蛯Τ善仿暑A(yù)測時必須滿足一些前提條件：1、當(dāng)缺陷出現(xiàn)集群時，系統(tǒng)能夠?qū)⑦@些不同的集群劃分出來，在進(jìn)行成品率預(yù)測時不同的集群給與不同的加權(quán)值;2、假設(shè)晶元上缺陷的分布密度函數(shù)是一個常數(shù)，假若晶圓出現(xiàn)缺陷，那么缺陷出現(xiàn)的概率只和所取得晶圓面積有關(guān)，和其他因素?zé)o關(guān)。由于在實際中和理想模型間存在很大差異，例如晶圓上缺陷分布差異性較大，不是均勻分布的，或者即便是缺陷比較嚴(yán)重，但很難產(chǎn)生集群現(xiàn)象[2]。此外，以上經(jīng)驗?zāi)Ｐ驮趹?yīng)用上存在一定的局限性，不同的半導(dǎo)體生產(chǎn)企業(yè)在生產(chǎn)過程中機(jī)械設(shè)備及人員素質(zhì)不同，就不能簡單的套用一種或者幾種模型，即便是同一個生產(chǎn)企業(yè)，不同的產(chǎn)品生產(chǎn)線的客觀條件也存在一定的差異，因此晶圓的缺陷更不能簡單的用相同的經(jīng)驗?zāi)Ｐ蛠眍A(yù)測。

與經(jīng)驗?zāi)Ｐ拖啾容^，非經(jīng)驗?zāi)Ｐ碗m然計算復(fù)雜，計算周期較長，但計算精度與實際較為接近，計算結(jié)果更為準(zhǔn)確。模糊神經(jīng)網(wǎng)絡(luò)模型是一種典型的非經(jīng)驗?zāi)Ｐ停朔N模型建立在缺陷相關(guān)的特性參數(shù)和芯片的物理性質(zhì)參數(shù)上，此模型的計算準(zhǔn)確度較高，預(yù)測結(jié)果與實際較為接近[3]。有研究者根據(jù)現(xiàn)場測試的晶體的缺陷數(shù)據(jù)，利用反向運算的原理，開發(fā)了一種晶體故障監(jiān)測系統(tǒng)，對晶圓晶體的故障做到準(zhǔn)確監(jiān)測，根據(jù)監(jiān)測數(shù)據(jù)，建立了一種模糊邏輯模型預(yù)測晶圓晶體的成品率;Krueger提出利用半導(dǎo)體缺陷數(shù)據(jù)構(gòu)建廣義線性混合預(yù)測模型，這種模型類似于大數(shù)據(jù)信息收集和處理程序，利用眾多的數(shù)據(jù)支撐成品率預(yù)測[4];Lee先對晶圓晶體上的缺陷數(shù)據(jù)進(jìn)行加工整理并分類，在引起產(chǎn)品缺陷的因素和成品率之間建立一種相互關(guān)聯(lián)的規(guī)則，用得到的關(guān)聯(lián)數(shù)據(jù)來預(yù)測成品率[5];Mevawalla先對晶圓晶體的關(guān)鍵部分測量面積及刻蝕時間等晶體的加工參數(shù)進(jìn)行收集，然后建立起芯片故障量及晶圓測試未通過率的函數(shù)關(guān)系，利用神經(jīng)網(wǎng)絡(luò)模型實現(xiàn)成品率的預(yù)測[6]; Baron分析了晶圓晶體出現(xiàn)缺陷的位置信息、缺陷尺寸大小、缺陷種類等因素對產(chǎn)品的成品率影響，從缺陷原因入手，確定眾多影響因素的影響因子，從因果關(guān)聯(lián)度出發(fā)幫助成品率預(yù)測[7]。

通過上述對經(jīng)驗?zāi)Ｐ秃头墙?jīng)驗?zāi)Ｐ偷膶Ρ龋瑫l(fā)現(xiàn)兩種模型有各自的優(yōu)勢和特點，而在實際的半導(dǎo)體成品率預(yù)測中，預(yù)測精度較高的非經(jīng)驗?zāi)Ｐ透艿缴a(chǎn)廠家的青睞，因此本文重點研究了基于模糊支持向量基這一非經(jīng)驗?zāi)Ｐ蛯w成品率預(yù)測的方法。

2 DBSCAN和FSVM

DBSCAN是一種在噪聲條件下對晶圓晶體缺陷進(jìn)行密度的聚類分析方法的簡稱。該方法充分考慮了在噪聲條件下晶圓晶體缺陷的聚集特性，并進(jìn)行聚類分析[8]。FSVM是一種模糊支持向量基晶圓缺陷分析模型，是一種非經(jīng)驗晶體缺陷分析模型。

2.1 晶圓缺陷分析

晶圓缺陷聚集特性的兩個重要指標(biāo)是缺陷的分布密度和缺陷分布模式[6，9]。用晶圓缺陷的兩個分布指標(biāo)作為預(yù)測模型的參數(shù)，不僅提高了預(yù)測的準(zhǔn)確度，而且基于以上兩個指標(biāo)的模型具適用范圍廣泛。

晶圓的缺陷模式分為四類：弧形缺陷模式、邊緣環(huán)狀缺陷模式、團(tuán)狀缺陷模式、隨機(jī)缺陷模式[9、10 ]。因此，首先要建立一個不同缺陷模式下成品率預(yù)測模型的影響強(qiáng)弱參數(shù)。

DBSCAN法利用不同區(qū)域內(nèi)缺陷出現(xiàn)的大小和頻率不同的方法對缺陷聚類，并將缺陷類型分為弧形缺陷模式、邊緣環(huán)狀缺陷模式、團(tuán)狀缺陷模式、隨機(jī)缺陷模式四種模式。根據(jù)不同缺陷模式對成品率的影響給出不同的影響權(quán)值參數(shù)[11]，具體如表1所示。

除晶圓的缺陷模式外，晶圓缺陷密度也是影響缺陷聚集特性的一個重要指標(biāo)，晶圓缺陷密度又分為局部密度和全局密度。晶圓缺陷分布如圖1所示。

2.2 晶圓缺陷模型

晶圓缺陷數(shù)據(jù)庫樣本小，數(shù)據(jù)間不均衡，并且數(shù)據(jù)和成品率間存在模糊關(guān)系，直接使用SVM方法建立的模型會出現(xiàn)分類精度不高的問題。本文對原來的經(jīng)典向量機(jī)進(jìn)行改進(jìn)用FVSM模型，對晶體的缺陷分類[12]。模糊因子是決定經(jīng)典向量基分類精確度的關(guān)鍵因素，而模糊因子的大小由構(gòu)造的缺陷樣本的模糊隸屬度函數(shù)決定。所以，為了提高預(yù)測模型的準(zhǔn)確率，要先構(gòu)造出合理的模糊隸屬度函數(shù)。經(jīng)典向量機(jī)的分類超平面是由少量的支持向量決定的，由此可知，與超平面越近的缺陷點，作為支持向量的概率越大，這類缺陷點的隸屬度值也應(yīng)該越大。另外，由晶圓缺陷的特點可知，晶圓缺陷越密集，缺陷密度越大，越容易成為次品或報廢品。針對晶圓缺陷的這種特點，本文選取基于樣本緊密度的隸屬度函數(shù)來構(gòu)造模糊規(guī)則[13]。

根據(jù)以上分析，本文建立的半導(dǎo)體成品預(yù)測率方法如圖2所示。

3 實驗仿真分析

針對以上晶圓分析模型，采用仿真實驗的方法對模型進(jìn)行驗證，仿真實驗?zāi)０鍒D采用comb-snake結(jié)構(gòu)，實驗中為了統(tǒng)一電路的實驗環(huán)境，在comb-snake結(jié)構(gòu)中增加了虛擬金屬導(dǎo)線，其結(jié)構(gòu)如圖3所示。

實驗中將晶圓放置于測試結(jié)構(gòu)中，測試結(jié)構(gòu)加晶圓的導(dǎo)電性，若晶圓導(dǎo)電，則無故障，若整個結(jié)構(gòu)斷路則代表晶圓故障。

此次仿真實驗的晶圓缺陷數(shù)據(jù)圖是從某生產(chǎn)企業(yè)生產(chǎn)線上取得數(shù)據(jù)后加以整理分析獲得。此生產(chǎn)線共生產(chǎn)三種晶圓體，30個晶圓，共計有17個生產(chǎn)批次。對于三種晶圓體，分別劃分出548 489 615個芯片。針對以上對象，共獲得14 000多條缺陷數(shù)據(jù)。通過對晶圓缺陷數(shù)據(jù)圖的處理來提取晶圓缺陷的相關(guān)數(shù)據(jù)，如缺陷位置、缺陷數(shù)目等，并根據(jù)數(shù)據(jù)結(jié)果，整理出了成品率預(yù)測值及預(yù)測值與實際值相對誤差兩個條形圖，如圖4、圖5所示。

經(jīng)過圖4和圖5的對比分析，本文提出的模糊支持向量機(jī)預(yù)測模型的預(yù)測結(jié)果和實際生產(chǎn)線的產(chǎn)品成品率較為接近，與上文提到的兩種經(jīng)驗?zāi)Ｐ蛯Ρ劝l(fā)現(xiàn)，用本文的模型得到的成品率預(yù)測值偏差最小。因為泊松模型和二項模型是在數(shù)據(jù)統(tǒng)計的基礎(chǔ)上建立擬合函數(shù)，用數(shù)學(xué)擬合的方法預(yù)測成品率，預(yù)測值有一定的線性，而FSVM模型充分考慮了影響晶圓成品的各種因素，對于各種影響因素給與不同的權(quán)重，是一種非線性的預(yù)測方法，更接近實際情況。因此，本文提出的模糊支持向量機(jī)這一非經(jīng)驗?zāi)Ｐ驮趯嶋H中具有較高的預(yù)測精度，在實際中更可行。

從圖5我們還可以發(fā)現(xiàn)，晶圓體1號和4號的成品率實際值略低于其他相晶圓體，5個晶圓體的缺陷聚集特性是不同的，這是因為不同的晶圓成型方式不同，環(huán)境影響因素也不同，權(quán)重較大的影響因素若達(dá)不到晶圓的成型環(huán)境條件，會大大降低該類型晶圓的成品率。針對1號和4號晶圓體，要在分析其聚集特性的基礎(chǔ)上進(jìn)一步改進(jìn)生產(chǎn)工藝，提高成品率。

4 總結(jié)

本文從半導(dǎo)體生產(chǎn)過程中成品率預(yù)測這一現(xiàn)實問題出發(fā)，首先介紹了眾多學(xué)者在這一問題的研究成果，主要分為經(jīng)驗?zāi)Ｐ皖A(yù)測和非經(jīng)驗?zāi)Ｐ皖A(yù)測，并給出了各自的特點。然后本文提出了基于密度聚類分析方法對晶圓缺陷分析方法，通過對晶圓體的缺陷數(shù)據(jù)分析得到了晶圓缺陷分布模式和分布密度兩個關(guān)鍵參數(shù)，從這兩個關(guān)鍵參數(shù)出發(fā)建立了成品率預(yù)測的模糊支持向量機(jī)模型的成品率預(yù)測方法，并進(jìn)行了仿真實驗分析，得出了以下結(jié)論：

（1） 模糊支持向量機(jī)模型成品率預(yù)測方法比常用的泊松和二項式模型更接近真實值。

（2） 當(dāng)缺陷在邊緣環(huán)狀和線形缺陷的混合模式下分布時候產(chǎn)品的成品率較低，要采取合理措施避免晶圓出現(xiàn)此種缺陷模式。

參考文獻(xiàn)

[1] 康恒政. 多分類器集成技術(shù)研究[D]. 成都：西南交通大學(xué)， 2011.

[2] 趙婷婷， 曹政才， 邱明輝. 面向半導(dǎo)體生產(chǎn)線基于MAS模糊協(xié)同的成品率預(yù)測方法[J]. 計算機(jī)集成制造系統(tǒng)， 2017，23（4）：852-859.

[3] Scence; Studes from Calforna nsttute of Technology Yeld New Data on Scence （Quantum control of phase fluctuatons n semconductor lasers）[J]. Electroncs Newsweekly，2018.

[4] 馬玉敏， 喬非， 陳曦， 等. 基于支持向量機(jī)的半導(dǎo)體生產(chǎn)線動態(tài)調(diào)度方法[J]. 計算機(jī)集成制造系統(tǒng)， 2015， 21（3）：733-739.

[5] 張曉光， 趙潤， 張坤偉， 等. 高成品率DFB激光二極管的設(shè)計及制備[J]. 半導(dǎo)體技術(shù)， 2017（6）：55-59.

[6] 潘翔， 童偉淮， 張三元， 等. 結(jié)合語義本體與泊松方程的動畫角色模型分割[J]. 浙江大學(xué)學(xué)報（工學(xué)版）， 2015， 49（9）：1634-1641.

[7] 馬翔楠， 肖海生， 趙錚. 基于MAS的分布式測試診斷技術(shù)在某裝備系統(tǒng)中的應(yīng)用[J]. 電子技術(shù)與軟件工程， 2015（7）：49-51.

[8] 邱明輝， 曹政才， 劉民，等. 基于DBSCAN與FSVM的半導(dǎo)體生產(chǎn)線成品率預(yù)測方法[J]. 計算機(jī)集成制造系統(tǒng)， 2016（11）：102-109.

[9] 馬玉敏， 喬非， 陳曦， 等. 基于支持向量機(jī)的半導(dǎo)體生產(chǎn)線動態(tài)調(diào)度方法[J]. 計算機(jī)集成制造系統(tǒng)， 2015， 21（3）：733-739.

[10] 許超， 唐敦兵， 張濤， 等. 面向離散制造車間的多Agent動態(tài)調(diào)度方法研究[J]. 機(jī)械制造與自動化， 2018（3）：73-76.

[11] 宮思凱， 黃冉， 曹政才. 面向低成品率光刻機(jī)調(diào)度問題的反向-災(zāi)變共生生物搜索算法[J]. 中國科技論文， 2017（14）：109-113.

[12] 劉雪蓮. 面向半導(dǎo)體制造過程動態(tài)調(diào)度的關(guān)鍵參數(shù)預(yù)測模型研究[D]. 2015.

[13] 葉翼， 朱椒嬌， 史崢. 晶圓切割和隨機(jī)缺陷驅(qū)動的掩模設(shè)計方法[J]. 華中科技大學(xué)學(xué)報：自然科學(xué)版， 2014（3）：37-41.

（收稿日期： 2019.06.11）

作者簡介：周明（1966-），男，黑龍江雞西人，滿族，碩士，高級工程師，研究方向：半導(dǎo)體技術(shù)研究。文章編號：1007-757X（2020）01-0141-03