[發明專利]缺陷率預測模型的訓練方法、裝置及系統

有效

• 申請號: 201711478609.X
• 申請日: 2017-12-29
• 公開（公告）號: CN108108848B
• 公開（公告）日: 2019-08-13
• 發明（設計）人: 經晶;劉倩
• 申請（專利權）人: 英特爾產品（成都）有限公司;英特爾公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/08
• 代理公司: 北京永新同創知識產權代理有限公司 11376
• 代理人: 鐘勝光

1.一種用于改進半導體芯片的缺陷率的方法，包括：

利用缺陷率預測模型來預測位于第一半導體芯片生產裝置下游的一個或多個第二半導體芯片生產裝置所生產出的半導體芯片的缺陷率是否超過預定閾值；以及

在預測出所生產出的半導體芯片的缺陷率超過所述預定閾值時，對所述第一半導體芯片生產裝置進行缺陷維護處理，

其中，所述缺陷率預測模型是利用如下訓練過程來訓練的：

采用邏輯回歸模型來從所述第一半導體芯片生產裝置的歷史半導體芯片樣本數據集中的樣本數據的參數集中選擇出一種或多種最適合預測參數；以及

使用所述歷史半導體芯片樣本數據集中的樣本數據的所選擇出的一種或多種最適合預測參數的參數值來訓練所述缺陷率預測模型，所述缺陷率預測模型用于預測位于所述第一半導體芯片生產裝置下游的一個或多個第二半導體芯片生產裝置所生產出的半導體芯片的缺陷率。

2.如權利要求1所述的方法，其中，所述第一半導體芯片生產裝置是半導體芯片貼裝裝置，所述一個或多個第二半導體芯片生產裝置是環氧固化裝置，以及所述半導體芯片的缺陷率是表面突起缺陷率。

3.如權利要求1或2所述的方法，其中，在使用所述歷史半導體芯片樣本數據集中的樣本數據的所選擇出的一種或多種最適合預測參數的參數值來訓練所述缺陷率預測模型之前，基于所述第一半導體芯片生產裝置的歷史半導體芯片樣本數據集訓練所述缺陷率預測模型還包括：

對所述歷史半導體芯片樣本數據集中的樣本數據進行數據預處理；以及

使用所述歷史半導體芯片樣本數據集中的樣本數據的所選擇出的一種或多種最適合預測參數的參數值來訓練所述缺陷率預測模型包括：

使用經過數據預處理后的歷史半導體芯片樣本數據集中的樣本數據的所選擇出的一種或多種最適合預測參數的參數值來訓練所述缺陷率預測模型。

4.如權利要求1所述的方法，其中，采用邏輯回歸模型來從樣本數據的參數集中選擇出一種或多種最適合預測參數包括：

采用L1正則化邏輯回歸模型和L2正則化邏輯回歸模型的組合來從樣本數據的參數集中選擇出一種或多種最適合預測參數。

5.如權利要求1所述的方法，其中，在使用所述歷史半導體芯片樣本數據集中的樣本數據的所選擇出的一種或多種最適合預測參數的參數值來訓練所述缺陷率預測模型之前，基于所述第一半導體芯片生產裝置的歷史半導體芯片樣本數據集訓練所述缺陷率預測模型還包括：

對所述歷史半導體芯片樣本數據集中的樣本數據進行隨機化處理，以及

使用所述歷史半導體芯片樣本數據集中的樣本數據的所選擇出的一種或多種最適合預測參數的參數值來訓練所述缺陷率預測模型包括：

使用經過隨機化處理后的歷史半導體芯片樣本數據集中的樣本數據的所選擇出的一種或多種最適合預測參數的參數值來訓練所述缺陷率預測模型。

6.如權利要求3所述的方法，其中，對所述歷史半導體芯片樣本數據集中的樣本數據進行數據預處理包括：

對所述歷史半導體芯片樣本數據集中的壞樣本數據進行過采樣處理，以對所述歷史半導體芯片數據集中的壞樣本數據進行擴充。

7.如權利要求5所述的方法，其中，對所述歷史半導體芯片樣本數據集中的樣本數據進行隨機化處理包括：

對所述歷史半導體芯片樣本數據集中的樣本數據進行重洗牌；

將重洗牌后的樣本數據分離為多個子集合；以及

從每個子集合中選擇出預定比例的樣本數據組成測試樣本集，并且將剩余的樣本數據組成訓練樣本集。