[發明專利]半導體數據分析方法、系統及計算機可讀存儲介質

有效

• 申請號: 202011160229.3
• 申請日: 2020-10-27
• 公開（公告）號: CN112000717B
• 公開（公告）日: 2021-03-02
• 發明（設計）人: 孫姍姍;祖文秀
• 申請（專利權）人: 晶芯成（北京）科技有限公司
• 主分類號: G06F16/2458
• 分類號: G06F16/2458
• 代理公司: 上海思微知識產權代理事務所(普通合伙) 31237
• 代理人: 曹廷廷

本申請實施例公開了一種半導體數據分析方法、系統及計算機可讀存儲介質，其中所述方法包括：獲取預設時段的半導體數據，調用數據分析模型按照時間序列對預設時段的半導體數據進行趨勢圖匹配，得到良率影響因素。通過實施本申請，解決現有技術中存在的數據分析效率較為死板、數據分析效率及精度較低等問題。

技術領域

本申請涉及半導體技術領域，尤其涉及一種半導體數據分析方法、系統及計算機可讀存儲介質。

背景技術

半導體生產過程中會產生各種類型的數據，例如線上量測數據（inline）、電性測試數據（WAT）、機臺傳感數據（FDC/ED）等。當這些數據出現異常時，可能會導致良率降低，芯片報廢等情況。根據問題數據尋找根本原因（root cause）判定問題工藝，對于提高良率、降低生產成本至關重要。

目前，存在以下兩種方案來實現良率影響因素的查找。第一種，工程師利用傳統的統計方法，比如相關分析法（計算相關系數R（regression）方），對參數按照R方排序，畫出匹配時序圖驗證，人眼識別兩參數趨勢圖是否匹配。然而這種方案中，分析較為死板、分析效率較低、需人為參與，分析精度較低。第二種，機臺監控系統接收機臺傳感器數據，對機臺傳感器數據設置預警，當超過預設閾值spec機臺報警。這種方案中僅對在spec范圍狀態內的機臺傳感器數據進行監控，未綜合考慮整體機臺傳感器數據對機臺狀態的影響。

發明內容

本申請實施例提供了一種半導體數據分析方法、系統及計算機可讀存儲介質，能解決現有技術中存在的分析較為死板、分析精度較低、未綜合考慮整體機臺傳感器數據對機臺狀態的影響等問題。

第一方面，提供了一種半導體數據分析方法，包括：獲取預設時段的半導體數據，調用數據分析模型按照時間序列對預設時段的半導體數據進行趨勢圖匹配，得到良率影響因素。

在一些實施例中，所述半導體數據包括至少一種傳統數據，所述數據分析模型包括趨勢性匹配M-K算法，所述調用數據分析模型按照時間序列對所述預設時段的半導體數據進行趨勢圖匹配，得到良率影響因素包括：

調用M-K算法按照時間序列對所述至少一種傳統數據中的任意兩種傳統數據進行趨勢圖匹配，得到所述任意兩種傳統數據的匹配度；

根據所述任意兩種傳統數據的匹配度，確定所述任意兩種傳統數據是否為相互影響的良率影響因素。

在一些實施例中，所述半導體數據包括機臺的單個傳感器數據，所述數據分析模型包括動態時間規則匹配DTW算法和趨勢性匹配M-K算法，所述調用數據分析模型按照時間序列對所述預設時段的半導體數據進行趨勢圖匹配，得到良率影響因素包括：

調用DTW算法對所述機臺的單個傳感器數據下的多個運行run數據進行相似度計算，得到所述單個傳感器數據的任意兩個run數據之間的DTW距離，所述run數據是指所述單個傳感器的多批次運行數據；

調用M-K算法按照時間序列將所述任意兩個run數據之間的DTW距離與預存的基礎baseline數據進行比較，選出DTW距離與baseline數據之差大于第一預設閾值的目標run數據，所述第一預設閾值為系統自定義設置的閾值；

將所述目標run數據作為影響所述單個傳感器數據的良率影響因素。

在一些實施例中，所述半導體數據包括機臺的多個傳感器數據，所述數據分析模型包括主成分算法和動態時間規則匹配DTW算法，所述調用數據分析模型按照時間序列對所述預設時段的半導體數據進行趨勢圖匹配，得到良率影響因素包括：

調用主成分算法對所述機臺的多個傳感器數據進行主成分分析，得到所述機臺的關鍵傳感數據；

調用DTW算法對所述機臺的每個關鍵傳感數據的多個run數據進行相似度及平均計算，得到所述每個關鍵傳感數據的DTW距離；