工艺预测系统及工艺预测方法与流程
本发明是关于一种预测系统及预测方法,特别是关于一种工艺预测系统及工艺预测方法。
背景技术:
1、目前,对于晶圆工艺(如晶圆验收测试(wat))的监控,往往于晶圆内设置约5至9个点以监控工艺变异,作为该晶圆能否出货的依据。由于监测的点数落在约5至9个点,造成取得的数据量可能较不足。
2、然而,测量点数较少难以覆盖整片晶圆中所有晶粒级(die level)的范围,若将所测得的相关数据用于制作预测模型,上述的模型无法与各个工艺阶段形成关联性,且预测能力不佳。
3、因此,一种可以取得足够正确数据数量及构成预测模型的工艺预测系统是亟须进行研究发展的项目。
技术实现思路
1、 技术实现要素: 旨在提供本揭示内容的简化摘要,以使阅读者对本揭示内容具备基本的理解。此发明内容并非本揭示内容的完整概述,且其用意并非在指出本发明实施例的重要、关键元件或界定本发明的范围。
2、本发明的一实施例关于一种工艺预测系统。工艺预测系统包含存储器及处理器。存储器用以储存多个指令及人工智能演算法。处理器耦接于存储器。处理器根据存储器的多个指令执行以下步骤:将一晶圆的多个晶粒的每一个设置一测试端;借由多个晶粒的每一个的测试端测量多个晶粒的多个工艺数据;根据多个晶粒的多个工艺数据训练并更新人工智能演算法;根据人工智能演算法判断多个晶粒的一个所对应的一测量程序数据;当借由人工智能演算法判定多个晶粒的一个所对应的测量程序数据时,输出一测量结果数据。
3、在一实施例中,于多个工艺阶段,该处理器对应取得该多个晶粒的该多个工艺数据;其中该多个工艺阶段包含一晶圆验收测试阶段、一芯片探针测量阶段、一封装测量阶段、一最终测试测量阶段及一可靠度测量阶段;其中该多个工艺数据相关于该晶圆验收测试阶段。
4、在一实施例中,该处理器根据该人工智能演算法及该多个工艺数据输出一警告信号。
5、在一实施例中,该处理器根据该人工智能演算法及该多个工艺数据输出一芯片探针最佳测试程序;其中该芯片探针最佳测试程序相关于该芯片探针测量阶段的多个芯片探针测量数据。
6、在一实施例中,该处理器根据该多个工艺数据及该多个芯片探针测量数据取得一第一映射关系数据;其中该处理器根据该第一映射关系数据更新该人工智能演算法。
7、在一实施例中,该处理器根据该人工智能演算法及该多个工艺数据输出一最终测试最佳测试程序;其中该最终测试最佳测试程序相关于该最终测试测量阶段的多个最终测试测量数据。
8、在一实施例中,该处理器根据该多个工艺数据及该多个最终测试测量数据取得一第二映射关系数据;其中该处理器根据该第二映射关系数据更新该人工智能演算法。
9、在一实施例中,该处理器根据该多个工艺数据及该可靠度测量阶段的多个可靠度测量数据取得一第三映射关系数据;其中该处理器根据该第三映射关系数据更新该人工智能演算法;其中该第一映射关系数据、该第二映射关系数据及该第三映射关系数据彼此不相同。
10、在一实施例中,该处理器根据该人工智能演算法、该第一映射关系数据、该第二映射关系数据及该第三映射关系数据输出一芯片探针测量预测模型、一最终测试测量预测模型、一可靠度测量预测模型及精准的电路模拟模型的至少一个。
11、本发明的另一实施例关于一种工艺预测方法。工艺预测方法包含以下步骤:于一设计阶段,将一晶圆的多个晶粒的每一个设置一测试端;于一数据收集阶段,借由多个晶粒的每一个的测试端测量多个晶粒的多个工艺数据;根据多个晶粒的多个工艺数据训练并更新人工智能演算法;根据人工智能演算法判断多个晶粒的一个所对应的一测量程序数据;当借由人工智能演算法判定多个晶粒的一个所对应的测量程序数据时,输出一测量结果数据;根据人工智能演算法及多个工艺数据输出一芯片探针测量预测模型、一最终测试测量预测模型、一可靠度测量预测模型及精准的电路模拟模型的至少一个。测量结果数据相关于芯片探针测量预测模型、最终测试测量预测模型、可靠度测量预测模型及精准的电路模拟模型的一个。
12、因此,根据本发明的技术内容,本发明实施例所示的工艺预测系统及工艺预测方法可以借由模型的建构及输出对应的测量程序以达到优化工艺及增加产能的效果。
13、在参阅下文实施方式后,本发明所属技术领域中的技术人员当可轻易了解本发明的基本精神及其他发明目的,以及本发明所采用的技术手段与实施例。
1.一种工艺预测系统,其特征在于,包含:
2.如权利要求1所述的工艺预测系统,其特征在于,
3.如权利要求2所述的工艺预测系统,其特征在于,
4.如权利要求3所述的工艺预测系统,其特征在于,
5.如权利要求4所述的工艺预测系统,其特征在于,
6.如权利要求5所述的工艺预测系统,其特征在于,
7.如权利要求6所述的工艺预测系统,其特征在于,
8.如权利要求7所述的工艺预测系统,其特征在于,
9.如权利要求8所述的工艺预测系统,其特征在于,
10.一种工艺预测方法,其特征在于,包含:
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com