使用内嵌缺陷信息的裸片筛选的制作方法

技术特征：
1.一种方法，其包括：接收多个缺陷，所述缺陷中的每一者与多个裸片中的裸片相关联；接收所述多个裸片的晶片分检电气数据，其中所述裸片中的每一者被标记为通过晶片分检电气测试或未通过所述晶片分检电气测试；使用缺陷分类模型将所述缺陷中的每一者分类为所关注缺陷或妨害，其中存在多个所关注缺陷；确定所述所关注缺陷中的每一者的所关注缺陷置信度；确定含有所述所关注缺陷中的至少一者的所述裸片中的每一者的裸片退回指数；确定裸片退回指数切割线；及产生表示具有高风险故障裸片的晶片的上墨图，其中所述高风险故障裸片是具有超过所述裸片退回指数切割线的裸片退回指数的裸片且被标记为未通过所述晶片分检电气测试。2.根据权利要求1所述的方法，其进一步包括提供误宰，其中所述误宰是高风险故障裸片的数量对被标记为通过所述晶片分检电气测试的裸片的数量之比。3.根据权利要求1所述的方法，其中所述缺陷分类模型是使用随机森林或xgboost建构的机器学习模型。4.根据权利要求1所述的方法，其中针对含有所述所关注缺陷中的至少一者的所述裸片中的每一者，所述裸片退回指数包括含于其上的所述所关注缺陷中的每一者的所述所关注缺陷置信度的总和。5.根据权利要求1所述的方法，其中所述裸片退回指数切割线包括所述裸片退回指数的几何平均值。6.根据权利要求1所述的方法，其中所述上墨图组成经配置以输入到裸片上墨系统中的电子文件。7.根据权利要求6所述的方法，其中所述电子文件是sinf文件。8.根据权利要求6所述的方法，其进一步包括将所述电子文件以电子方式发送到所述裸片上墨系统。9.一种系统，其包括：检验工具，其包含：粒子发射器，其经配置以在粒子束中发射粒子；载物台，其经配置以将晶片固持于由所述粒子发射器发射的所述粒子束的路径中；及检测器，其经配置以检测由所述晶片反射的所述粒子的一部分且产生具有多个裸片的晶片图像；电子数据存储单元，其经配置以存储包含缺陷分类模型的配方；及处理器，其与所述检验工具及所述电子数据存储单元电子通信，所述处理器经配置以针对所述晶片：接收多个缺陷，所述缺陷中的每一者与所述多个裸片中的裸片相关联；接收所述多个裸片的晶片分检电气数据，其中所述裸片中的每一者被标记为通过晶片分检电气测试或未通过所述晶片分检电气测试；使用缺陷分类模型将所述缺陷中的每一者分类为所关注缺陷或妨害，其中存在多个所
关注缺陷；确定所述所关注缺陷中的每一者的所关注缺陷置信度；确定含有所述所关注缺陷中的至少一者的所述裸片中的每一者的裸片退回指数；确定裸片退回指数切割线；及产生表示具有高风险故障裸片的所述晶片的上墨图，其中所述高风险故障裸片是具有超过所述裸片退回指数切割线的裸片退回指数的裸片且被标记为未通过所述晶片分检电气测试。10.根据权利要求9所述的系统，其中所述处理器经进一步配置以提供误宰，其中所述误宰是高风险故障裸片的数量对被标记为通过所述晶片分检电气测试的裸片的数量之比。11.根据权利要求9所述的系统，其中所述缺陷分类模型是使用随机森林或xgboost建构的机器学习模型。12.根据权利要求9所述的系统，其中针对含有所述所关注缺陷中的至少一者的所述裸片中的每一者，所述裸片退回指数包括含于其上的所述所关注缺陷中的每一者的所述所关注缺陷置信度的总和。13.根据权利要求9所述的系统，其中所述裸片退回指数切割线包括所述裸片退回指数的几何平均值。14.根据权利要求9所述的系统，其中所述上墨图组成经配置以输入到裸片上墨系统中的电子文件。15.根据权利要求14所述的系统，其中所述电子文件是sinf文件。16.根据权利要求14所述的系统，其中所述处理器进一步与所述裸片上墨系统电子通信，且其中所述处理器经进一步配置以将所述电子文件以电子方式发送到所述裸片上墨系统。17.一种非暂时性计算机可读存储媒体，其包括用于在一或多个计算装置上执行以下步骤的一或多个程序：接收多个缺陷，所述缺陷中的每一者与多个裸片中的裸片相关联；接收所述多个裸片的晶片分检电气数据，其中所述裸片中的每一者被标记为通过晶片分检电气测试或未通过所述晶片分检电气测试；使用缺陷分类模型将所述缺陷中的每一者分类为所关注缺陷或妨害，其中存在多个所关注缺陷；确定所述所关注缺陷中的每一者的所关注缺陷置信度；确定含有所述所关注缺陷中的至少一者的所述裸片中的每一者的裸片退回指数；确定裸片退回指数切割线；及产生表示具有高风险故障裸片的晶片的上墨图，其中所述高风险故障裸片是具有超过所述裸片退回指数切割线的裸片退回指数的裸片且被标记为未通过所述晶片分检电气测试。18.根据权利要求17所述的非暂时性计算机可读存储媒体，其中所述一或多个程序提供误宰，其中所述误宰是高风险故障裸片的数量对被标记为通过所述晶片分检电气测试的裸片的数量之比。19.根据权利要求17所述的非暂时性计算机可读存储媒体，其中所述缺陷分类模型是
使用随机森林或xgboost建构的机器学习模型。20.根据权利要求17所述的非暂时性计算机可读存储媒体，其中针对含有所述所关注缺陷中的至少一者的所述裸片中的每一者，所述裸片退回指数包括含于其上的所述所关注缺陷中的每一者的所述所关注缺陷置信度的总和。

技术总结
本文中的实施例包含使用内嵌缺陷信息进行裸片筛选的方法、系统及设备。此类实施例可包含：接收多个缺陷；接收多个裸片的晶片分检电气数据；将所述缺陷中的每一者分类为所关注缺陷或妨害；确定所述所关注缺陷中的每一者的所关注缺陷置信度；确定含有所述所关注缺陷中的至少一者的所述裸片中的每一者的裸片退回指数；确定裸片退回指数切割线；及产生上墨图。所述缺陷中的每一者可与所述多个裸片中的裸片相关联。所述裸片中的每一者可被标记为通过晶片分检电气测试或未通过所述晶片分检电气测试。将所述缺陷中的每一者分类为所关注缺陷或妨害可使用缺陷分类模型完成，所述缺陷分类模型可包含机器学习。可将所述上墨图以电子方式传递到上墨系统。式传递到上墨系统。式传递到上墨系统。


技术研发人员：林璿正 G
受保护的技术使用者：科磊股份有限公司
技术研发日：2020.03.26
技术公布日：2021/10/28