JP5181484B2 - Yield monitoring system and yield monitoring method - Google Patents
Yield monitoring system and yield monitoring method Download PDFInfo
- Publication number
- JP5181484B2 JP5181484B2 JP2007024284A JP2007024284A JP5181484B2 JP 5181484 B2 JP5181484 B2 JP 5181484B2 JP 2007024284 A JP2007024284 A JP 2007024284A JP 2007024284 A JP2007024284 A JP 2007024284A JP 5181484 B2 JP5181484 B2 JP 5181484B2
- Authority
- JP
- Japan
- Prior art keywords
- execution
- product
- conditions
- group
- implementation
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Images
Landscapes
- General Factory Administration (AREA)
Description
本発明は、半導体装置の歩留まりの悪化要因を特定するための歩留まり監視システム及び歩留まり監視方法に関する。 The present invention relates to a yield monitoring system and a yield monitoring method for specifying a factor that deteriorates the yield of a semiconductor device.
従来の半導体装置の製造工程では、歩留まりを向上させるために、製造部門で、主にウェハ作製の際のゴミなどの付着による歩留まり悪化を抑制しようとしていた。一方、設計部門などでは、微細化やTAT(Turn Around Time)の短縮、コストダウンを課題としており、歩留まりの向上への意識は薄かった。 In the conventional semiconductor device manufacturing process, in order to improve the yield, the manufacturing department has been trying to suppress the deterioration of the yield mainly due to adhesion of dust or the like during wafer fabrication. On the other hand, the design departments and the like faced downsizing, shortening TAT (Turn Around Time), and reducing costs, and their awareness of improving yields was weak.
ところが、近年の半導体装置の微細化のペースに製造技術が追いつかず、設計部門や試験部門など製造部門以外においても歩留まり向上のための施策を取っていく必要がでている。 However, the manufacturing technology cannot keep pace with the recent miniaturization of semiconductor devices, and it is necessary to take measures to improve the yield even outside the manufacturing department such as the design department and the test department.
なお、従来、歩留まり悪化の要因となる装置を推定する技術(例えば、特許文献1参照)や、歩留まりを分析するためにデータマイニングを用いた技術(例えば、特許文献2、
3参照)などがあった。
3).
しかし、半導体装置の開発においては多数の工程が存在し、その工程ごとに、場合によっては数百にも及ぶ実施条件(設計条件、製造条件、試験条件など)が存在する。そして、そのような実施条件の組合せで半導体装置が製造されるので、どこに歩留まりを悪化させる要因があるのかを特定することは非常に困難であった。 However, in the development of semiconductor devices, there are a large number of processes, and for each process, there are several hundred implementation conditions (design conditions, manufacturing conditions, test conditions, etc.). And since a semiconductor device is manufactured with such a combination of implementation conditions, it is very difficult to specify where there is a factor that deteriorates the yield.
本発明はこのような点に鑑みてなされたものであり、歩留まりのよい半導体装置の開発に利用可能な歩留まり監視システム及び歩留まり監視方法を提供することを目的とする。 The present invention has been made in view of these points, and an object of the present invention is to provide a yield monitoring system and a yield monitoring method that can be used for developing a semiconductor device with a high yield.
本発明者らは、半導体装置の設計、製造及び試験工程の各工程における実施条件または実施結果を収集するデータ収集部と、収集した前記実施条件または前記実施結果をもとに、歩留まりに影響を与える前記実施条件または前記実施条件の組合せを分析し、分析結果を出力する分析部と、を有することを特徴とする歩留まり監視システムを提案する。 The inventors of the present invention have a data collection unit that collects execution conditions or execution results in each of the design, manufacture, and test processes of a semiconductor device, and affects the yield based on the collected execution conditions or execution results. Providing a yield monitoring system comprising: an analysis unit that analyzes the given execution conditions or a combination of the execution conditions and outputs an analysis result.
上記の構成によれば、データ収集部によって収集された半導体装置の設計、製造及び試験工程の各工程における実施条件または実施結果をもとに、分析部は歩留まりに影響を与える実施条件または実施条件の組合せを分析して、分析結果を出力する。 According to the above configuration, based on the implementation conditions or implementation results in the design, manufacture, and test processes of the semiconductor device collected by the data collection unit, the analysis unit performs the implementation conditions or implementation conditions that affect the yield. The combination is analyzed and the analysis result is output.
本発明は、半導体装置の製造工程のみならず、設計工程及び試験工程における実施条件や実施結果を収集して、収集した情報をもとに歩留まりに影響を与える実施条件または実施条件の組合せを分析するので、歩留まりの悪化要因を明確にすることができる。 The present invention collects not only the manufacturing process of semiconductor devices but also the implementation conditions and implementation results in the design process and test process, and analyzes the implementation conditions or combinations of implementation conditions that affect the yield based on the collected information. Therefore, it is possible to clarify the cause of the deterioration of the yield.
そして、明確にされた歩留まり悪化要因となる実施条件またはその組合せを変更することで、歩留まりのよい半導体装置の開発が可能になる。 Then, by changing the clarified implementation condition or the combination that causes the yield deterioration, it becomes possible to develop a semiconductor device with a high yield.
以下、本発明の実施の形態を図面を参照して詳細に説明する。
図1は、本実施の形態の歩留まり監視システムの概略の構成図である。
歩留まり監視システムはデータ収集部10、分析部11、不足データ生成部12を有している。
Hereinafter, embodiments of the present invention will be described in detail with reference to the drawings.
FIG. 1 is a schematic configuration diagram of a yield monitoring system according to the present embodiment.
The yield monitoring system includes a
データ収集部10は、半導体装置の設計工程1〜i、製造工程1〜j、試験工程1〜kの各工程における実施条件や実施結果を収集する。例えば、設計工程1〜iには、論理回路設計工程やレイアウト設計工程などがある。そして、実施条件には、使用するレイアウトツール、マクロセルの種類、チップサイズ、OPC(Optical Proximity Correction)補正条件、露光条件、使用する製造装置などがある。実施結果には、例えば、設計によって得られた回路やレイアウト情報、試験結果(不良品発生率など)がある。
The
なお、データ収集部10は、設計工程1〜i、製造工程1〜j、試験工程1〜kの各工程が終わるたびに、各工程で用いた実施条件や得られた実施結果を収集し、図示しないデータベースに格納する。
In addition, the
分析部11は、データ収集部10によって収集された情報を分析する。具体的には、歩留まりに影響を与える実施条件や実施条件の組合せを分析して、分析結果を出力する。分析は、データマイニングや、不良品発生要因分析処理によって行う。
The
データマイニングは、収集した大量の情報の中からパターンや項目間の関連性などを発見するための手法である。本実施の形態の歩留まり監視システムでは、収集した実施条件や実施結果をもとに、歩留まりと実施条件または実施条件の組合せとの関連性を調べて出力する。例えば、実施条件の組合せとして製造装置Aと製造装置Bを使用した場合に、不良品発生率が高くなったり、逆に低くなったりするというような関連性を調べる。 Data mining is a technique for finding patterns and relationships between items from a large amount of collected information. In the yield monitoring system according to the present embodiment, the relationship between the yield and the execution condition or a combination of the execution conditions is examined and output based on the collected execution conditions and execution results. For example, when the manufacturing apparatus A and the manufacturing apparatus B are used as a combination of implementation conditions, the relevance such that the defective product occurrence rate is increased or conversely decreased is examined.
不良品発生要因分析処理は、不良品発生率が高い製品グループや低い製品グループで共通で使用している頻度が高い実施条件やその組合せを抽出して、不良品発生要因を分析する。 The defective product generation factor analysis process extracts the implementation conditions and the combinations thereof that are frequently used in the product group with a high defective product generation rate and the low product group, and analyzes the defective product generation factor.
不足データ生成部12は、分析部11による分析の際に、歩留まりの分析に必要な実施条件や実施結果が、データ収集部10で収集できなかった場合、必要なデータをシミュレーションやデータ解析などによって生成して、データ収集部10を介して分析部11に供給する。
If the
このような歩留まり監視システムによれば、製造工程における製造条件だけではなく、設計工程や試験工程における実施条件や実施結果を収集して、歩留まりに影響を与える実施条件やその組合せを分析するので、歩留まり悪化要因が明確になる。 According to such a yield monitoring system, not only the manufacturing conditions in the manufacturing process, but also the execution conditions and the execution results in the design process and the test process are collected, and the execution conditions and the combinations that affect the yield are analyzed. Yield deterioration factors become clear.
以下、本実施の形態の歩留まり監視システムをより具体的に説明する。
図2は、歩留まり監視システムの具体的なシステム構成例である。
歩留まり監視システムは、データ収集用コンピュータ20、データベース20a、データマイニング用コンピュータ21、不良品発生要因分析用コンピュータ22、工程管理用コンピュータ23−1,23−2,…,23−n、シミュレーション用コンピュータ24、データ処理用コンピュータ25を有している。
Hereinafter, the yield monitoring system of this embodiment will be described more specifically.
FIG. 2 is a specific system configuration example of the yield monitoring system.
The yield monitoring system includes a
各コンピュータやデータベース20aはLAN(Local Area Network)またはWAN(Wide Area Network)などのネットワークで接続されている。
ここで、データ収集用コンピュータ20は図1のデータ収集部10に対応しており、データマイニング用コンピュータ21と不良品発生要因分析用コンピュータ22は分析部11、シミュレーション用コンピュータ24とデータ処理用コンピュータ25は不足データ生成部12に対応している。より詳細には、各コンピュータのCPU(Central Processing Unit)による制御のもと、各コンピュータの記憶手段に記憶されたプログラムが実行されることにより、図1の各機能が実現される。
Each computer and the
Here, the
なお、工程管理用コンピュータ23−1〜23−nは、図1で示した設計工程や製造工程、試験工程、その他、組立工程や出荷工程などの各工程における実施条件や実施結果を、データ収集用コンピュータ20に送信する。なお、1つの工程管理用コンピュータが複数の工程を管理するようにしてもよい。
The process management computers 23-1 to 23-n collect data on the execution conditions and results in each process such as the assembly process and the shipping process as well as the design process, manufacturing process, test process, and the like shown in FIG. To the
データベース20aは、データ収集用コンピュータ20が収集したデータを蓄積する。
なお、シミュレーション用コンピュータ24と、データ処理用コンピュータ25は1つのコンピュータとしてもよいし、それぞれ複数のコンピュータにより構成するようにしてもよい。これは、図2の他のコンピュータにも同様にいえることである。例えば、データマイニング用コンピュータ21と不良品発生要因分析用コンピュータ22をまとめて一台の歩留まり分析用コンピュータとしてもよい。
The
Note that the
以下、図2の歩留まり監視システムの動作を説明する。
図3は、歩留まり監視方法の処理の流れを示すフローチャートである。
まず、データ収集用コンピュータ20は、工程管理用コンピュータ23−1〜23−nによって、各工程の処理が終わるたびに転送されてくる実施条件や実施結果を収集して保存する(ステップS1)。例えば、論理回路設計工程が完了すると、次のレイアウト設計工程に進む前に、論理回路設計工程を管理する工程管理用コンピュータから、選択したデバイスの種類や使用した論理回路設計ツールなどの実施条件のほか、設計した論理回路情報や、使用したデバイスの総数、コストなどの実施結果がデータ収集用コンピュータ20に転送される。また、試験工程では、試験工程を管理する工程管理用コンピュータから、不良品発生率、コストなどが実施結果としてデータ収集用コンピュータ20に転送される。また、組立工程や出荷工程を管理する工程管理用コンピュータからは、組立時間や運搬コスト、運送ルート、運搬時間などがデータ収集用コンピュータ20に転送される。データ収集用コンピュータ20は、収集した情報をデータベース20aに保存する。
The operation of the yield monitoring system in FIG. 2 will be described below.
FIG. 3 is a flowchart showing a process flow of the yield monitoring method.
First, the
次に、データ収集用コンピュータ20の図示しないCPUは、工程ごとに定義されている収集可能な項目のリストと、実際に収集した情報を照らし合わせて、歩留まりに影響を与える実施条件を分析するために必要な情報が不足していないかを判断する(ステップS2)。例えば、マスクレイアウト工程で、ダミーパターンが占めている占有率情報は通常の処理を行った場合、収集できない場合がある。しかし、この情報は歩留まりに影響を与える要素となるので収集可能な項目のリストに加えておく。
Next, the CPU (not shown) of the
図4は、収集可能な項目のリストの例である。
工程ごとに必要な情報の項目名、値の範囲、そして値の単位などが記載されている。
このようなリストは、例えば、データ収集用コンピュータ20の図示しないRAM(Random Access Memory)やHDD(Hard Disk Drive)などの記憶手段に記憶しておき、必要に応じて読み出される。
FIG. 4 is an example of a list of items that can be collected.
Information item name, value range, value unit, etc. are described for each process.
Such a list is stored, for example, in storage means such as a RAM (Random Access Memory) or HDD (Hard Disk Drive) (not shown) of the
ステップS2の処理で、不足している情報があると判定された場合には、データ収集用コンピュータ20は、シミュレーション用コンピュータ24またはデータ処理用コンピュータ25に、不足している情報の生成を依頼する。シミュレーション用コンピュータ24か、データ処理用コンピュータ25のいずれを使用するかは、依頼する情報の種類によって決まる。また、両方を使用するようにしてもよい。
If it is determined in step S2 that there is missing information, the
シミュレーション用コンピュータ24またはデータ処理用コンピュータ25は、依頼に応じて、不足している情報を取得するためのツール(シミュレーションソフトやデータ処理ソフト)を選択する(ステップS3)。例えば、前述のダミーパターンの占有率情報が不足している場合には、マスクレイアウトツールを選択する。
In response to the request, the
その後、ツールを起動して不足情報の取得を行う(ステップS4)。この際、シミュレーション用コンピュータ24またはデータ処理用コンピュータ25は、選択したツールに対し、不足情報の生成に必要な情報をデータ収集用コンピュータ20から取得する。例えば、ダミーパターンの占有率情報を取得する場合には、マスクレイアウト工程に関してデータ収集用コンピュータ20が収集した、その他の実施条件や実施結果を入力してシミュレーションやデータ処理を行う。シミュレーションやデータ処理によって生成された情報はデータ収集用コンピュータ20で取得される。
Thereafter, the tool is activated to acquire the shortage information (step S4). At this time, the
なお、シミュレーション用コンピュータ24やデータ処理用コンピュータ25は、取得を依頼された不足情報に応じてツールを選択する際に、各ツールが新しく取得可能な項目がないかを判断する機能を有している。これは、ツールのバージョンアップなどで取得可能な項目が増えた場合にそれを学習して、次回のツールの自動選択の際に生かすためである。
Note that the
次に、データ収集用コンピュータ20は、不足情報の取得が完了したか否かを判定し(ステップS5)、取得が終わっていなければ、再度シミュレーション用コンピュータ24またはデータ処理用コンピュータ25に依頼して、他のツールを選択させる(ステップS6)。その後、ステップS4の処理に戻り、シミュレーション用コンピュータ24またはデータ処理用コンピュータ25は、選択したツールを起動して同様に不足情報の取得処理を行う。
Next, the
ステップS5の処理で、データ収集用コンピュータ20が不足情報の取得を完了したと判断した場合には、データ収集用コンピュータ20は、取得した情報をデータベース20aに追記保存し(ステップS7)、ステップS2の処理に戻る。
If it is determined in step S5 that the
ステップS2の処理で、データ収集用コンピュータ20によって不足している情報がないと判断された場合、データマイニング用コンピュータ21や不良品発生要因分析用コンピュータ22は、データベース20aに記憶された情報をもとにデータマイニングや不良品発生要因の抽出などのデータ分析を行い(ステップS8)、その結果を出力する(ステップS9)。
In the process of step S2, if the
以下、データ分析処理の詳細を説明する。
データマイニング用コンピュータ21は、データベース20aに蓄積された情報(実施条件や実施結果)をもとにデータマイニングを行い、不良品発生率が低い製品と実施条件との関連性や、逆に不良品発生率が高い製品と実施条件との関連性、またはコストやTATと実施条件との関連性を分析する。例えば、チップサイズがAで露光装置Bを使っている製品は不良品発生率が低い、レイアウトツールCを使用している製品はレチクル出荷までのTATが長く、同時に工程を実施している他の製品も同様にTATが長くなって結果的にコストが高くなっているなどを調べる。
Details of the data analysis process will be described below.
The
分析結果は、データマイニング用コンピュータ21の図示しないディスプレイに表示したり、必要に応じてネットワークを介して接続されている他のコンピュータに電子メールなどで送信したりして、ユーザに提供する。
The analysis result is provided to the user by displaying it on a display (not shown) of the
次に、不良品発生要因分析用コンピュータ22による、不良品発生要因分析処理を説明する。
図5は、不良品発生要因分析処理の流れを示すフローチャートである。
Next, a defective product generation factor analysis process by the defective product generation
FIG. 5 is a flowchart showing the flow of defective product occurrence factor analysis processing.
まず、不良品発生要因分析用コンピュータ22は、製品の不良品発生率が規定値(例えば1%)以上か否かを判断する(ステップS10)。ここで、閾値より低い場合は、不良品発生要因分析処理を終了する。これにより、分析の必要がない不良品発生率が低い製品にまで、時間とコンピュータのCPUリソースを消費する分析処理を実施することを避けることができる。
First, the defective product generation
ステップS10の処理で、製品の不良品発生率が閾値以上と判定された場合には、不良品発生率が規定値(例えば10%)以上の製品グループで、共通に使用されている頻度の高い実施条件やその組合せからなるグループg1をデータベース20aから抽出し、不良品発生要因分析用コンピュータ22の図示しないディスプレイなどに出力する(ステップS11)。
If it is determined in step S10 that the defective product occurrence rate of the product is equal to or higher than the threshold value, the product group having the defective product occurrence rate equal to or higher than a specified value (for example, 10%) is frequently used in common. The group g1 composed of the execution conditions and the combination thereof is extracted from the
次に、不良品発生率が、先ほどの規定値より小さい製品グループにおいて共通に使用されている実施条件やその組合せからなるグループg2を、データベース20aから抽出し、ステップS11と同様に出力する(ステップS12)。
Next, a group g2 consisting of implementation conditions and combinations thereof commonly used in product groups with a defective product incidence smaller than the prescribed value is extracted from the
その後、ステップS11の処理で抽出したグループg1の実施条件から、ステップS12の処理で抽出したグループg2の実施条件を除き、残った実施条件の中から、開発しようとする半導体装置において、変更しても重大な問題を起こさない(変更が許可されている)実施条件からなるグループg3を不良品発生要因の候補として抽出し、出力する(ステップS13)。これにより、不良品発生要因が絞られる。 Thereafter, the implementation conditions of the group g1 extracted in the process of step S12 are excluded from the implementation conditions of the group g1 extracted in the process of step S11, and the remaining implementation conditions are changed in the semiconductor device to be developed. The group g3 consisting of implementation conditions that do not cause a serious problem (change is permitted) is extracted as a candidate for a defective product generation factor and output (step S13). This narrows down the cause of defective products.
次に、不良品発生要因分析用コンピュータ22は、抽出したグループg3の実施条件を適宜変更して不良品発生率がどのように変わるかシミュレーションを行う(ステップS14)。
Next, the defective product generation
そして、不良品発生率が最小となる実施条件やその組合せからなるグループg4を抽出し、出力する(ステップS15)。ここでは、実施条件を変更したときの不良品発生率の変化(遷移)をグラフにして出力するようにしてもよい。 Then, the group g4 composed of the implementation condition that minimizes the defective product occurrence rate and the combination thereof is extracted and output (step S15). Here, the change (transition) of the defective product occurrence rate when the implementation condition is changed may be output as a graph.
さらに、グループg4の実施条件を各工程の工程管理用コンピュータ23−1〜23−nに電子メールなどで通達する(ステップS16)。
これにより、各工程では、次に同一製品を作製する際には、不良品率発生率が低くなるような実施条件を用いて処理を行うことができ、半導体装置の歩留まりを向上させることができる。
Further, the execution condition of the group g4 is notified to the process management computers 23-1 to 23-n of each process by e-mail or the like (step S16).
Thereby, in each process, when manufacturing the same product next time, it can process using the implementation conditions that the defective product rate occurrence rate becomes low, and the yield of the semiconductor device can be improved. .
なお、グループg1とグループg2の全実施条件及びその組合せに対して、不良品発生率が高いグループg1の実施条件の値を上限(または下限)、不良品発生率が低いグループg2で、対応する実施条件の値を下限(または上限)として、その範囲内で数値を可変させ、そのときの不良品発生率の変化を分析して出力するようにしてもよい。 It should be noted that for all the implementation conditions of group g1 and group g2 and the combinations thereof, the upper limit (or lower limit) of the implementation condition value of group g1 having a high defective product occurrence rate is handled by group g2 having a low defective product occurrence rate. The value of the execution condition may be set as a lower limit (or upper limit), and the numerical value may be varied within the range, and a change in the defective product occurrence rate at that time may be analyzed and output.
例えば、グループg1の実施条件(製造条件)として、チップ面積が200mm2であり、グループg2では230mm2であるとすると、200〜230の範囲でチップ面積を変更する(実際には同機能でチップ面積が異なるマクロセルに変更するなどによって、調整する)。これによって、最適なチップ面積(マクロセル)がどれかわかり、今後の不良品発生率改善に役立つ情報が得られる。 For example, if the chip area is 200 mm 2 as the implementation condition (manufacturing condition) of the group g1 and 230 mm 2 in the group g2, the chip area is changed in a range of 200 to 230 (actually, the chip with the same function). Adjust by changing to a macro cell with a different area). As a result, the optimum chip area (macro cell) can be determined, and information useful for improving the defective product occurrence rate in the future can be obtained.
また、不良品発生要因分析用コンピュータ22は、過去の同一製品の不良品発生率と、今回の不良品発生率とを比較して、それぞれで用いられた実施条件から不良品発生要因を分析するようにしてもよい。
Further, the defective product generation
図6は、過去の同一製品との比較による不良品発生要因分析処理の流れを示すフローチャートである。
まず、不良品発生要因分析用コンピュータ22は、例えば、今回作製した製品と同一の製品が、半年前や1年前など、過去に作製されているか否かを、データベース20aを検索して判定する(ステップS20)。過去に作製された同製品がない場合には、そのまま処理を終了し、同製品がある場合には、過去に作製したときの不良品発生率と、今回作製したときの不良品発生率とに差があるか否かを判定する(ステップS21)。このとき、不良品発生要因分析用コンピュータ22は、不良品発生率差が所定の閾値(例えば0.01%)以上の場合に、差があると判定する。これにより、時間とコンピュータのCPUリソースの消費を抑えることができる。差がないと判定された場合には、そのまま処理を終了する。
FIG. 6 is a flowchart showing a flow of defective product occurrence factor analysis processing by comparison with the same product in the past.
First, the defective product generation
不良品発生率に差があると判定された場合には、今回作製した製品において使用した実施条件の中で、過去に作製した製品において使用した実施条件と相違しているものがあるか否かをデータベース20aから検索して判定し、さらに今回の製品は過去の製品よりも不良品発生率が改善しているか否かを判定する(ステップS22)。ここで、実施条件が過去のものと今回のものとで全て同じであるか、不良品発生率が改善されていない場合には、そのまま処理を終了する。
If it is determined that there is a difference in the rate of defective products, whether or not the implementation conditions used for the product manufactured this time differ from the implementation conditions used for the product manufactured in the past Is determined by searching the
なお、検索結果及び判定結果を不良品発生要因分析用コンピュータ22のディスプレイに出力して表示するようにしてもよい。これにより、今回の製品の工程では、どの実施条件を変えたことで不良品発生率が改善したのかを明確にすることができる。
The search result and the determination result may be output and displayed on the display of the defective product occurrence
ステップS22の処理で実施条件が相違しているものがあり、且つ今回の製品のほうが過去の製品よりも不良品発生率が低い場合には、ステップS23の処理に進む。
ステップS23の処理では、過去の同一製品の作製の際に使用した実施条件のなかで、ステップS22の処理で判明した今回の製品の作製の際に使用した実施条件とは異なる実施条件(以下実施条件Aとする)を使用している類似製品を、データベース20aから検索する(ステップS23)。但し、その実施条件Aの変更が許可されている類似製品を検索する。なお、実施条件Aは複数の場合もある。また、類似製品とは、例えば同一シリーズの製品や、実施条件が数箇所のみ異なっている製品などである。
If there is a difference in the execution conditions in the process of step S22 and the defective product occurrence rate of the current product is lower than that of the past product, the process proceeds to step S23.
In the process of step S23, among the execution conditions used when manufacturing the same product in the past, the execution conditions different from the execution conditions used when manufacturing the current product found in the process of step S22 (hereinafter referred to as implementation) A similar product using the condition A) is searched from the
その後、不良品発生要因分析用コンピュータ22は、その類似製品の実施条件Aを、不良品発生率の改善要因となった今回の製品の実施条件に置き換えるなど変更して、不良品発生率の変化をシミュレーションする(ステップS24)。ここでのシミュレーション結果を、不良品発生要因分析用コンピュータ22のディスプレイに出力して表示するようにしてもよい。
Thereafter, the defective product occurrence
シミュレーションの結果、実施条件Aを変えたことによって不良品発生率が改善される場合には、変更した実施条件やその組合せを、類似製品の作製の際の各工程の工程管理用コンピュータ23−1〜23−nに電子メールなどで通達する(ステップS25)。 As a result of the simulation, when the defective product occurrence rate is improved by changing the execution condition A, the changed execution condition and the combination thereof are used as a process management computer 23-1 for each process in manufacturing a similar product. To 23-n by e-mail or the like (step S25).
これにより、各工程では、不良品率発生率を悪化させるような実施条件やその組合せを使用することを避けることができ、半導体装置の歩留まりを向上させることができる。
ところで、本実施の形態の歩留まり監視システムを用いることで、コストに影響を与える実施条件やその組合せを分析することもできる。
Thereby, in each process, it can avoid using the implementation conditions and the combination which deteriorate the defective product rate generation rate, and can improve the yield of a semiconductor device.
By the way, by using the yield monitoring system of the present embodiment, it is possible to analyze the implementation conditions and their combinations that affect the cost.
コストは工程ごとに算出され、工程管理用コンピュータ23−1〜23−nから、データ収集用コンピュータ20に転送され収集される。収集されたコストの情報をもとに、各工程でのコスト悪化要因を分析する。コストの分析は、例えば、データマイニング用コンピュータ21や不良品発生要因分析用コンピュータ22で行ってもよいが、以下では、データベース20aを参照可能な、コスト分析専用コンピュータ(図示せず)を用いるものとして説明する。なお、このコンピュータも、収集した情報の分析を行う図1の分析部11に属するものとする。
The cost is calculated for each process, transferred from the process management computers 23-1 to 23-n to the
図7は、各工程におけるコスト増要因の抽出処理の流れを示すフローチャートである。
コスト分析専用コンピュータは、ある工程Aにおいて、売り上げ予想から比較してコストが高い製品のグループg5をデータベース20aから検索する(ステップS30)。そして、グループg5で共通に使用している頻度の高い実施条件やその組合せからなるグループg6を抽出する(ステップS31)。
FIG. 7 is a flowchart showing a flow of cost increase factor extraction processing in each step.
In a certain process A, the cost analysis dedicated computer searches the
次に、コスト分析専用コンピュータは、工程Aにおいて、売り上げ予想から比較してコストが低い製品のグループg7をデータベース20aから検索する(ステップS32)。そして、グループg7で共通に使用している頻度の高い実施条件及びその組合せからなるグループg8を抽出する(ステップS33)。
Next, in the process A, the cost analysis dedicated computer searches the
その後、ステップS31の処理で抽出したグループg6の実施条件から、ステップS33の処理で抽出したグループg8の実施条件を除き、残った実施条件の中から、作製対象とする製品の作製の際に変更しても重大な問題を起こさない(変更許可がされている)実施条件のグループg9を抽出し、コスト増の要因の候補として出力する(ステップS34)。これにより、コスト増の要因が絞られる。 Thereafter, the implementation conditions of the group g6 extracted in the process of step S33 are excluded from the implementation conditions of the group g6 extracted in the process of step S31, and the remaining implementation conditions are changed when the product to be manufactured is manufactured. Even if it does not cause a serious problem (change is permitted), a group g9 of implementation conditions is extracted and output as a candidate for a cost increase factor (step S34). As a result, the cause of the cost increase is narrowed down.
そして、グループg9の実施条件を適宜変更して、コストの変化をシミュレーションし(ステップS35)。シミュレーション結果より、コストが最も低くなる実施条件やその組合せからなるグループg10を抽出して出力する(ステップS36)。なお、実施条件の変更に応じたコストの変化のグラフを出力するようにしてもよい。 Then, the cost of the group g9 is changed as appropriate to simulate a change in cost (step S35). From the simulation result, the group g10 consisting of the implementation condition and the combination thereof with the lowest cost is extracted and output (step S36). In addition, you may make it output the graph of the change of the cost according to the change of implementation conditions.
そして最後に、抽出したグループg10の実施条件を工程Aの工程管理用コンピュータに電子メールなどで通達する(ステップS37)。
なお、グループg6とグループg8の全実施条件及びその組合せに対して、コストが高いグループg6の実施条件の値を上限(または下限)、コストが低いグループg8のうちで対応する実施条件の値を下限(または上限)として、その範囲内で数値を可変させ、そのときのコストの遷移や、コストが最低となる値の組合せなどを出力したり、工程Aに通達するようにしてもよい。
Finally, the execution condition of the extracted group g10 is notified to the process management computer of process A by e-mail or the like (step S37).
For all the implementation conditions of group g6 and group g8 and combinations thereof, the upper limit (or lower limit) of the implementation condition value of group g6 with high cost and the corresponding implementation condition value of group g8 with low cost are set. As the lower limit (or upper limit), the numerical value may be varied within the range, and the transition of the cost at that time, the combination of the values with the lowest cost, or the like may be output, or the process A may be notified.
上記のような処理を各工程に対して行うことで、コストの低減に有効な実施条件やその組合せを用いて、各工程の処理を行うことができるようになる。
ところで、上記のように工程ごとにコスト増の要因を分析するため、実際のコストが予想よりも、割高になる場合がある。そのため、最終工程(例えば出荷工程終了後)でトータルコストをもとに、再びコスト増の要因を抽出するようにしてもよい。
By performing the above process on each process, the process of each process can be performed using the implementation conditions and the combination effective for cost reduction.
By the way, since the cause of the cost increase is analyzed for each process as described above, the actual cost may be higher than expected. For this reason, the factor of cost increase may be extracted again based on the total cost in the final process (for example, after the completion of the shipping process).
図8は、最終工程時におけるコスト増要因の抽出処理の流れを示すフローチャートである。
コスト分析専用コンピュータは、まず、対象の製品の工程が最終工程か否かを判定し(ステップS40)、最終工程になるまで以下の処理を行わない。
FIG. 8 is a flowchart showing the flow of the process for extracting the cost increase factor in the final process.
The cost analysis dedicated computer first determines whether or not the process of the target product is the final process (step S40), and does not perform the following processing until the final process is reached.
最終工程と判定された場合に、コスト分析専用コンピュータは、対象の製品のトータルコストをデータベース20aより抽出し、トータルコストが売り上げ予想と比べて割高か否かを判断する(ステップS41)。割高でない場合には、そのまま処理を終了する。
When it is determined as the final process, the cost analysis dedicated computer extracts the total cost of the target product from the
割高であると判断された場合には、対象製品よりコスト(トータルコスト)が低い類似の製品(例えば、同一シリーズの製品、実施条件の相違が少ない製品など)をデータベース20aから検索する(ステップS42)。
If it is determined that the cost is high, a similar product (for example, a product of the same series, a product with a small difference in implementation conditions) having a lower cost (total cost) than the target product is searched from the
続いて、コスト分析専用コンピュータは、対象製品よりもトータルコストの低い類似製品で使用されている実施条件が、対象製品でも使用可能か判断する(ステップS43)。ここでは、対象製品の作製における実施条件を、トータルコストの低い類似製品のものと同じものに変更してもよいかを判断している。使用可能でなければ、そのまま処理を終了する。 Subsequently, the cost analysis dedicated computer determines whether or not the execution condition used in the similar product having a lower total cost than the target product can be used in the target product (step S43). Here, it is determined whether or not the execution condition in the production of the target product may be changed to the same as that of a similar product with a low total cost. If it is not usable, the process is terminated.
使用可能な実施条件があれば、対象製品の実施条件をトータルコストの低い類似製品のものに適宜変更してシミュレーションを実施する(ステップS44)。
シミュレーションの結果、最もトータルコストが低い実施条件やその組合せを、例えばコスト分析専用コンピュータのディスプレイなどに出力し、さらに、各工程の工程管理用コンピュータ23−1〜23−nに電子メールなどで通達する(ステップS45)。
If there is a usable execution condition, the execution condition of the target product is appropriately changed to a similar product with a low total cost, and a simulation is performed (step S44).
As a result of the simulation, the execution conditions with the lowest total cost and combinations thereof are output to, for example, the display of a computer dedicated to cost analysis, and further notified to the process management computers 23-1 to 23-n of each process by e-mail etc. (Step S45).
これにより、次に同一製品を低いコストで作製するための実施条件の組合せを明確にすることができる。
なお、対象製品とコストの低い類似製品のうち、対象製品の実施条件の値を上限(または下限)、コストが低いほうの類似製品において対応する実施条件の値を下限(または上限)として、その範囲内で数値を可変させ、そのときのコストの遷移や、コストが最低となる値の組合せなどを出力したり、各工程に通達するようにしてもよい。
Thereby, the combination of the implementation conditions for manufacturing the same product next at low cost can be clarified.
Of the target products and similar products with lower cost, the upper limit (or lower limit) is the implementation condition value of the target product, and the lower limit (or upper limit) is the corresponding implementation condition value for similar products with lower costs. The numerical value may be varied within the range, and the transition of the cost at that time, the combination of the values with the lowest cost, or the like may be output or each process may be notified.
なお、上記のデータマイニングや不良品発生要因分析処理やコスト増の要因の抽出処理はそれぞれ、組合せて用いるようにしてもよい。組合せることでより詳細で多方面からの分析が可能となる。 The above data mining, defective product occurrence factor analysis processing, and cost increase factor extraction processing may be used in combination. By combining them, it becomes possible to analyze in more detail and from various fields.
(付記1) 半導体装置の設計、製造及び試験工程の各工程における実施条件または実施結果を収集するデータ収集部と、
収集した前記実施条件または前記実施結果をもとに、歩留まりに影響を与える前記実施条件または前記実施条件の組合せを分析し、分析結果を出力する分析部と、
を有することを特徴とする歩留まり監視システム。
(Supplementary Note 1) A data collection unit that collects implementation conditions or implementation results in each of the steps of designing, manufacturing, and testing a semiconductor device;
Based on the collected execution conditions or the execution results, an analysis unit that analyzes the execution conditions or a combination of the execution conditions that affect the yield and outputs the analysis results;
A yield monitoring system characterized by comprising:
(付記2) 前記分析部は、前記実施条件または前記実施結果をデータマイニングし、歩留まりと、前記実施条件または前記組合せとの関連性を分析して出力することを特徴とする付記1記載の歩留まり監視システム。
(Supplementary Note 2) The yield according to
(付記3) 前記分析部は、不良品発生率が所定の規定値以上の製品グループで共通に使用している前記実施条件または前記組合せからなる第1のグループと、前記規定値より小さい製品グループで共通で使用している前記実施条件または前記組合せからなる第2のグループとを比較して、不良品発生要因を特定することを特徴とする付記1または2記載の歩留まり監視システム。
(Additional remark 3) The said analysis part is the product group smaller than the said 1st group which consists of the said implementation conditions or the said combination currently used in common with the product group whose defective product incidence is more than a predetermined regulation value, and The yield monitoring system according to
(付記4) 前記分析部は、前記第1のグループから前記第2のグループを除いた前記実施条件のうちで変更が許可されている前記実施条件からなる第3のグループを不良品発生要因の候補として出力することを特徴とする付記3記載の歩留まり監視システム。 (Supplementary Note 4) The analysis unit determines a third group consisting of the implementation conditions that are allowed to be changed among the implementation conditions excluding the second group from the first group as a cause of defective products. The yield monitoring system according to appendix 3, wherein the yield monitoring system outputs the candidate.
(付記5) 前記分析部は、前記第3のグループの前記実施条件を変更して製品ごとにシミュレーションを行い、前記不良品発生率の変化を分析することを特徴とする付記4記載の歩留まり監視システム。
(Additional remark 5) The said analysis part changes the said implementation conditions of the said 3rd group, simulates for every product, and analyzes the change of the said defective product incidence rate, The yield monitoring of
(付記6) 前記分析部は、前記不良品発生率が最小となる前記実施条件または前記組合せを出力することを特徴とする付記5記載の歩留まり監視システム。
(付記7) 前記分析部は、前記不良品発生率が所定の閾値以上の前記製品グループがある場合のみ、前記不良品発生要因の分析を行うことを特徴とする付記3乃至6のいずれか一項に記載の歩留まり監視システム。
(Supplementary Note 6) The yield monitoring system according to
(Additional remark 7) The said analysis part analyzes the said defective-product generation factor, only when there exists the said product group whose said defective product incidence is more than a predetermined threshold value, Any one of Additional remark 3 thru | or 6 characterized by the above-mentioned. Yield monitoring system according to item.
(付記8) 前記分析部は、前記第1のグループに属する第1の実施条件の第1の値と、前記第2のグループに属し、前記第1の実施条件に対応する第2の実施条件の第2の値の一方を上限、他方を下限として値を変化させてシミュレーションを行い、前記不良品発生率の変化を分析して出力することを特徴とする付記3乃至7のいずれか一項に記載の歩留まり監視システム。 (Supplementary Note 8) The analysis unit includes a first value of a first implementation condition belonging to the first group and a second implementation condition belonging to the second group and corresponding to the first implementation condition. Any one of the second values is an upper limit and the other is the lower limit, and the simulation is performed to analyze and output the change in the defective product occurrence rate. Yield monitoring system described in
(付記9) 前記分析部は、過去に製造した製品と、今回製造した製品の前記不良品発生率に差異がある場合、両者の前記実施条件または前記組合せをもとに、前記差異の要因を分析して出力することを特徴とする付記3乃至8のいずれか一項に記載の歩留まり監視システム。 (Supplementary Note 9) When there is a difference in the defective product occurrence rate between the product manufactured in the past and the product manufactured this time, the analysis unit determines the cause of the difference based on the implementation condition or the combination of both. The yield monitoring system according to any one of appendices 3 to 8, wherein the yield is analyzed and output.
(付記10) 前記分析部は、前記差異の要因である前記実施条件を変更して、シミュレーションを行い前記不良品発生率が改善された場合に、変更後の前記実施条件または前記組合せを出力することを特徴とする付記9記載の歩留まり監視システム。 (Additional remark 10) The said analysis part outputs the said implementation conditions or the said combination after a change, when the said implementation conditions which are the factor of the said difference are changed, and the said defective product generation rate is improved by simulation. The yield monitoring system according to supplementary note 9, wherein
(付記11) 前記差異が所定の閾値以上の場合のみ分析を行うことを特徴とする付記9または10記載の歩留まり監視システム。
(付記12) 前記データ収集部は、さらに前記半導体装置の組立工程及び出荷工程における実施条件または実施結果を収集することを特徴とする付記1乃至11のいずれか一項に記載の歩留まり監視システム。
(Supplementary note 11) The yield monitoring system according to
(Supplementary Note 12) The yield monitoring system according to any one of
(付記13) 前記分析部は、コストが売り上げ予想から比較して高い製品グループで共通に使用している前記実施条件または前記組合せからなる第4のグループと、前記売り上げ予想から比較して安い製品グループで共通で使用している前記実施条件または前記組合せからなる第5のグループとを比較して、コスト増の要因を特定することを特徴とする付記1乃至12のいずれか一項に記載の歩留まり監視システム。
(Additional remark 13) The said analysis part is a cheap product compared with the 4th group which consists of the said implementation conditions or the said combination currently used in the product group whose cost is high compared with a sales forecast, and the said sales forecast. According to any one of
(付記14) 前記分析部は、前記第4のグループから前記第5のグループを除いた前記実施条件のうちで変更が許可されている前記実施条件からなる第6のグループをコスト増の要因の候補として出力することを特徴とする付記13記載の歩留まり監視システム。 (Additional remark 14) The said analysis part is a factor of a cost increase to the 6th group which consists of the said implementation conditions in which the change is permitted among the said implementation conditions except the said 5th group from the said 4th group. 14. The yield monitoring system according to appendix 13, wherein the yield monitoring system is output as a candidate.
(付記15) 前記分析部は、変更が許可されている前記第6のグループの前記実施条件を変更して製品ごとにシミュレーションを行い、前記コストが最低となる前記実施条件または前記組合せを分析して出力する付記14記載の歩留まり監視システム。 (Additional remark 15) The said analysis part changes the said implementation conditions of the said 6th group in which change is permitted, performs simulation for every product, and analyzes the said implementation conditions or the said combination that the said cost becomes the minimum. The yield monitoring system according to appendix 14, wherein
(付記16) 前記分析部は、前記コスト増の要因の特定処理を、工程ごとに行った後、最終工程においてトータルコストと売り上げ予想とを比較することで再度行うことを特徴とする付記13乃至15のいずれか一項に記載の歩留まり監視システム。 (Additional remark 16) The said analysis part performs the specific process of the factor of the said cost increase for every process, Then, it performs again by comparing a total cost and a sales forecast in a final process, The additional remark 13 thru | or 13 characterized by the above-mentioned The yield monitoring system according to any one of 15.
(付記17) 歩留まりの分析に必要な前記実施条件または前記実施結果が、前記データ収集部で収集できなかった場合に、収集できなかった前記実施条件または前記実施結果を生成する不足データ生成部を更に有することを特徴とする付記1乃至16のいずれか一項に記載の歩留まり監視システム。
(Supplementary Note 17) When the execution condition or the execution result necessary for yield analysis cannot be collected by the data collection unit, an insufficient data generation unit that generates the execution condition or the execution result that could not be collected The yield monitoring system according to any one of
(付記18) データ収集手段が半導体装置の設計、製造及び試験工程の各工程における実施条件または実施結果を収集するステップと、
分析手段が収集した前記実施条件または前記実施結果をもとに、歩留まりに影響を与える前記実施条件または前記実施条件の組合せを分析して分析結果を出力するステップと、
を有することを特徴とする歩留まり監視方法。
(Additional remark 18) The step which a data collection means collects the implementation conditions or the implementation result in each process of a design, manufacture, and test process of a semiconductor device,
Analyzing the execution conditions or a combination of the execution conditions affecting the yield based on the execution conditions or the execution results collected by the analysis means, and outputting the analysis results;
A yield monitoring method characterized by comprising:
10 データ収集部
11 分析部
12 不足データ生成部
20 データ収集用コンピュータ
20a データベース
21 データマイニング用コンピュータ
22 不良品発生要因分析用コンピュータ
23−1〜23−n 工程管理用コンピュータ
24 シミュレーション用コンピュータ
25 データ処理用コンピュータ
DESCRIPTION OF
Claims (6)
収集した前記実施条件または前記実施結果をもとに、歩留まりに影響を与える前記実施条件または前記実施条件の組合せを分析し、分析結果を出力する分析部と、を有し、
前記分析部は、不良品発生率が所定の閾値以上の製品グループがある場合のみ、不良品発生要因の分析を行い、前記不良品発生率が所定の規定値以上の製品グループで共通に使用している前記実施条件または前記組合せからなる第1のグループと、前記規定値より小さい製品グループで共通で使用している前記実施条件または前記組合せからなる第2のグループとを比較して、前記不良品発生要因を特定することを特徴とする歩留まり監視システム。 A data collection unit for collecting implementation conditions or implementation results in each process of designing, manufacturing and testing a semiconductor device;
An analysis unit that analyzes the execution conditions or a combination of the execution conditions that affect the yield based on the collected execution conditions or the execution results, and outputs an analysis result ;
The analysis unit analyzes the cause of defective products only when there is a product group with a defective product occurrence rate equal to or higher than a predetermined threshold, and is used in common for product groups with the defective product occurrence rate equal to or higher than a predetermined specified value. The first group consisting of the implementation conditions or the combination is compared with the second group consisting of the implementation conditions or the combination commonly used in a product group smaller than the specified value. Yield monitoring system characterized by identifying non-defective products .
分析手段が収集した前記実施条件または前記実施結果をもとに、歩留まりに影響を与える前記実施条件または前記実施条件の組合せを分析して分析結果を出力するステップと、を有し、
前記分析手段は、不良品発生率が所定の閾値以上の製品グループがある場合のみ、不良品発生要因の分析を行い、前記不良品発生率が所定の規定値以上の製品グループで共通に使用している前記実施条件または前記組合せからなる第1のグループと、前記規定値より小さい製品グループで共通で使用している前記実施条件または前記組合せからなる第2のグループとを比較して、前記不良品発生要因を特定することを特徴とする歩留まり監視方法。 Data collecting means for collecting execution conditions or results in each step of designing, manufacturing and testing a semiconductor device;
Analyzing the execution conditions or a combination of the execution conditions that affect the yield based on the execution conditions or the execution results collected by the analysis means, and outputting the analysis results ,
The analysis unit analyzes the cause of defective products only when there is a product group with a defective product occurrence rate equal to or greater than a predetermined threshold, and is commonly used for product groups with the defective product occurrence rate equal to or greater than a predetermined value. The first group consisting of the implementation conditions or the combination is compared with the second group consisting of the implementation conditions or the combination commonly used in a product group smaller than the specified value. Yield monitoring method characterized by identifying non-defective product generation factors .
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2007024284A JP5181484B2 (en) | 2007-02-02 | 2007-02-02 | Yield monitoring system and yield monitoring method |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2007024284A JP5181484B2 (en) | 2007-02-02 | 2007-02-02 | Yield monitoring system and yield monitoring method |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2008192745A JP2008192745A (en) | 2008-08-21 |
JP5181484B2 true JP5181484B2 (en) | 2013-04-10 |
Family
ID=39752580
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2007024284A Expired - Fee Related JP5181484B2 (en) | 2007-02-02 | 2007-02-02 | Yield monitoring system and yield monitoring method |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP5181484B2 (en) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5540659B2 (en) * | 2009-11-16 | 2014-07-02 | 株式会社Sumco | Silicon wafer process planning system, process planning method and program |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0831887A (en) * | 1994-07-15 | 1996-02-02 | Hitachi Ltd | System for detecting difference of fabrication process and method for detecting the difference |
JP2001306999A (en) * | 2000-02-18 | 2001-11-02 | Fujitsu Ltd | Data analyzer and data analysis method |
JP4012126B2 (en) * | 2003-07-10 | 2007-11-21 | 株式会社東芝 | Manufacturing apparatus abnormality detection system, manufacturing apparatus abnormality detection method, and manufacturing apparatus abnormality detection program |
JP2006318263A (en) * | 2005-05-13 | 2006-11-24 | Sharp Corp | Information analysis system, information analysis method and program |
-
2007
- 2007-02-02 JP JP2007024284A patent/JP5181484B2/en not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
JP2008192745A (en) | 2008-08-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6127170B2 (en) | A system configured to separate defects detected on a wafer according to bin ranges | |
US7962864B2 (en) | Stage yield prediction | |
CN103186657B (en) | Intelligent defect yield overview interface system and method | |
JP5175903B2 (en) | Adaptive analysis multidimensional processing system | |
Chien et al. | An empirical study of design-of-experiment data mining for yield-loss diagnosis for semiconductor manufacturing | |
US7689948B1 (en) | System and method for model-based scoring and yield prediction | |
US8312401B2 (en) | Method for smart defect screen and sample | |
US11755807B2 (en) | Method for predicting delay at multiple corners for digital integrated circuit | |
US20110153271A1 (en) | Methods and systems for high sigma yield estimation | |
TWI786376B (en) | Demand forecasting method and demand forecasting apparatus | |
EP1465088A2 (en) | Hierarchical evaluation of cells | |
JP2010282547A (en) | Input variable selection support apparatus | |
JP5728839B2 (en) | Failure diagnosis method, apparatus and program | |
JP5181484B2 (en) | Yield monitoring system and yield monitoring method | |
JP6070337B2 (en) | Physical failure analysis program, physical failure analysis method, and physical failure analysis apparatus | |
KR20230127861A (en) | Method for credit evaluation model update or replacement and apparatus performing the method | |
Dai et al. | Optimization of complex high-dimensional layout configurations for IC physical designs using graph search, data analytics, and machine learning | |
Daasch et al. | Statistics in semiconductor test: Going beyond yield | |
CN114766023B (en) | Data processing method, device and system and electronic equipment | |
Giollo et al. | Machine learning for fab automated diagnostics | |
JP6945511B2 (en) | Estimator and estimation method | |
JP2005190604A (en) | Semiconductor defect analyzing device and defect mode classifying method using the same | |
JP2009157655A (en) | Data analysis device, data analysis method, and program | |
WO2015145802A1 (en) | Asset management system and asset management method | |
JP2008084997A (en) | Semiconductor device design support system |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A711 | Notification of change in applicant |
Free format text: JAPANESE INTERMEDIATE CODE: A712 Effective date: 20080729 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20091009 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20120717 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20120726 |
|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20120912 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20121218 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20121231 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 5181484 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20160125 Year of fee payment: 3 |
|
S111 | Request for change of ownership or part of ownership |
Free format text: JAPANESE INTERMEDIATE CODE: R313111 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
LAPS | Cancellation because of no payment of annual fees |