[发明专利]一种运用AI模型的半导体制造缺陷动态随机取样方法

说明书

本发明公开了一种运用AI模型的半导体制造缺陷动态随机取样方法，涉及半导体缺陷随机取样技术领域，该方法包括以下步骤：收集目标产品的信息；对目标产品的信息进行AI建模，生成仿真AI模型训练‑1；对目标产品的主要缺陷问题及相关联数据收集；根据收集的数据，进行缺陷根因的AI模型训练建立，生成AI模型训练‑2；将AI模型训练‑1与AI模型训练‑2部署于AI模型运行平台进行运行；将步AI模型运行平台与现有的取样系统建立对接；对取样系统中的取样结果进行执行。本发明具有的效果。

技术领域

本发明涉及半导体缺陷随机取样技术领域，更具体地说，它涉及一种运用AI模型的半导体制造缺陷动态随机取样方法。

背景技术

在半导体的制造过程中，存在半导体上存在一定的缺陷问题。缺陷是引起芯片制造良率和可靠性降低的最主要原因，因此对缺陷的管理控制在半导体制造过程中尤为重要。目前对缺陷的主要控制方法是：1)在制造过程中，依据经验选定抽样检测站点；2)通过工程人员的经验，为每个检测站点设定相应的静态抽样规则，即产品批号的尾数数字作为是否抽样的依据。

但是目前的方法由于是静态的抽样方法，且严重依赖工程人员的经验，因此在缺陷问题的覆盖率方面有着比较大的不足，而且对有限的检测资源有着比较大的浪费。针对选定检测站点，选定的的依据基本是前代产品的复制，没有对产品本身的缺陷问题分布特性进行研究，因此在初期很容易会将该产品的特有性问题忽视；针对静态抽样规则，由于不考虑其他任何因素，只是随机进行抽样，所以只能发现系统性，共同性的缺陷问题，而对因生产设备，人员失误等突发，偶发性时间的侦测率极低。

基于上述问题，需要提出一种可以利用有限的检测资源，获得比较大的问题覆盖率的半导体制造缺陷动态随机取样方法。

发明内容

针对实际运用中这一问题，本发明目的在于提出一种运用AI模型的半导体制造缺陷动态随机取样方法，具体方案如下：

一种运用AI模型的半导体制造缺陷动态随机取样方法，该方法包括以下步骤：

1)收集目标产品的信息；

2)对所述目标产品的信息进行AI建模，生成仿真AI模型训练-1；

3)对所述目标产品的主要缺陷问题及相关联数据收集；

4)根据所述步骤3)中收集的数据，进行缺陷根因的AI模型训练建立，生成AI模型训练-2；

5)将所述步骤2)与所述步骤4)中所述的AI模型训练-1与所述AI模型训练-2部署于AI模型运行平台进行运行；

6)将所述步骤5)中所述AI模型运行平台与现有的取样系统建立对接；

7)对所述步骤6)中所述的取样系统中的取样结果进行执行。

进一步的，步骤1)中所述目标产品的信息包括所述目标产品的属性、问题分布、目标、历史同类产品、产能、历史同类产品的缺陷的时间缺陷。

进一步的，步骤4)中所述目标产品的主要缺陷问题及相关联数据包括所用的设备失效特征参数、生产材料/供应商失效特征参数、厂务系统特征参数与环境变化特征参数，

其中，所述厂务系统特征参数包括水电系统特征参数，所述环境变化特征参数包括温度、湿度变化特征参数。

进一步的，所述AI模型训练-1用于检测站点的设定。

进一步的，所述AI模型训练-2用于预测后续生产批次发生同样缺陷问题的可能性。

进一步的，所述AI模型运行平台包括所述AI模型训练-1与所述AI模型训练-2的存储管理、运行控制以及所需数据的实时提取和存储。

与现有技术相比，本发明的有益效果如下：