[发明专利]基于分布式并行计算的FDC溯因分析方法及存储介质

说明书

本发明的一种基于分布式并行计算的FDC溯因分析方法及存储介质，方法包括获取失效器件的各种信息；获取半导体晶圆生产制造过程中的FDC数据及配置文件；对FDC数据集进行预处理，获取算法计算结构的数据；做溯因分析，找出影响因子；基于溯因分析结果进行汇总，取出各分组的前N个影响因子；基于测试结果与已知的失效模式进行比对，以确定可能的失效原因；根据反馈的多个可能的失效原因，进行进一步的测试和诊断操作，以验证和确定失效的根本原因；根据失效的根本原因，采取相应的措施。本发明通过对数据进行特征提取、异常检测和模式识别，能够快速准确地识别潜在的故障源和不良产品产生的原因。

技术领域

本发明涉及半导体制造业技术领域，具体涉及一种基于分布式并行计算的FDC溯因分析方法及存储介质。

背景技术

半导体制造过程涉及复杂的工艺流程和设备操作，其中包括材料沉积、光刻、蚀刻、清洗等步骤。在这些过程中，存在着各种潜在的故障和异常情况，可能导致不良产品的生成。传统的质量控制方法难以准确识别和定位这些故障根本原因，因此需要一种高效的溯因分析技术，以帮助生产厂商追溯并解决不良产品产生的问题。

具体的说，在半导体制造业中，确保产品质量是至关重要的。然而，在复杂的半导体生产过程中，由于工艺参数、设备状态或其他因素的变异，可能会产生不良产品。传统的质量控制方法主要依赖于工艺监测和产品测试，但这些方法可能无法及时准确地识别故障的根本原因，导致生产线上的不良产品数量增加和生产效率降低。

为解决这一问题，引入FDC（Fault Detection and Classification，故障检测和分类）技术。FDC技术利用传感器和数据采集系统，实时监测和记录半导体制造过程中的关键参数和工艺数据。通过分析这些FDC数据，可以识别和定位潜在的故障和异常情况，从而实现对不良产品的溯因分析。

然而，现有的FDC技术在半导体制造领域仍然存在一些限制和挑战。首先，半导体生产过程中的数据量庞大且复杂，包含多个参数和变量，因此需要高效的数据管理和处理方法。其次，溯因分析需要准确的模型和算法来识别故障的根本原因，并在复杂的生产环境中进行实时分析。此外，故障诊断和纠正措施的追溯性也是挑战之一，特别是在大规模生产中，需要迅速准确地找到故障源并采取相应措施以最小化不良产品的数量。因此，需要进一步研究和开发基于FDC数据的不良产品溯因分析技术，以提高半导体制造过程中质量控制能力，降低不良产品率，并提高生产效率。

发明内容

本发明提出的一种基于分布式并行计算的FDC溯因分析方法、设备及存储介质，可至少解决背景技术中的技术问题之一。

为实现上述目的，本发明采用了以下技术方案：

一种基于分布式并行计算的FDC溯因分析方法，包括以下步骤，

S1：信息获取，对失效器件进行各种测试和诊断操作，例如电性测试、光学测试、扫描电子显微镜（SEM）测试等，以获取失效器件的各种信息；

电性测试包括I-V特性测试、C-V特性测试等；光学测试包括SEM、TEM等；扫描电子显微镜（SEM）测试包括表面形貌测试、元素分析等；

S2：根据步骤S1的请求数据获取半导体晶圆生产制造过程中的FDC数据及配置文件；

S3：对步骤S2请求的FDC数据集进行预处理，获取算法计算结构的数据；

S4：对步骤S3的预处理的数据进一步做溯因分析，找出影响因子；

S5：基于步骤S4的溯因分析结果进行汇总，取出各分组的前N个影响因子；

S6：基于步骤S5的测试结果与已知的失效模式进行比对，以确定可能的失效原因；

S7：验证和确定，根据反馈的多个可能的失效原因，进行进一步的测试和诊断操作，以验证和确定失效的根本原因；

S8：措施采取，根据失效的根本原因，采取相应的措施，例如修复、替换或报废等。