良率评估方法及良率评估装置与流程

本公开涉及一种评估方法及装置，尤其涉及一种良率评估方法及良率评估装置。

背景技术：

1、在半导体产业中，封装测试成本占芯片商整体生产成本很大的一部分。而出货的产品中，又会因为其出货产品规格不同，而有封装测试成本上极大的差异。例如，相同密度的内存芯片产品，车规的封装测试成本会比一般商规多出将近两倍的成本。因此，若高规产品的良率不高，其封装测试将会造成不小的营利损失。所以，在芯片完成前段制造与测试之后，产品工程负责人必须谨慎的将成品归类至合适规格，才能适切地控管封装测试成本。例如，将后段良率可能较低的芯片，送往较低规格的封装测试，后段良率可能较高的产品则用高规格加以封装测试，如此便可以达到较大的出货量，并控制成本。

2、图1为现有的决定产品封装规格的基本流程，包括晶片产品制造12、前段晶片测试14、后段良率评估16以及封装测试18。封装测试18又可区分为高规格封装测试182及低规格封装测试184。后段良率评估16是根据晶片产品制造12、前段晶片测试14所得的制造数据和测试数据，决定产品是进行高规格封装测试182或低规格封装测试184。在这个阶段，早期的方法是通过所述领域的专家162介入，根据其专业知识对产品做出判断。近年来，许多公司导入机器学习辅助系统164，如深度神经网络(deep neural networks，dnn)、随机森林(random forest)等，做辅助判断，以增加效率，并改善人为判断所可能造成的缺失。虽然机器学习可以处理大量且复杂的数据，然而，因为其复杂的数学模型，往往会有一些无可避免的缺点。

3、例如，神经网络可根据线性代数中的非线性泛函叠加(non-linear functionalssuperposition)来合成复杂的良率函数，其因为需要利用多层且深度的网络模型来达成最佳拟合，所以结果常常是一个复杂到让人无法解释的数据组合，此将大幅降低其使用上的弹性。例如，用户在未来收集数据的时候，若出现信息漏缺或者测试改变，用户并无法将模型解构，挑选合理的数据带入模型之中。面对此状况，用户往往必须重新训练模型。

技术实现思路

1、本发明提供一种良率评估方法及装置，通过建立信息熵计算器，并用以评估产品良率及封装策略，可使产品出货量增加，并减少生产成本。

2、本发明的实施例提供一种良率评估方法，适用于具有处理器的电子装置。所述方法包括下列步骤：收集半导体产品制造过程中的晶片制造数据、前段晶片测试数据及后段产品良率信息，从中选择与良率相关的多个参数；计算使用各参数制造的多个样品中的坏品相对于全局定概率坏品的相对信息熵，用以建立一产品信息熵计算器，其中全局定概率坏品代表良率不随参数变化的坏品；以及收集当前产品的晶片制造数据及前段晶片测试数据并代入产品信息熵计算器，以评估当前产品的良率。

3、本发明的实施例提供一种良率评估装置，其包括连接装置、存储装置及处理器。连接装置用以连接与半导体产品制造及测试相关的多个机台。存储装置用以存储计算机程序。处理器耦接连接装置及存储装置，经配置以加载并执行计算机程序以使用连接装置自机台收集半导体产品制造过程中的晶片制造数据、前段晶片测试数据及后段产品良率信息，从中选择与良率相关的多个参数，计算使用各参数制造的多个样品中的坏品相对于全局定概率坏品的相对信息熵，用以建立一产品信息熵计算器，其中全局定概率坏品代表良率不随参数变化的坏品，以及使用连接装置自机台收集当前产品的晶片制造数据及前段晶片测试数据并代入产品信息熵计算器，以评估当前产品的良率。

4、基于上述，本发明的良率评估方法及装置，将原先复杂模型使用所建构的产品信息熵计算器取代，原本拟合所需要的任意变数部分，则使用固定的变量取代。由此，可让用户在使用所述方法时，能够更清楚地掌握其模型与其所产生的结果，并利用此结果订定封装策略。

技术特征：

1.一种良率评估方法，适用于具有处理器的电子装置，所述方法包括下列步骤：

2.根据权利要求1所述的方法，其中计算使用各所述参数制造的多个样品中的坏品相对于全局定概率坏品的相对信息熵，用以建立所述产品信息熵计算器的步骤包括：

3.根据权利要求2所述的方法，其中根据所计算的各所述区域的所述相对信息熵，给予所述参数所述权重的步骤包括：

4.根据权利要求3所述的方法，其中根据所计算的各所述区域的所述相对信息熵，给予所述参数所述权重的步骤还包括：

5.根据权利要求3所述的方法，其中根据所计算的各所述区域的所述相对信息熵，给予所述参数所述权重的步骤还包括：

6.根据权利要求2所述的方法，其中根据所计算的各所述区域的所述相对信息熵，给予所述参数所述权重的步骤包括：

7.根据权利要求2所述的方法，其中针对各所述参数，将使用所述参数制造的所述样品的良率分布分隔为多个区域的步骤包括：

8.根据权利要求2所述的方法，其中评估所述当前产品的良率的步骤包括：

9.根据权利要求1所述的方法，其中在收集半导体产品制造过程中的晶片制造数据、前段晶片测试数据及后段产品良率信息的步骤之后，还包括：

10.根据权利要求1所述的方法，其中在评估所述当前产品的良率的步骤之后，所述方法还包括：

11.一种良率评估装置，包括：

12.根据权利要求11所述的良率评估装置，其中所述处理器包括：

13.根据权利要求12所述的良率评估装置，其中所述处理器包括将数值为负数的所述相对信息熵设为零。

14.根据权利要求13所述的良率评估装置，其中所述处理器更比较相邻的所述区域的所述相对信息熵，其中若所述区域中的当前区域的相对信息熵大于前一区域的相对信息熵，将所述当前区域的相对信息熵设为所述前一区域的相对信息熵，并增加给予所述参数的所述权重，以及若所述区域中的所述当前区域的相对信息熵不大于所述前一区域的相对信息熵，维持所述当前区域的相对信息熵。

15.根据权利要求13所述的良率评估装置，其中所述处理器更比较相邻的所述区域的所述相对信息熵，其中若所述区域中的当前区域的相对信息熵小于前一区域的相对信息熵，将所述当前区域的相对信息熵设为所述前一区域的相对信息熵，并增加给予所述参数的所述权重，以及若所述区域中的所述当前区域的相对信息熵不小于所述前一区域的相对信息熵，维持所述当前区域的相对信息熵。

16.根据权利要求12所述的良率评估装置，其中所述处理器包括叠加使用不同的所述区分标准所计算的所述权重，作为给予所述参数的所述权重。

17.根据权利要求12所述的良率评估装置，其中所述处理器包括依照预定数值或比率将所述良率分布分隔为所述多个区域。

18.根据权利要求12所述的良率评估装置，其中所述处理器包括针对制造所述当前产品所使用的多个参数，计算与所述参数相对应的所述权重的总和，作为评估所述当前产品的所述良率的分数。

19.根据权利要求11所述的良率评估装置，其中所述处理器更对所收集的所述晶片制造数据、所述前段晶片测试数据及所述后段产品良率信息进行数据清洗及前处理，并将处理后的数据投射到假设的数学空间。

20.根据权利要求11所述的良率评估装置，其中所述处理器更根据所述良率决定所述当前产品适用的封测规格。

技术总结一种良率评估方法及良率评估装置。此方法包括下列步骤：收集半导体产品制造过程中的晶片制造数据、前段晶片测试数据及后段产品良率信息，从中选择与良率相关的多个参数；计算使用各参数制造的多个样品中的坏品相对于全局定概率坏品的相对信息熵，用以建立产品信息熵计算器，其中全局定概率坏品代表良率不随参数变化的坏品；以及收集当前产品的晶片制造数据及前段晶片测试数据并代入产品信息熵计算器，以评估当前产品的良率。技术研发人员：潘嗣文,苏振光受保护的技术使用者：华邦电子股份有限公司技术研发日：技术公布日：2024/11/14