简介
INF-WPA是一款Wafer Map 图形分析的产品,利用多种前沿的机器学习技术,根据Wafer上数据的分布,实现异常图形的特征提取,识别产品质量异常问题,协助工程师进行下一步的分析,如快速定位线上生产机台异常,确认工艺过程波动,分析制程的工艺窗口以及薄弱点,有效减少成品的良率损失,降低生产成本,提高生产效率。
INF-WPA是一款Wafer Map 图形分析的产品,利用多种前沿的机器学习技术,根据Wafer上数据的分布,实现异常图形的特征提取,识别产品质量异常问题,协助工程师进行下一步的分析,如快速定位线上生产机台异常,确认工艺过程波动,分析制程的工艺窗口以及薄弱点,有效减少成品的良率损失,降低生产成本,提高生产效率。
INF-WPA帮助Fab⼯程师快速进⾏Pattern汇总分析,并将分析的结果和良率管理系统关联,实现各种Pattern的⻓期趋势的监控,如根据Pattern分类结果做共同机台分析,根据⾃定义的Pattern利⽤机器学习算法查找类似Pattern Wafer等。
|
|
|
Wafer Map Pattern分类准确度高(>98%),可自定义类别对Pattern的Map归类汇总。Wafer Map Pattern 与其形成的根因具有强相关性,可以帮助用户快速对低良率Wafer 归类分析并缩短Root Cause 排查时间,提高工程师工作效率。同时,Wafer Pattern与Fab生产异常、晶圆测试问题互相佐证,相得益彰。
支持用户根据失效的Wafer 以及关注的Bin ⾃定义Fail Pattern,通过Pattern Match 计算所有的Wafer 和⾃定义Pattern 的相似度,通过关联生产及测试过程数据,准确定位Commonality,缩短根因调查时间,为客户提供强有力的数据⽀撑并及时止损;平台巨量Wafer Pattern 数据为用户建立强大的数据库,实现历史问题回溯。
Wafer Pattern Cluster 利⽤无监督深度学习方法对所有参数根据失效的 Map 分布进⾏快速高效聚类,⽅便用户对不良问题进⾏快速分解,准确定位,逐⼀攻破,加快良率提升的速度。
通过智能特征参数提取,高效确认中心 Cluster 范围、刮伤半径、角度等特征图形尺⼨,通过对比机台尺寸特征参数数据库,结合 WIP 数据,快速定位生产过程中的异常设备。
通过 Pattern 识别并基于特定 Rule,对 Pattern Path 区域内存在 Reliability 风险的芯片进行Ink 操作,避免有问题的芯片流入后续⼯艺造成重大的质量问题,节约成本的同时提高终端产品的安全性等。