专利名称：识别数据中的共同特征的方法和系统的制作方法
技术领域：
本发明总地来说涉及数据分析。更具体地说，本发明提供了一种用于识别数据中的系统性(systematics)的叠代方法。
背景技术：
下文称为“芯片”的集成电路(IC)的制造过程的一部分包括检验芯片是否没有缺陷。这个测试步骤的一个目的是识别所有有缺陷的芯片。另一个目的是收集每个有缺陷的芯片的故障数据，如果需要的话，以后可以使用所述故障数据来识别引起故障的缺陷。一组有缺陷的芯片的综合故障数据可以以不同方式使用来获取有关缺陷的信息。例如，可以确定检测缺陷的测试工序中各个步骤的有效性，并可以为各种嵌入对象(例如，嵌入式随机访问存储器)计算故障概率。
故障数据也可以用作引起观察到的故障的底层缺陷的特征(signature)。可以利用原始故障数据，或原始故障数据的某种总结，为每个出故障的芯片定义这样的特征。故障特征可以用于比较不同芯片、或在不同测试条件下的相同芯片的共性，然后，这些比较结果可以指示故障是否是由相同的缺陷机理引起的。
一旦找到可以可靠地比较不同芯片的方式，就可以将出故障的芯片归类(cluster)成看起来是由相同或相似缺陷引起故障的芯片组。尝试这样归类的一个理由是，如果单个组中的所有芯片确实是因为相似的缺陷而出故障，则立即可以得到例如这种缺陷的出现概率的信息。另外，接着可以针对较频繁的缺陷而进行诊断。
通常，以成对的方式将芯片相互比较，并且，确定芯片的相关性的度量。根据这种相关性，将芯片分组成依照它们与组中的芯片的相关性而关联的芯片群集(cluster)。遗憾的是，当在芯片上存在多个缺陷时，将芯片分组成群集会出现问题。
作为这种问题的一个例子，假设如下都在同一扫描链上的位上出故障的多个芯片芯片A在位1和2上出故障；芯片B在位1和2上出故障；芯片C在位1、2、4、和7上出故障；和芯片D在位4和7上出故障。
假设使用的相关性度量是公共位数/总位数，那么，芯片C与芯片A和B的相关性小于芯片A与芯片B的相关性，因为芯片C还在位4和7上出故障。即使芯片C在位1和2上出故障，就象芯片A和B一样，也会出现这种情况。因此，将芯片C与芯片A、B还是D归类在一起取决于形成群集时使用何种相关性阈值。
作为另一个例子，假设如下都在同一扫描链上的位上出故障的多个芯片芯片A在位1和2上出故障；芯片B在位1和2上出故障；芯片C在位1、2、和17-37上出故障；和芯片D在位17-37上出故障。
再次假设使用的相关性是公共位数/总位数，那么，芯片A和B处在群集C0中；和芯片C和D处在群集C1中。
由于芯片C上存在故障位17-37，芯片C和芯片D具有比芯片C和芯片A或芯片C和芯片B更大的相关性；芯片C与芯片A的相关性和芯片C与芯片B的相关性受到损害。在这种程度上，具有多个缺陷的芯片不相关，带有单个相同缺陷的芯片也不相关。相关性算法和归类算法确定如何归类带有多个缺陷的芯片。
许多归类算法只允许将芯片放在单个群集中。这样，在上面的每个例子中，视使用的相关性算法和阈值而定，芯片C可以被分组到包括芯片A和B的群集中、或分组到包括芯片D的群集中，但不会被分组到这两者中。
发明内容
本发明提供了一种用于识别数据中(例如，芯片故障、参数、或测量数据中)的系统性的叠代方法。总地来说，根据特征定义处理(例如，过滤)一组数据，来创建一组特征数据。然后，分析该组特征数据，来识别共同特征。利用共同特征的知识修改该组特征数据，创建一组修正的特征数据。然后，再次分析该组修正的特征数据，来识别新的共同特征，如果有的话。重复修改和分析步骤，直到识别不出新的共同特征为止。当识别不出新的共同特征时，报告识别的共同特征。
本发明第一方面涉及一种用于识别数据中的共同特征的方法，包括分析一组数据，以识别共同特征；根据共同特征修改该组数据，以提供一组修正的数据；和分析该组修正的数据，以识别另外的共同特征。
本发明第二方面涉及一种用于识别数据中的共同特征的系统，包括分析一组数据、以识别共同特征的装置；根据共同特征修改该组数据、以提供一组修正的数据的装置；和分析该组修正的数据、以识别另外的共同特征的装置。
本发明第三方面涉及一种存储在计算机可读介质上、用于识别数据中的共同特征的程序产品，该计算机可读介质包括执行如下步骤的程序代码分析一组数据，以识别共同特征；根据共同特征修改该组数据，以形成一组修正的数据；和分析该组修正的数据，以识别另外的共同特征。
本发明第四方面涉及一种用于识别数据中的共同特征的方法，包括对一组数据进行归类分析，以识别共同特征；通过移除共同特征来修改该组数据，以形成一组修正的数据；和对该组修正的数据进行归类分析，以识别另外的共同特征。
本发明的例示性方面用来解决本文所述的问题和未讨论的其它问题。
通过结合附图对本发明的各个方面进行如下详细描述，本发明的这些和其它特征将更容易理解，在附图中图1描绘了按照本发明一个实施例识别数据中的系统性的例示性方法的总的流程图；图2描绘了按照本发明一个实施例识别芯片故障数据中的系统性的例示性方法的流程图；图3描绘了按照本发明一个实施例的例示性特征数据；图4-10描绘了图2的方法应用于图3的特征数据；图11描绘了按照本发明另一个实施例识别芯片故障数据中的系统性的例示性方法的流程图；图12-16描绘了图11的方法应用于图3的特征数据；和图17描绘了实现本发明实施例的例示性计算机系统。
这些附图仅仅是示意性表示，而不是用于描述本发明的具体参数。这些附图只用于描绘本发明的典型实施例，因此，不应该认为限制本发明的范围。在这些附图中，相同的标记表示相同的部件。
具体实施例方式
如上所述，本发明提供了用于识别数据中(例如，芯片故障、参数、或测量数据中)的系统性的叠代方法。总地来说，根据特征定义处理(例如，过滤)一组数据，以创建一组特征数据。然后，分析该组特征数据，以识别共同特征。利用共同特征的知识修改该组特征数据，以创建一组修正的特征数据。然后，再次分析该组修正的特征数据，以识别新的共同特征，如果有的话。重复修改和分析步骤，直到识别不出新的共同特征为止。当识别不出新的共同特征时，报告识别的共同特征。也可以报告诸如群集大小、每个群集中的芯片、导出的数据和分析(例如，晶片图)的其它信息。
图1中示出按照本发明一个实施例识别数据中的系统性的例示性方法的总的流程图10。在步骤S11中，提供要作系统性分析的一组数据。尽管本发明可以用于确定任何类型数据内的系统性，但下面将关于芯片故障数据对本发明加以描述。要作系统性分析的该组数据可以以任何适当方式提供。在步骤S12中，根据特征定义12分析该组数据，以创建一组特征数据14。例如，特征定义12可以包括扫描链的扫描输出引脚和扫描链中出故障的位，从而得出例如“引脚X位Y”的特征数据14。许多其它类型的特征定义也是可能的，而上面的例子不是限制性的。
在步骤S13中，识别该组特征数据14内的共同特征。这可以利用用于确定数据内的共性的任何适当算法完成。例如，可以对该组特征数据14进行相关性或分类(sorting)分析，以识别共同特征。这种分析例如可以包括将带有特定共同特征的出故障的芯片归类(cluster)在一起的归类步骤。也可以使用其它归类方法。
如果在步骤S14中识别出新的共同特征，那么，流程转到步骤S15，在步骤S15中，新的共同特征被处理并被用于修改该组特征数据14。如果在步骤S14中识别不出新的共同特征，那么，流程转到步骤S16。该组特征数据14可以通过，例如，从该组特征数据14中移除在步骤S14中识别的新的共同特征来修改，从而提供一组修正的特征数据14。然后，流程返回到步骤S13。然后，重复步骤S13-S15，直到在步骤S14中识别不出新的共同特征。在步骤S16中，报告识别的共同特征，如果有的话。该报告可以包括，例如，列出每个共同特征或列出带有特定共同特征的出故障的芯片。
现在参照图2，图2描绘了按照本发明一个实施例识别芯片故障数据中的系统性的例示性方法的流程图20。在步骤S21中，利用任何适当方法提供要作系统性分析的一组芯片故障数据。在步骤S22中，根据特征定义22分析该组芯片故障数据，以创建一组特征数据24。一组特征数据24的一个例子描绘在图3中。在这个例子中，对于一个芯片，特征定义22包括扫描链的扫描输出引脚和扫描链中出故障的位，从而得出“引脚Y位Z”的“芯片X”的特征数据24。
在步骤S23和S24中，识别该组特征数据24内的群集。具体地说，在步骤S23中，为该组特征数据24生成相关矩阵。例如，在图4中，描绘了与在图3中示出的该组特征数据24相对应的例示性相关矩阵26。相关矩阵26示出了特征数据24之间的相关性。在步骤S24中，对相关矩阵26的数据进行归类，以识别新的群集。该归类可以利用任何适当的归类算法进行。
如果在步骤S25中识别出新群集，那么，流程转到步骤S26。如果在步骤S25中识别不出新群集，那么，流程转到步骤S28。在步骤S26中，处理在步骤S25中识别的每个新群集，以识别该组特征数据24中的相应共同特征。在步骤S27中，从该组特征数据24中移除在步骤S26中识别的共同特征，从而提供一组修正的特征数据24。然后，流程返回到步骤S23。然后，重复步骤S23-S27，直到在步骤S25中识别不出新群集为止。在步骤S28中，报告识别的共同特征，如果有的话。
在本发明的可替代实施例中，可以通过将标记加在/应用于在步骤S26中识别的每个共同特征上，来修改该组特征数据24。所述标记可以用于在识别该组修正的特征数据24中的新群集时，排除以前识别的共同特征。这样，可以有效地从该组特征数据24中“移除”以前识别的共同特征。也可以使用从该组特征数据24中“移除”已识别的共同特征的其它技术。
当将上述方法应用于在图3中示出的该组特征数据24、和在图4中示出的相应相关矩阵26时，从该组特征数据24中识别出和移除如下共同特征引脚1位1；和引脚1位7。
移除这些共同特征、得出如图5所示的该组修正的特征数据24。与如图5所示的该组修正的特征数据24相对应的相关矩阵26描绘在图6中。
该方法的下一次叠代导致从如图5所示的该组修正的特征数据24中移除如下共同特征引脚2位8。
这样就得出如图7所示的该组修正的特征数据24。与如图7所示的该组修正的特征数据24相对应的相关矩阵26描绘在图8中。
该方法的下一次(即，最后一次)叠代导致从如图7所示的该组修正的特征数据24中移除如下共同特征引脚3位2。
这样就得出如图9所示的该组修正的特征数据24。与如图9所示的该组修正的特征数据24相对应的相关矩阵26描绘在图10中。此刻，由于在该组修正的特征数据24中再也没有新群集，叠代过程结束，并且，报告原特征数据24(图3)中的如下识别出的共同特征引脚1位1；引脚1位7；引脚2位8；和引脚3位2。
总地来说，相关策略/参数、归类策略/阈值/参数、和/或其它因素都会影响本发明的这个和其它实施例提供的结果。
现在参照图11，图11描绘了按照本发明另一个实施例识别芯片故障数据中的系统性的例示性方法的流程图30。在步骤S31中，利用任何适当方法提供要作系统性分析的一组芯片故障数据。在步骤S32中，根据特征定义22分析该组芯片故障数据，以创建一组特征数据24。在本例中，将利用如图3所示的该组特征数据24对本发明加以描述。
在步骤S33中，按引脚和位分类(sort)该组特征数据24，得出在图12中示出的该组分类特征数据32。如果在步骤S34中识别出共同特征，那么，流程转到步骤S35。如果在步骤S34中没有识别出共同特征，那么，流程转到步骤S36。
在步骤S35中，从该组分类特征数据32中移除在步骤S34中识别的共同特征，从而提供一组修正的分类特征数据32。然后，流程返回到步骤S33。然后，重复步骤S33-S35，直到在步骤S35中识别出所有新的共同特征。在步骤S36中，报告识别的共同特征，如果有的话。
当将上述方法应用于在图12中示出的分类特征数据32时，导致从该组分类特征数据32中识别出和移除如下共同特征引脚1位1。
移除这个共同特征得出如图13所示的该组修正的分类特征数据32。
该方法的下一次叠代导致从在图13中示出的该组修正的分类特征数据32中识别出和移除如下共同特征引脚1位7。
这样就得出如图14所示的该组修正的分类特征数据32。
该方法的下一次叠代导致从在图14中示出的该组修正的分类特征数据32中识别出和移除如下共同特征引脚2位8。
这样就得出如图15所示的该组修正的分类特征数据32。
该方法的下一次(即，最后一次)叠代导致从在图15中示出的该组修正的分类特征数据32中识别出和移除如下共同特征引脚3位2。
这样就得出如图16所示的该组修正的分类特征数据32。此刻，由于在图16中示出的该组修正的分类特征数据32中再也没有新的共同特征，叠代过程结束，并且，报告原特征数据24(图3)中的如下共同特征引脚1位1；引脚1位7；引脚2位8；和引脚3位2。
按照本发明一个实施例识别数据中的系统性的计算机系统100描绘在图17中。计算机系统100设置在计算机基础设施102中。计算机系统100用于代表能够实现本发明的教导的任何类型的计算机系统。例如，计算机系统100可以是膝上型计算机、台式计算机、工作站、手持设备、服务器、计算机群集等。另外，如下面将进一步描述的，计算机系统100可以由按照本发明提供用于识别数据中的系统性的服务的服务提供者部署和/或操作。应该认识到，用户104(例如，人或另一台计算机)可以直接访问计算机系统100，或可以操作通过网络106(例如，因特网、广域网(WAN)、局域网(LAN)、虚拟专用网(VPN)等)与计算机系统100通信的计算机系统。在后一种情况下，计算机系统100与用户操作的计算机系统之间的通信可以通过各种通信链路的任何组合实现。例如，这些通信链路可以包括可以利用有线和/或无线传输方法的任何组合的可寻址连接。在通过因特网实现通信的情况下，可以通过传统的基于TCP/IP套接字的协议提供连通性，并且，因特网服务提供者可用于建立与因特网的连通性。
所示出的计算机系统100包括处理单元108、存储器110、总线112、和输入/输出(I/O)接口114。并且，示出的计算机系统100与外部设备/资源116和一个或多个存储系统118通信。总地来说，处理单元108执行例如存储在存储器110和/或存储系统118中的系统性识别系统130的计算机程序代码。在执行计算机程序代码时，处理单元108可以从/向存储器110、存储系统118、和/或I/O接口114读取/写入数据。总线112提供计算机系统100的每个组件之间的通信链路。外部设备/资源116可以包括使用户能够与计算机系统100交互的任何设备(例如，键盘、定位设备、显示器(例如，显示器120、打印机等))，和/或使计算机系统116能够与一个或多个其它计算设备通信的任何设备(例如，网卡、调制解调器等)。外部设备/资源116还可以包括用于生成/提供供本发明的系统性识别系统130分析的一组或多组数据132的系统。
计算机基础设施102只是可以用于实现本发明的各种计算机基础设施的例示。例如，在一个实施例中，计算机基础设施102可以包括通过网络(例如，网络106)进行通信以便执行本发明的各种处理步骤的两个或更多个计算设备(例如，服务器群集)。此外，计算机系统100只是分别可以包括硬件/软件的许多种组合、可以用于实施本发明的许多种计算机系统的代表。例如，处理单元108可以包括单个处理单元，或可以分布在处于一个或多个地方，例如客户机和服务器上的一个或多个处理单元上。类似地，存储器110和/或存储系统118可以包括驻留在一个或多个物理位置上的各种数据存储器和/或传输介质的任何组合。进一步，I/O接口114可以包括与一个或多个外部设备/资源116交换信息的任何系统。更进一步，可以理解，在计算机系统100中可以包括在图17中未示出的一个或多个附加组件(例如，系统软件、通信系统、高速缓冲存储器等)。但是，如果计算机系统100包括手持设备等，可以理解，一个或多个外部设备/资源116(例如，显示器)和/或一个或多个存储系统118可以包括在计算机系统100内，而不是像所示那样位于外部。
存储系统118可以是能够为本发明中的信息提供存储的任何类型的系统(例如，数据库)。在这种程度上，存储系统118可以包括像磁盘驱动器或光盘驱动器那样的一个或多个存储设备。在另一个实施例中，存储系统118可以包括分布在，例如，局域网(LAN)、广域网(WAN)或存储区网络(SAN)(未示出)上的数据。此外，尽管未示出，但用户104操作的计算机系统可以包括与上面针对计算机系统100所描述的那些组件类似的计算机化组件。
显示在存储器110(例如，作为计算机程序产品)中的是如上所述，按照本发明识别一组或多组数据132中的系统性的系统性识别系统130。总地来说，系统性识别系统130包括用于分析一组数据132(或一组修正的数据132)来识别共同特征140的分析系统134、用于修改该组数据132以形成一组修正的数据132(或用于修改该组修正的数据132以提供一组进一步修正的数据132等)的修改系统136、和用于报告识别共同特征140的报告系统138。系统性识别系统130被配置成实现像描绘在分别在图1、2、和11中示出的流程图10、20、和30中的一个或多个中那样的叠代方法，以便识别该组数据132中的系统性。
本发明可以作为基于预订或付费的商业方法提供。例如，本发明的一个或多个组件可以由为客户提供本文所述的功能的服务提供者创建、维护、支持、和/或部署。也就是说，服务提供者可以用于提供如上所述的用于识别数据中的系统性的服务。
还应该理解，本发明可以以硬件、软件、传播信号、或它们的任何组合的形式实现。任何类型的计算机/服务器系统-或适合实现本文所述的方法的其它装置-都是适用的。硬件和软件的典型组合可以包括带有计算机程序的通用计算机系统，当被装入和执行时，计算机程序实现本文所述的各种方法。或者，也可以利用包括用于实现本发明的一个或多个功能性任务的专门硬件的专用计算机。也可以将本发明嵌入计算机程序产品或传播信号中，计算机程序产品或传播信号包括使本文所述的方法得以实现的所有相应特征，并且，当被装入计算机系统中时，能够实现这些方法。
本发明可以采取全部硬件实施例、全部软件实施例或包括硬件和软件单元这两者的实施例的形式。在优选实施例中，本发明以软件的形式实现，包括但不局限于固件、常驻软件、微码等。
本发明可以采取可从供计算机或任何指令执行系统使用或与其结合在一起使用、提供程序代码的计算机可用或计算机可读介质访问的计算机程序产品的形式。就本说明书而言，计算机可用或计算机可读介质可以是供指令执行系统、装置、或设备使用或与其结合在一起使用的，可以包括、存储、传送、传播、或传输程序的任何装置。
介质可以是电子、磁、光、电磁、红外、或半导体系统(或装置或设备)或传播介质。计算机可读介质的例子包括半导体或固态存储器、磁带、可移动计算机软盘、随机存取存储器(RAM)、只读存储器(ROM)、硬磁盘和光盘。光盘的当前例子包括只读光盘存储器(CD-ROM)、可读写光盘存储器(CD-R/W)和数字多功能盘(DVD)。
在本上下文中的计算机程序、传播信号、软件程序、程序、或软件指的是一组指令以任何语言、代码或记号下的任何表达，这组指令用于使具有信息处理能力的系统可以直接或在如下操作之一或两者之后执行特定功能(a)转换成另一种语言、代码或记号；和/或(b)以不同物质形式再现。
前面为了例示和描述的目的给出了本发明优选实施例的描述，该描述不是用来穷举，或将本发明限制在公开的确切形式上，显然，可以作出许多修正和改变。
权利要求
1.一种用于识别数据中的共同特征的方法，包括分析一组数据，以识别共同特征；根据共同特征修改该组数据，以形成一组修正的数据；和分析该组修正的数据，以识别另外的共同特征。
2.根据权利要求1所述的方法，其中，修改该组数据的步骤进一步包括从该组数据中移除共同特征。
3.根据权利要求1所述的方法，其中，该组数据包括芯片故障数据。
4.根据权利要求1所述的方法，其中，分析该组数据以识别共同特征的步骤进一步包括对该组数据进行归类分析。
5.根据权利要求1所述的方法，其中，分析该组数据以识别共同特征的步骤进一步包括为该组数据生成相关矩阵；和对相关矩阵进行归类分析。
6.根据权利要求1所述的方法，其中，分析该组数据以识别共同特征的步骤进一步包括分类该组数据。
7.根据权利要求1所述的方法，进一步包括根据所述另外的共同特征修改该组修正的数据，以提供另外的一组修正的数据；分析该另外的一组修正的数据，以识别另外的共同特征；和重复修改该组修正的数据和分析该另外的一组修正的数据的步骤，直到满足预定条件为止。
8.根据权利要求7所述的方法，其中，预定条件包括识别不出另外的共同特征。
9.根据权利要求7所述的方法，其中，修改该组修正的数据的步骤进一步包括从该组数据中移除所述另外的共同特征。
10.一种用于识别数据中的共同特征的系统，包括用于分析一组数据、以识别共同特征的装置；用于根据共同特征修改该组数据、以提供一组修正的数据的装置；和用于分析该组修正的数据、以识别另外的共同特征的装置。
11.根据权利要求10所述的系统，其中，用于修改该组数据的装置进一步包括用于从该组数据中移除共同特征的装置。
12.根据权利要求10所述的系统，其中，该组数据包括芯片故障数据。
13.根据权利要求10所述的系统，其中，用于分析该组数据以识别共同特征的装置进一步包括用于对该组数据进行归类分析的装置。
14.根据权利要求10所述的系统，其中，用于分析该组数据以识别共同特征的装置进一步包括用于为该组数据生成相关矩阵的装置；和用于对相关矩阵进行归类分析的装置。
15.根据权利要求10所述的系统，其中，用于分析该组数据以识别共同特征的装置进一步包括用于分类该组数据的装置。
16.根据权利要求10所述的系统，进一步包括用于根据另外的共同特征修改该组修正的数据、以提供另外的一组修正的数据的装置；用于分析该另外的一组修正的数据、以识别另外的共同特征的装置；和用于重复修改该组修正的数据和分析该另外的一组修正的数据的步骤、直到满足预定条件为止的装置。
17.根据权利要求16所述的系统，其中，预定条件包括识别不出另外的共同特征。
18.根据权利要求16所述的系统，其中，用于修改该组修正的数据的装置进一步包括用于从该组数据中移除所述另外的共同特征的装置。
19.一种存储在计算机可读介质上、用于识别数据中的共同特征的程序产品，该计算机可读介质包括用于执行根据前面方法权利要求中的任何一项所述的方法的步骤的程序代码。
20.一种用于识别数据中的共同特征的方法，包括对一组数据进行归类分析，以识别共同特征；通过移除共同特征修改该组数据，以形成一组修正的数据；和对该组修正的数据进行归类分析，以识别另外的共同特征。
21.根据权利要求20所述的方法，进一步包括通过移除所述另外的共同特征来修改该组修正的数据，以提供另外的一组修正的数据；对该另外的一组修正的数据进行归类分析，以识别另外的共同特征；和重复修改该组修正的数据和对该另外的一组修正的数据进行归类分析的步骤，直到满足预定条件为止。
22.根据权利要求21所述的方法，其中，预定条件包括识别不出另外的共同特征。
全文摘要
本发明提供了用于识别数据中的系统性的叠代方法。总地来说，根据特征定义处理一组数据，以创建一组特征数据。然后，分析该组特征数据，以识别共同特征。利用共同特征的知识修改该组特征数据，以创建一组修正的特征数据。然后，再次分析该组修正的特征数据，以识别新的共同特征，如果有的话。重复修改和分析步骤，直到识别不出新的共同特征。当识别不出新的共同特征时，报告识别的共同特征。
文档编号H01L21/66GK101042690SQ20071008467
公开日2007年9月26日 申请日期2007年3月1日 优先权日2006年3月24日
发明者利亚·M.·帕斯泰尔, 玛若恩·卡萨布 申请人:国际商业机器公司