用于翘曲度监测的方法和装置与流程

1.本发明总体上涉及集成电路领域，以及更具体地，涉及用于半导体器件的翘曲度监测的方法和装置。


背景技术：

2.在集成电路的制造中，通过测试的半导体器件经过进一步的封装得到最终的器件。例如，将制造好的cpu通过表面贴装技术(smt)贴装到相应的基板上。研究发现，当制造的半导体器件发生翘曲时，在表面贴装过程中基板与所附接的半导体器件之间可能不发生连接，从而导致表面贴装的器件的电失效。因此，制造的半导体器件的翘曲度对集成电路制造的良率至关重要。
3.已经提出并且开发了各种用于半导体器件的翘曲度监测的方法和装置。这些方法和装置用于对工艺线上制造的半导体器件的翘曲度进行实时监测，并且能够在监测到某一阶段制造的半导体器件的翘曲度不满足要求时及时提醒生产部门需要注意是否工艺存在异常。指数加权移动平均(ewma)法作为一种公知的统计学方法已经用于各个领域，其能够用于监测所统计的数据变量的变化趋势。但是，如果将这种方法直接用于生产线上的半导体器件的翘曲度监测，则这种方法存在缺陷。例如，因为检测到的半导体器件的翘曲度是连续性数据，在将这种连续性数据作为输入时可能导致误报警。
4.因此，需要一种改善的用于半导体器件的翘曲度监测的方法和装置，其能够减少误报警并且及时监测到工艺是否存在异常。


技术实现要素：

5.本发明提供了一种改善的用于半导体器件的翘曲度监测的方法和装置。通过逻辑回归的方法将半导体器件的翘曲度从连续性数据转换为半导体器件发生表面贴装技术(smt)故障的概率，进而转换为0和1的二项数据，再结合指数加权移动平均(ewma)法，能够有效地减少误报警并且及时监测到工艺是否存在异常。
6.根据本公开的实施例，提供了一种用于翘曲度监测的方法，包括：基于多个半导体器件的翘曲度来确定所述多个半导体器件发生表面贴装技术(smt)故障的多个量化值；基于所述多个量化值来获得多个模拟值；以及基于所获得的多个模拟值来监测所述多个半导体器件的翘曲度。
7.在一些实施例中，所述多个半导体器件属于同批次的半导体器件，并且所述基于多个半导体器件的翘曲度来确定所述多个半导体器件发生表面贴装技术(smt)故障的多个量化值包括：将所述多个半导体器件的翘曲度分别转换为所述多个半导体器件发生表面贴装技术(smt)故障的概率；将所述概率分别与参考值进行比较；如果所述概率大于所述参考值，则将所述半导体器件发生表面贴装技术(smt)故障的所述量化值标记为1；并且如果所述概率小于所述参考值，则将所述半导体器件发生表面贴装技术(smt)故障的所述量化值标记为0。
8.在一些实施例中，通过逻辑回归的方法将所述多个半导体器件的翘曲度分别转换为所述多个半导体器件发生表面贴装技术(smt)故障的概率。
9.在一些实施例中，所述参考值是先前多个半导体器件发生表面贴装技术(smt)故障的概率的加权平均值。
10.在一些实施例中，所述多个半导体器件属于多个批次的半导体器件，并且所述基于多个半导体器件的翘曲度来确定所述多个半导体器件发生表面贴装技术(smt)故障的多个量化值包括：将所述多个批次的半导体器件的翘曲度分别转换为所述半导体器件发生表面贴装技术(smt)故障的概率；将相应批次的半导体器件发生表面贴装技术(smt)故障的平均概率分别与参考值进行比较；如果所述平均概率大于所述参考值，则将所述相应批次的量化值标记为1；并且如果所述平均概率小于所述参考值，则将所述相应批次的量化值标记为0。
11.在一些实施例中，通过逻辑回归的方法将所述多个批次的半导体器件的翘曲度分别转换为所述半导体器件发生表面贴装技术(smt)故障的概率。
12.在一些实施例中，所述参考值是基于先前多个批次的半导体器件发生表面贴装技术(smt)故障的平均概率的加权平均值。
13.在一些实施例中，所述基于所述多个量化值来获得多个模拟值包括：将所述多个量化值作为输入，基于指数加权移动平均法来获得所述多个模拟值。
14.在一些实施例中，所述基于所获得的多个模拟值来监测所述多个半导体器件的翘曲度包括：如果所得到的模拟值大于设定的阈值，则触发报警信号。
15.根据本公开的实施例，提供了一种计算设备，包括：至少一个处理器；以及存储器，其耦合到所述至少一个处理器并用于存储指令，其中，所述指令在由所述至少一个处理器执行时，使得所述至少一个处理器用于：基于多个半导体器件的翘曲度来确定所述多个半导体器件发生表面贴装技术(smt)故障的多个量化值；基于所述多个量化值来获得多个模拟值；以及基于所获得的多个模拟值来监测所述多个半导体器件的翘曲度。
16.在一些实施例中，所述多个半导体器件属于同批次的半导体器件，并且所述基于多个半导体器件的翘曲度来确定所述多个半导体器件发生表面贴装技术(smt)故障的多个量化值包括：将所述多个半导体器件的翘曲度分别转换为所述多个半导体器件发生表面贴装技术(smt)故障的概率；将所述概率分别与参考值进行比较；如果所述概率大于所述参考值，则将所述半导体器件发生表面贴装技术(smt)故障的所述量化值标记为1；并且如果所述概率小于所述参考值，则将所述半导体器件发生表面贴装技术(smt)故障的所述量化值标记为0。
17.在一些实施例中，通过逻辑回归的方法将所述多个半导体器件的翘曲度分别转换为所述多个半导体器件发生表面贴装技术(smt)故障的概率。
18.在一些实施例中，所述参考值是先前多个半导体器件发生表面贴装技术(smt)故障的概率的加权平均值。
19.在一些实施例中，所述多个半导体器件属于多个批次的半导体器件，并且所述基于多个半导体器件的翘曲度来确定所述多个半导体器件发生表面贴装技术(smt)故障的多个量化值包括：将所述多个批次的半导体器件的翘曲度分别转换为所述半导体器件发生表面贴装技术(smt)故障的概率；将相应批次的半导体器件发生表面贴装技术(smt)故障的平
均概率分别与参考值进行比较；如果所述平均概率大于所述参考值，则将所述相应批次的量化值标记为1；并且如果所述平均概率小于所述参考值，则将所述相应批次的量化值标记为0。
20.在一些实施例中，通过逻辑回归的方法将所述多个批次的半导体器件的翘曲度分别转换为所述半导体器件发生表面贴装技术(smt)故障的概率。
21.在一些实施例中，所述参考值是基于先前多个批次的半导体器件发生表面贴装技术(smt)故障的平均概率的加权平均值。
22.在一些实施例中，所述基于所述多个量化值来获得多个模拟值包括：将所述多个量化值作为输入，基于指数加权移动平均法来获得所述多个模拟值。
23.在一些实施例中，所述基于所获得的多个模拟值来监测所述多个半导体器件的翘曲度包括：如果所得到的模拟值大于设定的阈值，则触发报警信号。
24.根据本公开的实施例，提供了一种计算机可读存储介质，其上存储有指令，所述指令在由至少一个处理器执行时，使得所述至少一个处理器执行根据本文中描述的方法。
25.根据本公开的实施例，提供了一种计算机程序产品，其包括指令，所述指令在由至少一个处理器执行时，使得所述至少一个处理器执行根据本文中描述的方法。
附图说明
26.附图被并入本文并形成说明书的一部分，例示了本公开的实施例并与说明书一起进一步用以解释本公开的原理，并使相关领域的技术人员能够做出和使用本公开。
27.图1示出了根据本发明实施例的用于翘曲度监测的示例性方法的流程图；
28.图2示出了利用根据本发明实施例的方法对一个批次的半导体器件进行翘曲度监测的示例性操作的流程图；以及
29.图3示出了利用根据本发明实施例的方法对多个批次的半导体器件进行翘曲度监测的示例性操作的流程图；以及
30.图4示出了根据本发明实施例的示例性计算设备的框图。
31.将参考附图描述各实施例。
具体实施方式
32.现在将参考示例实施方式讨论本文描述的主题。应该理解，讨论这些实施方式只是为了使得本领域技术人员能够更好地理解从而实现本文描述的主题，并非是对权利要求书中所阐述的保护范围、适用性或者示例的限制。可以在不脱离本公开内容的保护范围的情况下，对所讨论的元素的功能和排列进行改变。各个示例可以根据需要，省略、替代或者添加各种过程或组件。例如，所描述的方法可以按照与所描述的顺序不同的顺序来执行，以及各个步骤可以被添加、省略或者组合。另外，相对一些示例所描述的特征在其它例子中也可以进行组合。
33.要指出的是，在说明书中提到“一个实施例”、“实施例”、“一些实施例”等表示所述的实施例可以包括特定的特征、结构或特性，但未必每个实施例都包括该特定特征、结构或特性。此外，这样的措辞用语未必是指相同的实施例。另外，在结合实施例描述特定的特征、结构或特性时，结合明确或未明确描述的其它实施例实现此类特征、结构或特性应在相关
领域技术人员的知识范围之内。
34.集成电路制造流程由晶圆制造、晶圆测试、芯片封装和封装后测试组成，其中芯片封装是将通过测试的半导体器件按照产品型号以及功能需求加工得到独立芯片的过程。例如，将通过测试的cpu通过表面贴装技术(smt)贴装到基板上。在表面贴装过程中，如果生产的cpu的翘曲度过大，则可能导致cpu不能完全贴装到基板上，最终造成器件的电失效。
35.当前，半导体器件翘曲度的监测主要依赖于过程控制系统(pcs)方法。这种方法对成批次的半导体器件进行监测并且每个批次包括数以万计的半导体器件。例如，当监测到每10000个半导体器件中有超过阈值水平的10个半导体器件的翘曲度不满足要求时，触发报警信号，以提醒生产部门可能工艺存在异常情况。在这种情况下，生产部门需要及时进行分析和检测，找到翘曲产生的原因，以避免造成更大的损失。
36.但是这种过程控制系统(pcs)方法不能对翘曲度的缓慢变化趋势进行监测。例如，当监测到连续三个批次的半导体器件中翘曲度不满足要求的半导体器件个数分别为4、5和6时，因为没有超过设定的阈值水平，所以不触发报警信号。但是，这种连续增加的趋势实际上也需要生产部门引起注意，因为一旦等到超过设定的阈值水平再触发报警信号可能需要花费更多的时间来恢复生产，从而影响产品良率。
37.传统的指数加权移动平均(ewma)法是一种公知的统计学方法，这种方法考虑当前和历史的所有数据，强调当前样本的重要性，逐渐淡化历史样本的重要性，距当前越近的数据权重越大，反之权重越小。因此，当将指数加权移动平均(ewma)法应用到生产线上的半导体器件的翘曲度监测时，能够监测到所生产的半导体器件的翘曲度的变化趋势。
38.在应用传统的指数加权移动平均(ewma)法监测半导体器件的翘曲度时，将检测到的半导体器件的翘曲度作为输入，一旦得到的ewma值超过设定的阈值，就触发报警信号。但是，因为检测到的半导体器件的翘曲度是连续性数据并且ewma法比较敏感，有时候会导致误报警的问题。也就是说，虽然得到的ewma值超过设定的阈值从而引起报警，但是实际生产线上没有异常发生。
39.本发明通过逻辑回归的方法将半导体器件的翘曲度从连续性数据转换为半导体器件发生表面贴装技术(smt)故障的概率，进而转换为0和1的二项数据，再结合指数加权移动平均(ewma)法，能够有效地减少误报警并且及时监测到工艺是否存在异常。通过这种转换，即使一个批次内没有一个器件单元会发生表面贴装技术(smt)故障，但是因为总体的表面贴装技术(smt)故障概率提高了，也说明该批次可能存在问题。如果连续批次都出现这种情况，则很有可能工艺存在异常，需要生产部门及早注意并且采取相应措施。
40.现在将结合附图来描述根据本发明用于翘曲度监测的示例性方法和装置的实施例。
41.图1示出了根据本公开实施例用于翘曲度监测的示例性方法100的流程图。方法100可以例如用于在半导体器件的制造过程中对半导体器件的翘曲度进行监测。在一个实施例中，半导体器件例如为cpu、存储器等等。对于本领域技术人员显而易见的是，本公开不以此为限，半导体器件可以是集成电路制造过程中用到的任意半导体器件。
42.如图1所示，方法100开始于步骤110，在该步骤中，基于多个半导体器件的翘曲度来确定所述多个半导体器件发生表面贴装技术(smt)故障的多个量化值。半导体器件的翘曲度是连续性数据，本公开通过这种转换，将半导体器件的翘曲度这种连续性数据转换为
有限数量的量化值，例如0和1的二项数据。对于本领域技术人员显而易见的是，0和1只是作为一个示例，本发明不以此为限。在一个实施例中，可以通过逻辑回归的方法来实现将半导体器件的翘曲度转换为半导体器件发生表面贴装技术(smt)故障的量化值。对于本领域技术人员显而易见的是，本公开不以此为限，也可以应用其他的方法来实现这种转换。
43.在本公开下面的描述中，将描述如何实现这种转换。例如，当需要对一个批次的半导体器件(例如，10000个)进行监测时，每个半导体器件具有一个量化值(0或1)；当需要对多个批次(例如，1000个批次)的半导体器件进行监测时，每一个批次具有一个量化值(0或1)。
44.接下来，在步骤120，基于所述多个量化值来获得多个模拟值。在本公开中，模拟值是指在一定范围内连续变化的值并且每一量化值对应于一个模拟值。例如，将步骤110中通过转换得到的多个量化值分别作为输入，应用指数加权移动平均法(ewma)法得到相应的模拟值。对于本领域技术人员显而易见的是，本公开不以此为限，可以应用其他的方法得到相应的模拟值。
45.最后，在步骤130，基于所获得的多个模拟值来监测所述多个半导体器件的翘曲度。例如，当所获得的模拟值大于设定的阈值时，触发报警信号。在一个实施例中，可以发送文字报警信息、图片报警信息、光学报警信息或者播放音频报警信息等等以提醒半导体器件的翘曲度存在异常，进而提醒生产部门可能存在工艺异常。在这种情况下，需要生产部门及时进行分析并且找到翘曲产生的原因，以避免造成更大的损失。
46.图2示出了利用根据本公开实施例的方法对一个批次的半导体器件进行翘曲度监测的示例性操作200的流程图。如图2所示，操作200开始于步骤210，在该步骤中，接收一个批次的半导体器件的翘曲度的数据。通常，一个批次可以包括多个半导体器件。在一个实施例中，例如，一个批次可以包括10000个cpu。
47.接下来，在步骤220中，例如，通过逻辑回归的方法，将每个半导体器件的翘曲度分别转换为所述半导体器件发生表面贴装技术(smt)故障的概率。
48.接下来，在步骤230中，将每个半导体器件发生表面贴装技术(smt)故障的概率分别与参考值进行比较。在一个实施例中，例如，所述参考值是先前多个批次(例如，1000个批次)的半导体器件发生表面贴装技术(smt)故障的概率的加权平均值。
49.接下来，在步骤240中，如果半导体器件发生表面贴装技术(smt)故障的概率大于参考值，则将该半导体器件发生表面贴装技术(smt)故障的量化值标记为1；并且如果半导体器件发生表面贴装技术(smt)故障的概率小于参考值，则将该半导体器件发生表面贴装技术(smt)故障的量化值标记为0。
50.接下来，在步骤250中，将每个半导体器件的量化值作为输入，应用指数加权移动平均(ewma)法得到相应的模拟值。
51.最后，在步骤260中，基于所获得的模拟值来监测一个批次的半导体器件的翘曲度。例如，如果得到的模拟值大于设定的阈值，则表示相应半导体器件的翘曲度存在异常。
52.利用图2所示的方法，能够对一个批次的半导体器件的翘曲度变化趋势进行监测。例如如果在一个批次内若干个连续的半导体器件的翘曲度存在异常，即使该批次的半导体器件总的来说可能满足制造标准，但是这种连续的半导体器件的翘曲度存在异常仍然需要生产部门及早引起注意，需要及时找到翘曲产生的原因，以避免引起更大的损失。
53.图3示出了利用根据本公开实施例的方法对多个批次的半导体器件进行翘曲度监测的示例性操作300的流程图。如图3所示，操作300开始于步骤310，在该步骤中，依次接收表示多个批次的半导体器件的翘曲度的数据，每个批次包括多个半导体器件。在一个实施例中，例如，每个批次包括10000个cpu。
54.接下来，在步骤320中，例如，通过逻辑回归的方法，将多个批次的半导体器件的翘曲度分别转换为半导体器件发生表面贴装技术(smt)故障的概率。
55.接下来，在步骤330中，将相应批次的半导体器件发生表面贴装技术(smt)故障的平均概率分别与参考值进行比较。在一个实施例中，例如，所述参考值是基于先前多个批次(例如，先前1000个批次)的半导体器件发生表面贴装技术(smt)故障的平均概率的加权平均值。
56.接下来，在步骤340中，如果所述平均概率大于所述参考值，则将所述相应批次的量化值标记为1；并且如果所述平均概率小于所述参考值，则将所述相应批次的量化值标记为0。
57.接下来，在步骤350中，将每个批次的量化值作为输入，应用指数加权移动平均(ewma)法得到相应的模拟值。
58.最后，在步骤360中，基于所获得的模拟值来监测多个批次的半导体器件的翘曲度。例如，如果得到的模拟值大于设定的阈值，则表示相应批次的半导体器件的翘曲度存在异常。
59.利用图3所示的方法，能够对多个批次的半导体器件的翘曲度变化趋势进行监测。例如即使通过每个批次的量化值作为输入得到的模拟值没有超过设定的阈值，但是通过每个批次的量化值作为输入得到的模拟值具有递增的趋势，则这种递增的趋势仍然需要生产部门及早引起注意，需要及时找到翘曲度的递增产生的原因，以避免引起更大的损失。
60.图4示出了根据本公开实施例的示例性计算设备400的框图。计算设备400可以用于对半导体器件进行翘曲度监测。在一些实施例中，计算设备400可以作为用于进行翘曲度监测的设备的一部分，在另一些实施例中，计算设备400可以被实现为与该设备相关联的独立控制设备，然而本公开并不限于此。
61.如图4所示，计算设备400可以包括至少一个处理器410。处理器410可以包括任意类型的通用处理单元(例如：cpu、gpu，等等)、专用处理单元、核心、电路、控制器，等等。此外，计算设备400还可以包括存储器420。存储器420可以包括任意类型的可以用于存储数据的介质。在一些实施例中，存储器420被配置为存储指令，所述指令在执行时使得至少一个处理器410执行本文中所述的操作，例如，结合图1的示例性方法100的流程图、图2的示例性操作200、图3的示例性操作300而描述的操作。
62.此外，在一些实施例中，计算设备400还可以耦合到或配备有一种或多种外设部件，所述外设部件可以包括但不限于显示器、扬声器、鼠标、键盘，等等。另外，在一些实施例中，计算设备400还可以配备有通信接口，其可以支持各种类型的有线/无线通信协议以与通信网络进行通信。通信网络的示例可以包括但不限于：局域网(lan)、城域网(man)、广域网(wan)、公共电话网、互联网、内联网、物联网、红外网络、蓝牙网络、近场通信(nfc)网络、zigbee网络，等等。
63.此外，在一些实施例中，上述及其它部件之间可以经由一种或多种总线/互连来相
互通信，所述总线/互连可以支持任何合适的总线/互连协议，包括外围组件互连(pci)、快速pci快速、通用串行总线(usb)、串行附接scsi(sas)、串行ata(sata)、光纤通道(fc)、系统管理总线(smbus)，或其它合适的协议。
64.本领域技术人员可以理解，对于计算设备400的结构的上述描述仅仅是示例性而非限制性的，其它结构的设备也是可行的，只要能够用来实现本文中所述的功能。
65.根据本发明实施例的方法和装置，通过将半导体器件的翘曲度从连续性数据转换为半导体器件发生表面贴装技术(smt)故障的的概率，进而转换为0和1的二项数据，再结合指数加权移动平均(ewma)法，能够有效地减少误报警并且及时监测到工艺是否存在异常。
66.本公开的各种实施例可以使用硬件单元、软件单元或其组合来实现。硬件单元的示例可以包括设备、部件、处理器、微处理器、电路、电路元件(例如、晶体管、电阻器、电容器、电感器，等等)、集成电路、专用集成电路(asic)、可编程逻辑器件(pld)、数字信号处理器(dsp)、现场可编程门阵列(fpga)、存储单元、逻辑门、寄存器、半导体器件、芯片、微芯片、芯片组，等等。软件单元的示例可以包括软件部件、程序、应用、计算机程序、应用程序、系统程序、机器程序、操作系统软件、中间件、固件、软件模块、例程、子例程、函数、方法、过程、软件接口、应用程序接口(api)、指令集、计算代码、计算机代码、代码段、计算机代码段、字、值、符号、或其任意组合。确定一个实施例是使用硬件单元和/或软件单元来实施的可以取决于多种因素而变化，例如期望的计算速率、功率级别、处理周期预算、输入数据速率、输出数据速率、存储器资源、数据总线速度，以及其它的设计或性能约束。
67.本公开的一些实施例可以包括制品。制品可以包括存储介质，其用于存储逻辑。存储介质的示例可以包括一种或多种类型的能够存储电子数据的计算机可读存储介质，包括易失性存储器或非易失性存储器、可移动或不可移动存储器、可擦除或不可擦除存储器、可写或可重写存储器，等等。逻辑的示例可以包括各种软件单元，例如软件部件、程序、应用、计算机程序、应用程序、系统程序、机器程序、操作系统软件、中间件、固件、软件模块、例程、子例程、函数、方法、过程、软件接口、应用程序接口(api)、指令集、计算代码、计算机代码、代码段、计算机代码段、字、值、符号、或其任意组合。在一些实施例中，例如，制品可以存储可执行的计算机程序指令，其在被处理器执行时，使得处理器执行本文中所述的方法和/或操作。可执行的计算机程序指令可以包括任意合适类型的代码，例如，源代码、编译代码、解释代码、可执行代码、静态代码、动态代码，等等。可执行的计算机程序指令可以根据预定义的用于命令计算机来执行特定功能的计算机语言、方式或语法来实现。所述指令可以使用任意适当的高级的、低级的、面向对象的、可视化的、编译的和/或解释的编程语言来实现。
68.本公开内容的上述描述被提供来使得本领域任何普通技术人员能够实现或者使用本公开内容。对于本领域普通技术人员来说，对本公开内容进行的各种修改是显而易见的，并且，也可以在不脱离本公开内容的保护范围的情况下，将本文所定义的一般性原理应用于其它变型。因此，本公开内容并不限于本文所描述的示例和设计，而是与符合本文公开的原理和新颖性特征的最广范围相一致。