科研之友
微信
新浪微博
Facebook
分享链接
摘要
晶圆制造是芯片产业中最关键的一环，其质量监测问题已成为现代芯片制造质量监控中的重点。晶圆缺陷是影响集成电路、芯片、半导体产品合格率的主要因素。目前，大多数研究集中在基于离散数据的缺陷模式识别上，而芯片的光刻制造是连续叠加过程，基于连续数据的晶片重叠误差监测具有挑战性和必要性。在数据监测过程中充分考虑数据的可解释性，同时结合晶圆数据特性及其物理意义加入新的惩罚项，改进LTS-SPCA降维模型，提出灵活度较高的稳健稀疏主成分分析技术，然后基于Copula的置换对称、反射对称两种性质，考虑晶圆的几何特征，建立最佳二元Copula耦合统计量，用于监测晶圆制造的叠加过程异常，所提出方法监测异常数据的准确率可达91.75%，具有较高的工程应用价值。
- 单位
