Bibliographic Metadata

Title
Early failure detection by robust statistics and spatial point processes / Laura Pötsch
AuthorPötsch, Laura
CensorPilz, Jürgen ; Stettner, Haro
Published2010
DescriptionE, 172 S. : graph. Darst.
Institutional NoteKlagenfurt, Alpen-Adria-Univ., Diss., 2010
LanguageEnglish
Bibl. ReferenceKB2010 26 ; OeBB
Document typeDissertation (PhD)
Keywords (DE)Halbleiterbauelement / Frühausfälle / Zuverlässigkeit / robuste Ausreißererkennung / räumliche Punktprozesse
Keywords (EN)Semiconductor chip / early life failures / reliability / robust outlier detection / spatial point processes
Keywords (GND)Halbleiterbauelement / Reliabilität / Punktprozess / Räumliche Statistik
URNurn:nbn:at:at-ubk:1-6079 Persistent Identifier (URN)
Restriction-Information
 The work is publicly available
Files
Early failure detection by robust statistics and spatial point processes [2.82 mb]
Links
Reference
Classification
Abstract (German)

Einige der Hauptanliegen modernen Halbleiterproduzenten sind die Verbesserung von QualitÃ$t, ZuverlÃ$ssigkeit und Ausbeute mit Hilfe von rechtzeitiger Erkennung 'gefÃ$hrdeter' Chips (das sind mÃgliche FrÃhausfÃ$lle). In dieser Arbeit werden zwei Herangehensweisen an diese Aufgabenstellung prÃ$sentiert.

1) Basierend auf Front End Testresultaten werden AusreiÃer mit Hilfe von robusten multivariaten AusreiÃererkennungsmethoden bestimmt.

2) Die zweite Herangehensweise gebraucht die wohlbekannte und bewiesene Beziehung zwischen Defektdichte, Ausbeute und ZuverlÃ$ssigkeit. Wir gehen davon aus, dass die Position eines Chips am Wafer RÃckschlÃsse auf die ZuverlÃ$ssigkeit ziehen lÃ$sst indem man Informationen aus der Nachbarschaft berÃcksichtigt. In dieser Dissertation wird das Ausfallmuster am Wafer nach dem Front End Test als eine Realisierung eines rÃ$umlichen Punktprozesses angesehen. Das Ausfallmuster kann mit Markierungen gemÃ$Ã der Ausfallklassifikation oder der Wafernummer versehen werden. Mit Hilfe von rÃ$umlichen Punktprozessen ist es mÃglich das Ausfallverhalten zu interpretieren und punktgenau vorherzusagen.

Eine detaillierte Anwendung zeigt wie es mÃglich ist, * einen Fehlermodus-spezifische Risikobereich zu definieren, * Einblick in Fehlermodus-abhÃ$ngiges Clustering zu bekommen, * QualitÃ$t zu verbessern indem die ZuverlÃ$ssigkeit von Regionen am Wafer bestimmt wird, und * Ausbeuteverlust aufgrund von Verwurf von Wafern mit niedriger Ausbeute zu vermeiden.

Abstract (English)

Some of the major concerns of modern semiconductor manufacturers are to improve quality, reliability and yield by in-time detection of 'risk' dies (i.e. potential early life fails). In this work, two approaches to fulfill this task are presented.

1) Based on Front End testing results, outliers are determined by robust multivariate outlier detection methods.

2) The second approach makes use of the well-known and proven relationship between defect density, yield and reliability. We assume that die position on the wafer can help to draw conclusions about reliability by taking neighbourhood information into account. In this thesis, the failure pattern on the wafer after Front End testing is regarded as a realization of a spatial point process. The events of this failure pattern can be equipped with marks according to their failure classification or wafer number. By help of spatial point processes it is possible to interpret and predict location precise the failure performance. A detailed application shows how it is possible to * define a failure-mode specific risk area, * gain insight to failure mode dependent clustering, * improve quality by assessing reliability of certain regions on the wafer, and * reduce yield loss due to scrapping low yielding wafers.

Stats
The PDF-Document has been downloaded 14 times.