Spatio-temporal wafer-level correlation modeling with progressive sampling: A pathway to HVM yield estimation
Spatio-temporal wafer-level correlation modeling with progressive sampling: A pathway to HVM yield estimation
复制标题
采用渐进式采样的时空晶圆级相关建模：HVM 良率估算的途径
DOI：
10.1109/test.2014.7035325
复制
发表时间：
2014
期刊：
影响因子：
--
通讯作者：
Y. Makris
中科院分区：
文献类型：
--
作者：
A. Ahmadi;K. Huang;S. Natarajan;J. Carulli;Y. Makris
晶圆级的空间相关性建模的探针测量已经探索在过去作为一种途径，以测试成本和测试时间减少。在这项工作中，我们首先通过两个关键增强来提高流行的基于高斯过程的晶片级空间相关方法的准确性：（i）基于置信度估计的渐进采样，以及（ii）包含用于晶片间趋势学习的时空特征。然后，我们探讨了一个新的应用增强的相关性建模方法估计大批量制造（HVM）产量从一个小的早期晶圆，我们证明了它的有效性，一个大的实际工业测试数据集。
Wafer-level spatial correlation modeling of probetest measurements has been explored in the past as an avenue to test cost and test time reduction. In this work, we first improve the accuracy of a popular Gaussian process-based wafer-level spatial correlation method through two key enhancements: (i) confidence estimation-based progressive sampling, and, (ii) inclusion of spatio-temporal features for inter-wafer trend learning. We then explore a new application of the enhanced correlation modeling method in estimating High Volume Manufacturing (HVM) yield from a small set of early wafers and we demonstrate its effectiveness on a large set of actual industrial test data.
用于密度估计的内核数据压缩
DOI：
--
发表时间：
2006
期刊：
影响因子：
--
作者：
Atsuyuki;Kogure;Masahiko;Sagae
通讯作者：
Sagae