Modellazione e Classificazione di Failure in Semiconduttori

Michele Rauzino, Fabio Stella, Facoltà di Scienze Matematiche, Fisiche e Naturali Dipartimento di Informatica e Sistemistica Università degli Studi di Milano - Bicocca

In questo lavoro gli autori concentrano l'attenzione sul problema delle "rese elettriche anomale" nell'ambito della produzione di semiconduttori. L'obiettivo principale è di applicare, valutare e confrontare diversi modelli computazionali per la rapprensetazione empirca delle relazioni esistenti tra variabili indicatrici di processo, misurate tramite "test parametrici", e livelli di resa, misurati tramite "test elettrici". Il problema in questione viene affrontato sia in termini di classificazione che in termini di regressione.

I primo insieme di modelli computazionali analizzato è dedicato alla ricerca di un classificatore parametrico e/o non parametrico in grado di fornire indicazioni circa il livello di "resa elettrica" ottenuto in corrispondenza di determinati valori assunti dalle variabili indicatrici di processo (test parametrici). Un secondo insieme di modelli computazionali si occupa di rappresentare empiricamente le relazioni intercorrenti tra le variabili indicatrici di processo e le variabili elettriche dei singoli dispositivi.

In entrambe i casi si sono utilizzate diverse classi di modelli disponibili in Enterprise Miner quali: Alberi di Decisione, Clustering e Reti di Neurone Artificiali. Alla luce dei risultati ottenuti, su un'ampia gamma di esperimenti condotti, è possibile concludere che l'approccio di classificazione è molto promettente consentendo livelli di predicibilità della resa elettrica molto interessanti.

Per quanto concerne l'approccio di modellazione continua, ovvero al modellazione empirica delle relazioni che legano i test parametrici e i test elettrici, la valutazione dei risultati ottenuti risulta estremamente più complessa data l'elevata dimensionalità dello spazio di input e dello spazio di output. Per quali motivazioni ulteriori esperimenti sono attualmente in corso.