クラスタ分析を用いた教師あり学習によるLSIのバーイン不良予測の一手法

• Item type: SIG Technical Reports(1)
• 公開日: 2014-11-19
• タイトル: クラスタ分析を用いた教師あり学習によるLSIのバーイン不良予測の一手法
• タイトル / 言語: en
• タイトル: A Method of Burn-in Fail Prediction of LSIs Based on Supervised Learning Using Cluster Analysis
• 言語: jpn
• キーワード / 主題Scheme: Other
• キーワード / 主題: フォールトトレラント
• 資源タイプ / 資源タイプ識別子: http://purl.org/coar/resource_type/c_18gh
• 資源タイプ: technical report
• 著者所属: 大分大学大学院工学研究科
• 著者所属: 大分大学工学部
• 著者所属: 大分大学工学部
• 著者所属: ルネサスセミコンダクタパッケージ＆テストソリューションズ株式会社
• 著者所属(英): en
• 著者所属(英): Graduate School of Engineering, Oita University
• 著者所属(英): en
• 著者所属(英): Faculty of Engineering, Oita University
• 著者所属(英): en
• 著者所属(英): Faculty of Engineering, Oita University
• 著者所属(英): en
• 著者所属(英): Renesas Semiconductor Package & Test Solutions Co., Ltd.
• 著者名: 鉄川, 彰吾; 宮本, 誠也; 大竹, 哲史; 中村, 芳行
• 著者名(英): Syogo, Tetsukawa; Seiya, Miyamoto; Satoshi, Ohtake; Yoshiyuki, Nakamura
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: LSI の製造テストエ程には，ウェハテスト，パッケージテスト，バーインテストなどがある．バーインテストには特に費用がかかるため，これとは別の方法で劣化テストを代替できればテストコストを大幅に削減できる．本研究では，過去の LSI のバーインテスト結果を含む製造テストデータを用いてバーイン不良を学習し，新たに製造テストを行う LSI のバーイン直前までのテストデータからバーイン不良を予測する．製造テストデータには，ロット間，ウェハ間，ウェハ座標，テスト装置等による製造ばらつきや測定ばらつきがある．本稿では，クラスタ分析を用いてクラスタ内でのばらつきを緩和し，クラスタ毎に学習することにより予測精度の向上ができることを示す．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: Production test of LSIs consists of several test phases such as wafer test phase, package test phase, burn-in test phase, and so on. Since the burn-in test phase spends a lot of time, shortening of or finding replace ment for this phase makes the test cost reduced. In this work, a method to learn burn-in fails using production test results of LSIs produced in the past including burn-in test results and to predict burn-in fails of newly produced LSIs using their test results before burn-in test phase is used. The test results of LSIs includes various variabilities such as production induced and measurement induced variabilities. In this paper, we try not to remove the variabilities from the test results but introduce cluster analysis, which is expected to classify dies with similar characteristic including variabilities into the same cluster and to alleviate variabilities in each cluster, into supervised learning for improved prediction accuracy.
• 書誌レコードID / 収録物識別子タイプ: NCID
• 書誌レコードID / 収録物識別子: AA11451459
• 書誌情報: 研究報告システムとLSIの設計技術（SLDM）; 巻 2014-SLDM-168, 号 44, p. 1-6, 発行日 2014-11-19
• Notice: SIG Technical Reports are nonrefereed and hence may later appear in any journals, conferences, symposia, etc.
• 出版者 / 言語: ja
• 出版者: 情報処理学会