喜报 | 哥瑞利拿下美国专利:算法“读懂”晶圆数据,良率提升有了新路径-上海哥瑞利软件股份有限公司

简体中文

智慧生产,创见领先
智慧生产,创见领先

新闻资讯

喜报 | 哥瑞利拿下美国专利:算法“读懂”晶圆数据,良率提升有了新路径

2026-11-19

上海哥瑞利软件股份有限公司自主研发的 “YIELD RATE PREDICTION METHOD IN MANUFACTURE OF INTEGRATED CIRCUIT WAFER”(一种集成电路晶圆制造中的良率预测方法) 已获得美国专利商标局(USPTO)发明专利授权,专利号为 US 12,566,902 B2。该专利基于中国专利申请(202010491650.6)的优先权及PCT国际申请(PCT/CN2021/097610)进入美国国家专利申请,历经近四年严格实质审查后获得授权。

▼


640.jpg


✦

破解新品良率预测难题

/ 

在半导体晶圆制造中,新产品导入阶段缺乏历史量产数据,良率预测长期依赖工程经验,存在预测不稳定、主观性强等问题,直接影响初期成本预算与产能规划。


哥瑞利该项专利技术提出一套基于成熟产品历史数据、良率影响因子、修正泊松模型与回归分析相结合的新品良率预测方法,实现从历史数据建模到新品预测的完整算法链路。


✦

核心技术突破

/ 

01基于良率影响因子的参数体系构建

该专利方法围绕晶圆制造良率形成机制,选取与产品良率高度相关的关键影响因子,包括掩膜层数、芯片面积、最小线宽等产品与工艺特征参数,通过构建“当前产品/参考产品”的相对比值关系,从而弱化不同产品规格与工艺条件的绝对差异,使模型具备跨产品通用能力。

02  修正泊松模型与全调整因子

传统泊松良率模型主要描述缺陷密度与良率之间的关系,但在实际晶圆制造中,不同产品的设计复杂度、芯片面积、工艺尺度与制造条件存在显著差异,单一泊松模型难以准确反映新品良率变化。


该专利在泊松模型基础上引入“全调整因子σ”,并通过线性回归方式建立调整因子与良率影响因子之间的关系。使模型兼具物理基础、产品差异修正能力和参数自动拟合能力。

03候选参考产品自动筛选机制

在新品良率预测中,选择哪个成熟产品作为参考对象,是影响预测结果的关键问题。如果参考产品选择不当,即使模型本身合理,也可能导致预测偏差。因此,该专利进一步优化候选参考产品自动筛选机制。


系统会从成熟产品库中选择多个候选参考产品,分别基于每一个参考产品建立对应的修正良率预测模型并反向验证,最终选择整体预测误差最小或相关系数最接近1的参考产品作为最终参考产品,避免人工选择偏差。


✦

专利实施例中的量化验证结果

/ 

专利实施例基于某半导体晶圆厂的10个成熟产品(产品1至产品10,各自具有不同的掩膜层数、芯片面积、最小线宽及实际良率)进行完整的回归分析与交叉验证。该方法不依赖于特定机台,基于相对比值构建调整因子,具备良好的跨产品适用潜力。


✦

从专利技术到产业应用价值

/ 

美国发明专利采用实质审查制度,审查员需检索全球现有技术。该专利获得独立方法权利要求(Claim 1),保护范围覆盖从参考产品筛选、模型生成到新品预测的完整技术路径,具备较高的商业防御价值与技术壁垒。


对于晶圆制造企业,该技术可在新品流片前基于成熟产品数据量化预测良率,为成本预算、产能规划和投产决策提供数据支撑。该方法可结合YMS良率管理系统、AI建模平台等形成从分析到优化的闭环。


✦

•

✦


此次美国发明专利授权,体现哥瑞利在半导体制造数据分析与智能制造软件领域的前沿研发能力,也为公司在良率管理、数据建模与AI辅助决策方向的产品化发展提供重要技术支撑。


未来,哥瑞利将继续围绕半导体及泛半导体制造场景,持续推进工业大数据、人工智能算法与制造工艺知识的深度融合,助力客户提升良率管理能力、工艺分析能力与智能决策水平。


Top
首页
电话
邮件
置顶

在线留言

留言 留言
邮箱 邮箱

sales@glorysoft.com

电话 电话

021-5889 9339 / 400 021 1518

×