40、半导体器件混合生产批次分离及因子分析研究

半导体器件混合生产批次分离及因子分析研究

1. 研究背景与问题提出

为了给空间设备提供高可靠性的电子元件，专业测试中心会对每个安装的半导体器件进行各种测试。用于航天器设备的电子元件基础（ECB），除了进行输入测试外，还需进行额外的剔除测试，包括选择性破坏性物理分析（DPA）。DPA 能确认 ECB 批次的质量，也能识别出因制造工艺存在缺陷、在常规剔除测试和额外非破坏性测试中未被检测出的批次。为了将几个器件的 DPA 结果推广到整个半导体器件批次，用于航天器设备的 ECB 需满足同一批次的所有器件必须使用相同原材料制造的要求。然而，普通设备制造商无法保证这一点，因此半导体器件按生产批次自动分组的问题十分关键。

将半导体器件混合生产批次分离为同质生产批次的问题可归结为聚类分析问题。此前已有多种优化模型和算法用于解决该聚类问题，如 k-means、p-median 等，但由于数据维度较高，这些算法需要大量的计算资源。为提高分离准确性，本文分析了基于皮尔逊矩阵的因子分析方法来降低数据集的维度。

2. 数据与预处理

• 数据样本 ：以包含七个不同同质批次的样本为例，样本故意由一些用已知聚类分析方法极难分离的同质批次组成。所有批次的器件总数为 3987 个，各批次器件数量分别为：批次 1 有 71 个，批次 2 有 116 个，批次 3 有 1867 个，批次 4 有 1250 个，批次 5 有 146 个，批次 6 有 113 个，批次 7 有 424 个。每个批次包含器件的 205 个输入测量参数信息。
• 参数筛选 ：排除数据向量全为零值或非零值数量不超过