利用机器学习分类器提高半导体芯片良品率的方法

摘要

本发明公开一种利用机器学习分类器提高半导体芯片良品率的方法，利用机器学习分类器，通过对封装前晶圆裸片(die)的前期数据进行分析来预测封装后晶圆裸片的成品测试(Final Test,FT)结果，然后根据预测的FT结果对晶圆裸片进行品质分类，最后按裸片品质分类进行封装。该方法能够有效提高晶圆裸片封装前品质分类的准确性，从而提高封装后半导体芯片的良品率。