晶圆的制造是一个复杂且昂贵的过程,任何一个制造环节出现问题,都会造成晶圆的缺陷。当缺陷位于“关键区域”时,会造成功能故障,导致重大损失;即使没有造成明确的功能故障,也会存在潜在的可靠性问题。相应的,晶圆的制造流程中也存在检测环节,有经验的工程师可以通过分析晶圆检测数据,对生产制造中的问题进行修正,从而提高良率。因此,晶圆检测数据的分析工作有十分重大的现实意义。随着半导体产业的发展,晶圆检测数据的规模越来越大,而由于半导体公司中的计算机辅助系统的限制以及分析方案的空缺,目前无法有效利用超大规模晶圆检测数据。在此背景下,本论文基于分布式计算集群,提出对超大规模晶圆检测数据中进行快速分析的方案。本论文的具体研究工作如下:1、基于晶圆检测数据分布的先验知识,提出了晶圆、芯片和功能区块层面的检测数据的有效信息提取方法。在尽可能保留原始数据分布的前提下,晶圆层面减少了 99%的检测数据量,芯片以及功能区块层面减少接近80%的检测数据量。并利用分布式计算集群,实现了并行化计算,提高了执行的效率。2、提出了晶圆检测数据分布特征的提取方法并建立晶圆检测数据模型。提出了 DBSCAN聚类算法参数的自适应选择方法,优化了 EM算法的初值问题。并与高斯混合模型结合,实现了完全自动、准确的对功能区块检测数据分布特征的提取并建模。最终,应用论文中提出的方法,从晶圆、芯片和功能区块层面建立了多层级的晶圆检测数据模型。3、设计并开发了晶圆检测数据快速可视化系统。通过分析实际生产中的需求,设计了系统的总体架构。并从软件和硬件两方面搭建了系统的开发环境,最终实现了系统的可视化模块及其用户管理模块。4、提出了超大规模晶圆检测数据的扩增方法。基于本论文中构建的晶圆检测数据模型,结合已有的、有限的晶圆检测数据中的相关信息,对超大规模晶圆检测数据进行了生成,可以用于后续更多的分析以及优化工作。