CN103488135B - 一种用于半导体生产加工过程监控的统计过程控制方法 - Google Patents

一种用于半导体生产加工过程监控的统计过程控制方法 Download PDF

Info

Publication number
CN103488135B
CN103488135B CN201310354695.9A CN201310354695A CN103488135B CN 103488135 B CN103488135 B CN 103488135B CN 201310354695 A CN201310354695 A CN 201310354695A CN 103488135 B CN103488135 B CN 103488135B
Authority
CN
China
Prior art keywords
influence
monitoring
mass parameter
factor
influence factor
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201310354695.9A
Other languages
English (en)
Other versions
CN103488135A (zh
Inventor
王宏
马鑫
林跃
康凯
姬小兵
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenyang Bowei Polytron Technologies Inc
Original Assignee
Shenyang Zhongke Bowei Automation Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shenyang Zhongke Bowei Automation Technology Co Ltd filed Critical Shenyang Zhongke Bowei Automation Technology Co Ltd
Priority to CN201310354695.9A priority Critical patent/CN103488135B/zh
Publication of CN103488135A publication Critical patent/CN103488135A/zh
Application granted granted Critical
Publication of CN103488135B publication Critical patent/CN103488135B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]

Landscapes

  • General Factory Administration (AREA)

Abstract

本发明公开一种用于半导体加工过程监控的统计过程控制方法，步骤如下：步骤1，选择半导体生产加工中需要监测的工序并确定工序的关键技术质量参数，分析确定能够影响质量参数的因素；步骤2，历史数据库查找并导入质量参数数据，对质量参数与影响变量之间的关系进行建模，应用统计方法确定对质量参数影响最大的因素，将对质量参数的监控转换为对影响因素的监控；步骤3，监控生产加工工序，当检测到加工工序产生的异常波动时判断是否为加工中出现的可控异常；当出现不可控的异常时及时进行纠正。本发明监测生产过程出现异常波动，当影响产品质量时，将出现波动的原因具体到是哪个影响因素产生的结果，以此给操作人员提供更加简单直观的改进方法。

Description

一种用于半导体生产加工过程监控的统计过程控制方法
技术领域
本发明涉及一种用于半导体加工过程监控的统计过程控制方法，具体的说是应用统计过程控制方法对半导体加工过程中关键质量参数监控的方法。
背景技术
统计过程控制（SPC）自1924年5月16日休哈特博士在贝尔实验室发明第一张控制图P图以来，已经有80多年的历史。SPC根据产品质量的统计观点，运用数理统计学的方法，对实际生产制造过程中的质量特性数据进行收集，分析和研究其统计特性，从而了解、预测和监控过程的运行状态，发现和排除质量问题，从而达到控制、改进产品质量的目的。
其中，控制图是一种图形方法，它提供表征当前状态的样本序列信息，并将这些信息与考虑了过程固有变异后所建立的控制限进行对比。控制图法用来帮助评估一个过程是否已达到或继续保持在规定水平的统计受控状态，即在生产过程中，通过对产品质量的连续记录，来获得并保持对重要产品或服务特性的控制。应用并仔细分析控制图，可以更好地了解和改进过程。对监控到产品在失控状态下出现的波动进行及时分析并处理，使生产过程一直处于正常的生产过程中。
发明内容
为了解决在半导体生产中，如何确定影响因素对产品质量产生影响程度的大小并在质量产生波动是快速调整，本发明提出了一种用于半导体生产过程监控的统计过程控制方法，使操作人员能够更容易的确定生产加工过程中出现波动产生的原因并进行调整。
本发明解决其技术问题所采用的技术方案是：
一种用于半导体加工过程监控的统计过程控制方法，包括以下步骤：
步骤1，选择半导体生产加工中需要监测的工序并确定工序的关键技术质量参数，分析并确定能够影响质量参数的因素，影响因素可以分为环境影响变量和操作影响变量，对影响因素之间的关系进行相关性进行分析；
步骤2，系统从历史数据库查找并导入质量参数数据，判断质量参数数据是否需要进行预处理，如果不需要进行预处理，则对质量参数与影响变量之间的关系进行建模，应用统计方法确定对质量参数影响最大的因素，将对质量参数的监控转换为对影响因素的监控；
步骤3，系统监控生产加工工序，当检测到加工工序产生的异常波动时判断是否为加工中出现的可控异常；如果是可控异常则不进行任何操作，系统继续对生产加工工序进行监控。
在步骤1中对影响因素之间的关系进行相关性分析时，采用散布图对影响因素间的相关性进行分析整理，对彼此间有关联性的影响因素进行相应的转换，将操作影响变量转换为环境影响变量。
在步骤2中判断质量参数数据是否需要进行预处理，如果需要进行预处理，则首先要对已经导入的质量参数数据进行预处理，包括数据的降维、聚类分析、数据相关性分析，处理后的数据能够用于建立模型；模型采用回归分析与神经网络的方法进行建立。
在步骤2中应用统计方法确定对质量参数影响最大的因素，采用帕雷图对影响因素进行排序，判断影响因素是单变量影响还是多变量影响，在帕雷图中单变量对质量参数影响占所有影响的80%以上将其确定为唯一影响因素进行监控，在图中两到三个变量之和对质量参数影响达到90%以上确定这些影响因素为重要影响变量并分别进行监控。
在步骤3中系统监控生产加工工序，采用统计过程控制在线控制的方法对变量进行监控，定时采集重要影响变量监测其是否仍然处于可控状态。
采用统计过程控制在线控制的方法采用休哈特图对大波动异常进行监控，采用累计和控制图对小波动异常进行监控,当加工过程出现异常时及时采取措施消除异常。
本发明的有益效果及优点：
本发明方法将对质量参数的监控转换为对影响质量因素的监控，在生产过程出现异常波动，从而影响产品质量时，可以将出现波动的原因具体到是哪个影响因素产生的结果，以此给操作人员提供更加简单直观的改进方法；对影响因素与质量参数进行建模采用回归分析与神经网络等方法，可以更有效的建立两者之间关系的模型，找到影响质量参数的主要因素，从而在出现异常波动影响质量参数时找到主要的波动原因并加以修正。
附图说明
图1是本发明系统流程图；
图2是实时监控流程图。
具体实施方式
下面结合附图和实施例对本发明作进一步详细说明。
一种用于半导体加工过程监控的统计过程控制方法，包括以下步骤：
步骤1，选择半导体生产加工中需要监测的工序并确定工序的关键技术质量参数，分析并确定能够影响质量参数的因素，影响因素可以分为环境影响变量和操作影响变量，对影响因素之间的关系进行相关性进行分析；
步骤2，系统从历史数据库查找并导入质量参数数据，判断质量参数数据是否需要进行预处理，如果不需要进行预处理，则对质量参数与影响变量之间的关系进行建模，应用统计方法确定对质量参数影响最大的因素，将对质量参数的监控转换为对影响因素的监控；
步骤3，系统监控生产加工工序，当检测到加工工序产生的异常波动时判断是否为加工中出现的可控异常；如果是可控异常则不进行任何操作，系统继续对生产加工工序进行监控。
在步骤1中对影响因素之间的关系进行相关性分析时，采用散布图对影响因素间的相关性进行分析整理，对彼此间有关联性的影响因素进行相应的转换，将操作影响变量转换为环境影响变量。
在步骤2中判断质量参数数据是否需要进行预处理，如果需要进行预处理，则首先要对已经导入的质量参数数据进行预处理，包括数据的降维、聚类分析、数据相关性分析，处理后的数据能够用于建立模型；模型采用回归分析与神经网络的方法进行建立。
在步骤2中应用统计方法确定对质量参数影响最大的因素，采用帕雷图对影响因素进行排序，判断影响因素是单变量影响还是多变量影响，在帕雷图中单变量对质量参数影响占所有影响的80%以上将其确定为唯一影响因素进行监控，在图中两到三个变量之和对质量参数影响达到90%以上确定这些影响因素为重要影响变量并分别进行监控。
在步骤3中系统监控生产加工工序，采用统计过程控制在线控制的方法对变量进行监控，定时采集重要影响变量监测其是否仍然处于可控状态。
采用统计过程控制在线控制的方法采用休哈特图对大波动异常进行监控，采用累计和控制图对小波动异常进行监控,当加工过程出现异常时及时采取措施消除异常。
参见附图1，是本发明系统流程图。一种用于半导体加工过程监控的统计过程控制方法，其特征在于：包括以下步骤：
选择半导体生产加工中需要监测的工序并确定工序的关键技术质量参数，分析并确定能够影响技术质量参数的因素，影响因素可以分为环境影响变量和操作影响变量，对影响因素之间的关系进行相关性进行分析。
环境影响变量包括温度、湿度、压力等因素，操作影响变量包括操作人员的操作等因素。
系统从历史数据库查找并导入质量参数数据，判断质量参数数据是否需要进行预处理，如果不需要进行预处理，则对质量参数与影响变量之间的关系进行建模，应用统计方法确定对质量参数影响最大的因素，将对质量参数的监控转换为对影响因素的监控；
系统监控生产加工工序，当检测到加工工序产生的异常波动时判断是否为加工中出现的可控异常；如果是不进行任何操作，系统继续对生产加工工序进 行监控。
在对影响因素之间的关系进行相关性分析时，采用散布图对影响因素间的相关性进行分析整理，对彼此间有关联性的影响因素进行相应的转换，将操作影响变量转换为环境影响变量。
散布图是用来表示一组成对的数据之间是否有相关性的一种图表。这种成对的数据或许是“特性-要因”、“特性-特性”、“要因-要因”的关系，制作散布图的目的是为辨认一个品质特性和一个可能的原因因素之间的关系。使用散布图对影响因素成对的分析，从而判断影响因素之间是否有相关性。
判断质量参数数据是否需要进行预处理，如果需要进行预处理，则首先要对已经导入的质量参数数据进行预处理，包括数据的降维、聚类分析、数据相关性分析，处理后的数据能够用于建立模型；模型采用回归分析与神经网络的方法进行建立。
应用统计方法确定对质量参数影响最大的因素，采用帕雷图对影响因素进行排序，判断影响因素是单变量影响还是多变量影响，在帕雷图中单变量对质量参数影响占所有影响的80%以上将其确定为唯一影响因素进行监控，在图中两到三个变量之和对质量参数影响达到90%以上确定这些影响因素为重要影响变量并分别进行监控。
帕雷图是以不良原因、不良状况、不良发生位置，客户抱怨种类、安全事故等项目来分类，并计算出各类所占的比例而按照大小顺序排列，再加上累计值的图形，分析不良因素，将关键因素解决，在逐次解决次因素，来降低品管上的不良率。在建立影响因素对质量参数的之间的关系时，使用帕雷图可以清晰的看到各因素的影响大小。
参见附图2，是本发明实时监控流程图。
系统监控生产加工工序，采用统计过程控制在线控制的方法对变量进行监控，定时采集重要影响变量监测其是否仍然处于可控状态。
采用统计过程控制在线控制的方法采用休哈特图对大波动异常进行监控，采用累积和控制图对小波动异常进行监控,当加工过程出现异常时及时采取措施消除异常。
休哈特控制图是由休哈特博士提出的管制图使用后，管制图就一直成为科学管理的一个重要工具，特别是在质量管理方面成了一个不可或缺的管理工具，它是一种有控制界限的图，用来区分引起质量波动的原因是偶然的还是系统的，可以提供系统原因存在的信息，从而判断生产过程是否处于受控状态。累积和控制图是质量控制图的一类，优点是在质量波动开始出现异常是就可以检测的到，在波动出现微小变化时比休哈特图更加的灵敏。

Claims (5)

1.一种用于半导体加工过程监控的统计过程控制方法，其特征在于：包括以下步骤：
步骤1，选择半导体生产加工中需要监测的工序并确定工序的关键技术质量参数，分析并确定能够影响质量参数的因素，影响因素可以分为环境影响变量和操作影响变量，对影响因素之间的关系进行相关性进行分析；
步骤2，系统从历史数据库查找并导入质量参数数据，判断质量参数数据是否需要进行预处理，如果不需要进行预处理，则对质量参数与影响变量之间的关系进行建模，应用统计方法确定对质量参数影响最大的因素，将对质量参数的监控转换为对影响因素的监控；
步骤3，系统监控生产加工工序，当检测到加工工序产生的异常波动时判断是否为加工中出现的可控异常；如果是可控异常则不进行任何操作，系统继续对生产加工工序进行监控；
在步骤3中系统监控生产加工工序，采用统计过程控制在线控制的方法对变量进行监控，定时采集重要影响变量监测其是否仍然处于可控状态。
2.根据权利要求1所述的一种用于半导体加工过程监控的统计过程控制方法，其特征在于：在步骤1中对影响因素之间的关系进行相关性分析时，采用散布图对影响因素间的相关性进行分析整理，对彼此间有关联性的影响因素进行相应的转换，将操作影响变量转换为环境影响变量。
3.根据权利要求1所述的一种用于半导体加工过程监控的统计过程控制方法，其特征在于：在步骤2中判断质量参数数据是否需要进行预处理，如果需要进行预处理，则首先要对已经导入的质量参数数据进行预处理，包括数据的降维、聚类分析、数据相关性分析，处理后的数据能够用于建立模型；模型采用回归分析与神经网络的方法进行建立。
4.根据权利要求1所述的一种用于半导体加工过程监控的统计过程控制方法，其特征在于：在步骤2中应用统计方法确定对质量参数影响最大的因素，采用帕雷图对影响因素进行排序，判断影响因素是单变量影响还是多变量影响，在帕雷图中单变量对质量参数影响占所有影响的80％以上将其确定为唯一影响因素进行监控，在图中两到三个变量之和对质量参数影响达到90％以上确定这些影响因素为重要影响变量并分别进行监控。
5.根据权利要求1所述的一种用于半导体加工过程监控的统计过程控制方法，其特征在于：采用统计过程控制在线控制的方法采用休哈特图对大波动异常进行监控，采用累计和控制图对小波动异常进行监控,当加工过程出现异常时及时采取措施消除异常。
CN201310354695.9A 2013-08-14 2013-08-14 一种用于半导体生产加工过程监控的统计过程控制方法 Active CN103488135B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201310354695.9A CN103488135B (zh) 2013-08-14 2013-08-14 一种用于半导体生产加工过程监控的统计过程控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201310354695.9A CN103488135B (zh) 2013-08-14 2013-08-14 一种用于半导体生产加工过程监控的统计过程控制方法

Publications (2)

Publication Number Publication Date
CN103488135A CN103488135A (zh) 2014-01-01
CN103488135B true CN103488135B (zh) 2015-11-04

Family

ID=49828447

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201310354695.9A Active CN103488135B (zh) 2013-08-14 2013-08-14 一种用于半导体生产加工过程监控的统计过程控制方法

Country Status (1)

Country Link
CN (1) CN103488135B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108345275A (zh) * 2017-01-25 2018-07-31 中芯国际集成电路制造(上海)有限公司 设备监控系统及设备监控方法

Families Citing this family (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10361105B2 (en) 2014-12-03 2019-07-23 Kla-Tencor Corporation Determining critical parameters using a high-dimensional variable selection model
CN106325227B (zh) * 2015-06-24 2019-02-12 中芯国际集成电路制造(上海)有限公司 制程管控线的生成方法和装置及制程管控系统
CN105425749B (zh) * 2015-12-15 2018-03-06 西安电子科技大学 批量加工晶圆的统计过程控制方法
CN105676817B (zh) * 2016-01-14 2018-07-27 西安电子科技大学 不同大小样本均值-标准偏差控制图的统计过程控制方法
CN107025369B (zh) 2016-08-03 2020-03-10 北京推想科技有限公司 一种对医疗图像进行转换学习的方法和装置
KR101876185B1 (ko) * 2016-08-29 2018-07-09 한국수력원자력 주식회사 조기경보시스템에서 외부 영향을 고려한 최신 데이터 학습 방법 및 그 시스템
CN107065811B (zh) * 2017-06-06 2019-04-12 北京梆梆安全科技有限公司 引起产品生产合格率跳跃式行为的低相关因子确定方法和装置
CN109859066A (zh) * 2017-11-30 2019-06-07 阿里巴巴集团控股有限公司 一种确定工艺参数的方法和装置
KR20210110661A (ko) 2019-01-15 2021-09-08 제이에프이 스틸 가부시키가이샤 해석 시스템 및 해석 방법
CN110163479A (zh) * 2019-04-18 2019-08-23 红云红河烟草(集团)有限责任公司 一种烟草卷包车间质量异常问题主因模型的建立方法
CN110705807B (zh) * 2019-10-23 2023-11-03 哈工大机器人（合肥）国际创新研究院 基于现场数据的半导体生产质量预测方法及系统
CN112130518B (zh) * 2020-11-30 2021-02-12 晶芯成(北京)科技有限公司 半导体生产过程中的参数监控方法、系统及计算机可读存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1319212A (zh) * 1998-09-22 2001-10-24 丹尼尔·拉费德米绍 用于统计过程控制的多维方法和系统
CN1616204A (zh) * 2003-11-12 2005-05-18 青岛高校软控股份有限公司 橡胶密炼生产过程的故障监测与专家系统及其使用方法
CN101191932A (zh) * 2006-11-30 2008-06-04 上海广电Nec液晶显示器有限公司 一种液晶屏生产中辅助进行统计过程控制的方法及装置
CN101290517A (zh) * 2007-04-17 2008-10-22 中芯国际集成电路制造(上海)有限公司 对离散样本数据进行统计过程控制的方法及其装置
CN102467089A (zh) * 2010-11-10 2012-05-23 北京北方微电子基地设备工艺研究中心有限责任公司 半导体工艺中的过程控制方法及系统

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
FR2918775A1 (fr) * 2007-07-12 2009-01-16 Pdf Solutions Sas Soc Par Acti Normalisation des variables de processus dans un processus de fabrication

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1319212A (zh) * 1998-09-22 2001-10-24 丹尼尔·拉费德米绍 用于统计过程控制的多维方法和系统
CN1616204A (zh) * 2003-11-12 2005-05-18 青岛高校软控股份有限公司 橡胶密炼生产过程的故障监测与专家系统及其使用方法
CN101191932A (zh) * 2006-11-30 2008-06-04 上海广电Nec液晶显示器有限公司 一种液晶屏生产中辅助进行统计过程控制的方法及装置
CN101290517A (zh) * 2007-04-17 2008-10-22 中芯国际集成电路制造(上海)有限公司 对离散样本数据进行统计过程控制的方法及其装置
CN102467089A (zh) * 2010-11-10 2012-05-23 北京北方微电子基地设备工艺研究中心有限责任公司 半导体工艺中的过程控制方法及系统

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108345275A (zh) * 2017-01-25 2018-07-31 中芯国际集成电路制造(上海)有限公司 设备监控系统及设备监控方法

Also Published As

Publication number Publication date
CN103488135A (zh) 2014-01-01

Similar Documents

Publication Publication Date Title
CN103488135B (zh) 一种用于半导体生产加工过程监控的统计过程控制方法
US11340142B2 (en) System and method for monitoring manufacturing
CN104808587B (zh) 一种基于机加工设备运行状态的稼动率统计方法
CN103412542B (zh) 一种数据驱动的集成电路工艺设备异常预警技术方法
CN113552840B (zh) 一种机械加工控制系统
WO2021146996A1 (zh) 设备指标优良性等级预测模型训练方法、监控系统和方法
WO2020134032A1 (zh) 用于检测业务系统异常的方法及其装置
US11409962B2 (en) System and method for automated insight curation and alerting
CN106933097B (zh) 一种基于多层优化pcc-sdg的化工过程故障诊断方法
CN114118982B (zh) 云计算和边缘计算结合的生产控制系统
CN117056688A (zh) 一种基于数据分析的新材料生产数据管理系统及方法
CN117670378A (zh) 一种基于大数据的食品安全监控方法及系统
CN113705897B (zh) 一种面向工业铜箔生产的产品质量预测方法及系统
Chen et al. Exploring equipment electrocardiogram mechanism for performance degradation monitoring in smart manufacturing
KR20230003819A (ko) 딥러닝을 이용하여 예지보전이 가능한 설비관리시스템
EP3705964B1 (en) A method for the scalable real-time state recognition of processes and/or sub-processes during production with electrically driven production plants
Zeiser et al. Requirements towards optimizing analytics in industrial processes
CN110794799A (zh) 应用于工业生产的具有故障诊断功能的大数据系统
US20190155269A1 (en) Monitoring system and monitoring method
CN113836820A (zh) 一种基于自相关模型和多变量监控方法的设备健康评估与故障诊断算法
CN104078381A (zh) 一种量测机台监测图规格界限设定的方法
CN113704323A (zh) 一种基于htm改进的时序异常检测算法
CN115470442A (zh) 面向石化产品生产线系统风险辨识的动态关联分析方法
CN202257246U (zh) 大型设备运行状态监测系统
CN110826154A (zh) 一种基于ewma控制图的再制造机床装配过程质量监测方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
C56 Change in the name or address of the patentee
CP01 Change in the name or title of a patent holder

Address after: Hunnan wavesource street in Shenyang City, Liaoning province 110179 No. 17-8

Patentee after: Shenyang Bowei Polytron Technologies Inc

Address before: Hunnan wavesource street in Shenyang City, Liaoning province 110179 No. 17-8

Patentee before: Shenyang Zhongke Bowei Automation Technology Co., Ltd.