CN104217093A - 利用不良样本的缺陷地图判定问题设备的方法及其装置 - Google Patents
利用不良样本的缺陷地图判定问题设备的方法及其装置 Download PDFInfo
- Publication number
- CN104217093A CN104217093A CN201310653120.7A CN201310653120A CN104217093A CN 104217093 A CN104217093 A CN 104217093A CN 201310653120 A CN201310653120 A CN 201310653120A CN 104217093 A CN104217093 A CN 104217093A
- Authority
- CN
- China
- Prior art keywords
- bad
- unit
- map
- equipment
- sample
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Z—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS, NOT OTHERWISE PROVIDED FOR
- G16Z99/00—Subject matter not provided for in other main groups of this subclass
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30164—Workpiece; Machine component
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/06—Recognition of objects for industrial automation
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- Databases & Information Systems (AREA)
- Artificial Intelligence (AREA)
- Multimedia (AREA)
- Health & Medical Sciences (AREA)
- General Factory Administration (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Image Analysis (AREA)
Abstract
本发明提供利用由不良品构成的整个不良样本的缺陷地图(defect map)判定不良样本中的多个不良品所通过的设备中哪些设备为问题设备的方法及装置。根据本发明的问题设备判定方法,包含:生成样本缺陷地图的步骤,该样本缺陷地图表示作为划分为多个单元的产品的集合的不良样本的各个单元的缺陷分布;对于不良样本中的各产品所通过的设备中的至少一个设备生成设备缺陷地图的步骤,针对特定设备的设备缺陷地图表示不良样本中的产品中通过了特定设备的产品的各个单元的缺陷分布;针对生成了设备缺陷地图的各个设备,计算样本缺陷地图和设备缺陷地图之间的地图相似度的步骤;以针对各设备的地图相似度为基础,判定相对于不良样本的问题设备的步骤。
Description
技术领域
本发明涉及一种判定导致不良品发生的问题设备的方法及其装置。尤其涉及,利用由不良品构成的整个不良样本的缺陷地图(defect map)判定不良样本中的多个不良品所通过的设备中哪些设备属于问题设备的方法及装置。
背景技术
当通过多个设备而生产的产品中发生不良品时,要找到哪些设备发生了问题并不容易。因为即使一个设备中存在问题,也未必是该设备始终引起不良,而且多个不良品可能是通过互不相同的工序-设备进行生产的。
当产品划分为多个单元(cell),且以单元为单位判定不良与否时,针对由具有一个以上不良单元的产品构成的不良样本,生成表示各单元位置上的不良单元的数量的样本缺陷地图(defect map),并以肉眼检查所述样本缺陷地图的方式找出问题设备。例如,将各个设备的设备缺陷地图用作基准值,由分析工程师通过肉眼检查所述样本缺陷地图和所述设备缺陷地图以评价相似性,由此找出问题设备。由于这种以往的方法没有客观的指标,仅凭分析工程师的经验进行主观性评价,因此根据分析工程师的熟练程度,其分析对象和结果可能完全不同。
现有技术文献
专利文献
韩国授权发明专利第1187516号
发明内容
本发明所要解决的技术问题是提供一种利用样本缺陷地图和各产品的生产履历信息自动判定问题设备的方法及装置,其中,样本缺陷地图表示由划分为多个单元(cell)的产品的集合构成的不良样本的各个单元的缺陷分布。
本发明所要解决的技术问题是提供一种记录有利用样本缺陷地图和各产品的生产履历信息自动判定问题设备的程序的计算机可读记录介质,其中,样本缺陷地图表示由划分为多个单元(cell)的产品的集合构成的不良样本的各个单元的缺陷分布。
本发明所解决的技术问题并不局限于上述所提及的技术问题,本领域技术人员可通过下面的记载清楚地理解没有被提及的其他技术问题。
为了解决上述技术问题,本发明的一个方面所提供的问题设备判定方法,可包含:生成样本缺陷地图的步骤,该样本缺陷地图表示作为划分为多个单元(cell)的产品的集合的不良样本的各个单元的缺陷分布;对于所述不良样本中的各产品所通过的设备中的至少一个设备生成设备缺陷地图的步骤,针对特定设备的所述设备缺陷地图表示所述不良样本中的产品中通过了所述特定设备的产品的各个单元的缺陷分布;针对生成了所述设备缺陷地图的各个设备,计算所述样本缺陷地图和所述设备缺陷地图之间的地图相似度的步骤;以针对各设备的所述地图相似度为基础,判定相对于所述不良样本的问题设备的步骤。
可选地,所述不良样本的产品中的至少一个和所述不良样本的其他产品至少通过一个互不相同的设备来生产。
根据一个实施例,所述问题设备判定方法还可以包含接收样本选定基准,在产品检查数据中包含的各个产品的检查结果信息中选定属于所述不良样本的产品的步骤。
根据一个实施例,生成所述设备缺陷地图的步骤可以包含对所述不良样本中的各产品所通过的各个设备计算不良率的步骤和仅限于对所述不良率超过预先指定的基准值的设备生成所述设备缺陷地图的步骤。此时,对于特定设备的所述不良率为通过所述特定设备的所述不良样本中产品的不良单元个数相对于整个所述不良样本的不良单元个数之比。
根据一个实施例,对于生成了所述设备缺陷地图的各个设备计算所述地图相似度的步骤可以包含:对于生成了所述设备缺陷地图的各个设备计算所述产品的各单元位置的单元相似度的步骤,所述单元相似度是针对相同位置的单元的所述样本缺陷地图的不良单元个数和所述设备缺陷地图的不良单元个数之间的比率;针对生成了所述设备缺陷地图的各个设备,计算至少一部分单元位置的单元相似度之平均作为地图相似度的步骤。此时,计算所述至少一部分单元位置的单元相似度之平均作为地图相似度的步骤可以包含针对生成了所述设备缺陷地图的各个设备计算以不良单元个数为基准而选定的关注单元位置的单元相似度之平均作为地图相似度的步骤。
根据一个实施例,所述地图相似度可以利用高不良系列单元、中不良系列单元以及低不良系列单元中的一个的单元相似度予以计算。
当利用高不良系列单元的单元相似度计算所述地图相似度时,计算所述地图相似度的步骤可以包含:在所述不良样本的各个产品的整个单元中,按照不良单元的个数由多变少的顺序选定预先指定个数的单元的步骤;将单元的不良单元个数的顺序作为X轴、将不良判定个数作为Y轴而计算所述选定的多个单元的线性回归方程式的步骤;计算所述选定的多个单元的实际不良单元个数和根据所述线性回归方程式计算的预测不良单元个数之间的差值,计算所述多个差值的标准偏差的步骤;通过在所述线性回归方程式中加或减所述标准偏差的已被指定的倍数,从而计算变形回归方程式的步骤;在除了所述选定的单元以外的单元中,利用所述变形回归方程式选定高不良基准单元的步骤;将不良单元个数相比于所述高不良基准单元的不良单元个数相同或更多的单元位置选定为所述关注单元位置的步骤。
当利用低不良系列单元的单元相似度计算所述地图相似度的情况下,计算所述地图相似度的步骤可以包含:在所述不良样本的各个产品的整个单元中,按照不良判定个数由多变少的顺序选定中间的预先指定个数的单元的步骤;将单元的不良单元个数的顺序作为X轴、将不良判定个数作为Y轴,计算所述选定的多个单元的线性回归方程式的步骤;计算所述选定的多个单元的实际不良单元个数和根据所述线性回归方程式计算的预测不良单元个数之间的差值,计算所述多个差值的标准偏差的步骤;通过在所述线性回归方程式中加上所述标准偏差的已被指定的倍数,从而计算第一变形回归方程式的步骤;通过从所述线性回归方程式中减去所述标准偏差的预先指定的倍数,从而计算第二变形回归方程式的步骤;在除了所述选定的单元以外的单元中,利用所述第一变形回归方程式选定低不良第二基准单元的步骤;在除了所述选定的单元以外的单元中,利用所述第二变形回归方程式选定低不良第一基准单元的步骤;将具有所述低不良第一基准单元的不良单元个数与所述低不良第二基准单元的不良单元个数之间的不良单元个数的单元位置均选定为所述关注单元位置的步骤。
中不良系列单元是除了高不良系列单元和低不良系列单元的剩余的单元。
根据一个实施例,还可以进一步计算相似度比,以所述相似度比为基准判定问题设备。此时,以针对所述各个设备的所述地图相似度为基础判定对所述不良样本的问题设备的步骤可以包含:针对生成了所述设备缺陷地图的各个设备计算所述地图相似度与不良占有率之比即相似度比的步骤;以所述计算的各个设备的相似度比为基础,判定对所述不良样本的问题设备的步骤。
根据一个实施例,针对特定设备的所述不良占有率是所述样本缺陷地图的整个不良单元个数中,通过了所述特定设备的所述不良样本中的产品中所包含的不良单元的个数所占的比率。根据另一个实施例,针对特定设备的所述不良占有率还可以是反映到所述样本缺陷地图上的所述地图相似度的计算中的关注单元位置的不良单元个数中,通过了所述特定设备的所述不良样本中的多个产品的所述关注单元位置中所包含的不良单元个数所占的比率。
根据本发明的又一个方面的计算机可读记录介质,记录有计算机程序,该计算机程序执行:生成样本缺陷地图的过程,该样本缺陷地图表示作为划分为多个单元(cell)的产品的集合的不良样本的各个单元的缺陷分布;对于所述不良样本中的各产品所通过的设备中的至少一个设备生成设备缺陷地图的过程,针对特定设备的所述设备缺陷地图表示所述不良样本中的产品中通过了所述特定设备的产品的各个单元的缺陷分布;针对生成了所述设备缺陷地图的各个设备,计算所述样本缺陷地图和所述设备缺陷地图之间的地图相似度的过程;以针对各设备的所述地图相似度为基础,判定相对于所述不良样本的问题设备的过程。
根据本发明的又一个方面的问题设备判定装置,包含:生成样本缺陷地图的样本缺陷地图生成部,样本缺陷地图表示作为划分为多个单元(cell)的产品的集合的不良样本的各个单元的缺陷分布;设备缺陷地图生成部,针对所述不良样本中的产品所通过的设备中的至少一个设备生成设备缺陷地图,针对特定设备的所述设备缺陷地图表示所述不良样本中的产品中通过了所述特定设备的产品的各个单元的缺陷分布;判定部,针对生成了所述设备缺陷地图的各个设备计算所述样本缺陷地图与所述设备缺陷地图之间的地图相似度,以针对各设备的所述地图相似度为基础,判定对于所述不良样本的问题设备。
根据如上所述的本发明,可以以客观的方式判定引起不良的问题设备。即,具有如下效果:通过预先指定的数学方式自动比较针对不良样本中包含的各产品所通过的各个设备生成的设备缺陷地图和针对整个不良样本生成的样本缺陷地图,从而排除了根据人的经验的主观评价,可以根据客观的基准判定问题设备。
本发明的效果并不局限于上述提及的效果,可以具有通过本说明书中记载的内容可以清楚地推导出的效果。
附图说明
图1为根据本发明的一个实施例的问题设备判定方法的顺序图。
图2为用于说明根据本发明的一个实施例的样本缺陷地图生成方法的概念图。
图3为用于说明如何计算样本缺陷地图和设备缺陷地图之间的地图相似度的概念图。
图4为用于说明选定高不良系列单元的方法的概念图。
图5为用于说明选定低不良系列单元的方法的概念图。
图6为用于说明如何计算样本缺陷地图和设备缺陷地图之间的相似度比的概念图。
图7为表示根据本发明的另一个实施例的问题设备判定系统的构成的构成图。
图8为根据本发明的又一个实施例的问题设备判定装置的构成框图。
图9为表示图8中示出的问题设备判定装置的另一个构成的构成图。
符号说明
10为产品检查装置,20为产品检查数据存储装置,30为终端,100为问题设备判定装置。
具体实施方式
以下,参照附图来详细说明本发明的优选实施例。本发明的优点和特征以及实现它们的方法可通过附图和后面详细说明的实施例来予以明确。但是,本发明并不局限于下面记载的实施例,可以通过互不相同的各种形态得以实现,本实施例仅用于使本发明能被充分公开,供本发明所属技术领域的具有一般知识的人员能够完全理解发明的范畴,本发明的范围通过本发明的权利要求书予以确定。在整个说明书中,相同的附图标记指代相同的构成要素。
如果没有进行特殊的定义,本说明书中使用的所有术语(包括技术及科学术语)可以作为本发明所属技术领域的具有一般知识的人员能够共同理解的意思来使用。并且,通常使用的在辞典中有定义的术语,在没有进行明确的特殊定义的情况下,不会进行异常或过度解释。
首先,本说明书中的“设备(equipment)”指特定工序中的特定设备。即,本说明书中的设备通过工序识别字和设备识别字的结合进行识别。例如,当设备X用于工序A和B时,工序A的设备X和工序B的设备X被作为互不相同的设备来看待。
并且,本说明书中的产品局限于以单元(cell)为单位进行划分的产品。所述产品可以为例如半导体晶片(wafer)、显示器玻璃(glass)等。
下面,参照图1说明本发明的一个实施例所提供的问题设备判定方法。
首先,选定作为问题设备判定对象的不良样本(S100)。所述不良样本由具有至少一个不良单元的产品构成。所述产品中所包含的各单元的不良与否可以通过产品检查装置进行判定。可以通过工序管理人员终端输入所述不良样本的选定基准。所述不良样本的选定基准可以包含例如不良识别字及其判定信息(好、不合格、保留等)、产品名、检测数据提取时间中的至少一个。
如果选定了不良样本,则生成对所选定的不良样本的样本缺陷地图(S102)。关于样本缺陷地图的生成,暂时参照图2进行说明。图2中示出了对于由三张具有3×3排列的单元的玻璃(glass)构成的不良样本生成样本缺陷地图的过程。各个单元通过固有的单元编号进行识别,各单元的不良与否表示在单元内部(1为不良/0为正常)。
作为所述不良样本的各个玻璃中包含的各个单元的不良与否,可以通过由产品检查装置制作的检查数据进行查询。
如图2所示,样本缺陷地图表示整个不良样本的在各个单元的缺陷分布。例如,就7号单元而言,在玻璃#1、玻璃#2、玻璃#3均分布有不良单元,因此样本缺陷地图中对应于7号单元的值变成1+1+1=3。并且,就8号单元而言,在玻璃#1、玻璃#3上分布有不良单元,因此样本缺陷地图中对应于8号单元的值变成1+1=2。并且,就9号单元而言,仅在玻璃#2分布有不良单元,因此样本缺陷地图中对应于9号单元的值变成1。即,本说明书中的“样本缺陷地图”表示整个样本在各个单元位置上分布有多少不良单元。为了制作所述样本缺陷地图,不良样本中优选包含具有相同的单元构成的产品。
再次返回到图1进行说明。如果生成了样本缺陷地图(S102),则从生产履历信息、例如WIP信息等中收集包含于不良样本中的各个产品的设备通过履历(S104)。然后,对于所收集的各个设备生成设备缺陷地图(S106)。例如,假设不良样本中包含玻璃#1、玻璃#2、玻璃#3,且当玻璃#1通过了设备PHOTO_P1(PHOTO工序的P1设备)和设备DRY_D1(DRY工序的D1设备),玻璃#2通过了设备PHOTO_P1(PHOTO工序的P1设备)和DRY_D3(DRY工序的D3设备),玻璃#3通过了设备PHOTO_P3(PHOTO工序的P3设备)和设备DRY_D1(DRY工序的D1设备)时,可以形成针对PHOTO_P1、PHOTO_P3、DRY_D1、DRY_D3各自的所述设备缺陷地图。
即,可以针对不良样本中所包含的整个产品所通过(即便只通过一次)的所有设备生成所述设备缺陷地图。
针对特定设备的所述设备缺陷地图的生成方法并不对整个样本进行加法运算,仅对通过了特定设备的产品进行加法运算,除此之外,与参照图2进行了说明的样本缺陷地图的生成方法相同。
例如,假设不良样本中包含玻璃#1、玻璃#2、玻璃#3、玻璃#4,且当玻璃#1通过了设备PHOTO_P1(PHOTO工序的P1设备)和设备DRY_D1(DRY工序的D1设备),玻璃#2通过了设备PHOTO_P1(PHOTO工序的P1设备)和DRY_D3(DRY工序的D3设备),玻璃#3通过了设备PHOTO_P3(PHOTO工序的P3设备)和设备DRY_D1(DRY工序的D1设备),玻璃#4通过了设备PHOTO_P2(PHOTO工序的P2设备)和设备DRY_D3(DRY工序的D3设备)时,针对设备PHOTO_P1的设备样本地图可通过将玻璃#1、玻璃#2的各单元位置对应的缺陷单元数量相加而生成。并且,针对设备DRY_D1的设备样本地图可通过将玻璃#1、玻璃#3的各单元位置对应的缺陷单元数量相加而生成。
虽然图1中示出选定不良样本(S100)之后,先生成样本缺陷地图,然后生成对应于各设备的设备缺陷地图,但是也可以先生成对应于各设备的设备缺陷地图,然后生成样本缺陷地图。
当对于整个不良样本生成了样本缺陷地图,对于不良样本中所包含的整个产品所通过的(即便只通过一次)所有设备生成了设备缺陷地图时,通过将各设备的设备缺陷地图与样本缺陷地图进行比较,能够评价其相似度。根据本发明,所述相似度可以以地图相似度为基础进行计算。并且,所述地图相似度可以利用表示各单元位置之间的不良个数比率的单元相似度进行计算。参照图3,说明所述地图相似度的计算方法。
如上所述,为了计算样本缺陷地图和设备缺陷地图之间的地图相似度,需要预先计算对应于各单元位置的单元相似度。将图3中示出的样本缺陷地图和特定装置(假设为PHOTO_P1)的设备缺陷地图作为对象进行说明。就1号单元而言,样本缺陷地图和设备缺陷地图中不良单元的数量均为5个。这意味着,包含在样本中的所有产品中1号单元为不良单元的产品为5个,而通过PHOTO_P1的所有不良样本产品中1号单元为不良单元的产品也为5个。对于特定单元位置的单元相似度可以为“将关于所述特定单元位置的设备缺陷地图的不良单元个数除以关于所述特定单元位置的样本缺陷地图的不良单元个数的值”。因此,关于1号单元的单元相似度为5/5=1。同样,关于2号单元的单元相似度为3/5=0。
根据一个实施例,所述地图相似度可以为针对各个单元位置的单元相似度的平均。
但是,如果反映关于所有单元位置的单元相似度计算地图相似度,则随着一个产品划分为较多个单元,计算所需的时间/费用将会增加。并且,与反映所有单元位置计算地图相似度相比,在不良单元个数相似的单元位置之间计算单元相似度的平均,由此计算地图相似度可能更为有效。因此,根据本发明的另一个实施例,所述地图相似度可通过对高不良系列单元、中不良系列单元以及低不良系列单元中的一个单元位置群计算单元相似度平均,从而计算所述地图相似度。
下面,说明将一个产品内的单元位置以不良单元数量为基准而分成高不良系列、低不良系列、中不良系列的方法。
首先,参照图4说明选定高不良系列的单元位置的方法。在图4中,当各个单元位置以不良单元个数为基准排列时,将其顺序作为X轴,将不良单元个数作为Y轴,画出了按照各个单元位置的不良单元个数顺序示出不良单元个数的图表。图4可以解释为随着X轴的值增加,不良单元个数顺序越高(不良单元更多)。
在第一步骤中,在所述不良样本的各个产品的整个单元中,按照不良单元的个数由多变少的顺序选定预先指定个数的单元。例如,选定不良单元的个数为头十个(TOP10)的单元位置。
在第二步骤中,计算所述选定的多个单元的线性回归方程式。所述线性回归方程式的计算可以使用插值法、回归分析等多种方法。
在第三步骤中,计算所述选定的多个单元的实际不良单元个数和根据所述线性回归方程式计算的预测不良单元个数之间的差值,计算所述多个差值之间的标准偏差(σ1)。
在第四步骤中,通过在所述线性回归方程式中加或减所述标准偏差的已被指定的倍数,从而计算变形回归方程式。如图4所示,可以是“变形回归方程式=线性回归方程式+n*标准偏差1(σ1)”。
在第五步骤中,在除了所述选定的单元以外的单元中,利用所述变形回归方程式选定高不良基准单元。例如,在图4中示出的图表中,与所述变形回归方程式相交的单元位置中,不良判定个数顺序最高的单元位置可以选定作为所述高不良基准单元。
在第六步骤中,将相比于所述高不良基准单元的不良单元个数,不良单元个数相同或更多的单元位置均选定为所述高不良系列单元位置。
然后,参照图5说明选定低不良系列单元位置的方法。在图5中与图4相同,当各个单元位置以不良单元个数为基准排列时,将其顺序作为X轴,将不良单元个数作为Y轴,画出了按照各个单元位置的不良单元个数顺序示出不良单元个数的图表。图5可以解释为随着X轴的值增加,不良单元个数顺序越高(不良单元更多)。
在第一步骤中,在所述不良样本的各个产品的整个单元中,按照不良判定个数由多变少的顺序选定中间的预先指定个数的单元。
在第二步骤中,将单元的不良单元个数的顺序作为X轴、将不良判定个数作为Y轴,计算所述选定的多个单元的线性回归方程式。所述线性回归方程式的计算可以使用插值法、回归分析等多种方法。
在第三步骤中,计算所述选定的多个单元的实际不良单元个数和根据所述线性回归方程式计算的预测不良单元个数之间的差值,计算所述多个差值之间的标准偏差(σ2)。
在第四步骤中,通过在所述线性回归方程式中加上所述标准偏差(σ2)的已被指定的倍数(n),从而计算第一变形回归方程式。即,如图5所示,第一变形回归方程式=线性回归方程式+n*σ2。
在第五步骤中,通过从所述线性回归方程式中减去所述标准偏差(σ2)的预先指定的倍数(n),从而计算第二变形回归方程式。即,如图5所示,第二变形回归方程式=线性回归方程式-n*σ2。
在第六步骤中,在除了所述选定的单元以外的单元中,利用所述第一变形回归方程式选定低不良第二基准单元。例如,在图5中示出的图表中,与所述第一变形回归方程式相交的单元位置中,不良判定个数顺序最高的单元位置可以选定作为所述低不良第二基准单元。
在第七步骤中,在除了所述选定的单元以外的单元中,利用所述第二变形回归方程式选定低不良第一基准单元。例如,在图5中示出的图表中,与所述第二变形回归方程式相交的单元位置中,不良判定个数顺序最低的单元位置可以选定作为所述低不良第一基准单元。
在第八步骤中,将具有所述低不良第一基准单元的不良单元个数与所述低不良第二基准单元的不良单元个数之间的不良单元个数的单元位置均选定为所述低不良系列单元位置。
另外,中不良系列的单元位置是除了高不良系列和低不良系列的剩余的单元位置。下面,说明用于选定中不良系列的单元位置的方法。
在第一步骤中,在所述不良样本的各个产品的整个单元中,按照不良单元个数由多变少的顺序选定预先指定个数的单元。
在第二步骤中,将单元的不良单元个数的顺序作为X轴、将不良判定个数作为Y轴,计算所述选定的多个单元的线性回归方程式。
在第三步骤中,计算所述选定的多个单元的实际不良单元个数和根据所述线性回归方程式计算的预测不良单元个数之间的差值,计算所述多个差值之间的标准偏差。
在第四步骤中,通过在所述线性回归方程式中加或减所述标准偏差的已被指定的倍数,从而计算变形回归方程式。
在第五步骤中,在除了所述选定的单元以外的单元中,利用所述变形回归方程式选定高不良基准单元。
在第六步骤中,将不良单元个数相比于所述高不良基准单元的不良单元个数相同或更多的单元均选定为高不良系列单元。
在第七步骤中,在所述不良样本的各个产品的整个单元中,按照不良判定个数由多变少的顺序选定中间的已被指定的个数的单元。
在第八步骤中,将单元的不良单元个数的顺序作为X轴、将不良判定个数作为Y轴,计算所述选定的多个单元的线性回归方程式。
在第九步骤中,计算所述选定的多个单元的实际不良单元个数与根据所述线性回归方程式的预测不良单元个数之间的差值,计算所述多个差值之间的标准偏差。
在第十步骤中,通过在所述线性回归方程式上加上所述标准偏差的预先指定的倍数,计算第一变形回归方程式。
在第十一步骤中,通过从所述线性回归方程式中减去所述标准偏差的预先指定的倍数,计算第二变形回归方程式。
在第十二步骤中,在除了所述选定的单元以外的单元中,利用所述第一变形回归方程式选定低不良第二基准单元。
在第十三步骤中,在除了所述选定的单元以外的单元中,利用所述第二变形回归方程式选定低不良第一基准单元。
在第十四步骤中,将具有所述低不良第一基准单元的不良单元个数与所述低不良第二基准单元的不良单元个数之间的不良单元个数的所有单元选定为低不良系列单元。
在第十五步骤中,将除了所述高不良系列单元和低不良系列单元的所有单元位置选定为所述中不良系列单元位置。
上面说明了分别选定高不良系列单元位置、中不良系列单元位置、低不良系列单元位置的方法。根据本发明的一个实施例,在计算所述地图相似度时,可以使用预先指定的群的多个单元位置,或者使用从工序管理人员的终端提供的数据所指定的群的多个单元位置。
根据一个实施例,可以将利用地图相似度计算的相似度比作为基准判定问题设备。所述相似度比是所述地图相似度和不良占有率之比。针对特定设备的所述不良占有率是所述样本缺陷地图的整个不良单元个数中通过了所述特定设备的所述不良样本中的产品中所包含的不良单元的个数所占的比率。参照图6说明以相似度比作为基准判定问题设备的方法。
如图6所示,所述相似度比可以利用属于高不良系列单元位置、中不良系列单元位置、低不良系列单元位置中的一个的多个单元位置的不良单元个数进行计算。假设图6中示出的多个单元位置是高不良系列单元位置。
图6中示出了利用高不良系列单元位置的不良单元个数而计算的样本缺陷地图和设备1的设备缺陷地图之间的地图相似度为79%的情况。但是,在整个不良样本中,在高不良系列单元位置中发生的不良单元为共465个,其中通过设备1的产品中高不良系列单元位置中发生的不良单元为共361个,所述不良占有率为(361/465)*100=78%。因此,作为相对于不良占有率的地图相似度的比率的相似度比为101%。
再次返回到图1进行说明。在计算针对各设备的地图相似度之后(S108),以所述地图相似度为基准判定问题设备(S110)。如上所述,根据一个实施例,可以通过将以所述地图相似度为基准判定的所述相似度比作为基准判定问题设备。根据一个实施例,可以生成以所述地图相似度或相似度比为基准时,对其数值较高的设备进行排列的列表;或者以排列的顺序为基准,将上位的N个设备判定为问题设备;或者以地图相似度或相似度比数值为基准,以特定比率为基准值将下位设备排除到问题设备之外。
然后,所述问题设备信息可以被输出到工序管理人员终端等中(S112)。
根据本发明的另一个实施例的计算机可读记录介质,可以记录用于执行参照图1至图6进行说明的问题设备判定方法的计算机程序。即,参照图1至图6进行了说明的问题设备判定方法可以通过执行计算机程序来实现。所述计算机程序执行:生成样本缺陷地图的过程,该样本缺陷地图表示作为划分为多个单元(cell)的产品的集合的不良样本的各个单元的缺陷分布;对于所述不良样本中的各产品所通过的设备中的至少一个设备生成设备缺陷地图的过程,针对特定设备的所述设备缺陷地图表示所述不良样本中的产品中通过了所述特定设备的产品的各个单元的缺陷分布;针对生成了所述设备缺陷地图的各个设备,计算所述样本缺陷地图和所述设备缺陷地图之间的地图相似度的过程;以针对各设备的所述地图相似度为基础,判定相对于所述不良样本的问题设备的过程。
参照图7说明根据本发明的又一个实施例的问题设备判定系统的构成。
产品检查装置10对于通过一个以上的设备生产的多个产品检查是否存在缺陷。例如,可以通过对产品的图像拍摄和对于所拍摄的图像进行的图像处理,判定各个单元内是否存在缺陷,并以所述判定结果为基础,判定各个单元是否为不良单元。产品检查装置10的检查执行结果被存储在产品检查数据存储装置20中。
问题设备判定装置100利用样本缺陷地图和各产品的生产履历信息自动判定问题设备,样本缺陷地图表示作为划分为多个单元(cell)的产品的集合的不良样本的各个单元的缺陷分布。所述生产履历信息可以在工序管理系统(未图示)中查询。问题设备判定装置100生成表示作为划分为多个单元(cell)的产品的集合的不良样本的各个单元的缺陷分布的样本缺陷地图,对于所述不良样本的各产品所通过的设备中的至少一个设备生成设备缺陷地图,针对生成了所述设备缺陷地图的各个设备计算所述样本缺陷地图和所述设备缺陷地图之间的地图相似度,以针对各设备的所述地图相似度为基础,判定对于所述不良样本的问题设备。
终端30可以向问题设备判定装置100发送指定可属于不良样本的产品的不良样本必要条件数据。问题设备判定装置100可以从产品检查数据存储装置20中统合符合所述不良样本必要条件数据的多个产品的数据,构成所述不良样本。
根据本发明的又一个实施例的问题设备判定装置100,如图8所示,可以包含负责数据的发送接收的网络接口102、样本选定部104、样本缺陷地图生成部106、通过设备统合部108、设备缺陷地图生成部110以及判定部112。
样本缺陷地图生成部106生成表示作为划分为多个单元(cell)的产品的集合的不良样本的各个单元的缺陷分布的样本缺陷地图。
通过设备统合部108从产品检查数据中统合对所述不良样本中的多个产品所通过的设备的信息。
设备缺陷地图生成部110针对通过所述通过设备统合部进行了统合的不良样本中的产品所通过的设备中的至少一个设备生成设备缺陷地图。
判定部112针对生成了所述设备缺陷地图的各个设备计算所述样本缺陷地图与所述设备缺陷地图之间的地图相似度,以针对各设备的所述地图相似度为基础,判定对于所述不良样本的问题设备。判定部112可以将以所述地图相似度为基础而计算的所述相似度比作为基准,判定对于所述不良样本的问题设备。
问题设备判定装置100可以具有图9中示出的结构。问题设备判定装置100可以包含执行指令的处理器114、存储问题设备判定程序数据的存储装置116、存储器115、用于与外部装置进行数据发送接收的网络接口(NIC)117。
存储装置116可以存储计算机程序的执行文件以及程序库,该计算机程序的执行文件以及程序库执行:生成样本缺陷地图的过程,该样本缺陷地图表示作为划分为多个单元(cell)的产品的集合的不良样本的各个单元的缺陷分布;对于所述不良样本中的各产品所通过的设备中的至少一个设备生成设备缺陷地图的过程,针对特定设备的所述设备缺陷地图表示所述不良样本中的产品中通过了所述特定设备的产品的各个单元的缺陷分布;针对生成了所述设备缺陷地图的各个设备,计算所述样本缺陷地图和所述设备缺陷地图之间的地图相似度的过程;以针对各设备的所述地图相似度为基础,判定相对于所述不良样本的问题设备的过程。
上面参照附图说明了本发明的多个实施例,但本发明所属技术领域的具有一般知识的人员应该明白,本发明可以在不改变其技术思想和必要技术特征的情况下,可以通过其他的具体形态实施。因此,上面记载的实施例在任何方面均只作为示例性实施例,并不具有限定作用。
Claims (12)
1.一种问题设备判定方法,其特征在于,包含:
生成样本缺陷地图的步骤,该样本缺陷地图表示作为划分为多个单元的产品的集合的不良样本的各个单元的缺陷分布;
对于所述不良样本中的各产品所通过的设备中的至少一个设备生成设备缺陷地图的步骤,针对特定设备的所述设备缺陷地图表示所述不良样本中的产品中通过了所述特定设备的产品的各个单元的缺陷分布;
针对生成了所述设备缺陷地图的各个设备,计算所述样本缺陷地图和所述设备缺陷地图之间的地图相似度的步骤;
以针对各设备的所述地图相似度为基础,判定相对于所述不良样本的问题设备的步骤。
2.根据权利要求1所述的问题设备判定方法,其特征在于,生成所述设备缺陷地图的步骤包含:
对所述不良样本中的各产品所通过的各个设备计算不良率的步骤;
仅限于对所述不良率超过预先指定的基准值的设备生成所述设备缺陷地图的步骤,
对于特定设备的所述不良率为通过所述特定设备的所述不良样本中产品的不良单元个数相对于整个所述不良样本的不良单元个数之比。
3.根据权利要求1所述的问题设备判定方法,其特征在于,对于生成了所述设备缺陷地图的各个设备计算所述地图相似度的步骤包含:
对于生成了所述设备缺陷地图的各个设备计算所述产品的各单元位置的单元相似度的步骤,所述单元相似度是针对相同位置的单元的所述样本缺陷地图的不良单元个数和所述设备缺陷地图的不良单元个数之间的比率;
针对生成了所述设备缺陷地图的各个设备,计算至少一部分单元位置的单元相似度之平均作为地图相似度的步骤。
4.根据权利要求3所述的问题设备判定方法,其特征在于,计算所述至少一部分单元位置的单元相似度之平均作为地图相似度的步骤包含针对生成了所述设备缺陷地图的各个设备计算以不良单元个数为基准而选定的关注单元位置的单元相似度之平均作为地图相似度的步骤。
5.根据权利要求4所述的问题设备判定方法,其特征在于,针对生成了所述设备缺陷地图的各个设备计算以不良单元个数为基准选定的一部分单元位置的单元相似度之平均作为地图相似度的步骤,包含:
在所述不良样本的各个产品的整个单元中,按照不良单元的个数由多变少的顺序选定预先指定个数的单元的步骤;
将单元的不良单元个数的顺序作为X轴、将不良判定个数作为Y轴而计算所述选定的多个单元的线性回归方程式的步骤;
计算所述选定的多个单元的实际不良单元个数和根据所述线性回归方程式计算的预测不良单元个数之间的差值,计算所述多个差值的标准偏差的步骤;
通过在所述线性回归方程式中加或减所述标准偏差的已被指定的倍数,从而计算变形回归方程式的步骤;
在除了所述选定的单元以外的单元中,利用所述变形回归方程式选定高不良基准单元的步骤;
将不良单元个数相比于所述高不良基准单元的不良单元个数相同或更多的单元位置选定为所述关注单元位置的步骤。
6.根据权利要求4所述的问题设备判定方法,其特征在于,针对生成了所述设备缺陷地图的各个设备计算以不良单元个数为基准选定的一部分单元位置的单元相似度之平均作为所述地图相似度的步骤,包含:
在所述不良样本的各个产品的整个单元中,按照不良判定个数由多变少的顺序选定中间的预先指定个数的单元的步骤;
将单元的不良单元个数的顺序作为X轴、将不良判定个数作为Y轴,计算所述选定的多个单元的线性回归方程式的步骤;
计算所述选定的多个单元的实际不良单元个数和根据所述线性回归方程式计算的预测不良单元个数之间的差值,计算所述多个差值的标准偏差的步骤;
通过在所述线性回归方程式中加上所述标准偏差的已被指定的倍数,计算第一变形回归方程式的步骤;
通过从所述线性回归方程式中减去所述标准偏差的预先指定的倍数,计算第二变形回归方程式的步骤;
在除了所述选定的单元以外的单元中,利用所述第一变形回归方程式选定低不良第二基准单元的步骤;
在除了所述选定的单元以外的单元中,利用所述第二变形回归方程式选定低不良第一基准单元的步骤;
将具有所述低不良第一基准单元的不良单元个数与所述低不良第二基准单元的不良单元个数之间的不良单元个数的单元位置均选定为所述关注单元位置的步骤。
7.根据权利要求4所述的问题设备判定方法,其特征在于,针对生成了所述设备缺陷地图的各个设备计算以不良单元个数为基准选定的一部分单元的单元相似度之平均作为所述地图相似度的步骤,包含:
在所述不良样本的各个产品的整个单元中,按照不良单元的个数由多变少的顺序选定预先指定个数的单元的步骤;
将单元的不良单元个数的顺序作为X轴、将不良判定个数作为Y轴而计算所述选定的多个单元的线性回归方程式的步骤;
计算所述选定的多个单元的实际不良单元个数和根据所述线性回归方程式计算的预测不良单元个数之间的差值,计算所述多个差值的标准偏差的步骤;
通过在所述线性回归方程式中加或减所述标准偏差的已被指定的倍数,从而计算变形回归方程式的步骤;
在除了所述选定的单元以外的单元中,利用所述变形回归方程式选定高不良基准单元的步骤;
将不良单元个数相比于所述高不良基准单元的不良单元个数相同或更多的单元均选定为高不良系列单元的步骤;
在所述不良样本的各个产品的整个单元中,按照不良判定个数由多变少的顺序选定中间的预先指定个数的单元的步骤;
将单元的不良单元个数的顺序作为X轴、将不良判定个数作为Y轴,计算所述选定的多个单元的线性回归方程式的步骤;
计算所述选定的多个单元的实际不良单元个数和根据所述线性回归方程式计算的预测不良单元个数之间的差值,计算所述多个差值的标准偏差的步骤;
通过在所述线性回归方程式中加上所述标准偏差的已被指定的倍数,计算第一变形回归方程式的步骤;
通过从所述线性回归方程式中减去所述标准偏差的预先指定的倍数,计算第二变形回归方程式的步骤;
在除了所述选定的单元以外的单元中,利用所述第一变形回归方程式选定低不良第二基准单元的步骤;
在除了所述选定的单元以外的单元中,利用所述第二变形回归方程式选定低不良第一基准单元的步骤;
将具有所述低不良第一基准单元的不良单元个数与所述低不良第二基准单元的不良单元个数之间的不良单元个数的单元均选定为低不良系列单元的步骤;
将除了所述高不良系列单元和低不良系列单元的所有单元位置选定为所述关注单元位置的步骤。
8.根据权利要求3所述的问题设备判定方法,其特征在于,以针对所述各个设备的所述地图相似度为基础判定对所述不良样本的问题设备的步骤,包含:
针对生成了所述设备缺陷地图的各个设备计算所述地图相似度与不良占有率之比即相似度比的步骤;
以所述计算的各个设备的相似度比为基础,判定对所述不良样本的问题设备的步骤,
针对特定设备的所述不良占有率是所述样本缺陷地图的整个不良单元个数中通过了所述特定设备的所述不良样本中的产品中所包含的不良单元的个数所占的比率。
9.根据权利要求8所述的问题设备判定方法,其特征在于,针对特定设备的所述不良占有率是反映到所述样本缺陷地图上的所述地图相似度的计算中的关注单元位置的不良单元个数中,通过了所述特定设备的所述不良样本中的多个产品的所述关注单元位置中所包含的不良单元个数所占的比率。
10.根据权利要求1所述的问题设备判定方法,其特征在于,进一步包含接收样本选定基准,并从产品检查数据中所包含的各产品的检查结果信息选定属于所述不良样本中的产品的步骤。
11.一种问题设备判定装置,其特征在于,包含:
生成样本缺陷地图的样本缺陷地图生成部,样本缺陷地图表示作为划分为多个单元的产品的集合的不良样本的各个单元的缺陷分布;
设备缺陷地图生成部,针对所述不良样本中的产品所通过的设备中的至少一个设备生成设备缺陷地图,针对特定设备的所述设备缺陷地图表示所述不良样本中的产品中通过了所述特定设备的产品的各个单元的缺陷分布;
判定部,针对生成了所述设备缺陷地图的各个设备计算所述样本缺陷地图与所述设备缺陷地图之间的地图相似度,以针对各设备的所述地图相似度为基础,判定对于所述不良样本的问题设备。
12.根据权利要求11所述的问题设备判定装置,其特征在于,所述设备通过工序识别字和设备识别字的结合进行识别。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR10-2013-0061842 | 2013-05-30 | ||
KR1020130061842A KR101579448B1 (ko) | 2013-05-30 | 2013-05-30 | 불량 샘플의 결함 맵을 이용한 문제 설비 판정 방법 및 그 장치 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104217093A true CN104217093A (zh) | 2014-12-17 |
CN104217093B CN104217093B (zh) | 2017-04-12 |
Family
ID=51985169
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310653120.7A Active CN104217093B (zh) | 2013-05-30 | 2013-12-05 | 利用不良样本的缺陷地图判定问题设备的方法及其装置 |
Country Status (4)
Country | Link |
---|---|
US (1) | US9665795B2 (zh) |
KR (1) | KR101579448B1 (zh) |
CN (1) | CN104217093B (zh) |
WO (1) | WO2014193057A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112184691A (zh) * | 2020-10-13 | 2021-01-05 | 上海喆塔信息科技有限公司 | 一种基于不良Map图的缺陷模式分析方法 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US12055914B2 (en) | 2020-10-30 | 2024-08-06 | Beijing Zhongxiangying Technology Co., Ltd. | Data processing method, device and system, and electronic device |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040218806A1 (en) * | 2003-02-25 | 2004-11-04 | Hitachi High-Technologies Corporation | Method of classifying defects |
CN1574269A (zh) * | 2003-06-18 | 2005-02-02 | 株式会社东芝 | 不合格检测方法和不合格检测装置 |
JP2008108815A (ja) * | 2006-10-24 | 2008-05-08 | Sharp Corp | 不良原因設備特定システム |
US20080276128A1 (en) * | 2007-05-04 | 2008-11-06 | Lin Y Sean | Metrics independent and recipe independent fault classes |
US20100320381A1 (en) * | 2009-06-23 | 2010-12-23 | Hermes Microvision, Inc. | Method for characterizing identified defects during charged particle beam inspection and application thereof |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5663569A (en) * | 1993-10-14 | 1997-09-02 | Nikon Corporation | Defect inspection method and apparatus, and defect display method |
US6763130B1 (en) | 1999-07-21 | 2004-07-13 | Applied Materials, Inc. | Real time defect source identification |
JP2005025451A (ja) | 2003-07-01 | 2005-01-27 | Ricoh Co Ltd | 設備管理システム |
US7406399B2 (en) * | 2003-08-26 | 2008-07-29 | Siemens Energy & Automation, Inc. | System and method for distributed reporting of machine performance |
CN1811802A (zh) | 2005-01-24 | 2006-08-02 | 欧姆龙株式会社 | 质量变动显示装置、显示方法、显示程序及记录介质 |
JP2007071678A (ja) * | 2005-09-07 | 2007-03-22 | Hitachi High-Technologies Corp | 検査システム |
KR100696276B1 (ko) | 2006-01-31 | 2007-03-19 | (주)미래로시스템 | 웨이퍼 결함 검사 장비들로부터 획득된 측정 데이터들을이용한 자동 결함 분류 시스템 |
JP4855464B2 (ja) | 2006-04-25 | 2012-01-18 | シャープ株式会社 | 不良原因設備特定システム |
JP4882505B2 (ja) | 2006-05-19 | 2012-02-22 | 東京エレクトロン株式会社 | 異物分布パターンの照合方法及びその装置 |
-
2013
- 2013-05-30 KR KR1020130061842A patent/KR101579448B1/ko active IP Right Grant
- 2013-11-11 WO PCT/KR2013/010193 patent/WO2014193057A1/ko active Application Filing
- 2013-12-05 CN CN201310653120.7A patent/CN104217093B/zh active Active
- 2013-12-31 US US14/144,881 patent/US9665795B2/en active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040218806A1 (en) * | 2003-02-25 | 2004-11-04 | Hitachi High-Technologies Corporation | Method of classifying defects |
CN1574269A (zh) * | 2003-06-18 | 2005-02-02 | 株式会社东芝 | 不合格检测方法和不合格检测装置 |
JP2008108815A (ja) * | 2006-10-24 | 2008-05-08 | Sharp Corp | 不良原因設備特定システム |
US20080276128A1 (en) * | 2007-05-04 | 2008-11-06 | Lin Y Sean | Metrics independent and recipe independent fault classes |
US20100320381A1 (en) * | 2009-06-23 | 2010-12-23 | Hermes Microvision, Inc. | Method for characterizing identified defects during charged particle beam inspection and application thereof |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112184691A (zh) * | 2020-10-13 | 2021-01-05 | 上海喆塔信息科技有限公司 | 一种基于不良Map图的缺陷模式分析方法 |
CN112184691B (zh) * | 2020-10-13 | 2024-09-06 | 上海喆塔信息科技有限公司 | 一种基于不良Map图的缺陷模式分析方法 |
Also Published As
Publication number | Publication date |
---|---|
KR20140140877A (ko) | 2014-12-10 |
WO2014193057A1 (ko) | 2014-12-04 |
US9665795B2 (en) | 2017-05-30 |
US20140355866A1 (en) | 2014-12-04 |
CN104217093B (zh) | 2017-04-12 |
KR101579448B1 (ko) | 2015-12-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106570778A (zh) | 一种基于大数据的数据集成与线损分析计算的方法 | |
CN116205355B (zh) | 电力负荷的预测方法、装置以及存储介质 | |
CN113516417A (zh) | 基于智能建模的业务评估方法、装置、电子设备及介质 | |
CN111881124A (zh) | 一种基于改进算法的状态估计的数据处理方法及系统 | |
CN114819344A (zh) | 一种基于关键影响因子的全局时空气象农灾预测方法 | |
CN114626886A (zh) | 一种调查问卷数据分析方法及系统 | |
CN104217093A (zh) | 利用不良样本的缺陷地图判定问题设备的方法及其装置 | |
CN108446213A (zh) | 一种静态代码质量分析方法和装置 | |
CN114781948B (zh) | 用于确定员工工作质量的数据处理方法及相关装置 | |
CN114766023B (zh) | 数据处理方法、装置及系统、电子设备 | |
CN110866696A (zh) | 商铺掉铺风险评估模型训练方法及装置 | |
Zhang et al. | Variable stage self-correcting grey clustering model | |
CN115204501A (zh) | 企业评估方法、装置、计算机设备和存储介质 | |
CN114239849A (zh) | 天气灾害预测及模型训练方法、装置、设备及存储介质 | |
CN110389947A (zh) | 一种黑名单生成方法、装置、设备及介质 | |
CN113675842B (zh) | 一种电压暂降兼容性评估方法、系统、装置及介质 | |
CN117371856A (zh) | 数据质量的监控方法、装置、存储介质及计算机设备 | |
CN115907226A (zh) | 一种特征数据处理方法、装置、设备和存储介质 | |
CN118297558A (zh) | 基于网格化的稽查管理方法、装置、电子设备及存储介质 | |
CN114118619A (zh) | 一种存款利率确定方法、装置、设备及可读存储介质 | |
CN117035476A (zh) | 模型质量检测方法、装置、设备、介质及程序产品 | |
CN116596661A (zh) | 基于征信数据的企业信用评估方法、装置、设备及介质 | |
CN114511201A (zh) | 一种评估企业综合能力的方法 | |
CN116938740A (zh) | 网络评估方法及装置、电子设备和存储介质 | |
CN117010218A (zh) | 一种电网设备的地图渲染方法、装置、设备和介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |