CN108062718B - 半导体制造信息的处理方法和处理系统 - Google Patents

Abstract

一种半导体制造信息的处理方法和处理系统，本发明技术方案能够较全面的反应半导体制造工厂的运行状况，并能够及时准确的反应半导体制造工厂运行过程中的异常波动，降低了对半导体制造工厂运行状况分析的难度，提高了分析的便捷性。而且所述生产质量指数、所述制程稳定性指数、所述异常发生率指数、所述报废成本指数以及所述早期侦测指数互相联动，能够全面反映异常事件对半导体制造工厂整体运行状况的影响，便于针对性的进行技术改进。

Description

半导体制造信息的处理方法和处理系统

技术领域

本发明涉及半导体制造领域，特别涉及一种半导体制造信息的处理方法和处理系统。

背景技术

半导体制造是一种通过光刻、刻蚀、镀膜等诸多制造工艺在晶圆上形成半导体元件的过程。半导体芯片是通过金属线将多个半导体元件相连而构成的。一个半导体芯片的制造，往往需要经过高达几百道的工艺流程，而且整个工艺流程所持续的时间可能高达数个月，因此半导体芯片的制造过程是非常复杂的。

因此半导体制造工厂中往往设置有质量管理部门，通过对半导体制造工厂信息的分析，对半导体制造工厂的运行状况进行分析；并且，根据分析结果调整生产过程和生产工艺，以改善工厂运行状况。

但是随着半导体制造工艺的不断进步，半导体制造工艺的复杂程度越来越高，对工艺质量的要求也随之提高。现有对半导体制造信息的处理方式，难以准确全面的反映半导体制造工厂的运行状况。

发明内容

本发明解决的问题是提供一种半导体制造信息的处理方法和处理系统，提高对半导体制造工厂运行状况分析的准确性和全面性。

为解决上述问题，本发明提供一种半导体制造信息的处理方法，用于对半导体制造工厂进行分析，所述半导体制造工厂包括：生产系统、监测系统、量测系统以及售后系统，所述处理方法包括：

从所述生产系统、监测系统以及量测系统获得质量稽核数据，所述质量稽核数据包括异常操作事件信息；根据所述质量稽核数据，获得生产质量指数，所述生产质量指数用于判断所述半导体制造工厂爆发突发事件的可能；从所述生产系统获得晶圆总量以及与产品相对应的产品晶圆量；从所述量测系统获得与产品相对应的产品合格率；根据所述晶圆总量、所述产品合格率和所述产品晶圆量，获得制程稳定性指数，所述制程稳定性指数用于判断产线的稳定程度；从所述量测系统获得异常事件数；从所述生产系统获得晶圆总产量；根据所述异常事件数和所述晶圆总产量，获得异常发生率指数，所述异常发生率指数用于判断所述半导体制造工厂对异常事件的管控能力；从所述生产系统和所述售后系统获得晶圆总成本和报废成本；根据所述晶圆总成本和所述报废成本，获得报废成本指数，所述报废成本指数用于判断所述半导体制造工厂的成本损失；从所述监测系统获得工程异常报告数以及异常事件侦测记录，所述异常事件侦测记录包括每个工程异常报告的侦测时间和每个工程异常报告的侦测步骤；根据所述工程异常报告数以及所述异常事件侦测记录，获得早期侦测指数，所述早期侦测指数用于判断所述半导体制造工厂对异常事件的早期侦测能力；根据所述生产质量指数、所述制程稳定性指数、所述异常发生率指数、所述报废成本指数和所述早期侦测指数，对半导体制造工厂进行分析。

相应的，本发明还提供一种半导体制造信息的处理系统，用于对半导体制造工厂进行分析，所述半导体制造工厂包括：生产系统、监测系统、量测系统以及售后系统，所述处理系统包括：

生产质量指数模块，与所述生产系统、监测系统以及量测系统相连，用于从所述生产系统、监测系统以及量测系统获得质量稽核数据，所述质量稽核数据包括异常操作事件信息；还用于根据所述质量稽核数据，获得生产质量指数，所述生产质量指数用于判断所述半导体制造工厂爆发突发事件的可能；制程稳定性指数模块，与所述生产系统相连，用于从所述生产系统获得晶圆总量以及与产品相对应的产品晶圆量；还与所述量测系统相连，还用于从所述量测系统获得与产品相对应的产品合格率；所述制程稳定性指数模块还用于根据所述晶圆总量、所述产品合格率和所述产品晶圆量，获得制程稳定性指数，所述制程稳定性指数用于判断产线的稳定程度；异常发生率指数模块，与所述量测系统相连，用于从所述量测系统获得异常事件数；还与所述生产系统相连，用于从所述生产系统获得晶圆总产量；所述异常发生率指数模块还用于根据所述异常事件数和所述晶圆总产量，获得异常发生率指数，所述异常发生率指数用于判断所述半导体制造工厂对异常事件的管控能力；报废成本指数模块，与所述生产系统和所述售后系统相连，用于从所述生产系统和所述售后系统获得晶圆总成本和报废成本；还用于根据所述晶圆总成本和所述报废成本，获得报废成本指数，所述报废成本指数用于判断所述半导体制造工厂的成本损失；早期侦测指数模块，与所述监测系统相连，用于从所述监测系统获得工程异常报告数以及异常事件侦测记录，所述异常事件侦测记录包括每个工程异常报告的侦测时间和每个工程异常报告的侦测步骤；还用于根据所述工程异常报告数以及所述异常事件侦测记录，获得早期侦测指数，所述早期侦测指数用于判断所述半导体制造工厂对异常事件的早期侦测能力；分析模块，用于与所述生产质量指数模块、所述制程稳定性指数模块、所述异常发生率指数模块、所述报废成本指数模块和所述早期侦测指数模块相连，用于根据所述生产质量指数、所述制程稳定性指数、所述异常发生率指数、所述报废成本指数和所述早期侦测指数，对半导体制造工厂进行分析。

与现有技术相比，本发明的技术方案具有以下优点：

本发明技术方案根据半导体制造工厂产生的质量稽核数据、晶圆总量、产品合格率、产品晶圆量、异常事件数、晶圆总产量、晶圆总成本、报废成本、工程异常报告数以及异常事件侦测记录，获得生产质量指数、制程稳定性指数、异常发生率指数、报废成本指数以及早期侦测指数，并根据生产质量指数、制程稳定性指数、异常发生率指数、报废成本指数以及早期侦测指数对半导体制造工厂的运行状况进行分析。本发明技术方案能够较全面的反映半导体制造工厂的运行状况，并能够及时准确的反映半导体制造工厂运行过程中的异常波动，降低了对半导体制造工厂运行状况分析的难度，提高了分析的便捷性；而且所述生产质量指数、所述制程稳定性指数、所述异常发生率指数、所述报废成本指数以及所述早期侦测指数互相联动，能够全面反映异常事件对半导体制造工厂整体运行状况的影响，便于针对性的进行技术改进。

附图说明

图1是本发明半导体制造信息处理方法一实施例的流程示意图；

图2是图1所示实施例中根据所述质量稽核数据，获得生产质量指数步骤的流程示意图；

图3是图1所示实施例中根据所述晶圆总量、所述产品合格率和所述产品晶圆量，获得制程稳定性指数步骤的流程示意图；

图4是图1所示实施例中根据所述异常事件数和所述晶圆总产量，获得异常发生率指数步骤的流程示意图；

图5是图1所示实施例中根据所述晶圆总成本和所述报废成本，获得报废成本指数步骤的流程示意图；

图6是图1所示实施例中根据所述工程异常报告数以及异常事件侦测记录，获得早期侦测指数步骤的流程示意图；

图7是本发明半导体制造信息处理系统一实施例的功能框图；

图8是图7所示实施例中生产质量指数模块的功能框图；

图9是图7所示实施例中制程稳定性指数模块的功能框图；

图10是图7所示实施例中异常发生率指数模块的功能框图；

图11是图7所示实施例中报废成本指数模块的功能框图；

图12是图7所示实施例中所述早期侦测指数模块的功能框图。

具体实施方式

由背景技术可知，现有对半导体制造信息的处理方式，难以准确全面的反映半导体制造工厂的运行状况。现结合现有技术对半导体制造信息的处理方法分析其原因：

现有技术中，半导体制造工厂的质量管理部门根据工厂的半导体制造信息，建立工厂指数报表。工厂或公司的管理者根据工厂指数报表，判断工厂的运行状况。

一般来说，工厂指数报表中质量分析指标包括有：返工率、统计制程控制通过率、定期维护成功率、机台警告率、产线良率以及缺陷率等。工厂指数报表中的质量分析指标是通过对生产数据进行简单处理后获得的。

质量分析指标算法简单，形式单一，而且每个指标之间相互独立，无法全面准确反映半导体制造工厂的运行状况。因此工厂或公司的管理者无法根据工厂指数报表准确判断半导体制造工厂的运行状况，更加无法发现工厂运行问题。

而且工厂指数报表中的质量分析指标是根据半导体制造工厂自己的生产数据直接获得的。因此不同半导体制造工厂之间的质量分析指标无可比性。因此公司管理者无法全面掌控整个公司不同半导体制造工厂的运行状况，无法从宏观上了解整个公司的运行状况。

为解决所述技术问题，本发明提供一种半导体制造信息的处理方法，包括：

从所述生产系统、监测系统以及量测系统获得质量稽核数据，所述质量稽核数据包括异常操作事件信息；根据所述质量稽核数据，获得生产质量指数，所述生产质量指数用于判断所述半导体制造工厂爆发突发事件的可能；从所述生产系统获得晶圆总量以及与产品相对应的产品晶圆量；从所述量测系统获得与产品相对应的产品合格率；根据所述晶圆总量、所述产品合格率和所述产品晶圆量，获得制程稳定性指数，所述制程稳定性指数用于判断产线的稳定程度；从所述量测系统获得异常事件数；从所述生产系统获得晶圆总产量；根据所述异常事件数和所述晶圆总产量，获得异常发生率指数，所述异常发生率指数用于判断所述半导体制造工厂对异常事件的管控能力；从所述生产系统和所述售后系统获得晶圆总成本和报废成本；根据所述晶圆总成本和所述报废成本，获得报废成本指数，所述报废成本指数用于判断所述半导体制造工厂的成本损失；从所述监测系统获得工程异常报告数以及异常事件侦测记录，所述异常事件侦测记录包括每个工程异常报告的侦测时间和每个工程异常报告的侦测步骤；根据所述工程异常报告数以及所述异常事件侦测记录，获得早期侦测指数，所述早期侦测指数用于判断所述半导体制造工厂对异常事件的早期侦测能力；根据所述生产质量指数、所述制程稳定性指数、所述异常发生率指数、所述报废成本指数和所述早期侦测指数，对半导体制造工厂进行分析。

本发明技术方案能够较全面的反映半导体制造工厂的运行状况，并能够及时准确的反映半导体制造工厂运行过程中的异常波动，降低了对半导体制造工厂运行状况分析的难度，提高了分析的便捷性。而且所述生产质量指数、所述制程稳定性指数、所述异常发生率指数、所述报废成本指数以及所述早期侦测指数互相联动，能够全面反映异常事件对半导体制造工厂整体运行状况的影响，便于针对性的进行技术改进。

为使本发明的上述目的、特征和优点能够更为明显易懂，下面结合附图对本发明的具体实施例做详细的说明。

图1至图6，是本发明半导体制造信息处理方法一实施例的流程示意图。

由于半导体芯片的制造是一个非常复杂的过程，而且半导体芯片制造过程具有高投入、高重入性以及超高要求质量控制的特征，因此半导体制造工厂往往规模庞大，结构复杂。

一般来说，半导体制造工厂通常包括生产系统、监测系统、量测系统以及售后系统。

半导体制造工厂内设备众多，同时生产的产品也很多。所以半导体制造工厂通常采用诸如制造执行系统(Manufacture Execution System,MES)一类的生产系统安排并纪录产线中各个设备的运行和各种产品的生产。此外，对于具有测试能力的半导体制造工厂而言，生产系统还用于安排测试设备的运行和对于产品的测试。

半导体芯片制造工艺复杂、繁多，所以在产品的生产过程中，采用各种手段对生产活动进行监测，实时掌握设备以及产品的状况。所述监测系统用于监测并记录产线生产状况、产线的操作情况以及产线上发生的各种正常事件或异常事件等各种事件。

半导体制造工厂通过量测设备对各种产品物理性质(诸如临界尺寸(CriticalDimensio,CD)等)和电学性质(诸如导通电阻等)的量测，从而检验制造工艺流程是否符合质量要求，并监控晶圆生产过程是否正常。所述量测系统，用于安排并纪录各个量测设备等运行以及量测结果的纪录。

半导体制造工厂的产品众多，产量巨大。售后系统用于建立半导体制造工厂所有产品的销售记录以及退货纪录。

所述处理方法从半导体制造工厂的生产系统、监测系统、量测系统以及售后系统获得信息，并进行处理，从而实现对所述半导体制造工厂的运行状况的分析。

需要说明的是，为了及时掌握半导体制造工厂的运行状况，本实施例中，定期处理所述半导体制造工厂的半导体制造信息。所述处理方法还包括：执行步骤S001，设定处理周期。具体的，本实施例中，设定所述处理周期为1个月。

参考图1，示出了本发明半导体制造信息处理方法一实施例的流程示意图。

具体的，参考图1，执行步骤S100，从所述生产系统、监测系统以及量测系统获得质量稽核数据，所述质量稽核数据包括异常操作事件信息；根据所述质量稽核数据，获得生产质量指数，所述生产质量指数用于判断所述半导体制造工厂爆发突发事件的可能。

具体的，获得所述质量稽核数据的步骤包括：在处理周期内进行一次或多次质量稽核，分别获得一组或多组单次质量稽核数据，所述单次质量稽核数据包括：与各质量项目一一对应的单项稽核事件数和生产过程中与质量项目对应进行异常操作的单项异常操作事件数。

需要说明的是，获得质量稽核数据的步骤包括：获得处理周期内的所述质量稽核数据。具体的，本实施例中，获得质量稽核数据的步骤包括：获得1个月内的所述质量稽核数据。

所述质量稽核数据包括一组或多组单次稽核数据，所述单次稽核数据为对半导体制造工厂进行一次质量稽核所获得的质量稽核数据。所述单次稽核数据包括单项稽核事件数和单项异常操作事件数。其中，单项稽核事件数是指一次质量稽核中，对于一项质量项目所核查的事件总数；单项异常操作事件数表示，对于一项质量项目而言，违反质量项目相应质量规则进行操作的事件数。所以对于一项质量项目而言，具有相对应的所述单项稽核事件数和所述单项异常操作事件数。

具体的，根据与生产系统相关的质量项目进行质量稽核，从所述生产系统获得与生产系统相关的单项稽核事件数和单项异常操作事件数；根据与监测系统相关的质量项目进行质量稽核，从所述监测系统获得与监测系统相关的单项稽核事件数和单项异常操作事件数；根据与量测系统相关的质量项目进行质量稽核，从所述量测系统获得与量测系统相关的单项稽核事件数和单项异常操作事件数。

所以质量稽核数据来自于半导体制造工厂的生产系统、监测系统以及量测系统，从而使质量稽核的范围涉及半导体制造的生产环节、监测环节以及量测环节。

此外，为了及时了解半导体制造工厂对质量项目相应质量规则的遵守情况，本实施例中，定期对所述半导体制造工厂进行质量稽核，获得单次稽核数据。

例如：每星期对所述半导体制造工厂进行1次质量稽核，即每星期获得一单次稽核数据；其中，每次质量稽核核查一项和多项质量项目，且每次质量稽核所核查的质量项目不同。

获得质量稽核数据之后，根据所述质量稽核数据，获得生产质量指数。

所述生产质量指数用于分析所述半导体制造工厂运行过程中对质量项目的遵守程度。所以所述生产质量指数用于判断所述半导体制造工厂爆发突发事件的可能，能够反映半导体制造工厂在运行中的异常操作事件，从而能够提前产生预警，防止突发事件的爆发。

所述生产质量指数包括生产质量通过率。

参考图2，示出了图1所示实施例中根据所述质量稽核数据，获得生产质量指数步骤的流程示意图。

具体的，获得所述生产质量指数的步骤包括：执行步骤S110，基于单项异常操作事件数与所述单项稽核事件数的比值，获得与质量项目相对应的单项稽核通过率；对与质量项目相对应的单项稽核通过率进行平均处理，获得与每次质量稽核相对应的单次生产质量通过率；对处理周期内各次质量稽核相对应的单次生产质量通过率进行平均处理，获得生产质量通过率。

首先，基于单项异常操作事件数与所述单项稽核事件数的比值，获得与质量项目相对应的单项稽核通过率。

具体的，根据所述单项稽核事件数(Total items)和所述单项异常操作事件数(Fail items)，获得单项通过事件数。具体的，所述单项通过事件数根据所述单项稽核事件数和所述单项异常操作事件数的差值获得。

获得单项通过事件数之后，根据所述单项通过事件数，结合所述单项稽核事件数，获得所述单项稽核通过率。具体的，根据所述单项通过事件数与所述稽核事件数的比值，获得所述单项稽核通过率(Topic pass ratio，T_PR)：

由于所述单项稽核事件数和所述单项异常操作事件数与所述质量项目相对应，因此所述单项稽核通过率也与所述质量项目相对应。

之后，对与质量项目相对应的单项稽核通过率进行平均处理，获得与每次质量稽核相对应的单次生产质量通过率。

由于所述单项稽核通过率也与所述质量项目相对应，也就是说，每个质量项目具有与之对应的单项稽核通过率。

所以对与质量项目相对应的单项稽核通过率进行平均处理的步骤包括：根据一次质量稽核中所核查质量项目的数量以及与质量项目相对应的单项稽核通过率，获得一次质量稽核中质量项目的平均稽核通过率作为单次生产质量通过率。也就是说，根据所述单项稽核通过率的平均值获得所述单次生产质量通过率(MQI_per)：

MQI_per＝Average(T1_PR、T2_PR…、Tn_PR)

其中，T1_PR表示第1项质量项目的单项稽核通过率；T2_PR表示第2项质量项目的单项稽核通过率；Tn_PR表示第n项质量项目的单项稽核通过率。在该次质量稽核中，对n项质量项目进行了核查。

获得单次生产质量通过率之后，对处理周期内各次质量稽核相对应的单次生产质量通过率进行平均处理，获得生产质量通过率。

由于在处理周期内进行一次或多次质量稽核，每次质量稽核均可获得一个单次生产质量通过率。所以对处理周期内各次质量稽核相对应的单次生产质量通过率进行平均处理的步骤包括：根据一个处理周期内进行质量稽核的次数以及每次质量稽核的单次生产质量通过率，获得一个处理周期内，质量稽核的平均通过率作为生产质量通过率。也就是说，根据所述质量稽核数据中所有所述单次生产质量通过率的平均值获得所述生产质量通过率(MQI)：

MQI＝Average(MQI1_per、MQI2_per…、MQIn_per)

其中，MQI1_per表示第1次质量稽核的所述单次生产质量通过率；MQI2_per表示第2次质量稽核的所述单次生产质量通过率；MQIn_per表示第n次质量稽核的所述单次生产质量通过率。

例如，处理周期为1个月，处理周期中每星期进行1次质量稽核，也就是说，处理周期内进行了4次质量稽核，所以处理周期内能够获得4个单次生产质量通过率：MQI1_per、MQI2_per、MQI3_per和MQI4_per。所以该处理周期内所获的生产质量通过率为：

MQI＝Average(MQI1_per、MQI2_per、MQI3_per、MQI4_per)

本实施例中，所述生产质量指数还包括生产质量评分。获得所述生产质量指数的步骤还包括：执行步骤S120，设置稽核通过率下限和生产质量指数权重因子；根据单次生产质量通过率与所述稽核通过率下限的相对大小，获得单次生产质量通过率余量；根据所述单次生产质量通过率余量和生产质量权重因子的乘积，获得单次稽核评分；基于处理周期内各次质量稽核相对应的单次稽核评分的平均值，获得所述生产质量评分。

首先，设置稽核通过率下限(PR_min)和生产质量指数权重因子(MQI Weight,W_MQI)。

所述稽核通过率下限(PR_min)表示对于单次生产质量通过率的最小容忍值，也就是说，单次生产质量通过率不得低于所述稽核通过率下限。当单次生产质量通过率小于所述稽核通过率下限时，判断该项质量项目的操作存在严重问题，亟待解决。本实施例中，所述稽核通过率下限为0.95。

所述生产质量权重因子(MQI Weight,W_MQI)反映了在对所述半导体制造工厂半导体制造信息的处理过程中，所述半导体制造工厂对各项质量项目遵守程度所占的比重。具体的，根据所述稽核通过率下限，对所述单次稽核评分的满分进行平均处理，设定所述生产质量权重因子。本实施例中，所述稽核通过率下限为0.95，所述单次稽核评分满分为10分，所以设定所述生产质量权重因子为10/(1－0.95)。

之后，根据单次生产质量通过率与所述稽核通过率下限的相对大小，获得单次生产质量通过率余量。具体的，根据所述单次生产质量通过率和所述稽核通过率下限的差值，获得单次生产质量通过率余量。

本实施例中，获得单次生产质量通过率余量的步骤包括：比较所述单次生产质量通过率和所述稽核通过率下限的相对大小，当所述单次生产质量通过率大于所述稽核通过率下限时，根据所述单次生产质量通过率和所述稽核通过率下限的差值，获得所述单次生产质量通过率余量；当所述单次生产质量通过率小于或等于所述稽核通过率下限时，设定所述单次生产质量通过率余量为0。

获得所述单次生产质量通过率余量之后，根据所述单次生产质量通过率余量和生产质量权重因子的乘积，获得单次稽核评分(Topic score,T_S)：

T_S＝(MQI_per-PR_min)×W_MQI

具体的，所述稽核通过率下限为0.95，所述生产质量权重为10/0.05。所以所述单次稽核评分为：

获得所述单次稽核评分后，基于处理周期内各次质量稽核相对应的单次稽核评分的平均值，获得所述生产质量评分。

由于在处理周期内进行一次或多次质量稽核，每次质量稽核均可获得一个单次生产质量通过率，因此每次质量稽核均可获得一个单次稽核评分。

所以，获得所述生产质量评分的步骤包括：根据一个处理周期内进行质量稽核的次数以及每次质量稽核的单次稽核评分，获得一个处理周期内，单次稽核评分的平均值，作为生产质量评分。也就是说，所述生产质量评分(MQI Score，MQI_S)根据所述质量稽核数据中所有所述单次稽核评分的平均值，获得所述生产质量评分(MQI Score，MQI_S)：

MQI_S＝Average(T1_S、T2_S…、Tn_S)

其中，T1_S表示第1次质量稽核的所述单次稽核评分；T2_S表示第2次质量稽核的所述单次稽核评分；Tn_S表示第n次质量稽核的所述单次稽核评分。

例如，处理周期为1个月，处理周期中每星期进行1次质量稽核，也就是说，处理周期内进行了4次质量稽核，所以处理周期内能够获得4个单次稽核评分：T1_S、T2_S、T3_S和T4_S。所以该处理周期内所获的生产质量评分为：

MQI＝Average(T1_S、T2_S、T3_S、T4_S)

需要说明的是，所述稽核通过率下限可以根据所述半导体制造工厂的具体情况进行动态调整，以适应所述半导体制造工厂的实际运行状况。本实施例中，根据所述半导体制造工厂的运行情况，所述稽核通过率下限逐年上升1％，以促使所述半导体制造工厂不断提高对各项质量项目的遵守程度，提高所述半导体制造工厂的运行稳定性。

继续参考图1，执行步骤S200，从所述生产系统获得晶圆总量以及与产品相对应的产品晶圆量；从所述量测系统获得与产品相对应的产品合格率；根据所述晶圆总量、所述产品合格率和所述产品晶圆量，获得制程稳定性指数，所述制程稳定性指数用于判断产线的稳定程度。

需要说明的是，半导体制造工厂在研发新的产品时，会在研发设计完成之后需要制造一定数量的试制品。半导体制造工厂的产线不仅用于制造成熟的产品，也用于制造试制品。也就是说，半导体制造工厂产线上在制品可能是产品也有可能是试制品。

所以，从所述生产系统获得晶圆总量以及与产品相对应的产品晶圆量的步骤包括：首先，从所述生产系统获得在线晶圆总量、下线晶圆总量、在线在制品名称、下线在制品名称、在线在制品晶圆量以及下线在制品晶圆量。

之后，基于在线在制品晶圆量与预设的产品最小在线量的相对大小，或者，基于下线在制品晶圆量与预设的产品最小下线量的相对大小，判断所述在制品是否为产品。

具体的，比较所述在线在制品晶圆量与预设的产品最小在线量的相对大小，当所述在线在制品晶圆量大于所述产品最小在线量时，判断所述在制品为在线产品；比较所述下线在制品晶圆量与预设的产品最小下线量的相对大小，当所述下线在制品晶圆量大于所述产品最小下线量时，判断所述在制品为下线产品。

在判断在制品为产品时，根据在线在制品名称、下线在制品名称、在线在制品晶圆量以及下线在制品晶圆量分别获得在线产品名称、下线产品名称、在线产品晶圆量以及下线产品晶圆量；在判断在制品不为产品时，根据在线在制品之外的在线晶圆名称获得在线产品名称，根据下线在制品之外的下线晶圆名称获得下线产品名称；根据所述在线晶圆总量和所述在线在制品晶圆量的差值，获得在线产品晶圆量；根据所述下线晶圆总量和所述下线在制品晶圆量的差值，获得下线产品晶圆量；

通过所述产品最小在线量和所述产品最小下线量的设定，实现了半导体制造工厂的试制品与产品的区分，进而在对所述半导体制造工厂半导体制造信息的处理过程中，排除了试制品对产线稳定性的干扰，有利于提高分析的准确性。

量测设备通过对在制品进行物理性质或电学性质的量测，根据量测结果，获得与在制品名称相对应的合格率。所以从所述量测系统获得与产品相对应的产品合格率的步骤包括：从所述量测系统获得与所述在线产品名称相对应的在线产品合格率以及与下线产品名称相对应的下线产品合格率。

所述在线产品合格率(Prod Inline SPC ratio,P_SRinline)是指根据物理量测结果所获得的物理工艺能力指数大于预设标准的在线晶圆百分比。其中所述物理量测结果是指对在线晶圆进行厚度量测(Thickness Metrology)、关键尺寸量测(CriticalDimension Measurement)以及对准量测(Overlay Measurement)等物理量量测所获得的量测结果。

所述下线产品合格率(WAT SPC ratio,P_SRwat)是指根据性能量测结果所获得的性能工艺能力指数大于预设标准的下线晶圆百分比。所述性能量测结果是指对下线晶圆进行电学性能、光学性能等性能量测所获得的量测结果。

具体的，本实施例中，所述在线产品合格率是指物理工艺能力指数大于1.33的在线晶圆百分比；所述下线产品合格率是指性能工艺能力指数大于1.33的下线晶圆百分比。

之后，根据所述晶圆总量、所述产品合格率和所述产品晶圆量，获得制程稳定性指数。

所述制程稳定性指数用于判断所述半导体制造工厂产线的稳定程度。所述制程稳定性指数是通过统计制程控制(Statistical Process Control,SPC)的方法分析产线的工艺稳定程度。

所述制程稳定性指数包括：在线统计合格率和下线统计合格率。

所以获得制程稳定性指数的步骤包括：根据所述在线产品合格率、所述在线产品晶圆量以及所述在线晶圆总量，获得所述在线统计合格率；根据所述下线产品合格率、所述下线产品晶圆量以及所述下线晶圆总量，获得所述下线统计合格率。

具体的，参考图3，示出了图1所示实施例中，根据所述晶圆总量、所述产品合格率和所述产品晶圆量，获得制程稳定性指数步骤的流程示意图。

获得制程稳定性指数的步骤包括：

执行步骤S210，根据所述在线产品合格率、所述在线产品晶圆量以及所述在线晶圆总量，获得所述在线统计合格率；根据所述下线产品合格率、所述下线产品晶圆量以及所述下线晶圆总量，获得所述下线统计合格率。

具体的，首先根据所述在线产品合格率与所述在线产品晶圆量，获得在线产品合格量；根据所述下线产品合格率与所述下线产品晶圆量，获得下线产品合格量。本实施例中，所述在线产品合格量根据所述在线产品合格率与所述在线产品晶圆量的乘积获得；所述下线产品合格量根据所述下线产品合格率与所述下线产品晶圆量的乘积获得。

之后，根据所有产品的所述在线产品合格量，结合所述在线晶圆总量，获得所述在线统计合格率；根据所有产品的所述下线产品合格量，结合所述下线晶圆总量，获得所述下线统计合格率。

本实施例中，所述在线统计合格率(inline SPC Achieve Rate，SPC_AR_inline)根据所有产品的在线产品合格量的总和与所述在线晶圆总量的比值获得：

其中，P1_SR_inline表示产品1的在线产品合格率，P1_WIP_inline表示产品1的在线产品晶圆量；Pn_SR_inline表示产品n的在线产品合格率，Pn_WIP_inline表示产品n的在线产品晶圆量。本实施例中，半导体制造工厂产线上生产产品的种类为n种。

所述下线统计合格率(WAT SPC Achieve Rate，SPC_AR_wat)根据所有产品的下线产品合格量的总和与所述下线晶圆总量的比值获得：

其中，P1_SR_wat表示产品1的下线产品合格率，P1_WIP_wat表示产品1的下线产品晶圆量；Pn_SR_wat表示产品n的下线产品合格率，Pn_WIP_wat表示产品n的下线产品晶圆量。本实施例中，半导体制造工厂产线下线产品的种类为n种。

为了简化分析过程，降低分析难度，所述制程稳定性指数还包括制程稳定评分。

获得制程稳定性指数的步骤还包括：执行步骤S220，设置在线合格率下限和在线产品权重因子；根据所述在线产品合格率和所述在线合格率下限，获得在线产品合格率余量；根据所述在线产品合格率余量与所述在线产品晶圆量的乘积，获得所述在线产品合格余量；根据所述在线产品合格余量，结合所述在线统计权重因子，获得产品在线统计评分；根据与各在线产品名称相对应的所述产品在线统计评分，结合所述在线晶圆总量，获得在线统计评分。

具体的，首先设置在线合格率下限(min_inline)和在线产品权重因子(PQI Weight,W_PQI_inline)。

所述在线合格率下限(min_inline)表示对在线产品合格率的最小容忍值，也就是说，所述在线产品合格率余量不得低于所述在线合格率下限。当所述在线产品合格率余量低于所述在线合格率下限时，判断该产品工艺稳定性存在严重不足。本实施例中，所述在线合格率下限为0.9。

所述在线产品权重因子(PQI Weight,W_PQI_inline)反映了在对所述半导体制造工厂半导体制造信息的处理过程中，所述在线产品合格程度所占的比重。具体的，根据所述在线合格率下限，对所述产品在线统计评分的满分进行平均处理，设定所述在线产品权重因子。本实施例中，所述在线合格率下限min_inline为0.9，所述产品在线统计评分满分为10分，所以设定所述在线产品权重因子为10/(1－0.9)。

之后，根据所述在线产品合格率和所述在线合格率下限，获得在线产品合格率余量。具体的，根据所述在线产品合格率和所述在线合格率下限的差值获得所述在线产品合格率余量。

本实施例中，获得所述在线产品合格率余量的步骤包括：比较所述在线产品合格率和所述在线合格率下限的相对大小。当所述在线产品合格率大于所述在线合格率下限时，根据所述在线合格率和所述在线合格率下限的差值，获得所述在线产品合格率余量；当所述在线产品合格率小于或等于所述在线合格率下限时，设定所述在线产品合格率余量为0。

获得所述在线产品合格率余量之后，根据所述在线产品合格率余量与所述在线产品晶圆量的乘积，获得所述在线产品合格余量。具体的，所述在线产品合格余量根据所述在线产品合格率余量与所述在线产品晶圆量的乘积获得。

之后，根据所述在线产品合格余量，结合所述在线统计权重因子，获得产品在线统计评分。所述产品在线统计评分(Prod PQI Score,P_PQI_S_inline)根据所述在线产品合格余量与所述在线统计权重因子的乘积获得：

P_PQI_S_inline＝(P_SR_inline-min_inline)×P_WIP_inline×W_PQI_inline

具体的，所述在线合格率下限min_inline为0.9，所述在线产品权重因子为10/0.1，所以所述产品在线统计评分为：

需要说明的是，由于所述在线产品合格率与产品名称相对应，因此所获得的所述在线产品合格率余量、所述在线产品合格余量以及所述产品在线统计评分均与产品名称相对应。

所以，之后，根据与各在线产品名称相对应的所述产品在线统计评分，结合所述在线晶圆总量，获得在线统计评分。

具体的，所述在线统计评分(inline PQI Score,PQI_S_inline)根据所有产品所述产品在线统计评分的总和与所述在线晶圆总量的比值获得：

其中，P1_PQI_S_inline表示产品1的所述产品在线统计评分；所述Pn_PQI_S_inline表示产品n的所述产品在线统计评分。本实施例中，半导体制造工厂产线上生产产品的种类为n种。

获得制程稳定性指数的步骤还包括：执行步骤S230，设置下线合格率下限和下线产品权重因子；根据所述下线产品合格率和所述下线合格率下限，获得下线产品合格率余量；根据所述下线产品合格率余量与所述下线产品晶圆量的乘积，获得所述下线产品合格余量；根据所述下线产品合格余量，结合所述下线统计权重因子，获得产品下线统计评分；根据与各下线产品名称产品相对应的所述产品下线统计评分，结合所述下线晶圆总量，获得下线统计评分。

具体的，首先，设置下线合格率下限和下线产品权重因子。

所述下线合格率下限(min_wat)表示对下线产品合格率低最小容忍值，也就是说，所述下线产品合格率余量不得低于所述下线合格率下限。当所述下线产品合格率余量低于所述下线合格率下限时，判断该产品工艺稳定性存在严重不足。本实施例中，所述下线合格率下限min_wat为0.92。

所述下线产品权重因子(PQI Weight,W_PQI_wat)反映了在对所述半导体制造工厂半导体制造信息的处理过程中，所述下线产品合格程度所占的比重。具体的，根据所述下线合格率下限，对所述产品在线统计评分的满分进行平均处理，设定所述下线产品权重因子。本实施例中，所述下线合格率下限min_wat为0.92，所述产品在线统计评分满分为10分，所以设定所述下线产品权重因子为10/(1－0.92)。

之后，根据所述下线产品合格率和所述下线合格率下限，获得下线产品合格率余量。具体的，根据所述下线产品合格率和所述下线合格率下限的差值获得所述下线产品合格率余量。

本实施例中，获得所述下线产品合格率余量的步骤包括：比较所述下线产品合格率和所述下线合格率下限的相对大小。当所述下线产品合格率大于所述下线合格率下限时，根据所述下线合格率和所述下线合格率下限的差值，获得所述下线产品合格率余量；当所述下线产品合格率小于或等于所述下线合格率下限时，设定所述下线产品合格率余量为0。

获得所述下线产品合格率余量之后，根据所述下线产品合格率余量与所述下线产品晶圆量的乘积，获得所述下线产品合格余量。具体的，所述下线产品合格余量根据所述下线产品合格率余量与所述下线产品晶圆量的乘积获得。

之后，根据所述下线产品合格余量，结合所述下线统计权重因子，获得产品下线统计评分。

所述产品下线统计评分(Prod PQI Score,P_PQI_S_wat)根据所述下线产品合格余量与所述下线统计权重因子的乘积获得：

P_PQI_S_wat＝(P_SR_wat-min_wat)×P_WIP_wat×W_PQI_wat

具体的，所述在线合格率下限min_wat为0.92，所述在线产品权重因子为10/0.08，所以所述产品在线统计评分为：

需要说明的是，由于所述在线产品合格率与产品名称相对应，因此所获得的所述在线产品合格率余量、所述在线产品合格余量以及所述产品在线统计评分均与产品名称相对应。

所以，之后根据与各下线产品名称产品相对应的所述产品下线统计评分，结合所述下线晶圆总量，获得下线统计评分。

具体的，所述下线统计评分(WAT PQI Score,PQI_Swat)根据所有产品所述产品下线统计评分的总和与所述下线晶圆总量的比值获得：

其中，P1_PQI_S_wat表示产品1的所述产品下线统计评分；所述Pn_PQI_S_wat表示产品n的所述产品下线统计评分。本实施例中，半导体制造工厂产线下线产品的种类为n种。

之后，执行步骤S240，根据所述在线统计评分和所述下线统计评分的和，获得所述制程稳定评分。

具体的，根据所述在线统计评分和所述下线统计评分的和，获得所述制程稳定评分(PQI Score)：

PQI Score＝PQI_S_inline+PQI_S_wat

继续参考图1，执行步骤S300，从所述量测系统获得异常事件数；从所述生产系统获得晶圆总产量；根据所述异常事件数和所述晶圆总产量，获得异常发生率指数，所述异常发生率指数用于判断所述半导体制造工厂对异常事件的管控能力。

半导体制造工厂在生产过程会发生各种异常事件。不同的异常事件对半导体制造工厂产品的质量产生不同的影响。通过对半导体制造工厂内所发生异常事件的种类以及数量进行分析，能够判断半导体制造工厂对不同异常事件的管控能力。

根据对产品质量影响的轻重，异常事件可以分为工艺偏移事件(Excursion case，Ex case)、工程异常报告事件(Engineering Abnormal Report case，EAR case)以及工艺遗漏事件(Miss Operation case,MO case)。

半导体制造工厂的量测系统，能够记录所述半导体制造工厂运行过程中所发生的各种异常事件，获得工艺偏移事件数、工程异常报告事件数和工艺遗漏事件数以及晶圆总产量的步骤包括：从所述半导体制造工厂的量测系统获得所述工艺偏移事件数、所述工程异常报告事件数和所述工艺遗漏事件数以及所述晶圆总产量。

需要说明的是，不同半导体制造工厂产线的工艺能力并不相同，产品的复杂程度也不相同。随着产品复杂程度的增大，产线工艺能力的增强，产线发生异常事件的风险随之增大，相应的半导体制造工厂对异常事件的管控难度也随之增大。例如：第一半导体制造工厂的产品复杂程度和产线工艺能力高于第二半导体制造工厂，因此第一半导体制造工厂异常事件的管控难度要高于第二半导体制造工厂。

为了实现不同半导体制造工厂之间的比较，本实施例中，从所述量测系统获得异常事件数的步骤包括：从一个或多个半导体制造工厂的量测系统分别获得一组或多组异常事件数据，所述异常事件数据包括：与半导体制造工厂一一对应的工厂工艺偏移事件数、与半导体制造工厂一一对应的工厂工程异常报告事件数和与半导体制造工厂一一对应的工厂工艺遗漏事件数。

之后，基于所述工厂工艺偏移事件数、所述工厂工程异常报告事件数以及所述工厂工艺遗漏事件数，结合预设的工厂转换因子(σ_fab)，获得工艺偏移事件数、工程异常报告事件数和工艺遗漏事件数。

具体的，获得所述工艺偏移事件数的步骤中，根据所述工厂工艺偏移事件数与所述工厂工艺转换因子的比值，获得所述工艺偏移事件数；获得所述工程异常报告事件数的步骤中，根据所述工厂工程异常报告事件数与所述工厂工艺转换因子的比值，获得所述工程异常报告事件数；获得所述工艺遗漏事件数的步骤中，根据所述工厂工艺遗漏事件数与所述工厂工艺转换因子的比值，获得所述工艺遗漏事件数。

工厂工艺转换因子的设置能够统一异常事件管控能力的衡量标准，从而使具有不同工艺能力的半导体制造工厂之间具有可比性，进而有利于实现了不同半导体制造工厂管控能力的比较。

例如：第一半导体制造工厂的产品复杂程度和产线工艺能力高于第二半导体制造工厂，因此，第一半导体制造工厂的工厂工艺转换因子为1.15；第二半导体制造工厂的工厂工艺转换因子为1。

之后，根据所述异常事件数和所述晶圆总产量，获得异常发生率指数。

所述异常发生率指数包括：工艺偏移发生率、工程异常报告发生率和工艺遗漏发生率。

所以，获得异常发生率指数的步骤包括：根据所述工艺偏移事件数和所述晶圆总产量，获得所述工艺偏移发生率；根据所述工程异常报告事件数和所述晶圆总产量，获得所述工程异常报告发生率；根据所述工艺遗漏事件数和所述晶圆总产量，获得所述工艺遗漏发生率。

所以参考图4，示出了图1所示实施例中，根据所述异常事件数和所述晶圆总产量，获得异常发生率指数步骤的流程示意图。

具体的，获得异常发生率指数的步骤包括：执行步骤S310，根据所述工艺偏移事件数和所述晶圆总产量，获得所述工艺偏移发生率；根据所述工程异常报告事件数和所述晶圆总产量，获得所述工程异常报告发生率；根据所述工艺遗漏事件数和所述晶圆总产量，获得所述工艺遗漏发生率。

根据所述工艺偏移事件数和所述晶圆总产量，获得所述工艺偏移发生率。具体的，所述工艺偏移发生率(Excursion case rate,Ex_CA)根据所述工艺偏移事件数和所述晶圆总产量的比值获得。

本实施例中，所述工艺偏移发生率为万片工艺偏移发生率，即每产出万片晶圆，工艺偏移事件发生的百分比。所以获得所述工艺偏移发生率的步骤包括获得万片工艺偏移发生率：

其中，Ex_CC表示与所述半导体制造工厂相对应的工厂工艺偏移事件数。

所以，第一半导体制造工厂的工艺偏移发生率(FAB1Excursion case rate,Ex_CA₁)表示为：

第二半导体制造工厂的工艺偏移发生率(FAB2Excursion case rate,Ex_CA₂)表示为：

其中，Ex_CC₁表示第一半导体制造工厂的工艺偏移事件数；Ex_CC₂表示为第二半导体制造工厂的工艺偏移事件数。

根据所述工程异常报告事件数和所述晶圆总产量，获得所述工程异常报告发生率。

具体的，所述工程异常报告发生率(Engineering Abnormal Report case rate,EAR_CA)根据所述工程异常报告事件数和所述晶圆总产量的比值获得。

本实施例中，所述工程异常报告发生率为万片工程异常报告发生率，即每产出万片晶圆，工程异常报告事件发生的百分比。所以获得所述工程异常报告发生率的步骤包括获得万片工程异常报告发生率：

其中，EAR_CC表示与所述半导体制造工厂相对应的工厂工程异常报告事件数。

所以，第一半导体制造工厂的工程异常报告发生率(FAB1Engineering AbnormalReport case rate,EAR_CA₁)表示为：

第二半导体制造工厂的工程异常报告发生率(FAB2Engineering AbnormalReport case rate,EAR_CA₂)表示为：

其中，EAR_CC₁表示为第一半导体制造工厂的工程异常报告事件数；EAR_CC₂表示为第二半导体制造工厂的工程异常报告事件数。

根据所述工艺遗漏事件数和所述晶圆总产量，获得所述工艺遗漏发生率。

具体的，所述工艺遗漏发生率(Miss Operation case rate,MO_CA)根据所述工艺遗漏事件数和所述晶圆总产量的比值获得。

本实施例中，所述工艺遗漏发生率为万片工艺遗漏发生率，即每产出万片晶圆，工艺遗漏事件发生的百分比。所以获得所述工艺遗漏发生率的步骤包括：获得所述万片工艺遗漏发生率：

其中，MO_CC表示与所述半导体制造工厂相对应的工厂工艺遗漏事件数。

所以，第一半导体制造工厂的工艺遗漏发生率(FAB1Miss Operation case rate，MO_CA₁)表示为：

第二半导体制造工厂的工艺遗漏发生率(FAB2Miss Operation case rate,MO_CA₂)表示为：

其中，MO_CC₁表示为第一半导体制造工厂的工艺遗漏事件数；MO_CC₂表示为第二半导体制造工厂的工艺遗漏事件数。

为了简化分析方法，降低分析难度，所述异常发生率指数还包括：异常管控评分，所以获得所述异常发生率指数的步骤还包括：行步骤S320，设置工艺偏移上限和工艺偏移管控权重因子；根据所述工艺偏移发生率和所述工艺偏移上限，获得工艺偏移余量；根据所述工艺偏移余量和所述工艺偏移管控权重因子的乘积，获得所述工艺偏移管控评分。

首先，设置工艺偏移上限(Ex_max)和工艺偏移管控权重因子(Excursion Weight,W_Ex)。

所述工艺偏移上限(Ex_max)表示对工艺偏移事件发生率的最大容忍值，也就是说，所述工艺偏移发生率不得高于所述工艺偏移上限。当所述工艺偏移发生率高于所述工艺偏移上限时，判断所述半导体制造工厂对工艺偏移事件的管控能力存在严重不足。本实施例中，所述工艺偏移上限为1.5。

所述工艺偏移管控权重因子(Excursion Weight,W_Ex)反映了在对所述半导体制造工厂半导体制造信息的处理过程中，所述工艺偏移事件管控能力所占比重。具体的，根据所述工艺偏移上限，对所述工艺偏移管控评分的满分进行平均处理，设定所述工艺偏移管控权重因子。本实施例中，所述工艺偏移上限为1.5，所述工艺偏移管控评分满分为15分，所以设定工艺偏移管控权重因子为15/1.5。

之后，根据所述工艺偏移发生率和所述工艺偏移上限，获得工艺偏移余量。具体的，根据所述工艺偏移上限和所述工艺偏移发生率的差异获得所述工艺偏移余量。

本实施例中，获得所述工艺偏移余量的步骤包括：比较所述工艺偏移上限和所述工艺偏移发生率的相对大小。当所述工艺偏移上限大于所述工艺偏移发生率时，根据所述工艺偏移上限和所述工艺偏移发生率的差，获得所述工艺偏移余量；当所述工艺偏移上限小于所述工艺偏移发生率时，设定所述工艺偏移余量为0。

获得所述工艺偏移余量之后，根据所述工艺偏移余量和所述工艺偏移管控权重因子的乘积，获得所述工艺偏移管控评分(Excursion case score,Ex_CS)：

Ex_CS＝(Ex_max-Ex_CA)×W_Ex

本实施例中，所述工艺偏移上限为1.5，所述工艺偏移管控权重因子为15/1.5，所以获得所述工艺偏移管控评分为：

执行步骤S330，设置工程异常报告上限和工程异常报告管控权重因子；根据所述工程异常报告发生率和所述工程异常报告上限，获得工程异常报告余量；根据所述工程异常报告余量和所述工程异常报告管控权重因子的乘积，获得所述工程异常报告管控评分。

设置工程异常报告上限(EAR_max)和工程异常报告管控权重因子(EngineeringAbnormal Report Weight,W_EAR)。

所述工程异常报告上限(EAR_max)表示对工程异常报告发生率的最大容忍值，也就是说所述工程异常报告发生率不得高于所述工程异常报告上限。当所述工程异常报告发生率高于所述工程异常报告上限时，判断所述半导体制造工厂对工程异常报告事件的管控能力存在严重不足。本实施例中，所述工程异常报告上限为5。

所述工程异常报告管控权重因子(Excursion Weight,W_Ex)反映了在对所述半导体制造工厂半导体制造信息的处理过程中，对所述工程异常报告事件管控能力所占比重。具体的，根据所述工程异常报告上限，对工程异常报告管控评分的满分进行平均处理，设定所述工程异常报告管控权重因子。本实施例中，所述工程异常报告上限为5，所述工程异常报告管控评分满分为10分，所以设定工程异常报告管控权重因子为10/5。

之后，根据所述工程异常报告发生率和所述工程异常报告上限，获得工程异常报告余量。具体的，根据所述工程异常报告上限和所述工程异常报告发生率的差异获得所述工程异常报告余量。

本实施例中，获得所述工程异常报告余量的步骤包括：比较所述工程异常报告上限和所述工程异常报告发生率的相对大小。当所述工程异常报告上限大于所述工程异常报告发生率时，根据所述工程异常报告上限和所述工程异常报告发生率的差，获得所述工程异常报告余量；当所述工程异常报告上限小于所述工程异常报告发生率时，所述工程异常报告余量为0。

获得所述工程异常报告余量之后，根据所述工程异常报告余量和所述工程异常报告管控权重因子的乘积，获得所述工程异常报告管控评分(Engineering Abnormal Reportcase score,EAR_CS)：

EAR_CS＝(EAR_max-EAR_CA)×W_EAR

具体的，本实施例中，所述工程异常报告上限为5，所述工程异常报告管控权重因子为10/5，所以获得所述工程异常报告管控评分为：

执行步骤S340，设置工艺遗漏上限和工艺遗漏管控权重因子；根据所述工艺遗漏发生率和所述工艺遗漏上限，获得工艺遗漏余量；根据所述工艺遗漏余量和所述工艺遗漏管控权重因子的乘积，获得所述工艺遗漏管控评分。

设置工艺遗漏上限(MO_max)和工艺遗漏管控权重因子(Miss Operation Weight,W_MO)。

所述工艺遗漏上限(MO_max)表示对工艺遗漏发生率的最大容忍值，也就是说所述工艺遗漏发生率不得高于所述工艺遗漏上限。当所述工艺遗漏发生率高于所述工艺遗漏上限时，判断所述半导体制造工厂对工程异常报告事件的管控能力存在严重不足。本实施例中，所述工程异常报告上限为5。

所述工艺遗漏管控权重因子(Miss Operation Weight,W_MO)反映了在对所述半导体制造工厂半导体制造信息的处理过程中，对所述工艺遗漏事件管控能力所占比重。具体的，根据所述工艺遗漏上限，对所述工艺遗漏管控评分的满分进行平均处理，设定所述工艺遗漏管控权重因子。本实施例中，所述工艺遗漏上限为1.5，所述工艺遗漏管控评分满分为5分，所以设定工艺遗漏管控权重因子为5/1.5。

之后，根据所述工艺遗漏发生率和所述工艺遗漏上限，获得工艺遗漏余量。具体的，所述工艺遗漏余量根据所述工艺遗漏上限和所述工艺遗漏发生率的差异获得。

获得所述工艺遗漏余量的步骤包括：比较所述工艺遗漏上限和所述工艺遗漏发生率的相对大小。当所述工艺遗漏上限大于所述工艺遗漏发生率时，根据所述工艺遗漏上限和所述工艺遗漏发生率的差，获得所述工艺遗漏余量；当所述工艺遗漏上限小于所述工艺遗漏发生率时，设定所述工艺遗漏余量为0。

获得工艺遗漏余量之后，根据所述工艺遗漏余量和所述工艺遗漏管控权重因子的乘积，获得所述工艺遗漏管控评分(Miss Operation case score,MO_CS)：

MO_CS＝(MO_max-MO_CA)×W_MO

具体的，本实施例中，所述工艺遗漏上限为1.5，工艺遗漏管控权重因子为5/1.5，所以获得所述工艺遗漏管控评分为：

需要说明的是，为了促使半导体代工厂不断提高对异常事件的管控能力，改善薄弱环节，根据指数的变化趋势，动态调整相应的上限和权重因子，以突显半导体制造工厂在异常事件管控能力上的薄弱环节，从而促使所述半导体制造工厂在相应环节做出改善。

具体的，本实施例中，当连续3个月指数出现下降时，在获得各项异常事件管控评分的过程中，通过降低上限值或者增加权重因子值，以凸显半导体制造工厂的薄弱环节。

例如，当连续3个月的工艺偏移管控评分均下降时，说明半导体制造工厂在对于工艺偏移事件的管控上存在较大问题。所以在获得所述工艺偏移管控评分时，减小所述工艺偏移上限的预设值或者增大所述工艺偏移管控权重因子的预设值，从而放大半导体制造工厂在对于工艺偏移事件管控上的问题，进而促使半导体制造工厂尽快做出改善。

在获得所述工艺偏移指数、所述工程异常报告指数以及所述工艺遗漏指数之后，执行步骤S350，根据所述工艺偏移管控评分、所述工程异常报告管控评分和所述工艺遗漏管控评分的和，获得所述异常管控评分(EI Score)：

EI Score＝Ex_CS+EAR_CS+MO_CS

继续参考图1，执行步骤400，从所述生产系统和所述售后系统获得晶圆总成本和报废成本；根据所述晶圆总成本和所述报废成本，获得报废成本指数，所述报废成本指数用于判断所述半导体制造工厂的成本损失。

根据半导体制造工厂报废晶圆的来源，报废晶圆可以分为产线报废晶圆、测试报废晶圆以及退货报废晶圆。其中，产线报废晶圆为由于产线工艺而造成的报废晶圆；测试报废晶圆为未通过晶圆测试的晶圆；退货报废晶圆为客户退货的晶圆。

所以获得晶圆总成本和报废成本的步骤包括：

从所述生产系统获得晶圆总产量和产线报废晶圆量；根据所述晶圆总产量和所述产线报废晶圆量，结合预设的线上晶圆成本因子，获得所述晶圆总成本和产线报废成本。其中，线上晶圆成本因子用于反映每片晶圆在生产阶段的平均成本。

具体的，根据所述晶圆总产量(Total wafer out count,TWOC)和所述线上晶圆成本因子(FAB cost,Fab_C)的乘积获得所述晶圆总成本(FAB Total cost,Fab_TC)；根据所述产线报废晶圆量(FAB scrap count,Fab_SCu)和所述线上晶圆成本因子的乘积获得所述产线报废成本(FAB scrap cost,Fab_SC)：

Fab_TC＝TWOC×Fab_C

Fab_SC＝Fab_SCu×Fab_C

从所述生产系统和所述售后系统获得测试报废晶圆量；根据所述测试报废晶圆量，结合预设的测试晶圆成本因子，获得测试报废成本。其中，测试晶圆成本因子用于反映每片晶圆在测试时的平均成本。需要说明的是，当半导体制造工厂包括测试设备时，所述测试报废晶圆量包括半导体制造工厂测试报废晶圆量和测试厂商报废晶圆量。

具体的，根据所述测试报废晶圆量(Testing scrap count,T_SCu)和所述测试晶圆成本因子(Testing cost,T_C)的乘积获得所述测试报废成本(Testing scrap cost,T_SC)：

T_SC＝T_SCu×T_C

从所述售后系统获得退货报废晶圆量；根据所述退货报废晶圆量，结合预设的晶圆销售成本因子，获得退货报废成本。其中，晶圆销售成本因子用于反映每片晶圆在销售时的平均成本。

具体的，根据所述退货报废晶圆量(Customer return material advice count,RMA_Cu)和所述晶圆销售成本因子(Wafer cost of sale,CoS)的乘积获得所述退货报废成本(Customer return material advice cost,RMA_SC)：

RMA_SC＝RMA_Cu×CoS

之后，根据所述晶圆总成本和所述报废成本，获得报废成本指数。

所述报废成本指数用于判断所述半导体制造工厂的成本损失。所述报废成本指数是通过将报废晶圆的成本平摊至每一片晶圆上而获得的。因此所述报废成本指数反映了每片晶圆的销售所得中用于弥补报废晶圆成本的损失。

所述报废成本指数包括：产线损失成本率、测试损失成本率、退货损失成本率和报废成本率。

所以，根据所述晶圆总成本和所述报废成本，获得报废成本指数的步骤包括：根据所述产线报废成本和所述晶圆总成本，获得所述产线损失成本率；根据所述测试报废成本和所述晶圆总成本，获得所述测试损失成本率；根据所述退货报废成本和所述晶圆总成本，获得所述退货损失成本率；根据所述产线损失成本率、所述测试损失成本率和所述退货损失成本率，获得所述报废成本率。

所以参考图5，示出了图1所示实施例中，根据所述晶圆总成本和所述报废成本，获得报废成本指数步骤的流程示意图。

执行步骤S410，根据所述产线报废成本和所述晶圆总成本，获得所述产线损失成本率；根据所述测试报废成本和所述晶圆总成本，获得所述测试损失成本率；根据所述退货报废成本和所述晶圆总成本，获得所述退货损失成本率；根据所述产线损失成本率、所述测试损失成本率和所述退货损失成本率，获得所述报废成本率。

根据所述产线报废成本和所述晶圆总成本，获得所述产线损失成本率。具体的，根据所述产线报废成本和所述晶圆总成本的比值获得所述产线损失成本率(FAB scrap costrate,Fab_SCR)：

根据所述测试报废成本和所述晶圆总成本，获得所述测试损失成本率。具体的，根据所述测试报废成本和所述晶圆总成本的比值获得所述测试损失成本率(Testing scrapcost rate,T_SCR)：

根据所述退货报废成本和所述晶圆总成本，获得所述退货损失成本率。具体的，根据所述退货报废成本和所述晶圆总成本的比值获得所述退货损失成本率(Customerreturn material advice count,RMA_SCR)：

根据所述产线损失成本率、所述测试损失成本率和所述退货损失成本率，获得所述报废成本率。

需要说明的是，线上晶圆成本因子、所述测试晶圆成本因子以及所述晶圆销售成本因子表示不同报废方式晶圆的平均成本。不同半导体制造工厂、不同报废方式，不同产品的报废所造成的成本损失并不相同。产品复杂程度越大，制造成本越高；报废晶圆的来源离销售终端越近，造成的成本损失越高。所以可以根据不同半导体制造工厂的具体情况，设定所述线上晶圆成本因子、所述测试晶圆成本因子以及所述晶圆销售成本因子。所以利用成本损失率可以规避不同产品不同售价所引起的繁杂统计工作，实现不同半导体制造工厂之间的比较。

本实施例中，对于第一半导体制造工厂，设定所述线上晶圆成本因子为1400；设定所述测试晶圆成本因子为1430；设定所述晶圆销售成本因子为1430。所以所述产线损失成本率(Fab_SCR₁)、所述测试损失成本率(T_SCR₁)以及所述退货损失成本率(RMA_SCR₁)为：

对于第二半导体制造工厂，设定所述线上晶圆成本因子650；设定所述测试晶圆成本因子为680；设定所述晶圆销售成本因子为680。所以所述产线损失成本率(Fab_SCR₂)、所述测试损失成本率(T_SCR₂)以及所述退货损失成本率(RMA_SCR₂)为：

在获得所述产线损失成本率、所述测试损失成本率和所述退货损失成本率之后，根据所述产线损失成本率、所述测试损失成本率和所述退货损失成本率，获得所述报废成本率。

具体的，根据所述产线损失成本率、所述测试损失成本率以及所述退货损失成本率的总和，获得所述报废成本率(Cost Ratio of Non-Performance，CR_NP)：

CR_NP＝Fab_SCR+T_SCR+RMA_SCR

本实施例中，所述报废成本指数还包括：报废成本评分，所以获得所述报废成本指数的步骤还包括：执行步骤S420，设置成本损失率上限和成本损失权重因子；根据成本损失率上限和所述报废成本率，获得报废成本率余量；根据所述报废成本率余量和预设的成本损失权重因子，获得所述报废成本评分。

设置成本损失率上限(Cost_max)和成本损失权重因子(CNI Weight,WCNI)。

所述成本损失率上限(Cost_max)表示对所述报废成本率的最大容忍值，也就是说，所述报废成本率不得高于所述成本损失率上限。当所述报废成本率高于所述成本损失率上限时，判断所述半导体制造工厂的损失成本过大。本实施例中，所述成本损失率上限为0.3。

成本损失权重因子(CNI Weight,WCNI)反映了在对所述半导体制造工厂半导体制造信息的处理过程中，成本损失所占比重。具体的，根据所述成本损失率上限，对所述报废成本评分的满分进行平均处理，设定所述成本损失权重因子。本实施例中，所述成本损失率上限为0.03，所述报废成本评分满分为30分，所以设定所述成本损失权重因子为：30/0.03。

之后，根据成本损失率上限和所述报废成本率，获得报废成本率余量。具体的，根据成本损失率上限和所述报废成本率的差异获得所述报废成本率余量。

本实施例中，获得所述报废成本率余量的步骤包括：比较所述报废成本率和所述成本损失率上限的相对大小。当所述报废成本率小于所述成本损失率上限时，根据所述成本损失率上限和所述报废成本率的差，获得所述报废成本率余量；当所述报废成本率大于所述成本损失率上限时，设定所述报废成本率余量为0。

根据所述报废成本率余量和预设的成本损失权重因子，获得所述报废成本评分。具体的，根据所述报废成本率余量和所述成本损失权重因子(CNI Weight,WCNI)的乘积获得所述报废成本评分(CNI_S)：

CNI_S＝(Cost_max-CR_NP)×W_CNI

具体的，本实施例中，设定所述报废成本率上限为0.03，设定所述报废成本评分满分为30分，所以可以获得所述报废成本评分(CNI sorce,CNI_S)为：

继续参考图1，执行步骤S500，从所述监测系统获得工程异常报告数以及异常事件侦测记录，所述异常事件侦测记录包括每个工程异常报告的侦测时间和每个工程异常报告的侦测步骤；根据所述工程异常报告数以及所述异常事件侦测记录，获得早期侦测指数，所述早期侦测指数用于判断所述半导体制造工厂对异常事件的早期侦测能力。

需要说明的是，半导体制造工厂中的监测系统，会对半导体制造工厂的生产销售活动进行持续监测，从而发现异常事件。因此获得所述工程异常报告数以及所述异常事件侦测记录的步骤中，从半导体制造工厂的监测系统获得所述工程异常报告数以及所述异常事件侦测记录。

从所述监测系统获得工程异常报告数以及异常事件侦测记录的步骤包括：从所述监测系统获得所述工程异常报告数(N_EAR)以及每个工程异常报告的异常事件侦测记录。其中，所述异常事件侦测记录包括每个工程异常报告的侦测时间(Delay Time,DT)和每个工程异常报告的侦测步骤(Detection Stage,DS)。

之后，根据所述工程异常报告数以及异常事件侦测记录，获得早期侦测指数。

所述早期侦测指数用于判断所述半导体制造工厂对异常事件的早期侦测能力。所述早起侦测指数通过分析工厂对异常事件的早期侦测能力来反映产线的各个监控系统、机制以及操作人员的执行力对防堵异常事件的表现。

参考图6，示出了图1所示实施例中根据所述工程异常报告数以及异常事件侦测记录，获得早期侦测指数步骤的流程示意图。

具体的，获得所述早起侦测指数的步骤包括：

执行步骤S510，根据与工程异常报告相对应的侦测步骤，结合预先存储的侦测步骤数据库，获得与工程异常报告相对应的步骤指数，所述侦测步骤数据库包括侦测步骤以及侦测步骤相对应的步骤指数。

所述侦测步骤数据库包括侦测步骤以及侦测步骤相对应的步骤指数。所述步骤指数根据异常事件在半导体制造流程中被发现的时间而设置：在半导体制造流程中越早阶段的侦测步骤，所对应的步骤指数越高。

本实施例中，当异常事件在工艺制造阶段被发现时，所对应侦测步骤的步骤指数设置为95；当异常事件在在线检测阶段(inline WAT)被发现时，所对应侦测步骤的步骤指数设置为87；当异常事件在下线检测阶段(Final WAT)被发现时，所对应侦测步骤的步骤指数设置为60；当异常事件在在视觉检查阶段(Visual inspection)被发现时，所对应侦测步骤的步骤指数设置为55；当异常事件在晶圆级别可靠性测试(RE Wafer LevelReliability Control,REWLRC)阶段被发现时，所对应侦测步骤的步骤指数设置为55；当异常事件在测试阶段被发现时，所对应侦测步骤的步骤指数设置为33；当异常事件在客户视觉检查阶段(CTM Visual inspection)被发现时，所对应侦测步骤的步骤指数设置为23；当异常事件在最终测试阶段(after CTM FT test)之后被发现，所对应侦测步骤的步骤指数设置为0。

所以获得所述步骤指数的步骤包括：根据所述侦测步骤，查询所述侦测步骤数据库，获得所述步骤指数。

之后执行步骤S520，根据所述侦测步骤，并查询预先存储的生产阶段侦测步骤列表，判断所述异常事件是否在生产阶段被发现，并根据判断结果获得与工程异常报告相对应的单次侦测指数。

所述生产阶段侦测步骤列表包括了半导体制造工厂在生产阶段所设置的侦测步骤。具体的，当所述异常事件所对应的侦测步骤包含于所述生产阶段侦测步骤列表内时，判断所述异常事件在生产阶段被发现；否则，则判断所述异常事件不是在生产阶段被发现。

所述判断所述异常事件是否在生产阶段被发现的步骤包括：根据所述侦测步骤，查询所述生产阶段侦测步骤列表，判断所述异常事件是否在生产阶段被发现。当所述异常事件所对应的侦测步骤包含于所述生产阶段侦测步骤列表内时，判断所述异常事件在生产阶段被发现。

在判断所述异常事件在生产阶段被发现时，根据与工程异常报告相对应的侦测时间，结合预设的侦测转换率，获得与工程异常报告相对应的延迟指数(Score of DelayTime,DT_S)。

具体的，根据所述侦测时间和所述侦测转换率的乘积获得所述延迟指数。

需要说明的是，本实施例中，所述延迟指数不得大于预设的延迟上限。具体的，获得所述延迟指数的步骤还包括：比较所述侦测时间和所述侦测转换率的乘积与所述延迟上限的相对大小，当所述侦测时间和所述侦测转换率的乘积小于或等于所述延迟上限时，根据所述侦测时间和所述侦测转换率的乘积，获得所述延迟指数；当所述侦测时间和所述侦测转换率的乘积大于所述延迟上限时，设定所述侦测指数与所述延迟上限相等。本实施例中，所述延迟上限为35。

随着半导体结构复杂程度的增大，半导体制造工艺的难度随之增大，产线发生异常事件的几率升高，侦测异常事件的难度增大。例如：第一半导体制造工厂的产品复杂程度和产线工艺能力高于第二半导体制造工厂，因此第一半导体制造工厂对异常事件的侦测难度高于第二半导体制造工厂对异常事件的侦测难度。因此，通过所述侦测转换率的设置，实现不同半导体制造工厂侦测能力的横向比较，有效的扩大了所述处理方法的处理范围，有利于对半导体制造工厂分析范围的扩大。

之后，根据与工程异常报告相对应的步骤指数和与工程异常报告相对应的延迟指数，获得与工程异常报告相对应的单次侦测指数(Score of Dection,D_S)。

所述单次侦测指数根据所述步骤指数和所述延迟指数的差获得。需要说明的是，本实施例中，所述延迟指数不得大于所述步骤指数。当所述延迟指数大于所述步骤指数时，判断与所述步骤指数相对应的侦测步骤的侦测能力存在问题，亟需改进，设定所述单次侦测指数为0。

在判断所述异常事件不在生产阶段被发现时，根据所述步骤指数，获得与工程异常报告相对应的单次侦测指数。具体的，当判断所述异常事件不在生产阶段被发现时，所述单次侦测指数与所述步骤指数相等。

执行步骤S530，对与工程异常报告相对应的单次侦测指数进行平均处理，获得平均侦测指数；根据所述平均侦测指数，结合预设的侦测权重因子，获得早期侦测指数。

由于所述步骤指数和所述延迟指数均与工程异常报告相对应，所以所述单次侦测指数也与所述工程异常报告相对应，也就是说，每个工程异常报告均有与之对应的单次侦测指数。

所以对与工程异常报告相对应的单次侦测指数进行平均处理，获得平均侦测指数的步骤包括：根据所有工程异常报告的单次侦测指数，结合所述工程异常报告数和预设的侦测权重因子，进行平均处理，获得早期侦测指数。

具体的，获得所述早期侦测指数的步骤包括：

首先根据所有工程异常报告的单次侦测指数和工程异常报告数，获得平均侦测指数。具体的，根据所有单次侦测指数的总和与所述工程异常报告数的比值获得平均侦测指数。

之后，根据所述平均侦测指数，结合预设的侦测权重因子，获得所述早期侦测指数。具体的，所述早期侦测指数(EDI score,EDI_S)根据所述平均侦测指数和所述侦测权重因子(EDI Weight,W_EDI)的乘积获得：

其中，D_S_i表示工程异常报告i所对应的单次侦测指数。

具体的，本实施例中，所述政策权重因子为0.1，所以可以得到：

继续参考图1，执行步骤S600，根据所述生产质量指数、所述制程稳定性指数、所述异常发生率指数、所述报废成本指数和所述早期侦测指数，对半导体制造工厂进行分析。

具体的，分析所述半导体制造工厂的运行状况时，可以根据所述生产质量指数、所述制程稳定性指数、所述异常发生率指数、所述报废成本指数以及所述早期侦测指数，建立处理汇总表，根据所述处理汇总表进行分析。

例如，处理汇总表I中示出了本发明其他实施例中，8月和9月的两次对4个半导体制造工厂的半导体制造信息进行处理，所获得的所述生产质量指数、所述制程稳定性指数、所述异常发生率指数、所述报废成本指数以及所述早期侦测指数。其中，半导体制造工厂F1和F2属于第一类半导体制造工厂，半导体制造工厂F3和F4述属于第二类半导体制造工厂，第一类半导体制造工厂的工艺难度大于第二类半导体制造工厂。

处理汇总表I

所述处理汇总表I内包括：所述生产质量指数(MQI)中的所述生产质量评分(MQI_S)和所述制程稳定性指数(PQI)中的所述在线稳定指数和所述下线稳定指数，其中所述在线稳定指数包括所述在线统计评分(PQI_S_inline)，所述下线稳定指数包括所述下线统计评分(PQI_S_wat)；所述异常发生率指数(EI)中的所述工艺偏移指数、所述工程异常报告指数以及所述工艺遗漏指数和所述异常管控评分，其中所述工艺偏移指数包括所述工艺偏移管控评分(Ex_CS)，所述工程异常报告指数包括所述工程异常报告管控评分(EAR_CS)，所述工艺遗漏指数包括所述工艺遗漏管控评分(MO_CS)；以及，所述早期侦测指数(EDI_S)和所述报废成本指数(CNI)中的所述报废成本评分(CNI_S)。

根据同一半导体制造工厂，不同处理周期的处理结果，可以看到半导体制造工厂的薄弱环节以及改进方向。例如，半导体制造工厂F1的早期侦测指数较低，说明半导体制造工厂F1对于异常事件的早期侦测能力有待加强。同时在第2个处理周期的处理结果中，半导体制造工厂F1的早期侦测指数有所提高，说明了半导体制造工厂F1在第2处理周期内加强了对异常事件的侦测。

此外，所述处理汇总表I还包括半导体制造工厂的分析总分。具体的，根据半导体制造工厂所有处理结果的总和获得所述分析总分。根据所述分析总分的高低，能够鲜明的判断半导体制造工厂的整体运行状况，所述分析总分越高，其运行状况越好。从表中可见，对于第一类半导体制造工厂F1和F2而言，半导体制造工厂F2的整体运行状况优于半导体制造工厂F1。而且从详细的处理结果也可以了解到，所述半导体制造工厂F2的各个指数均高于所述半导体制造工厂F1。

进一步，根据不同半导体制造工厂处理结果的比较，可以实现不同半导体制造工厂之间的横向比较，有利于半导体工厂之间的取长补短，共同进步。例如，第1处理周期内，第二类的半导体制造工厂F3的早期侦测指数高于第一类半导体制造工厂F2的早期侦测指数，因此半导体制造工厂F2能够向半导体制造工厂F3学习对异常事件的侦测方法，从而提高半导体制造工厂F2的自身的早期侦测水平。

而且，处理结果中各个指标之间是相互关联的。当1个影响半导体制造工厂生产质量的异常事件发生时，该异常事件会直接引起所述异常发生率指数的下降；对于该异常事件的侦测，会直接引起所述早期侦测指数的变化。此外，该异常事件可能是由于违反质量项目相应质量规则而产生的，因此可能会引起生产质量指数的降低；该异常事件可能会对制程稳定性造成影响，因此可能会引起制程稳定性指数的下降；该异常事件发生期间所生产的晶圆数量可能会影响报废成本指数的高低。所以，所述处理方法能够多方面体现半导体制造工厂的异常波动，及时反映半导体制造工厂的微小异常波动，全面反应所述半导体制造工厂的整体运行状况。

需要说明的是，所述处理方法还包括：在分析结果不符合要求时，对生产系统、监测系统或量测系统进行调整以符合要求。

具体的，由于根据同一半导体制造工厂，不同处理周期的处理结果，可以判断半导体制造工厂的薄弱环节以及改进方向。所以，当确定半导体制造工厂的薄弱环节以及改进方向时，通过对薄弱环节或改进方向相对应的生产系统、监测系统或量测系统进行调整，以提高处理结果，最终达到要求。

例如，半导体制造工厂F4的8月份的工艺偏移管控评分仅为0分，得分很低，因此，通过对相应量测系统和生产系统进行调整，以提高半导体制造工厂F4对工艺偏移事件的管控能力，所以在9月份中，半导体制造工厂F4点工艺偏移管控评分得到了显著的提高。

相应的，本发明还提供一种半导体制造信息的处理系统，图7至图12，示出了本发明半导体制造信息处理系统一实施例的功能框图。

参考图7，示出了本发明半导体制造信息处理系统一实施例的功能框图。

所述处理系统包括：

生产质量指数模块100，与所述生产系统、监测系统以及量测系统相连，用于从所述生产系统、监测系统以及量测系统获得质量稽核数据，所述质量稽核数据包括异常操作事件信息；还用于根据所述质量稽核数据，获得生产质量指数，所述生产质量指数用于判断所述半导体制造工厂爆发突发事件的可能；制程稳定性指数模块200，与所述生产系统相连，用于从所述生产系统获得晶圆总量以及与产品相对应的产品晶圆量；还与所述量测系统相连，还用于从所述量测系统获得与产品相对应的产品合格率；所述制程稳定性指数模块200还用于根据所述晶圆总量、所述产品合格率和所述产品晶圆量，获得制程稳定性指数，所述制程稳定性指数用于判断产线的稳定程度；异常发生率指数模块300，与所述量测系统相连，用于从所述量测系统获得异常事件数；还与所述生产系统相连，用于从所述生产系统获得晶圆总产量；所述异常发生率指数模块300还用于根据所述异常事件数和所述晶圆总产量，获得异常发生率指数，所述异常发生率指数用于判断所述半导体制造工厂对异常事件的管控能力；报废成本指数模块400，与所述生产系统和所述售后系统相连，用于从所述生产系统和所述售后系统获得晶圆总成本和报废成本；还用于根据所述晶圆总成本和所述报废成本，获得报废成本指数，所述报废成本指数用于判断所述半导体制造工厂的成本损失；早期侦测指数模块500，与所述监测系统相连，用于从所述监测系统获得工程异常报告数以及异常事件侦测记录，所述异常事件侦测记录包括每个工程异常报告的侦测时间和每个工程异常报告的侦测步骤；还用于根据所述工程异常报告数以及所述异常事件侦测记录，获得早期侦测指数，所述早期侦测指数用于判断所述半导体制造工厂对异常事件的早期侦测能力；分析模块600，用于与所述生产质量指数模块100、所述制程稳定性指数模块200、所述异常发生率指数模块300、所述报废成本指数模块400和所述早期侦测指数模块500相连，用于根据所述生产质量指数、所述制程稳定性指数、所述异常发生率指数、所述报废成本指数和所述早期侦测指数，对半导体制造工厂进行分析。

需要说明的是，由于半导体芯片的制造是一个非常复杂的过程，而且半导体芯片制造过程具有高投入、高重入性以及超高要求质量控制的特征，因此半导体制造工厂往往规模庞大，结构复杂。

一般来说，半导体制造工厂通常包括生产系统、监测系统、量测系统以及售后系统。

半导体制造工厂内设备众多，同时生产的产品也很多。所以半导体制造工厂通常采用诸如制造执行系统(Manufacture Execution System,MES)一类的生产系统安排并纪录产线中各个设备的运行和各种产品的生产。此外，对于具有测试能力的半导体制造工厂而言，生产系统还用于安排测试设备的运行和对于产品的测试。

半导体芯片制造工艺复杂、繁多，所以在产品的生产过程中，采用各种手段对生产活动进行监测，实时掌握设备以及产品的状况。所述监测系统用于监测并记录产线生产状况、产线的操作情况以及产线上发生的各种正常事件或异常事件等各种事件。

半导体制造工厂通过量测设备对各种产品物理性质(诸如临界尺寸(CriticalDimensio,CD)等)和电学性质(诸如导通电阻等)的量测，从而检验制造工艺流程是否符合质量要求，并监控晶圆生产过程是否正常。所述量测系统，用于安排并纪录各个量测设备等运行以及量测结果的纪录。

半导体制造工厂的产品众多，产量巨大。售后系统用于建立半导体制造工厂所有产品的销售记录以及退货纪录。

所述处理系统从半导体制造工厂的生产系统、监测系统、量测系统以及售后系统获得信息，并进行处理，从而实现对所述半导体制造工厂的运行状况的分析。

需要说明的是，为了及时掌握半导体制造工厂的运行状况，本实施例中，定期处理所述半导体制造工厂的半导体制造信息。所以所述处理系统还包括：周期设定模块(图中未示出)，用于，设定处理周期。具体的，本实施例中，所述周期设定模块设定处理周期为1个月。

所述生产质量指数模块100用于从所述生产系统、监测系统以及量测系统获得质量稽核数据，所述质量稽核数据包括异常操作事件信息；还用于根据所述质量稽核数据，获得生产质量指数，所述生产质量指数用于判断所述半导体制造工厂爆发突发事件的可能。

结合参考图8，示出了图7所示实施例中生产质量指数模块100的功能框图。

具体的，所述生产质量指数模块100包括：稽核数据单元110，与所述生产系统、监测系统以及量测系统相连，用于在处理周期内进行一次或多次质量稽核，分别获得一组或多组单次质量稽核数据，所述单次质量稽核数据包括：与各质量项目一一对应的单项稽核事件数和生产过程中与质量项目对应进行异常操作的单项异常操作事件数。

需要说明的是，所述处理系统还包括：周期设定模块。所以所述稽核数据单元110用于获得处理周期内的所述质量稽核数据。具体的，本实施例中，所述稽核数据单元110用于获得1个月内的所述质量稽核数据。

所述质量稽核数据包括一组或多组单次稽核数据，所述单次稽核数据为对半导体制造工厂进行一次质量稽核所获得的质量稽核数据。所述单次稽核数据包括单项稽核事件数和单项异常操作事件数。其中，单项稽核事件数是指一次质量稽核中，对于一项质量项目所核查的事件总数；单项异常操作事件数表示，对于一项质量项目而言，违反质量项目相应质量规则进行操作的事件数。所以对于一项质量项目而言，具有相对应的所述单项稽核事件数和所述单项异常操作事件数。

具体的，根据与生产系统相关的质量项目进行质量稽核，从所述生产系统获得与生产系统相关的单项稽核事件数和单项异常操作事件数；根据与监测系统相关的质量项目进行质量稽核，从所述监测系统获得与监测系统相关的单项稽核事件数和单项异常操作事件数；根据与量测系统相关的质量项目进行质量稽核，从所述量测系统获得与量测系统相关的单项稽核事件数和单项异常操作事件数。

所以质量稽核数据来自于半导体制造工厂的生产系统、监测系统以及量测系统，从而使质量稽核的范围涉及半导体制造的生产环节、监测环节以及量测环节。

此外，为了及时了解半导体制造工厂对质量项目相应质量规则的遵守情况，本实施例中，稽核数据单元110还用于定期对所述半导体制造工厂进行质量稽核，获得单次稽核数据。

例如：每星期对所述半导体制造工厂进行1次质量稽核，即每星期获得一单次稽核数据；其中，每次质量稽核核查一项和多项质量项目，且每次质量稽核所核查的质量项目不同。

所述生产质量指数模块100还用于根据所述质量稽核数据，获得生产质量指数，所述生产质量指数用于判断所述半导体制造工厂爆发突发事件的可能。

所述生产质量指数用于判断所述半导体制造工厂运行过程中对质量项目相应质量规则的遵守程度，能够反映半导体制造工厂在运行中的异常操作事件，从而能够提前产生预警，防止突发事件的爆发。

所述生产质量指数包括生产质量通过率。

所述生产质量指数模块100还包括：生产质量单元120，与稽核数据单元110相连，用于基于单项异常操作事件数与所述单项稽核事件数的比值，获得与质量项目相对应的单项稽核通过率；对与质量项目相对应的单项稽核通过率进行平均处理，获得与每次质量稽核相对应的单次生产质量通过率；对处理周期内各次质量稽核相对应的单次生产质量通过率进行平均处理，获得生产质量通过率。

具体的，所述生产质量单元120，与稽核数据单元110相连，用于获得一组或多组单次质量稽核数据，所述单次质量稽核数据包括：与各质量项目一一对应的单项稽核事件数和生产过程中与质量项目对应进行异常操作的单项异常操作事件数。

所述生产质量单元120还用于基于单项异常操作事件数与所述单项稽核事件数的比值，获得与质量项目相对应的单项稽核通过率。

具体的，所述生产质量单元120根据所述单项稽核事件数(Total items)和所述单项异常操作事件数(Fail items)，获得单项通过事件数。具体的，所述生产质量单元120用于根据所述单项稽核事件数和所述单项异常操作事件数的差值获得所述单项通过事件数。

获得单项通过事件数之后，所述生产质量单元120用于根据所述单项通过事件数，结合所述单项稽核事件数，获得所述单项稽核通过率。具体的，所述生产质量单元120用于根据所述单项通过事件数与所述稽核事件数的比值，获得所述单项稽核通过率(Topicpass ratio，T_PR)：

由于所述单项稽核事件数和所述单项异常操作事件数与所述质量项目相对应，因此所述单项稽核通过率也与所述质量项目相对应。

获得单项稽核通过率之后，所述生产质量单元120用于对与质量项目相对应的单项稽核通过率进行平均处理，获得与每次质量稽核相对应的单次生产质量通过率。

由于所述单项稽核通过率也与所述质量项目相对应，也就是说，每个质量项目具有与之对应的单项稽核通过率。

所以所述生产质量单元120用于根据一次质量稽核中所核查质量项目的数量以及与质量项目相对应的单项稽核通过率，获得一次质量稽核中，质量项目的平均稽核通过率作为单次生产质量通过率。也就是说，所述生产质量单元120用于根据所述单项稽核通过率的平均值获得所述单次生产质量通过率(MQI_per)：

MQI_per＝Average(T1_PR、T2_PR…、Tn_PR)

其中，T1_PR表示第1项质量项目的单项稽核通过率；T2_PR表示第2项质量项目的单项稽核通过率；Tn_PR表示第n项质量项目的单项稽核通过率。在该次质量稽核中，对n项质量项目进行了核查。

获得单次生产质量通过率之后，所述生产质量单元120用于对处理周期内各次质量稽核相对应的单次生产质量通过率进行平均处理，获得生产质量通过率。

由于在处理周期内进行一次或多次质量稽核，每次质量稽核均可获得一个单次生产质量通过率。

所以所述生产质量单元120用于根据一个处理周期内进行质量稽核的次数以及每次质量稽核的单次生产质量通过率，获得一个处理周期内，质量稽核的平均通过率作为生产质量通过率。也就是说，所述生产质量单元120用于根据所述质量稽核数据中所有所述单次生产质量通过率的平均值获得所述生产质量通过率(MQI)：

MQI＝Average(MQI1_per、MQI2_per…、MQIn_per)

其中，MQI1_per表示第1次质量稽核的所述单次生产质量通过率；MQI2_per表示第2次质量稽核的所述单次生产质量通过率；MQIn_per表示第n次质量稽核的所述单次生产质量通过率。

例如，处理周期为1个月，处理周期中每星期进行1次质量稽核，也就是说，处理周期内进行了4次质量稽核，所以处理周期内能够获得4个单次生产质量通过率：MQI1_per、MQI2_per、MQI3_per和MQI4_per。所以该处理周期内所获的生产质量通过率为：

MQI＝Average(MQI1_per、MQI2_per、MQI3_per、MQI4_per)

本实施例中，所述生产质量指数还包括生产质量评分，所以所述生产质量单元120还用于设置稽核通过率下限和生产质量指数权重因子；根据单次生产质量通过率与所述稽核通过率下限的相对大小，获得单次生产质量通过率余量；根据所述单次生产质量通过率余量和生产质量权重因子的乘积，获得单次稽核评分；基于处理周期内各次质量稽核相对应的单次稽核评分的平均值，获得所述生产质量评分。

具体的，所述稽核通过率下限(PR_min)表示对于单次生产质量通过率的最小容忍值，也就是说，单次生产质量通过率不得低于所述稽核通过率下限。当单次生产质量通过率小于所述稽核通过率下限时，判断该项质量项目的操作存在严重问题，亟待解决。本实施例中，所述生产质量单元120还用于设置所述稽核通过率下限为0.95。

所述生产质量权重因子(MQI Weight,W_MQI)反映了在对所述半导体制造工厂半导体制造信息的处理过程中，所述半导体制造工厂对各项质量项目相应质量规则遵守程度所占的比重。具体的，根据所述稽核通过率下限，对所述单次稽核评分的满分进行平均处理，设定所述生产质量权重因子。本实施例中，所述稽核通过率下限为0.95，所述单次稽核评分满分为10分，所以设定所述生产质量权重因子为10/(1－0.95)。

所述生产质量单元120还用于根据单次生产质量通过率与所述稽核通过率下限的相对大小，获得单次生产质量通过率余量。具体的，所述生产质量单元120还用于根据所述单次生产质量通过率和所述稽核通过率下限的差值，获得单次生产质量通过率余量。

本实施例中，所述生产质量单元120还用于比较所述单次生产质量通过率和所述稽核通过率下限的相对大小，当所述单次生产质量通过率大于所述稽核通过率下限时，所述生产质量单元120用于根据所述单次生产质量通过率和所述稽核通过率下限的差值，获得所述单次生产质量通过率余量；当所述单次生产质量通过率小于或等于所述稽核通过率下限时，所述生产质量单元120用于设定所述单次生产质量通过率余量为0。

获得所述单次生产质量通过率余量之后，所述生产质量单元120用于根据所述单次生产质量通过率余量和生产质量权重因子的乘积，获得单次稽核评分(Topic score,T_S)：

T_S＝(MQI_per-PR_min)×W_MQI

具体的，所述稽核通过率下限为0.95；所述生产质量权重为10/0.05。所以所述单次稽核评分为：

获得所述单次稽核评分后，所述生产质量单元120用于基于处理周期内各次质量稽核相对应的单次稽核评分的平均值，获得所述生产质量评分。

由于在处理周期内进行一次或多次质量稽核，每次质量稽核均可获得一个单次生产质量通过率，因此所述稽核数据单元110每次质量稽核均可获得一个单次稽核评分。

所以，所述生产质量单元120用于根据一个处理周期内进行质量稽核的次数以及每次质量稽核的单次稽核评分，获得一个处理周期内，单次稽核评分的平均值，作为生产质量评分。也就是说，所述生产质量评分(MQI Score，MQI_S)根据所述质量稽核数据中所有所述单次稽核评分的平均值，获得所述生产质量评分(MQI Score，MQI_S)：

MQI_S＝Average(T1_S、T2_S…、Tn_S)

其中，T1_S表示第1次质量稽核的所述单次稽核评分；T2_S表示第2次质量稽核的所述单次稽核评分；Tn_S表示第n次质量稽核的所述单次稽核评分。

例如，处理周期为1个月，处理周期中每星期进行1次质量稽核，也就是说，处理周期内进行了4次质量稽核，所以处理周期内能够获得4个单次稽核评分：T1_S、T2_S、T3_S和T4_S。所以该处理周期内所获的生产质量评分为：

MQI＝Average(T1_S、T2_S、T3_S、T4_S)

需要说明的是，所述生产质量单元120用于根据所述半导体制造工厂的具体情况动态调整所述稽核通过率下限，以适应所述半导体制造工厂的实际运行状况。本实施例中，根据所述半导体制造工厂的运行情况，所述稽核通过率下限逐年上升1％，以促使所述半导体制造工厂不断提高对各项质量项目相应质量规则的遵守程度，提高所述半导体制造工厂的运行稳定性。

继续参考图7，所述处理系统还包括：制程稳定性指数模块200。

参考图9，示出了图7所示实施例中制程稳定性指数模块200的功能框图。

具体的，所述制程稳定性指数模块200包括：生产数据单元210，与所述生产系统相连，用于从所述生产系统获得在线晶圆总量、下线晶圆总量、在线在制品名称、下线在制品名称、在线在制品晶圆量以及下线在制品晶圆量。

需要说明的是，半导体制造工厂在研发新的产品时，会在研发设计完成之后需要制造一定数量的试制品。半导体制造工厂的产线不仅用于制造成熟的产品，也用于制造试制品。也就是说，半导体制造工厂产线上在制品可能是产品也有可能是试制品。

所以，生产数据单元210用于从所述生产系统获得在线晶圆总量、下线晶圆总量、在线在制品名称、下线在制品名称、在线在制品晶圆量以及下线在制品晶圆量。

所述制程稳定性指数模块200还包括：产品数据单元220，与所述生产数据单元210相连，用于基于在线在制品晶圆量与预设的产品最小在线量的相对大小，或者，基于下线在制品晶圆量与预设的产品最小下线量的相对大小，判断所述在制品是否为产品；在判断在制品为产品时，根据在线在制品名称、下线在制品名称、在线在制品晶圆量以及下线在制品晶圆量分别获得在线产品名称、下线产品名称、在线产品晶圆量以及下线产品晶圆量；在判断在制品不为产品时，根据在线在制品之外的在线晶圆名称获得在线产品名称，根据下线在制品之外的下线晶圆名称获得下线产品名称；根据所述在线晶圆总量和所述在线在制品晶圆量的差值，获得在线产品晶圆量；根据所述下线晶圆总量和所述下线在制品晶圆量的差值，获得下线产品晶圆量。

具体的，所述产品数据单元220，与所述生产数据单元210相连，用于从所述生产数据单元210获得在线晶圆总量、下线晶圆总量、在线在制品名称、下线在制品名称、在线在制品晶圆量以及下线在制品晶圆量。

所述产品数据单元220还用于根据在线在制品晶圆量与预设的产品最小在线量的相对大小，或者，根据下线在制品晶圆量与预设的产品最小下线量的相对大小，判断所述在制品是否为产品。

具体的，所述产品数据单元220用于比较所述在线在制品晶圆量与预设的产品最小在线量的相对大小：当所述在线在制品晶圆量大于所述产品最小在线量时，所述产品数据单元220用于判断所述在制品为在线产品；比较所述下线在制品晶圆量与预设的产品最小下线量的相对大小，当所述下线在制品晶圆量大于所述产品最小下线量时，所述产品数据单元220用于判断所述在制品为下线产品。

在判断在制品为产品时，所述产品数据单元220用于根据在线在制品名称、下线在制品名称、在线在制品晶圆量以及下线在制品晶圆量分别获得在线产品名称、下线产品名称、在线产品晶圆量以及下线产品晶圆量。

在判断在制品不为产品时，所述产品数据单元220用于根据在线在制品之外的在线晶圆名称获得在线产品名称，根据下线在制品之外的下线晶圆名称获得下线产品名称；根据所述在线晶圆总量和所述在线在制品晶圆量的差值，获得在线产品晶圆量；根据所述下线晶圆总量和所述下线在制品晶圆量的差值，获得下线产品晶圆量。

通过所述产品最小在线量和所述产品最小下线量的设定，所述处理系统实现了半导体制造工厂的试制品与产品的区分，进而在对所述半导体制造工厂半导体制造信息的处理过程中，排除了试制品对产线稳定性的干扰，有利于提高分析的准确性。

具体的，所述制程稳定性指数模块200还包括：量测数据单元230，与所述量测系统相连，用于从所述量测系统获得与产品相对应的产品合格率的步骤包括：从所述量测系统获得与所述在线产品名称相对应的在线产品合格率以及与下线产品名称相对应的下线产品合格率。

具体的，所述量测数据单元230，与所述量测系统相连，用于从所述量测系统获得与所述在线产品名称相对应的在线产品合格率以及与下线产品名称相对应的下线产品合格率。

所述在线产品合格率(Prod Inline SPC ratio,P_SRinline)是指根据物理量测结果所获得的物理工艺能力指数大于预设标准的在线晶圆百分比。其中所述物理量测结果是指对在线晶圆进行厚度量测(Thickness Metrology)、关键尺寸量测(CriticalDimension Measurement)以及对准量测(Overlay Measurement)等物理量量测所获得的量测结果。

所述下线产品合格率(WAT SPC ratio,P_SRwat)是指根据性能量测结果所获得的性能工艺能力指数大于预设标准的下线晶圆百分比。所述性能量测结果是指对下线晶圆进行电学性能、光学性能等性能量测所获得的量测结果。

具体的，本实施例中，所述在线产品合格率是指物理工艺能力指数大于1.33的在线晶圆百分比；所述下线产品合格率是指性能工艺能力指数大于1.33的下线晶圆百分比。

所述制程稳定性指数包括：在线统计合格率和下线统计合格率。

所以所述制程稳定性指数模块200还用于根据所述晶圆总量、所述产品合格率和所述产品晶圆量，获得制程稳定性指数，所述制程稳定性指数用于判断所述半导体制造工厂产线的稳定程度。

所述制程稳定性指数是通过统计制程控制(Statistical Process Control,SPC)的方法分析产线的工艺稳定程度。

所述制程稳定性指数包括：在线统计合格率和下线统计合格率。

所以所述制程稳定性指数模块200还包括：制程稳定性单元240，与所述产品数据单元220和所述量测数据单元230相连，用于根据所述在线产品合格率、所述在线产品晶圆量以及所述在线晶圆总量，获得所述在线统计合格率；根据所述下线产品合格率、所述下线产品晶圆量以及所述下线晶圆总量，获得所述下线统计合格率。

所述制程稳定性单元240，与所述产品数据单元220相连，用于从所述产品数据单元220获得所述在线产品晶圆量；所述制程稳定性单元240，与所述量测数据单元230相连，用于从所述量测数据单元230获得在线产品合格率；所述制程稳定性单元240还用于根据所述在线产品合格率与所述在线产品晶圆量，获得在线产品合格量。具体的，本实施例中，所述制程稳定性单元240用于根据所述在线产品合格率与所述在线产品晶圆量的乘积获得所述在线产品合格量。

所述制程稳定性单元240，与所述产品数据单元220相连，用于从所述产品数据单元220获得所述下线产品晶圆量；所述制程稳定性单元240，与所述量测数据单元230相连，用于从所述量测数据单元230获得所述下线产品合格率；所述制程稳定性单元240还用于根据所述下线产品合格率与所述下线产品晶圆量，获得下线产品合格量。具体的，本实施例中，所述制程稳定性单元240用于根据所述下线产品合格率与所述下线产品晶圆量的乘积获得所述下线产品合格量。

所述制程稳定性单元240用于从所述生产系统获得所述在线晶圆总量；所述制程稳定性单元240还用于根据所有产品的所述在线产品合格量，结合所述在线晶圆总量，获得所述在线统计合格率。

所述制程稳定性单元240用于从所述生产系统获得所述下线晶圆总量；所述制程稳定性单元240还用于根据所有产品的所述下线产品合格量，结合所述下线晶圆总量，获得所述下线统计合格率。

本实施例中，所述制程稳定性单元240用于根据所有产品的在线产品合格量的总和与所述在线晶圆总量的比值获得所述在线统计合格率(inline SPC Achieve Rate，SPC_AR_inline)：

其中，P1_SR_inline表示产品1的在线产品合格率，P1_WIP_inline表示产品1的在线产品晶圆量；Pn_SR_inline表示产品n的在线产品合格率，Pn_WIP_inline表示产品n的在线产品晶圆量。本实施例中，半导体制造工厂产线上生产产品的种类为n种。

所述制程稳定性单元240用于根据所有产品的下线产品合格量的总和与所述下线晶圆总量的比值获得所述下线统计合格率(WAT SPC Achieve Rate，SPC_AR_wat)：

其中，P1_SR_wat表示产品1的下线产品合格率，P1_WIP_wat表示产品1的下线产品晶圆量；Pn_SR_wat表示产品n的下线产品合格率，Pn_WIP_wat表示产品n的下线产品晶圆量。本实施例中，半导体制造工厂产线下线产品的种类为n种。

需要说明的是，为了简化分析过程，降低分析难度，本实施例中，所述制程稳定性指数还包括制程稳定评分，所述制程稳定性指数模块200还包括：在线统计评分单元250，与所述制程稳定性单元240相连，用于设置在线合格率下限和在线产品权重因子；根据所述在线产品合格率和所述在线合格率下限，获得在线产品合格率余量；根据所述在线产品合格率余量与所述在线产品晶圆量的乘积，获得所述在线产品合格余量；根据所述在线产品合格余量，结合所述在线统计权重因子，获得产品在线统计评分；根据与各在线产品名称相对应的所述产品在线统计评分，结合所述在线晶圆总量，获得在线统计评分。

首先，所述在线统计评分单元250用于设置在线合格率下限(min_inline)和在线产品权重因子(PQI Weight,W_PQI_inline)。

所述在线合格率下限(min_inline)表示对在线产品合格率低最小容忍值，也就是说，所述在线产品合格率余量不得低于所述在线合格率下限。当所述在线产品合格率余量低于所述在线合格率下限时，所述在线统计评分单元250用于判断该产品工艺稳定性存在严重不足。本实施例中，所述在线统计评分单元250用于设置所述在线合格率下限min_inline为0.9。

所述在线产品权重因子(PQI Weight,W_PQI_inline)反映了在对所述半导体制造工厂半导体制造信息的处理过程中，所述在线产品合格程度所占的比重。具体的，所述在线统计评分单元250用于根据所述在线合格率下限，对所述产品在线统计评分的满分进行平均处理，设定所述生产质量权重因子。本实施例中，所述在线合格率下限min_inline为0.9，所述产品在线统计评分满分为10分，所以所述在线统计评分单元250用于设置所述在线产品权重因子为10/(1－0.9)。

所述在线统计评分单元250，与所述制程稳定性单元240相连，用于从所述制程稳定性单元240获得所述在线产品合格率；还用于根据所述在线产品合格率和所述在线合格率下限，获得在线产品合格率余量。具体的，所述在线统计评分单元250用于根据所述在线产品合格率和所述在线合格率下限的差值获得所述在线产品合格率余量。

本实施例中，所述在线统计评分单元250用于比较所述在线产品合格率和所述在线合格率下限的相对大小。当所述在线产品合格率大于所述在线合格率下限时，所述在线统计评分单元250用于根据所述在线合格率和所述在线合格率下限的差值，获得所述在线产品合格率余量；当所述在线产品合格率小于或等于所述在线合格率下限时，所述在线统计评分单元250用于设定所述在线产品合格率余量为0。

获得所述在线产品合格率余量之后，所述在线统计评分单元250用于根据所述在线产品合格率余量与所述在线产品晶圆量的乘积，获得所述在线产品合格余量。具体的，所述在线统计评分单元250用于根据所述在线产品合格率余量与所述在线产品晶圆量的乘积获得所述在线产品合格余量。

之后，所述在线统计评分单元250用于根据所述在线产品合格余量，结合所述在线统计权重因子，获得产品在线统计评分。具体的，所述在线统计评分单元250用于根据所述在线产品合格余量与所述在线统计权重因子的乘积获得所述产品在线统计评分(Prod PQIScore,P_PQI_S_inline)：

P_PQI_S_inline＝(P_SR_inline-min_inline)×P_WIP_inline×W_PQI_inline

本实施例中，所述在线合格率下限min_inline为0.9，所述在线产品权重因子为10/0.1，所以所述产品在线统计评分为：

需要说明的是，由于所述在线产品合格率与产品名称相对应，因此所述在线统计评分单元250所获得的所述在线产品合格率余量、所述在线产品合格余量以及所述产品在线统计评分均与产品名称相对应。

所以，所述在线统计评分单元250还用于根据与各在线产品名称相对应的所述产品在线统计评分，结合所述在线晶圆总量，获得在线统计评分。

具体的，所述在线统计评分单元250用于根据所有产品所述产品在线统计评分的总和与所述在线晶圆总量的比值获得所述在线统计评分(inline PQI Score,PQI_S_inline)：

其中，P1_PQI_S_inline表示产品1的所述产品在线统计评分；所述Pn_PQI_S_inline表示产品n的所述产品在线统计评分。本实施例中，半导体制造工厂产线上生产产品的种类为n种。

下线统计评分单元260，与所述制程稳定性单元240相连，设置下线合格率下限和下线产品权重因子；根据所述下线产品合格率和所述下线合格率下限，获得下线产品合格率余量；根据所述下线产品合格率余量与所述下线产品晶圆量的乘积，获得所述下线产品合格余量；根据所述下线产品合格余量，结合所述下线统计权重因子，获得产品下线统计评分；根据与各下线产品名称产品相对应的所述产品下线统计评分，结合所述下线晶圆总量，获得下线统计评分。

所述下线统计评分单元260用于设置下线合格率下限和下线产品权重因子。

所述下线合格率下限(min_wat)表示对下线产品合格率低最小容忍值，也就是说，所述下线产品合格率余量不得低于所述下线合格率下限。当所述下线产品合格率余量低于所述下线合格率下限时，所述下线统计评分单元260用于判断该产品工艺稳定性存在严重不足。本实施例中，所述下线统计评分单元260用于设置所述下线合格率下限为0.92。

所述下线产品权重因子(PQI Weight,W_PQI_wat)反映了在对所述半导体制造工厂半导体制造信息的处理过程中，所述下线产品合格程度所占的比重。具体的，所述下线统计评分单元260用于根据下线合格率下限，对所述产品在线统计评分的满分进行平均处理，设定所述下线产品权重因子。本实施例中，所述下线合格率下限min_wat为0.92，所述产品在线统计评分满分为10分，所以所述下线统计评分单元260用于设置所述下线产品权重因子为10/(1－0.92)。

所述下线统计评分单元260，与所述制程稳定性单元240相连，用于从所述制程稳定性单元240获得所述下线产品合格率；还用于根据所述下线产品合格率和所述下线合格率下限，获得下线产品合格率余量。具体的，所述下线统计评分单元260用于根据所述下线产品合格率和所述下线合格率下限的差值获得所述下线产品合格率余量。

本实施例中，所述下线统计评分单元260用于比较所述下线产品合格率和所述下线合格率下限的相对大小。当所述下线产品合格率大于所述下线合格率下限时，所述下线统计评分单元260用于根据所述下线合格率和所述下线合格率下限的差值，获得所述下线产品合格率余量；当所述下线产品合格率小于或等于所述下线合格率下限时，所述下线统计评分单元260用于设定所述下线产品合格率余量为0。

获得所述下线产品合格率余量之后，所述下线统计评分单元260用于根据所述下线产品合格率余量与所述下线产品晶圆量的乘积，获得所述下线产品合格余量。具体的，所述下线统计评分单元260用于根据所述下线产品合格率余量与所述下线产品晶圆量的乘积获得所述下线产品合格余量。

之后，所述下线统计评分单元260用于根据所述下线产品合格余量，结合所述下线统计权重因子，获得产品下线统计评分。

所述下线统计评分单元260用于根据所述下线产品合格余量与所述下线统计权重因子的乘积获得所述产品下线统计评分(Prod PQI Score,P_PQI_S_wat)：

P_PQI_S_wat＝(P_SR_wat-min_wat)×P_WIP_wat×W_PQI_wat

具体的，所述在线合格率下限min_wat为0.92，所述在线产品权重因子为

10/0.08，所以所述产品在线统计评分为：

需要说明的是，由于所述在线产品合格率与产品名称相对应，因此所述下线统计评分单元260所获得的所述在线产品合格率余量、所述在线产品合格余量以及所述产品在线统计评分均与产品名称相对应。

所以，所述下线统计评分单元260还用于根据与各下线产品名称产品相对应的所述产品下线统计评分，结合所述下线晶圆总量，获得下线统计评分。

具体的，所述下线统计评分单元260用于根据所有产品所述产品下线统计评分的总和与所述下线晶圆总量的比值获得所述下线统计评分(WAT PQI Score,PQI_Swat)：

其中，P1_PQI_S_wat表示产品1的所述产品下线统计评分；所述Pn_PQI_S_wat表示产品n的所述产品下线统计评分。本实施例中，半导体制造工厂产线下线产品的种类为n种。

此外，所述制程稳定性指数模块200还包括：制程稳定评分单元270，与所述在线统计评分单元250和所述下线统计评分单元260相连，用于根据所述在线统计评分和所述下线统计评分的和，获得所述制程稳定评分。

具体的，所述制程稳定评分单元270，与所述在线统计评分单元250相连，用于从所述在线统计评分单元250获得所述在线统计评分；所述制程稳定评分单元270，与所述下线统计评分单元260相连，用于从所述下线统计评分单元260获得所述下线统计评分；所述制程稳定评分单元270还用于根据所述在线统计评分和所述下线统计评分的和，获得所述制程稳定评分。

具体的，所述制程稳定评分单元270还用于根据所述在线统计评分和所述下线统计评分的和，获得所述制程稳定评分(PQI Score)：

PQI Score＝PQI_S_inline+PQI_S_wat

继续参考图7，所述处理系统还包括：异常发生率指数模块300。

具体的，结合参考图10，示出了图7所示实施例中异常发生率指数模块300的功能框图。

半导体制造工厂在生产过程会发生各种异常事件。不同的异常事件对半导体制造工厂产品的质量产生不同的影响。通过对半导体制造工厂内所发生异常事件的种类以及数量进行分析，能够判断半导体制造工厂对不同异常事件的管控能力。

根据对产品质量影响的轻重，异常事件可以分为工艺偏移事件(Excursion case，Ex case)、工程异常报告事件(Engineering Abnormal Report case，EAR case)以及工艺遗漏事件(Miss Operation case,MO case)。

所述异常发生率指数模块300包括：异常事件数据单元310，与一个或多个半导体制造工厂的量测系统相连，用于从一个或多个半导体制造工厂的量测系统分别获得一组或多组异常事件数据，所述异常事件数据包括：与半导体制造工厂一一对应的工厂工艺偏移事件数、与半导体制造工厂一一对应的工厂工程异常报告事件数和与半导体制造工厂一一对应的工厂工艺遗漏事件数。

半导体制造工厂的量测系统，能够记录所述半导体制造工厂运行过程中所发生的各种异常事件，异常事件数据单元310用于从所述量测系统获得所述工艺偏移事件数、所述工程异常报告事件数和所述工艺遗漏事件数以及所述晶圆总产量。

需要说明的是，不同半导体制造工厂产线的工艺能力并不相同，产品的复杂程度也不相同。随着产品复杂程度的增大，产线工艺能力的增强，产线发生异常事件的风险随之增大，相应的半导体制造工厂对异常事件的管控难度也随之增大。例如：第一半导体制造工厂的产品复杂程度和产线工艺能力高于第二半导体制造工厂，因此第一半导体制造工厂异常事件的管控难度要高于第二半导体制造工厂。

所以本实施例中，所述异常发生率指数模块300还包括：工厂数据转换单元320，与所述异常事件数据单元310相连，用于基于所述工厂工艺偏移事件数、所述工厂工程异常报告事件数以及所述工厂工艺遗漏事件数，结合预设的工厂转换因子，获得工艺偏移事件数、工程异常报告事件数和工艺遗漏事件数。

具体的，所述工厂数据转换单元320，与所示异常事件数据单元310相连，用于从所述异常事件数据单元310获得一组或多组异常事件数据。所述异常事件数据包括：与半导体制造工厂一一对应的工厂工艺偏移事件数、与半导体制造工厂一一对应的工厂工程异常报告事件数和与半导体制造工厂一一对应的工厂工艺遗漏事件数。

所述工厂数据转换单元320还用于根据所述工厂工艺偏移事件数、所述工厂工程异常报告事件数以及所述工厂工艺遗漏事件数，结合预设的工厂转换因子(σ_fab)，获得工艺偏移事件数、工程异常报告事件数和工艺遗漏事件数。

具体的，所述工厂数据转换单元320用于根据所述工厂工艺偏移事件数与所述工厂工艺转换因子的比值，获得所述工艺偏移事件数；所述工厂数据转换单元320用于根据所述工厂工程异常报告事件数与所述工厂工艺转换因子的比值，获得所述工程异常报告事件数；所述工厂数据转换单元320用于根据所述工厂工艺遗漏事件数与所述工厂工艺转换因子的比值，获得所述工艺遗漏事件数。

所述工厂数据转换单元320中工厂工艺转换因子的设置能够统一异常事件管控能力的衡量标准，从而使所述工厂数据转换单元320获得的工艺偏移事件数、工程异常报告事件数和工艺遗漏事件数，在不同工艺能力的半导体制造工厂之间具有可比性，进而有利于实现了不同半导体制造工厂管控能力的比较。

例如：第一半导体制造工厂的产品复杂程度和产线工艺能力高于第二半导体制造工厂，因此，第一半导体制造工厂的工厂工艺转换因子为1.15；第二半导体制造工厂的工厂工艺转换因子为1。

需要说明的是，所述异常发生率指数模块300，还与所述生产系统相连，用于从所述生产系统获得晶圆总产量。

所述异常发生率指数模块300还用于根据所述异常事件数和所述晶圆总产量，获得异常发生率指数，所述异常发生率指数用于判断所述半导体制造工厂对异常事件的管控能力。

所述异常发生率指数包括：工艺偏移发生率、工程异常报告发生率和工艺遗漏发生率。

所以所述异常发生率指数模块300还包括：异常发生率单元330，与所述工厂数据转换单元320相连，用于根据所述工艺偏移事件数和所述晶圆总产量，获得所述工艺偏移发生率；根据所述工程异常报告事件数和所述晶圆总产量，获得所述工程异常报告发生率；根据所述工艺遗漏事件数和所述晶圆总产量，获得所述工艺遗漏发生率。

具体的，所述异常发生率单元330，与所述工厂数据转换单元320相连，用于获得所述工艺偏移事件数；还用于根据所述工艺偏移事件数和所述晶圆总产量，获得所述工艺偏移发生率。

所述异常发生率单元330用于根据所述工艺偏移事件数和所述晶圆总产量的比值获得所述工艺偏移发生率(Excursion case rate,Ex_CA)。

本实施例中，所述工艺偏移发生率为万片工艺偏移发生率，即每产出万片晶圆，工艺偏移事件发生的百分比。所以所述异常发生率单元330用于获得万片工艺偏移发生率：

其中，Ex_CC表示与所述半导体制造工厂相对应的工厂工艺偏移事件数。

例如，第一半导体制造工厂的工厂工艺转换因子为1.15；第二半导体制造工厂的工厂工艺转换因子为1，所以所述异常发生率单元330所获得的第一半导体制造工厂的工艺偏移发生率(FAB1Excursion case rate,Ex_CA₁)表示为：

所述异常发生率单元330所获得的第二半导体制造工厂的工艺偏移发生率(FAB2Excursion case rate,Ex_CA₂)表示为：

其中，Ex_CC₁表示第一半导体制造工厂的工艺偏移事件数；Ex_CC₂表示为第二半导体制造工厂的工艺偏移事件数。

所述异常发生率单元330，与所述工厂数据转换单元320相连，用于获得所述工程异常报告事件数；还用于根据所述工程异常报告事件数和所述晶圆总产量，获得所述工程异常报告发生率。

所述异常发生率单元330用于根据所述工程异常报告事件数和所述晶圆总产量的比值获得所述工程异常报告发生率(Engineering Abnormal Report case rate,EAR_CA)。

本实施例中，所述工程异常报告发生率为万片工程异常报告发生率，即每产出万片晶圆，工程异常报告事件发生的百分比。所以所述异常发生率单元330用于获得万片工程异常报告发生率：

其中，EAR_CC表示与所述半导体制造工厂相对应的工厂工程异常报告事件数。

例如，第一半导体制造工厂的工厂工艺转换因子为1.15；第二半导体制造工厂的工厂工艺转换因子为1，所述异常发生率单元330所获得的第一半导体制造工厂的工程异常报告发生率(FAB1Engineering Abnormal Report case rate,EAR_CA₁)表示为：

所述异常发生率单元330所获得的第二半导体制造工厂的工程异常报告发生率(FAB2Engineering Abnormal Report case rate,EAR_CA₂)表示为：

EAR_CA₂＝EAR_CC₂×10000Total wafer out count₂

其中，EAR_CC₁表示为第一半导体制造工厂的工程异常报告事件数；

EAR_CC₂表示为第二半导体制造工厂的工程异常报告事件数。

所述异常发生率单元330，与所述工厂数据转换单元320相连，用于获得所述工艺遗漏事件数；还用于根据所述工艺遗漏事件数和所述晶圆总产量，获得所述工艺遗漏发生率。

所述异常发生率单元330用于根据所述工艺遗漏事件数和所述晶圆总产量的比值获得所述工艺遗漏发生率(Miss Operation case rate,MO_CA)。

本实施例中，所述工艺遗漏发生率为万片工艺遗漏发生率，即每产出万片晶圆，工艺遗漏事件发生的百分比。所以所述异常发生率单元330用于获得所述万片工艺遗漏发生率：

其中，MO_CC表示与所述半导体制造工厂相对应的工厂工艺遗漏事件数。

例如，第一半导体制造工厂的工厂工艺转换因子为1.15；第二半导体制造工厂的工厂工艺转换因子为1，所以所述异常发生率单元330所获得的第一半导体制造工厂的工艺遗漏发生率(FAB1Miss Operation case rate,MO_CA₁)表示为：

所述异常发生率单元330所获得的第二半导体制造工厂的工艺遗漏发生率(FAB2Miss Operation case rate,MO_CA₂)表示为：

其中，MO_CC₁表示为第一半导体制造工厂的工艺遗漏事件数；MO_CC₂表示为第二半导体制造工厂的工艺遗漏事件数。

为了简化分析过程，降低分析难度，所述异常发生率指数还包括：异常管控评分。

所以所述异常发生率指数模块300还包括：工艺偏移管控评分单元340，用于设置工艺偏移上限和工艺偏移管控权重因子；与所述异常发生率单元330相连，用于根据所述工艺偏移发生率和所述工艺偏移上限，获得工艺偏移余量；还用于根据所述工艺偏移余量和所述工艺偏移管控权重因子的乘积，获得所述工艺偏移管控评分。

具体的，所述工艺偏移管控评分单元340，用于设置工艺偏移上限(Ex_max)和工艺偏移管控权重因子(Excursion Weight,W_Ex)。

所述工艺偏移上限(Ex_max)表示对工艺偏移事件发生率的最大容忍值，也就是说，所述工艺偏移发生率不得高于所述工艺偏移上限。当所述工艺偏移发生率高于所述工艺偏移上限时，所述工艺偏移管控评分单元340用于判断所述半导体制造工厂对工艺偏移事件的管控能力存在严重不足。本实施例中，所述工艺偏移管控评分单元340用于设置所述工艺偏移上限为1.5。

所述工艺偏移管控权重因子(Excursion Weight,W_Ex)反映了在对所述半导体制造工厂半导体制造信息的处理过程中，所述工艺偏移事件管控能力所占比重。具体的，所述工艺偏移管控评分单元340用于根据所述工艺偏移上限，对所述工艺偏移管控评分的满分进行平均处理，设定所述生产质量权重因子。本实施例中，所述工艺偏移上限为1.5，所述工艺偏移管控评分满分为15分，所以所述工艺偏移管控评分单元340用于设置工艺偏移管控权重因子为15/1.5。

所述工艺偏移管控评分单元340，与所述异常发生率单元330相连，用于获得所述工艺偏移发生率；还用于根据所述工艺偏移发生率和所述工艺偏移上限，获得工艺偏移余量。具体的，所述工艺偏移管控评分单元340用于根据所述工艺偏移上限和所述工艺偏移发生率的差异获得所述工艺偏移余量。

本实施例中，所述工艺偏移管控评分单元340用于比较所述工艺偏移上限和所述工艺偏移发生率的相对大小。当所述工艺偏移发生率小于所述工艺偏移上限时，所述工艺偏移管控评分单元340用于根据所述工艺偏移上限和所述工艺偏移发生率的差，获得所述工艺偏移余量；当所述工艺偏移发生率大于所述工艺偏移上限时，所述工艺偏移管控评分单元340用于设定所述工艺偏移余量为0。

获得所述工艺偏移余量之后，所述工艺偏移管控评分单元340还用于根据所述工艺偏移余量和所述工艺偏移管控权重因子的乘积，获得所述工艺偏移管控评分(Excursioncase score,Ex_CS)：

Ex_CS＝(Ex_max-Ex_CA)×W_Ex

本实施例中，所述工艺偏移上限为1.5，所述工艺偏移管控权重因子为15/1.5，所以所述工艺偏移管控评分单元340所获得的所述工艺偏移管控评分为：

所述异常发生率指数模块300还包括：工艺异常报告管控评分单元350，用于设置工程异常报告上限和工程异常报告管控权重因子；与所述异常发生率单元330相连，用于根据所述工程异常报告发生率和所述工程异常报告上限，获得工程异常报告余量；还用于根据所述工程异常报告余量和所述工程异常报告管控权重因子的乘积，获得所述工程异常报告管控评分。

具体的，工艺异常报告管控评分单元350，设置工程异常报告上限(EAR_max)和工程异常报告管控权重因子(Engineering Abnormal Report Weight,W_EAR)。

所述工程异常报告上限(EAR_max)表示对工程异常报告发生率的最大容忍值，也就是说所述工程异常报告发生率不得高于所述工程异常报告上限。当所述工程异常报告发生率高于所述工程异常报告上限时，所述工艺异常报告管控评分单元350用于判断所述半导体制造工厂对工程异常报告事件的管控能力存在严重不足。本实施例中，所述工艺异常报告管控评分单元350用于设置所述工程异常报告上限为5。

所述工程异常报告管控权重因子(Excursion Weight,W_Ex)反映了在对所述半导体制造工厂半导体制造信息的处理过程中，对所述工程异常报告事件管控能力所占比重。具体的，所述工艺异常报告管控评分单元350用于根据所述工程异常报告上限，对所述工程异常报告管控评分的满分进行平均处理，设定所述生产质量权重因子。本实施例中，所述工程异常报告上限为5，所述工程异常报告管控评分满分为10分，所以所述工艺异常报告管控评分单元350用于设置工程异常报告管控权重因子为10/5。

所述工艺异常报告管控评分单元350，与所述异常发生率单元330相连，用于从所述异常发生率单元330获得所述工程异常报告发生率；还用于根据所述工程异常报告发生率和所述工程异常报告上限，获得工程异常报告余量。具体的，所述工艺异常报告管控评分单元350用于根据所述工程异常报告上限和所述工程异常报告发生率的差异获得所述工程异常报告余量。

本实施例中，所述工艺异常报告管控评分单元350用于比较所述工程异常报告上限和所述工程异常报告发生率的相对大小。当所述工程异常报告发生率小于所述工程异常报告上限时，所述工艺异常报告管控评分单元350用于根据所述工程异常报告上限和所述工程异常报告发生率的差，获得所述工程异常报告余量；当所述工程异常报告发生率大于所述工程异常报告上限时，所述工艺异常报告管控评分单元350用于设置所述工程异常报告余量为0。

获得所述工程异常报告余量之后，所述工艺异常报告管控评分单元350用于根据所述工程异常报告余量和所述工程异常报告管控权重因子的乘积，获得所述工程异常报告管控评分(Engineering Abnormal Report case score,EAR_CS)：

EAR_CS＝(EAR_max-EAR_CA)×W_EAR

具体的，本实施例中，所述工程异常报告上限为5，所述工程异常报告管控权重因子为10/5，所以所述工艺异常报告管控评分单元350所获得所述工程异常报告管控评分为：

所述异常发生率指数模块300还包括：工艺遗漏管控评分单元360，用于设置工艺遗漏上限和工艺遗漏管控权重因子；与所述异常发生率单元330相连，用于根据所述工艺遗漏发生率和所述工艺遗漏上限，获得工艺遗漏余量；还用于根据所述工艺遗漏余量和所述工艺遗漏管控权重因子的乘积，获得所述工艺遗漏管控评分。

具体的，所述工艺遗漏管控评分单元360用于设置工艺遗漏上限(MO_max)和工艺遗漏管控权重因子(Miss Operation Weight,W_MO)。

所述工艺遗漏上限(MO_max)表示对工艺遗漏发生率的最大容忍值，也就是说所述工艺遗漏发生率不得高于所述工艺遗漏上限。当所述工艺遗漏发生率高于所述工艺遗漏上限时，所述工艺遗漏管控评分单元360用于判断所述半导体制造工厂对工程异常报告事件的管控能力存在严重不足。本实施例中，所述工艺遗漏管控评分单元360用于设置所述工程异常报告上限为5。

所述工艺遗漏管控权重因子(Miss Operation Weight,W_MO)反映了在对所述半导体制造工厂半导体制造信息的处理过程中，对所述工艺遗漏事件管控能力所占比重。具体的，根据所述工艺遗漏上限，对所述工艺遗漏管控评分的满分进行平均处理，设定所述工艺遗漏管控权重因子。本实施例中，所述工艺遗漏上限为1.5，所述工艺遗漏管控评分满分为5分，所以设定工艺遗漏管控权重因子为5/1.5。

所述工艺遗漏管控评分单元360，与所述异常发生率单元330相连，用于从所述异常发生率单元330获得所述工艺遗漏发生率；还用于根据所述工艺遗漏发生率和所述工艺遗漏上限，获得工艺遗漏余量。具体的，所述工艺遗漏管控评分单元360用于根据所述工艺遗漏上限和所述工艺遗漏发生率的差异获得所述工艺遗漏余量。

本实施例中，所述工艺遗漏管控评分单元360用于比较所述工艺遗漏上限和所述工艺遗漏发生率的相对大小。当所述工艺遗漏发生率小于所述工艺遗漏上限时，所述工艺遗漏管控评分单元360用于根据所述工艺遗漏上限和所述工艺遗漏发生率的差，获得所述工艺遗漏余量；当所述工艺遗漏发生率大于所述工艺遗漏上限时，所述工艺遗漏管控评分单元360用于设定所述工艺遗漏余量为0。

获得工艺遗漏余量之后，所述工艺遗漏管控评分单元360还用于根据所述工艺遗漏余量和所述工艺遗漏管控权重因子的乘积，获得所述工艺遗漏管控评分(MissOperation case score,MO_CS)：

MO_CS＝(MO_max-MO_CA)×W_MO

具体的，本实施例中，所述工艺遗漏上限为1.5，工艺遗漏管控权重因子为5/1.5，所以所述工艺遗漏管控评分单元360所获得的所述工艺遗漏管控评分为：

需要说明的是，为了促使半导体代工厂不断提高对异常事件的管控能力，改善薄弱环节，所述处理系统根据指数的变化趋势，动态调整相应的上限和权重因子，以突显半导体制造工厂在异常事件管控能力上的薄弱环节，从而促使所述半导体制造工厂在相应环节做出改善。

具体的，当连续3个月指数出现下降时，在获得各项异常事件管控评分的过程中，通过降低上限值或者增加权重因子值，以凸显半导体制造工厂的薄弱环节。

例如，当连续3个月的工艺偏移管控评分均下降时，说明半导体制造工厂在对于工艺偏移事件的管控上存在较大问题。所以所述工艺偏移管控评分单元340在获得所述工艺偏移管控评分时，减小所述工艺偏移上限的预设值或者增大所述工艺偏移管控权重因子的预设值，从而放大半导体制造工厂在对于工艺偏移事件管控上的问题，进而促使半导体制造工厂尽快做出改善。

此外，所以所述异常发生率指数模块300还包括：异常管控评分单元370，与所述工艺偏移管控评分单元340、所述工艺异常报告管控评分单元350以及所述工艺遗漏管控评分单元360相连，用于根据所述工艺偏移管控评分、所述工程异常报告管控评分和所述工艺遗漏管控评分的和，获得所述异常管控评分。

具体的，异常管控评分单元370，与所述工艺偏移管控评分单元340相连，用于从所述工艺偏移管控评分单元340获得所述工艺偏移管控评分；与所述工艺异常报告管控评分单元350相连，用于从所述工艺异常报告管控评分单元350获得所述工程异常报告管控评分；与所述工艺遗漏管控评分单元360相连，用于从所述工艺遗漏管控评分单元360获得所述工艺遗漏管控评分。

所述异常管控评分单元370，还用于根据所述工艺偏移管控评分、所述工程异常报告管控评分和所述工艺遗漏管控评分的和，获得所述异常管控评分(EI Score)：

EI Score＝Ex_CS+EAR_CS+MO_CS

继续参考图7，所述处理系统还包括：报废成本指数模块400。

具体的，参考图11，示出了图7所示实施例中报废成本指数模块400的功能框图。

根据半导体制造工厂报废晶圆的来源，报废晶圆可以分为产线报废晶圆、测试报废晶圆以及退货报废晶圆。其中，产线报废晶圆为由于产线工艺而造成的报废晶圆；测试报废晶圆为未通过晶圆测试的晶圆；退货报废晶圆为客户退货的晶圆。

如图11所示，所述报废成本指数模块400包括：产线成本数据单元410，与所述生产系统相连，用于从所述生产系统获得晶圆总产量和产线报废晶圆量；根据所述晶圆总产量和所述产线报废晶圆量，结合预设的线上晶圆成本因子，获得所述晶圆总成本和产线报废成本。

具体的，所述产线成本数据单元410，与所述生产系统相连，用于从所述生产系统获得晶圆总产量(Total wafer out count,TWOC)和产线报废晶圆量(FAB scrap count,Fab_SCu)；还用于根据所述晶圆总产量和所述产线报废晶圆量，结合预设的线上晶圆成本因子(FAB cost,Fab_C)，获得所述晶圆总成本(FAB Total cost,Fab_TC)和产线报废成本(FAB scrap cost,Fab_SC)。其中，线上晶圆成本因子用于反映每片晶圆在生产阶段的平均成本。

具体的，所述产线成本数据单元410用于根据所述晶圆总产量和所述线上晶圆成本因子的乘积获得所述晶圆总成本；还用于根据所述产线报废晶圆量和所述线上晶圆成本因子的乘积获得所述产线报废成本：

Fab_TC＝TWOC×Fab_C

Fab_SC＝Fab_SCu×Fab_C

测试成本数据单元420，与所述生产系统和所述售后系统相连，用于从所述生产系统和所述售后系统获得测试报废晶圆量；根据所述测试报废晶圆量，结合预设的测试晶圆成本因子，获得测试报废成本。

具体的，所述测试成本数据单元420，与所述生产系统和所述售后系统相连，用于从所述生产系统和所述售后系统获得测试报废晶圆量(Testing scrap count,T_SCu)；还用于根据所述测试报废晶圆量，结合预设的测试晶圆成本因子(Testing cost,T_C)，获得测试报废成本(Testing scrap cost,T_SC)。其中，测试晶圆成本因子用于反映每片晶圆在测试时的平均成本。需要说明的是，当半导体制造工厂包括测试设备时，所述测试报废晶圆量包括半导体制造工厂测试报废晶圆量和测试厂商报废晶圆量。

具体的，所述测试成本数据单元420用于根据所述测试报废晶圆量和所述测试晶圆成本因子的乘积获得所述测试报废成本：

T_SC＝T_SCu×T_C

售后成本数据单元430，与所述售后系统相连，用于从所述售后系统获得退货报废晶圆量；根据所述退货报废晶圆量，结合预设的晶圆销售成本因子，获得退货报废成本。

具体的，所述售后成本数据单元430，与所述所述售后系统相连，用于从所述售后系统获得退货报废晶圆量(Customer return material advice count,RMA_Cu)；还用于根据所述退货报废晶圆量，结合预设的晶圆销售成本因子(Wafer cost of sale,CoS)，获得退货报废成本(Customer return material advice cost,RMA_SC)。其中，晶圆销售成本因子用于反映每片晶圆在销售时的平均成本。

具体的，所述售后成本数据单元430用于根据所述退货报废晶圆量和所述晶圆销售成本因子的乘积获得所述退货报废成本：

RMA_SC＝RMA_Cu×CoS

所述报废成本指数模块400还用于根据所述晶圆总成本和所述报废成本，获得报废成本指数，所述报废成本指数用于判断所述半导体制造工厂的成本损失。

所述报废成本指数是通过将报废晶圆的成本平摊至每一片晶圆上而获得的。因此所述报废成本指数反映了每片晶圆的销售所得中用于弥补报废晶圆成本的损失。所述报废成本指数包括：产线损失成本率、测试损失成本率、退货损失成本率和报废成本率。

所以，所述报废成本指数模块400还包括：报废成本单元440，与产线成本数据单元410相连，用于根据所述产线报废成本和所述晶圆总成本，获得所述产线损失成本率；报废成本单元440，与所述所述测试成本数据单元420相连，用于根据所述测试报废成本和所述晶圆总成本，获得所述测试损失成本率；还与所述售后成本数据单元430相连，用于根据所述退货报废成本和所述晶圆总成本，获得所述退货损失成本率；还用于根据所述产线损失成本率、所述测试损失成本率和所述退货损失成本率，获得所述报废成本率。

所述报废成本单元440，与所述产线成本数据单元410相连，用于从所述产线成本数据单元410获得晶圆总成本和产线报废成本；还用于根据所述产线报废成本和所述晶圆总成本，获得所述产线损失成本率。

具体的，所述报废成本单元440用于根据所述产线报废成本和所述晶圆总成本的比值获得所述产线损失成本率(FAB scrap cost rate,Fab_SCR)：

所述报废成本单元440，与所述测试成本数据单元420相连，用于从所述测试成本数据单元420获得所述测试报废成本；还用于根据所述测试报废成本和所述晶圆总成本，获得所述测试损失成本率。

具体的，所述报废成本单元440用于根据所述测试报废成本和所述晶圆总成本的比值获得所述测试损失成本率(Testing scrap cost rate,T_SCR)：

所述报废成本单元440，与所述售后成本数据单元430相连，用于从所述售后成本数据单元430获得退货报废成本；还用于根据所述退货报废成本和所述晶圆总成本，获得所述退货损失成本率。

具体的，所述报废成本单元440用于根据所述退货报废成本和所述晶圆总成本的比值获得所述退货损失成本率(Customer return material advice count,RMA_SCR)：

所述报废成本单元440还用于根据所述产线损失成本率、所述测试损失成本率和所述退货损失成本率，获得所述报废成本率。

需要说明的是，线上晶圆成本因子、所述测试晶圆成本因子以及所述晶圆销售成本因子表示不同报废方式晶圆的平均成本。不同半导体制造工厂、不同报废方式，不同产品的报废所造成的成本损失并不相同。产品复杂程度越大，制造成本越高；报废晶圆的来源离销售终端越近，造成的成本损失越高。所以所述处理系统可以根据不同半导体制造工厂的具体情况，设定所述线上晶圆成本因子、所述测试晶圆成本因子以及所述晶圆销售成本因子。

所以所述处理系统利用成本损失率可以规避不同产品不同售价所引起的繁杂统计工作，从而实现了不同半导体制造工厂之间的比较。

例如，对于第一半导体制造工厂，所述产线成本数据单元410用于设定所述线上晶圆成本因子为1400；所述测试成本数据单元420用于设定所述测试晶圆成本因子为1430；所述售后成本数据单元430用于设定所述晶圆销售成本因子为1430。所以所述产线损失成本率(Fab_SCR₁)、所述测试损失成本率(T_SCR₁)以及所述退货损失成本率(RMA_SCR₁)为：

对于第二半导体制造工厂，所述产线成本数据单元410用于设定所述线上晶圆成本因子650；所述测试成本数据单元420用于设定所述测试晶圆成本因子为680；所述售后成本数据单元430用于设定所述晶圆销售成本因子为680。所以所述产线损失成本率(Fab_SCR2)、所述测试损失成本率(T_SCR2)以及所述退货损失成本率(RMA_SCR2)为：

在获得所述产线损失成本率、所述测试损失成本率和所述退货损失成本率之后，所述报废成本单元440还用于根据所述产线损失成本率、所述测试损失成本率和所述退货损失成本率，获得所述报废成本率。

具体的，所述报废成本单元440用于根据所述产线损失成本率、所述测试损失成本率以及所述退货损失成本率的总和，获得所述报废成本率(Cost Ratio of Non-Performance，CR_NP)：

CR_NP＝Fab_SCR+T_SCR+RMA_SCR

为了简化分析过程，降低分析难度，所述报废成本指数还包括：报废成本评分。

所以所述报废成本单元440还用于设置成本损失率上限和成本损失权重因子；根据成本损失率上限和所述报废成本率，获得报废成本率余量；根据所述报废成本率余量和预设的成本损失权重因子，获得所述报废成本评分。

具体的，所述报废成本单元440用于设置成本损失率上限(Cost_max)和成本损失权重因子(CNI Weight,WCNI)。

所述成本损失率上限(Cost_max)表示对所述报废成本率的最大容忍值，也就是说，所述报废成本率不得高于所述成本损失率上限。当所述报废成本率高于所述成本损失率上限时，所述报废成本单元440用于判断所述半导体制造工厂的损失成本过大。本实施例中，所述报废成本单元440用于设置所述成本损失率上限为0.3。

成本损失权重因子(CNI Weight,WCNI)反映了在对所述半导体制造工厂半导体制造信息的处理过程中，成本损失所站比重。具体的，所述报废成本单元440用于根据所述成本损失率上限，对所述报废成本评分的满分进行平均处理，设定所述成本损失权重因子。本实施例中，所述成本损失率上限为0.03，所述报废成本评分满分为30分，所以所述报废成本单元440用于设置所述成本损失权重因子为：30/0.03。

所述报废成本单元440还用于根据成本损失率上限和所述报废成本率，获得报废成本率余量。具体的，所述报废成本单元440用于根据成本损失率上限和所述报废成本率的差异获得所述报废成本率余量。

本实施例中，所述报废成本单元440用于比较所述报废成本率和所述成本损失率上限的相对大小。当所述报废成本率小于所述成本损失率上限时，所述报废成本单元440用于根据所述成本损失率上限和所述报废成本率的差，获得所述报废成本率余量；所述报废成本单元440用于当所述报废成本率大于所述成本损失率上限时，设定所述报废成本率余量为0。

所述报废成本单元440还用于根据所述报废成本率余量和预设的成本损失权重因子，获得所述报废成本评分。具体的，所述报废成本单元440用于所述报废成本率余量和所述成本损失权重因子(CNI Weight,WCNI)的乘积获得：

CNI_S＝(Cost_max-CR_NP)×W_CNI

具体的，本实施例中，所述报废成本单元440用于设定所述报废成本率上限为0.03，所述报废成本单元440用于设定所述报废成本评分满分为30分，所以所述报废成本单元440用于所获得的所述报废成本评分(CNI sorce,CNI_S)为：

继续参考图7，所述处理系统还包括：早期侦测指数模块500。

需要说明的是，半导体制造工厂中的监测系统，会对半导体制造工厂的生产销售活动进行持续监测，从而发现异常事件。因此获得所述工程异常报告数以及所述异常事件侦测记录的步骤中，从半导体制造工厂的监测系统获得所述工程异常报告数以及所述异常事件侦测记录。

参考图12，示出了图7所示实施例中所述早期侦测指数模块500的功能框图。

所述早期侦测指数模块500包括：侦测数据单元510，与所述监测系统相连，用于从所述监测系统获得所述工程异常报告数以及每个工程异常报告的异常事件侦测记录。

所述侦测数据单元510与所述监测系统相连，用于从所述监测系统获得所述工程异常报告数(N_EAR)以及每个工程异常报告的异常事件侦测记录。其中，所述异常事件侦测记录包括每个工程异常报告的侦测时间(Delay Time,DT)和每个工程异常报告的侦测步骤(Detection Stage,DS)。

所述早期侦测指数模块500还用于根据所述工程异常报告数以及异常事件侦测记录，获得早期侦测指数。

所述早期侦测指数用于判断所述半导体制造工厂对异常事件的早期侦测能力。所述早起侦测指数通过分析工厂对异常事件的早期侦测能力来反映产线的各个监控系统、机制以及操作人员的执行力对防堵异常事件的表现。

所述早期侦测指数模块500还包括：步骤指数单元520，与所述侦测数据单元510相连，用于根据与工程异常报告相对应的侦测步骤，结合预先存储的侦测步骤数据库，获得与工程异常报告相对应的步骤指数，所述侦测步骤数据库包括侦测步骤以及侦测步骤相对应的步骤指数；还用于根据所述侦测步骤，并查询预先存储的生产阶段侦测步骤列表，判断所述异常事件是否在生产阶段被发现，所述生产阶段侦测步骤列表包括了在生产阶段所设置的侦测步骤；当所述异常事件所对应的侦测步骤包含于所述生产阶段侦测步骤列表内时，判断所述异常事件在生产阶段被发现。

具体的，所述步骤指数单元520，与所述侦测数据单元510相连，用于获得与工程异常报告相对应的侦测步骤；还用于根据与工程异常报告相对应的侦测步骤，结合预先存储的侦测步骤数据库，获得与工程异常报告相对应的步骤指数，所述侦测步骤数据库包括侦测步骤以及侦测步骤相对应的步骤指数。

所述步骤指数单元520内预先存储有所述侦测步骤数据库，所述侦测步骤数据库包括侦测步骤以及侦测步骤相对应的步骤指数。所述步骤指数根据异常事件在半导体制造流程中被发现的时间而设置：在半导体制造流程中越早阶段的侦测步骤，所对应的步骤指数越高。

本实施例中，当异常事件在工艺制造阶段被发现时，所对应侦测步骤的步骤指数设置为95；当异常事件在在线检测阶段(inline WAT)被发现时，所对应侦测步骤的步骤指数设置为87；当异常事件在下线检测阶段(Final WAT)被发现时，所对应侦测步骤的步骤指数设置为60；当异常事件在在视觉检查阶段(Visual inspection)被发现时，所对应侦测步骤的步骤指数设置为55；当异常事件在晶圆级别可靠性测试(RE Wafer LevelReliability Control,REWLRC)阶段被发现时，所对应侦测步骤的步骤指数设置为55；当异常事件在测试阶段被发现时，所对应侦测步骤的步骤指数设置为33；当异常事件在客户视觉检查阶段(CTM Visual inspection)被发现时，所对应侦测步骤的步骤指数设置为23；当异常事件在最终测试阶段(after CTM FT test)之后被发现，所对应侦测步骤的步骤指数设置为0。

所以所述步骤指数单元520用于根据所述侦测步骤，查询所述侦测步骤数据库，获得所述步骤指数。

所述步骤指数单元520还用于根据所述侦测步骤，并查询预先存储的生产阶段侦测步骤列表，判断所述异常事件是否在生产阶段被发现，并根据判断结果获得与工程异常报告相对应的单次侦测指数。

所述生产阶段侦测步骤列表包括了半导体制造工厂在生产阶段所设置的侦测步骤。具体的，当所述异常事件所对应的侦测步骤包含于所述生产阶段侦测步骤列表内时，判断所述异常事件在生产阶段被发现；否则，则判断所述异常事件不是在生产阶段被发现。

所以所述步骤指数单元520用于根据所述侦测步骤，查询所述生产阶段侦测步骤列表，判断所述异常事件是否在生产阶段被发现。当所述异常事件所对应的侦测步骤包含于所述生产阶段侦测步骤列表内时，所述步骤指数单元520用于判断所述异常事件在生产阶段被发现。

所述早期侦测指数模块500还包括：单次侦测指数单元530，与所述侦测数据单元510和所述步骤指数单元520相连，用于在判断所述异常事件在生产阶段被发现时，根据与工程异常报告相对应的侦测时间，结合预设的侦测转换率，获得与工程异常报告相对应的延迟指数；根据与工程异常报告相对应的步骤指数和与工程异常报告相对应的延迟指数，获得与工程异常报告相对应的单次侦测指数；还用于在判断所述异常事件不在生产阶段被发现时，根据所述步骤指数，获得与工程异常报告相对应的单次侦测指数。

具体的，所述单次侦测指数单元530，与所述所述步骤指数单元520相连，用于获得所述步骤指数单元520对所述异常事件是否在生产阶段被发现的判断结果；所述单次侦测指数单元530，还与所述侦测数据单元510相连，用于从所述侦测数据单元510获得与工程异常报告相对应的侦测时间。

在所述步骤指数单元520判断所述异常事件在生产阶段被发现时，所述单次侦测指数单元530用于根据与工程异常报告相对应的侦测时间，结合预设的侦测转换率，获得与工程异常报告相对应的延迟指数(Score of Delay Time,DT_S)。具体的，所述单次侦测指数单元530用于根据所述侦测时间和所述侦测转换率的乘积获得所述延迟指数。

需要说明的是，预设的延迟上限表示延迟指数的最大容忍值。也就是说本实施例中，所述延迟指数不得大于预设的延迟上限。具体的，单次侦测指数单元530用于比较所述侦测时间和所述侦测转换率的乘积与所述延迟上限的相对大小，当所述侦测时间和所述侦测转换率的乘积小于或等于所述延迟上限时，单次侦测指数单元530用于根据所述侦测时间和所述侦测转换率的乘积，获得所述延迟指数；当所述侦测时间和所述侦测转换率的乘积大于所述延迟上限时，所述单次侦测指数单元530用于设定所述侦测指数与所述延迟上限相等。本实施例中，所述延迟上限为35。

随着半导体结构复杂程度的增大，半导体制造工艺的难度随之增大，产线发生异常事件的几率升高，侦测异常事件的难度增大。例如，例如：第一半导体制造工厂的产品复杂程度和产线工艺能力高于第二半导体制造工厂，因此第一半导体制造工厂对异常事件的侦测难度高于第二半导体制造工厂对异常事件的侦测难度。因此，通过所述侦测转换率的设置，实现了不同半导体制造工厂侦测能力的的横向比较，有效的扩大了所述处理系统的处理范围，有利于对半导体制造工厂分析范围的扩大。

所述单次侦测指数单元530还用于根据与工程异常报告相对应的步骤指数和与工程异常报告相对应的延迟指数，获得与工程异常报告相对应的单次侦测指数(Score ofDection,D_S)。具体的，所述单次侦测指数单元530用于根据所述步骤指数和所述延迟指数的差获得所述单次侦测指数。

需要说明的是，本实施例中，所述延迟指数不得大于所述步骤指数。当所述延迟指数大于所述步骤指数时，判断与所述步骤指数相对应的侦测步骤的侦测能力存在问题，亟需改进，设定所述单次侦测指数为0。此外，在所述步骤指数单元520判断所述异常事件不在生产阶段被发现时，所述单次侦测指数单元530还用于根据所述步骤指数，获得与工程异常报告相对应的单次侦测指数。具体的，当判断所述异常事件不在生产阶段被发现时，所述单次侦测指数单元530用于获得与所述步骤指数相等的所述单次侦测指数。

由于所述步骤指数和所述延迟指数均与工程异常报告相对应，所以所述单次侦测指数也与所述工程异常报告相对应，也就是说，每个工程异常报告均有与之对应的单次侦测指数。

所以所述早期侦测指数模块500还包括：早期侦测指数单元540，与所述单次侦测指数单元530相连，用于对与工程异常报告相对应的单次侦测指数进行平均处理，获得平均侦测指数；根据所述平均侦测指数，结合预设的侦测权重因子，获得早期侦测指数。

所述早期侦测指数单元540，与所述单次侦测指数单元530相连，用于获得与工程异常报告相对应的所有单次侦测指数；所述早期侦测指数单元540还用于根据所有工程异常报告的单次侦测指数，结合所述工程异常报告数和预设的侦测权重因子，进行平均处理，获得早期侦测指数。

具体的，所述早期侦测指数单元540用于根据所有工程异常报告的单次侦测指数和工程异常报告数，获得平均侦测指数。具体的，所述早期侦测指数单元540用于根据所有单次侦测指数的总和与所述工程异常报告数的比值获得平均侦测指数。

之后，所述早期侦测指数单元540用于根据所述平均侦测指数，结合预设的侦测权重因子，获得所述早期侦测指数。具体的，所述早期侦测指数单元540用于根据所述平均侦测指数和所述侦测权重因子(EDI Weight,W_EDI)的乘积获得所述早期侦测指数(EDI score,EDI_S)：

其中，D_S_i表示工程异常报告i所对应的单次侦测指数。

具体的，本实施例中，所述政策权重因子预设为0.1，所以可以得到：

继续参考图7，所述处理系统还包括：分析模块600，用于与所述生产质量指数模块100、所述制程稳定性指数模块200、所述异常发生率指数模块300、所述报废成本指数模块400和所述早期侦测指数模块500相连，用于根据所述生产质量指数、所述制程稳定性指数、所述异常发生率指数、所述报废成本指数和所述早期侦测指数，对半导体制造工厂进行分析。

具体的，所述分析模块600，与所述生产质量指数模块100相连，用于从所述生产质量指数模块100获得所述生产质量指数；与所述制程稳定性指数模块200相连，用于从所述制程稳定性指数模块200获得所述制程稳定性指数；与所述异常发生率指数模块300相连，用于从所述异常发生率指数模块300获得所述异常发生率指数；与所述报废成本指数模块400相连，用于从所述报废成本指数模块400获得所述报废成本指数；与所述早期侦测指数模块500相连，用于从所述早期侦测指数模块500获得所述早期侦测指数；所述分析模块600，还用于根据所述生产质量指数、所述制程稳定性指数、所述异常发生率指数、所述报废成本指数以及所述早期侦测指数，建立处理汇总表，并根据所述处理汇总表进行分析。

处理汇总表II

例如，处理汇总表II中示出了本发明其他实施例中，8月和9月，所述分析模块两次对4个半导体制造工厂的半导体制造信息进行处理，所获得的处理结果。

其中，半导体制造工厂F1和F2属于第一类半导体制造工厂，半导体制造工厂F3和F4述属于第二类半导体制造工厂，第一类半导体制造工厂的工艺难度大于第二类半导体制造工厂。

所述处理汇总表II内包括：所述生产质量指数(MQI)中的所述生产质量评分(MQI_S)和所述制程稳定性指数(PQI)中的所述在线稳定指数和所述下线稳定指数，其中所述在线稳定指数包括所述在线统计评分(PQI_S_inline)，所述下线稳定指数包括所述下线统计评分(PQI_S_wat)；所述异常发生率指数(EI)中的所述工艺偏移指数、所述工程异常报告指数以及所述工艺遗漏指数和所述异常管控评分，其中所述工艺偏移指数包括所述工艺偏移管控评分(Ex_CS)，所述工程异常报告指数包括所述工程异常报告管控评分(EAR_CS)，所述工艺遗漏指数包括所述工艺遗漏管控评分(MO_CS)；以及，所述早期侦测指数(EDI_S)和所述报废成本指数(CNI)中的所述报废成本评分(CNI_S)。

所述分析模块600用于根据同一半导体制造工厂，不同处理周期的处理结果，获得半导体制造工厂薄弱环节以及改进方向的分析结果。例如，半导体制造工厂F1的早期侦测指数较低，所述分析模块600用于获得半导体制造工厂F1对于异常事件的早期侦测能力有待加强的分析结果。同时在第2处理周期的处理结果中，半导体制造工厂F1的早期侦测指数有所提高，所述分析模块600用于获得半导体制造工厂F1在第2处理周期内加强了对异常事件的侦测的分析结果。

此外，所述处理结果还包括半导体制造工厂的分析总分。具体的，根据半导体制造工厂所有处理结果的总和，所述分析总分。所述分析模块600用于根据所述分析总分的高低，判断半导体制造工厂的整体运行状况，所述分析总分越高，其运行状况越好。例如，根据上述处理汇总表II，所述分析模块600用于获得如下结论：对于第一类半导体制造工厂F1和F2而言，半导体制造工厂F2的整体运行状况优于半导体制造工厂F1。

进一步，所述分析模块600用于根据不同半导体制造工厂处理结果的比较，可以实现不同半导体制造工厂之间的横向比较，有利于半导体工厂之间的取长补短，共同进步。例如，第1处理周期内，第二类的半导体制造工厂F3的早期侦测指数高于第一类半导体制造工厂F2的早期侦测指数，因此所述分析模块600用于获得半导体制造工厂F2能够向半导体制造工厂F3学习对异常事件的侦测方法的分析建议，从而提高半导体制造工厂F2的自身的早期侦测水平。

需要说明的是，由于处理结果中各个指标之间是相互关联的。当1个影响半导体制造工厂生产质量的异常事件发生时，该异常事件会直接引起所述异常发生率指数的下降；对于该异常事件的侦测，会直接引起所述早期侦测指数的变化。此外，该异常事件可能是由于违反质量项目相应质量规则而产生的，因此可能会引起生产质量指数的降低；该异常事件可能会对制程稳定性造成影响，因此可能会引起制程稳定性指数的下降；该异常事件发生期间所生产的晶圆数量可能会影响报废成本指数的高低。所以，所述处理系统能够多方面体现半导体制造工厂的异常波动，及时反映半导体制造工厂的微小异常波动，全面反应所述半导体制造工厂的整体运行状况。

需要说明的是，所述处理系统还包括：调整模块(图中未示出)，与所述分析模块600以及所述生产系统、所述监测系统和所述量测系统相连，用于在分析结果不符要求时，对所述生产系统、所述监测系统或所述量测系统进行调整以符合要求。

所述调整模块与所述分析模块600相连，用于获得所述分析模块600对所述半导体制造工厂的分析结果；还与所述生产系统、所述监测系统和所述量测系统相连，用于在分析结果不符要求时，对所述生产系统、所述监测系统或所述量测系统进行调整以符合要求。

具体的，由于根据同一半导体制造工厂，不同处理周期的处理结果，分析模块600能够判断半导体制造工厂的薄弱环节以及改进方向。所以所述调整模块，与所述分析模块600相连，用于获得半导体制造工厂的薄弱环节以及改进方向的分析结果；所述调整模块，还与所述生产系统、所述监测系统和所述量测系统相连，用于根据所述分析结果，对与薄弱环节或改进方向相对应的所述生产系统、所述监测系统或所述量测系统进行调整，以改善分析结果，最终达到要求。

例如，半导体制造工厂F4的8月份的工艺偏移管控评分仅为0分，得分很低，因此，所述调整模块，与所述分析模块600相连，用于获得所述半导体制造工厂F4的工艺偏移管控能力较差的分析结果；所述调整模块与所述量测系统和生产系统相连，用于调整所述量测系统和所述生产系统，以提高所述半导体制造工厂F4的工艺偏移管控能。所以在9月份的处理结果中，半导体制造工厂F4点工艺偏移管控评分得到了显著的改善。

本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：ROM、RAM、磁盘或光盘等。

综上，本发明技术方案能够较全面的反映半导体制造工厂的运行状况，并能够及时准确的反映半导体制造工厂运行过程中的异常波动，降低了对半导体制造工厂运行状况分析的难度，提高了分析的便捷性；而且所述生产质量指数、所述制程稳定性指数、所述异常发生率指数、所述报废成本指数以及所述早期侦测指数互相联动，能够全面反映异常事件对半导体制造工厂整体运行状况的影响，便于针对性的进行技术改进。

虽然本发明披露如上，但本发明并非限定于此。任何本领域技术人员，在不脱离本发明的精神和范围内，均可作各种更动与修改，因此本发明的保护范围应当以权利要求所限定的范围为准。

Claims (17)

1.一种半导体制造信息的处理方法，用于对半导体制造工厂进行分析，所述半导体制造工厂包括：生产系统、监测系统、量测系统以及售后系统，其特征在于，所述处理方法包括：

从所述生产系统、监测系统以及量测系统获得质量稽核数据，所述质量稽核数据包括异常操作事件信息；根据所述质量稽核数据，获得生产质量指数，所述生产质量指数用于判断所述半导体制造工厂爆发突发事件的可能，其中，从所述生产系统、监测系统以及量测系统获得质量稽核数据的步骤包括：在处理周期内进行一次或多次质量稽核，分别获得一组或多组单次质量稽核数据，所述单次质量稽核数据包括：与各质量项目一一对应的单项稽核事件数和生产过程中与质量项目对应进行异常操作的单项异常操作事件数；所述生产质量指数包括生产质量通过率，根据所述质量稽核数据，获得生产质量指数的步骤包括：基于单项异常操作事件数与所述单项稽核事件数的比值，获得与质量项目相对应的单项稽核通过率；对与质量项目相对应的单项稽核通过率进行平均处理，获得与每次质量稽核相对应的单次生产质量通过率；对处理周期内各次质量稽核相对应的单次生产质量通过率进行平均处理，获得生产质量通过率；

从所述生产系统获得晶圆总量以及与产品相对应的产品晶圆量；从所述量测系统获得与产品相对应的产品合格率；根据所述晶圆总量、所述产品合格率和所述产品晶圆量，获得制程稳定性指数，所述制程稳定性指数用于判断产线的稳定程度，其中，从所述生产系统获得晶圆总量以及与产品相对应的产品晶圆量的步骤包括：从所述生产系统获得在线晶圆总量、下线晶圆总量、在线在制品名称、下线在制品名称、在线在制品晶圆量以及下线在制品晶圆量；基于在线在制品晶圆量与预设的产品最小在线量的相对大小，或者，基于下线在制品晶圆量与预设的产品最小下线量的相对大小，判断所述在制品是否为产品；在判断在制品为产品时，根据在线在制品名称、下线在制品名称、在线在制品晶圆量以及下线在制品晶圆量分别获得在线产品名称、下线产品名称、在线产品晶圆量以及下线产品晶圆量；在判断在制品不为产品时，根据在线在制品之外的在线晶圆名称获得在线产品名称，根据下线在制品之外的下线晶圆名称获得下线产品名称；根据所述在线晶圆总量和所述在线在制品晶圆量的差值，获得在线产品晶圆量；根据所述下线晶圆总量和所述下线在制品晶圆量的差值，获得下线产品晶圆量；从所述量测系统获得与产品相对应的产品合格率的步骤包括：从所述量测系统获得与所述在线产品名称相对应的在线产品合格率以及与下线产品名称相对应的下线产品合格率；所述制程稳定性指数包括：在线统计合格率和下线统计合格率，获得制程稳定性指数的步骤包括：根据所述在线产品合格率、所述在线产品晶圆量以及所述在线晶圆总量，获得所述在线统计合格率；根据所述下线产品合格率、所述下线产品晶圆量以及所述下线晶圆总量，获得所述下线统计合格率；

从所述量测系统获得异常事件数；从所述生产系统获得晶圆总产量；根据所述异常事件数和所述晶圆总产量，获得异常发生率指数，所述异常发生率指数用于判断所述半导体制造工厂对异常事件的管控能力，其中，从所述量测系统获得异常事件数的步骤包括：从一个或多个半导体制造工厂的量测系统分别获得一组或多组异常事件数据，所述异常事件数据包括：与半导体制造工厂一一对应的工厂工艺偏移事件数、与半导体制造工厂一一对应的工厂工程异常报告事件数和与半导体制造工厂一一对应的工厂工艺遗漏事件数；基于所述工厂工艺偏移事件数、所述工厂工程异常报告事件数以及所述工厂工艺遗漏事件数，结合预设的工厂转换因子，获得工艺偏移事件数、工程异常报告事件数和工艺遗漏事件数；所述异常发生率指数包括：工艺偏移发生率、工程异常报告发生率和工艺遗漏发生率，获得异常发生率指数的步骤包括：根据所述工艺偏移事件数和所述晶圆总产量，获得所述工艺偏移发生率；根据所述工程异常报告事件数和所述晶圆总产量，获得所述工程异常报告发生率；根据所述工艺遗漏事件数和所述晶圆总产量，获得所述工艺遗漏发生率；

从所述生产系统和所述售后系统获得晶圆总成本和报废成本；根据所述晶圆总成本和所述报废成本，获得报废成本指数，所述报废成本指数用于判断所述半导体制造工厂的成本损失，其中，从所述生产系统和所述售后系统获得晶圆总成本和报废成本的步骤包括：从所述生产系统获得晶圆总产量和产线报废晶圆量；根据所述晶圆总产量和所述产线报废晶圆量，结合预设的线上晶圆成本因子，获得所述晶圆总成本和产线报废成本；从所述生产系统和所述售后系统获得测试报废晶圆量；根据所述测试报废晶圆量，结合预设的测试晶圆成本因子，获得测试报废成本；从所述售后系统获得退货报废晶圆量；根据所述退货报废晶圆量，结合预设的晶圆销售成本因子，获得退货报废成本；所述报废成本指数包括：产线损失成本率、测试损失成本率、退货损失成本率和报废成本率，根据所述晶圆总成本和所述报废成本，获得报废成本指数的步骤包括：根据所述产线报废成本和所述晶圆总成本，获得所述产线损失成本率；根据所述测试报废成本和所述晶圆总成本，获得所述测试损失成本率；根据所述退货报废成本和所述晶圆总成本，获得所述退货损失成本率；根据所述产线损失成本率、所述测试损失成本率和所述退货损失成本率，获得所述报废成本率；

从所述监测系统获得工程异常报告数以及异常事件侦测记录，所述异常事件侦测记录包括每个工程异常报告的侦测时间和每个工程异常报告的侦测步骤；根据所述工程异常报告数以及所述异常事件侦测记录，获得早期侦测指数，所述早期侦测指数用于判断所述半导体制造工厂对异常事件的早期侦测能力，其中，从所述监测系统获得工程异常报告数以及异常事件侦测记录的步骤包括：从所述监测系统获得所述工程异常报告数以及每个工程异常报告的异常事件侦测记录；根据所述工程异常报告数以及所述异常事件侦测记录，获得早期侦测指数的步骤包括：根据与工程异常报告相对应的侦测步骤，结合预先存储的侦测步骤数据库，获得与工程异常报告相对应的步骤指数，所述侦测步骤数据库包括侦测步骤以及侦测步骤相对应的步骤指数；根据所述侦测步骤，并查询预先存储的生产阶段侦测步骤列表，判断所述异常事件是否在生产阶段被发现，并根据判断结果获得与工程异常报告相对应的单次侦测指数，所述生产阶段侦测步骤列表包括了在生产阶段所设置的侦测步骤；当所述异常事件所对应的侦测步骤包含于所述生产阶段侦测步骤列表内时，判断所述异常事件在生产阶段被发现；在判断所述异常事件在生产阶段被发现时，根据与工程异常报告相对应的侦测时间，结合预设的侦测转换率，获得与工程异常报告相对应的延迟指数；根据与工程异常报告相对应的步骤指数和与工程异常报告相对应的延迟指数，获得与工程异常报告相对应的单次侦测指数；在判断所述异常事件不在生产阶段被发现时，根据所述步骤指数，获得与工程异常报告相对应的单次侦测指数；对与工程异常报告相对应的单次侦测指数进行平均处理，获得平均侦测指数；根据所述平均侦测指数，结合预设的侦测权重因子，获得早期侦测指数；

根据所述生产质量指数、所述制程稳定性指数、所述异常发生率指数、所述报废成本指数和所述早期侦测指数，对半导体制造工厂进行分析。

2.如权利要求1所述的处理方法，其特征在于，所述处理方法还包括：在分析结果不符合要求时，对生产系统、监测系统或量测系统进行调整以符合要求。

3.如权利要求1所述的处理方法，其特征在于，所述生产质量指数还包括生产质量评分，所述根据所述质量稽核数据，获得生产质量指数的步骤还包括：设置稽核通过率下限和生产质量指数权重因子；根据单次生产质量通过率与所述稽核通过率下限的相对大小，获得单次生产质量通过率余量；根据所述单次生产质量通过率余量和生产质量权重因子的乘积，获得单次稽核评分；基于处理周期内各次质量稽核相对应的单次稽核评分的平均值，获得所述生产质量评分。

4.如权利要求1所述的处理方法，其特征在于，所述制程稳定性指数还包括制程稳定评分，获得制程稳定性指数的步骤还包括：

设置在线合格率下限和在线产品权重因子；根据所述在线产品合格率和所述在线合格率下限，获得在线产品合格率余量；根据所述在线产品合格率余量与所述在线产品晶圆量的乘积，获得在线产品合格余量；根据所述在线产品合格余量，结合在线统计权重因子，获得产品在线统计评分；根据与各在线产品名称相对应的所述产品在线统计评分，结合所述在线晶圆总量，获得在线统计评分；

设置下线合格率下限和下线产品权重因子；根据所述下线产品合格率和所述下线合格率下限，获得下线产品合格率余量；根据所述下线产品合格率余量与所述下线产品晶圆量的乘积，获得下线产品合格余量；根据所述下线产品合格余量，结合下线统计权重因子，获得产品下线统计评分；根据与各下线产品名称产品相对应的所述产品下线统计评分，结合所述下线晶圆总量，获得下线统计评分；

根据所述在线统计评分和所述下线统计评分的和，获得所述制程稳定评分。

5.如权利要求1所述的处理方法，其特征在于，所述异常发生率指数还包括：

异常管控评分，获得所述异常发生率指数的步骤还包括：

设置工艺偏移上限和工艺偏移管控权重因子；根据所述工艺偏移发生率和所述工艺偏移上限，获得工艺偏移余量；根据所述工艺偏移余量和所述工艺偏移管控权重因子的乘积，获得工艺偏移管控评分；

设置工程异常报告上限和工程异常报告管控权重因子；根据所述工程异常报告发生率和所述工程异常报告上限，获得工程异常报告余量；根据所述工程异常报告余量和所述工程异常报告管控权重因子的乘积，获得工程异常报告管控评分；

设置工艺遗漏上限和工艺遗漏管控权重因子；根据所述工艺遗漏发生率和所述工艺遗漏上限，获得工艺遗漏余量；根据所述工艺遗漏余量和所述工艺遗漏管控权重因子的乘积，获得工艺遗漏管控评分；

根据所述工艺偏移管控评分、所述工程异常报告管控评分和所述工艺遗漏管控评分的和，获得所述异常管控评分。

6.如权利要求1所述的处理方法，其特征在于，所述报废成本指数还包括：报废成本评分，获得所述报废成本指数的步骤还包括：

设置成本损失率上限和成本损失权重因子；根据成本损失率上限和所述报废成本率，获得报废成本率余量；根据所述报废成本率余量和预设的成本损失权重因子，获得所述报废成本评分。

7.一种半导体制造信息的处理系统，用于对半导体制造工厂进行分析，所述处理系统采用如权利要求1～6中任一项所述的处理方法处理数据，所述半导体制造工厂包括：生产系统、监测系统、量测系统以及售后系统，其特征在于，所述处理系统包括：

生产质量指数模块，与所述生产系统、监测系统以及量测系统相连，用于从所述生产系统、监测系统以及量测系统获得质量稽核数据，所述质量稽核数据包括异常操作事件信息；还用于根据所述质量稽核数据，获得生产质量指数，所述生产质量指数用于判断所述半导体制造工厂爆发突发事件的可能；

制程稳定性指数模块，与所述生产系统相连，用于从所述生产系统获得晶圆总量以及与产品相对应的产品晶圆量；还与所述量测系统相连，还用于从所述量测系统获得与产品相对应的产品合格率；所述制程稳定性指数模块还用于根据所述晶圆总量、所述产品合格率和所述产品晶圆量，获得制程稳定性指数，所述制程稳定性指数用于判断产线的稳定程度；

异常发生率指数模块，与所述量测系统相连，用于从所述量测系统获得异常事件数；还与所述生产系统相连，用于从所述生产系统获得晶圆总产量；所述异常发生率指数模块还用于根据所述异常事件数和所述晶圆总产量，获得异常发生率指数，所述异常发生率指数用于判断所述半导体制造工厂对异常事件的管控能力；

报废成本指数模块，与所述生产系统和所述售后系统相连，用于从所述生产系统和所述售后系统获得晶圆总成本和报废成本；还用于根据所述晶圆总成本和所述报废成本，获得报废成本指数，所述报废成本指数用于判断所述半导体制造工厂的成本损失；

早期侦测指数模块，与所述监测系统相连，用于从所述监测系统获得工程异常报告数以及异常事件侦测记录，所述异常事件侦测记录包括每个工程异常报告的侦测时间和每个工程异常报告的侦测步骤；还用于根据所述工程异常报告数以及所述异常事件侦测记录，获得早期侦测指数，所述早期侦测指数用于判断所述半导体制造工厂对异常事件的早期侦测能力；

分析模块，用于与所述生产质量指数模块、所述制程稳定性指数模块、所述异常发生率指数模块、所述报废成本指数模块和所述早期侦测指数模块相连，用于根据所述生产质量指数、所述制程稳定性指数、所述异常发生率指数、所述报废成本指数和所述早期侦测指数，对半导体制造工厂进行分析。

8.如权利要求7所述的处理系统，其特征在于，所述处理系统还包括：调整模块，与所述分析模块以及所述生产系统、所述监测系统和所述量测系统相连，用于在分析结果不符要求时，对所述生产系统、所述监测系统或所述量测系统进行调整以符合要求。

9.如权利要求7所述的处理系统，其特征在于，生产质量指数模块包括：

稽核数据单元，与所述生产系统、监测系统以及量测系统相连，用于在处理周期内进行一次或多次质量稽核，分别获得一组或多组单次质量稽核数据，所述单次质量稽核数据包括：与各质量项目一一对应的单项稽核事件数和生产过程中与质量项目对应进行异常操作的单项异常操作事件数；

所述生产质量指数包括生产质量通过率，所述生产质量指数模块还包括：

生产质量单元，与稽核数据单元相连，用于基于单项异常操作事件数与所述单项稽核事件数的比值，获得与质量项目相对应的单项稽核通过率；对与质量项目相对应的单项稽核通过率进行平均处理，获得与每次质量稽核相对应的单次生产质量通过率；对处理周期内各次质量稽核相对应的单次生产质量通过率进行平均处理，获得生产质量通过率。

10.如权利要求9所述的处理系统，其特征在于，所述生产质量指数还包括生产质量评分，所述生产质量单元还用于设置稽核通过率下限和生产质量指数权重因子；根据单次生产质量通过率与所述稽核通过率下限的相对大小，获得单次生产质量通过率余量；根据所述单次生产质量通过率余量和生产质量权重因子的乘积，获得单次稽核评分；基于处理周期内各次质量稽核相对应的单次稽核评分的平均值，获得所述生产质量评分。

11.如权利要求7所述的处理系统，其特征在于，制程稳定性指数模块包括：

生产数据单元，与所述生产系统相连，用于从所述生产系统获得在线晶圆总量、下线晶圆总量、在线在制品名称、下线在制品名称、在线在制品晶圆量以及下线在制品晶圆量；

产品数据单元，与所述生产数据单元相连，用于基于在线在制品晶圆量与预设的产品最小在线量的相对大小，或者，基于下线在制品晶圆量与预设的产品最小下线量的相对大小，判断所述在制品是否为产品；在判断在制品为产品时，根据在线在制品名称、下线在制品名称、在线在制品晶圆量以及下线在制品晶圆量分别获得在线产品名称、下线产品名称、在线产品晶圆量以及下线产品晶圆量；在判断在制品不为产品时，根据在线在制品之外的在线晶圆名称获得在线产品名称，根据下线在制品之外的下线晶圆名称获得下线产品名称；根据所述在线晶圆总量和所述在线在制品晶圆量的差值，获得在线产品晶圆量；根据所述下线晶圆总量和所述下线在制品晶圆量的差值，获得下线产品晶圆量；

量测数据单元，与所述量测系统相连，用于从所述量测系统获得与产品相对应的产品合格率的步骤包括：从所述量测系统获得与所述在线产品名称相对应的在线产品合格率以及与下线产品名称相对应的下线产品合格率；

所述制程稳定性指数包括：在线统计合格率和下线统计合格率，所述制程稳定性指数模块还包括：制程稳定性单元，与所述产品数据单元和所述量测数据单元相连，用于根据所述在线产品合格率、所述在线产品晶圆量以及所述在线晶圆总量，获得所述在线统计合格率；根据所述下线产品合格率、所述下线产品晶圆量以及所述下线晶圆总量，获得所述下线统计合格率。

12.如权利要求11所述的处理系统，其特征在于，所述制程稳定性指数还包括制程稳定评分，所述制程稳定性指数模块还包括：

在线统计评分单元，与所述制程稳定性单元相连，用于设置在线合格率下限和在线产品权重因子；根据所述在线产品合格率和所述在线合格率下限，获得在线产品合格率余量；根据所述在线产品合格率余量与所述在线产品晶圆量的乘积，获得在线产品合格余量；根据所述在线产品合格余量，结合在线统计权重因子，获得产品在线统计评分；根据与各在线产品名称相对应的所述产品在线统计评分，结合所述在线晶圆总量，获得在线统计评分；

下线统计评分单元，与所述制程稳定性单元相连，设置下线合格率下限和下线产品权重因子；根据所述下线产品合格率和所述下线合格率下限，获得下线产品合格率余量；根据所述下线产品合格率余量与所述下线产品晶圆量的乘积，获得下线产品合格余量；根据所述下线产品合格余量，结合下线统计权重因子，获得产品下线统计评分；根据与各下线产品名称产品相对应的所述产品下线统计评分，结合所述下线晶圆总量，获得下线统计评分；

制程稳定评分单元，与所述在线统计评分单元和所述下线统计评分单元相连，用于根据所述在线统计评分和所述下线统计评分的和，获得所述制程稳定评分。

13.如权利要求7所述的处理系统，其特征在于，异常发生率指数模块包括：

异常事件数据单元，与一个或多个半导体制造工厂的量测系统相连，用于从一个或多个半导体制造工厂的量测系统分别获得一组或多组异常事件数据，所述异常事件数据包括：与半导体制造工厂一一对应的工厂工艺偏移事件数、与半导体制造工厂一一对应的工厂工程异常报告事件数和与半导体制造工厂一一对应的工厂工艺遗漏事件数；

工厂数据转换单元，与所述异常事件数据单元相连，用于基于所述工厂工艺偏移事件数、所述工厂工程异常报告事件数以及所述工厂工艺遗漏事件数，结合预设的工厂转换因子，获得工艺偏移事件数、工程异常报告事件数和工艺遗漏事件数；

所述异常发生率指数包括：工艺偏移发生率、工程异常报告发生率和工艺遗漏发生率，所述异常发生率指数模块还包括：异常发生率单元，与所述工厂数据转换单元相连，用于根据所述工艺偏移事件数和所述晶圆总产量，获得所述工艺偏移发生率；根据所述工程异常报告事件数和所述晶圆总产量，获得所述工程异常报告发生率；根据所述工艺遗漏事件数和所述晶圆总产量，获得所述工艺遗漏发生率。

14.如权利要求13所述的处理系统，其特征在于，所述异常发生率指数还包括：

异常管控评分，所述异常发生率指数模块还包括：

工艺偏移管控评分单元，用于设置工艺偏移上限和工艺偏移管控权重因子；与所述异常发生率单元相连，用于根据所述工艺偏移发生率和所述工艺偏移上限，获得工艺偏移余量；还用于根据所述工艺偏移余量和所述工艺偏移管控权重因子的乘积，获得工艺偏移管控评分；

工艺异常报告管控评分单元，用于设置工程异常报告上限和工程异常报告管控权重因子；与所述异常发生率单元相连，用于根据所述工程异常报告发生率和所述工程异常报告上限，获得工程异常报告余量；还用于根据所述工程异常报告余量和所述工程异常报告管控权重因子的乘积，获得工程异常报告管控评分；

工艺遗漏管控评分单元，用于设置工艺遗漏上限和工艺遗漏管控权重因子；与所述异常发生率单元相连，用于根据所述工艺遗漏发生率和所述工艺遗漏上限，获得工艺遗漏余量；还用于根据所述工艺遗漏余量和所述工艺遗漏管控权重因子的乘积，获得工艺遗漏管控评分；

异常管控评分单元，与所述工艺偏移管控评分单元、所述工艺异常报告管控评分单元以及所述工艺遗漏管控评分单元相连，用于根据所述工艺偏移管控评分、所述工程异常报告管控评分和所述工艺遗漏管控评分的和，获得所述异常管控评分。

15.如权利要求7所述的处理系统，其特征在于，所述报废成本指数模块包括：

产线成本数据单元，与所述生产系统相连，用于从所述生产系统获得晶圆总产量和产线报废晶圆量；根据所述晶圆总产量和所述产线报废晶圆量，结合预设的线上晶圆成本因子，获得所述晶圆总成本和产线报废成本；

测试成本数据单元，与所述生产系统和所述售后系统相连，用于从所述生产系统和所述售后系统获得测试报废晶圆量；根据所述测试报废晶圆量，结合预设的测试晶圆成本因子，获得测试报废成本；

售后成本数据单元，与所述售后系统相连，用于从所述售后系统获得退货报废晶圆量；根据所述退货报废晶圆量，结合预设的晶圆销售成本因子，获得退货报废成本；

所述报废成本指数包括：产线损失成本率、测试损失成本率、退货损失成本率和报废成本率，所述报废成本指数模块还包括：报废成本单元，用于根据所述产线报废成本和所述晶圆总成本，获得所述产线损失成本率；根据所述测试报废成本和所述晶圆总成本，获得所述测试损失成本率；用于根据所述退货报废成本和所述晶圆总成本，获得所述退货损失成本率；用于根据所述产线损失成本率、所述测试损失成本率和所述退货损失成本率，获得所述报废成本率。

16.如权利要求15所述的处理系统，其特征在于，所述报废成本指数还包括：报废成本评分，所述报废成本单元还用于设置成本损失率上限和成本损失权重因子；根据成本损失率上限和所述报废成本率，获得报废成本率余量；根据所述报废成本率余量和预设的成本损失权重因子，获得所述报废成本评分。

17.如权利要求7所述的处理系统，其特征在于，所述早期侦测指数模块包括：

侦测数据单元，与所述监测系统相连，用于从所述监测系统获得所述工程异常报告数以及每个工程异常报告的异常事件侦测记录；

步骤指数单元，与所述侦测数据单元相连，用于根据与工程异常报告相对应的侦测步骤，结合预先存储的侦测步骤数据库，获得与工程异常报告相对应的步骤指数，所述侦测步骤数据库包括侦测步骤以及侦测步骤相对应的步骤指数；还用于根据所述侦测步骤，并查询预先存储的生产阶段侦测步骤列表，判断所述异常事件是否在生产阶段被发现，并根据判断结果获得与工程异常报告相对应的单次侦测指数，所述生产阶段侦测步骤列表包括了在生产阶段所设置的侦测步骤；当所述异常事件所对应的侦测步骤包含于所述生产阶段侦测步骤列表内时，判断所述异常事件在生产阶段被发现；

单次侦测指数单元，与所述侦测数据单元和所述步骤指数单元相连，用于在判断所述异常事件在生产阶段被发现时，根据与工程异常报告相对应的侦测时间，结合预设的侦测转换率，获得与工程异常报告相对应的延迟指数；根据与工程异常报告相对应的步骤指数和与工程异常报告相对应的延迟指数，获得与工程异常报告相对应的单次侦测指数；还用于在判断所述异常事件不在生产阶段被发现时，根据所述步骤指数，获得与工程异常报告相对应的单次侦测指数；

早期侦测指数单元，与所述单次侦测指数单元相连，用于对与工程异常报告相对应的单次侦测指数进行平均处理，获得平均侦测指数；根据所述平均侦测指数，结合预设的侦测权重因子，获得早期侦测指数。

Images