CN112989550A - 虚拟量测方法、装置及计算机可读存储介质 - Google Patents

虚拟量测方法、装置及计算机可读存储介质 Download PDF

Info

Publication number
CN112989550A
CN112989550A CN201911306370.7A CN201911306370A CN112989550A CN 112989550 A CN112989550 A CN 112989550A CN 201911306370 A CN201911306370 A CN 201911306370A CN 112989550 A CN112989550 A CN 112989550A
Authority
CN
China
Prior art keywords
data
prediction
production
measurement
virtual
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.)
Pending
Application number
CN201911306370.7A
Other languages
English (en)
Inventor
艾雪芳
李骏宏
林尚毅
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hongfujin Precision Electronics Tianjin Co Ltd
Original Assignee
Hongfujin Precision Electronics Tianjin Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Hongfujin Precision Electronics Tianjin Co Ltd filed Critical Hongfujin Precision Electronics Tianjin Co Ltd
Priority to CN201911306370.7A priority Critical patent/CN112989550A/zh
Priority to US16/850,222 priority patent/US20210191375A1/en
Publication of CN112989550A publication Critical patent/CN112989550A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
    • G05B19/41885—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by modeling, simulation of the manufacturing system
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
    • G05B19/4183—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by data acquisition, e.g. workpiece identification
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
    • G05B19/4188—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by CIM planning or realisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/04—Manufacturing
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/45—Nc applications
    • G05B2219/45031—Manufacturing semiconductor wafers
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Manufacturing & Machinery (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Automation & Control Theory (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Strategic Management (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Evolutionary Computation (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Primary Health Care (AREA)
  • Operations Research (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Game Theory and Decision Science (AREA)
  • Development Economics (AREA)
  • General Factory Administration (AREA)

Abstract

一种虚拟量测方法，包括：获取至少一台生产设备的生产数据；利用所述生产数据，通过一预测模型同时推算已量测产品的预测数据和未量测产品的预测数据，所述预测数据包括产品的尺寸数据。该方法能够实现工业生产中的虚拟量测，节省检测成本。本发明同时提出一种虚拟量测装置及计算机可读存储介质。

Description

虚拟量测方法、装置及计算机可读存储介质
技术领域
本发明涉及测量领域，具体涉及一种虚拟量测方法、装置及计算机可读存储介质。
背景技术
在半导体或面板的生产制程中，需要实时量测加工后产品的膜厚或线宽等尺寸数据，以确保制程正确。早期通常采用抽检的方式进行量测，但制程逐年复杂、精度也急剧增加，不得不增加抽检频率以达到效果。但是，量测机台的造价昂贵，且自动化建置需要空间和庞大的经费支出，因此，现有的量测方式成本较高。
发明内容
鉴于以上内容，有必要提出一种虚拟量测方法、装置及计算机可读存储介质，以解决上述问题。
本发明的第一方面提供一种虚拟量测方法，包括：获取至少一台生产装置的生产数据；利用所述生产数据，通过一预测模型推算已量测产品和未量测产品的预测数据，所述预测数据包括产品的尺寸数据。
进一步地，在推算所述预测数据后，所述方法还包括：获取对未量测产品进行抽检的量测数据；判断所述量测数据与所述预测数据之间的差值是否在预设范围内；当所述差值不在预设范围内时，利用所述生产数据和所述量测数据更新所述预测模型。
进一步地，更新所述预测模型的步骤具体为：生成一用户界面以显示所述量测数据与所述预测数据之间的差值和所述预设范围；接收更新预测模型的指令；利用所述生产数据和所述量测数据重建或调整所述预测模型。
进一步地，在推算所述预测数据后，所述方法还包括：判断是否预测成功；若未预测成功，则发出报警信息；若预测成功，则生成一用户界面以显示所述预测数据。
进一步地，所述方法还包括：获取所述生产数据和已量测产品的量测数据；利用所述生产数据和所述量测数据建立所述预测模型，所述预测模型为机器学习模型。
进一步地，获取所述生产数据和已量测产品的量测数据的步骤具体为：接收至少一所述生产装置发出的所述生产数据和至少一量测装置发出的所述量测数据；对所述生产数据和所述量测数据进行抽取、转换和加载；将所述生产数据和所述量测数据存储于一分析资料库中。
进一步地，所述方法还包括：每隔预定时间，对比多个所述量测装置对同一产品的量测数据，以校正所述量测数据。
进一步地，所述尺寸数据包括产品的膜厚和线宽。
本发明的第二方面提供一种虚拟量测装置，所述装置包括处理器及存储器，所述存储器上存储有若干计算机程序，所述处理器用于执行存储器中存储的计算机程序时实现上述虚拟量测方法的步骤。
本发明的第三方面提供一种计算机可读存储介质，所述计算机可读存储介质存储有多条指令，多条所述指令可被一个或者多个处理器执行，以实现上述虚拟量测方法的步骤。
上述虚拟量测方法、装置及计算机可读存储介质，能够通过一预测模型推算已量测产品和未量测产品的预测数据，从而能够实现工业生产中的虚拟量测，降低抽检的频率，节省检测成本，提升了虚拟量测的准确性和可靠性。
附图说明
图1是本发明一个实施例的虚拟量测装置的应用环境示意图。
图2是本发明一个实施例的虚拟量测装置的架构示意图。
图3是本发明一个实施例的虚拟量测设定程序的功能模块图。
图4是本发明一个实施例的虚拟量测方法的流程图。
主要元件符号说明
虚拟量测装置 100
生产装置 200
量测装置 300
存储器 10
处理器 20
虚拟量测设定程序 30
通信单元 40
显示单元 50
输入单元 60
获取模块 101
训练模块 102
预测模块 103
用户界面控制模块 104
判断模块 105
报警模块 106
对比模块 107
具体实施方式
如下具体实施方式将结合上述附图进一步说明本发明。
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
进一步需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
请参阅图1，为本发明虚拟量测装置运行环境的较佳实施例的示意图。在一实施方式中，虚拟量测装置100与至少一生产装置200、至少一量测装置300通信连接。
所述生产装置200可为半导体或面板的生产制程中所使用的生产装置，例如黄光制程的一组生产机台，包括但不限于，预清洗机台、光阻涂布机、预烤机、曝光机、显影机、后烤机等；可以理解，生产装置也可为其他装置，例如镀膜机、锡膏印刷机等。
所述量测装置300用于量测产品的多种尺寸。例如线宽、膜厚等。可以理解，量测的尺寸不限于此，可依据需求设置。例如，所述尺寸数据还可包括产品整体或部分结构的长宽高尺寸、角度等数据。
请参阅图2，为本发明虚拟量测装置100较佳实施例的示意图。
在一实施方式中，所述虚拟量测装置100包括存储器10、处理器20以及存储在所述存储器10中并可在所述处理器20上运行的虚拟量测设定程序30。所述处理器20执行所述虚拟量测设定程序30时实现虚拟量测方法实施例中的步骤，例如图4所示的步骤S401～S409。或者，所述处理器20执行所述虚拟量测设定程序30时实现虚拟量测设定程序实施例中各模块的功能，例如图3中的模块101～107。
所述虚拟量测设定程序30可以被分割成一个或多个模块，所述一个或者多个模块被存储在所述存储器10中，并由所述处理器20执行，以完成本发明。所述一个或多个模块可以是能够完成特定功能的一系列计算机程序指令段，所述指令段用于描述所述虚拟量测设定程序30在所述虚拟量测装置100中的执行过程。例如，所述虚拟量测设定程序30可以被分割成图3中的获取模块101、训练模块102、预测模块103、用户界面控制模块104、判断模块105、报警模块106及对比模块107。各模块具体功能参见下图3中各模块的功能。
所称处理器20可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者所述处理器20也可以是任何常规的处理器等，所述处理器20可以利用各种接口和总线连接虚拟量测装置100的各个部分。
所述存储器10可用于存储所述虚拟量测设定程序30和/或模块，所述处理器20通过运行或执行存储在所述存储器10内的计算机程序和/或模块，以及调用存储在存储器10内的数据，实现所述虚拟量测装置100的各种功能。所述存储器10可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(Smart MediaCard,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。
在一实施方式中，所述虚拟量测装置100还包括通信单元40、显示单元50与输入单元60。通信单元40、显示单元50与输入单元60分别与处理器20电连接。
所述通信单元40用于通过有线或无线的方式与生产装置200、量测装置300或其他计算机装置建立通信连接。所述通信单元40可为有线通信单元或无线通信单元。
所述显示单元50用于显示处理器20的处理结果。显示单元50可包括至少一个显示屏或触摸屏。
所述输入单元60用于输入各种信息或指令。输入单元60可包括键盘、鼠标、触摸屏等中的一种或多种。
本领域技术人员可以理解，所述示意图仅是虚拟量测装置100的示例，并不构成对虚拟量测装置100的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述虚拟量测装置100还可以包括网络接入设备、总线等。
图3为本发明虚拟量测设定程序较佳实施例的功能模块图。
参阅图3所示，虚拟量测设定程序30可以包括获取模块101、训练模块102、预测模块103、用户界面控制模块104、判断模块105、报警模块106及对比模块107。在一实施方式中，上述模块可以为存储于所述存储器10中且可被所述处理器20调用执行的可程序化软件指令。可以理解的是，在其他实施方式中，上述模块也可为固化于所述处理器20中的程序指令或固件(firmware)。
所述获取模块101用于获取生产数据和量测数据。
在一实施方式中，所述获取模块101用于获取生产装置200发出的生产数据，以及量测装置300发出的量测数据。
所述生产数据包括所述生产装置200的生产参数，以黄光制程的机台为例，生产参数包括数值型或名目型参数，数值型参数包括与光阻相关的温度、时间、电压、电流、转速等，名目型参数包括托盘的编码等。
所述量测数据包括生产装置200所生产的产品的尺寸数据，所述尺寸数据包括产品的膜厚和线宽，但不限于此，所述尺寸数据还可包括产品整体或部分结构的长宽高尺寸、角度等数据。
在一实施方式中，所述获取模块101还用于接收更新预测模型的指令。
所述训练模块102用于依据生产数据和量测数据建立和更新预测模型。所述预测模型可为统计模型或机器学习模型。
所述预测模块103用于依据实时的生产数据，通过预测模型推算已量测产品和未量测产品的预测数据，所述预测数据包括产品的尺寸数据。
所述用户界面控制模块104用于生成用户界面，以通过显示单元50显示该用户界面。
在一实施方式中，所述用户界面控制模块104生成一用户界面以显示所述预测数据。
在一实施方式中，所述用户界面控制模块104还用于生成一用户界面以显示所述量测数据与所述预测数据之间的差值和差值的预设范围。
所述判断模块105用于判断所述量测数据与所述预测数据之间的差值是否在所述预设范围内。
所述判断模块105还用于判断是否成功推算出预测数据。
所述报警模块106用于在预测失败时，发出报警信息。
所述对比模块107用于对比多个所述量测装置300对同一产品的量测数据，以校正所述量测数据。
图4为本发明一实施方式中虚拟量测方法的流程图。根据不同的需求，所述流程图中步骤的顺序可以改变，某些步骤可以省略。
步骤S401，利用生产数据和量测数据建立预测模型。
在一实施方式中，先获取生产装置200的生产数据，和量测装置300对生产装置200所生产的产品进行量测所获得的量测数据；再利用所述生产数据和量测数据建立预测模型。
所述生产数据和相应的量测数据可存储于分析数据库中，所述分析数据库包括多个样本数据，每一样本数据包括一生产装置200的生产数据及相应产品的量测数据。
所述生产数据可包括生产装置200的多个生产参数，以黄光制程的机台为例，生产参数包括数值型或名目型参数，数值型参数包括与光阻相关的温度、时间、电压、电流、转速等，名目型参数包括托盘的编码等；量测数据可包括膜厚和线宽。
又如，当生产装置200为镀膜机时，其生产数据可包括靶材与基材之间的间距、镀膜气体浓度、镀膜时间、靶材溅射速度，以及齿轮旋转速度中的一种或多种；量测数据可包括膜厚和线宽。
再如，当生产装置200为锡膏印刷机时，其生产数据可包括刮刀压力、印刷速度、脱模速度与脱模距离等参数；量测数据可包括锡膏高度、锡膏面积及锡膏体积。
在一实施方式中，获取生产数据和量测数据的步骤具体包括：
接收至少一所述生产装置200发出的所述生产数据和至少一量测装置300发出的所述量测数据；对所述生产数据和所述量测数据进行抽取、转换和加载(Extract-Transform-Load,ETL)；将所述生产数据和所述量测数据存储于分析资料库中。
所述预测模型为统计模型或机器学习模型，例如CNN或RNN神经网络模型。在利用多个生产数据和相应的量测数据建立预测模型后，再将测试样本数据输入到预测模型中进行测试，当测试结果符合预设要求后，该预测模型可应用到虚拟量测中。可以理解，在预测模型建立之后，随着样本数据的不断增加，可继续用新的样本数据来更新预测模型。在建立所述预测模型时，可加入领域知识或分析者的经验。
在一实施方式中，可针对不同组的生产装置200、不同的量测目标、不同的量测点分别建立一个预测模型，之后根据切割后的产品聚合成一个产品的预测值。
步骤S402，获取生产数据。
具体地，获取至少一台生产装置200实时的生产数据。
步骤S403，通过预测模型同时推算已量测产品的预测数据和未量测产品的预测数据。
具体地，利用获取到的生产数据，通过预测模型适配出已量测产品的预测数据，以及预测未量测产品的预测数据。所述预测数据包括产品的尺寸数据，通过所述预测数据可预测产品是否合格。
步骤S404，判断是否预测成功。
如果预测成功，则进入步骤S406；如果预测失败，则进入步骤S405，发出报警信息。
具体地，当没有获取到生产数据，或没有成功推算出预测数据时，判断模块105判断预测失败，报警模块106可将报警信息发送至计算机整合制造(Computer IntegratedManufacturing,CIM)工程师，或发送至制造执行系统(Manufacturing Execution System,MES)，以便于工程师及时处理异常。报警模块106也可控制显示单元发出预警提示。
步骤S406，生成一用户界面以显示所述预测数据。
当预测成功时，生成一用户界面，显示单元50可显示该用户界面以显示所述预测数据，供工程师参考。
步骤S407，获取对未量测产品进行抽检的量测数据。
为了避免错误预测对后续生产造成损失，在不增加工厂负担的情况下，利用对未量测产品出货前进行的抽检程序中的量测数据，来验证预测数据。步骤S407非必要步骤，可视工厂的生产情况，例如是否赶货，或是产品的精密度来决定。
步骤S408，判断所述量测数据与所述预测数据之间的差值是否在预设范围内。
所述预设范围为可允许的误差范围，可依据需求设置。若判断所述量测数据与所述预测数据之间的差值超出所述预设范围，则进入步骤S409；若判断所述量测数据与所述预测数据之间的差值在所述预设范围内，则该预测模型可继续使用，回到步骤S402。
步骤S409，利用生产数据和量测数据更新预测模型。
在更新所述预测模型时，可删除原预测模型并依据分析资料库中的原有的和新获取的生产数据和量测数据，重建新的预测模型，也可仅调整原预测模型，例如调整所述初始统计模型参数或机器学习模型的总层数(比如，隐藏层的层数)和/或每一层的神经元数。在更新预测模型之后，回到步骤S402。
在一实施方式中，步骤S409具体包括以下步骤。
首先，生成一用户界面以显示所述量测数据与所述预测数据之间的差值和所述预设范围。
其次，接收更新预测模型的指令。
然后，利用所述生产数据和所述量测数据重建或修改所述预测模型。
在其他实施方式中，步骤S401可以省略，利用建立好的预测模型即可实现虚拟量测。
在其他实施方式中，步骤S404～S409也可以省略。
在其他实施方式中，该方法还可包括步骤：每隔预定时间，对比多个所述量测装置300对同一产品的量测数据，以校正所述量测数据。
可以理解，对于同一产品同一膜层，经过多台量测装置300的量测，可得到多个量测数据，对比多个量测数据可供厂内人员校正量测装置300。
上述虚拟量测装置100、方法及计算机可读存储介质，能够获取至少一台生产装置的生产数据；利用所述生产数据，通过一预测模型推算已量测产品的预测数据和未量测产品的预测数据，所述预测数据包括产品的尺寸数据；获取对已量测产品进行抽检的量测数据，因此，上述虚拟量测装置100、方法及计算机可读存储介质能够实现工业生产中的虚拟量测，用较小的成本改善量测品质。
另外，上述虚拟量测装置100、方法及计算机可读存储介质还能够判断所述量测数据与所述预测数据之间的差值是否在预设范围内；当所述差值超出所述预设范围时，利用所述生产数据和所述量测数据更新所述预测模型。因此，上述虚拟量测装置100、方法及计算机可读存储介质能够降低抽检的频率，节省检测成本；还能够对预测数据进行监控，避免错误预测对后续生产造成影响，提升了虚拟量测的准确性和可靠性。
对本领域的技术人员来说，可以根据本发明的发明方案和发明构思结合生产的实际需要做出其他相应的改变或调整，而这些改变和调整都应属于本发明所公开的范围。

Claims (10)

1.一种虚拟量测方法，包括：
获取至少一台生产装置的生产数据；
利用所述生产数据，通过一预测模型同时推算已量测产品的预测数据和未量测产品的预测数据，所述预测数据包括产品的尺寸数据。
2.如权利要求1所述的虚拟量测方法，其特征在于，在推算所述预测数据后，所述方法还包括：
获取对未量测产品进行抽检的量测数据；
判断所述量测数据与所述预测数据之间的差值是否在预设范围内；
当所述差值不在预设范围内时，利用所述生产数据和所述量测数据更新所述预测模型。
3.如权利要求2所述的虚拟量测方法，其特征在于，更新所述预测模型的步骤包括：
生成一用户界面以显示所述量测数据与所述预测数据之间的差值和所述预设范围；
接收更新预测模型的指令；
利用所述生产数据和所述量测数据重建或调整所述预测模型。
4.如权利要求1所述的虚拟量测方法，其特征在于，在推算所述预测数据后，所述方法还包括：
判断是否预测成功；
若未预测成功，则发出报警信息；
若预测成功，则生成一用户界面以显示所述预测数据。
5.如权利要求1所述的虚拟量测方法，其特征在于，所述方法还包括：
获取所述生产数据和已量测产品的量测数据；
利用所述生产数据和所述量测数据建立所述预测模型，所述预测模型为统计模型或机器学习模型。
6.如权利要求5所述的虚拟量测方法，其特征在于，获取所述生产数据和已量测产品的量测数据的步骤包括：
接收至少一所述生产装置发出的所述生产数据和至少一量测装置发出的所述量测数据；
对所述生产数据和所述量测数据进行抽取、转换和加载；
将所述生产数据和所述量测数据存储于一分析资料库中。
7.如权利要求6所述的虚拟量测方法，其特征在于，所述方法还包括：
每隔预定时间，对比多个所述量测装置对同一产品的量测数据，以校正所述量测数据。
8.如权利要求1所述的虚拟量测方法，其特征在于，所述尺寸数据包括产品的膜厚和线宽。
9.一种虚拟量测装置，所述装置包括处理器及存储器，所述存储器上存储有若干计算机程序，其特征在于，所述处理器用于执行存储器中存储的计算机程序时实现如权利要求1-8任一项所述的虚拟量测方法的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有多条指令，多条所述指令可被一个或者多个处理器执行，以实现如权利要求1-8任一项所述的虚拟量测方法的步骤。
CN201911306370.7A 2019-12-18 2019-12-18 虚拟量测方法、装置及计算机可读存储介质 Pending CN112989550A (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201911306370.7A CN112989550A (zh) 2019-12-18 2019-12-18 虚拟量测方法、装置及计算机可读存储介质
US16/850,222 US20210191375A1 (en) 2019-12-18 2020-04-16 Method for carrying out measurements on a virtual basis, device, and computer readable medium

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911306370.7A CN112989550A (zh) 2019-12-18 2019-12-18 虚拟量测方法、装置及计算机可读存储介质

Publications (1)

Publication Number Publication Date
CN112989550A true CN112989550A (zh) 2021-06-18

Family

ID=76343699

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911306370.7A Pending CN112989550A (zh) 2019-12-18 2019-12-18 虚拟量测方法、装置及计算机可读存储介质

Country Status (2)

Country Link
US (1) US20210191375A1 (zh)
CN (1) CN112989550A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114841378A (zh) * 2022-07-04 2022-08-02 埃克斯工业(广东)有限公司 晶圆特征参数预测方法、装置、电子设备及可读存储介质

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7275023B2 (ja) * 2019-12-27 2023-05-17 富士フイルム株式会社 品質管理装置、品質管理方法、およびプログラム
US11989495B2 (en) * 2020-12-31 2024-05-21 Applied Materials, Inc. Systems and methods for predicting film thickness using virtual metrology
CN114408674B (zh) * 2021-12-13 2023-03-17 珠海格力电器股份有限公司 一种重量测量方法、电子设备及存储介质

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114841378A (zh) * 2022-07-04 2022-08-02 埃克斯工业(广东)有限公司 晶圆特征参数预测方法、装置、电子设备及可读存储介质

Also Published As

Publication number Publication date
US20210191375A1 (en) 2021-06-24

Similar Documents

Publication Publication Date Title
CN112989550A (zh) 虚拟量测方法、装置及计算机可读存储介质
JP6678824B2 (ja) 非定常検出装置、非定常検出システム、および非定常検出方法
KR102179988B1 (ko) 오버레이 오차, 근본 원인 분석 및 공정 제어의 피드 포워드 및 피드백 정정을 위한 통계적 오버레이 오차 예측
US7529623B2 (en) Weather predicting apparatus, and weather predicting method, computer product
TWI833043B (zh) 執行半導體計量之方法、相關聯之非暫時性電腦可讀儲存媒體及半導體檢測系統
EP4075354A1 (en) Anomaly detection method and system for manufacturing processes
JP7188950B2 (ja) データ処理方法およびデータ処理プログラム
US20200184373A1 (en) Recurrent Gaussian Mixture Model For Sensor State Estimation In Condition Monitoring
KR20200096992A (ko) 전자 현미경을 사용한 반도체 계측 및 결함 분류
CN112801328B (zh) 产品印刷参数设定装置、方法及计算机可读存储介质
CN117270514B (zh) 基于工业物联网的生产过程全流程故障检测方法
CN107111312A (zh) 监视在工业现场运行的过程的至少一个步骤的监视装置和监视方法
US20220050023A1 (en) System for predicting anomalies of machining
CN113065538A (zh) 基于图像识别的压力传感器检测方法、装置及设备
KR20220082003A (ko) 다이 레벨 입력 데이터 없이 다이 레벨 제품 모델링
CN109213057A (zh) 智能诊断装置和方法
CN111024986A (zh) 超声波风速风向仪数据校准方法、装置及设备、存储介质
CN117589109A (zh) 石英中心托盘制作工艺的质量检测与控制方法
JP2020047846A (ja) データ処理方法、データ処理装置、データ処理システム、およびデータ処理プログラム
TWI740313B (zh) 虛擬量測方法、裝置及電腦可讀存儲介質
CN114384885B (zh) 基于异常工况的工艺参数调整方法、装置、设备和介质
US11187992B2 (en) Predictive modeling of metrology in semiconductor processes
WO2015191678A1 (en) Performing and communicating sheet metal simulations employing a combination of factors
CN109858699B (zh) 水质定量模拟方法、装置、电子设备及存储介质
CN112272804B (zh) 无需动态系统模型的工业过程在线故障定位

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
CB02 Change of applicant information

Address after: No. 36, North Street, West District, economic and Technological Development Zone, Binhai New Area, Tianjin

Applicant after: Fulian precision electronics (Tianjin) Co.,Ltd.

Address before: No. 36, North Street, West District, economic and Technological Development Zone, Binhai New Area, Tianjin

Applicant before: HONGFUJIN PRECISION ELECTRONICS (TIANJIN) Co.,Ltd.

CB02 Change of applicant information