CN114266223B - 机台的故障确定方法、装置、设备和计算机可读存储介质 - Google Patents
机台的故障确定方法、装置、设备和计算机可读存储介质 Download PDFInfo
- Publication number
- CN114266223B CN114266223B CN202111601770.8A CN202111601770A CN114266223B CN 114266223 B CN114266223 B CN 114266223B CN 202111601770 A CN202111601770 A CN 202111601770A CN 114266223 B CN114266223 B CN 114266223B
- Authority
- CN
- China
- Prior art keywords
- machine
- value
- determining
- wafer
- target
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000003860 storage Methods 0.000 title claims abstract description 10
- 235000012431 wafers Nutrition 0.000 claims abstract description 201
- 239000013598 vector Substances 0.000 claims abstract description 182
- 230000002159 abnormal effect Effects 0.000 claims abstract description 9
- 230000006870 function Effects 0.000 claims description 11
- 238000012545 processing Methods 0.000 claims description 5
- 230000005856 abnormality Effects 0.000 claims description 3
- 230000007257 malfunction Effects 0.000 claims description 3
- 230000007547 defect Effects 0.000 abstract description 13
- 238000004458 analytical method Methods 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 6
- 238000004519 manufacturing process Methods 0.000 description 5
- 238000012360 testing method Methods 0.000 description 4
- 238000004590 computer program Methods 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Testing Or Measuring Of Semiconductors Or The Like (AREA)
Abstract
本发明提供一种机台的故障确定方法、装置、设备和计算机可读存储介质,该方法包括:获取权重向量、各个晶圆对应的晶圆向量以及图案真实值;在各台机台中确定目标机台;获取每台目标机台对晶圆叠加异常的图案所对应的期望值以及方差值,并根据各个图案真实值、晶圆向量、权重向量、每台目标机台对应的期望值以及方差值确定优化值;在优化值满足设定条件时,根据每台目标机台对应的期望值以及权重向量确定每台目标机台对应的贡献值;在各个贡献值中确定各个目标贡献值,并将每个目标贡献值对应的目标机台确定为故障机台。本发明中,通过装置对晶圆的图案进行缺陷分析以确定出现故障的机台,无需人工辨识晶圆的缺陷,提高了机台的故障确定精度。
Description
技术领域
本发明涉及半导体制造技术领域,尤其涉及一种机台的故障确定方法、装置、设备和计算机可读存储介质。
背景技术
在晶圆制造过程中,由于机台的故障会导致晶圆的正面或背面存在缺陷,且缺陷会在晶圆的正面或者背面的特定区域出现聚类特性,使得缺陷在整个晶圆上的分布呈现特定图案。
目前,人工辨识晶圆的图案的缺陷类型,然后通过缺陷类型与晶圆经过的机台进行相关性分析,确定产生晶圆上缺陷的机台,从而确定故障的机台。
但人工辨识缺陷时容易出现错误辨识,导致机台的故障确定精度较低。
发明内容
本发明提供一种机台的故障确定方法、装置、设备和计算机可读存储介质,用以解决机台的故障确定精度较低的问题。
一方面,本发明提供一种机台的故障确定方法,包括:
获取权重向量、各个第一晶圆对应的第一晶圆向量以及第一图案真实值,其中,每台机台在所述第一晶圆向量中具有对应的第一数值,所述第一数值用于表示所述第一晶圆是否经过所述机台,所述第一图案真实值是根据各个所述机台对经过的第一晶圆叠加图案确定的;
在各台所述机台中确定目标机台,所述目标机台的数量是小于或等于所述机台的总数量;
获取每台所述目标机台对所述第一晶圆叠加异常的图案所对应的期望值以及方差值,并根据各个所述第一图案真实值、所述第一晶圆向量、所述权重向量、每台所述目标机台对应的期望值以及方差值确定优化值;
在所述优化值满足设定条件时,根据每台所述目标机台对应的期望值以及所述权重向量确定每台所述目标机台对应的贡献值;
在各个所述贡献值中确定各个目标贡献值,并将每个所述目标贡献值对应的目标机台确定为故障机台,所述目标贡献值是大于或等于第一阈值的贡献值。
在一实施例中,所述权重向量包括第一权重向量,所述目标机台的数量是小于所述机台的总数量,所述在各台所述机台中确定目标机台的步骤包括:
确定所述第一晶圆向量以及所述第一权重向量之间的哈达玛积得到第一分量;
采用预设函数,在所述第一分量中的每行数值中确定最大数值;
将每个所述最大数值对应的机台确定为所述目标机台。
在一实施例中,所述权重向量还包括第二权重向量以及第三权重向量,所述根据各个所述第一图案真实值、所述第一晶圆向量、所述权重向量、每台所述目标机台对应的期望值以及方差值确定优化值的步骤包括:
根据所述目标机台对应的最大数值、所述第一分量、以及所述第二权重向量确定所述目标机台对应的第二分量;
根据每台所述目标机台对应的第二分量以及期望值确定均值估计值;
根据所述每台所述目标机台对应的第二分量、方差值以及所述第三权重向量确定方差估计值;
根据所述方差估计值、所述均值估计值以及各个所述第一图案真实值确定所述优化值。
在一实施例中,所述根据所述目标机台对应的期望值以及所述权重向量确定所述目标机台对应的贡献值的步骤包括:
确定所述目标机台对应的期望值与所述第一权重向量、所述第二权重向量之间的哈达玛积,以作为所述目标机台对应的贡献值。
在一实施例中,所述根据各个所述第一图案真实值、所述第一晶圆向量、所述权重向量、每台所述目标机台对应的期望值以及方差值确定优化值的步骤之后,还包括:
在所述优化值不满足设定条件时,获取各个第二晶圆对应的第二晶圆向量以及第二图案真实值,每台所述机台在所述第二晶圆向量中具有对应的第二数值,所述第二数值用于表示所述第二晶圆是否经过所述机台;
更新权重向量、每台所述机台对应的期望值以及方差值,并将所述第二晶圆向量更新为第一晶圆向量,且将所述第二图案真实值更新为第一图案真实值;
返回执行所述在各台所述机台中确定目标机台的步骤。
在一实施例中,所述将每个所述目标贡献值对应的目标机台确定为故障机台的步骤包括:
获取每台待确定机台关联的各个历史贡献值,其中,所述待确定机台是所述目标贡献值对应的目标机台;
根据每台所述待确定机台关联的各个历史贡献值,确定每台所述待确定机台是否满足故障条件;
将满足所述故障条件的所述待确定机台确定为故障机台。
在一实施例中,在所述优化值大于第二阈值、或者所述优化值大于第二阈值且所述优化值的迭代次数小于预设次数时,所述优化值满足设定条件。
在一实施例中,所述获取各个第一晶圆对应的第一晶圆向量的步骤包括:
根据每台所述机台的记录信息,确定每个所述第一晶圆在第一时间段内是否经过所述机台,得到每台所述机台对应的确定结果;
根据每台所述机台对应的确定结果确定每台所述机台对应的第一数值;
根据各个所述第一数值确定所述第一晶圆向量。
另一方面,本发明还提供一种机台的故障确定装置,包括:
获取模块,用于获取权重向量、各个第一晶圆对应的第一晶圆向量以及第一图案真实值,其中,每台机台在所述第一晶圆向量中具有对应的第一数值,所述第一数值用于表示所述第一晶圆是否经过所述机台,所述第一图案真实值是根据各个所述机台对经过的第一晶圆叠加图案确定的;
确定模块,用于在各台所述机台中确定目标机台,所述目标机台的数量是小于或等于所述机台的总数量;
所述获取模块,还用于获取每台所述目标机台对所述第一晶圆叠加异常的图案所对应的期望值以及方差值,并根据各个所述第一图案真实值、所述第一晶圆向量、所述权重向量、每台所述目标机台对应的期望值以及方差值确定优化值;
所述确定模块,还用于在所述优化值满足设定条件时,根据每台所述目标机台对应的期望值以及所述权重向量确定每台所述目标机台对应的贡献值;
所述确定模块,还用于在各个所述贡献值中确定各个目标贡献值,并将每个所述目标贡献值对应的目标机台确定为故障机台,所述目标贡献值是大于或等于第一阈值的贡献值。
另一方面,本发明还提供一种机台的故障确定设备,包括:存储器以及处理器;
所述存储器存储计算机执行指令;
所述处理器执行所述存储器存储的计算机执行指令,使得所述处理器执行如上所述的机台的故障确定方法。
另一方面,本发明还提供一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机执行指令,所述计算机执行指令被处理器执行时用于实现如上所述的机台的故障确定方法。
本发明提供的机台的故障确定方法、装置、设备和计算机可读存储介质,获取权重向量、晶圆对应的晶圆向量以及图案真实值,并在各台机台中确定目标机台,再获取每台目标机台对晶圆叠加异常的图案的期望值以及方差值,根据图案真实值、晶圆向量、权重向量、每台目标机台的期望值以及方差值确定优化值,并在优化值满足设定条件时,根据目标机台的期望值以及权重向量确定目标机台的贡献值,若目标机台的贡献值大于或等于阈值时,则确定目标机台是故障机台。本发明中,通过机台的故障确定装置对晶圆的图案进行缺陷分析以确定出现故障的机台,无需人工辨识晶圆的缺陷,提高了机台的故障确定精度。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理。
图1为本发明实现机台的故障确定方法的系统构架图;
图2为本发明机台的故障确定方法第一实施例的流程示意图;
图3为本发明机台的故障确定方法第二实施例中步骤S20的细化流程示意图;
图4为本发明机台的故障确定方法第三实施例中步骤S30的细化流程示意图;
图5为本发明机台的故障确定方法第四实施例的流程示意图;
图6为本发明机台的故障确定方法第三实施例中步骤S50的细化流程示意图;
图7为本发明机台的故障确定装置的模块示意图;
图8为本发明机台的故障确定设备的硬件结构示意图。
通过上述附图,已示出本公开明确的实施例,后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本公开构思的范围,而是通过参考特定实施例为本领域技术人员说明本公开的概念。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
本发明提供一种机台的故障确定方法。参照图1,机台的故障确定装置100连接多台机台200。晶圆在经过机台200,机台200会对晶圆叠加一个图案,且会记录晶圆经过机台200的时间点以及该晶圆的编号,也即机台200存储有用于记录晶圆经过机台200的记录信息。机台的故障确定装置100再需要确定机台200是否出现了故障,则会向各台机台200发送信息,信息中包括有晶圆的编号以及时间窗口。机台200基于信息解析得到晶圆编号以及时间窗口,机台200再确定晶圆编号对应的晶圆是否在时间窗口中经过机台200得到确定结果,再将确定结果发送至机台的故障确定装置100.机台的故障确定装置100基于各个确定结果构建晶圆的晶圆向量,从而基于晶圆向量以及晶圆上各个图案所确定图案真实值等信息确定各台机台200是否出现故障。
下面以具体地实施例对本发明的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合,对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图,对本发明的实施例进行描述。
参照图2,图2为本发明机台的故障确定方法的第一实施例,机台的故障确定方法包括以下步骤:
步骤S10,获取权重向量、各个第一晶圆对应的第一晶圆向量以及第一图案真实值,其中,每台机台在第一晶圆向量中具有对应的第一数值,第一数值用于表示第一晶圆是否经过机台,第一图案真实值是根据各个机台对经过的第一晶圆叠加图案确定的。
在本实施例中,执行主体是机台的故障确定装置。为了便于描述,以下采用装置指代机台的故障确定装置。装置可以是任何具有数据处理能的设备。
晶圆在制备过程会经过多台机台,且晶圆每经过一台机台时,该机台会对晶圆叠加一个图案。假设机台没有故障,则该机台对晶圆叠加的图案视为叠加0权重的图样或者数值全为0的图样。晶圆在经过机台时,机台在对晶圆叠加图案的同时,还会记录晶圆的编号以及晶圆经过机台的时间得到记录信息,并将记录信息进行存储。装置在需要确定各台机台中是否存在故障机台时,向各台机台发送信息,信息中包含有晶圆编号以及时间窗口。机台接收到信息即可得到晶圆编号以及时间窗口,从而基于存储的记录信息确定晶圆是否经过机台。
装置中存储有预设向量,预设向量中包括多组数值,每一组数值对应一个编号的晶圆,且每一组中的每个数值均对应一台机台,且数值基于晶圆是否经过机台的确定结果确定。确定结果包括:晶圆经过机台或者晶圆不经过机台。若确定结果是晶圆经过机台,则机台在预设向量中的数值赋值为第一值;若确定结果是晶圆不经过机台,则机台在预设向量中的数值赋值为第二值。在预设向量中所有的数值基于对应的确定结果赋值后,即可得到晶圆向量。在本实施例中,将晶圆定义为第一晶圆,且将晶圆向量中的数值定义为第一数值。也即每台机台在第一晶圆向量中具有对应的第一数值,第一数值用于表示第一晶圆是否经过机台。
可以理解的是,装置根据每台机台的记录信息确定晶圆在第一时间段(时间窗口)内是否经过机台得到每台机台对应的确定结果。确定结果为经过机台或者未经过机台。装置根据每台机台对应的确定结果确定每台机台对应的第一数值,也即确定结果为晶圆经过机台,第一数值取值为第一值,确定结果为晶圆未经过机台,第一数值的取值为第二值。装置基于各个第一数值确定晶圆对应的第一晶圆向量。假设第一值为1,第二值为0,且有五台机台,第一晶圆经过1号、3号和5号机台,则第一晶圆向量x=[1,0,1,0,1]。
需要说明的是,装置是基于一批晶圆来确定机台是否故障,因而,每个第一晶圆具有多个第一数值,也即第一晶圆对应一个数组。各个第一晶圆所对应的数组即可构成第一晶圆向量。例如,第一批晶圆包括编号1到30的第一晶圆,编号为1的第一晶圆的数组x1=[1,0,1,0,1]、编号为2的第一晶圆的数组x2=[1,1,1,0,1]、…、编号为30的第一晶圆的数组x30=[1,0,1,1,1],则第一晶圆向量是x1、x2、…、x30构成矩阵。
装置还会获取权重向量,权重向量也是一维向量。权重向量可以是初始化的随机向量。装置还会获取每个第一晶圆的图案真实值,该图案真实值定义为第一图案真实值。第一图案真实值是第一晶圆的测试数据所确定的,测试数据是对第一晶圆上的各个图案进行测试所得到的。具体的,晶圆上设置有正确的基底图案,在晶圆每经过一个机台时,该机台对晶圆的基底图案上叠加一个图案,在晶圆经过需要经过的机台时,则晶圆上叠加多个图案,晶圆上的各个图案即可确定图案真实值,第一晶圆的图案真实值定义为第一图案真实值,也即第一图案真实值是根据各台机台对经过的第一晶圆叠加的图案所确定的。例如,装置对测试数据按照第一晶圆缺口方向排列得到第一图案真实值,第一图案真实值是二维矩阵。
步骤S20,在各台机台中确定目标机台,目标机台的数量是小于或等于机台的总数量。
装置会在各台机台中确定目标机台,目标机台的数量是小于或等于机台的总数量。目标机台的数量是小于机台的总数量,是为了减少装置的计算量。此时,装置会根据第一晶圆向量以及权重向量在各台机台中确定目标机台。具体的,装置确定第一晶圆向量以及权重向量之间的哈达玛积,也即权重向量w乘以第一晶圆向量x,从而求取出w*x中最大的n个值,每个最大的值对应一个机台,这些机台被确定为可能出现故障的机台,定义为目标机台。目标机台的数量小于总数量,即可缩小故障机台的确定范围,减少装置确定故障机台的工作量,也即减少了故障机台的确定时长。
步骤S30,获取每台目标机台对第一晶圆叠加异常的图案所对应的期望值以及方差值,并根据各个第一图案真实值、第一晶圆向量、权重向量、每台目标机台对应的期望值以及方差值确定优化值。
每台机台中存储有该机台对第一晶圆叠加异常的图案所对应的期望值A以及方差值B。期望值A是机台对第一晶圆叠加的图案所确定的,该图案处理成灰度图,从而基于灰度图来确定期望值A,也即机台基于灰度图可以得到对第一晶圆叠加异常图案所期望的值。机台可以基于灰度图得到机台对叠加异常的图案的方差值B。装置从每台目标机台中获取对应的期望值以及方差值。
装置再根据各台目标机台的期望值、方差值、各个第一图案真实值、第一晶圆向量以及权重向量确定优化值。具体的,装置中设有多个映射关系,各个映射关系可以通过预设公式进行表征,装置将各个期望值、各个方差值、第一晶圆向量、各个第一图案真实值、权重向量代入预设公式即可确定优化值。
步骤S40,在优化值满足设定条件时,根据每台目标机台对应的期望值以及权重向量确定每台目标机台对应的贡献值。
优化值用于表征当前的各台目标机台是否确定准确。若是优化值满足设定条件,即可确定当前所确定的各台目标机台是准确的,装置即可进一步确定各台目标机台是否出现故障。对此,装置基于每台目标机台对应的期望值、权重向量确定每台目标机台对应的贡献值。
需要说明的是,设定条件是优化值大于第二阈值、或者优化值大于第二阈值且优化值的迭代次数小于预设次数。在优化值的迭代次数达到预设次数,且优化值小于或等于第二阈值,即可确定当前的优化值并未完全收敛值,目标机台的故障确定准确率稍低,因而,设定条件优选为:优化值大于第二阈值且优化值的迭代次数小于预设次数。
步骤S50,在各个贡献值中确定各个目标贡献值,并将每个目标贡献值对应的目标机台确定为故障机台,目标贡献值是大于或等于第一阈值的贡献值。
装置在确定每台目标机台的贡献值后,在各个贡献值中确定目标贡献值。目标贡献值是大于或等于第一阈值的贡献值。装置将每个目标贡献值对应的目标机台确定为故障机台,也即大于或等于第一阈值的贡献值所对应的目标机台均可被确定为出现故障的机台。
需要说明的是,机台或多或少会出现一些故障,一些故障会影响晶圆的生产,另一些故障则不会影响晶圆的故障。基于这两类故障,在装置中设置第一阈值,从而限定大于或等于第一阈值的贡献值的机台所出现的故障足以影响晶圆的生产,因此,需要将其确定为故障机台进行维护;而小于第一阈值的贡献值的机台无故障或者出现的故障不会影响晶圆的生产,因此,此类机台的故障可以不用进行维护,也即此类机台不会被确定为故障机台。
在本实施例提供的技术方案中,获取权重向量、晶圆对应的晶圆向量以及图案真实值,并在各台机台中确定目标机台,再获取每台目标机台对晶圆叠加异常的图案的期望值以及方差值,根据图案真实值、晶圆向量、权重向量、每台目标机台的期望值以及方差值确定优化值,并在优化值满足设定条件时,根据目标机台的期望值以及权重向量确定目标机台的贡献值,若目标机台的贡献值大于或等于阈值时,则确定目标机台是故障机台。本发明中,通过机台的故障确定装置对晶圆的图案进行缺陷分析以确定出现故障的机台,无需人工辨识晶圆的缺陷,提高了机台的故障确定精度。
参照图3,图3为本发明机台的故障确定方法第二实施例,基于第一实施例,步骤S20包括:
步骤S21,确定第一晶圆向量以及第一权重向量之间的哈达玛积得到第一分量。
在本实施例中,权重向量包括第一权重向量w,且目标机台的数量是小于机台的总数量。装置计算第一权重向量w与第一晶圆向量x之间的哈达玛积得到第一分量a,也即a=w*x。
步骤S22,采用预设函数,在第一分量中的每行数值中确定最大数值。
第一分量a中有多行数值,装置采用预设函数在第一分量中的每行数值中确定最大数值。预设函数可以是softmax函数以及最大化函数。假设第一分量a有n行数值,则会得到n个最大数值。
步骤S23,将每个最大数值对应的机台确定为目标机台。
第一分量中每个数值对应一个机台,因而,装置可以确定最大数值所对应的机台,最大数值所对应的机台为可能出现问题的机台,装置将该机台确定为目标机台,也即确定了n个目标机台。可以理解的是,装置采用赢者通吃策略,通过softmax函数以及最大化函数从wx内积中求取出n个最大数值,各个最大数值对应的机台即为最有可能出现故障的目标机台。
在本实施例提供的技术方案中,装置确定第一晶圆向量以及第一权重向量之间的哈达玛积得到第一分量,再采用预设函数在第一分量的每行数值中确定最大数值,从而将各个最大数值对应的机台确定最有可能出现问题的目标机台。
参照图4,图4为本发明机台的故障确定方法第三实施例,基于第二实施例,步骤S30包括:
步骤S31,根据目标机台对应的最大数值、第一分量、以及第二权重向量确定目标机台对应的第二分量。
在本实施例中,权重向量还包括第二权重向量t以及第三权重向量g。装置在确定第一分量后,可以通过第一分量a确定第二分量c。具体的,装置获得最大数值b,最大数值b=max(CE(w*x))。装置基于目标机台对应的最大数值b、第一分量a以及第二权重向量t确定目标机台第二分量c。第二分量c=norm(a*b*t),其中t为转移向量,且为一维向量。
步骤S32,根据每台目标机台对应的第二分量以及期望值确定均值估计值。
装置在确定每台目标机台的第二分量后,基于每台目标机台的第二分量以及期望值确定均值估计值。均值估计值其中,i为目标机台的编号,p×q为期望值对应的编号。
步骤S33,根据每台目标机台对应的第二分量、方差值以及第三权重向量确定方差估计值。
装置还需要根据每台目标机台对应的第二分量、方差值以及第三权重向量g确定方差估计值。方差估计值
步骤S34,根据方差估计值、均值估计值以及各个第一图案真实值确定优化值。
在确定方差估计值以及均值估计值后,装置根据方差估计值、均值估计值以及各个第一图案真实值确定优化值。
进一步的,权重向量包括第一权重向量、第二权重向量以及第三权重向量,则目标机台对应的贡献值即为目标机台的w、第一权重向量w以及第二权重向量t之间的哈达玛积。
在本实施例提供的技术方案中,装置根据目标机台对应的最大数值、第一分量以及第二权重向量确定目标机台对应的第二分量,且根据目标机台的第二分量以及期望值确定均值估计值,再根据目标机台的第二分量、方差值以及第三权重向量确定方差估计值,最后根据方差估计值、均值估计值以及各个第一图案真实值准确的确定优化值。
参照图5,图5为本发明机台的故障确定方法第四实施例,基于第一至第三中任一实施例,步骤S30之后,
步骤S60,在优化值不满足设定条件时,获取各个第二晶圆对应的第二晶圆向量以及第二图案真实值,每台机台在第二晶圆向量中具有对应的第二数值,第二数值用于表示第二晶圆是否经过机台。
在本实施例中,若是需要优化值满足设定条件,需要对此迭代优化值,也即需要重复计算优化值。具体的,在当优化值不满足设定条件时,装置需要继续迭代优化值。装置在重新获取第二批的晶圆在新的时间窗口内是否经过机台,也即装置获取各个第二晶圆(第二批的晶圆定义为第二晶圆)对应的第二晶圆向量。每台机台在第二晶圆向量中具有对应的第二数值,第二数值用于表示第二晶圆是否经过机台。第二晶圆向量以及第二图案真实值的获取参照上述第一晶圆向量以及第一图案真实值的确定流程,在此不再进行赘述。
步骤S70,更新权重向量、每台机台对应的期望值以及方差值,并将第二晶圆向量更新为第一晶圆向量,且将第二图案真实值更新为第一图案真实值。
需要说明的是,装置在第一次求取优化值时,第一权重向量w、第二权重向量t、第三权重向量g、期望值A、方差值B均是随机初始化。在第二次求取优化值之前,会基于BP算法将误差叠加至w、t、g、A、以及B上,从而对权重向量、期望值以及方差值进行更新。装置还会将第二晶圆向量更新为第一晶圆向量,且将第二图案真实值更新为第一图案真实值,从而返回执行在各台机台中确定目标机台的步骤,也即重新计算优化值。
在本实施例提供的技术方案中,在优化值不满足设定条件时,获取各个第二晶圆对应的第二晶圆向量以及第二图案真实值,再更新权限向量、期望值以及方差值,将第二晶圆向量更新为第一晶圆向量,将第二图案真实值更新为第一图案真实值,从而进行优化值的再次计算,进而准确的确定机台是否出现故障。
参照图6,图6为本发明机台的故障确定方法第五实施例,基于第一至第三中任一实施例,步骤S50包括:
步骤S51,获取每台待确定机台关联的各个历史贡献值,其中,待确定机台是目标贡献值对应的目标机台。
目标机台的贡献值大于或等于第一阈值时,目标机台可被确定为故障机台。但装置仅根据机台一次的贡献值的来确定机台是否为故障机台,会使得机台故障的确定准确性较低。对此,在本实施例中,装置需要根据机台的多个贡献值确定机台是否为故障机台。为了便于描述,将目标贡献值对应的目标机台定义为待确定机台。
装置会周期性的对机台进行故障确定。在一个周期内,机台被确定为目标机台,且该周期内的优化值是满足设定条件的,则该机台具有一个贡献值。机台的贡献值会存储在机台中。在本实施例中,将早于当前周期的其他周期所计算的贡献值定义为历史贡献值,也即每台机台可以关联有多个历史贡献值。
装置在确定目标贡献值后,即可待确定机台的记录信息中获取该待确定机台所关联的多个历史贡献值。
步骤S52,根据每台待确定机台关联的各个历史贡献值,确定每台待确定机台是否满足故障条件。
步骤S53,将满足故障条件的待确定机台确定为故障机台。
装置中设有故障条件。装置可以根据每台待确定机台关联的各个历史贡献值确定每台待确定机台是否满足故障条件。具体的,若是待确定机台的各个历史贡献值均接近第一阈值,即可确定待确定机台满足故障条件。或者,装置计算待确定机台的每个历史贡献值与第一阈值之间的差值,并在待确定机台的各个差值中确定大于预设差值的目标差值,若是待确定机台的目标差值的数量大于设定数量,即可确定待确定机台满足故障条件;或者,目标差值的数量与差值的总数量的比值大于预设比值,待确定机台满足故障条件。故障条件可以人为的设置在装置中,技术人员可以根据故障确定精度来设置故障条件,并不限于以上举例的故障条件。
装置确定满足故障条件的待确定机台,这些待确定机台即可确定为故障机台。
在本实施例提供的技术方案中,装置将目标贡献值对应的目标机台确定为待确定机台,并获取待确定机台关联的各个历史贡献值,装置根据每台待确定机台关联的各个历史贡献值确定每台待确定机台是否满足故障条件,再将满足故障条件的待确定机台确定为故障机台,从而提高机台故障确定的准确性。
本发明还提供一种机台的故障确定装置,参照图7,机台的故障确定装置700包括:
获取模块710,用于获取权重向量、各个第一晶圆对应的第一晶圆向量以及第一图案真实值,其中,每台机台在第一晶圆向量中具有对应的第一数值,第一数值用于表示第一晶圆是否经过机台,第一图案真实值是根据各个机台对经过的第一晶圆叠加图案确定的;
确定模块720,用于在各台机台中确定目标机台,目标机台的数量是小于或等于机台的总数量;
获取模块710,用于获取每台目标机台对第一晶圆叠加异常的图案所对应的期望值以及方差值,并根据各个第一图案真实值、第一晶圆向量、权重向量、每台目标机台对应的期望值以及方差值确定优化值;
确定模块720,用于在优化值满足设定条件时,根据每台目标机台对应的期望值以及权重向量确定每台目标机台对应的贡献值;
确定模块720,用于在各个贡献值中确定各个目标贡献值,并将每个目标贡献值对应的目标机台确定为故障机台,目标贡献值是大于或等于第一阈值的贡献值。
在一实施例中,机台的故障确定装置700包括:
确定模块720,用于确定第一晶圆向量以及第一权重向量之间的哈达玛积得到第一分量;
确定模块720,用于采用预设函数,在第一分量中的每行数值中确定最大数值;
确定模块720,用于将每个最大数值对应的机台确定为目标机台。
在一实施例中,机台的故障确定装置700包括:
确定模块720,用于根据目标机台对应的最大数值、第一分量、以及第二权重向量确定目标机台对应的第二分量;
确定模块720,用于根据每台目标机台对应的第二分量以及期望值确定均值估计值;
确定模块720,用于根据每台目标机台对应的第二分量、方差值以及第三权重向量确定方差估计值;
确定模块720,用于根据方差估计值、均值估计值以及各个第一图案真实值确定优化值。
在一实施例中,机台的故障确定装置700包括:
确定模块720,用于确定目标机台对应的期望值与第一权重向量、第二权重向量之间的哈达玛积,以作为目标机台对应的贡献值。
在一实施例中,机台的故障确定装置700包括:
获取模块710,用于在优化值不满足设定条件时,获取各个第二晶圆对应的第二晶圆向量以及第二图案真实值,每台机台在第二晶圆向量中具有对应的第二数值,第二数值用于表示第二晶圆是否经过机台;
更新模块,用于更新权重向量、每台机台对应的期望值以及方差值,并将第二晶圆向量更新为第一晶圆向量,且将第二图案真实值更新为第一图案真实值;
执行模块,用于返回执行根据第一晶圆向量以及权重向量在各台机台中确定目标机台的步骤。
在一实施例中,机台的故障确定装置700包括:
获取模块710,用于获取每台待确定机台关联的各个历史贡献值,其中,待确定机台是目标贡献值对应的目标机台;
确定模块720,用于根据每台待确定机台关联的各个历史贡献值,确定每台待确定机台是否满足故障条件时;
确定模块720,用于将满足故障条件的待确定机台确定为故障机台。
在一实施例中,机台的故障确定装置700包括:
确定模块720,用于根据每台机台的记录信息,确定每个第一晶圆在第一时间段内是否经过机台,得到每台机台对应的确定结果;
确定模块720,用于根据每台机台对应的确定结果确定每台机台对应的第一数值;
确定模块720,用于根据各个第一数值确定第一晶圆向量。
图8是根据一示例性实施例示出的一种机台的故障确定设备的硬件结构图。
机台的故障确定设备800可以包括:处理801,例如CPU,存储器802以及收发器803。本领域技术人员可以理解,图8中示出的结构并不构成对机台的故障确定设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。存储器802可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。
处理器801可以调用存储器802内存储的计算机程序,以完成上述的机台的故障确定方法的全部或部分步骤。
收发器803用于接收外部设备发送的信息以及向外部设备发送信息。
一种非临时性计算机可读存储介质,当该存储介质中的指令由机台的故障确定设备的处理器执行时,使得机台的故障确定设备能够执行上述机台的故障确定方法。
一种计算机程序产品,包括计算机程序,当该计算机程序由机台的故障确定设备的处理器执行时,使得机台的故障确定设备能够执行上述机台的故障确定方法。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本公开的其它实施方案。本发明旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由下面的权利要求书指出。
应当理解的是,本公开并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求书来限制。
Claims (11)
1.一种机台的故障确定方法,其特征在于,包括:
获取权重向量、各个第一晶圆对应的第一晶圆向量以及第一图案真实值,其中,每台机台在所述第一晶圆向量中具有对应的第一数值,所述第一数值用于表示所述第一晶圆是否经过所述机台,所述第一图案真实值是根据各个所述机台对经过的第一晶圆叠加图案确定的;
在各台所述机台中确定目标机台,所述目标机台的数量是小于或等于所述机台的总数量;
获取每台所述目标机台对所述第一晶圆叠加异常的图案所对应的期望值以及方差值,并根据各个所述第一图案真实值、所述第一晶圆向量、所述权重向量、每台所述目标机台对应的期望值以及方差值确定优化值;
在所述优化值满足设定条件时,根据每台所述目标机台对应的期望值以及所述权重向量确定每台所述目标机台对应的贡献值;
在各个所述贡献值中确定各个目标贡献值,并将每个所述目标贡献值对应的目标机台确定为故障机台,所述目标贡献值是大于或等于第一阈值的贡献值。
2.根据权利要求1所述的机台的故障确定方法,其特征在于,所述权重向量包括第一权重向量,所述目标机台的数量是小于所述机台的总数量,所述在各台所述机台中确定目标机台的步骤包括:
确定所述第一晶圆向量以及所述第一权重向量之间的哈达玛积得到第一分量;
采用预设函数,在所述第一分量中的每行数值中确定最大数值;
将每个所述最大数值对应的机台确定为所述目标机台。
3.根据权利要求2所述的机台的故障确定方法,其特征在于,所述权重向量还包括第二权重向量以及第三权重向量,所述根据各个所述第一图案真实值、所述第一晶圆向量、所述权重向量、每台所述目标机台对应的期望值以及方差值确定优化值的步骤包括:
根据所述目标机台对应的最大数值、所述第一分量、以及所述第二权重向量确定所述目标机台对应的第二分量;
根据每台所述目标机台对应的第二分量以及期望值确定均值估计值;
根据所述每台所述目标机台对应的第二分量、方差值以及所述第三权重向量确定方差估计值;
根据所述方差估计值、所述均值估计值以及各个所述第一图案真实值确定所述优化值。
4.根据权利要求3所述的机台的故障确定方法,其特征在于,所述根据所述目标机台对应的期望值以及所述权重向量确定所述目标机台对应的贡献值的步骤包括:
确定所述目标机台对应的期望值与所述第一权重向量、所述第二权重向量之间的哈达玛积,以作为所述目标机台对应的贡献值。
5.根据权利要求1所述的机台的故障确定方法,其特征在于,所述根据各个所述第一图案真实值、所述第一晶圆向量、所述权重向量、每台所述目标机台对应的期望值以及方差值确定优化值的步骤之后,还包括:
在所述优化值不满足设定条件时,获取各个第二晶圆对应的第二晶圆向量以及第二图案真实值,每台所述机台在所述第二晶圆向量中具有对应的第二数值,所述第二数值用于表示所述第二晶圆是否经过所述机台;
更新权重向量、每台所述机台对应的期望值以及方差值,并将所述第二晶圆向量更新为第一晶圆向量,且将所述第二图案真实值更新为第一图案真实值;
返回执行所述在各台所述机台中确定目标机台的步骤。
6.根据权利要求1所述的机台的故障确定方法,其特征在于,所述将每个所述目标贡献值对应的目标机台确定为故障机台的步骤包括:
获取每台待确定机台关联的各个历史贡献值,其中,所述待确定机台是所述目标贡献值对应的目标机台;
根据每台所述待确定机台关联的各个历史贡献值,确定每台所述待确定机台是否满足故障条件时;
将满足所述故障条件的所述待确定机台确定为故障机台。
7.根据权利要求1-6任一项所述的机台的故障确定方法,其特征在于,在所述优化值大于第二阈值、或者所述优化值大于第二阈值且所述优化值的迭代次数小于预设次数时,所述优化值满足设定条件。
8.根据权利要求1-6任一项所述的机台的故障确定方法,其特征在于,所述获取各个第一晶圆对应的第一晶圆向量的步骤包括:
根据每台所述机台的记录信息,确定每个所述第一晶圆在第一时间段内是否经过所述机台,得到每台所述机台对应的确定结果;
根据每台所述机台对应的确定结果确定每台所述机台对应的第一数值;
根据各个所述第一数值确定所述第一晶圆向量。
9.一种机台的故障确定装置,其特征在于,包括:
获取模块,用于获取权重向量、各个第一晶圆对应的第一晶圆向量以及第一图案真实值,其中,每台机台在所述第一晶圆向量中具有对应的第一数值,所述第一数值用于表示所述第一晶圆是否经过所述机台,所述第一图案真实值是根据各个所述机台对经过的第一晶圆叠加图案确定的;
确定模块,用于在各台所述机台中确定目标机台,所述目标机台的数量是小于或等于所述机台的总数量;
所述获取模块,还用于获取每台所述目标机台对所述第一晶圆叠加异常的图案所对应的期望值以及方差值,并根据各个所述第一图案真实值、所述第一晶圆向量、所述权重向量、每台所述目标机台对应的期望值以及方差值确定优化值;
所述确定模块,还用于在所述优化值满足设定条件时,根据每台所述目标机台对应的期望值以及所述权重向量确定每台所述目标机台对应的贡献值;
所述确定模块,还用于在各个所述贡献值中确定各个目标贡献值,并将每个所述目标贡献值对应的目标机台确定为故障机台,所述目标贡献值是大于或等于第一阈值的贡献值。
10.一种机台的故障确定设备,其特征在于,包括:存储器以及处理器;
所述存储器存储计算机执行指令;
所述处理器执行所述存储器存储的计算机执行指令,使得所述处理器执行如权利要求1至8任一项所述的机台的故障确定方法。
11.一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中存储有计算机执行指令,所述计算机执行指令被处理器执行时用于实现如权利要求1至8任一项所述的机台的故障确定方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111601770.8A CN114266223B (zh) | 2021-12-24 | 2021-12-24 | 机台的故障确定方法、装置、设备和计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111601770.8A CN114266223B (zh) | 2021-12-24 | 2021-12-24 | 机台的故障确定方法、装置、设备和计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114266223A CN114266223A (zh) | 2022-04-01 |
CN114266223B true CN114266223B (zh) | 2024-03-26 |
Family
ID=80829952
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111601770.8A Active CN114266223B (zh) | 2021-12-24 | 2021-12-24 | 机台的故障确定方法、装置、设备和计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114266223B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116230586B (zh) * | 2022-12-12 | 2024-01-02 | 全芯智造技术有限公司 | 晶圆制造机台单元的共性分析方法及终端 |
CN116244658B (zh) * | 2023-05-06 | 2023-08-29 | 粤芯半导体技术股份有限公司 | 半导体机台的异常检测方法、装置、电子设备及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111190393A (zh) * | 2018-11-14 | 2020-05-22 | 长鑫存储技术有限公司 | 半导体制程自动化控制方法及装置 |
CN111260435A (zh) * | 2020-01-10 | 2020-06-09 | 京东数字科技控股有限公司 | 多因子权重赋值修正方法、装置、计算机设备和存储介质 |
CN113448787A (zh) * | 2021-06-29 | 2021-09-28 | 海光信息技术股份有限公司 | 晶圆异常分析的方法、装置、电子设备及可读存储介质 |
CN113488414A (zh) * | 2021-07-06 | 2021-10-08 | 长鑫存储技术有限公司 | 晶圆生产监控方法、系统与电子设备 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080010531A1 (en) * | 2006-06-12 | 2008-01-10 | Mks Instruments, Inc. | Classifying faults associated with a manufacturing process |
-
2021
- 2021-12-24 CN CN202111601770.8A patent/CN114266223B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111190393A (zh) * | 2018-11-14 | 2020-05-22 | 长鑫存储技术有限公司 | 半导体制程自动化控制方法及装置 |
CN111260435A (zh) * | 2020-01-10 | 2020-06-09 | 京东数字科技控股有限公司 | 多因子权重赋值修正方法、装置、计算机设备和存储介质 |
CN113448787A (zh) * | 2021-06-29 | 2021-09-28 | 海光信息技术股份有限公司 | 晶圆异常分析的方法、装置、电子设备及可读存储介质 |
CN113488414A (zh) * | 2021-07-06 | 2021-10-08 | 长鑫存储技术有限公司 | 晶圆生产监控方法、系统与电子设备 |
Non-Patent Citations (2)
Title |
---|
不确定概率下累计前景理论在质量和维护联合优化中的应用研究;方叶祥;汤文成;蒋南云;樊树海;钱庆;吴顺;杨奇;;现代制造工程;20171218(第12期);全文 * |
基于映射向量和加权Q贡献图的故障识别研究;李荣雨;杨小健;殷绚;;化工自动化及仪表;20101210(第12期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN114266223A (zh) | 2022-04-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114266223B (zh) | 机台的故障确定方法、装置、设备和计算机可读存储介质 | |
JP6125506B2 (ja) | 問題のある高度プロセス制御パラメータの検出及び訂正のための方法及びシステム | |
KR102336390B1 (ko) | 제품 유닛의 다중-스테이지 처리를 위한 장치 최적화 | |
KR101098037B1 (ko) | 자동 가상 계측 시스템 및 방법 | |
CN111033382B (zh) | 在成像叠加计量中利用叠加错位误差估计 | |
CN114503123B (zh) | 用于计量的信号域适应 | |
US7970486B2 (en) | Method for controlling semiconductor manufacturing apparatus and control system of semiconductor manufacturing apparatus | |
KR20160096118A (ko) | 요건에 대한 타겟 및 프로세스 감도 분석 | |
US20230066599A1 (en) | Method and Apparatus for Reconstructing the Position of Semiconductor Components on a Wafer | |
CN107422342A (zh) | Gnss卫星钟差实时估计质量控制方法 | |
JP3588531B2 (ja) | 不良解析装置 | |
CN106298582B (zh) | 制程异常诊断系统及方法 | |
CN112217668A (zh) | 基于比较模型的自适应网络故障诊断方法 | |
KR20160142354A (ko) | 마스크들을 위한 고밀도 레지스트레이션 맵들을 생성하기 위한 방법, 시스템 및 컴퓨터 프로그램 제품 | |
US20220399237A1 (en) | Critical dimension error analysis method | |
CN109164471B (zh) | 一种基于主成分分析的区域划分方法 | |
CN108885407B (zh) | 叠加方差稳定化方法及系统 | |
CN102262188B (zh) | 工件抽样检验的方法 | |
JP2008181124A (ja) | マスクの評価すべきパターンを評価するための方法及びシステム | |
CN112257384B (zh) | 标准单元的检测方法 | |
CN109116391B (zh) | 一种基于改进正交分解的区域划分方法 | |
TW202032686A (zh) | 用於精確度量衡量測之每位點殘量分析 | |
US20240134290A1 (en) | Multi-wavelength selection method for overlay measurement, and overlay measurement method and semiconductor device manufacturing method using multi-wavelengths | |
CN114764190B (zh) | 激光加工设备自动校正方法及计算机设备 | |
US6847855B2 (en) | Method for fault analysis in wafer production |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |