CN114764550A - 失效检测与分类模型的运作方法与运作装置 - Google Patents

失效检测与分类模型的运作方法与运作装置 Download PDF

Info

Publication number
CN114764550A
CN114764550A CN202110035020.2A CN202110035020A CN114764550A CN 114764550 A CN114764550 A CN 114764550A CN 202110035020 A CN202110035020 A CN 202110035020A CN 114764550 A CN114764550 A CN 114764550A
Authority
CN
China
Prior art keywords
detection
waveform
failure detection
classification model
changed
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
CN202110035020.2A
Other languages
English (en)
Inventor
林京沛
龚吉富
陈德轩
洪逸琳
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.)
United Microelectronics Corp
Original Assignee
United Microelectronics Corp
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 United Microelectronics Corp filed Critical United Microelectronics Corp
Priority to CN202110035020.2A priority Critical patent/CN114764550A/zh
Priority to US17/180,897 priority patent/US11609836B2/en
Publication of CN114764550A publication Critical patent/CN114764550A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G06F11/32—Monitoring with visual or acoustical indication of the functioning of the machine
    • G06F11/321—Display for diagnostics, e.g. diagnostic result display, self-test user interface
    • G06F11/322—Display of waveforms, e.g. of logic analysers
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/30—Circuit design
    • G06F30/32—Circuit design at the digital level
    • G06F30/33—Design verification, e.g. functional simulation or model checking
    • G06F30/3308—Design verification, e.g. functional simulation or model checking using simulation
    • 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
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0224—Process history based detection method, e.g. whereby history implies the availability of large amounts of data
    • G05B23/024—Quantitative history assessment, e.g. mathematical relationships between available data; Functions therefor; Principal component analysis [PCA]; Partial least square [PLS]; Statistical classifiers, e.g. Bayesian networks, linear regression or correlation analysis; Neural networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G06F11/3065—Monitoring arrangements determined by the means or processing involved in reporting the monitored data
    • G06F11/3072—Monitoring arrangements determined by the means or processing involved in reporting the monitored data where the reporting involves data filtering, e.g. pattern matching, time or event triggered, adaptive or policy-based reporting
    • G06F11/3075—Monitoring arrangements determined by the means or processing involved in reporting the monitored data where the reporting involves data filtering, e.g. pattern matching, time or event triggered, adaptive or policy-based reporting the data filtering being achieved in order to maintain consistency among the monitored data, e.g. ensuring that the monitored data belong to the same timeframe, to the same system or component
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/217—Validation; Performance evaluation; Active pattern learning techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/28—Determining representative reference patterns, e.g. by averaging or distorting; Generating dictionaries
    • 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
    • G05B2219/20—Pc systems
    • G05B2219/24—Pc safety
    • G05B2219/24085—Analyze, trace fault signals according to tree, table
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G06F11/34—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment
    • G06F11/3466—Performance evaluation by tracing or monitoring
    • G06F11/348—Circuit details, i.e. tracer hardware
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/12—Classification; Matching

Abstract

一种失效检测与分类模型的运作方法与运作装置。失效检测与分类模型的运作方法包括以下步骤。连续获得数张检测曲线图。判断这些检测曲线图是否已由一第一波形变更为一第二波形。若这些检测曲线图已由第一波形变更为第二波形，则判断这些检测曲线图中是否至少N张变更为第二波形。若这些检测曲线图中至少N张变更为第二波形，则自动切割变更为第二波形的这些检测曲线图，以获得数个视窗。对各个视窗自动设定一算法。通过各个算法，获得各个视窗之一指标数据。依据这些指标数据对失效检测与分类模型进行再训练。

Description

失效检测与分类模型的运作方法与运作装置
技术领域
本发明涉及一种运作方法与运作装置，且特别涉及一种失效检测与分类模型的运作方法与运作装置。
背景技术
随着半导体技术的快速发展，工艺的复杂度与精密度不断提升。在半导体的工艺中，工艺设备的各种检测信息进行分析后，可以通过分析模型进行预测与健康管理(Prognostic and Health Management，PHM)或虚拟测量(Virtual.Metrology，VM)。倘若发现工艺设备的预测信息或测量信息不甚理想，则需要尽速进行调整，以避免大量产出不良品。
传统上利用人力来监控分析模型是否需要调整或加入新数据集进行再训练。然而，此种方式必须耗费相当大的人力。并且，随着产品复杂度与工艺精密度的提升，分析模型需要调整或进一步再训练的情况越来越多，倘若无法即时对分析模型进行修正，则无法精准地进行工艺的监控。
发明内容
本发明涉及一种失效检测与分类模型(FDC model)的运作方法与运作装置，其在发现失效检测与分类模型训练不足的情况下，可以进行失效检测与分类模型的再训练，并且在发现失效检测与分类模型的预测结果有偏移的情况下，可以进行失效检测与分类模型的调整。
根据本发明的第一方面，提出一种失效检测与分类模型的运作方法。失效检测与分类模型的运作方法包括以下步骤。连续获得数张检测曲线图。判断这些检测曲线图是否已由一第一波形变更为一第二波形。若这些检测曲线图已由第一波形变更为第二波形，则判断这些检测曲线图中是否至少N张变更为第二波形。若这些检测曲线图中至少N张变更为第二波形，则自动切割变更为第二波形的这些检测曲线图，以获得数个视窗。对各个视窗自动设定一算法。通过各个算法，获得各个视窗的一指标数据。依据这些指标数据对失效检测与分类模型进行再训练。
根据本发明的第二方面，提出一种失效检测与分类模型的运作装置。失效检测与分类模型的运作装置包括一数据获取单元、一管理单元、一视窗切割单元、一指标计算单元、一失效检测与分类模型及一训练单元。数据获取单元用以连续获得数张检测曲线图。管理单元用以判断这些检测曲线图是否已由一第一波形变更为一第二波形，并判断这些检测曲线图中是否至少N张变更为第二波形。若这些检测曲线图中至少N张变更为第二波形，则切割单元自动切割变更为第二波形的这些检测曲线图，以获得数个视窗。管理单元更对各个视窗自动设定一算法。指标计算单元用以通过各个算法，获得各个视窗的一指标数据。训练单元依据这些指标数据对失效检测与分类模型进行再训练。
为了对本发明的上述及其他方面有更佳的了解，下文特举实施例，并配合附图详细说明如下。
附图说明
图1绘示根据一实施例的工艺监控的示意图。
图2绘示根据一实施例的失效检测与分类模型的运作装置的方块图。
图3绘示根据一实施例的模型再训练程序与模型调整程序。
图4绘示失效检测与分类模型的运作方法的流程图。
图5示例说明检测曲线图的变化。
图6绘示根据一实施例的具有第一波形的检测曲线图与具有第二波形的检测曲线图。
具体实施方式
请参照图1，其绘示根据一实施例的工艺监控的示意图。在半导体工艺中，利用各种半导体机台900，对晶圆进行各种程序，例如沉积、蚀刻、退火等。在半导体机台900上设置了传感器910可以感测压力、温度、浓度等数值。传感器910通常是进行连续性感测，而获得检测曲线图(raw trace)RT。检测曲线图RT可以通过网络800传输至远端的运作装置100。运作装置100例如是一计算机、一服务器、一丛集运算中心或一边缘运算中心。运作装置100可以将检测曲线图RT输入至失效检测与分类模型(Fault Detection and Classificationmodel，FDC model)MD，以输出一预测结果RS。预测结果RS例如是工艺的良率预测，以进行预测与健康管理(Prognostics and Health Management，PHM)。或者，预测结果RS例如是其他晶圆的推论厚度或推论线宽等，以达成虚拟测量(Virtual Metrology，VM)的目的。
随着产品复杂度与工艺精密度的提升，失效检测与分类模型MD需要调整或进一步再训练的情况越来越多，倘若无法即时对失效检测与分类模型MD进行修正，则无法精准地进行工艺的监控与分析。
请参照图2，其绘示根据一实施例的失效检测与分类模型MD的运作装置100的方块图。运作装置100除了通过失效检测与分类模型MD执行预测与健康管理(PHM)与虚拟测量(VM)等功能外，更能够自适性的进行失效检测与分类模型MD的再训练与调整。
除了失效检测与分类模型MD以外，运作装置100还包括一数据获取单元110、一管理单元120、一视窗切割单元130、一指标计算单元140、一训练单元150、一用户接口160、一调整单元170与一数据库180。数据获取单元110、管理单元120、视窗切割单元130、指标计算单元140、训练单元150、调整单元170和/或失效检测与分类模型MD例如是一电路、一芯片、一电路板、程序代码或存储程序代码的存储装置。用户接口160例如是一显示屏幕、一触控屏幕、或一操作画面。数据库180例如是一硬盘、一存储器或一云端数据中心。管理单元120包括一范本选取单元121、一波形判断单元122及一计数单元123。范本选取单元121、波形判断单元122及计数单元123例如是一电路、一芯片、一电路板、程序代码或存储程序代码的存储装置。
运作装置100通过数据获取单元110取得检测曲线图RT后，在发现失效检测与分类模型MD训练不足的情况下，可以通过管理单元120、视窗切割单元130、指标计算单元140及训练单元150的运作，进行失效检测与分类模型MD的再训练。此外，运作装置100通过数据获取单元110取得检测曲线图RT后，在发现失效检测与分类模型MD的预测结果RS有偏移的情况下，可以通过调整单元170的运作，进行失效检测与分类模型MD的调整。以下更通过流程图详细说明上述各项元件的运作。
请参照图3～4，图3绘示根据一实施例的模型再训练程序ST1与模型调整程序ST2，图4绘示失效检测与分类模型的运作方法的流程图。模型再训练程序ST1包括步骤S120～S190，模型调整程序ST2包括步骤S210～S220。在步骤S110中，数据获取单元110用以连续获得数张检测曲线图RT。这些检测曲线图RT是由同一传感器所检测的数值。在相同工艺、相同机台与相同参数设定之下，这些检测曲线图RT的波形应该近似。
接着，在步骤S120中，管理单元120的波形判断单元122判断检测曲线图RT是否已由第一波形变更为第二波形。若检测曲线图RT已由第一波形变更为第二波形，则进入步骤S130；若检测曲线图RT维持在第一波形，则进入步骤S210。一旦发现检测曲线图RT的波形有改变时，工艺、机台或参数设定可能有所变化，则有需要进行模型再训练程序ST1。
然后，在步骤S130中，管理单元120的计数单元123判断检测曲线图RT中是否至少N张变更为第二波形。N例如为4或5。若检测曲线图RT中至少N张变更为第二波形，则进入步骤S140；检测曲线图RT中尚未有N张变更为第二波形，则回至步骤S120。举例来说，请参照图5，其示例说明检测曲线图RT1～RT8的变化。检测曲线图RT1～RT4具有第一波形，随着时间的改变，检测曲线图RT5已变更为第二波形。在仅累积1张检测曲线图RT5变更为第二波形时，流程会回至步骤S120继续判断下一张检测曲线图RT6是否也变更为第二波形。直到累积4张检测曲线图RT5～RT8变更为第二波形时(以N＝4为例)，流程才进入步骤S140。通过步骤S130可以确认检测曲线图RT5～RT8确实产生了持续性的变化，且确实会造成后续分析的影响。
接着，在步骤S140中，管理单元120触发警示信号，以通知操作人员。
然后，在步骤S150中，管理单元120或操作人员判断是否仅为突发事件。若仅为突发事件，则进入步骤S180；若不是突发事件，则进入步骤S160。突发事件例如是机台异常断电、压力异常泄漏、电压不稳等情况。此类突发事件并不会持续性地发生，因此通过此步骤可以排除突发事件，而不继续执行模型再训练程序ST1。
在步骤S160中，视窗切割单元130自动切割变更为第二波形的检测曲线图RT，以获得数个视窗WD*。在此步骤中，管理单元120的范本选取单元121会先自变更为第二波形的检测曲线图RT中选取一范本图(golden sample)GS。范本图GS选取后会交由视窗切割单元130，让视窗切割单元130针对范本图GS的轨迹类型(trace type)进行切割。这些轨迹类型包括一恒定轨迹、一波动轨迹、一零点轨迹、一工艺处理轨迹、一上升轨迹、一下降轨迹、一区域高峰轨迹及一区域低谷轨迹。不同的轨迹类型会切割为不同的视窗(window)WD*。
请参照图6，其绘示根据一实施例的具有第一波形的检测曲线图RT61与具有第二波形的检测曲线图RT62。具有第一波形的检测曲线图RT61被切割出视窗WD。具有第二波形的检测曲线图RT61则会被重新切割出视窗WD*。
然后，在步骤S170中，指标计算单元140对各个视窗WD*自动设定算法。管理单元120可以依据不同的轨迹类型设定不同的算法，例如是计算平均值、计算斜率、计算标准差、计算峰值、计算波数等。
接着，在步骤S180中，指标计算单元140通过各个算法，获得各个视窗WD*的指标数据(indicator)IC*。
然后，在步骤S190中，训练单元150依据这些指标数据IC*对失效检测与分类模型MD进行再训练，以获得更新的失效检测与分类模型MD*(绘示于图3)。
通过上述步骤S120～S190即完成模型再训练程序ST1。如图3所示，在发现失效检测与分类模型MD训练不足的情况下，可以自动切割出新的视窗WD*，并依据这些视窗WD*计算出指标数据IC*。接着，将利用指标数据IC*进行再训练，以获得更新的失效检测与分类模型MD*。
模型调整程序ST2则包括步骤S210～S220。在步骤S210中，已确认检测曲线图RT维持于第一波形，调整单元170判断失效检测与分类模型MD的预测结果RS是否偏离。若失效检测与分类模型MD的预测结果RS有偏离，则进入步骤S220；若失效检测与分类模型MD的预测结果RS没有偏离，则进入步骤S180。在此步骤中，可以通过电子显微镜(Scanning ElectronMicroscope，SEM)图像确认预测结果RS的预测线宽、预测厚度是否有过低、过高等偏离的情况。
接着，在步骤S220中调整单元170调整失效检测与分类模型MD的预测结果RS为预测结果RS*。在此步骤中，调整单元170对预测结果RS进行平移调整，以获得预测结果RS*。如此一来，在发现失效检测与分类模型MD的预测结果RS有偏移的情况下，可以再不更新失效检测与分类模型MD的情况下调整预测结果RS，以获得准确的预测结果RS*。
综上所述，虽然本发明已以实施例公开如上，然其并非用以限定本发明。本发明所属技术领域中的技术人员在不脱离本发明的精神和范围内，当可作各种的更动与润饰。因此，本发明的保护范围当视所附的权利要求所界定者为准。

Claims (16)

1.一种失效检测与分类模型的运作方法，包括：
连续获得多张检测曲线图；
判断这些检测曲线图是否已由第一波形变更为第二波形；
若这些检测曲线图已由该第一波形变更为该第二波形，则判断这些检测曲线图中是否至少N张变更为该第二波形；
若这些检测曲线图中至少N张变更为该第二波形，则自动切割变更为该第二波形的这些检测曲线图，以获得多个视窗；
对各该视窗自动设定算法；
通过各该算法，获得各该视窗的指标数据；以及
依据这些指标数据对该失效检测与分类模型进行再训练。
2.如权利要求1所述的失效检测与分类模型的运作方法，还包括：
若这些检测曲线图中至少N张变更为该第二波形，则触发警示信号。
3.如权利要求1所述的失效检测与分类模型的运作方法，还包括：
自变更为该第二波形的这些检测曲线图中选取范本图。
4.如权利要求1所述的失效检测与分类模型的运作方法，其中这些指标数据显示于用户接口。
5.如权利要求1所述的失效检测与分类模型的运作方法，还包括：
判断该失效检测与分类模型的预测结果是否偏离且这些检测曲线图是否维持于该第一波形；以及
若该失效检测与分类模型的该预测结果偏离且这些检测曲线图维持于该第一波形，则调整该失效检测与分类模型的该预测结果。
6.如权利要求5所述的失效检测与分类模型的运作方法，其中在调整该失效检测与分类模型的该预测结果的步骤中，对该预测结果进行平移调整。
7.如权利要求1所述的失效检测与分类模型的运作方法，其中这些视窗具有不完全相同的多个轨迹类型。
8.如权利要求7所述的失效检测与分类模型的运作方法，其中这些轨迹类型包括恒定轨迹、波动轨迹、零点轨迹、工艺处理轨迹、上升轨迹、下降轨迹、区域高峰轨迹及区域低谷轨迹。
9.一种失效检测与分类模型的运作装置，包括：
数据获取单元，用以连续获得多张检测曲线图；
管理单元，用以判断这些检测曲线图是否已由第一波形变更为第二波形，并判断这些检测曲线图中是否至少N张变更为该第二波形；
视窗切割单元，若这些检测曲线图中至少N张变更为该第二波形，则该视窗切割单元自动切割变更为该第二波形的这些检测曲线图，以获得多个视窗，该管理单元更对各该视窗自动设定算法；
指标计算单元，用以通过各该算法，获得各该视窗的指标数据；
该失效检测与分类模型；以及
训练单元，依据这些指标数据对该失效检测与分类模型进行再训练。
10.如权利要求9所述的失效检测与分类模型的运作装置，其中若这些检测曲线图中至少N张变更为该第二波形，则该管理单元触发警示信号。
11.如权利要求9所述的失效检测与分类模型的运作装置，其中该管理单元还用以自变更为该第二波形的这些检测曲线图中选取范本图。
12.如权利要求9所述的失效检测与分类模型的运作装置，还包括：
用户接口，用以显示这些指标数据。
13.如权利要求9所述的失效检测与分类模型的运作装置，还包括：
调整单元，用以判断该失效检测与分类模型的预测结果是否偏离且这些检测曲线图是否维持于该第一波形，若该失效检测与分类模型的该预测结果偏离且这些检测曲线图维持于该第一波形，则该调整单元调整该失效检测与分类模型的该预测结果。
14.如权利要求13所述的失效检测与分类模型的运作装置，其中该调整单元对该预测结果进行平移调整。
15.如权利要求9所述的失效检测与分类模型的运作装置，其中这些视窗具有不完全相同的多个轨迹类型。
16.如权利要求15所述的失效检测与分类模型的运作装置，其中这些轨迹类型包括恒定轨迹、波动轨迹、零点轨迹、工艺处理轨迹、上升轨迹、下降轨迹、区域高峰轨迹及区域低谷轨迹。
CN202110035020.2A 2021-01-12 2021-01-12 失效检测与分类模型的运作方法与运作装置 Pending CN114764550A (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202110035020.2A CN114764550A (zh) 2021-01-12 2021-01-12 失效检测与分类模型的运作方法与运作装置
US17/180,897 US11609836B2 (en) 2021-01-12 2021-02-22 Operation method and operation device of failure detection and classification model

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110035020.2A CN114764550A (zh) 2021-01-12 2021-01-12 失效检测与分类模型的运作方法与运作装置

Publications (1)

Publication Number Publication Date
CN114764550A true CN114764550A (zh) 2022-07-19

Family

ID=82323064

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110035020.2A Pending CN114764550A (zh) 2021-01-12 2021-01-12 失效检测与分类模型的运作方法与运作装置

Country Status (2)

Country Link
US (1) US11609836B2 (zh)
CN (1) CN114764550A (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11687439B2 (en) * 2020-07-23 2023-06-27 Pdf Solutions, Inc. Automatic window generation for process trace

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1504412B1 (en) 2002-04-19 2018-04-11 CA, Inc. Processing mixed numeric and/or non-numeric data
EP1636738A2 (en) 2003-05-23 2006-03-22 Computer Associates Think, Inc. Adaptive learning enhancement to auotmated model maintenance
US7477960B2 (en) * 2005-02-16 2009-01-13 Tokyo Electron Limited Fault detection and classification (FDC) using a run-to-run controller
US8301576B2 (en) 2005-10-27 2012-10-30 Ca, Inc. Weighted pattern learning for neural networks
US11714397B2 (en) * 2019-02-05 2023-08-01 Samsung Display Co., Ltd. System and method for generating machine learning model with trace data
US11610076B2 (en) * 2019-08-07 2023-03-21 Applied Materials, Inc. Automatic and adaptive fault detection and classification limits
EP4162395A4 (en) * 2020-07-23 2024-03-27 Pdf Solutions Inc PREDICTING EQUIPMENT FAILURE MODE FROM A PROCESS TRACKING

Also Published As

Publication number Publication date
US20220222162A1 (en) 2022-07-14
US11609836B2 (en) 2023-03-21

Similar Documents

Publication Publication Date Title
KR100992373B1 (ko) 다변수 결함 기여도를 나타내기 위한 그래픽 사용자인터페이스
CA2634328C (en) Method and system for trend detection and analysis
US8437870B2 (en) System and method for implementing a virtual metrology advanced process control platform
US8452441B2 (en) Process quality predicting system and method thereof
US11170332B2 (en) Data analysis system and apparatus for analyzing manufacturing defects based on key performance indicators
JP2005535130A (ja) 最新のプロセス制御システム内で誤って表された計測データを取り扱う方法、システム、および媒体
US20220027230A1 (en) Predicting Equipment Fail Mode from Process Trace
JP4568786B2 (ja) 要因分析装置および要因分析方法
CN103137513A (zh) 集成电路制造设备状态监测系统和方法
WO2019091773A1 (en) A method of determining a microbiological risk level in a food batch
KR102470763B1 (ko) 데이터 이상치 탐색 장치 및 방법
US11436769B2 (en) Visualized data generation device, visualized data generation system, and visualized data generation method
CN112180230A (zh) 芯片测试参数异常的侦测方法、存储介质、终端
JP6948197B2 (ja) プロセス監視装置
CN114764550A (zh) 失效检测与分类模型的运作方法与运作装置
US20210374634A1 (en) Work efficiency evaluation method, work efficiency evaluation apparatus, and program
KR20190060548A (ko) 변수 구간별 불량 발생 지수를 도출하여 공정 불량 원인을 파악하고 시각화하는 방법
JP2005142467A (ja) 半導体デバイスの製造方法および半導体製造システム
JP7354421B2 (ja) エラー要因の推定装置及び推定方法
JP6312955B1 (ja) 品質分析装置及び品質分析方法
JP2022049395A (ja) 異常スコア算出装置、異常スコア算出方法およびプログラム
CN109033446B (zh) 腐蚀类型判别方法及装置
US20230325413A1 (en) Error Factor Estimation Device and Error Factor Estimation Method
TWI647770B (zh) 晶圓的良率判斷方法以及晶圓合格測試的多變量偵測方法
CN109891454A (zh) 用于感测工艺/设备测量数据的细小变化的方法和系统

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