CN117558653A - 一种机台缺陷告警的自动化处理方法、装置、设备及介质 - Google Patents

一种机台缺陷告警的自动化处理方法、装置、设备及介质 Download PDF

Info

Publication number
CN117558653A
CN117558653A CN202311502925.1A CN202311502925A CN117558653A CN 117558653 A CN117558653 A CN 117558653A CN 202311502925 A CN202311502925 A CN 202311502925A CN 117558653 A CN117558653 A CN 117558653A
Authority
CN
China
Prior art keywords
machine
abnormal
target machine
processing
basic data
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
CN202311502925.1A
Other languages
English (en)
Inventor
蒋越
阙士芯
李梅玲
徐伟
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.)
Shanghai Pengxi Semiconductor Co ltd
Original Assignee
Shanghai Pengxi Semiconductor 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 Shanghai Pengxi Semiconductor Co ltd filed Critical Shanghai Pengxi Semiconductor Co ltd
Priority to CN202311502925.1A priority Critical patent/CN117558653A/zh
Publication of CN117558653A publication Critical patent/CN117558653A/zh
Pending legal-status Critical Current

Links

Classifications

    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L21/00—Processes or apparatus adapted for the manufacture or treatment of semiconductor or solid state devices or of parts thereof
    • H01L21/67—Apparatus specially adapted for handling semiconductor or electric solid state devices during manufacture or treatment thereof; Apparatus specially adapted for handling wafers during manufacture or treatment of semiconductor or electric solid state devices or components ; Apparatus not specifically provided for elsewhere
    • H01L21/67005—Apparatus not specifically provided for elsewhere
    • H01L21/67242—Apparatus for monitoring, sorting or marking
    • H01L21/67288—Monitoring of warpage, curvature, damage, defects or the like
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/10—Pre-processing; Data cleansing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • 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
    • G06Q10/10—Office automation; Time management
    • 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/04—Manufacturing
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L22/00—Testing or measuring during manufacture or treatment; Reliability measurements, i.e. testing of parts without further processing to modify the parts as such; Structural arrangements therefor
    • H01L22/10—Measuring as part of the manufacturing process
    • H01L22/12—Measuring as part of the manufacturing process for structural parameters, e.g. thickness, line width, refractive index, temperature, warp, bond strength, defects, optical inspection, electrical measurement of structural dimensions, metallurgic measurement of diffusions
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L22/00—Testing or measuring during manufacture or treatment; Reliability measurements, i.e. testing of parts without further processing to modify the parts as such; Structural arrangements therefor
    • H01L22/20—Sequence of activities consisting of a plurality of measurements, corrections, marking or sorting steps

Abstract

本申请提供了一种机台缺陷告警的自动化处理方法、装置、设备及介质。该方法包括：若检测到出现机台异常告警信息，识别机台异常告警信息是否需要人为介入处理；若否，则根据机台异常告警信息确定目标机台；获取目标机台的基础数据和/或目标机台生产晶圆的基础数据；对目标机台的基础数据和/或目标机台生产晶圆的基础数据进行诊断处理，得到异常类型；采用异常类型对应的自动化处理模型进行异常处理。本技术方案，通过对不同异常类型的缺陷告警分别进行自动化处理，提高了对缺陷告警的处理效率和准确率，避免了人工处理所导致的差异性和不稳定性因素，减少了漏报误报的情况，提高了异常处理的可靠性。

Description

一种机台缺陷告警的自动化处理方法、装置、设备及介质
技术领域
本申请涉及半导体制造技术领域，尤其涉及一种机台缺陷告警的自动化处理方法、装置、设备及介质。
背景技术
近年来，随着科技水平的迅速发展，晶圆的制造与使用已经成为科技发展的重要基础之一。在晶圆生产过程中，缺陷告警是指在生产过程中对所发现的可能会影响晶圆的质量和性能的晶圆缺陷进行告警处理。
为了解决这个问题，晶圆生产厂商通常会使用各种检测设备和方法来检测晶圆缺陷。例如，在半导体器件生产中采用零缺陷光罩，避免由于掩模版上的单个缺陷而造成上千个器件摧毁的严重影响。又例如，一些缺陷自动扫描抽检方法和装置，可以监控工艺参数并判断工艺参数是否异常，当发现出现显性异常和/或隐形异常的晶圆时则发出报警。又例如，一些检测晶圆缺陷的方法和装置，可以根据所采集的晶圆图像对缺陷的收敛程度进行判断，以确定晶圆是否为合格产品。
然而，发明人发现相关技术中至少存在如下技术问题：现有方案在出现缺陷告警后需要人为干预以对缺陷进行处理，一方面，人工干预需要一定的时间，会导致缺陷处理速度降低，增加晶圆生成的时间成本；另一方面，人工干预的效率与干预人员所掌握的知识和经验有关，且存在一定的主观性，会导致缺陷的处理精度不稳定。
发明内容
本申请的一个目的是提供一种机台缺陷告警的自动化处理方法、装置、设备及介质，至少用以解决出现机台缺陷告警后的自动化处理等问题，本申请的目的在于：提供了一种新的机台缺陷告警的自动化处理方法。该方法通过对机台异常告警信息进行目标机台定位以及异常类型诊断，并针对不同异常类型的缺陷告警分别进行自动化处理，提高了对缺陷告警的处理效率和准确率，避免了人工处理所导致的差异性和不稳定性因素，减少了漏报误报的情况，提高了异常处理的可靠性。
为实现上述目的，本申请的一些实施例提供了以下几个方面：
第一方面，本申请的一些实施例还提供了一种机台缺陷告警的自动化处理方法，所述方法包括：
若检测到出现机台异常告警信息，识别所述机台异常告警信息是否需要人为介入处理；
若否，则根据所述机台异常告警信息确定目标机台；
获取目标机台的基础数据和/或目标机台生产晶圆的基础数据；
对所述目标机台的基础数据和/或目标机台生产晶圆的基础数据进行诊断处理，得到异常类型；
采用所述异常类型对应的自动化处理模型进行异常处理。
第二方面，本申请的一些实施例还提供了一种机台缺陷告警的自动化处理装置，所述装置包括：
机台异常检测模块，用于若检测到出现机台异常告警信息，识别所述机台异常告警信息是否需要人为介入处理；
目标机台确定模块，用于若否，则根据所述机台异常告警信息确定目标机台；
基础数据获取模块，用于获取目标机台的基础数据和/或目标机台生产晶圆的基础数据；
异常类型确定模块，用于对所述目标机台的基础数据和/或目标机台生产晶圆的基础数据进行诊断处理，得到异常类型；
异常自动化处理模块，用于采用所述异常类型对应的自动化处理模型进行异常处理。
第三方面，本申请的一些实施例还提供了一种计算机设备，所述设备包括：
一个或多个处理器；以及
存储有计算机程序指令的存储器，所述计算机程序指令在被执行时使所述处理器执行如上所述的机台缺陷告警的自动化处理方法。
第四方面，本申请的一些实施例还提供了一种计算机可读介质，其上存储有计算机程序指令，所述计算机程序指令可被处理器执行以实现如上所述的机台缺陷告警的自动化处理方法。
相较于现有技术，本申请实施例提供的方案中，先通过对所检测到的机台异常告警信息进行识别，确定是否需要人为介入处理；对不需要人为介入处理的异常告警信息所对应的目标机台进行诊断，确定异常类型；根据异常类型的不同，采用相对应的自动化处理模型进行处理，从而达到自动化处理的效果，提高了对缺陷告警的处理效率和准确率，避免了人工处理所导致的差异性和不稳定性因素，减少了漏报误报的情况，提高了异常处理的可靠性。
附图说明
图1是本申请实施例一提供的机台缺陷告警的自动化处理方法的流程示意图；
图2是本申请实施例二提供的机台缺陷告警的自动化处理方法的流程示意图；
图3是本申请实施例三提供的机台缺陷告警的自动化处理装置的结构示意图；
图4是本申请实施例四提供的计算机设备的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
下面结合附图，通过具体的实施例及其应用场景对本申请实施例提供的技术方案进行详细地说明。
实施例一
图1是本申请实施例一提供的机台缺陷告警的自动化处理方法的流程示意图。如图1所示，具体包括如下步骤：该流程包括：
步骤S101，若检测到出现机台异常告警信息，识别所述机台异常告警信息是否需要人为介入处理。
其中，机台可为在晶圆生产制造流程中所使用到的机器设备，可以是晶圆制造流程中所涉及到的任一加工或检测设备，如抛光机、光刻机、离子注入机、引线键合机、晶圆划片机等等。
具体的，在机台作业期间，可采用自动化监控系统对各机台进行监控检测，实时更新各机台的运行状态，以对运行状态告警的机台能够及时处理，保证晶圆的生产质量。
其中，机台异常告警信息可为声音告警、灯光告警、文字提示框告警等多种形式，可根据实际需要进行确定。
当系统检测到出现机台异常告警信息时，可根据系统设置的系统方法进行判断识别，确定该机台异常告警信息是否需要人为介入处理。具体的，可根据系统设置的系统方法，判断系统是否能够自主处理该机台异常告警信息，若不能够自主处理，则确定需要人为介入处理；若能够自主处理，则确定不需要人为介入处理。
步骤S102，若否，则根据所述机台异常告警信息确定目标机台。
在本方案中，若不需要人为介入处理，则可根据机台异常告警信息进行定位，确定出现机台异常告警信息的目标机台，并确定目标机台的编号、名称或具体位置信息等。
需要说明的是，目标机台可为一个或多个。
当然，若需要人为介入处理，则可将机台异常告警信息转发至目标人员，由目标人员对该机台异常告警信息所对应的目标机台进行及时处理。
步骤S103，获取目标机台的基础数据和/或目标机台生产晶圆的基础数据。
具体的，在确定目标机台后，需获取目标机台的相关运行数据，以对目标机台进行异常诊断。其中，目标机台的相关运行数据可包括目标机台的基础数据和/或目标机台生产晶圆的基础数据。
其中，目标机台的基础数据可为目标机台的状态信息、传感器数据和产量数据等。目标机台生产晶圆的基础数据可为目标机台所生产晶圆中缺陷的数量、类型、分布密度和形状特征等。
步骤S104，对所述目标机台的基础数据和/或目标机台生产晶圆的基础数据进行诊断处理，得到异常类型。
在本方案中，可根据目标机台的基础数据进行诊断处理，也可根据目标机台生产晶圆的基础数据进行诊断处理，还可根据目标机台的基础数据和目标机台生产晶圆的基础数据进行诊断处理。
在对目标机台的基础数据和/或目标机台生产晶圆的基础数据进行诊断处理之前，可先对所获取到的目标机台的基础数据和/或目标机台生产晶圆的基础数据进行预处理，包括数据清洗、缺失值处理、异常值检测和数据转换等，以提高数据的规范性，提高对数据进行诊断处理的效率。
具体的，可将所获取的数据输入至预先训练好的诊断模型中，以输出异常类型。其中，诊断模型可通过对带有异常类型标签的数据集进行训练得到。
步骤S105，采用所述异常类型对应的自动化处理模型进行异常处理。
其中，自动化处理模型与异常类型一一对应，针对不同的异常类型，可采用与异常类型对应的自动化处理模型分别进行异常处理。
例如，异常类型包括a、b和c，与其对应的自动化处理模型分别为A、B和C。当根据机台异常告警信息确定目标机台分别为机台1和机台2，且机台1的异常类型为b，机台2的异常类型为c，则可同一时间采用多线程的方式分别对机台1和机台2进行异常处理，提高缺陷告警的处理效率。
本方案这样设置的好处是可以通过对不同异常类型的缺陷告警分别进行自动化处理，提高了对缺陷告警的处理效率和准确率，避免了人工处理所导致的差异性和不稳定性因素，减少了漏报误报的情况，提高了异常处理的可靠性。
实施例二
图2是本申请实施例二提供的机台缺陷告警的自动化处理方法的流程示意图。如图2所示，具体包括如下步骤：
步骤S201，若检测到出现机台异常告警信息，识别所述机台异常告警信息是否需要人为介入处理。
步骤S202，若否，则根据所述机台异常告警信息确定目标机台。
步骤S203，获取目标机台的基础数据和/或目标机台生产晶圆的基础数据。
步骤S204，对所述目标机台的基础数据和/或目标机台生产晶圆的基础数据进行诊断处理，识别所述目标机台的异常类型为机器人异常、腔体颗粒脱落异常以及运行系统软件异常中的一种。
其中，机器人异常可为晶圆生产过程中所使用的机器发生机械故障或者非机械故障。
其中，腔体颗粒脱落可为在晶圆生产过程中，反应腔体内壁所使用的氮化硅、单晶硅等材料在受到生产所使用气体的气流变化等外界干扰或者热应力、本质应力等内应力影响，从腔体内壁上剥落下来。
其中，运行系统软件异常可为系统性问题。
在本方案中，可对目标机台的基础数据和/或目标机台生产晶圆的基础数据进行分析，确定目标机台的异常类型。需要说明的是，一个目标机台也可对应一个或多个异常类型。
步骤S205，采用所述异常类型对应的自动化处理模型进行异常处理。
在本方案中，可根据不同的异常类型，采用不同的自动化处理模型进行异常处理。
具体的，若所述异常类型为机器人异常，则根据第一预设算法对晶圆进行检测，得到第一检测结果；根据所述第一检测结果，生成异常处理流程，以对机器人异常进行处理。
其中，第一预设算法可根据历史机器人异常数据及处理流程进行训练得到。第一检测结果可为导致机器人异常的原因。
在本方案中，可通过获取目标机台所生产的晶圆的图数据；将晶圆的图数据、目标机台的基础数据和目标机台生产晶圆的基础数据中的至少一项输入至第一预设算法中进行检测，得到第一检测结果；根据第一检测结果，调用相应的异常处理流程，以对机器人异常进行处理。
例如，若根据第一预设算法对晶圆进行检测，得到第一检测结果为机台设定温度过高，则根据该检测结果，生成异常处理流程，调整机台设定温度，以对机器人异常进行处理。
若所述异常类型为腔体颗粒脱落异常，则根据第二预设算法模拟流程状态，得到第二检测结果；根据所述第二检测结果，生成异常处理流程，以对腔体颗粒脱落异常进行处理。
其中，第二预设算法可根据历史腔体颗粒脱落异常数据及处理流程进行训练得到。第二检测结果可为导致腔体颗粒脱落异常的原因。
在本方案中，可通过获取目标机台所生产的晶圆的图数据；将晶圆的图数据、目标机台的基础数据和目标机台生产晶圆的基础数据中的至少一项输入至第二预设算法中进行检测，得到第二检测结果；根据第二检测结果，调用相应的异常处理流程，以对腔体颗粒脱落异常进行处理。
例如，若根据第二预设算法对晶圆进行检测，得到第二检测结果为机台所使用的气体流速过高，则根据该检测结果，生成异常处理流程，调整机台所使用的气体流速，以对腔体颗粒脱落异常进行处理。
若所述异常类型为运行系统软件异常，则根据第三预设算法对晶圆进行检测，得到第三检测结果；根据所述第三检测结果，生成异常处理流程，以对运行系统软件异常进行处理。
其中，第三预设算法可根据历史运行系统软件异常数据及处理流程进行训练得到。第三检测结果可为导致运行系统软件异常的原因。
在本方案中，可通过获取目标机台所生产的晶圆的图数据以及运行系统的运行日志；将晶圆的图数据、运行日志、目标机台的基础数据和目标机台生产晶圆的基础数据中的至少一项输入至第三预设算法中进行检测，得到第三检测结果；根据第三检测结果，调用相应的异常处理流程，以对运行系统软件异常进行处理。
例如，若根据第三预设算法对晶圆进行检测，得到第三检测结果为系统运行文件错误，则根据该检测结果，生成异常处理流程，对该运行文件进行修复，以对运行系统软件异常进行处理。
本实施例在上述实施例的基础上，提供了一种针对不同异常类型进行自动化处理的方法，以实现多线程处理异常，提高对缺陷告警的处理效率和准确率，避免了人工处理所导致的差异性和不稳定性因素。
在上述各实施例的基础上，异常类型还包括：异常误识别。
其中，异常误识别可为机台在正常运行的状态下系统误报告警。
可选的，在得到异常类型之后，所述方法还包括：若为异常误识别，则直接进入到正常作业状态，并记录所述异常告警信息。
具体的，系统在检测到出现机台异常告警信息后，对目标机台的基础数据和/或目标机台生产晶圆的基础数据进行分析，若异常类型为异常误识别，则为系统误报，可使目标机台继续正常作业，并记录该异常告警信息及对应的异常类型，为后续异常类型的识别模型进行优化处理提供数据支持。
上述方案的有益效果在于，可以避免因系统误报而导致的人力成本及时间成本，提高对机台缺陷告警的自动化处理效率。
实施例三
图3是本申请实施例四提供的机台缺陷告警的自动化处理装置的结构示意图。如图3所示，具体包括如下：
机台异常检测模块310，用于若检测到出现机台异常告警信息，识别所述机台异常告警信息是否需要人为介入处理；
目标机台确定模块320，用于若否，则根据所述机台异常告警信息确定目标机台；
基础数据获取模块330，用于获取目标机台的基础数据和/或目标机台生产晶圆的基础数据；
异常类型确定模块340，用于对所述目标机台的基础数据和/或目标机台生产晶圆的基础数据进行诊断处理，得到异常类型；
异常自动化处理模块350，用于采用所述异常类型对应的自动化处理模型进行异常处理。
本申请实施例中的机台缺陷告警的自动化处理装置可以是装置，也可以是终端中的部件、集成电路、或芯片。该装置可以是移动电子设备，也可以为非移动电子设备。示例性的，移动电子设备可以为手机、平板电脑、笔记本电脑、掌上电脑、车载电子设备、可穿戴设备、超级移动个人计算机(ultra-mobile personal computer，UMPC)、上网本或者个人数字助理(personal digital assistant，PDA)等，非移动电子设备可以为服务器、网络附属存储器(Network Attached Storage，NAS)、个人计算机(personal computer，PC)、电视机(television，TV)、柜员机或者自助机等，本申请实施例不作具体限定。
本申请实施例中的机台缺陷告警的自动化处理装置可以为具有操作系统的装置。该操作系统可以为安卓(Android)操作系统，可以为iOS操作系统，还可以为其他可能的操作系统，本申请实施例不作具体限定。
本申请实施例提供的机台缺陷告警的自动化处理装置能够实现上述方法实施例实现的各个过程，为避免重复，这里不再赘述。
实施例四
此外，本申请实施例还提供了一种计算机设备，图4是本申请实施例五提供的计算机设备的结构示意图。该设备的结构如图4所示，所述设备包括用于存储计算机可读指令的存储器41和用于执行计算机可读指令的处理器42，其中，当该计算机可读指令被该处理器执行时，触发所述处理器执行所述的方法。
本申请实施例中的方法和/或实施例可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在该计算机程序被处理单元执行时，执行本申请的方法中限定的上述功能。
需要说明的是，本申请所述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中，计算机可读介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
而在本申请中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本申请的操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图或框图示出了按照本申请各种实施例的设备、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的针对硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
作为另一方面，本申请实施例还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的设备中所包含的；也可以是单独存在，而未装配入该设备中。上述计算机可读介质承载有一个或者多个计算机可读指令，所述计算机可读指令可被处理器执行以实现前述本申请的多个实施例的方法和/或技术方案的步骤。
在本申请一个典型的配置中，终端、服务网络的设备均包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体，可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类别的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。
此外，本申请实施例还提供了一种计算机程序，所述计算机程序存储于计算机设备，使得计算机设备执行所述控制代码执行的方法。
需要注意的是，本申请可在软件和/或软件与硬件的组合体中被实施，例如，可采用专用集成电路(ASIC)、通用目的计算机或任何其他类似硬件设备来实现。在一些实施例中，本申请的软件程序可以通过处理器执行以实现上文步骤或功能。同样地，本申请的软件程序(包括相关的数据结构)可以被存储到计算机可读记录介质中，例如，RAM存储器，磁或光驱动器或软磁盘及类似设备。另外，本申请的一些步骤或功能可采用硬件来实现，例如，作为与处理器配合从而执行各个步骤或功能的电路。
对于本领域技术人员而言，显然本申请不限于上述示范性实施例的细节，而且在不背离本申请的精神或基本特征的情况下，能够以其他的具体形式实现本申请。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本申请的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本申请内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。装置权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一，第二等词语用来表示名称，而并不表示任何特定的顺序。

Claims (10)

1.一种机台缺陷告警的自动化处理方法，其特征在于，所述方法包括：
若检测到出现机台异常告警信息，识别所述机台异常告警信息是否需要人为介入处理；
若否，则根据所述机台异常告警信息确定目标机台；
获取目标机台的基础数据和/或目标机台生产晶圆的基础数据；
对所述目标机台的基础数据和/或目标机台生产晶圆的基础数据进行诊断处理，得到异常类型；
采用所述异常类型对应的自动化处理模型进行异常处理。
2.根据权利要求1所述的方法，其特征在于，在识别所述机台异常告警信息是否需要人为介入处理之后，所述方法还包括：
若是，则将所述机台异常告警信息转发至目标人员。
3.根据权利要求1所述的方法，其特征在于，对所述目标机台的基础数据和/或目标机台生产晶圆的基础数据进行诊断处理，得到异常类型，包括：
对所述目标机台的基础数据和/或目标机台生产晶圆的基础数据进行诊断处理，识别所述目标机台的异常类型为机器人异常、腔体颗粒脱落异常以及运行系统软件异常中的一种。
4.根据权利要求3所述的方法，其特征在于，采用所述异常类型对应的自动化处理模型进行异常处理，包括：
若所述异常类型为机器人异常，则根据第一预设算法对晶圆进行检测，得到第一检测结果；
根据所述第一检测结果，生成异常处理流程，以对机器人异常进行处理。
5.根据权利要求3所述的方法，其特征在于，采用所述异常类型对应的自动化处理模型进行异常处理，包括：
若所述异常类型为腔体颗粒脱落异常，则根据第二预设算法模拟流程状态，得到第二检测结果；
根据所述第二检测结果，生成异常处理流程，以对腔体颗粒脱落异常进行处理。
6.根据权利要求3所述的方法，其特征在于，采用所述异常类型对应的自动化处理模型进行异常处理，包括：
若所述异常类型为运行系统软件异常，则根据第三预设算法对晶圆进行检测，得到第三检测结果；
根据所述第三检测结果，生成异常处理流程，以对运行系统软件异常进行处理。
7.根据权利要求3所述的方法，其特征在于，得到异常类型还包括：异常误识别；
在得到异常类型之后，所述方法还包括：
若为异常误识别，则直接进入到正常作业状态，并记录所述异常告警信息。
8.一种机台缺陷告警的自动化处理装置，其特征在于，所述装置包括：
机台异常检测模块，用于若检测到出现机台异常告警信息，识别所述机台异常告警信息是否需要人为介入处理；
目标机台确定模块，用于若否，则根据所述机台异常告警信息确定目标机台；
基础数据获取模块，用于获取目标机台的基础数据和/或目标机台生产晶圆的基础数据；
异常类型确定模块，用于对所述目标机台的基础数据和/或目标机台生产晶圆的基础数据进行诊断处理，得到异常类型；
异常自动化处理模块，用于采用所述异常类型对应的自动化处理模型进行异常处理。
9.一种计算机设备，其特征在于，所述设备包括：
一个或多个处理器；以及
存储有计算机程序指令的存储器，所述计算机程序指令在被执行时使所述处理器执行如权利要求1-7中任意一项所述的机台缺陷告警的自动化处理方法。
10.一种计算机可读介质，其特征在于，其上存储有计算机程序指令，所述计算机程序指令可被处理器执行以实现如权利要求1-7中任意一项所述的机台缺陷告警的自动化处理方法。
CN202311502925.1A 2023-11-10 2023-11-10 一种机台缺陷告警的自动化处理方法、装置、设备及介质 Pending CN117558653A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311502925.1A CN117558653A (zh) 2023-11-10 2023-11-10 一种机台缺陷告警的自动化处理方法、装置、设备及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311502925.1A CN117558653A (zh) 2023-11-10 2023-11-10 一种机台缺陷告警的自动化处理方法、装置、设备及介质

Publications (1)

Publication Number Publication Date
CN117558653A true CN117558653A (zh) 2024-02-13

Family

ID=89812109

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311502925.1A Pending CN117558653A (zh) 2023-11-10 2023-11-10 一种机台缺陷告警的自动化处理方法、装置、设备及介质

Country Status (1)

Country Link
CN (1) CN117558653A (zh)

Similar Documents

Publication Publication Date Title
US11948061B2 (en) Deep auto-encoder for equipment health monitoring and fault detection in semiconductor and display process equipment tools
US11385122B2 (en) Method and device for detecting fault of monitoring device
KR102522011B1 (ko) 광 발전 어레이의 작동 상태를 결정하기 위한 방법 및 장치와, 디바이스 및 저장매체
JP7312919B2 (ja) 太陽光発電アレイの動作状態を決定する方法および装置、デバイス並びに記憶媒体
TWI822939B (zh) 在半導體設備工具中以類神經網路進行腔室匹配
WO2021027213A1 (zh) 检测方法、装置、电子设备和计算机可读介质
US10606919B2 (en) Bivariate optimization technique for tuning SPRT parameters to facilitate prognostic surveillance of sensor data from power plants
JP2013535837A (ja) ダイナミックケアエリア
TW200415453A (en) Method and apparatus for the monitoring and control of a semiconductor manufacturing process
JP2017523604A (ja) 自動的なレシピ安定性の監視および報告
CN114492629A (zh) 异常检测方法、装置、电子设备及存储介质
JP2002190509A (ja) 検査解析方法及び半導体装置
CN110211343A (zh) 实验室管理方法、系统、计算机设备和存储介质
KR101876629B1 (ko) 빅데이터 분석 기반 상태 감시 장치 및 방법
CN117558653A (zh) 一种机台缺陷告警的自动化处理方法、装置、设备及介质
CN112183555A (zh) 焊接质量的检测方法、系统、电子设备和存储介质
US20230359191A1 (en) System and method for determining a cause of an operating anomaly of a machine, computer program and electronically readable data storage device
CN116205885A (zh) 异常状态检测方法、系统、电子设备及可读存储介质
CN113588713B (zh) 一种大型硫冷凝器的热成像监测方法及系统
TWI679416B (zh) 用於生產線監控之系統及方法
US11436069B2 (en) Method and apparatus for predicting hard drive failure
CN113644000A (zh) 晶圆检测方法与电子设备
JP2000332071A (ja) 外観検査方法および装置ならびに半導体装置の製造方法
WO2019164975A1 (en) Time slicing massive data processing
CN118013328A (zh) 一种内联数据触发失控流程的处理方法、设备及存储介质

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