CN117558660B - 一种半导体晶圆检测设备控制工作站的管理方法及系统 - Google Patents
一种半导体晶圆检测设备控制工作站的管理方法及系统 Download PDFInfo
- Publication number
- CN117558660B CN117558660B CN202410036642.0A CN202410036642A CN117558660B CN 117558660 B CN117558660 B CN 117558660B CN 202410036642 A CN202410036642 A CN 202410036642A CN 117558660 B CN117558660 B CN 117558660B
- Authority
- CN
- China
- Prior art keywords
- detection
- data
- workstation
- equipment
- wafer
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 372
- 239000004065 semiconductor Substances 0.000 title claims abstract description 68
- 238000007726 management method Methods 0.000 title claims abstract description 18
- 238000011156 evaluation Methods 0.000 claims abstract description 86
- 238000004458 analytical method Methods 0.000 claims abstract description 49
- 229940095676 wafer product Drugs 0.000 claims abstract description 29
- 238000013468 resource allocation Methods 0.000 claims abstract description 22
- 238000006243 chemical reaction Methods 0.000 claims abstract description 17
- 238000011897 real-time detection Methods 0.000 claims abstract description 17
- 235000012431 wafers Nutrition 0.000 claims description 141
- 238000007689 inspection Methods 0.000 claims description 46
- 238000000034 method Methods 0.000 claims description 40
- 238000012549 training Methods 0.000 claims description 26
- 238000003032 molecular docking Methods 0.000 claims description 10
- 230000006870 function Effects 0.000 claims description 9
- 238000007599 discharging Methods 0.000 claims description 8
- 238000012360 testing method Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000010606 normalization Methods 0.000 claims description 4
- 238000005457 optimization Methods 0.000 abstract description 3
- 230000007547 defect Effects 0.000 description 12
- 238000003860 storage Methods 0.000 description 7
- 238000012423 maintenance Methods 0.000 description 6
- 238000004519 manufacturing process Methods 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 238000013523 data management Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000008676 import Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000013439 planning Methods 0.000 description 2
- 238000013441 quality evaluation Methods 0.000 description 2
- 238000012552 review Methods 0.000 description 2
- 238000012163 sequencing technique Methods 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- H01L21/67253—Process monitoring, e.g. flow or thickness monitoring
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
-
- 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
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/044—Recurrent networks, e.g. Hopfield networks
- G06N3/0442—Recurrent networks, e.g. Hopfield networks characterised by memory or gating, e.g. long short-term memory [LSTM] or gated recurrent units [GRU]
-
- 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
- G06N3/084—Backpropagation, e.g. using gradient descent
-
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
-
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Manufacturing & Machinery (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Microelectronics & Electronic Packaging (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Power Engineering (AREA)
- Quality & Reliability (AREA)
- Development Economics (AREA)
- Computer Hardware Design (AREA)
- Educational Administration (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Marketing (AREA)
- Condensed Matter Physics & Semiconductors (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
Abstract
本发明公开了一种半导体晶圆检测设备控制工作站的管理方法及系统,对目标半导体晶圆产品数据进行检测任务分析,得到产品检测需求数据;基于产品检测需求数据与工作站设备信息进行多种检测设备的联合任务需求分析,并形成工作站检测方案;基于工作站检测方案对目标晶圆进行检测,通过工作站,获取多种检测设备的实时检测数据,将检测数据进行数据转化并导入基于LSTM的预测模型中进行数据预测与产品评估,得到基于预测数据的晶圆检测评估数据;基于所述晶圆检测评估数据对工作站设备进行检测预警评估,并实时生成人员资源配置方案。通过本发明,能够有效实现晶圆检测预警分析与晶圆产品检测的人员优化配置,从而提高管理检测设备效率和自动化程度。
Description
技术领域
本发明涉及设备数据分析领域,更具体的,涉及一种半导体晶圆检测设备控制工作站的管理方法及系统。
背景技术
半导体晶圆检测是半导体制造过程中的重要环节,其目的是检测半导体晶圆的质量,包括表面缺陷、材料成分、结构等。现有的半导体晶圆检测设备通常采用人工控制和数据管理的方式,这种方式存在效率低下、精度不高、数据管理不便等问题。且受制于传统技术,目前对晶圆检测缺少有效的预警分析与晶圆产品的检测人员优化配置分析,难以实现检测的自动化与高效性。因此,目前亟需一种新的半导体晶圆检测设备控制工作站的管理方法及系统,以提高检测效率和自动化程度。
发明内容
本发明克服了现有技术的缺陷,提出了一种半导体晶圆检测设备控制工作站的管理方法及系统。
本发明第一方面提供了一种半导体晶圆检测设备控制工作站的管理方法,包括:
获取目标半导体晶圆产品数据与工作站设备信息;
基于所述目标半导体晶圆产品数据进行检测任务分析,得到产品检测需求数据;
基于产品检测需求数据与工作站设备信息进行多种检测设备的联合任务需求分析,并形成工作站检测方案;
基于工作站检测方案对目标晶圆进行检测,通过工作站,获取多种检测设备的实时检测数据,将所述检测数据进行数据转化并导入基于LSTM的预测模型中进行数据预测与产品评估,并得到基于预测数据的晶圆检测评估数据;
基于所述晶圆检测评估数据对工作站设备进行检测预警评估,并实时生成人员资源配置方案。
本方案中,所述获取目标半导体晶圆产品数据与工作站设备信息中,所述目标半导体晶圆产品数据包括半导体晶圆的检测数量、产品型号、产品结构信息;所述工作站设备信息包括检查设备、复检设备、入料设备、出料设备与对应多种设备的设备参数、设备数量信息。
本方案中,所述基于产品检测需求数据与工作站设备信息进行多种检测设备的联合任务需求分析,并形成工作站检测方案,具体为:
基于产品检测需求数据与工作站设备信息进行设备任务分配计算,得到检测设备任务方案;
根据检测设备任务方案,对所有检测设备进行基于PCL模块的信号对接,确认所有检测设备成功对接软件平台,并基于各检测设备任务信息进行多设备联合参数对接分析,形成工作站检测方案。
本方案中,所述基于工作站检测方案对目标晶圆进行检测,通过工作站,获取多种检测设备的实时检测数据,将所述检测数据进行数据转化并导入基于LSTM的预测模型中进行数据预测与产品评估,并得到基于预测数据的晶圆检测评估数据,之前包括:
在一个检测周期内,基于工作站检测方案对目标晶圆进行检测分析,通过工作站,实时获取每个检测设备的晶圆检测数据;
选取一个检测设备作为当前设备,基于时间维度,将对应的晶圆检测数据进行时间序列化,形成序列化数据;
获取当前设备预设数据量的历史检测数据,将所述历史检测数据进行数据归一化与时间序列化,形成历史训练数据;
将历史训练数据基于预设比例划分为训练集与测试集,将划分后的数据导入预测模型,在预测模型中设置预设优化器与预设损失函数,以TensorFlow作为学习框架,进行数据训练与模型评估;
在所述进行数据训练与模型评估中,通过损失函数进行反向传播和模型参数更新。
本方案中,所述基于工作站检测方案对目标晶圆进行检测,通过工作站,获取多种检测设备的实时检测数据,将所述检测数据进行数据转化并导入基于LSTM的预测模型中进行数据预测与产品评估,并得到基于预测数据的晶圆检测评估数据,具体为:
将序列数据导入预测模型进行预测,预测时间参数设定为一个检测周期,并得到预测数据;
分析所有检测设备,并得到N个预测数据,每种检测设备对应一个预测模型;
基于所述N个预测数据,对目标晶圆进行不同检测流程的质量预估分析,并得到N个晶圆检测评估数据。
本方案中,所述基于所述晶圆检测评估数据对工作站设备进行检测预警评估,并实时生成人员资源配置方案,具体为:
基于N个晶圆检测评估数据,对工作站整个检测流程进行综合评估,并得到每个检测设备的检测预警信息;
基于所述检测预警信息,对每种检测设备进行人力资源调控分析,并实时生成人员资源配置方案;
将所述人员资源配置方案发送至预设终端设备。
本发明第二方面还提供了一种半导体晶圆检测设备控制工作站的管理系统,该系统包括:存储器、处理器,所述存储器中包括半导体晶圆检测设备控制工作站的管理程序,所述半导体晶圆检测设备控制工作站的管理程序被所述处理器执行时实现如下步骤:
获取目标半导体晶圆产品数据与工作站设备信息;
基于所述目标半导体晶圆产品数据进行检测任务分析,得到产品检测需求数据;
基于产品检测需求数据与工作站设备信息进行多种检测设备的联合任务需求分析,并形成工作站检测方案;
基于工作站检测方案对目标晶圆进行检测,通过工作站,获取多种检测设备的实时检测数据,将所述检测数据进行数据转化并导入基于LSTM的预测模型中进行数据预测与产品评估,并得到基于预测数据的晶圆检测评估数据;
基于所述晶圆检测评估数据对工作站设备进行检测预警评估,并实时生成人员资源配置方案。
本方案中,所述获取目标半导体晶圆产品数据与工作站设备信息中,所述目标半导体晶圆产品数据包括半导体晶圆的检测数量、产品型号、产品结构信息;所述工作站设备信息包括检查设备、复检设备、入料设备、出料设备与对应多种设备的设备参数、设备数量信息。
本发明公开了一种半导体晶圆检测设备控制工作站的管理方法及系统,对目标半导体晶圆产品数据进行检测任务分析,得到产品检测需求数据;基于产品检测需求数据与工作站设备信息进行多种检测设备的联合任务需求分析,并形成工作站检测方案;基于工作站检测方案对目标晶圆进行检测,通过工作站,获取多种检测设备的实时检测数据,将检测数据进行数据转化并导入基于LSTM的预测模型中进行数据预测与产品评估,得到基于预测数据的晶圆检测评估数据;基于所述晶圆检测评估数据对工作站设备进行检测预警评估,并实时生成人员资源配置方案。通过本发明,能够有效实现晶圆检测预警分析与晶圆产品检测的人员优化配置,从而提高管理检测设备效率和自动化程度。
附图说明
图1示出了本发明一种半导体晶圆检测设备控制工作站的管理方法的流程图;
图2示出了本发明工作站检测方案获取流程图;
图3示出了本发明一种半导体晶圆检测设备控制工作站的管理系统的框图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点,下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是,在不冲突的情况下,本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是,本发明还可以采用其他不同于在此描述的其他方式来实施,因此,本发明的保护范围并不受下面公开的具体实施例的限制。
图1示出了本发明一种半导体晶圆检测设备控制工作站的管理方法的流程图。
如图1所示,本发明第一方面提供了一种半导体晶圆检测设备控制工作站的管理方法,包括:
S102,获取目标半导体晶圆产品数据与工作站设备信息;
S104,基于所述目标半导体晶圆产品数据进行检测任务分析,得到产品检测需求数据;
S106,基于产品检测需求数据与工作站设备信息进行多种检测设备的联合任务需求分析,并形成工作站检测方案;
S108,基于工作站检测方案对目标晶圆进行检测,通过工作站,获取多种检测设备的实时检测数据,将所述检测数据进行数据转化并导入基于LSTM的预测模型中进行数据预测与产品评估,并得到基于预测数据的晶圆检测评估数据;
S110,基于所述晶圆检测评估数据对工作站设备进行检测预警评估,并实时生成人员资源配置方案。
根据本发明实施例,所述获取目标半导体晶圆产品数据与工作站设备信息中,所述目标半导体晶圆产品数据包括半导体晶圆的检测数量、产品型号、产品结构信息;所述工作站设备信息包括检查设备、复检设备、入料设备、出料设备与对应多种设备的设备参数、设备数量信息。
需要说明的是,在本发明实施例中,工作站设备包括检查设备、复检设备、入料设备、出料设备,基于本领域检测需求,还可以包括其他用于晶圆检测的设备,此处不再赘述。本发明中的检测设备即工作站设备。
图2示出了本发明工作站检测方案获取流程图;
根据本发明实施例,所述基于产品检测需求数据与工作站设备信息进行多种检测设备的联合任务需求分析,并形成工作站检测方案,具体为:
S202,基于产品检测需求数据与工作站设备信息进行设备任务分配计算,得到检测设备任务方案;
S204,根据检测设备任务方案,对所有检测设备进行基于PCL模块的信号对接,确认所有检测设备成功对接软件平台,并基于各检测设备任务信息进行多设备联合参数对接分析,形成工作站检测方案。
需要说明的是,工作站中的每个检测设备均包含一个检测设备任务方案。所述软件平台即本发明系统。所述工作站检测方案包括各个设备对接后的参数设置,本发明方案可以针对不同检测设备系统分别配置和对接不同信号,以达到不同设备的联合任务规划与联合检测。
产品检测需求数据包括晶圆产品的检测需求,包括外观、数量、表面缺陷、结构性质等检测需求。
根据本发明实施例,所述基于工作站检测方案对目标晶圆进行检测,通过工作站,获取多种检测设备的实时检测数据,将所述检测数据进行数据转化并导入基于LSTM的预测模型中进行数据预测与产品评估,并得到基于预测数据的晶圆检测评估数据,之前包括:
在一个检测周期内,基于工作站检测方案对目标晶圆进行检测分析,通过工作站,实时获取每个检测设备的晶圆检测数据;
选取一个检测设备作为当前设备,基于时间维度,将对应的晶圆检测数据进行时间序列化,形成序列化数据;
获取当前设备预设数据量的历史检测数据,将所述历史检测数据进行数据归一化与时间序列化,形成历史训练数据;
将历史训练数据基于预设比例划分为训练集与测试集,将划分后的数据导入预测模型,在预测模型中设置预设优化器与预设损失函数,以TensorFlow作为学习框架,进行数据训练与模型评估;
在所述进行数据训练与模型评估中,通过损失函数进行反向传播和模型参数更新。
需要说明的是,所述获取每个检测设备的晶圆检测数据中,检测数据为设备检测过程中晶圆的检测过程与结果数据,例如,在检查设备中,正在检查某一个批次的晶圆表面缺陷,每个产品进行检查时,均会生成缺陷检查数据,表面检测信息,缺陷类型,缺陷分布等数据,通过本发明,能够基于LSTM模型对一个周期的检测数据进行序列化形式的数据预测,预测分析单位为检测设备,通过预测过程,能够以信息化形式分析产品检测的规律性变化,并得到对应的预测数据,通过预测数据,能够预估某一批次的产品质量走向,从而进一步实现产品的精准化与及时的预警分析。
例如,在一个批次的产品检测中,以检查设备为分析单位,通过搭建LSTM预测模型,基于相应训练数据进行模型训练,并通过现有数据进行预测分析,得到在未来检测周期内的产品质量波动数据,进一步实现质量预测,通过预测数据,能够进一步当前批次的晶圆进行质量评估,从而基于评估结果生成对应的预警方案,基于预警方案实现精准化的检测技术人员的人力资源配置。
值得一提的是,在传统的人工设备晶圆检测工作中,需要提供大量的人力物力进行设备的监督与人工预警判定,当检测过程出现产品质量问题时,需要人工进行全程监督与设备的调试和数据的记录,过程耗时耗力。而在本发明中,通过对检测设备的数据采集,并基于LSTM进行产品的质量预测,通过预测数据进行预警分析,从而能够生成高效率的人员配置方案,实现对不同批次晶圆进行精准化预测、预警与人员调控,提高晶圆检测设备自动检测的运转效率。
根据本发明实施例,所述根据本发明实施例,所述基于工作站检测方案对目标晶圆进行检测,通过工作站,获取多种检测设备的实时检测数据,将所述检测数据进行数据转化并导入基于LSTM的预测模型中进行数据预测与产品评估,并得到基于预测数据的晶圆检测评估数据,具体为:
将序列数据导入预测模型进行预测,预测时间参数设定为一个检测周期,并得到预测数据;
分析所有检测设备,并得到N个预测数据,每种检测设备对应一个预测模型;
基于所述N个预测数据,对目标晶圆进行不同检测流程的质量预估分析,并得到N个晶圆检测评估数据。
需要说明的是,所述分析所有检测设备,并得到N个预测数据,每种检测设备对应一个预测模型中,由于每种检测设备对应的检测内容不同,需要构建不同的预测模型进行训练预测,这里设检测设备为N种,对应N中不同的检测流程,也对应不同的检测数据。
根据本发明实施例,所述基于所述晶圆检测评估数据对工作站设备进行检测预警评估,并实时生成人员资源配置方案,具体为:
基于N个晶圆检测评估数据,对工作站整个检测流程进行综合评估,并得到每个检测设备的检测预警信息;
基于所述检测预警信息,对每种检测设备进行人力资源调控分析,并实时生成人员资源配置方案;
将所述人员资源配置方案发送至预设终端设备。
需要说明的是,所述人员配置信息包括对不同检测设备的人员分类与人工时间分配等信息。
所述目标晶圆为本实施例中的目标半导体晶圆。在本实施例中,目标晶圆在进行检测时,被划分为多个检测周期,同一批次的目标晶圆在进行检测时,其检测数据往往存在一定规律性。
根据本发明实施例,还包括
基于N个晶圆检测评估数据,对工作站整个检测流程进行综合评估,并得到每个检测设备的检测预警信息;
基于检测预警信息对每个检测设备进行预警等级排序,并得到检测设备预警优先级信息;
基于所述设备预警优先级信息与工作站检测方案,对所有工作站设备进行使用重要度与使用频率的综合评估,并基于评估结果进一步生成设备运维方案。
需要说明的是,所述N个晶圆检测评估数据分别对应N个流程环节。在本发明中,得到检测预警信息时,能够基于预警信息进行重要度分析,预警等级越高,代表对应检测设备(工作站设备)的检测精度对晶圆整个生产流程的重要度越高,基于工作站检测方案能够对设备使用频率进行分析评估,最终,基于使用重要度与使用频率进行设备的综合评估,并生成运维方案,从而提高设备的运维效果,实现工作站设备的全自动化运作与减少人工参与设备调控的目的。
图3示出了本发明一种半导体晶圆检测设备控制工作站的管理系统的框图。
本发明第二方面还提供了一种半导体晶圆检测设备控制工作站的管理系统3,该系统包括:存储器31、处理器32,所述存储器中包括半导体晶圆检测设备控制工作站的管理程序,所述半导体晶圆检测设备控制工作站的管理程序被所述处理器执行时实现如下步骤:
获取目标半导体晶圆产品数据与工作站设备信息;
基于所述目标半导体晶圆产品数据进行检测任务分析,得到产品检测需求数据;
基于产品检测需求数据与工作站设备信息进行多种检测设备的联合任务需求分析,并形成工作站检测方案;
基于工作站检测方案对目标晶圆进行检测,通过工作站,获取多种检测设备的实时检测数据,将所述检测数据进行数据转化并导入基于LSTM的预测模型中进行数据预测与产品评估,并得到基于预测数据的晶圆检测评估数据;
基于所述晶圆检测评估数据对工作站设备进行检测预警评估,并实时生成人员资源配置方案。
根据本发明实施例,所述获取目标半导体晶圆产品数据与工作站设备信息中,所述目标半导体晶圆产品数据包括半导体晶圆的检测数量、产品型号、产品结构信息;所述工作站设备信息包括检查设备、复检设备、入料设备、出料设备与对应多种设备的设备参数、设备数量信息。
需要说明的是,在本发明实施例中,工作站设备包括检查设备、复检设备、入料设备、出料设备,基于本领域检测需求,还可以包括其他用于晶圆检测的设备,此处不再赘述。本发明中的检测设备即工作站设备。
根据本发明实施例,所述基于产品检测需求数据与工作站设备信息进行多种检测设备的联合任务需求分析,并形成工作站检测方案,具体为:
基于产品检测需求数据与工作站设备信息进行设备任务分配计算,得到检测设备任务方案;
根据检测设备任务方案,对所有检测设备进行基于PCL模块的信号对接,确认所有检测设备成功对接软件平台,并基于各检测设备任务信息进行多设备联合参数对接分析,形成工作站检测方案。
需要说明的是,工作站中的每个检测设备均包含一个检测设备任务方案。所述软件平台即本发明系统。所述工作站检测方案包括各个设备对接后的参数设置,本发明方案可以针对不同检测设备系统分别配置和对接不同信号,以达到不同设备的联合任务规划与联合检测。
产品检测需求数据包括晶圆产品的检测需求,包括外观、数量、表面缺陷、结构性质等检测需求。
根据本发明实施例,所述基于工作站检测方案对目标晶圆进行检测,通过工作站,获取多种检测设备的实时检测数据,将所述检测数据进行数据转化并导入基于LSTM的预测模型中进行数据预测与产品评估,并得到基于预测数据的晶圆检测评估数据,之前包括:
在一个检测周期内,基于工作站检测方案对目标晶圆进行检测分析,通过工作站,实时获取每个检测设备的晶圆检测数据;
选取一个检测设备作为当前设备,基于时间维度,将对应的晶圆检测数据进行时间序列化,形成序列化数据;
获取当前设备预设数据量的历史检测数据,将所述历史检测数据进行数据归一化与时间序列化,形成历史训练数据;
将历史训练数据基于预设比例划分为训练集与测试集,将划分后的数据导入预测模型,在预测模型中设置预设优化器与预设损失函数,以TensorFlow作为学习框架,进行数据训练与模型评估;
在所述进行数据训练与模型评估中,通过损失函数进行反向传播和模型参数更新。
需要说明的是,所述获取每个检测设备的晶圆检测数据中,检测数据为设备检测过程中晶圆的检测过程与结果数据,例如,在检查设备中,正在检查某一个批次的晶圆表面缺陷,每个产品进行检查时,均会生成缺陷检查数据,表面检测信息,缺陷类型,缺陷分布等数据,通过本发明,能够基于LSTM模型对一个周期的检测数据进行序列化形式的数据预测,预测分析单位为检测设备,通过预测过程,能够以信息化形式分析产品检测的规律性变化,并得到对应的预测数据,通过预测数据,能够预估某一批次的产品质量走向,从而进一步实现产品的精准化与及时的预警分析。
例如,在一个批次的产品检测中,以检查设备为分析单位,通过搭建LSTM预测模型,基于相应训练数据进行模型训练,并通过现有数据进行预测分析,得到在未来检测周期内的产品质量波动数据,进一步实现质量预测,通过预测数据,能够进一步当前批次的晶圆进行质量评估,从而基于评估结果生成对应的预警方案,基于预警方案实现精准化的检测技术人员的人力资源配置。
值得一提的是,在传统的人工设备晶圆检测工作中,需要提供大量的人力物力进行设备的监督与人工预警判定,当检测过程出现产品质量问题时,需要人工进行全程监督与设备的调试和数据的记录,过程耗时耗力。而在本发明中,通过对检测设备的数据采集,并基于LSTM进行产品的质量预测,通过预测数据进行预警分析,从而能够生成高效率的人员配置方案,实现对不同批次晶圆进行精准化预测、预警与人员调控,提高晶圆检测设备自动检测的运转效率。
根据本发明实施例,所述根据本发明实施例,所述基于工作站检测方案对目标晶圆进行检测,通过工作站,获取多种检测设备的实时检测数据,将所述检测数据进行数据转化并导入基于LSTM的预测模型中进行数据预测与产品评估,并得到基于预测数据的晶圆检测评估数据,具体为:
将序列数据导入预测模型进行预测,预测时间参数设定为一个检测周期,并得到预测数据;
分析所有检测设备,并得到N个预测数据,每种检测设备对应一个预测模型;
基于所述N个预测数据,对目标晶圆进行不同检测流程的质量预估分析,并得到N个晶圆检测评估数据。
需要说明的是,所述分析所有检测设备,并得到N个预测数据,每种检测设备对应一个预测模型中,由于每种检测设备对应的检测内容不同,需要构建不同的预测模型进行训练预测,这里设检测设备为N种,对应N中不同的检测流程,也对应不同的检测数据。
根据本发明实施例,所述基于所述晶圆检测评估数据对工作站设备进行检测预警评估,并实时生成人员资源配置方案,具体为:
基于N个晶圆检测评估数据,对工作站整个检测流程进行综合评估,并得到每个检测设备的检测预警信息;
基于所述检测预警信息,对每种检测设备进行人力资源调控分析,并实时生成人员资源配置方案;
将所述人员资源配置方案发送至预设终端设备。
需要说明的是,所述人员配置信息包括对不同检测设备的人员分类与人工时间分配等信息。
所述目标晶圆为本实施例中的目标半导体晶圆。在本实施例中,目标晶圆在进行检测时,被划分为多个检测周期,同一批次的目标晶圆在进行检测时,其检测数据往往存在一定规律性。
根据本发明实施例,还包括
基于N个晶圆检测评估数据,对工作站整个检测流程进行综合评估,并得到每个检测设备的检测预警信息;
基于检测预警信息对每个检测设备进行预警等级排序,并得到检测设备预警优先级信息;
基于所述设备预警优先级信息与工作站检测方案,对所有工作站设备进行使用重要度与使用频率的综合评估,并基于评估结果进一步生成设备运维方案。
需要说明的是,所述N个晶圆检测评估数据分别对应N个流程环节。在本发明中,得到检测预警信息时,能够基于预警信息进行重要度分析,预警等级越高,代表对应检测设备(工作站设备)的检测精度对晶圆整个生产流程的重要度越高,基于工作站检测方案能够对设备使用频率进行分析评估,最终,基于使用重要度与使用频率进行设备的综合评估,并生成运维方案,从而提高设备的运维效果,实现工作站设备的全自动化运作与减少人工参与设备调控的目的。
本发明公开了一种半导体晶圆检测设备控制工作站的管理方法及系统,对目标半导体晶圆产品数据进行检测任务分析,得到产品检测需求数据;基于产品检测需求数据与工作站设备信息进行多种检测设备的联合任务需求分析,并形成工作站检测方案;基于工作站检测方案对目标晶圆进行检测,通过工作站,获取多种检测设备的实时检测数据,将检测数据进行数据转化并导入基于LSTM的预测模型中进行数据预测与产品评估,得到基于预测数据的晶圆检测评估数据;基于所述晶圆检测评估数据对工作站设备进行检测预警评估,并实时生成人员资源配置方案。通过本发明,能够有效实现晶圆检测预警分析与晶圆产品检测的人员优化配置,从而提高管理检测设备效率和自动化程度。
在本申请所提供的几个实施例中,应该理解到,所揭露的设备和方法,可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,如:多个单元或组件可以结合,或可以集成到另一个系统,或一些特征可以忽略,或不执行。另外,所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口,设备或单元的间接耦合或通信连接,可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的,作为单元显示的部件可以是、或也可以不是物理单元;既可以位于一个地方,也可以分布到多个网络单元上;可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
另外,在本发明各实施例中的各功能单元可以全部集成在一个处理单元中,也可以是各单元分别单独作为一个单元,也可以两个或两个以上单元集成在一个单元中;上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储于计算机可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:移动存储设备、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
或者,本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机、服务器、或者网络设备等)执行本发明各个实施例所述方法的全部或部分。而前述的存储介质包括:移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。
Claims (5)
1.一种半导体晶圆检测设备控制工作站的管理方法,其特征在于,包括:
获取目标半导体晶圆产品数据与工作站设备信息;
基于所述目标半导体晶圆产品数据进行检测任务分析,得到产品检测需求数据;
基于产品检测需求数据与工作站设备信息进行多种检测设备的联合任务需求分析,并形成工作站检测方案;
基于工作站检测方案对目标晶圆进行检测,通过工作站,获取多种检测设备的实时检测数据,将所述检测数据进行数据转化并导入基于LSTM的预测模型中进行数据预测与产品评估,并得到基于预测数据的晶圆检测评估数据;
基于所述晶圆检测评估数据对工作站设备进行检测预警评估,并实时生成人员资源配置方案;
其中,所述基于产品检测需求数据与工作站设备信息进行多种检测设备的联合任务需求分析,并形成工作站检测方案,具体为:
基于产品检测需求数据与工作站设备信息进行设备任务分配计算,得到检测设备任务方案;
根据检测设备任务方案,对所有检测设备进行基于PCL模块的信号对接,确认所有检测设备成功对接软件平台,并基于各检测设备任务信息进行多设备联合参数对接分析,形成工作站检测方案;
其中,所述基于工作站检测方案对目标晶圆进行检测,通过工作站,获取多种检测设备的实时检测数据,将所述检测数据进行数据转化并导入基于LSTM的预测模型中进行数据预测与产品评估,并得到基于预测数据的晶圆检测评估数据,之前包括:
在一个检测周期内,基于工作站检测方案对目标晶圆进行检测分析,通过工作站,实时获取每个检测设备的晶圆检测数据;
选取一个检测设备作为当前设备,基于时间维度,将对应的晶圆检测数据进行时间序列化,形成序列化数据;
获取当前设备预设数据量的历史检测数据,将所述历史检测数据进行数据归一化与时间序列化,形成历史训练数据;
将历史训练数据基于预设比例划分为训练集与测试集,将划分后的数据导入预测模型,在预测模型中设置预设优化器与预设损失函数,以TensorFlow作为学习框架,进行数据训练与模型评估;
在所述进行数据训练与模型评估中,通过损失函数进行反向传播和模型参数更新;
其中,所述基于工作站检测方案对目标晶圆进行检测,通过工作站,获取多种检测设备的实时检测数据,将所述检测数据进行数据转化并导入基于LSTM的预测模型中进行数据预测与产品评估,并得到基于预测数据的晶圆检测评估数据,具体为:
将序列数据导入预测模型进行预测,预测时间参数设定为一个检测周期,并得到预测数据;
分析所有检测设备,并得到N个预测数据,每种检测设备对应一个预测模型;
基于所述N个预测数据,对目标晶圆进行不同检测流程的质量预估分析,并得到N个晶圆检测评估数据。
2.根据权利要求1所述的一种半导体晶圆检测设备控制工作站的管理方法,其特征在于,所述获取目标半导体晶圆产品数据与工作站设备信息中,所述目标半导体晶圆产品数据包括半导体晶圆的检测数量、产品型号、产品结构信息;所述工作站设备信息包括检查设备、复检设备、入料设备、出料设备与对应多种设备的设备参数、设备数量信息。
3.根据权利要求1所述的一种半导体晶圆检测设备控制工作站的管理方法,其特征在于,所述基于所述晶圆检测评估数据对工作站设备进行检测预警评估,并实时生成人员资源配置方案,具体为:
基于N个晶圆检测评估数据,对工作站整个检测流程进行综合评估,并得到每个检测设备的检测预警信息;
基于所述检测预警信息,对每种检测设备进行人力资源调控分析,并实时生成人员资源配置方案;
将所述人员资源配置方案发送至预设终端设备。
4.一种半导体晶圆检测设备控制工作站的管理系统,所述系统实现如权利要求1-3任意一项所述的一种半导体晶圆检测设备控制工作站的管理方法的步骤,其特征在于,该系统包括:存储器、处理器,所述存储器中包括半导体晶圆检测设备控制工作站的管理程序,所述半导体晶圆检测设备控制工作站的管理程序被所述处理器执行时实现如下步骤:
获取目标半导体晶圆产品数据与工作站设备信息;
基于所述目标半导体晶圆产品数据进行检测任务分析,得到产品检测需求数据;
基于产品检测需求数据与工作站设备信息进行多种检测设备的联合任务需求分析,并形成工作站检测方案;
基于工作站检测方案对目标晶圆进行检测,通过工作站,获取多种检测设备的实时检测数据,将所述检测数据进行数据转化并导入基于LSTM的预测模型中进行数据预测与产品评估,并得到基于预测数据的晶圆检测评估数据;
基于所述晶圆检测评估数据对工作站设备进行检测预警评估,并实时生成人员资源配置方案。
5.根据权利要求4所述的一种半导体晶圆检测设备控制工作站的管理系统,其特征在于,所述获取目标半导体晶圆产品数据与工作站设备信息中,所述目标半导体晶圆产品数据包括半导体晶圆的检测数量、产品型号、产品结构信息;所述工作站设备信息包括检查设备、复检设备、入料设备、出料设备与对应多种设备的设备参数、设备数量信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410036642.0A CN117558660B (zh) | 2024-01-10 | 2024-01-10 | 一种半导体晶圆检测设备控制工作站的管理方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410036642.0A CN117558660B (zh) | 2024-01-10 | 2024-01-10 | 一种半导体晶圆检测设备控制工作站的管理方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117558660A CN117558660A (zh) | 2024-02-13 |
CN117558660B true CN117558660B (zh) | 2024-04-12 |
Family
ID=89820795
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410036642.0A Active CN117558660B (zh) | 2024-01-10 | 2024-01-10 | 一种半导体晶圆检测设备控制工作站的管理方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117558660B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000243680A (ja) * | 1997-12-29 | 2000-09-08 | Lg Semicon Co Ltd | ウエハマークの検出システム |
JP2008276317A (ja) * | 2007-04-25 | 2008-11-13 | Fuji Xerox Co Ltd | 画像処理プログラム、画像処理装置、及び画像処理システム |
CN210640189U (zh) * | 2019-11-29 | 2020-05-29 | 长鑫存储技术有限公司 | 晶圆工艺环境自动检测系统 |
CN116542908A (zh) * | 2023-03-30 | 2023-08-04 | 深圳市格灵精睿视觉有限公司 | 晶圆缺陷的检测方法和装置、电子设备及存储介质 |
CN117272781A (zh) * | 2023-07-18 | 2023-12-22 | 浙江大学 | 基于slgbm模型的智能采样半导体虚拟量测系统 |
-
2024
- 2024-01-10 CN CN202410036642.0A patent/CN117558660B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000243680A (ja) * | 1997-12-29 | 2000-09-08 | Lg Semicon Co Ltd | ウエハマークの検出システム |
JP2008276317A (ja) * | 2007-04-25 | 2008-11-13 | Fuji Xerox Co Ltd | 画像処理プログラム、画像処理装置、及び画像処理システム |
CN210640189U (zh) * | 2019-11-29 | 2020-05-29 | 长鑫存储技术有限公司 | 晶圆工艺环境自动检测系统 |
CN116542908A (zh) * | 2023-03-30 | 2023-08-04 | 深圳市格灵精睿视觉有限公司 | 晶圆缺陷的检测方法和装置、电子设备及存储介质 |
CN117272781A (zh) * | 2023-07-18 | 2023-12-22 | 浙江大学 | 基于slgbm模型的智能采样半导体虚拟量测系统 |
Non-Patent Citations (1)
Title |
---|
基于多尺度估计理论的晶圆减薄工艺方差变化检测方法;刘;高文科;张志胜;史金飞;;工业工程;20180615(第03期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN117558660A (zh) | 2024-02-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108074032B (zh) | 一种工程质量验收装置及方法 | |
CN102117730B (zh) | 半导体制造过程中的机台参数数据的处理方法和装置 | |
CN103750552A (zh) | 一种智能取样方法及其在香烟质量控制的应用 | |
CN109189407A (zh) | 一种对多芯片烧录的统计方法、系统、装置和存储介质 | |
CN116777395A (zh) | 一种建筑工程用智能建筑监理验收系统 | |
CN109309022A (zh) | 一种缺陷抽检方法 | |
CN111832174A (zh) | 一种基于多元回归的配线线损率处理方法及装置 | |
CN112084678A (zh) | 一种基于多元回归的配线线损率处理方法及装置 | |
CN115510754A (zh) | 一种水泥混凝土性能预测和控制的方法及系统 | |
CN115660288A (zh) | 一种基于互联网大数据的分析管理系统 | |
CN117558660B (zh) | 一种半导体晶圆检测设备控制工作站的管理方法及系统 | |
CN116165220B (zh) | 一种基于人工智能的aoi内观检测装置及方法 | |
CN113010806A (zh) | 水利工程巡查区域的动态巡查方法及装置 | |
CN116720720A (zh) | 一种岩土工程设备互联调度管理方法和系统 | |
CN117112403A (zh) | 一种产品自动化测试方法、装置、系统及光伏设备 | |
CN111199326B (zh) | 产品良率监控方法、装置及计算机可读存储介质 | |
CN111212434A (zh) | 一种wifi模组质量预测方法、装置、设备及存储介质 | |
CN110716736A (zh) | 一种客服反馈的线上故障的处理方法及系统 | |
CN115266744A (zh) | 生产线产品的检测系统及方法 | |
CN113298972A (zh) | 基于数据交互的设备设施智慧巡检管理系统 | |
CN111967799A (zh) | 集总参数表贴环行器物料及工艺问题识别方法 | |
CN114492910B (zh) | 一种多型号小批量生产线资源负荷预测方法 | |
CN112631900A (zh) | 接口的巡检方法、装置、电子设备和存储介质 | |
CN116561598B (zh) | 一种cps智能制造管理平台大数据处理方法 | |
CN116525482B (zh) | 一种半导体检测设备标定的方法 |
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 |