CN1770417A - 缺陷检测及分类系统的数据分析方法 - Google Patents
缺陷检测及分类系统的数据分析方法 Download PDFInfo
- Publication number
- CN1770417A CN1770417A CN 200410089715 CN200410089715A CN1770417A CN 1770417 A CN1770417 A CN 1770417A CN 200410089715 CN200410089715 CN 200410089715 CN 200410089715 A CN200410089715 A CN 200410089715A CN 1770417 A CN1770417 A CN 1770417A
- Authority
- CN
- China
- Prior art keywords
- data
- defects detection
- initial data
- computing
- categorizing system
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 27
- 238000001514 detection method Methods 0.000 title claims description 24
- 230000007547 defect Effects 0.000 title claims description 23
- 238000007405 data analysis Methods 0.000 title abstract description 5
- 238000001914 filtration Methods 0.000 claims abstract description 8
- 238000012360 testing method Methods 0.000 claims abstract description 5
- 238000007619 statistical method Methods 0.000 claims description 17
- 238000004519 manufacturing process Methods 0.000 claims description 14
- 238000004458 analytical method Methods 0.000 claims description 6
- 238000007418 data mining Methods 0.000 claims description 4
- 230000007812 deficiency Effects 0.000 abstract 2
- 239000004065 semiconductor Substances 0.000 description 22
- 238000005516 engineering process Methods 0.000 description 6
- 238000010606 normalization Methods 0.000 description 6
- 235000012431 wafers Nutrition 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000002950 deficient Effects 0.000 description 3
- 230000007704 transition Effects 0.000 description 2
- 238000000692 Student's t-test Methods 0.000 description 1
- 230000008021 deposition Effects 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 238000005530 etching Methods 0.000 description 1
- 238000001543 one-way ANOVA Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000012353 t test Methods 0.000 description 1
Images
Landscapes
- Testing Or Measuring Of Semiconductors Or The Like (AREA)
Abstract
本发明提供一种缺陷检测及分类系统的数据分析方法，其包含有从该缺陷检测及分类系统中撷取多个原始数据，依据一预定筛选条件来分离该多个原始数据以产生一分类数据，以及使用一预定统计方法来分析该分类数据。
Description
技术领域
本发明涉及一种半导体机台的缺陷检测及分类(fault detection andclassification，FDC)系统的数据分析方法，特别是涉及一种先分类缺陷检测及分类系统的输出数据再进行统计分析的数据分析方法。
背景技术
在半导体制造工艺中，当晶片于半导体机台完成加工(例如蚀刻或沉积)后，半导体厂商会针对成品率(yield)损害的原因进行检测以改善半导体机台的制造工艺成品率。一般而言，造成成品率损害的原因有二，其中一原因为制造工艺微尘缺陷(particle defect)，而另一原因则为制造工艺机台的事故问题(event)。随着半导体制造工艺技术的日益发展，集成电路(integrated circuit，IC)的面积也因而大幅缩小，当制造工艺的边界(margin)越来越小时，半导体机台本身的事故问题便会对制造工艺成品率产生重大的损害。在现有技术中，半导体机台的管理者利用缺陷检测及分类(fault detection and classification，FDC)系统来分析半导体机台的输出数据以了解事故问题的产生原因，以便进一步地排除上述事故问题对于成品率的影响。
如业界所知，半导体机台所输出的数据项极为庞大且繁杂，所以现有统计方法便用来计算上述数据于各时间点的平均值以进行数据分析，亦即经由时间点的平均值来得知数据的变化情形，然而，使用平均值来执行统计分析则很容易将极大值或极小值正规化(normalized)，因此便不易发现事故问题的所在；另一方面，若以实时(real-time)方式来处理半导体机台所输出的大量数据项，则无法应用现有统计方法来进行数据分析。
一般而言，现有缺陷检测及分类系统主要运用推移图(trend chart)来检测半导体机台的问题，举例来说，推移图是以统计量(例如成品率)为纵轴，以及以日期/时间为横轴，因此便可依据日期/时间的顺序来显示统计量大小以达到掌握统计量的趋势变化的目的，然而，当数据项极为庞大且繁杂时，半导体机台的管理者需耗费大量时间来观察统计量的变化，因此造成控管半导体机台的效能不佳。
发明内容
因此本发明的主要目的是提供一种缺陷检测及分类系统的数据分析方法，以解决上述问题。
根据本发明的一种缺陷检测及分类系统的数据分析方法，其包含有从该缺陷检测及分类系统中撷取多个原始数据(raw data)，依据一预定筛选条件来分离(spare)该多个原始数据以产生一分类数据，以及使用一预定统计方法来分析该分类数据。
本发明的缺陷检测及分类系统的数据分析方法是从缺陷检测及分类系统所撷取的原始数据中先选取需要进行分析的数据，再进行统计分析并将统计结果以图表方式呈现于半导体机台的管理者。因此，管理者可针对特定的制造工艺步骤或特定范围的数据值来检测机台的事故问题，以减少比对庞大数据而花费的成本及复杂度。除此之外，某些极大值或极小值也不会因为使用平均值统计方法而被正规化以导致无法适时地发现事故问题。
附图说明
图1为本发明缺陷检测及分类系统的数据分析方法的流程图。
图2为本发明产生分类数据的示意图。
附图符号说明
100、102、104 步骤
具体实施方式
请参考图1，图1为本发明缺陷检测及分类系统的数据分析方法的流程图。数据分析方法的运作包含有下列步骤：
步骤100：从缺陷检测及分类系统中撷取原始数据；
步骤102：依据一预定筛选条件来分离(spare)原始数据以产生一分类数据；以及
步骤104：使用一预定统计方法来分析分类数据。
半导体机台的管理者可实时(real-time)从一缺陷检测及分类系统撷取大量的原始数据(步骤100)。接着，根据一预定筛选条件来进一步地分离原始数据以产生一分类数据(步骤102)，例如，根据一特定晶片制造工艺步骤来选取相对于此晶片制造工艺步骤的原始数据(亦即半导体机台数据)，此外，还根据一临界值(threshold)来比较特定晶片制造工艺步骤中原始数据的数值以产生相对应的分类数据。最后，本实施例使用一预定统计方法来分析分类数据(步骤104)，其中预定统计方法可以是T测试(t-test)运算、单向变量分析(one-way analysis of variance)运算、鉴别度分析(discriminate analysis)运算、或数据挖掘(data mining)运算等等。利用T测试运算可检测二晶片之间的差异性，利用单向变量分析运算可检测机台之间的差异性，利用鉴别度分析运算可区分缺陷(fault)种类，而利用数据挖掘运算可找出造成各缺陷(fault)的根本原因(root cause)。
请参考图2，图2为本发明产生分类数据的示意图，其中横轴代表时间，而纵轴则代表原始数据的数据值。在时间S1时，原始数据有一最大数据值Vmax，机台管理者可撷取S1之后大于一临界值VTH的一段数据值来判断是否造成机台事故问题，即撷取时段S1、S2之间的原始数据作为上述的分类数据，再利用前述可应用的统计方法来分析分类数据，最后，所产生的分析结果可以一图表传送至远程的终端机，并呈现予半导体机台的管理者。因此，本实施例中，最大值Vmax不会被不当地正规化，因此本实施例不会因为正规化而导致机台管理者无法发现机台事故问题。
相较于现有技术，本发明缺陷检测及分类系统的数据分析方法是从缺陷检测及分类系统所撷取的原始数据中先选取需要进行分析的数据，再进行统计分析并将统计结果以图表方式呈现于半导体机台的管理者。因此，管理者可针对特定的制造工艺步骤或特定范围的数据值来检测机台的事故问题，以减少比对庞大数据而造成系统成本及系统复杂度增加。除此之外，对于本发明缺陷检测及分类系统的数据分析方法而言，半导体机台数据中的极大值或极小值也不会因为现有平均值统计方法而被不当正规化以致于无法发现事故问题。综上所述，本发明缺陷检测及分类系统的数据分析方法未采用现有平均值统计方法，因此可保有实时数据的内容以避免重要信息因为正规化而遗失，此外，本发明缺陷检测及分类系统的数据分析方法运用适当的筛选条件来自实时数据中筛选出所要分析的数据，并经由适当的统计分析方法来进一步处理上述筛选出的数据，因此可降低数据分析的复杂度，同时即减轻半导体机台的管理者分析输出结果的时间与人力，亦即本发明缺陷检测及分类系统的数据分析方法可大幅提升控管半导体机台的效能。
以上所述仅为本发明的较佳实施例，凡依本发明的权利要求所作的均等变化与修饰，皆应属本发明专利的涵盖范围。
Claims (4)
1.一种缺陷检测及分类系统的数据分析方法，其包含有：
(a)从该缺陷检测及分类系统中撷取多个原始数据；
(b)依据一预定筛选条件来分离该多个原始数据以产生一分类数据；以及
(c)使用一预定统计方法来分析该分类数据。
2.如权利要求1所述的数据分析方法，其中该预定筛选条件用来自该多个原始数据中选取对应一晶片制造工艺步骤的原始数据。
3.如权利要求2所述的数据分析方法，其中该预定筛选条件为对应该晶片制造工艺步骤的一临界值，且步骤(b)自该多个原始数据中选取符合该临界值的原始数据来产生该分类数据。
4.如权利要求1所述的数据分析方法，其中该预定统计方法为T测试运算、单向变量分析运算、数据挖掘运算或鉴别度分析运算。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN 200410089715 CN1770417A (zh) | 2004-11-02 | 2004-11-02 | 缺陷检测及分类系统的数据分析方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN 200410089715 CN1770417A (zh) | 2004-11-02 | 2004-11-02 | 缺陷检测及分类系统的数据分析方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN1770417A true CN1770417A (zh) | 2006-05-10 |
Family
ID=36751572
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN 200410089715 Pending CN1770417A (zh) | 2004-11-02 | 2004-11-02 | 缺陷检测及分类系统的数据分析方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN1770417A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103681395A (zh) * | 2012-09-04 | 2014-03-26 | 台湾积体电路制造股份有限公司 | 用于工具状态监控的定性故障检测和分类系统及相关方法 |
| CN101238346B (zh) * | 2005-06-06 | 2014-09-03 | 恪纳腾技术公司 | 用于执行缺陷相关功能的计算机实现的方法 |
| CN107368606A (zh) * | 2017-07-31 | 2017-11-21 | 北京中科金马科技股份有限公司 | 数据分类方法、装置及数据分类系统 |
-
2004
- 2004-11-02 CN CN 200410089715 patent/CN1770417A/zh active Pending
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101238346B (zh) * | 2005-06-06 | 2014-09-03 | 恪纳腾技术公司 | 用于执行缺陷相关功能的计算机实现的方法 |
| CN103681395A (zh) * | 2012-09-04 | 2014-03-26 | 台湾积体电路制造股份有限公司 | 用于工具状态监控的定性故障检测和分类系统及相关方法 |
| CN103681395B (zh) * | 2012-09-04 | 2017-05-10 | 台湾积体电路制造股份有限公司 | 用于工具状态监控的定性故障检测和分类系统及相关方法 |
| CN107368606A (zh) * | 2017-07-31 | 2017-11-21 | 北京中科金马科技股份有限公司 | 数据分类方法、装置及数据分类系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Imoto et al. | A CNN-based transfer learning method for defect classification in semiconductor manufacturing | |
| US8009895B2 (en) | Semiconductor wafer analysis system | |
| CN100587507C (zh) | 测试制造后的集成电路器件的方法和系统 | |
| US8788237B2 (en) | Methods and apparatus for hybrid outlier detection | |
| US8606536B2 (en) | Methods and apparatus for hybrid outlier detection | |
| US8233494B2 (en) | Hierarchical and incremental multivariate analysis for process control | |
| CN109262368B (zh) | 一种刀具失效判定方法 | |
| KR19990066870A (ko) | 결함 해석 방법, 기록 매체 및 공정 관리 방법 | |
| WO2011002798A2 (en) | Automatic fault detection and classification in a plasma processing system and methods thereof | |
| CN104062305B (zh) | 一种集成电路缺陷的分析方法 | |
| CN113758524A (zh) | 一种电路板加工监测系统 | |
| US8165837B1 (en) | Multi-scale classification of defects | |
| CN1770417A (zh) | 缺陷检测及分类系统的数据分析方法 | |
| CN1822343A (zh) | 半导体缺陷信号检测与统计系统及其方法 | |
| CN113612645A (zh) | 一种物联网数据处理方法及系统 | |
| JP4080087B2 (ja) | 分析方法，分析システム及び分析装置 | |
| CN1591811A (zh) | 缺陷管理系统的方法 | |
| Karnowski et al. | Application of spatial signature analysis to electrical test data: validation study | |
| Fan et al. | Big data analytics to improve photomask manufacturing productivity | |
| Hessinger et al. | Statistical correlation of inline defect to sort test in semiconductor manufacturing | |
| CN110796187A (zh) | 不良分类方法及装置 | |
| TWI240983B (en) | Data analyzing method for a fault detection and classfication system | |
| CN111276411A (zh) | 辨识晶圆颗粒的方法、电子装置及计算机可读取记录媒体 | |
| TWI789997B (zh) | 基於木馬電路檢測的資料處理方法及資料處理電路 | |
| CN109829944A (zh) | 基于图像处理的堆积颗粒物粒径统计方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
| WD01 | Invention patent application deemed withdrawn after publication |