JP4584295B2 - 2段階仮想測定方法 - Google Patents
2段階仮想測定方法 Download PDFInfo
- Publication number
- JP4584295B2 JP4584295B2 JP2007268136A JP2007268136A JP4584295B2 JP 4584295 B2 JP4584295 B2 JP 4584295B2 JP 2007268136 A JP2007268136 A JP 2007268136A JP 2007268136 A JP2007268136 A JP 2007268136A JP 4584295 B2 JP4584295 B2 JP 4584295B2
- Authority
- JP
- Japan
- Prior art keywords
- parameter data
- virtual measurement
- process parameter
- stage virtual
- stage
- 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 claims description 134
- 238000005259 measurement Methods 0.000 claims description 74
- 238000004519 manufacturing process Methods 0.000 claims description 53
- 238000007781 pre-processing Methods 0.000 claims description 22
- 238000009826 distribution Methods 0.000 claims description 19
- 238000013528 artificial neural network Methods 0.000 claims description 13
- 238000005070 sampling Methods 0.000 claims description 10
- 230000002159 abnormal effect Effects 0.000 claims description 6
- 238000012549 training Methods 0.000 claims description 2
- 238000000605 extraction Methods 0.000 claims 2
- 238000010586 diagram Methods 0.000 description 4
- 238000010276 construction Methods 0.000 description 3
- 230000007423 decrease Effects 0.000 description 2
- 238000004886 process control Methods 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 101001095088 Homo sapiens Melanoma antigen preferentially expressed in tumors Proteins 0.000 description 1
- 102100037020 Melanoma antigen preferentially expressed in tumors Human genes 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 239000004161 brilliant blue FCF Substances 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 238000005498 polishing Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
- 238000007740 vapor deposition Methods 0.000 description 1
Images
Classifications
-
- 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
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/41875—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by quality surveillance of production
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
-
- 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
-
- 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
- G05B2219/30—Nc systems
- G05B2219/32—Operator till task planning
- G05B2219/32191—Real time statistical process monitoring
-
- 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
- G05B2219/30—Nc systems
- G05B2219/32—Operator till task planning
- G05B2219/32195—Feedforward quality control
-
- 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
- G05B2219/30—Nc systems
- G05B2219/32—Operator till task planning
- G05B2219/32206—Selection from a lot of workpieces to be inspected
-
- 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
- G05B2219/30—Nc systems
- G05B2219/37—Measurements
- G05B2219/37224—Inspect wafer
-
- 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
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Manufacturing & Machinery (AREA)
- General Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Data Mining & Analysis (AREA)
- Automation & Control Theory (AREA)
- Mathematical Physics (AREA)
- Theoretical Computer Science (AREA)
- Computational Mathematics (AREA)
- Power Engineering (AREA)
- Databases & Information Systems (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Analysis (AREA)
- Computer Hardware Design (AREA)
- Microelectronics & Electronic Packaging (AREA)
- Software Systems (AREA)
- Algebra (AREA)
- Mathematical Optimization (AREA)
- General Factory Administration (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Testing Or Measuring Of Semiconductors Or The Like (AREA)
- Testing And Monitoring For Control Systems (AREA)
Description
図1に示すように、工程パラメータデータ
およびそれに対応した実測値データ
を含むn組の測定データが今までに収集されたと仮定する。ここで、各組の工程データには、p個のパラメータ(パラメータ1からパラメータpまで)が含まれる(すなわち、
)。また、(m−n)個目の実際に生産するときの工程パラメータデータも収集するが、yn+1以外には実測値データがない。すなわち(m−n)個目の実際に生産されるワークから、例えば、1個目のワークを抜き取りサンプル測定して実測を行い、その実測yn+1からその他の(m−n−1)個目のワークの品質を推測する。
は、平均値μおよび標準偏差σを備える正規分布である(すなわち、yi〜N(μ,σ2))。
の平均値および標準偏差に対し、実測値のデータ全てを標準化すると、Zy1、Zy2、…、Zyn(z得点(z Scores)とも言われる)を取得することができる。ここで、z得点それぞれの平均値が0であり、標準偏差が1である場合、Zyi〜N(0,1)である。実測データにとって、Zyiが0に近づくということは、測定データが規格中心値に近づいていることを示す。この標準化は、以下の数式で表される。
と実測値の統計分布Zyiとの間の類似レベルを考慮する必要がある。しかし、仮想測定を利用する際は、仮想測定値の信頼度を評価する実測値がない(実測値が得られた場合、仮想測定を行う必要がないことは明らかである。)。そのため、本発明の一実施形態では、参照アルゴリズム(例えば、重回帰アルゴリズム)が計算した統計分布
によりZyiの統計分布を代替する。本実施形態の参照アルゴリズムは、その他関連する予測アルゴリズムでもよく、本発明は、この実施形態だけに限定されるわけではない。
と参照モデル(例えば、重回帰アルゴリズム)の予測(参照測定値)の分布
との間の交差領域のカバー値(オーバーラップ領域A)と定義する。これにより、RIは以下の数式で表される。
と、Zyriにより推定する分布
が完全にオーバーラップするとき、統計学の分布理論により、そのRIは1に等しくなる。2つの分布がほぼ完全に分離されると、そのRIは0に近づく。
12 測定データ前処理モジュール
20 生産装置
20a 生産装置
20b 生産装置
30 測定装置
40 RIモジュール
50 SIモジュール
60 推定モデル
62 2段階アルゴリズム
80 カセット
82 ワーク
90 2段階仮想測定システム
90a 2段階仮想測定システム
90b 2段階仮想測定システム
94a R2R制御システム
94b R2R制御システム
A 第1段階仮想測定点
Claims (9)
- 工程パラメータデータ前処理手段及び測定データ前処理手段を備える2段階仮想測定システムを用いた2段階仮想測定方法であって、この2段階仮想測定方法は、
前記工程パラメータデータ前処理手段が、複数組の履歴工程パラメータデータにしたがって複数のワークを生産した生産装置から複数組の履歴工程パラメータデータを取得するステップと、
前記測定データ前処理手段が、前記複数のワークの測定値である複数の履歴測定値を測定装置から取得するステップと、
前記2段階仮想測定システムが、前記複数組の履歴工程パラメータデータおよび前記複数の履歴測定値を用い、推定アルゴリズムに基づいて第1の推定モデルを構築するステップと、
前記工程パラメータデータ前処理手段が、前記生産装置から送られる複数の前記ワークの履歴工程パラメータデータの収集待ちを行うステップと、
前記生産装置から送られる前記ワークのうちの1つの前記履歴工程パラメータデータの収集が完了した後、前記2段階仮想測定システムが直ちに第1段階推定ステップを行うステップと、
を含み、
この第1段階推定ステップは、前記生産装置から送られる複数の前記ワークのうちの1つの前記履歴工程パラメータデータを前記第1の推定モデルへ入力し、前記複数のワークのうちの1つの第1段階仮想測定値(VM I )を計算することを含み、
前記2段階仮想測定方法は、
前記測定データ前処理手段が、前記複数のワークのうちの1つの抜き取りサンプル測定された前記ワークの実測値を前記測定装置から取得するステップと、
前記工程パラメータデータ前処理手段が、前記生産装置から前記抜き取りサンプル測定されたワークの工程パラメータデータを取得するステップと、
前記工程パラメータデータ前処理手段が、前記抜き取りサンプル測定されたワークが属するカセット中の全てのワークの前記工程パラメータデータを前記生産装置から取得するステップと、
前記抜き取りサンプル測定されたワークの前記実測値が取得されると、前記2段階仮想測定システムが第2段階推定ステップを行うステップと、
を含み、
この第2段階推定ステップは、
前記第1の推定モデルを第2の推定モデルに更新するために、抜き取りサンプル測定された前記ワークの前記工程パラメータデータおよび前記実測値を前記複数組の履歴工程パラメータデータおよび前記履歴測定値に加えて、前記第1の推定モデルを再トレーニングして前記第2の推定モデルにするか、前記第1の推定モデルを前記第2の推定モデルに調整するために、抜き取りサンプル測定された前記ワークの前記工程パラメータデータおよび前記実測値を用いることにより前記第1の推定モデルのパラメータ値をチューニングすることと、
抜き取りサンプル測定された前記ワークが属するカセット中の全ての前記ワークの前記工程パラメータデータを第2の推定モデルへ入力し、前記カセット中の前記ワークそれぞれの第2段階仮想測定値(VM II )を再計算することと、
前記第2の推定モデルにより前記第1の推定モデルを代替し、前記生産装置に後続入力される前記ワークの第1段階仮想測定値を計算することとを含むことを特徴とする2段階仮想測定方法。 - 請求項1に記載の2段階仮想測定方法であって、
前記2段階仮想測定システムは、さらに信頼指数(Reliance Index:RI)手段を備え、
前記2段階仮想測定方法は、
前記信頼指数手段が、前記複数組の履歴工程パラメータデータおよび前記複数の履歴測定値を用い、前記推定アルゴリズムと異なる参照アルゴリズムに基づいて第1の参照モデルを構築するステップをさらに含み、
前記第1段階推定ステップは、
前記2段階仮想測定システムが、前記生産装置から送られる前記複数のワークのうちの1つの工程パラメータデータを前記第1の参照モデルへ入力し、前記複数のワークのうちの1つの第1参照予測値を計算することと、
前記信頼指数手段が、前記ワークのうちの1つの前記第1段階仮想測定値の統計分布と、前記第1参照予測値の統計分布との間のオーバーラップ領域をそれぞれ計算し、前記複数のワークのうちの1つの前記第1段階仮想測定値の信頼指数(RI)を生成することとを含み、
前記オーバーラップ領域の面積が大きくなるに従い前記RIが高く、対応する前記第1段階仮想測定値の信頼度も高いことを特徴とする2段階仮想測定方法。 - 請求項2に記載の2段階仮想測定方法であって、
前記推定アルゴリズムは、重回帰アルゴリズムおよびニューラルネットワーク(NN)アルゴリズムからなる群から選択され、
前記参照アルゴリズムは、重回帰アルゴリズムおよびニューラルネットワークアルゴリズムからなる群から選択されることを特徴とする2段階仮想測定方法。 - 請求項2に記載の2段階仮想測定方法であって、
前記第2段階推定ステップは、
前記第1の参照モデルを第2の参照モデルに更新するために、前記2段階仮想測定システムが、抜き取りサンプル測定された前記ワークの前記工程パラメータデータおよび前記実測値を前記複数組の履歴工程パラメータデータおよび前記複数の履歴測定値に加えて、前記第1の参照モデルを第2の参照モデルに再トレーニングを行うか、前記第1の参照モデルを前記第2の参照モデルに調整するために、抜き取りサンプル測定された前記ワークの前記工程パラメータデータおよび前記実測値により前記第1の参照モデルのパラメータ値のチューニングを行い、前記生産装置のアイドル時間が所定時間を超えたときに再トレーニングを行うことと、
前記2段階仮想測定システムが、抜き取りサンプル測定された前記ワークに属する前記カセット中の全ての前記ワークの前記工程パラメータデータを前記第2の参照モデルへ入力し、前記カセット中のそれぞれの前記ワークの第2参照予測値を再計算することと、
前記信頼指数手段が、前記カセット中のそれぞれの前記ワークの前記第2段階仮想測定値の統計分布と、前記第2参照予測値の統計分布との間のオーバーラップ領域をそれぞれ計算し、前記カセット中のそれぞれの前記ワークの前記第2段階仮想測定値の信頼指数(RI)を生成することとを含み、前記オーバーラップ領域が大きくなるに従い前記RIが高く、対応する前記第2段階仮想測定値の信頼度も高く、
前記第2段階推定ステップは、前記2段階仮想測定システムが、前記第2の参照モデルにより前記第1の参照モデルを代替し、前記生産装置に後続入力される前記ワークの前記第1段階仮想測定値のRIを計算することを含むことを特徴とする2段階仮想測定方法。 - 請求項1に記載の2段階仮想測定方法であって、
前記2段階仮想測定システムは、さらに類似指数(Similarity Index:SI)手段を備え、
前記2段階仮想測定方法は、
前記2段階仮想測定システムが、前記複数組の履歴工程パラメータを使用し、統計距離アルゴリズムに基づいて第1の統計距離モデルを構築するステップと、
前記2段階仮想測定システムが、前記生産装置から送られる前記複数のワークのうちの1つの前記工程パラメータデータを前記第1の統計距離モデルへ入力するステップと、
前記類似指数手段が、前記複数のワークのうちの1つの前記第1段階仮想測定値が対応する前記工程パラメータデータの全体類似指数(Global Similarity Index:GSI)を計算するステップと、をさらに含み、
前記複数のワークのうちの1つのワークの工程パラメータデータのGSIが小さいならば、前記複数のワークのうちの1つのワークの工程パラメータデータは、より前記履歴工程パラメータデータの全体に類似することを特徴とする2段階仮想測定方法。 - 請求項5に記載の2段階仮想測定方法であって、
前記統計距離アルゴリズムはマハラノビス距離アルゴリズムであることを特徴とする2段階仮想測定方法。 - 請求項5に記載の2段階仮想測定方法であって、
前記第2段階推定ステップは、
前記2段階仮想測定システムが、前記第1の統計距離モデルを第2の統計距離モデルに更新するために、抜き取りサンプル測定された前記ワークの前記工程パラメータデータを前記複数組の履歴工程パラメータデータに加えて再トレーニングを行い、前記第1の統計距離モデルを第2の統計距離モデルに再トレーニングを行うか、前記第1の統計距離モデルを前記第2の統計距離モデルに調整するために、抜き取りサンプル測定された前記ワークの前記工程パラメータデータにより前記第1の統計距離モデルのパラメータ値のチューニングを行い、前記生産装置のアイドル時間が所定時間を超えたときに再トレーニングを行うことと、
前記類似指数手段が、抜き取りサンプル測定された前記ワークに属する前記カセット中の全ての前記ワークの前記工程パラメータデータを前記第2の統計距離モデルへ入力し、前記カセット中のそれぞれの前記ワークの前記第2段階仮想測定値が対応する前記工程パラメータデータのGSIを再計算することとを含み、前記複数のワークのうちの1つのワークの工程パラメータデータのGSIが小さいならば、前記複数のワークのうちの1つのワークの工程パラメータデータは、より前記履歴工程パラメータデータの全体に類似し、
前記2段階仮想測定システムが、前記第2の統計距離モデルにより前記第1の統計距離モデルを代替し、前記生産装置に後続入力される前記ワークの前記第1段階仮想測定値が対応する前記工程パラメータデータのGSIを計算することをさらに含むことを特徴とする2段階仮想測定方法。 - 請求項1に記載の2段階仮想測定方法であって、
前記工程パラメータデータ前処理手段が、工程パラメータデータ前処理を行い、全ての異常な前記工程パラメータデータの削除と、前記生産装置から送られる前記複数のワークそれぞれの前記工程パラメータデータから重要ではないパラメータを選択するステップと、
前記測定データ前処理手段が、測定データ前処理を行い、抜き取りサンプル測定された前記ワークの前記実測値から異常値を選択するステップと、をさらに含むことを特徴とする2段階仮想測定方法。 - 請求項1に記載の2段階仮想測定方法であって、
前記2段階仮想測定システムが、前記カセット中の前記ワークそれぞれの前記第1段階仮想測定値および前記第2段階仮想測定値を、ファウンドリーのR2R(Run−to−Run)制御システムに応用するステップを含み、前記ファウンドリーの前記R2R制御システムは、第1のシステムセットまたは第2のシステムセットの少なくとも1つを含み、前記第1のシステムセットは、第1のW2W制御システムおよび第2のW2W制御システムから構成され、前記第2のシステムセットは、第1のL2L制御システムおよび第2のL2L制御システムから構成され、
前記ファウンドリーの前記R2R制御システムが前記第1のシステムセットを少なくとも含むとき、前記カセット中の前記ワークそれぞれの前記第1段階仮想測定値は、前記生産装置の前記第1のW2W制御システムのフィードバック入力として提供され、前記カセット中の前記ワークそれぞれの前記第2段階仮想測定値は、次の生産工程の装置の前記第2のW2W制御システムのフィードフォワード入力として提供され、
前記ファウンドリーの前記R2R制御システムが前記第2のシステムセットを少なくとも含むとき、前記カセット中の前記ワークそれぞれの前記第2段階仮想測定値は、前記生産装置の前記第1のL2L制御システムのフィードバック入力と、次の生産工程の装置の前記第2のL2L制御システムのフィードフォワード入力として提供されることを特徴とする2段階仮想測定方法。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW096120862A TWI338916B (en) | 2007-06-08 | 2007-06-08 | Dual-phase virtual metrology method |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2008305373A JP2008305373A (ja) | 2008-12-18 |
JP4584295B2 true JP4584295B2 (ja) | 2010-11-17 |
Family
ID=40096614
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2007268136A Active JP4584295B2 (ja) | 2007-06-08 | 2007-10-15 | 2段階仮想測定方法 |
Country Status (4)
Country | Link |
---|---|
US (1) | US7603328B2 (ja) |
JP (1) | JP4584295B2 (ja) |
KR (1) | KR100915339B1 (ja) |
TW (1) | TWI338916B (ja) |
Families Citing this family (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8437870B2 (en) * | 2009-06-05 | 2013-05-07 | Taiwan Semiconductor Manufacturing Company, Ltd. | System and method for implementing a virtual metrology advanced process control platform |
US9002492B2 (en) * | 2010-02-16 | 2015-04-07 | Applied Materials, Inc. | Methods and apparatuses for utilizing adaptive predictive algorithms and determining when to use the adaptive predictive algorithms for virtual metrology |
TWI427487B (zh) * | 2010-04-02 | 2014-02-21 | Foresight Technology Company Ltd | 工件抽樣檢驗的方法及其電腦程式產品 |
TWI412906B (zh) | 2010-04-13 | 2013-10-21 | Univ Nat Cheng Kung | 具有虛擬量測功能的製造執行系統與製造系統 |
TWI427722B (zh) * | 2010-08-02 | 2014-02-21 | Univ Nat Cheng Kung | 使用具有信心指標之虛擬量測的先進製程控制系統與方法及其電腦程式產品 |
TWI451336B (zh) | 2011-12-20 | 2014-09-01 | Univ Nat Cheng Kung | 預測模型之建模樣本的篩選方法及其電腦程式產品 |
US9153506B2 (en) | 2012-07-06 | 2015-10-06 | Taiwan Semiconductor Manufacturing Company, Ltd. | System and method for through silicon via yield |
US9508042B2 (en) * | 2012-11-05 | 2016-11-29 | National Cheng Kung University | Method for predicting machining quality of machine tool |
US9164398B2 (en) * | 2013-02-27 | 2015-10-20 | Taiwan Semiconductor Manufacturing Co., Ltd. | Overlay metrology method |
KR101871940B1 (ko) | 2014-05-12 | 2018-06-27 | 한화에어로스페이스 주식회사 | 설비 이상 예측 모델의 구축방법 및 시스템 |
TWI641934B (zh) | 2014-08-05 | 2018-11-21 | 聯華電子股份有限公司 | 虛擬量測系統與方法 |
TWI539298B (zh) | 2015-05-27 | 2016-06-21 | 國立成功大學 | 具取樣率決定機制的量測抽樣方法 與其電腦程式產品 |
US10935962B2 (en) * | 2015-11-30 | 2021-03-02 | National Cheng Kung University | System and method for identifying root causes of yield loss |
TWI625615B (zh) * | 2016-11-29 | 2018-06-01 | 財團法人工業技術研究院 | 預測模型建立方法及其相關預測方法與電腦程式產品 |
TWI708197B (zh) | 2019-04-26 | 2020-10-21 | 國立成功大學 | 生產機台組件的預測保養方法與其電腦程式產品 |
TWI742709B (zh) | 2020-06-04 | 2021-10-11 | 國立成功大學 | 預測機台加工事件發生的方法與其虛擬量測應用及其電腦程式產品 |
TWI776444B (zh) * | 2020-07-23 | 2022-09-01 | 國立成功大學 | 使用卷積神經網路的虛擬量測方法及其電腦程式產品 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0566805A (ja) * | 1990-03-09 | 1993-03-19 | Internatl Business Mach Corp <Ibm> | コンピユータ統合化製造システム |
JP2006024195A (ja) * | 2004-06-03 | 2006-01-26 | National Cheng Kung Univ | 生産工程の品質予測システムおよびその方法 |
Family Cites Families (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3037908B2 (ja) * | 1997-03-14 | 2000-05-08 | 核燃料サイクル開発機構 | 変量分布推定方法 |
KR100375559B1 (ko) * | 2001-07-03 | 2003-03-10 | 삼성전자주식회사 | 공정장치의 제어방법 |
JP2005523533A (ja) * | 2002-04-19 | 2005-08-04 | コンピュータ アソシエイツ シンク,インコーポレイテッド | 混合型数字及び/又は非数字データの処理 |
US7092922B2 (en) * | 2003-05-23 | 2006-08-15 | Computer Associates Think, Inc. | Adaptive learning enhancement to automated model maintenance |
TWI283817B (en) * | 2003-05-30 | 2007-07-11 | Tokyo Electron Ltd | Method of operating a process control system and method of operating an advanced process control system |
US7209798B2 (en) * | 2004-09-20 | 2007-04-24 | Tokyo Electron Limited | Iso/nested cascading trim control with model feedback updates |
US7328418B2 (en) * | 2005-02-01 | 2008-02-05 | Tokyo Electron Limited | Iso/nested control for soft mask processing |
US7477960B2 (en) * | 2005-02-16 | 2009-01-13 | Tokyo Electron Limited | Fault detection and classification (FDC) using a run-to-run controller |
JP3795055B1 (ja) * | 2005-04-26 | 2006-07-12 | 株式会社半導体理工学研究センター | 値予測装置、マルチプロセッサシステムおよび値予測方法 |
JP2007052739A (ja) * | 2005-08-19 | 2007-03-01 | Sumitomo Metal Ind Ltd | モデル生成方法、状態予測方法、状態調整方法、モデル生成装置、状態予測装置、及び状態調整システム |
US7359759B2 (en) * | 2005-10-31 | 2008-04-15 | Taiwan Semiconductor Manufacturing Company | Method and system for virtual metrology in semiconductor manufacturing |
US7567700B2 (en) * | 2006-03-28 | 2009-07-28 | Tokyo Electron Limited | Dynamic metrology sampling with wafer uniformity control |
US7502709B2 (en) * | 2006-03-28 | 2009-03-10 | Tokyo Electron, Ltd. | Dynamic metrology sampling for a dual damascene process |
US7324193B2 (en) * | 2006-03-30 | 2008-01-29 | Tokyo Electron Limited | Measuring a damaged structure formed on a wafer using optical metrology |
-
2007
- 2007-06-08 TW TW096120862A patent/TWI338916B/zh active
- 2007-07-18 US US11/879,562 patent/US7603328B2/en active Active
- 2007-09-13 KR KR1020070093343A patent/KR100915339B1/ko active IP Right Grant
- 2007-10-15 JP JP2007268136A patent/JP4584295B2/ja active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0566805A (ja) * | 1990-03-09 | 1993-03-19 | Internatl Business Mach Corp <Ibm> | コンピユータ統合化製造システム |
JP2006024195A (ja) * | 2004-06-03 | 2006-01-26 | National Cheng Kung Univ | 生産工程の品質予測システムおよびその方法 |
Also Published As
Publication number | Publication date |
---|---|
JP2008305373A (ja) | 2008-12-18 |
KR20080107962A (ko) | 2008-12-11 |
KR100915339B1 (ko) | 2009-09-03 |
US20080306625A1 (en) | 2008-12-11 |
US7603328B2 (en) | 2009-10-13 |
TW200849345A (en) | 2008-12-16 |
TWI338916B (en) | 2011-03-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP4584295B2 (ja) | 2段階仮想測定方法 | |
US11253999B2 (en) | Machine learning device, robot control device and robot vision system using machine learning device, and machine learning method | |
JP4914457B2 (ja) | 自動バーチャル測定のシステムおよびその方法 | |
TWI543102B (zh) | 異因分析與校正方法與系統 | |
CN109870903B (zh) | 参数优化方法、装置以及非瞬时计算机可读取介质 | |
KR101930420B1 (ko) | 샘플링 비율 결정 기법에 의한 계측 샘플링 방법 및 그 컴퓨터 프로그램 제품 | |
US9829415B2 (en) | Metrology sampling method and computer program product thereof | |
US8688256B2 (en) | Advanced process control system and method utilizing virtual metrology with reliance index | |
JP4472637B2 (ja) | 電気的製造制御に対する確率制約最適化 | |
US10796226B2 (en) | Laser processing apparatus and machine learning device | |
Cheng et al. | Dual-phase virtual metrology scheme | |
CN111190393B (zh) | 半导体制程自动化控制方法及装置 | |
Kurz et al. | A sampling decision system for virtual metrology in semiconductor manufacturing | |
CN102854848B (zh) | 有关未被抽样的工件的数据表示 | |
CN116613086A (zh) | 半导体工厂中预测等待时间的方法 | |
US20220026861A1 (en) | Virtual metrology method using convolutional neural network and computer program product thereof | |
CN101341449A (zh) | 基于信息可信度的增进的状态估计 | |
US8406904B2 (en) | Two-dimensional multi-products multi-tools advanced process control | |
CN116842439A (zh) | 一种基于模型的半导体质量预测方法 | |
Hassan et al. | Real-time fault detection in semiconductor using one-class support vector machines | |
CN114503244A (zh) | 用于预测晶圆上测量值的使用多级lstm的工具控制 | |
JP2019184575A (ja) | 測定動作パラメータ調整装置、機械学習装置及びシステム | |
TWI802334B (zh) | 生產機台組件的多變量預測保養方法與其電腦程式產品 | |
Cuicui et al. | Adaptive EWMA controller based on dynamic modeling in semiconductor manufacturing | |
TW202226009A (zh) | 用於決定晶圓路徑品質的順序方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20100511 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20100805 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20100824 |
|
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20100901 |
|
R150 | Certificate of patent or registration of utility model |
Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130910 Year of fee payment: 3 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |