TW201715320A - 使用空間歪曲類似性進行工具失效分析 - Google Patents

使用空間歪曲類似性進行工具失效分析 Download PDF

Info

Publication number
TW201715320A
TW201715320A TW105123001A TW105123001A TW201715320A TW 201715320 A TW201715320 A TW 201715320A TW 105123001 A TW105123001 A TW 105123001A TW 105123001 A TW105123001 A TW 105123001A TW 201715320 A TW201715320 A TW 201715320A
Authority
TW
Taiwan
Prior art keywords
tool
data set
symbol
component
symbol data
Prior art date
Application number
TW105123001A
Other languages
English (en)
Other versions
TWI616736B (zh
Inventor
桑吉 高斯豪
蘇凱斯 家努百 帕特爾
沃夫岡 波拉克
奧利安 沃爾夫
Original Assignee
東京威力科創股份有限公司
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 東京威力科創股份有限公司 filed Critical 東京威力科創股份有限公司
Publication of TW201715320A publication Critical patent/TW201715320A/zh
Application granted granted Critical
Publication of TWI616736B publication Critical patent/TWI616736B/zh

Links

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
    • G05B19/18—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form
    • G05B19/406—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form characterised by monitoring or safety
    • G05B19/4065—Monitoring tool breakage, life or condition
    • 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
    • G05B2219/37242—Tool signature, compare pattern with detected signal
    • 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
    • G05B2219/37245—Breakage tool, failure
    • 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
    • G05B2219/45—Nc applications
    • G05B2219/45031—Manufacturing semiconductor wafers
    • 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)
  • Human Computer Interaction (AREA)
  • Manufacturing & Machinery (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • General Factory Administration (AREA)
  • Testing And Monitoring For Control Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本文中呈現用以促成關於製程的工具失效分析的系統與技術。監測元件基於由一組感測器所產生之關於一或更多製造工具的感測器數據判定關於一或更多製造工具的候選工具失效。符號元件基於關於一或更多製造工具的數據產生候選工具失效的符號數據集。比對元件基於符號數據集及關於至少一先前判定之工具失效之至少一其他的符號數據集，將候選工具失效與至少一先前判定之工具失效加以比對。

Description

使用空間歪曲類似性進行工具失效分析
所描述及請求之標的大致上係關於與製造程序相關的工具失效分析。
技術進步已引導製程驅動之自動化設備日益複雜。欲完成特定目標或執行特定高度技術製程之工具系統通常可含括用以達成目標或成功執行製程的多功能元件、及用以收集資料以監測設備之操作的各種感測器。這樣的自動化設備會產生大量數據。數據可包含關於實施為特定任務之部分的產品或服務的資訊，及/或關於製程的相當大的日誌資訊(log information)。例如，處理數據及/或測量數據可在製造程序期間被收集及/或儲存在一或多個數據集中。
儘管現代電子儲存技術可提供保存持續增量的數據，但積累數據之利用仍未臻佳境。所收集資訊之檢查及解釋通常需要人工介入。例如，在半導體製造工具上的製程可持續操作17小時(例如61200秒)。在製程期間，舉例而言，半導體製造工具可每秒經由(例如)數百個感測器輸出感測器測量結果。因此，在製程改進及/或故障排除工作期間，包含輸出感測器測量結果之大的數據組必須接著被人工判讀(例如由製程工程師)。然而，使用人工介入難以判定關於工具系統的即將發生的(emerging)工具失效(例如基於包含輸出感測器測量結果之大的數據組)。
上述當今製造系統之缺陷僅旨在提供習知系統之若干問題的概覽，且不旨為排除性的。一旦審閱以下描述，與習知系統共存之其它問題及本文所述之各種非限制性實施例的對應益處可變得更加清楚明白。
為提供對本說明書之若干態樣的基本理解，下文呈現本說明書的簡要發明內容。此發明內容並非本說明書之全面概述。其並非旨在成為本說明書的識別關鍵或關鍵元素，亦非記述本說明書之特殊實施例的任何範疇及申請專利範圍的任何範疇。其唯一目的在於以簡化形式呈現本說明書的若干概念，以作為稍後呈現之更詳細描述的前奏。
根據一實施例，系統包括監測元件、符號元件、及比對元件。監測元件基於由一組感測器所產生之關於一或更多製造工具的感測器數據判定關於一或更多製造工具的候選工具失效。符號元件基於關於一或更多製造工具的數據產生候選工具失效的符號數據集。比對元件基於符號數據集及關於至少一先前判定之工具失效之至少一其他的符號數據集，將候選工具失效與至少一先前判定之工具失效加以比對。
根據另一實施例，提供方法用以基於由一組感測器所產生之關於一或更多製造工具的感測器數據識別關於一或更多製造工具的候選工具失效；基於感測器數據及關於該一或更多製造工具的其他數據產生候選工具失效的符號數據集；將符號數據集與關於至少一工具失效的至少一其他的符號數據集加以比對。
根據另一實施例，一電腦可讀媒介具有儲存於其上方的電腦可執行指令，其透過一系統(包括一處理器)回應執行而促使系統執行操作，包括:判定關於一或更多製造工具的候選工具失效；基於關於一或更多製造工具的數據產生候選工具失效的符號數據集；將符號數據集與關於至少一先前判定之工具失效的至少一其他的符號數據集加以比對。
下文描述及所附圖式係闡述本說明書的某些說明性態樣。這些態樣係例示性的，然而，可透過與本說明書之原理些許不同之各種方式利用這些態樣。本說明書之其它優點及新穎特徵將在考慮結合圖式時從下文之詳細描述變得清楚明白。
現參照圖式描述本發明之各種態樣，其中通篇使用類似的標示號碼來指涉類似元件。在接下來的描述中，出於解釋的目的，為了提供一或更多態樣之通透瞭解而闡述各種特定細節。然而，應知悉本發明之某些態樣可不以這些特定細節或以其它方法、元件、材料等而實行。在其他例子中，熟知的結構及裝置係以方塊圖形式顯示，以利描述一或更多態樣。
技術進步已引導製程驅動之自動化設備日益複雜。欲完成特定目標或執行特定高度技術製程之工具系統通常可含括用以達成目標或成功執行製程的多功能元件、及用以收集資料以監測設備之操作的各種感測器。這樣的自動化設備會產生大量數據。數據可包含關於實施為特定任務之部分的產品或服務的資訊，及/或關於製程的相當大的日誌資訊(log information)。例如，處理數據及/或測量數據可在製造程序期間被收集及/或儲存在一或多個數據集中。
儘管現代電子儲存技術可提供保存持續增量的數據，但積累數據之利用仍未臻佳境。所收集資訊之檢查及解釋通常需要人工介入。例如，在半導體製造工具上的製程可持續操作17小時(例如61200秒)。在製程期間，舉例而言，半導體製造工具可每秒經由(例如)數百個感測器輸出感測器測量結果。因此，在製程改進及/或故障排除工作期間，包含輸出感測器測量結果之大的數據組必須接著被人工判讀(例如由製程工程師)。然而，使用人工介入難以判定關於工具系統的即將發生的(emerging)工具失效(例如基於包含輸出感測器測量結果之大的數據組)。
為此目的，揭露用以分析處理數據(例如製程數據)以判定、預測、及/或預防與製程相關的工具失效的技術。以一組數值的及/或可量化的屬性值作為特徵的類似性的空間歪曲測量(space-distorted measure of similarity)，可用來判定(例如學習、辨識、預測、預防等)即將發生的工具失效(例如部件失效)。透過應用類似性的空間歪曲測量，可判定複數製造工具(例如半導體製造工具)之各種工具失效。此外，在使用工具失效之屬性值觀點的類似性定義非為事前已知(a-priori known)，但為基於一定量的訓練數據而習得(例如當僅存在一定量的訓練實例時)的應用中，類似性的空間歪曲測量係有用的。
在一態樣中，每一工具失效可與屬性值的n維向量(其實現為符號(signature))有關。例如，不同失效的相關統計(statistics)可表示為資訊符號。可透過各種統計處理控制及/或計算關於製造工具的觀測值與期望值間之差異的其他技術而獲得符號。在某些情況下，觀測值與期望值間之差異序列可與符號有關。類似的失效(例如學習類似的失效之結果)可透過在n維空間中的符號轉換來表示。兩個相異工具失效間之距離可透過轉換後符號之距離而判定。在一範例中，轉換後符號之距離可為在n維歐氏空間(n-dimensional Euclidian space)中之距離。若在轉換後空間中對應的歐氏距離低(例如小)於某閾值，則兩個失效可視為類似。可基於關於至少一製程(例如一或更多製造工具)的處理數據產生符號。此外，訓練輸入(例如使用者輸入)可用以修正算出的類似性及/或用以修改用來判定類似性的轉換函數(例如透過指出被判定為類似的失效為非類似、透過指出被判定為非類似的失效為類似、透過基於觀測到的失效修改算出的類似性等)。基於處理數據及/或訓練輸入，符號的準確性可隨時間不斷地改善。
首先請參照圖1，根據發明主題之一態樣圖解用以分析處理數據以判定、預測、及/或預防關於製程(例如製造程序、半導體生產、半導體製造工具等)的工具失效的例示性系統100。系統100可包括製造工具110、光譜儀120、工具感測器130、裝置測量設備140、分類(classifying)設備150、工具失效分析元件160、及/或數據庫170。製造工具110可包括用於製程(例如製造等)的一或更多腔室及/或一或更多工具。在一態樣中，製造工具110可關於半導體製程系統。例如，如圖1所示，製造工具110可接受輸入的晶圓102並將已處理晶圓104輸出。然而，應知悉的係，製造工具110可接受及/或生產不同類型的有價物品(例如不同的處理元件)。在一例示性且非限制性實施例中，製造工具110可為一蝕刻工具，其經由蝕刻處理(例如濕式蝕刻、乾式蝕刻、電漿蝕刻等)從輸入的晶圓102上移除未經遮蔽的材料，而產生具有孔洞及特徵部形成於上方的已處理晶圓104。製造工具110亦可為一沉積(例如原子層沉積、化學氣相沉積等)工具，其沉積材料在輸入的晶圓102上，而生產已處理晶圓104。然而，應知悉的係，製造工具110可關於不同類型的製程系統。
各種測量裝置(如光譜儀120、工具感測器130、裝置測量設備140及/或分類設備150)可監測由製造工具110所執行的一或更多處理，而獲得關於處理的各種態樣、條件或結果的不同資訊。作為範例，光譜儀120可獲得光譜數據(例如光譜強度資訊)。光譜數據可包含可由光譜儀120所觀測到的一組個別波長或光譜線的強度。此外，光譜數據可包括時間序列數據，使得光譜儀120以規則時間間隔(例如每秒、每2秒、每100毫秒等) 測量個別波長的強度。光譜儀120亦可以將光譜數據與晶圓編號(IDs) (關於製造工具110所處理之特定晶圓)聯繫起來。因此，光譜儀120可個別地獲得製造工具110所處理之各晶圓的光譜數據。
工具感測器130可在製造工具110處理輸入的晶圓102時監測及/或測量工具操作特性。再者，工具感測器130可產生對應的感測器測量數據。類似於光譜儀120所測量之光譜數據，感測器測量數據可為連繫在每一晶圓基礎上的時間序列數據。感測器測量數據可包括來自各種感測器的測量結果。這些測量結果可包括(但不限於)製造工具110之一或更多腔室內的壓力、一或更多不同氣體的氣體流量、溫度、上射頻(RF)功率、關於處理的經過時間(例如自最後濕清潔的經過時間等)、及其他。在一態樣中，感測器測量數據可與實際量值有關。在另一態樣中，感測器測量數據可與虛擬量值有關。
裝置測量設備140可產生裝置測量數據。例如裝置測量設備140可測量晶圓及/或製造於晶圓上的特徵部的物理和幾何性質。例如裝置測量設備140可測量晶圓之預定位置或區域處的顯影檢測關鍵尺寸(development inspection critical dimension(DI-CD))、最終檢測關鍵尺寸(final inspection critical dimension(FI-CD))、 蝕刻偏差(etch bias)、厚度等。所測量性質可以每一晶圓、每一位置為基礎來匯總而輸出作為裝置測量資訊。晶圓之性質一般係在處理前或處理後測量。因此，與光譜數據及感測器數據相較而言，裝置測量數據為在不同時間間隔時獲得之時間序列數據。
分類設備150可實施以獲得及/或產生用以分類製造工具110及/或已處理晶圓104的數據。例如分類設備150可實施以獲得及/或產生關於製造工具110的維護數據。另外地或替代地，可實施分類設備150以獲得及/或產生關於已處理晶圓104的分類數據。維護數據可包括(但不限於)自最後預防性維護的經過時間、關於製造工具110之一或更多元件的年齡(例如工具部件的年齡、關於元件的生產時間等)、及其他。
工具失效分析元件160可接收由光譜儀120、工具感測器130、裝置測量設備140、及/或分類設備150所獲得及/或產生的處理數據(及/或訓練數據)。在處理數據產生時(例如在線上模式(on-line mode)期間)，工具失效分析元件160可接收處理數據。另外地或替代地，工具失效分析元件160可在關於製造工具110之一或更多處理完成時接收處理數據。在一實施例中，處理數據可合併在一數據矩陣中。例如，一數據矩陣可包含晶圓識別數據、時間數據、感測器測量數據、光譜數據、及/或其他數據。一數據矩陣(例如新的數據矩陣)可遞增地產生，而啟動新的學習週期。
在一態樣中，工具失效分析元件160可將處理數據標準化(normalize)。例如工具失效分析元件160可將處理數據標準化以解釋(account for)關於製造工具110之誤差。工具失效分析元件160可將光譜數據(例如所測量強度)標準化以解釋含括在製造工具110中之不同工具及/或腔室中之光譜線強度測量誤差。在非限制性範例中，工具失效分析元件160可計算變量(variable)(例如總光強度) 以標準化處理數據，而變量關於含括在製造工具110中之任意選擇的參考腔室或參考工具。
在一或更多實施例中，處理數據可從工具處理日誌中導出，其中工具處理日誌記錄在製造工具110之個別操作(run)期間所測量的表現數據及/或參數數據。工具處理日誌可包含來自光譜儀120、工具感測器130、裝置測量設備140及/或分類設備150的測量數據。紀錄在這種工具處理日誌中的測量結果可包含(但不限於)感測器讀數(例如壓力、溫度、功率等)、維護相關讀數(例如聚焦圈的年齡、質流控制器的年齡、自最後進行維護以來的時間、自最後一批阻劑加料以來的時間等)、及/或工具和表現統計(例如處理晶圓的時間、化學品消耗量、氣體消耗量等)。
在一例示性情境下，工具處理日誌可在製造工具110的每一次處理操作結束時由工具失效分析元件160產生。在處理操作結束時，來自光譜儀120、工具感測器130、裝置測量設備140、或分類設備150中之一或更多者的數據可被提供給工具失效分析元件160，而工具失效分析元件160可將所收集的數據匯總在操作之工具處理日誌中。工具處理日誌可對應到在該操作期間被處理的單一半導體晶圓，或在該操作期間被製造的一批半導體。工具處理日誌接著可儲存以作為報告或歸檔用。在一態樣中，處理數據可由工具失效分析元件160或相關裝置自動地提供。在另一態樣中，處理數據可由操作者手動地提供給工具失效分析元件160。雖然前述範例將處理數據描述成從工具處理日誌中檢索或提取，應理解的係，亦可透過其它手段將處理數據提供給工具失效分析元件160。例如在一些實施例中，所有處理數據或處理數據之子集可從裝置120、130、140及/或150直接地提供給工具失效分析元件160。
工具失效分析元件160可分析關於光譜儀120、工具感測器130、裝置測量設備140、及/或分類設備150的處理數據，以判定(例如學習、辨識、預測、預防等)關於製造工具110的工具失效。此外，工具失效分析元件160可基於含括在數據庫170中的數據判定(例如學習、辨識、預測、預防等) 關於製造工具110的工具失效。工具失效(例如部件失效、關注的人工誤差(artifact)等)可為關於一或更多製程處理及/或一或更多製程工具(例如製造工具110)的工具失效。工具失效可關於非計畫性中斷(與製造工具110有關)、距離與製造工具110相關之規格及/或設定點的變異(variance)、硬體工具失效、軟體工具失效、校準誤差、工具磨耗、工具故障、工具功能不良、工具停工、其他工具失效等。製造工具 110的至少一部分可能關於工具失效。再者，一或更多製造工具110可能關於工具失效。含括在數據庫170中的數據可能至少關於先前判定之關於製造工具110的工具失效。
使用工具失效分析元件160可將處理數據(例如關於光譜儀120、工具感測器130、裝置測量設備140、及/或分類設備150的處理數據) 與含括在數據庫170中的數據加以比對。處理數據與含括在數據庫170中的數據之比對，可促成判定(例如學習及/或辨識)關於製造工具110的工具失效。例如工具失效分析元件160可判定處理數據(例如關於光譜儀120、工具感測器130、裝置測量設備140、及/或分類設備150的處理數據) 與含括在數據庫170中的數據間之類似性的空間歪曲測量。工具失效分析元件160可進一步促成工具失效分析、錯誤失效診斷、及/或工具失效預防，進而(例如)抑制工具失效的影響、及/或在即將發生的工具失效前先識別工具失效。
在一態樣中，工具失效分析元件160可產生及/或應用總結製造工具110之處理數據的符號 (例如符號數據集、符號向量等)。符號(例如符號數據集、符號向量等)可關於工具失效(例如候選工具失效、判定之工具失效、先前判定之工具失效等)。例如，工具失效分析元件160可判定關於製造工具110的候選工具失效。作為判定候選工具失效之回應，工具失效分析元件160可另外產生該候選工具失效的符號。工具失效分析元件160亦可將該候選工具失效的符號儲存於數據庫170 中，以回應候選工具失效為工具失效之判定。因此，關於先前判定之工具失效的一組符號可被儲存於數據庫170 中。
符號可捕捉(capture)製造工具110的狀態(例如製造工具110在工具失效期間的狀態)。例如，符號可為與製造工具110之處理數據相關之屬性值的n維向量。符號可進一步關於不同失效之相關統計。符號可包括及/或關於製造工具110之一或更多處理日誌、測量的測量結果、部件年齡、維護數據、感測器數據、其他處理數據等。在一範例中，工具失效的符號可為感測器驗證值(validations) 之向量(例如各感測器偏離對應之期望值的量)及/或其他的處理數據。關於符號的數據可對應到在工具失效之前捕捉及/或產生的數據。工具失效分析元件160可應用統計處理控制及/或一或更多其他技術而產生符號。再者，工具失效分析元件160可基於處理數據之期望值及處理數據之觀測值而計算差異以促成符號之產生。例如，符號可為處理數據之期望值及處理數據之觀測值間之差異序列。在一非限制性實施例中，工具失效分析元件160可經由至少一組感測器(例如工具感測器130)來監測關於製造工具110的半導體製程(例如半導體製造程序)。感測器值可(例如)透過統計處理控制技術及/或一或更多其他驗證技術來加以驗證。透過此驗證而檢測到的關於期望感測器行為之違反情況(violations)，可引發半導體製程之符號的產生。
在某些實施例中，工具失效分析元件160可將符號的構成元素(components)標準化，例如，使得符號的數據值介在0與1之間。工具失效分析元件160可經由轉換值(transformation value)將符號的數據值標準化。因此，透過將符號的數據值標準化(例如經由轉換值)，符號的所有數據值(例如符號數據集的所有屬性(attributes))可在初始的類似性計算(例如預設的類似性計算)中具有相等的權重(weight)。複數個標準化符號實例(instances)可包含單一符號。在一範例中，符號可為針對一批次中之各個已處理晶圓104的實例符號之並置(concatenation)。在另一範例中，符號可為在關於製造工具110的工具失效(例如加熱器失效)之前，針對某時間區段(例如30秒)之每秒的實例符號之並置。在一態樣中，工具失效分析元件160可回應使用者輸入而產生符號(例如在訓練模式期間)。例如，工具失效及/或符號(例如工具失效)間之類似性可透過使用者識別。在一範例中，工具失效分析元件160可針對使用者所識別之工具失效而產生符號。
工具失效分析元件160亦可接收訓練數據(例如使用者輸入數據)以促成訓練模式。訓練模式的訓練實例可關於第一工具失效、第二工具失效、關於第一工具失效的第一符號、關於第二工具失效的第二符號、及由外部代理人(例如使用者)或目標準則 (例如製造工具110在特定工具失效存在之情況下產生之輸出的狀態)判定之類似性。因此，訓練數據(例如使用者輸入數據)可用以改善及/或修正工具失效分析元件160所判定之比對結果(例如類似性)。在某些實施例中，工具失效分析元件160可應用分開的訓練階段及詢問(querying)階段。例如，可先使用若干訓練實例訓練工具失效分析元件160。然後，在分離的階段中，使用習得資訊詢問類似性。在其他實施例中，訓練操作及詢問操作可交錯。
工具失效分析元件160可將關於候選工具失效的符號與儲存在數據庫170中的一組符號加以比對。儲存在數據庫170中的該組符號可關於先前判定之工具失效。回應關於候選工具失效的符號類似於儲存在數據庫170中的符號(例如關於候選工具失效的符號及儲存在數據庫170中的符號間之差異低於某閾值)之判定，可將關於製造工具110的候選工具失效視為工具失效(例如工具失效實例)。工具失效實例及/或關於工具失效實例的資訊可被儲存在數據庫170中。數據庫170可儲存(例如)一組符號及/或各工具失效實例之儲存資訊。在一態樣中，一組符號可儲存在數據庫170的第一數據庫中，而一組資訊值可儲存在數據庫170的第二數據庫中。工具失效分析元件160可進一步將觀測到的工具失效與診斷測試及/或建議修復聯繫起來。工具失效分析元件160可應用新的工具失效實例來判定類似的先前失效(例如引導製程工程師到修理工具失效的解決方法)。此外，透過基於診斷或修復之結果指出新失效與先前失效之類似性或非類似性，可訓練工具失效分析元件160。因此，可應用工具失效分析元件160建立關於製程操作(例如製造操作)的真實失效事件的知識、由符號所捕抓的工具狀態的知識、及/或驗證及/或修理工具失效所必需的相關修復程序的知識。
工具失效分析元件160可詢問數據庫170，以促成判定、預測、及/或預防關於製造工具110的工具失效。工具失效分析元件160可即時且不斷地詢問數據庫170，以回應符號產生之判定(例如通知使用者即將發生工具失效的位置)。候選工具失效(例如關於製造工具110的新工具失效)及儲存在數據庫170中的工具失效間之類似性(例如距離) 可由工具失效分析元件160來判定。在某些實施例中，工具失效分析元件160可在計算候選工具失效及儲存在數據庫170中的工具失效間之距離之前先轉換候選工具失效及/或儲存在數據庫170中的工具失效。在其他實施例中，工具失效分析元件160可產生及/或輸出工具失效排序列表，其係根據對於特定工具失效之類似性而配置。
在一非限制性範例中，當第一部件A失效時，工具失效分析元件160可記錄處理數據(例如工具數據之總結、相關處理數據等)；標記關於該第一部件A的工具失效(例如部件A失效(Part-A-Failure))；及/或將工具失效之標記與修復程序聯繫起來，以修復工具失效(例如修復工具失效之步驟、驗證經修復之工具失效的測試等)。工具失效分析元件160可另外儲存關於與第一部件A相關之工具失效的標記、符號、及/或修復資訊。再者，工具失效分析元件160可輸出一失效列表，該失效類似於先前符號或所選符號(例如由工具失效分析元件160所接收的所選符號及/或選自數據庫170的所選符號)。回應第一部件A失效之第二實例之判定，工具失效分析元件160可記錄其他處理數據(例如工具數據之另一總結等)；標記關於該第一部件A的另一工具失效；及將另一工具失效之標記與修復程序聯繫起來(例如一修復程序，其對應到用於修復第一部件A之第一工具失效的修復程序)。工具失效分析元件160可判定關於第一部件A的工具失效及關於第一部件A的另一工具失效是否類似(例如工具失效分析元件160可使n維空間歪曲(distort)，使得關於第一部件A的兩個工具失效實例於轉換後n維空間中互相靠近)。回應第二部件B第一次失效之判定，工具失效分析元件160可判定該第二部件B之符號、標記、及修復程序。工具失效分析元件160可進一步判定關於第二部件B的工具失效是否與其他工具失效類似，及/或判定關於第二部件B的工具失效是否與在工具失效列表中觀測到的其他失效不類似。
工具失效分析元件160可產生輸出數據(例如圖1所示之「輸出數據」)。工具失效分析元件160所產生的輸出數據可包括(但不限於) 工具失效分析數據、候選工具失效、判定之工具失效、工具失效排序列表、修復程序、及/或關於製造工具110及/或數據庫170的其他輸出數據。在一態樣中，工具失效分析元件160所產生的輸出數據可儲存在數據庫170及/或其他數據庫中。在另一態樣中，工具失效分析元件160所產生的輸出數據可顯示(例如匯報)在使用者裝置上，例如(但不限於)圖形化使用者界面、工作站裝置、桌上型電腦、筆記型電腦、平板電腦、智慧型手機、或其他類型的使用者裝置。接收工具失效分析元件160所產生之輸出數據的使用者裝置可結合可與下列各項互動之處理器:鍵盤、滑鼠、顯示器螢幕、觸控螢幕、及/或其他此種介面裝置。應知悉的係，接收工具失效分析元件160所產生之輸出數據的使用者裝置可經配置成以任何適當型式(例如視覺、聽覺、觸覺等)接收輸出數據及/或將輸出數據匯報給使用者。
圖2根據本發明之各種態樣及實施例圖解系統200之非限制性實施例。系統200包括工具失效分析元件160。工具失效分析元件160可包括監測元件202、符號元件204、及/或比對元件206。系統200的態樣及/或本文中揭露之其他系統可構成收錄在機器內(例如收錄在關於一或更多機器的一或更多電腦可讀媒介(或媒體)中)的機器可執行元件。當被一或更多機器(例如電腦、計算裝置、虛擬機器)執行時，此類元件可促使該機器執行所述操作。在一實施例中，系統200可包括用以儲存電腦可執行元件與指令的記憶體210。系統200可更包括用以透過系統200促成指令(例如電腦可執行元件與指令)之操作的處理器208。
監測元件202可接收及/或監測關於製造工具110的處理數據(例如圖2所示之「處理數據」)。處理數據可由光譜儀120、工具感測器130、裝置測量設備140、及/或分類設備150得到及/或產生。在一實施例中，處理數據的至少一部份可關於工具處理日誌。根據處理數據的至少一部份，監測元件202可判定(例如識別) 關於製造工具110的候選工具失效。例如，監測元件202可基於由一組感測器所產生之關於製造工具110的感測器數據(例如關於工具感測器130的感測器數據)判定關於製造工具110的候選工具失效。另外地或替代地，監測元件202可基於關於光譜儀120、裝置測量設備140、及/或分類設備150的數據判定關於製造工具110的候選工具失效。監測元件202可判定處理數據(例如關於處理數據之觀測值)是否偏離期望值(例如設定點的值、規格的值、製程標準、期望行為等)。在一態樣中，監測元件202可應用統計處理控制及/或關於處理數據之另一監測技術。
符號元件204可基於關於製造工具110的數據(例如關於光譜儀120、工具感測器130、裝置測量設備140、及/或分類設備150的數據)產生候選工具失效的符號數據集(例如符號)。符號元件204可回應被監測元件202所判定(例如識別)之候選工具失效而產生符號數據集。被符號元件204使用以產生符號數據集的數據，可包括由該組感測器所產生之關於製造工具110的感測器數據(例如關於工具感測器130的感測器數據)。另外地或替代地，被符號元件204使用以產生符號數據集的數據可包括關於製造工具110的其他數據(例如處理數據的另一部分)。例如，符號元件204可另外地或替代地基於關於光譜儀120、裝置測量設備140、及/或分類設備150的數據產生關於候選工具失效的符號數據集。
符號數據集可為包括關於製造工具110(例如光譜儀120、工具感測器130、裝置測量設備140、及/或分類設備150)之數據(例如一組數據值)的數據結構(例如索引數據結構(indexed data structure))。例如，符號數據集可為關於製造工具110(例如光譜儀120、工具感測器130、裝置測量設備140、及/或分類設備150)之資訊陣列(例如數據載體)。在一範例中，關於製造工具110之數據可為關於光譜儀120、工具感測器130、裝置測量設備140、及/或分類設備150的觀測值及期望值間之差異序列。符號數據集之大小可根據關於製造工具110(例如光譜儀120、工具感測器130、裝置測量設備140、及/或分類設備150)之數據而增大或減小。在一實施例中，符號數據集可為符號向量。例如，符號數據集可為包括關於光譜儀120、工具感測器130、裝置測量設備140、及/或分類設備150之數據(例如屬性值)的n維向量。
比對元件206可基於符號數據集與關於至少一工具失效(例如至少一先前判定之工具失效)之至少一其他的符號數據集，將候選工具失效與該至少一工具失效加以比對。例如，比對元件206可將符號數據集(例如符號數據集的數據值)與至少一其他的符號數據集(例如至少一其他的符號數據集的數據值)加以比對，而促成判定候選工具失效是否為工具失效。至少一其他的符號數據集可基於至少一工具失效而事先判定(例如透過符號元件204)及/或可被儲存於至少一數據庫(例如數據庫170)中。例如，數據庫170可包括關於先前判定之一組工具失效的一組符號數據集。比對元件206可至少基於符號數據集及至少一其他的符號數據集(例如基於符號數據集及至少一其他的符號數據集之間的距離)判定候選工具失效與至少一判定之工具失效之間的距離(例如類似性)。例如，比對元件206可判定符號數據集及至少一其他的符號數據集間之差異，而促成判定候選工具失效與至少一判定之工具失效之間的距離(例如類似性)。
在一態樣中，比對元件206可將候選工具失效與一工具失效聯繫起來，以回應符號數據集及至少一其他的符號數據集間之差異在某距離以內(例如差異低於某閾值、候選工具失效類似於至少一工具失效等)之判定。比對元件206可將候選工具失效標記為工具失效。比對元件206可另外將符號數據集儲存在至少一數據庫(例如數據庫170)中及/或將符號數據集與至少一其他的符號數據集聯繫起來(例如將候選工具失效加入關於至少一其他的符號數據集的工具失效列表中)。比對元件206亦可記錄及/或儲存關於符號數據集的至少一部分處理數據 (例如處理數據、工具數據的總結等)，以回應候選工具失效類似於至少一工具失效之判定。另外地或替代地，回應候選工具失效類似於至少一工具失效之判定，比對元件206可判定修復資訊(例如修復計畫、修復程序及/或驗證失效之測試)以促成修復工具失效。比對元件206可將候選工具失效與關於製造工具110之修復資訊(例如修復計畫、修復程序及/或驗證失效之測試)聯繫起來。在一實施例中，標記、符號數據集、及/或修復資訊可儲存在工具失效的至少一數據庫(例如數據庫170)中。
雖然圖2描繪系統200中分開的元件，應知悉的係，該等元件可實施在一共用元件中。在一範例中，監測元件202、符號元件204、及/或比對元件206可含括在單一元件中。再者，應知悉的係，系統200之設計可包括其他元件選擇、元件位置等，以促成判定、預測、及/或預防工具失效。
圖3根據本發明之各種態樣及實施例圖解系統300之非限制性實施例。系統300包括工具失效分析元件160。工具失效分析元件160可包括監測元件202、符號元件204、比對元件206、及/或轉換元件302。
轉換元件302可基於關於光譜儀120、工具感測器130、裝置測量設備140、及/或分類設備150的處理數據產生轉換值(例如習得的轉換值)。轉換值可另外地或替代地經由使用者輸入而產生及/或修改。轉換值可與符號數據集(例如候選工具失效)有關。由轉換元件302所產生之轉換值可用來將符號元件204所產生之符號數據集及/或至少一其他的符號數據集標準化。例如，可使用轉換元件302所產生之轉換值，使得符號數據集(例如符號向量)及/或至少一其他的符號數據集(例如至少一其他的符號向量)的每一構成元素(例如每一數據值)包含相等的權重。轉換元件302所產生之轉換值可將符號數據集及/或至少一其他的符號數據集標準化，使得符號數據集及/或至少一其他的符號數據集的每一構成元素(例如每一數據值)介在0與1之間。
在一態樣中，轉換元件302所產生之轉換值可為關於符號數據集的初始轉換值。例如，初始轉換值可為關於符號數據集的識別轉變(例如識別轉變值)。若符號數據集間之差異小(例如低於某差異值)，則可應用識別轉變 (例如使用歐氏距離作為類似性測量)使得工具失效被視為類似。在另一態樣中，轉換元件302所產生之轉換值可為關於符號數據集的修改後轉換值(例如習得之轉換值)。初始轉換值可被修改(例如更新)，例如，基於使用者輸入及/或關於符號數據集的先前比對(例如經由比對元件206之比對)以產生修改後轉換值。在一實施例中，可應用界定的距離來修改(例如更新) 轉換值(例如初始轉換值、修改後轉換值等)。例如，可基於界定的距離(例如第一符號數據集與第二符號數據集間之所需距離)更新轉換值。界定的距離可關於使用者輸入。
在某些實施例中，比對元件206可應用轉換值來判定候選工具失效與至少一工具失效之間的距離(例如類似性)。例如，比對元件206可基於符號數據集、至少一其他的符號數據集、及轉換值來判定候選工具失效及至少一先前判定之工具失效間之距離(例如類似性)。在一實施例中，轉換值可運用在符號數據集及至少一其他的符號數據集間之差異中，而促成判定候選工具失效與至少一先前判定之工具失效間之距離(例如類似性)。
雖然圖3描繪系統300中分開的元件，應知悉的係，該等元件可實施在一共用元件中。在一範例中，監測元件202、符號元件204、比對元件206、及/或轉換元件302可含括在單一元件中。再者，應知悉的係，系統300之設計可包括其他元件選擇、元件位置等，以促成判定、預測、及/或預防工具失效。
圖4根據本發明之各種態樣及實施例圖解系統400之非限制性實施例。系統400包括工具失效分析元件160。工具失效分析元件160可包括監測元件202、符號元件204、比對元件206、轉換元件302、及/或排序元件402。
排序元件402可產生工具失效排序列表。例如，排序元件402可基於比對元件206所判定之距離(例如類似性)產生工具失效排序列表。工具失效(例如關於工具失效的符號數據集)可依據相對於候選工具失效(例如比對元件206所判定之工具失效)的類似程度而排序。排序元件402所產生的工具失效排序列表可呈現相對於候選工具失效的最類似到最不類似的工具失效。排序元件402可基於符號數據集(關於候選工具失效)與至少一其他的符號數據集(關於先前判定之工具失效)之間的類似性，將候選工具失效排序於工具失效列表中。在一態樣中，比對元件206及/或排序元件402可將候選工具失效加入排序元件402所產生及/或維持的工具失效列表中(例如，回應候選工具失效類似於至少一先前判定之工具失效之判定)。
工具失效排序列表可至少基於儲存在數據庫170中關於符號數據集的資訊而產生。當新的工具失效加入數據庫170中時，排序元件402可基於用以比對符號數據集之特定距離函數及/或透過使用者輸入，而產生及/或更新工具失效排序列表。排序元件402可應用隨機距離測量(例如使用n維歐氏距離的任意距離測量)。隨機距離測量可經由使用者輸入選擇及/或可使用作為預設的距離測量。排序元件402可進一步應用使用者輸入以允許對工具失效排序列表進行訓練(例如改善關於特定工具失效之排序的品質)。使用者輸入可識別兩個工具失效較類似或較不類似。再者，使用者輸入可以標準化比例的觀點來指出類似性(例如0值對應到完全不類似、1值對應到完全類似等)。
排序元件402可輸出工具失效排序列表用於顯示(例如顯示在使用者裝置上)。排序元件402可提供不斷更新的工具失效(對應到由監測元件202所判定及/或識別之候選工具失效)排序列表(例如即時工具失效排序列表)。因此，系統(例如系統100)中工具失效的影響可被抑制及/或降低(例如可改善製造系統中工具失效的辨識)。此外，即時工具失效排序列表可用以在即將發生的工具失效前先識別常發生的符號。在一態樣中，結合工具失效分析元件160及/或數據庫170，可儲存及/或檢索常發生的符號(例如失效前符號、提前警示符號等)。
雖然圖4描繪系統400中分開的元件，應知悉的係，該等元件可實施在一共用元件中。在一範例中，監測元件202、符號元件204、比對元件206、轉換元件302、及/或排序元件402可含括在單一元件中。再者，應知悉的係，系統400之設計可包括其他元件選擇、元件位置等，以促成判定、預測、及/或預防工具失效。
圖5根據本發明之各種態樣及實施例圖解系統500之非限制性實施例。系統400包括工具失效分析元件160。工具失效分析元件160可包括監測元件202、符號元件204、比對元件206、轉換元件302、排序元件402、及/或訓練元件502。
訓練元件502可基於使用者輸入產生及/或更新符號數據集、轉換值、及/或關於符號數據集的其他資訊。訓練元件502可應用使用者輸入修改(例如修正) 由比對元件206算出的類似性。例如，使用者輸入可指出被比對元件206判定為類似的第一符號數據集及第二符號數據集為非類似的。使用者輸入亦可指出被比對元件206判定為非類似的第一符號數據集及第二符號數據集為類似的。可基於用來修正比對元件206所算出的類似性的使用者輸入而修改轉換值。訓練元件502所使用的使用者輸入可包括關於一組工具失效的資訊及/或關於該組工具失效的符號數據集之資訊。訓練元件502所使用的使用者輸入可另外包括關於該組工具失效間之類似性(例如相對類似性預測)的資訊。例如，使用者輸入可包括界定之距離，其可為第一符號與第二符號間，使第一符號與第二符號被視為類似的所需距離。因此，訓練元件502可接收關於失效(例如工具失效)之類似性及/或非類似性的回饋(例如關於製造工具110的使用者輸入及/或資訊)。此外，訓練元件502可結合轉換處理(transformation) (例如修改轉換值、修改轉換矩陣等)使n維空間歪曲，使得類似的符號數據集(例如類似的失效符號)於n維空間中彼此靠近；而非類似的符號數據集(例如非類似的失效符號)於n維空間中彼此遠離。關於該組工具失效間之類似性的資訊可替代地基於關於製造工具110的標準(例如製造工具110在工具失效發生時之輸出狀態)而判定。
雖然圖5描繪系統500中分開的元件，應知悉的係，該等元件可實施在一共用元件中。在一範例中，監測元件202、符號元件204、比對元件206、轉換元件302、排序元件402、及/或訓練元件502可含括在單一元件中。再者，應知悉的係，系統500之設計可包括其他元件選擇、元件位置等，以促成判定、預測、及/或預防工具失效。
圖6為根據本發明之各種態樣及實施例之方塊圖，圖解使用轉換 (例如轉換值、習得之轉換)來判定兩符號之間的距離(例如類似性)的例示性系統600 。系統600可與比對元件206及/或轉換元件302結合。轉換M 、符號S1 、符號S2 可透過方塊602接收。轉換M 可為初始轉換值(例如識別轉換值)或更新後轉換值(例如習得之轉換值、修改後轉換值等)。符號S1 可關於處理數據(如關於光譜儀120、工具感測器130、裝置測量設備140及/或分類設備150的處理數據)之觀測值。符號S2 可關於先前判定之處理數據(如關於先前判定之工具失效的處理數據)。在一範例中，符號S1 可為第一人工誤差(artifact)(例如候選工具失效)的符號向量，而符號S2 可為第二人工誤差 (例如工具失效、先前判定之工具失效等)的符號向量。方塊602可與工具失效分析元件160(例如比對元件206)結合。在方塊602，可基於轉換M 、符號S1 、符號S2 計算距離d 。例如，距離d 可等於||M (S1 - S2 ) ||。方塊604亦可與工具失效分析元件160(例如比對元件206)結合。在方塊604，可輸出(例如傳送及/或儲存)距離d 。在一範例中，距離d 可被儲存及/或可應用以產生類似人工誤差列表(例如類似工具失效列表)。
圖7為根據本發明之各種態樣及實施例之方塊圖，圖解基於界定之距離(例如所需距離)更新轉換(例如習得之轉換W )的例示性系統700 。系統700可與比對元件206及/或訓練元件502結合。符號S1 、符號S2 、及/或界定之距離可透過方塊702接收。界定之距離可為符號S1 及符號S2 之間，使得符號S1 及符號S2 被視為類似的所需距離。在一範例中，界定之距離可經由使用者輸入而提供。方塊702可與工具失效分析元件160(例如比對元件206)結合。在方塊702，可計算向量D 及/或參數β 。向量D 可等於S1 -S2 。參數β可基於界定之距離而算出。方塊704亦可與工具失效分析元件160(例如比對元件206)結合。在方塊704，可至少基於向量D 及參數β 更新轉換W 。在一範例中，轉換W 可被更新而等於W (-β(1/DT D)DDT +1)，其中 DT D為D 的標準化外積，而 DDT 為D 的轉置(transpose)。符號S1 及符號S2 間之距離(例如類似性)可為向量D =S1 -S2 的長度||WD ||。可定義關於向量D 的符號空間的投射算符P (projection operator)為D 的標準化外積及D 的轉置，例如P = (1/DT D)DDT 。轉換W 可被更新成新的轉換W ’=W (βP +1)而促成學習符號S1 及符號S2 間之新的距離(例如類似性)。參數β 可控制距離的改變(例如改變的程度)。在β =-1的範例中，以新的轉換W ’而言，符號S1 及符號S2 間之距離為0，因為W’D =W (-1P +1)D =W (-D +D )=0。在β =1的另一範例中，以新的轉換W ’而言，符號S1 及符號S2 間之距離會變為兩倍，因為W’D =W (1P +l)D =W (D +D )=2WD ，且||2WD ||=2||WD ||。因此，可基於參數β而修改(例如增大或減小)距離。在某些實施例中，新的轉換W ’在被儲存之前(例如在儲存於數據庫170中之前)可先經標準化。
圖8-10根據目標應用之一或更多實施例圖解各種方法。為了解釋之明確性的緣故，將本文所示之一或更多方法呈現並描述為一系列的動作，但應理解且知悉的係，發明主題不受動作的順序所限，根據本文，若干動作可以不同的順序發生及/或與本文呈現及描述的其他動作同時發生。例如，所屬技術領域中具有通常知識者理解且知悉方法可替代性地表示成例如在狀態圖中一系列相關的狀態或事件。此外，並非所有圖解之動作均必要以實施根據本發明之方法。再者，當不同的實體進行方法的不同部分時，相關圖可表示根據發明主題的方法或方式。進一步而言，所揭露的例示性方法中的二或更多方法可彼此结合而實施，以實現本文所述的一或更多特徵或優點。
圖8根據本發明之各種態樣及實施例圖解促成判定工具失效的例示性方法800。首先，在802，基於關於一或更多製造工具的數據來識別(例如透過監測元件202)關於一或更多製造工具的候選工具失效。例如，可基於由一組感測器所產生之關於一或更多製造工具的感測器數據來識別關於一或更多製造工具的候選工具失效。另外地或替代地，可基於光譜儀數據、測量工具數據、分類數據、及/或關於一或更多製造工具的其他處理數據識別關於一或更多製造工具的候選工具失效。候選工具失效可關於非計畫性中斷(與一或更多製造工具有關)、距離與一或更多製造工具相關之規格及/或設定點的偏差(例如感測器數據、光譜儀數據、測量工具數據、分類數據、及/或其他處理數據的變異)、硬體工具失效、軟體工具失效、校準誤差、工具磨耗、工具故障、工具功能不良、工具停工、其他工具失效等。
在804，基於關於一或更多製造工具的至少部分數據產生(例如透過符號元件204) 候選工具失效的符號數據集。例如，可基於感測器數據、光譜儀數據、測量工具數據、分類數據、及/或關於一或更多製造工具的其他處理數據產生候選工具失效的符號數據集。符號數據集可為包括關於一或更多製造工具的至少部分數據之數據結構(例如索引數據結構、符號向量等)。
在806，將符號數據集與關於至少一工具失效的至少一其他的符號數據集加以比對(例如使用比對元件206)。例如，可判定符號數據集及至少一其他的符號數據集間之類似性(例如差異、距離等)(例如，促成判定符號數據集是否關於工具失效)。至少一其他的符號數據集可被儲存在一或更多數據庫中。關於至少一其他的符號數據集的至少一工具失效可為至少一先前判定之工具失效。
圖9根據本發明之各種態樣及實施例圖解辨識工具失效的例示性方法900。首先，在902，判定關於一或更多製造工具的候選工具失效(例如透過監測元件202)。在904，基於關於一或更多製造工具的數據產生候選工具失效的符號數據集(例如透過符號元件204)。在906，接收至少一先前判定之工具失效的至少一其他的符號數據集(例如透過符號元件204及/或比對元件206)。在908，接收及/或判定關於候選工具失效的轉換值(例如透過轉換元件302)。例如，轉換值可用以將符號數據集及/或至少一其他的符號數據集標準化。因此，符號數據集及/或至少一其他的符號數據集的每一值可包含相等的權重。在910，基於符號數據集、至少一其他的符號數據集、及/或轉換值判定候選工具失效及至少一先前判定之工具失效之間的類似性(例如透過比對元件206)。例如，被轉換值加以標準化的符號數據集及至少一其他的符號數據集間之差異，可對應到候選工具失效及至少一先前判定之工具失效間之類似性。
圖10根據本發明之各種態樣及實施例圖解向數據庫詢問類似於給定之人工誤差的人工誤差的例示性方法1000。首先，在1002，判定及/或接收人工誤差(例如工具失效)與人工誤差之符號(例如透過監測元件202)。在1004，判定及/或接收關於人工誤差的轉換(例如透過轉換元件302)。在1006，從數據庫接收先前判定之人工誤差的先前判定之符號(例如透過符號元件204及/或比對元件206)。在1008，判定符號及先前判定之符號間之差異(例如透過比對元件206)。在1010，基於差異及轉換來判定距離(例如透過比對元件206)。在1012，基於距離將人工誤差加入類似人工誤差列表中(例如透過排序元件402)。在1014，判定是否有另一先前判定之人工誤差儲存於數據庫中(例如透過符號元件204及/或比對元件206)。若是，則方法1000回到1006。若否，則方法1000前進到1016。在1016，輸出類似人工誤差列表(例如透過排序元件402)。
為提供所揭露之發明標的各種態樣之背景，圖11與12、及如下討論旨在提供所揭露之發明標之各種態樣可實施於其中的適當環境之簡短概略性描述。
請參照圖11，實施本發明之各種態樣的適當環境1100包括電腦1112。電腦1112包括處理元件1114、系統記憶體1116、及系統匯流排1118。系統匯流排1118將系統元件(包括(但不限於) 系統記憶體1116)耦接至處理元件1114。處理元件1114可為任何各樣可使用之處理器。雙微處理器及其他多重處理器架構亦可使用作為處理元件1114。
系統匯流排1118可為任何若干類型之匯流排構造(包括記憶體匯流排或記憶體控制器、周邊匯流排或外部匯流排、及/或局部匯流排)，使用任何種類之可使用之匯流排架構，包括(但不限於) 工業標準架構 (ISA)、微通道架構(MSA)、擴充型工業標準架構(EISA)、智慧型驅動電子設備(IDE)、 VESA 局部匯流排 (VLB)、周邊元件互連結構 (PCI)、 卡型匯流排(Card Bus)、通用序列匯流排(USB)、進階圖形埠(AGP)、個人電腦記憶卡國際協會匯流排(PCMCIA)、火線(IEEE 1394)、及小型電腦系統介面 (SCSI)。
系統記憶體1116包括揮發性記憶體1120及非揮發性記憶體1122。包含用以在電腦1112的元件之間傳送資訊(例如開機時)的基本路徑之基本輸入/輸出系統(BIOS)係儲存於非揮發性記憶體1122中。以舉例但非限制的方式說明，非揮發性記憶體1122可包括唯讀記憶體(ROM)、可編程ROM (PROM)、電子可編程ROM (EPROM) 、電子可抹除可編程ROM (EEPROM)、快閃記憶體、或非揮發性隨機存取記憶體(RAM) (例如鐵電 RAM (FeRAM))。揮發性記憶體1120包括隨機存取記憶體(RAM)，其作為外部快取記憶體。以舉例但非限制的方式說明，可使用許多形式的RAM，例如靜態RAM (SRAM)、動態 RAM (DRAM)、同步DRAM (SDRAM)、雙倍數據率SDRAM (DDR SDRAM)、增強型SDRAM (ESDRAM)、 SynchLink DRAM (SLDRAM)、直接Rambus RAM (DRRAM)、直接 Rambus動態 RAM (DRDRAM)、及 Rambus動態 RAM。
電腦1112亦包括可移除式/不可移除式、揮發性/非揮發性電腦儲存媒體。例如，圖11圖解磁碟儲存器1124。磁碟儲存器1124包括(但不限於) 裝置如磁碟驅動機、軟式磁碟驅動機、磁帶驅動機、爵士可擴充硬碟(Jaz drive) 極碟(Zip drive)、 LS-100驅動機、快閃記憶卡、或 記憶卡(memory stick)。磁碟儲存器1124亦可包括與其他儲存媒體分開及/或與其他儲存媒體結合的儲存媒體，包括(但不限於)光碟機，例如光碟ROM裝置(CD-ROM)、可燒錄光碟機(CD-R Drive) 、可複寫光碟機(CD-RW Drive) 、或數位多功能光碟ROM光碟機(DVD-ROM)。為促成磁碟儲存裝置1124連接到系統匯流排1118，通常使用可移動式或不可移動式介面，例如介面1126。
圖11亦描繪在適當操作環境1100中作為使用者與所述基本電腦資源間之媒介的軟體。此類軟體包括(例如)操作系統1128。儲存於磁碟儲存器1124中的操作系統1128可用以控制並分配電腦系統1112的資源。系統應用1130藉由操作系統1128並透過儲存在(例如) 系統記憶體1116或磁碟儲存器1124中的程式模組1132及程式數據1134而利用資源安排。應知悉的係，本發明可與各種操作系統或操作系統的組合一起實施。
使用者透過輸入裝置1136將註解或資訊輸入電腦1112中。輸入裝置1136包括(但不限於) 指向裝置，例如滑鼠、軌跡球、 觸控筆、觸控板、鍵盤、 麥克風、搖桿、 遊戲手把、衛星碟、掃描器、 TV調諧卡、數位照相機、數位攝影機、網路攝影機、及其他。這些及其他輸入裝置經由介面埠1138並透過系統匯流排1118而連接到處理元件1114。介面埠1138包括(例如)序列埠、並列埠、遊戲埠、及通用序列匯流排(USB)。輸出裝置1140使用若干與輸入裝置1136相同類型的埠口。因此，例如，USB埠口可用以提供輸入至電腦1112，並從電腦1112輸出資訊至輸出裝置1140。設置輸出轉接器1142以說明輸出裝置1140中存在若干需要特殊轉接器的輸出裝置1140，例如顯示器、揚聲器、及打印機。以舉例但非限制的方式說明，輸出轉接器1142包括提供輸出裝置1140及系統匯流排1118之間連接手段的顯示卡及音效卡。應注意的係，其他裝置及/或裝置的系統提供輸入及輸出兩功能，例如遠端電腦1144。
電腦1112可操作在使用邏輯連接件連至一或更多遠端電腦(例如遠端電腦1144)的網路環境中。遠端電腦1144可為個人電腦、伺服器、路由器、網路PC、工作站、基於微處理器的工具、同級裝置(peer device)或其他一般的網路節點(common network node)、及其他，且通常包括針對電腦1112描述的若干或所有元件。為了簡潔的緣故，將遠端電腦1144描繪為僅具有記憶儲存裝置1146。遠端電腦1144通過網路介面1148然後經由通訊連接件1150實體地連接，而邏輯地連接到電腦1112。網路介面1148包含有線及/或無線通訊網路，例如區域網路(LAN)、廣域網路 (WAN)、蜂巢式網路等。  LAN技術包括光纖分散式數據介面 (FDDI)、銅纜分散式數據介面(CDDI)、乙太網路、令牌環網、及其他。WAN 技術包括(但不限於)點到點連接、電路交換式網路如整合服務數位網路(ISDN) 及其變化、分封交換式網路、及數位用戶迴路(DSL)。
通訊連接件1150指涉用以連接網路介面1148至匯流排1118的硬體/軟體。雖然通訊連接件1150為說明的明確性而顯示為位在電腦1112內部，但其亦可位在電腦1112外部。僅用於舉例，連接到網路介面1148需要的硬體/軟體包括內部及外部技術，例如數據機，包括正規電話級數據機、纜線數據機及 DSL 數據機、 ISDN 轉接器、及乙太卡。
圖12為可與本發明之發明主題互動之範例計算環境1200之示意方塊圖。系統1200包括一或更多用戶端1210。用戶端1210可為硬體及/或軟體(例如執行緒、處理、計算裝置等)。系統1200亦包括一或更多伺服器1230。因此，系統1200可對應到雙層(two-tier)用戶端/伺服器模型、或多層模型(例如用戶端、中介層伺服器、數據伺服器)、及其他模型。伺服器1230亦可為硬體及/或軟體(例如執行緒、處理、計算裝置等)。伺服器1230可包含執行緒以(例如)透過應用本發明執行轉換處理。用戶端1210與伺服器1230之間可行的通訊可為在二或更多電腦處理之間傳送的數據封包的形式。
系統1200包括通訊框架1250，其可用以促成用戶端1210與伺服器1230間之通訊。用戶端1210可操作性地連接到一或更多用戶端數據庫1220，其可用以儲存用戶端1210的資訊。相似地，伺服器1230可操作性地連接到一或更多伺服器數據庫1240，其可用以儲存伺服器1230的資訊。
應注意的係，本發明之特徵或態樣可利用在實質上任何無線電信或無線電技術，例如Wi-Fi; 藍芽; 全球互通微波接取(WiMAX); 增強通用封包無線電服務(Enhanced GPRS); 第三代合作夥伴計劃(3GPP) 長期演化(LTE); 第三代合作夥伴計劃2 (3GPP2) 超行動寬頻(UMB); 3GPP通用行動通訊系統(UMTS); 高速封包接取(HSPA); 高速下行封包接取(HSDPA); 高速上行封包接取(HSUPA); GSM (全球行動通訊系統) EDGE (GSM增強數據率演進) 無線接取網路(GERAN); UMTS 陸地無線電接取網路(UTRAN); 升級版LTE (LTE-A)等。此外，本文所述之若干或全部態樣可利用在遺產通訊系統，例如GSM。此外，行動式以及非行動式網路(例如網際網路、數據服務網路如網路協定電視(IPTV)等)可利用本文所述之特徵或態樣。
雖然在上文中，在可運行於一及/或複數電腦上的電腦程式之電腦可執行指令的概略背景中描述發明主題，但所屬技術領域中具有通常知識者理解本發明亦可或可能與其他程式模組结合地實現。大致上，程式模組包括執行特定任務或實現特定抽象數據類型的例程、程式、元件、及數據結構等。此外，所屬技術領域中具有通常知識者理解，發明方法可用其他的電腦系统配置來實現，包括單處理器或多處理器電腦系统、小型計算裝置、大型計算機、以及個人電腦、手持計算裝置(例如，PDA、手機)、基於微處理器或可編程消費或工業電子裝置、及其他。所說明的態樣亦可在其中任務由通過通訊網路連接的遠端處理裝置而執行之分散式計算環境中實現。然而，本發明的某些態樣，若非所有態樣的话，可在獨立電腦上實施。在分散式計算環境中，程式模組可位於本地及遠端記憶儲存裝置中的一或兩者中。
如本說明書中所使用的用語「元件」、「系統」、「平台」、「介面」、及其他類似用語，可指涉及/或可包括電腦相關實體或關於具有一或更多特定功能之操作機器之實體。本文中揭露之實體可為硬體、硬體和軟體之結合、軟體、或執行中軟體。例如，元件可為(但不限於)運作於處理器之處理、處理器、目標物、可執行者、執行之執行緒、程式、及/或電腦。以例示之方式說明，運作於伺服器上的應用程式及伺服器兩者均可為元件。一或更多元件可存在於處理器及/或執行之執行緒內，且元件可局部地位於電腦上及/或分散在二或更多電腦之間。
在另一範例中，個別的元件能夠從具有各種資料結構儲存於其上方之各種電腦可讀媒體來執行。該等元件可經由區域及/或遠端處理而通訊，譬如依照具有一個或更多數據封包之訊號(例如，來自一元件之數據，該元件與位於區域系統中、位於分散式系統中、及/或藉由訊號橫越網路(例如具有其他系統之網際網路)的另一元件互動)。作為另一例子，元件可為具有特定功能之設備，該特定功能係由機械部件提供、由電氣或電子電路操作，該電路藉由處理器所執行之軟體或韌體應用程式操作。在此例子中，該處理器可在該設備之內部或外部，且可執行至少部分之該軟體或韌體應用程式。作為另一例子，元件可為透過電子元件而非機械部件來提供特定功能之設備，其中該電子元件可包含處理器或其他手段以執行軟體或韌體，而該軟體或韌體賦予該電子元件之至少部分功能。在一態樣中，元件可經由虛擬機器(例如在雲端計算系統中)模擬電子元件。
此外，用語「或」意指兼容「或」(inclusive"or")而非互斥「或」(exclusive"or")。也就是說，除非特別規定，或者從上下文中能夠清楚了解，「X使用A或B」旨在表示任何的自然兼容排列。也就是說，X使用A；X使用B；或者X使用A和B二者，則X使用A或B滿足任何的上述例子。此外，於原文(英文)說明書及隨附圖式中所使用的冠詞"a"和"an"一般應解釋為表示「一個或多個」之意，除非特別規定，或否則從上下文中能夠清楚了解其係針指單數形式。
如本說明書中所使用的用語「範例」及/或「例示性」，係用以表示範例、實例、或說明。為避免疑慮，本文揭露之發明主題不限於此類範例。此外，在本說明書中描述為「範例」及/或「例示性」的任何態樣或設計並非一定解釋為比其他態樣或設計更優選或更有利，亦非旨在預先排除所屬技術領域中具有通常知識者已知的等效例示性結構與技術。
本文所述之各種態樣或特徵可實施為方法、裝置、系統、或使用標準編程或工程技術之製造物件。另外，通過實施至少一或更多本文所揭露之方法的程序模組，可實現本發明揭露之各種態樣或特徵，程序模組被儲存在記憶體中並由至少一處理器執行。硬體和軟體、或硬體和韌體的其他结合可達成或實現本文所述之態樣，包括所揭露的方法。如本說明書中所使用的用語「製造物件」包括可從任何電腦可讀裝置、載體、或儲存媒介進入的電腦程式。例如，電腦可讀儲存媒體可包括(但不限於)磁性儲存裝置(例如，硬碟、軟碟、磁帶…)、光碟(例如，光碟(CD)、數位多功能光碟(DVD)、藍光光碟(BD)…)、智能卡、以及快閃記憶裝置(例如，卡(card、stick)、鍵驅動機)、及其他。
如本說明書中所使用的用語「處理器」可指涉實質上任何計算處理元件或裝置，包括(但不限於)單核心處理器、具有軟體多線程執行能力之單一處理器、多核心處理器、具有軟體多線程執行能力之多核心處理器、具有硬體多線程技術之多核心處理器、並行平台、和具有分散式共用記憶體之並行平台。此外，處理器可指涉積體電路、特殊應用積體電路(ASIC)、數位訊號處理器(DSP)、現場可編程閘陣列(FPGA)、可編程邏輯控制器(PLC)、複雜的可編程邏輯控制器(CPLC)、分離閘或電晶體邏輯、分離之硬體元件、或其中設計以實施本文所述之功能的任何組合。此外，為最佳化空間使用或提升使用者裝備之性能，處理器能夠利用奈米尺度架構，例如(但不限於)基於分子和量子點的電晶體、開關、及閘。處理器亦可以執行為計算處理元件之組合。
在本說明書中，用語譬如「儲存(store)」、「儲存器(storage)」、「數據儲存(data store)」、「數據庫(database)」、及關於元件之操作和功能之實質上任何其他的資訊儲存元件，用以指涉「記憶體元件」、收錄於「記憶體」之實體、或包括記憶體之元件。應知悉的係，本文所述之記憶體及/或記憶體元件可為揮發性記憶體或非揮發性記憶體中之任一者，或可包含揮發性和非揮發性記憶體二者。
以舉例但非限制的方式說明，非揮發性記憶體可包含可包括唯讀記憶體(ROM)、可編程ROM (PROM)、電子可編程ROM (EPROM) 、電子可抹除可編程ROM (EEPROM)、快閃記憶體、或非揮發性隨機存取記憶體(RAM) (例如鐵電 RAM (FeRAM))。揮發性記憶體可包括RAM，例如，其可作為外部快取記憶體。以舉例但非限制的方式說明，可使用許多形式的RAM，例如靜態RAM (SRAM)、動態 RAM (DRAM)、同步DRAM (SDRAM)、雙倍數據率SDRAM (DDR SDRAM)、增強型SDRAM (ESDRAM)、 SyncLink DRAM (SLDRAM)、直接Rambus RAM (DRRAM)、直接 Rambus動態 RAM (DRDRAM)、及 Rambus動態 RAM(RDRAM)。此外，本文所揭露之系統或方法之記憶體元件欲包括(而非限於包括)該等及任何其他適合類型之記憶體。
應知悉並理解的係，根據特定系统或方法而描述的元件可包括與根據本文所揭露之其他系统或方法描述的相應元件(例如相應命名的元件或類似命名的元件)相同或類似的功能。
上述說明包含提供本發明之益處的系統與方法之範例。當然，不可能為了說明本發明之目的而說明每個可設想的元件或方法之結合，但所屬技術領域中具有通常知識者可認知本發明之許多進一步的結合和變換是可能的。再者，於詳細說明書、申請專利範圍、附錄、及圖式中使用用語「包括(includes)」、「具有(has)」、「擁有(possesses)」之情況下，吾人意欲此類用語係包括性的，相似於用語「包含(comprising)」在申請專利範圍中被解釋使用為過渡字之方式。
100‧‧‧系統
102‧‧‧晶圓
104‧‧‧已處理晶圓
110‧‧‧製造工具
120‧‧‧光譜儀
130‧‧‧工具感測器
140‧‧‧裝置測量設備
150‧‧‧分類設備
160‧‧‧工具失效分析元件
170‧‧‧數據庫
200‧‧‧系統
202‧‧‧監測元件
204‧‧‧符號元件
206‧‧‧比對元件
208‧‧‧處理器
210‧‧‧記憶體
300‧‧‧系統
302‧‧‧轉換元件
400‧‧‧系統
402‧‧‧排序元件
500‧‧‧系統
502‧‧‧訓練元件
600‧‧‧系統
602‧‧‧方塊
604‧‧‧方塊
700‧‧‧系統
702‧‧‧方塊
704‧‧‧方塊
800‧‧‧方法
802‧‧‧步驟
804‧‧‧步驟
806‧‧‧步驟
900‧‧‧方法
902‧‧‧步驟
904‧‧‧步驟
906‧‧‧步驟
908‧‧‧步驟
910‧‧‧步驟
1000‧‧‧方法
1002‧‧‧步驟
1004‧‧‧步驟
1006‧‧‧步驟
1008‧‧‧步驟
1010‧‧‧步驟
1012‧‧‧步驟
1014‧‧‧步驟
1016‧‧‧步驟
1100‧‧‧環境
1112‧‧‧電腦(系統)
1114‧‧‧處理元件
1116‧‧‧系統記憶體
1118‧‧‧匯流排
1120‧‧‧揮發性記憶體
1122‧‧‧非揮發性記憶體
1124‧‧‧磁碟儲存器/磁碟儲存裝置
1126‧‧‧介面
1128‧‧‧操作系統
1130‧‧‧系統應用
1132‧‧‧程式模組
1134‧‧‧程式數據
1136‧‧‧輸入裝置
1138‧‧‧介面埠
1140‧‧‧輸出裝置
1142‧‧‧輸出轉接器
1144‧‧‧遠端電腦
1146‧‧‧記憶儲存裝置
1148‧‧‧網路介面
1150‧‧‧通訊連接件
1200‧‧‧環境/系統
1210‧‧‧用戶端
1220‧‧‧用戶端數據庫
1230‧‧‧伺服器
1240‧‧‧伺服器數據庫
1250‧‧‧通訊框架
M‧‧‧轉換
S1 ‧‧‧符號
S2 ‧‧‧符號
d‧‧‧距離
W‧‧‧轉換
D‧‧‧向量
β‧‧‧參數
圖1為一方塊圖，根據本文所述之各種態樣及實施例圖解用以促成關於製造處理之工具失效分析的一例示性系統；
圖2為一方塊圖，根據本文所述之各種態樣及實施例圖解例示性工具失效分析元件；
圖3為一方塊圖，根據本文所述之各種態樣及實施例圖解另一例示性工具失效分析元件；
圖4為一方塊圖，根據本文所述之各種態樣及實施例圖解另一例示性工具失效分析元件；
圖5根據本文所述之各種態樣及實施例圖解另一例示性工具失效分析元件；
圖6根據本文所述之各種態樣及實施例圖解用以判定兩符號之間的距離(例如類似性)的一例示性系統；
圖7根據本文所述之各種態樣及實施例圖解用以基於界定的距離更新轉換的一例示性系統；
圖8根據本文所述之各種態樣及實施例為促成判定工具失效之例示性方法的流程圖；
圖9根據本文所述之各種態樣及實施例為辨識工具失效之例示性方法的流程圖；
圖10根據本文所述之各種態樣及實施例為向數據庫詢問類似於給定之人工誤差的人工誤差的例示性方法的流程圖；
圖11為示意方塊圖，圖解適當的操作環境；以及
圖12為範例計算環境之示意方塊圖。
100‧‧‧系統
102‧‧‧晶圓
104‧‧‧已處理晶圓
110‧‧‧製造工具
120‧‧‧光譜儀
130‧‧‧工具感測器
140‧‧‧裝置測量設備
150‧‧‧分類設備
160‧‧‧工具失效分析元件
170‧‧‧數據庫

Claims (22)

  1. 一種系統，包含: 一記憶體，儲存電腦可執行元件；以及 一處理器，配置以執行儲存於該記憶體中的下列電腦可執行元件: 一監測元件，基於由一組感測器所產生之關於一或更多製造工具的感測器數據，判定關於該一或更多製造工具的候選工具失效； 一符號元件，基於關於該一或更多製造工具的數據，產生該候選工具失效的符號數據集；及 一比對元件，基於該符號數據集及關於至少一先前判定之工具失效之至少一其他的符號數據集，將該候選工具失效與該至少一先前判定之工具失效加以比對。
  2. 如申請專利範圍第1項之系統，更包含一轉換元件，基於該候選工具失效的處理數據，產生關於該候選工具失效的一轉換值。
  3. 如申請專利範圍第2項之系統，其中該比對元件進一步基於該轉換值，將該候選工具失效與該至少一先前判定之工具失效加以比對。
  4. 如申請專利範圍第2項之系統，其中該比對元件判定該符號數據集及該至少一其他的符號數據集間之差異。
  5. 如申請專利範圍第4項之系統，其中該比對元件基於該轉換值、和該符號數據集及該至少一其他的符號數據集間之差異，判定該符號數據集及該至少一其他的符號數據集間之類似性。
  6. 如申請專利範圍第1項之系統，其中該比對元件將該候選工具失效與一工具失效聯繫起來，以回應該候選工具失效類似於該至少一先前判定之工具失效之判定。
  7. 如申請專利範圍第1項之系統，其中該比對元件從儲存關於一組先前判定之工具失效的一組符號數據集的一數據庫中接收該至少一其他的符號數據集。
  8. 如申請專利範圍第1項之系統，其中該比對元件將該候選工具失效加入一工具失效列表中，以回應該候選工具失效類似於該至少一先前判定之工具失效之判定。
  9. 如申請專利範圍第8項之系統，更包含一排序元件，其基於該符號數據集與該至少一其他的符號數據集之間的類似性，將該候選工具失效排序於該工具失效列表中。
  10. 如申請專利範圍第1項之系統，其中該比對元件將該候選工具失效與關於該一或更多製造工具的一修復計畫聯繫起來。
  11. 如申請專利範圍第1項之系統，其中該符號元件基於該感測器數據產生該候選工具失效的該符號數據集。
  12. 如申請專利範圍第8項之系統，更包含一訓練元件，基於使用者輸入更新該符號數據集。
  13. 如申請專利範圍第12項之系統，其中該訓練元件基於關於工具失效之類似性與非類似性的回饋更新該符號數據集。
  14. 如申請專利範圍第12項之系統，其中該訓練元件更新關於該候選工具失效的轉換值，以修正由該比對元件所判定之該符號數據集與該至少一其他的符號數據集間之類似性。
  15. 一種方法，包含下列步驟: 應用一處理器實施操作，其中該處理器促成儲存於一非暫態電腦可讀媒介上的電腦可執行指令之執行，而該操作包含: 基於由一組感測器所產生之關於一或更多製造工具的感測器數據，識別關於該一或更多製造工具的候選工具失效； 基於該感測器數據及關於該一或更多製造工具的其他數據，產生該候選工具失效的符號數據集；及 將該符號數據集與關於至少一工具失效的至少一其他的符號數據集加以比對。
  16. 如申請專利範圍第15項之方法，更包含基於該候選工具失效的處理數據，產生關於該候選工具失效的一轉換值。
  17. 如申請專利範圍第16項之方法，更包含基於該符號數據集、該至少一其他的符號數據集、及該轉換值，將該候選工具失效與該至少一工具失效加以比對。
  18. 如申請專利範圍第16項之方法，更包含判定該符號數據集及該至少一其他的符號數據集間之差異。
  19. 如申請專利範圍第18項之方法，更包含基於該轉換值、和該符號數據集及該至少一其他的符號數據集間之差異，判定該符號數據集及該至少一其他的符號數據集間之類似性。
  20. 一種電腦可讀媒介，其具有儲存於其上的電腦可執行指令，該電腦可執行指令回應於包括一處理器之一系統的執行動作而促使該系統執行操作，該操作包括: 判定關於一或更多製造工具的候選工具失效； 基於關於該一或更多製造工具的數據產生該候選工具失效的符號數據集；及 將該符號數據集與關於至少一先前判定之工具失效的至少一其他的符號數據集加以比對。
  21. 如申請專利範圍第20項之電腦可讀媒介，其中該操作更包括基於該候選工具失效的處理數據產生關於該候選工具失效的一轉換值。
  22. 如申請專利範圍第20項之電腦可讀媒介，其中該比對操作包括基於該符號數據集、該至少一其他的符號數據集、及該轉換值，將該候選工具失效與該至少一先前判定之工具失效加以比對。
TW105123001A 2015-07-22 2016-07-21 使用空間歪曲類似性進行工具失效分析的系統、方法、及電腦可讀媒介 TWI616736B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US14/805,793 2015-07-22
US14/805,793 US10228678B2 (en) 2015-07-22 2015-07-22 Tool failure analysis using space-distorted similarity

Publications (2)

Publication Number Publication Date
TW201715320A true TW201715320A (zh) 2017-05-01
TWI616736B TWI616736B (zh) 2018-03-01

Family

ID=57835165

Family Applications (1)

Application Number Title Priority Date Filing Date
TW105123001A TWI616736B (zh) 2015-07-22 2016-07-21 使用空間歪曲類似性進行工具失效分析的系統、方法、及電腦可讀媒介

Country Status (5)

Country Link
US (1) US10228678B2 (zh)
KR (1) KR102564629B1 (zh)
CN (1) CN107923731B (zh)
TW (1) TWI616736B (zh)
WO (1) WO2017015155A1 (zh)

Families Citing this family (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9396443B2 (en) * 2013-12-05 2016-07-19 Tokyo Electron Limited System and method for learning and/or optimizing manufacturing processes
US10853534B2 (en) * 2015-12-03 2020-12-01 Taiwan Semiconductor Manufacturing Co., Ltd. Fault related FDC feature extraction
US10831162B2 (en) * 2016-06-28 2020-11-10 General Electric Company Systems and methods for providing an integrated power plant advisor
DE102018111892B4 (de) 2017-05-22 2023-06-29 Okuma Corporation Betriebsüberwachungsvorrichtung und Steuerprogramm dafür
EP3415988A1 (en) 2017-06-14 2018-12-19 ASML Netherlands B.V. Device manufacturing methods
US11137739B2 (en) * 2017-08-28 2021-10-05 Mitsubishi Electric Corporation Numerical control system
US10777470B2 (en) * 2018-03-27 2020-09-15 Pdf Solutions, Inc. Selective inclusion/exclusion of semiconductor chips in accelerated failure tests
KR102589004B1 (ko) * 2018-06-18 2023-10-16 삼성전자주식회사 반도체 불량 분석 장치 및 그것의 불량 분석 방법
CN115039040A (zh) * 2020-02-21 2022-09-09 纳米电子成像有限公司 制造过程的系统、方法和介质
DE102022108584A1 (de) 2022-04-08 2023-10-12 Krones Aktiengesellschaft Verfahren und Vorrichtung zur automatischen Ermittlung eines aktuellen Zustands einer in Betrieb befindlichen Anlage
US11966393B2 (en) * 2022-06-15 2024-04-23 Sap Se Adaptive data prefetch

Family Cites Families (37)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4806914A (en) * 1987-05-07 1989-02-21 General Electric Company Detection by automatic gain control features of gradual cutting tool breakage
US5663894A (en) * 1995-09-06 1997-09-02 Ford Global Technologies, Inc. System and method for machining process characterization using mechanical signature analysis
US6701204B1 (en) * 2000-05-22 2004-03-02 Mosel Vitelic Inc. System and method for finding defective tools in a semiconductor fabrication facility
US6580960B1 (en) * 2000-06-22 2003-06-17 Promos Technologies, Inc. System and method for finding an operation/tool combination that causes integrated failure in a semiconductor fabrication facility
US6701259B2 (en) * 2000-10-02 2004-03-02 Applied Materials, Inc. Defect source identifier
US6744266B2 (en) * 2000-10-02 2004-06-01 Applied Materials, Inc. Defect knowledge library
US6604013B1 (en) * 2000-10-11 2003-08-05 Ford Motor Company Tool failure detection utilizing frequency derived, pre-characterization templates
US7356430B2 (en) * 2001-05-24 2008-04-08 Test Advantage, Inc. Methods and apparatus for data analysis
JP4348412B2 (ja) * 2001-04-26 2009-10-21 東京エレクトロン株式会社 計測システムクラスター
US6834212B1 (en) * 2002-07-03 2004-12-21 Blue Control Technologies, Inc. Method and apparatus for APC solver engine and heuristic
US6885977B2 (en) * 2002-12-20 2005-04-26 Applied Materials, Inc. System to identify a wafer manufacturing problem and method therefor
US6952653B2 (en) * 2003-04-29 2005-10-04 Kla-Tencor Technologies Corporation Single tool defect classification solution
US7079966B2 (en) * 2003-09-08 2006-07-18 Lsi Logic Corporation Method of qualifying a process tool with wafer defect maps
US6900385B1 (en) * 2004-02-05 2005-05-31 Huei-Yi Hsu Fastening belt for quickly wrapping electric cables
TW200622275A (en) 2004-09-06 2006-07-01 Mentor Graphics Corp Integrated circuit yield and quality analysis methods and systems
US7277824B1 (en) * 2005-07-13 2007-10-02 Advanced Micro Devices, Inc. Method and apparatus for classifying faults based on wafer state data and sensor tool trace data
US7451009B2 (en) * 2005-09-07 2008-11-11 General Instrument Corporation Method and apparatus for product defect classification
US7711674B2 (en) * 2005-11-01 2010-05-04 Fuji Xerox Co., Ltd. System and method for automatic design of components in libraries
US7676077B2 (en) * 2005-11-18 2010-03-09 Kla-Tencor Technologies Corp. Methods and systems for utilizing design data in combination with inspection data
US7596718B2 (en) * 2006-05-07 2009-09-29 Applied Materials, Inc. Ranged fault signatures for fault diagnosis
US7890813B2 (en) * 2006-05-11 2011-02-15 Oracle America, Inc. Method and apparatus for identifying a failure mechanism for a component in a computer system
EP1955830B1 (en) * 2007-02-06 2014-04-09 Abb Research Ltd. A method and a control system for monitoring the condition of an industrial robot
US8615695B2 (en) * 2007-04-04 2013-12-24 Mentor Graphics Corporation Fault dictionary-based scan chain failure diagnosis
US20080297667A1 (en) * 2007-06-01 2008-12-04 Concepttapistry, Llc Projection apparatus with direct attachment of external storage media
US8078552B2 (en) * 2008-03-08 2011-12-13 Tokyo Electron Limited Autonomous adaptive system and method for improving semiconductor manufacturing quality
US8190543B2 (en) * 2008-03-08 2012-05-29 Tokyo Electron Limited Autonomous biologically based learning tool
US8396582B2 (en) * 2008-03-08 2013-03-12 Tokyo Electron Limited Method and apparatus for self-learning and self-improving a semiconductor manufacturing tool
US7872489B2 (en) * 2008-04-28 2011-01-18 Freescale Semiconductor, Inc. Radiation induced fault analysis
US9710903B2 (en) * 2008-06-11 2017-07-18 Kla-Tencor Corp. System and method for detecting design and process defects on a wafer using process monitoring features
US8185781B2 (en) * 2009-04-09 2012-05-22 Nec Laboratories America, Inc. Invariants-based learning method and system for failure diagnosis in large scale computing systems
US8234001B2 (en) * 2009-09-28 2012-07-31 International Business Machines Corporation Tool commonality and stratification analysis to enhance a production process
US8954184B2 (en) * 2011-01-19 2015-02-10 Tokyo Electron Limited Tool performance by linking spectroscopic information with tool operational parameters and material measurement information
US8723869B2 (en) * 2011-03-21 2014-05-13 Tokyo Electron Limited Biologically based chamber matching
US9746849B2 (en) * 2012-11-09 2017-08-29 Tokyo Electron Limited Method and apparatus for autonomous tool parameter impact identification system for semiconductor manufacturing
US9405289B2 (en) * 2012-12-06 2016-08-02 Tokyo Electron Limited Method and apparatus for autonomous identification of particle contamination due to isolated process events and systematic trends
KR101466798B1 (ko) * 2014-05-20 2014-12-01 삼성전자주식회사 제조 공정에서의 제품 불량의 원인 설비를 탐지하는 방법 및 장치
US9955274B2 (en) * 2015-04-08 2018-04-24 The Boeing Company Vibration monitoring systems

Also Published As

Publication number Publication date
KR20180031698A (ko) 2018-03-28
CN107923731A (zh) 2018-04-17
US10228678B2 (en) 2019-03-12
CN107923731B (zh) 2020-11-20
WO2017015155A1 (en) 2017-01-26
KR102564629B1 (ko) 2023-08-07
US20170023927A1 (en) 2017-01-26
TWI616736B (zh) 2018-03-01

Similar Documents

Publication Publication Date Title
TWI616736B (zh) 使用空間歪曲類似性進行工具失效分析的系統、方法、及電腦可讀媒介
KR102376824B1 (ko) 제조 공정들을 학습하고 제조 공정들을 최적화하기 위한 시스템 및 방법
KR101917006B1 (ko) 머신 러닝 기반 반도체 제조 수율 예측 시스템 및 방법
JP6896069B2 (ja) ｋ近傍およびロジスティック回帰アプローチを用いた時系列異常検出、異常分類、ならびに遷移分析
Zhao et al. Step-wise sequential phase partition (SSPP) algorithm based statistical modeling and online process monitoring
US20150332167A1 (en) System and method for modeling and/or analyzing manufacturing processes
TWI391840B (zh) 使用處理資料及良率資料之處理控制
JP7102941B2 (ja) 情報処理方法、情報処理装置、及びプログラム
US10579042B2 (en) Defect rate analytics to reduce defectiveness in manufacturing
JP6629204B2 (ja) ツールプロセスデータの多変量解析を提供するためのｋ近傍法に基づく方法及びシステム
TWI649649B (zh) 用於改進製造產量之基於事件處理的系統
US10691116B2 (en) Intelligent processing modulation system and method
KR20140088189A (ko) 시간­기반의 장비 센서 데이터 및 재료­기반의 계측 통계적 프로세스 제어 데이터의 양­방향적 연관 및 그래픽적 획득
US8682058B2 (en) Defect analysis method, apparatus, and recording medium using pattern dependence degree
JP2011054804A (ja) 半導体製造装置の管理方法およびシステム
KR102623389B1 (ko) 센서 데이터에 기반한 복수의 제조 공정 장비 간 정합성검사 방법, 장치 및 프로그램
US20130030760A1 (en) Architecture for analysis and prediction of integrated tool-related and material-related data and methods therefor
JP2024507688A (ja) 測定値違反解析を使用したプロセス異常の識別
TW202424895A (zh) 用於索引和半導體缺陷影像檢索的建模
CN114329877A (zh) 机台制程参数的异常监测装置、方法及可读存储介质
TW200407743A (en) Complex multivariate analysis system and method