TW202301212A - 共享資料誘導之用於材料之品質控制系統 - Google Patents
共享資料誘導之用於材料之品質控制系統 Download PDFInfo
- Publication number
- TW202301212A TW202301212A TW111110041A TW111110041A TW202301212A TW 202301212 A TW202301212 A TW 202301212A TW 111110041 A TW111110041 A TW 111110041A TW 111110041 A TW111110041 A TW 111110041A TW 202301212 A TW202301212 A TW 202301212A
- Authority
- TW
- Taiwan
- Prior art keywords
- data
- computer
- raw material
- program
- mapping
- Prior art date
Links
- 239000000463 material Substances 0.000 title claims abstract description 47
- 238000003908 quality control method Methods 0.000 title description 8
- 238000000034 method Methods 0.000 claims abstract description 169
- 238000004519 manufacturing process Methods 0.000 claims abstract description 116
- 239000002994 raw material Substances 0.000 claims abstract description 89
- 230000008569 process Effects 0.000 claims abstract description 83
- 238000013506 data mapping Methods 0.000 claims abstract description 34
- 238000012367 process mapping Methods 0.000 claims abstract description 30
- 238000013480 data collection Methods 0.000 claims description 28
- 238000004458 analytical method Methods 0.000 claims description 26
- 238000013528 artificial neural network Methods 0.000 claims description 21
- 239000000126 substance Substances 0.000 claims description 19
- 238000004422 calculation algorithm Methods 0.000 claims description 15
- 238000013499 data model Methods 0.000 claims description 13
- 238000007637 random forest analysis Methods 0.000 claims description 9
- 238000007405 data analysis Methods 0.000 claims description 8
- 229910052751 metal Inorganic materials 0.000 claims description 8
- 239000002184 metal Substances 0.000 claims description 8
- 238000012549 training Methods 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 5
- 238000010238 partial least squares regression Methods 0.000 claims description 5
- 239000012535 impurity Substances 0.000 claims description 4
- 238000012552 review Methods 0.000 claims description 4
- 239000004065 semiconductor Substances 0.000 claims description 3
- 238000003860 storage Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 claims description 2
- 239000003814 drug Substances 0.000 claims description 2
- 238000010946 mechanistic model Methods 0.000 claims description 2
- 238000002156 mixing Methods 0.000 claims description 2
- 238000000491 multivariate analysis Methods 0.000 claims description 2
- 238000007781 pre-processing Methods 0.000 claims description 2
- 238000003077 quantum chemistry computational method Methods 0.000 claims description 2
- 229940079593 drug Drugs 0.000 claims 1
- 239000000047 product Substances 0.000 description 47
- 238000011161 development Methods 0.000 description 24
- 230000018109 developmental process Effects 0.000 description 24
- 238000013459 approach Methods 0.000 description 20
- 238000003324 Six Sigma (6σ) Methods 0.000 description 8
- 230000000875 corresponding effect Effects 0.000 description 8
- 238000012546 transfer Methods 0.000 description 8
- 230000009471 action Effects 0.000 description 7
- 238000005259 measurement Methods 0.000 description 6
- 238000005498 polishing Methods 0.000 description 6
- 230000013016 learning Effects 0.000 description 5
- 238000013507 mapping Methods 0.000 description 5
- 239000002002 slurry Substances 0.000 description 5
- 230000002776 aggregation Effects 0.000 description 4
- 238000009826 distribution Methods 0.000 description 4
- 150000002739 metals Chemical class 0.000 description 4
- 239000000654 additive Substances 0.000 description 3
- 238000004220 aggregation Methods 0.000 description 3
- 230000001276 controlling effect Effects 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 239000002245 particle Substances 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 238000012876 topography Methods 0.000 description 3
- 238000012356 Product development Methods 0.000 description 2
- 238000003070 Statistical process control Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 239000007800 oxidant agent Substances 0.000 description 2
- 238000013439 planning Methods 0.000 description 2
- 238000007517 polishing process Methods 0.000 description 2
- 230000001105 regulatory effect Effects 0.000 description 2
- 238000005389 semiconductor device fabrication Methods 0.000 description 2
- 229910021654 trace metal Inorganic materials 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 239000012190 activator Substances 0.000 description 1
- 238000005054 agglomeration Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 239000003124 biologic agent Substances 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 239000003054 catalyst Substances 0.000 description 1
- 150000001768 cations Chemical class 0.000 description 1
- 239000002738 chelating agent Substances 0.000 description 1
- 238000003889 chemical engineering Methods 0.000 description 1
- 238000003486 chemical etching Methods 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 238000013479 data entry Methods 0.000 description 1
- 238000013075 data extraction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000008021 deposition Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000001747 exhibiting effect Effects 0.000 description 1
- 239000010408 film Substances 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 239000012467 final product Substances 0.000 description 1
- 238000005189 flocculation Methods 0.000 description 1
- 230000016615 flocculation Effects 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 238000000227 grinding Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000004989 laser desorption mass spectroscopy Methods 0.000 description 1
- 239000003446 ligand Substances 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 229910021645 metal ion Inorganic materials 0.000 description 1
- 238000010327 methods by industry Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000001556 precipitation Methods 0.000 description 1
- 239000003755 preservative agent Substances 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 229920006395 saturated elastomer Polymers 0.000 description 1
- 239000002904 solvent Substances 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
- 239000003381 stabilizer Substances 0.000 description 1
- 238000010186 staining Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
- 239000004094 surface-active agent Substances 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 239000010409 thin film Substances 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
- 230000003442 weekly effect Effects 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
- 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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06395—Quality analysis or management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/901—Indexing; Data structures therefor; Storage structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
-
- 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- G06Q10/0633—Workflow analysis
-
- 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
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
- G06Q10/06375—Prediction of business process outcome or impact based on a proposed change
-
- 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
- G06Q10/067—Enterprise or organisation modelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
-
- 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
- G05B2219/32368—Quality control
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- Manufacturing & Machinery (AREA)
- General Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Evolutionary Computation (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- Databases & Information Systems (AREA)
- Primary Health Care (AREA)
- Molecular Biology (AREA)
- Computational Linguistics (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Automation & Control Theory (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- General Factory Administration (AREA)
- Mechanical Treatment Of Semiconductor (AREA)
Abstract
一種用於開發或改良用於從一材料生產一產品之一程序之方法包括以下步驟：藉由使用一資料收集電腦(10)從至少兩個不同來源獲取用於該生產程序(3)及其相關參數(2)之原料資料(21、21a、21b)；藉由使用一程序映射電腦(11)使用與該生產程序(3)有關之該經獲取原料資料(21、21a、21b)來執行一程序映射步驟；藉由使用一資料映射電腦(12)執行一資料映射步驟而將與該生產程序之該等相關參數(2)有關之該經獲取原料資料(21、21a、21b)指派給其對應程序部分(3)；使用在一分析電腦(13)上執行之一特定軟體分析由此映射之程序描述(5)，藉此識別及驗證與該生產程序之品質或效能有關之一或多個現有特性(8)；及使用該等經識別及驗證特性(8)來開發該生產程序或改良其效能。
Description
本發明係關於一種用於確保用於從一或多個材料生產一產品之一程序中之產品品質之方法及系統。
本發明屬於程序自動化、品質控制及供應鏈最佳化之技術領域。
現代生產程序係非常複雜之事項，其等受到與原料輸入、設備及加工機具、人類互動等有關之許多變數之影響。甚至最輕微變動可導致成品之顯著品質問題，從而使其等變差或甚至滯銷。此可導致製造商及/或客戶無法接受之缺陷，尤其在諸如化學或製藥之高度管制行業中。在當前最先進技術中已知存在許多方式來改良生產程序且確保所製造產品之品質。如今，此等方法大多數係資料驅動的，其中基於從生產程序收集之資料來監測及控制相關參數。
該等途徑之一者係六標準差方法，其在控制階段中主要集中於使用統計程序控制(SPC)來識別一所關注程序中之可指派變動原因。假設一程序之輸出係具有群體平均值μ及標準偏差σ之一隨機變數。如果吾人從程序輸出進行替換取樣，且樣本大小足夠大，則樣本平均值之分佈將為近似常態的，而無關於母群體之分佈。此外，樣本平均值之算術平均值提供群體平均值之一點估計，且樣本平均值之標準偏差可用於估計群體標準偏差。此等性質在統計學中被稱為中央極限定理，且憑藉此，吾人可計算針對來自一給定程序之預期輸出設定上界及下界之控制限制。超過此等控制限制之一量測值係一統計上顯著之事件，其需要進一步研究以識別及解決根本原因。換言之，該值偏離預期分佈達到一定程度，使得其極不可能由與先前資料相同之程序產生，且因此必定存在程序之外之某一可指派原因對該偏差負責。所量測之程序變數之分佈亦可與已知規格限制之擴展進行比較以量化程序能力。鑑於一特定程序目標及伴隨誤差公差，吾人可直接計算一能力指標比率，其指示該程序產生可接受品質之輸出之能力。
從美國專利US 7,181,353 B2，已知一種用於將六標準差整合至外包產品之一檢測接收程序中之方法且該方法包含以下步驟：定義產品驗收標準之規格限制；經由一MES (製造執行系統)及SCADA (監督控制及資料獲取)識別一次標準產品且將其報告給授權人員處置；準備含有歷史資料之一報告，識別根本原因且指派一校正動作；分離次標準產品且在MES中記載次標準產品；處置次標準產品；在MES中記載及記錄校正動作；及概述回收及消除一不合格進貨產品之一方法。本方法可提供一種用於一封閉迴路校正動作(CLCA)之裝置。
美國專利US 6,675,135 B1揭示一種在一產品開發程序期間使用之方法，其中該程序包含一系列連續開發階段，且該產品包含至少兩個關鍵品質特性(CTQ)。該方法係用於產生一可信度矩陣，該可信度矩陣可用於透過產品設計來增加一產品品質。一使用者最初提供產品限制，且其後在各連續開發階段期間提供額外開發資訊。在至少兩個開發階段期間且針對各CTQ，使用開發資訊來判定指示產品將在指定限制內之概率之一品質因數。識別指示品質因數係準確之概率之一可信區間。接著，配置品質因數、CTQ及可信度因數，使得CTQ及因數相互關聯。
該等已知方法非常緊密地依附於六標準差途徑，從而集中於該方法之特定步驟以確保設定品質標準且因此較不適合於在與該方法不同之替代途徑中使用。此外，六標準差係一程序改良方法，其依賴於「客戶之聲」且經由專家輸入進行優先排序及過濾。其通常不包含使用機器學習工具之現代資料驅動方途徑。因此，在與該等自動化方法一起使用時，其具有缺陷，例如，重複檢查人類專家分析。一些亦已陳述，六標準差標準不足以真正保證無缺陷產品。而且，所提出之方法不限於預定義範疇項目。在六標準差程序之定義階段中，範疇內及範疇外項目由參與專案團隊之專家明確定義。此處，使用物理優先途徑來縮小可能與客戶之聲有關之可疑區域。範疇外項目可在或可不在進一步專案中進行研究。因此，即使問題可在專案框架內以六標準差途徑解決，仍不存在系統方式或方法來考量範疇外項目。長期而言，此可妨礙發現問題之根本原因。可無法為即將到來之偏差提供一可持續問題解決方案。
另一點係，在具有不同生產程序及理念(例如，如一材料提供商及一實際生產商)之不同生產地點之情況中，六標準差途徑導致或更佳地需要對準及/或合併該兩個不同生產程序。此可為困難的，且取決於程序之不同程度而導致許多工作。
此外，此領域中之一特定問題係，成品品質之非所要變動主要由原料輸入驅動而非僅由程序變數驅動。原料品質係高度可變的，且產品批次之次佳批選擇可導致未達到客戶接受限制，且需要報廢或返工所生產之批次。
關於此領域之另一特定點係，電路組件之特徵大小已快速減小，同時金屬層之數目已快速增加，從而導致裝置形貌展現抑制保形沈積之特徵。對構成積體電路(IC)之各種薄膜層之全域表面平坦化之需求已大幅增加。
化學機械平坦化係其中透過表面上之化學力及物理力之組合作用使一基板之表面光滑且平坦化之一程序。CMP組合兩個技術之優點，同時避免缺點。然而，表面之純研磨將導致過多物理損害，且純化學蝕刻將無法達成平坦化，兩者之組合作用以最小損害產生一良好平坦化之表面。
除了將粗糙形貌降低至一平坦化狀態之事實之外，化學機械平坦化(CMP)亦具有半導體裝置製造之數種優點。CMP容許裝置製造商在一單一步驟中達成整個晶圓表面之全域平坦化。該途徑可用於平坦化一廣泛範圍之材料，從不同金屬至不同氧化膜。化學機械拋光係已由當今半導體工業選擇之平坦化方法。
一化學機械平坦化工具由被一拋光墊覆蓋之一旋轉台板組成。晶圓面朝下安裝於以一指定力壓抵於該墊之一載體中。此力可使用一經定義及調節之氣體壓力或一機械前級壓力系統來提供。晶圓亦在拋光程序期間旋轉。拋光墊被泵送至墊上之一漿液浸透。在晶圓在其自身軸上旋轉且繞拋光墊移動同時被迫抵於墊時，發生晶圓表面之拋光。在拋光程序期間，晶圓表面之高點自然經受更多壓力，且因此經受更多研磨力。此與化學蝕刻劑之作用組合以在表面形貌中之高點處之材料產生相對於低點處之材料的一增強移除率。此產生程序中之平坦化效應。
一化學機械平坦化漿液通常包括：磨料顆粒，其等用以在表面上提供物理力；化學添加劑，其等用以促進移除率；化學添加劑，其等用以減少凹陷；化學添加劑，其等用以減少腐蝕；氧化劑，其等用以化學地蝕刻材料；活化劑或觸媒，其等用以與氧化劑相互作用且促進自由基之形成；防腐劑；穩定劑，其等用以促使或促進組合物之穩定以防止沈降、凝絮(包含顆粒之沈澱、聚合或凝聚及類似物)及分解；一表面活性劑，其用以在拋光期間及之後幫助保護晶圓表面以減少晶圓表面中之缺陷；螯合劑，其等用以增強螯合配位基對金屬陽離子之親和力及/或防止金屬離子在墊上之堆積(此導致墊染色及移除率之不穩定)；pH調節劑；除生物劑，其等用以控制生物生長；一溶劑，諸如水。CMP漿液大量使用化學材料。
為了在微型化裝置尺寸下達成高效平坦化，需要更佳地理解且因此更佳地控制在存在流體漿液之情況下發生在該墊及晶圓之介面上之摩潤機械現象之物理、化學及複合相互作用。
因此，CMP漿液之生產程序係非常複雜之事項，其等取決於關於所涉及材料、工具、生產機器、負責工作人員等之許多參數及變數。因此，需要特性化、最佳化及模型化該程序。
為了改良生產程序且確保產品之品質，當前最先進技術中已知存在許多方式來監督整個程序。如今，其等大多數係由資料驅動的，其中若未滿足目標值，則定期監測及檢查生產程序之相關參數及變數。
因此，為了遵守及增強此當前最先進技術，將期望找到一新途徑來操作自動化生產管理系統，此進一步在品質及可靠性方面增強生產程序，且可高效地處置不同程序。
因此，將期望找到一新途徑來操作自動化生產管理系統，此進一步在取決於原料輸入之所得產品品質方面增強生產程序。
此任務可藉由一種用於確保用於從一材料生產一產品之一程序中之產品品質之方法來解決，該方法包括以下步驟：藉由使用一資料收集電腦從至少兩個不同來源獲取用於該生產程序及其相關參數之原料及成品品質資料；藉由使用一程序映射電腦在一程序映射步驟中將該經獲取原料資料映射至該生產程序；使用在一分析電腦上執行之特定軟體分析由此映射之程序描述，藉此識別及驗證與該所生產產品之該品質有關之一或多個現有特性；及使用該等經識別及驗證特性來選擇最適合可用原料資料以改良該所得產品品質。本發明之核心係首先追蹤與應被創建或改良之所要生產程序有關之全部可能相關資料，特定言之，由其特定參數描述之原料資料。此資料從至少兩個不同來源收集，如不同生產地點、內部品質控制、供應商分析證書(CoA)，且除原料資料之外亦含有例如內部程序資料及客戶資料。兩個不同來源之一者通常係原料提供商，此係因為其等具有最多關於材料之知識。當然，不同來源亦可經定位於相同生產地點中，且源於例如兩個不同生產機器。因此，資料可在結構、格式、語法等方面不同。在程序映射步驟中，接著使用與所要程序有關之可用資料來建立及定義程序結構，如特定程序方法步驟及所需程序組件。其亦包含映射來自第一來源及其他來源之資料，因此可處理兩種不同資料類型。此處之重點並非簡單地對準來自不同來源之資料以在單一程序上創建，而是使其保持分離且將其映射在一起，因此隨後可對其進行處理及分析。可用原料資料可含有供應商之材料資料，如CoA (分析證書，例如，金屬)、額外內部原料(品質)量測(例如，微量金屬雜質位準及純度位準)，而且批次譜系(哪些原料批及量)被整理至一單一資料檔案中。如果使用程序資料，則其可描述例如被視為待藉由發明方法改良之一已存在生產程序。或其可含有描述一所要新生產程序之資料(如可用生產機器及類似物)以創建最高效之新生產程序。在資料映射步驟中，接著將與其參數有關之經獲取原料資料指派或映射至來自程序映射步驟中之創建程序之其程序對應物，其等與此等參數有關。程序及資料映射之兩個方法步驟可同時執行，或資料映射步驟可在程序映射步驟之後執行。在成功定義程序(包含經指派原料資料)之後，在分析步驟中進行實際程序評估。在該評估期間，一特殊軟體被饋入經映射原料資料及最終程序資料且分析其內容以搜尋揭示一程序之特性之特定型樣及相依性，其等可用於改良經建立程序。該軟體可使用不同種類之演算法。其可使用例如一人工智慧途徑，如監督式、非監督式、半監督式及強化學習等。哪一者最適合取決於可用原料及最終程序資料之種類。重要的是，演算法得到訓練以找到型樣或識別程序之影響因素。該途徑可藉由使用梯度提升決策樹、人工神經網路(ANN)或其他者來實施。接著，此ANN可藉由學習其之經饋入映射原料資料來進一步改良其效能。但其他AI軟體途徑亦為可能的。軟體亦可替代地使用來自古典統計學之途徑，只要其等適合於判定特性。亦可使用基於物理及機械之模型，如質量平衡。接著，哪一途徑係最適合且因此被選擇取決於具體情況及原料資料之各自種類。在創建經映射及分析程序且識別特性之後，將該等特性應用於生產程序，因此改良生產程序及所得產品品質。該等特性可另外用於從程序專家獲得之深刻見解以改良產品品質。特定言之，基於選擇具有對應特性之特定原料批，模型將給出成品品質之一預測。藉由相同原料之不同批之變動，獲得成品品質之不同預測。藉由選擇正確原料批，可選擇最適合於客戶之一最終產品品質。軟體能夠愈佳地判定特性，愈不需要來自人類專家之專業知識。全部該等方法步驟由經組態以執行方法步驟之電腦執行。整個程序可藉由數學最佳化技術來自動化，其中使用者僅提供成品品質規格限制及應如何懲罰從此等限制之一偏差之一加權。接著，最佳化演算法基於使用者設定來選取最適合原料批。雖然期望方法步驟之完全自動化(此取決於所使用之硬體及軟體之能力)，但人類支援(例如在評估經獲取資料或經識別特性時)可為必要的。對所涉及之電腦之最低要求包含其等處理、傳送及顯示經獲取原料及最終程序資料以及執行軟體分析步驟之能力。電腦本身可為不同位置處之不同電腦，其等經由網際網路、本端網路等彼此連接，或其等之一些或全部可為相同的。
吾等之途徑之範疇不限於此。長期而言，從一使用案例之學習被向下級聯至研發以進行產品開發，且亦被級聯返回至採購(供應商)。鑑於此等學習，專家致力於控制從吾等之供應商購買最佳材料，同時針對吾等之客戶在研發中之新應用技術研究下一代材料之規格。
本發明之有利且因此較佳進一步發展從相關聯子技術方案以及描述及相關聯圖式出現。
所揭示方法之該等較佳進一步發展之一者包括為了獲取用於生產程序及其相關參數之資料，使程序資料從連接至資料收集電腦之一資料庫擷取、藉由使用資料收集裝置(尤其是感測器)觀察程序而創建，及/或由一人類使用者提供。此等途徑之哪一者在哪一組合中取決於目標生產程序。通常，如果涉及來自感測器之至少一些當前資料，則程序資料具有一更佳品質。
所揭示方法之該等較佳進一步發展之另一者包括藉由觀察生產程序來獲取資料係在該程序之先前執行期間及/或在使用經識別及驗證特性之後之一當前執行期間進行。藉由如此做，確保經獲取資料始終係最新的。如果AI方法(如ANN)使用最新資訊來訓練及使用，則其亦大幅改良使用其等之效率。
所揭示方法之該等較佳進一步發展之另一者包括藉由描述來自不同來源之生產程序或其前階段之結構(包含必要組件、程序序列或程序步驟、成分(如原料)及類似物)來執行程序映射。藉由如此做，程序被定義且此後可由軟體分析以創建或改良其效能。
所揭示方法之該等較佳進一步發展之另一者包括藉由將從全部涉及地點獲取之程序參數(如溫度、原料之混合比、時間及類似物)指派給其對應程序組件及程序序列或步驟來執行資料映射。在程序映射定義程序結構、其必要組件及類似物時，資料映射將其參數指派給在程序映射中定義之其等相關程序組件。接著，由此準備之程序資料準備好藉由軟體效能相關特性來分析。
所揭示方法之該等較佳進一步發展之另一者包括由軟體使用監督式及非監督式演算法(包含具有使用如多變量分析(如PLS迴歸、PCA、隨機森林、XGBoost及人工神經網路、PLS迴歸及/或隨機森林或類似物)之途徑之一資料模型之一資料分析框架)或使用監督式及/或非監督式靜態演算法執行資料分析。兩個種類之演算法(監督式及AI相關或不相關)皆可由軟體使用。但所討論之程序愈複雜，愈難以提供具有真正識別全部所要程序特性之一非學習途徑之一軟體。該等更適合於但當然不限於較不複雜之生產程序，或僅需評估特定定義程序部分。
所揭示方法之該等較佳進一步發展之另一者包括分析資料係使用機械模型、基於物理之模型、基於(偏)微分方程式之模型及基於量子化學運算之模型來執行。該方法不限於該等模型類型，但其等係最適合之模型類型。
所揭示方法之該等較佳進一步發展之另一者包括其中監督式演算法之結構係使用來自程序及資料映射之程序描述之結果訓練PLS迴歸、PCA、隨機森林、XGBoost及人工神經網路或類似物之結果。人工神經網路(ANN)或類似物非常適合於評估該等複雜生產程序，此係因為其等不僅可使用來自程序及資料映射步驟之經映射資料進行訓練且因此適應於生產程序，無論其變得多麼複雜。其等亦可用於發明方法之多次反覆中，隨著其等被用於識別程序特性之頻率增加，其等之適應性愈來愈佳。
所揭示方法之該等較佳進一步發展之另一者包括藉由檢驗至少兩個不同來源而由在資料收集電腦中輸入程序資料之一使用者手動地獲取程序資料或由在資料收集電腦或連接至其之一單獨電腦上執行之一資料收集軟體自動地獲取程序資料，其中資料收集軟體將資料傳輸至資料收集電腦。使用該等途徑之哪一者取決於所使用之硬體及軟體之限制及能力。可自動獲取之資料愈多愈好。
所揭示方法之該等較佳進一步發展之另一者包括使用至少兩個不同生產地點作為至少兩個不同來源。該等不同地點可為例如生產產品之原料之一個地點(其由一材料提供商監督)，而另一地點係實際生產工廠。
所揭示方法之該等較佳進一步發展之另一者包括特性係根本原因，如維護問題，或與程序之效能或品質有關之先前未知程序問題，如用於生產程序之特定設定參數。當本發明用於改良現有生產程序，特定言之用於解決其之一特定問題時，根本原因主要係相關的。但本發明亦可用於藉由識別程序參數及/或組件之間迄今為止未知之連接且藉由因此解決問題或開拓之前未想到的新潛力來創建新生產程序。
所揭示方法之該等較佳進一步發展之另一者包括來自至少兩個所涉及生產地點之生產資料包括原料資料，如特定品質參數或金屬雜質及純度位準、P&ID圖或程序內資料，如感測器資料，包含溫度、流量、罐液位等。該資料通常可被指派給兩個不同類別。一個係原料相關資料，如CoA等，其對於執行程序映射因此定義程序係必要的。另一類別包括程序參數，如感測器資料等，其饋入資料映射步驟。
所揭示方法之該等較佳進一步發展之另一者包括實施一使用者介面，該使用者介面在應用所執行之特定軟體之前使用分析電腦上之一資料平台對經獲取原料資料進行預處理，且將結果寫入至一資料庫，一專用儀表板從資料庫擷取資料以將其提供給使用者以執行一原料檢視。使用者介面亦由分析電腦裝載。另一方面，儀表板較佳地由一Tableau軟體組織；但亦可使用任何其他適合軟體。
所揭示方法之該等較佳進一步發展之另一者包括使用者介面顯示不同原料對一特定品質量測之預測之貢獻以指示最相關原料。
所揭示方法之該等較佳進一步發展之另一者包括生產程序係使用化學機械平坦化之一半導體裝置製造程序。雖然發明方法可用於改良從不同原料創建一產品之每一生產程序，但其特別適合用於半導體裝置製造程序中，較佳地使用CMP程序之程序。
本發明之一進一步組件係一種用於開發或改良用於從一材料生產一產品之一程序之系統，該系統包括：一資料收集電腦，其具有一經連接資料庫及/或至少兩個生產地點，其用於從該至少兩個生產地點獲取用於該生產程序及其相關參數之程序資料；一程序映射電腦，其用於使用與該生產程序有關之該經獲取程序資料執行一程序映射步驟；一資料映射電腦，其用於藉由執行一資料映射步驟而將與該生產程序之該等相關參數有關之該經獲取程序資料指派給其對應程序部分；一分析電腦，其包含使用包含具有一資料模型之一資料分析框架之一監督式演算法在其上執行之一特定軟體，其中該軟體分析該由此映射之程序資料以識別及驗證與該生產程序之品質或效能有關之一或多個現有特性；及一程序執行電腦，其用於藉由應用該等經識別及驗證特性而在該至少兩個生產地點上創建該生產程序及/或改良其效能。該系統執行發明方法。如已說明，系統中之所提及電腦可經建立為單獨系統組件，或可為相同電腦或其等之一組合(只要最適合)。至少具有特定軟體之分析電腦應較佳地為一單獨電腦。如果來自至少兩個不同生產地點之原料資料係自動獲取的，則資料收集電腦需要在生產地點之各者中與一種基於電腦之自動控制連接。在該處，分析電腦上之演算法將哪一批id應被用於生產寫回至各自系統控制中至生產人員。所使用電腦之類型則取決於所執行方法之要求。如果大多數方法步驟係由人類使用者執行於具有一顯示器及一些資料輸入構件或介面之一種個人電腦、平板電腦、行動電話或類似物，如此使用者可將資料提供至電腦且所使用軟體可被使用。更自動地執行該方法，一般言之亦可使用其他類型之電腦，如工業pc、微控制器、單板或嵌入式電腦。用於自動資料傳輸之一明確定義之資料介面及資料傳送網路(如乙太網路、匯流排系統或無線替代方案)則變得更重要。
所揭示系統之一個較佳進一步發展包括至少兩個地點之至少一者係用於生產化學品、藥物或類似物之一工廠，且其他地點之至少一者係一化學材料提供商及/或經銷商。在此情況中，如果需要一自動資料傳送，則兩個地點皆需要連接至資料收集電腦及/或其各自資料庫以提供必要程序資料。如果歸因於不同地點所有者，僅安全、非自動資料傳送係可能的，則連接更間接，例如藉由傳送安全資料儲存及類似物。
所揭示系統之該等較佳進一步發展之另一者包括資料收集電腦裝載一基於電腦之數位平台，該數位平台用於從至少兩個生產地點獲取程序資料。獲取必要程序資料之另一可能性在於使用一數位平台進行資料獲取，全部參與生產地點可將其等之程序相關資料傳送至該數位平台。接著，平台將管理此資料且將其分配至各自程序及/或映射電腦以執行其等之映射步驟。
所揭示系統之該等較佳進一步發展之另一者包括程序映射電腦及資料映射電腦支援人類使用者之輸入終端機執行程序映射及資料映射步驟，而分析電腦係裝載具有監督式及/或非監督式演算法(尤其是一XGBoost、隨機森林或人工神經網路)之軟體之一伺服器，且程序執行電腦係至少兩個生產地點之各自基於電腦之控制終端機之部分或與其相同。如已提及，如果需要人類使用者執行方法步驟之部分，則所使用電腦必須提供各自輸入及輸出構件(如鍵盤、滑鼠、螢幕及類似物)及各自軟體以處理此輸入。如果由軟體使用一ANN，則需要用於此ANN之一適合電腦硬體。
特此，本發明之一進一步組件係一種XGBoost、隨機森林或人工神經網路或其他AI途徑，其結構取決於使用特定訓練資料進行訓練，該訓練資料藉由以下步驟而創建：經由一資料收集電腦從至少兩個不同來源獲取一生產程序及其相關參數之程序資料；經由一程序映射電腦使用與該生產程序有關之該經獲取程序資料來執行一程序映射步驟；藉由經由一資料映射電腦執行一資料映射步驟且從該等經映射程序資料創建訓練資料而將與該生產程序之該等相關參數有關之該經獲取程序資料指派給其對應程序部分。接著，使用由此創建之訓練資料來訓練軟體且建立其必要內部結構，因此其可用於分析經映射程序資料以識別所需程序特性。藉由為軟體提供真實程序資料，對其進行進一步訓練，且改良其分析效能。
本發明之另一組件係一種電腦程式，其包括導致所涉及組件實行以下方法步驟之指令：藉由使用一資料收集電腦從至少兩個不同來源獲取用於該生產程序及其相關參數之原料資料；藉由使用一程序映射電腦使用與該生產程序有關之該經獲取原料資料來執行一程序映射步驟；藉由使用一資料映射電腦執行一資料映射步驟而將與該生產程序之該等相關參數有關之該經獲取原料資料指派給其對應程序部分；使用在一分析電腦上執行之一特定軟體分析由此映射之程序描述程序資料，藉此識別及驗證與該生產程序之品質或效能有關之一或多個現有特性；及使用該等經識別及驗證特性來開發該生產程序或改良其效能。負責單一方法步驟之程式部分在各自電腦部分上運行。程式本身如何分割取決於所涉及之電腦硬體。可使用在所提及電腦之一者或控制本端用戶端程式之一單獨電腦上運行之一主軟體。其他選項包含彼此通信之軟體之同等例項等。
此電腦程式執行所描述之整個方法之唯一要求係所使用程式及其各自硬體組件能夠完全且自動地執行該方法。接著，此一程式可儲存於一電腦可讀儲存媒體及/或資料載波信號上，其導致所涉及組件實行以下方法步驟：經由一資料收集電腦從至少兩個不同來源獲取用於生產程序及其相關參數之程序資料；經由一程序映射電腦使用與該生產程序有關之該經獲取程序資料來執行一程序映射步驟；藉由經由一資料映射電腦執行一資料映射步驟而將與該生產程序之該等相關參數有關之該經獲取程序資料指派給其對應程序部分；使用在一分析電腦上執行之一特定軟體分析該由此映射之程序資料，藉此識別及驗證與該生產程序之品質有關之一或多個現有特性；及經由一程序執行電腦使用該等經識別及驗證特性來創建該生產程序及/或改良其效能。儲存媒體可儲存於任何適合數位記憶體上，如一usb磁碟、一硬碟、一快閃隨身碟等。從該記憶體，其亦可經由使用各自資料載波信號之遠端通信構件(如乙太網路、有線或無線)或任何其他適合網路傳輸構件來提供以將軟體傳輸至其目標硬體。
本發明將藉由呈現兩個較佳例示性實施例來更詳細說明，該兩個較佳例示性實施例基於如歷史效能、客戶因素、屬性及材料處理、原料以及中間因素及屬性之資料揭示用於材料之一主動品質控制系統之各自方式。
圖1展示關於兩個實施例中之必要方法步驟之一概述。在每一例示性實施例中，步驟本身取決於不同條件而不同地執行。在圖2中展示執行該方法之資料分析系統15。如先前說明，其結構亦可因實施例而不同。尤其所涉及電腦之種類可非常不同，此取決於多少步驟係由人類使用者在電腦及應用程式軟體之幫助下執行或由特定電腦使用例如AI軟體自動進行。
圖3揭示關於兩個實例生產地點及其等提供之程序資料類型之一示意性概述。在此情況中，其係一材料供應商地點17及一製造商地點16，其中材料供應商地點17提供關於原料21之資料、程序相關資料1a、來自材料供應商之品質資料20a、其他資料22a等。此資料由資料收集電腦10收集，該資料收集電腦10執行一資料整合19且接著將資料提供至所使用之資料模型6、7，如一PLS模型或一人工神經網路。製造商地點16提供關於其自身之生產程序1b之資料、其自身之品質資料20b、其他資料22b等。接著，經由一安全資料傳送連接器23傳送此資料。兩個地點16、17之間之資料通信由指派給該等地點之網站服務24a、24b執行。另外或替代地，亦可使用第三方網站服務25。此可由例如一數位資料平台集中管理。
第一較佳例示性實施例：
此第一較佳實施例包括在一客戶(在大多數情況中，製造商地點16)處理材料之前用於該材料之一主動品質控制系統。其由所描述之硬體組成，如圖3中已展示。
為了確保所得產品品質，系統首先需要從必要材料識別關鍵參數，該等參數可影響除材料之分析證書(CoA)之外之客戶識別效能指示符。其次，需要識別可影響關鍵指示符之原料及中間參數以及CoA參數以在生產一材料批次之前預測效能。
為此，由系統執行以下步驟。
憑藉一第一資料獲取步驟，經由資料收集電腦10使用資料提取指令碼從多個資料庫擷取資料。清理、轉變、連結、寫碼及正規化多源資料以進行客戶共享。此等資料包含來自品質控制系統之時間序列程序資料(如感測器資料、溫度、壓力、罐液位等)、供應商CoA (分析證書，例如，金屬)之原料資料、額外內部原料量測(如微量金屬雜質位準及純度位準)及批次譜系(意謂哪些原料批及多少量被整理至一單一資料檔案中。
接著，對此資料檔案進行寫碼，較佳地藉由為檔案中之行賦予代碼名稱，且藉由針對各行正規化0與1之間之資料，惟諸如日期、批號等之上下文/離散資料除外。亦由材料供應商地點17提供源資料，且其中其亦含有經寫碼及正規化之上下文及時間序列資料。連結客戶與材料資料之匹配關鍵係材料批號。
在下一程序映射步驟中，由製造工程師及品質控制人員提供一程序概述及說明，且將其輸入至程序映射電腦11中。
在隨後資料映射步驟期間，由標的物專家檢查全部可用資料，且藉由應用化學/程序工程知識來評估資料背後之物理意義。在具有若干程序、品質及資料專家之一工作間中，藉由使用資料映射電腦12將呈原料參數及/或程序參數之形式之可用資料與來自程序映射步驟之資料(如線內物理參數量測等)進行映射或連接。從多個晶圓製造廠收集客戶資料。有時，在不同晶圓製造廠中使用一個成品批次，從而導致不同客戶指示符效能。
最重要方法步驟與資料分析有關。此處，藉由分析電腦13基於材料批號將全部經收集及映射資料與對應材料批號進行匹配。以不同方式使用若干適合資料模型(如PLS、隨機森林及其他者)以預測指示符，突顯特徵重要性，且進一步發展所使用模型。由程序專家對所得特徵重要性進行驗證以合理化發現之物理現象及其對所使用資料模型之有效性。在驗證之後，接下來之步驟如下：
1. 針對各模型創建SHAP或Pearson相關值之一特徵重要性清單。
2. 開發基於有效材料特徵重要性來預測客戶指示符之一模型。
3. 開發預測CoA參數之模型。
4. 使用一隨機訓練及驗證資料集來驗證特徵重要性及模型預測。
5. 執行模型之持續偏差或蠕變以驗證且在可能之情況下改良模型效率。
可將結果呈現給地點所有者及其他客戶。為此，例如，提出控制具有高特徵重要性之有效參數之適合方法。測試已展示，提出所使用之預測模型對實際資料具有經證明效率，且提供與客戶指示符區效能之一良好重疊。在投入生產之前，應對材料批次進行內部檢視，且以規劃、製造及品質進行驗證。模型亦應針對模型驅動效率不斷檢視實際資料。
第二較佳例示性實施例：
此第二較佳實施例亦包括用於材料之一主動品質控制系統。其執行以下程序步驟。
首先建立一批次自動化。其意謂一成品生產係自動化的，例如，藉由量測罐液位且控制添加原料之量，且引入一資料歷史。
下一步驟係資料獲取步驟。此處，資料由一內部IT及程序品質專家團隊獲取、校正且整合至在資料收集電腦10上運行之Azure Sequel抽象層(SAL)資料庫中。此資料係關於：
• 從一選取清單SQL資料庫之成品批次及批選擇，該資料庫係用於為即將到來之批次規劃批選擇之一定製基於網站之工具，從而與一SAP系統交換資料
• 原料批及成品批次之品質量測(如微量金屬、電導率、平均粒徑)以及來自一LIMS系統Labware之客戶接受限制
• 來自歷史資料之程序資料，例如，感測器資料，如UPW溫度、濾波期間之差壓，包含對原料品質以外之效應之認知
程序映射步驟由對所考量之各成品進行一程序概述及起草說明組成。另外，由程序及品質專家使用程序圖及P&ID來識別全部潛在影響因素。該等品質專家較佳地由一程序映射電腦11支援。
在所考量之各成品產品之資料映射步驟中，在資料映射電腦12之幫助下將可用資料映射至由程序/品質專家在程序映射步驟期間起草之相關程序步驟。此資料包括例如來自歷史資料之哪些感測器與哪一產品相關等。而且，在此步驟中亦進行一可能且較佳之資料清理及聚合。資料清理會遇到一些問題，如由於不完整或不一致資料，哪些批次應被排除，因為其等仍可在傳輸中。如果在一批次中摻合若干批原料，或在若干樣本之情況中使用品質量測之平均值，則資料聚合考量對原料品質特性之一總和之點狀加權。
接著，較佳實施例之核心部分係資料分析。此處，藉由使用批號或在額外程序資料之情況中藉由對批次之製造時期期間之值取平均而將全部資料匹配至成品批次位準。從基於原料批特性及權重之質量平衡模型至基於資料之線性及非線性模型(如OLS、PLS、xgboost及其他者)，測試若干資料模型以預測各成品品質參數(通常總共約15個參數)。歸因於由所使用原料批中之重疊導致之自相關性質，基於資料之一時間序列分割在一不可見測試集上評估模型效能。較佳地，資料模型經裝載於分析電腦13上，該分析電腦13可為任何適合電腦。
接著，與程序及品質專家討論且由其等驗證重要影響因素。簡化最終資料模型以使用生產之前可用之特徵。針對潛在程序相關影響，可視需要包含替代資料模型，例如，使用目前尚未使用之滯後及/或天氣預報基於外部溫度來預測UPW溫度。
為了執行發明方法，使用一適合使用者介面係非常較佳的。為此，使用Alteryx平台進行所部署預測資料模型之一最終資料預處理及應用。將結果寫入至Azure上之SQL資料庫，一專用Tableau儀表板從中為原料審查委員會(RMRB)提取資料。針對所考量之各產品及品質量測，儀表板展示可用歷史量測及預測，以及對過去及規劃批次之客戶接受限制，而且，不同原料對一特定品質量測之預測之貢獻經展示以指示最相關原料21c。接著，在儀表板中提供一摘要以突顯由於未滿足客戶接受限制而需要注意之批次。
供應鏈規劃師及品質專家兩者皆可檢視儀表板以識別規劃批次之潛在問題。基於品質預測，供應鏈規劃師可視需要調整批選擇。歸因於每分鐘資料再新，任何改變皆反映在儀表板中。在每週會議期間，供應鏈規劃師及品質專家討論任何問題或特殊當前情況(如物流約束、客戶請求一特定批選擇之要求)以決定適合動作。
憑藉在第一及第二實施例中作為一實例實現之此途徑，批次自動化導致成品品質變動之顯著減少。此容許基於原料批選擇21c及預測模型之預期成品品質之透明度，從而導致批選擇程序之一進一步改良且減少返工或報廢批次之需求。
另外，連續資料整合容許監測預測品質，且基於不斷傳入之新資訊改良所使用之資料模型。在一進一步較佳實施例中，系統亦可經擴展以在非邊緣情況中自動化批選擇，因此減少供應鏈規劃師之手動工作。
1:可用生產相關資料
2:原料資料之單獨參數
3:單獨一般程序描述
4:具有程序步驟之經創建程序圖
5:具有原料資料之經映射參數之經映射程序描述
6:未經訓練之神經網路或PLS模型
7:經訓練神經網路或PLS模型
8:經識別程序特性
9:經改良產品品質
10:資料收集電腦
11:程序映射電腦
12:資料映射電腦
13:分析電腦
14:程序執行電腦
15:生產系統
16:製造商地點
17:材料供應商地點
18:資料分析器
19:數位資料平台
20a:來自材料供應商之品質資料
20b:來自製造商地點之品質資料
21:原料資料
21a:來自材料供應商地點之原料資料
21b:來自製造商地點之原料資料
21c:選定原料資料
22a:來自材料供應商之其他資料
22b:來自製造商地點之其他資料
23:安全資料傳送連接器
24a:材料供應商網站服務
24b:製造商地點網站服務
25:第三方網站服務
下文使用一較佳例示性實施例參考相關聯圖式更詳細描述根據本發明之系統、方法及軟體產品以及其等之功能有利發展。在圖式中，彼此對應之元件以相同元件符號來提供。
圖式展示：
圖1係關於必要方法步驟之一般概述
圖2係關於所涉及之系統組件之一示意性概述
圖3係關於兩個生產地點及其等提供之程序資料類型之一示意性概述
圖4係關於特定實施例程序步驟之一流程圖
2:原料資料之單獨參數
3:單獨一般程序描述
4:具有程序步驟之經創建程序圖
5:具有原料資料之經映射參數之經映射程序描述
6:未經訓練之神經網路或PLS模型
7:經訓練神經網路或PLS模型
8:經識別程序特性
9:經改良產品品質
10:資料收集電腦
11:程序映射電腦
12:資料映射電腦
13:分析電腦
14:程序執行電腦
21:原料資料
21c:選定原料資料
Claims (21)
- 一種用於確保用於從一材料生產一產品之一程序中之產品品質之方法，其包括以下步驟： 藉由使用一資料收集電腦(10)從至少兩個不同來源獲取用於該生產程序(3)及其相關參數(2)之原料資料(21、21a、21b)； 藉由使用一程序映射電腦(11)使用與該生產程序(3)有關之該經獲取原料資料(21、21a、21b)來執行一程序映射步驟； 藉由使用一資料映射電腦(12)執行一資料映射步驟而將與該生產程序之其單獨參數(2)有關之該經獲取原料資料(21、21a、21b)指派給其對應程序部分(3)以創建一經映射程序描述(5)； 使用在一分析電腦(13)上執行之一特定軟體分析該由此映射之程序描述(5)，藉此識別及驗證與該所生產產品之該品質有關之一或多個現有特性(8)；及 使用該等經識別及驗證特性(8)來選擇最適合可用原料資料(21c)以改良該所得產品品質。
- 如請求項1之方法，其中為了獲取用於該生產程序(3)及其相關參數(2)之該資料(21、21a、21b)，使該原料資料(21、21a、21b)從連接至該資料收集電腦(10)之一資料庫(24a、24b、25)擷取、藉由使用資料收集裝置，尤其是感測器觀察該程序而創建，及/或由一人類使用者提供。
- 如請求項2之方法，其中獲取該資料(21、21a、21b)係在該程序之先前執行期間及/或在使用該等經識別及驗證特性(8)之後之一當前執行期間進行。
- 如請求項1之方法，其中藉由描述該生產程序或其前階段之結構來執行該程序映射，包含必要組件、程序序列或程序步驟、成分，尤其是原料(21)及類似物。
- 如請求項1之方法，其中藉由將如溫度、該原料之混合比、時間及類似物之該經獲取原料資料(21、21a、21b)指派給其對應程序組件及程序序列或步驟來執行該資料映射。
- 如請求項1之方法，其中分析該經映射程序描述(5)藉由該軟體使用包含具有使用如多變量分析，如PLS迴歸、PCA、隨機森林、XGBoost及人工神經網路或類似物之途徑之一資料模型(6、7)之一資料分析框架之監督式演算法或使用監督式及/或非監督式演算法來執行。
- 如請求項6之方法，其中分析該資料係使用機械模型、基於物理之模型、基於(偏)微分方程式之模型及基於量子化學運算之模型來執行。
- 如請求項6或請求項7之方法，其中該等監督式演算法之該結構係使用來自該程序及資料映射之該程序描述之結果訓練該PLS迴歸、PCA、隨機森林、XGBoost及人工神經網路或類似物之結果。
- 如請求項1之方法，其中藉由檢驗該至少兩個不同來源(16、17)而由在該資料收集電腦(10)中輸入該原料資料(21、21a、21b)之一使用者手動地或由在該資料收集電腦(10)或連接至其之一單獨電腦上執行之一資料收集軟體自動地獲取此資料(21、21a、21b)，其中該資料收集軟體將資料傳輸至該資料收集電腦(10)。
- 如請求項9之方法，其中使用至少兩個不同生產地點(16、17)作為至少兩個不同來源(16、17)。
- 如請求項10之方法，其中來自該至少兩個所涉及生產地點(16、17)之該原料資料(21、21a、21b)包括特定品質參數或金屬雜質及純度位準、程序內資料，如溫度、壓力、流量及/或P&ID圖(4)。
- 如請求項1之方法，其中實施一使用者介面，該使用者介面在應用所執行之該特定軟體之前使用該分析電腦(13)上之一資料平台對該經獲取原料資料(21、21a、21b)進行預處理，且將結果寫入至一資料庫，一專用儀表板從該資料庫擷取該資料以將其提供給該使用者以執行一原料檢視。
- 如請求項12之方法，其中該使用者介面顯示不同原料對一特定品質量測之預測之貢獻以指示最相關原料。
- 如請求項1之方法，其中該生產程序係使用化學機械平坦化之一半導體裝置製造程序。
- 一種用於開發或改良用於從一材料生產一產品之一程序之系統(15)，其包括： 一資料收集電腦(10)，其具有一經連接資料庫(24a、24b、25)，及/或至少兩個生產地點(16、17)，其用於從該至少兩個生產地點(16、17)獲取用於該生產程序(3)及其相關參數(2)之原料資料(21、21a、21b)； 一程序映射電腦(11)，其用於使用與該生產程序有關之該經獲取原料資料(21、21a、21b)執行一程序映射步驟； 一資料映射電腦(12)，其用於藉由執行一資料映射步驟而將與該生產程序之該等相關參數(2)有關之該經獲取原料資料(21、21a、21b)指派給其對應程序部分(3)； 一分析電腦(13)，其包含使用包含具有一資料模型(6、7)之一資料分析框架之監督式演算法在其上執行之一特定軟體，其中該軟體分析由此映射之程序描述(5)以識別及驗證與該生產程序之品質有關之一或多個現有特性(8)；及 一程序執行電腦(14)，其用於藉由應用該等經識別及驗證特性(8)而在該至少兩個生產地點(16、17)上創建該生產程序及/或改良其效能。
- 如請求項15之系統，其中該至少兩個地點(16、17)之至少一者係用於生產化學品、藥物或類似物之一工廠(16)，且該等其他地點(17)之至少一者係一化學材料提供商及/或經銷商。
- 如請求項15之系統，其中該資料收集電腦(10)裝載一基於電腦之數位平台(19)，該數位平台用於從該至少兩個生產地點(16、17)獲取該原料資料(21、21a、21b)。
- 如請求項17之系統，其中該程序映射電腦(11)及該資料映射電腦(12)支援人類使用者之輸入終端機以執行該程序映射及資料映射步驟，而該分析電腦(13)係一伺服器，其裝載該軟體，具有該等監督式及/或非監督式演算法，尤其是一人工神經網路，且該程序執行電腦係該至少兩個生產地點(16、17)之各自基於電腦之控制終端機之部分或與其相同。
- 一種XGBoost、隨機森林或人工神經網路(7)，其結構取決於使用藉由以下步驟創建之特定訓練資料(5)進行訓練： 藉由使用一資料收集電腦(10)從至少兩個不同來源獲取用於該生產程序(3)及其相關參數(2)之原料資料(21、21a、21b)； 藉由使用一程序映射電腦(11)使用與該生產程序(3)有關之該經獲取原料資料(21、21a、21b)來執行一程序映射步驟； 藉由使用一資料映射電腦(12)執行一資料映射步驟且從該經映射程序描述(5)創建訓練資料而將與該生產程序之該等相關參數(2)有關之該經獲取原料資料(21、21a、21b)指派給其對應程序部分(3)。
- 一種電腦程式，其包括導致所涉及電腦實行以下方法步驟之指令： 藉由使用一資料收集電腦(10)從至少兩個不同來源獲取用於該生產程序(3)及其相關參數(2)之原料資料(21、21a、21b)； 藉由使用一程序映射電腦(11)使用與該生產程序(3)有關之該經獲取原料資料(21、21a、21b)來執行一程序映射步驟； 藉由使用一資料映射電腦(12)執行一資料映射步驟而將與該生產程序之該等相關參數(2)有關之該經獲取原料資料(21、21a、21b)指派給其對應程序部分(3)； 使用在一分析電腦(13)上執行之一特定軟體分析由此映射之程序描述(5)，藉此識別及驗證與該生產程序之品質或效能有關之一或多個現有特性(8)；及 使用該等經識別及驗證特性(8)來開發該生產程序或改良其效能。
- 一種電腦可讀儲存媒體及/或資料載波信號，其上儲存如請求項20之電腦程式，該電腦程式導致所涉及電腦實行以下方法步驟： 藉由使用一資料收集電腦(10)從至少兩個不同來源獲取用於該生產程序(3)及其相關參數(2)之原料資料(21、21a、21b)； 藉由使用一程序映射電腦(11)使用與該生產程序(3)有關之該經獲取原料資料(21、21a、21b)來執行一程序映射步驟； 藉由使用一資料映射電腦(12)執行一資料映射步驟而將與該生產程序之該等相關參數(2)有關之該經獲取原料資料(21、21a、21b)指派給其對應程序部分(3)； 使用在一分析電腦(13)上執行之一特定軟體分析由此映射之程序描述(5)，藉此識別及驗證與該生產程序之品質或效能有關之一或多個現有特性(8)；及 使用該等經識別及驗證特性(8)來開發該生產程序或改良其效能。
Applications Claiming Priority (4)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US202163163460P | 2021-03-19 | 2021-03-19 | |
| US63/163,460 | 2021-03-19 | ||
| US202163218117P | 2021-07-02 | 2021-07-02 | |
| US63/218,117 | 2021-07-02 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| TW202301212A true TW202301212A (zh) | 2023-01-01 |
Family
ID=81307894
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| TW111110041A TW202301212A (zh) | 2021-03-19 | 2022-03-18 | 共享資料誘導之用於材料之品質控制系統 |
Country Status (6)
| Country | Link |
|---|---|
| US (1) | US20240184277A1 (zh) |
| EP (1) | EP4309103A1 (zh) |
| JP (1) | JP2024515456A (zh) |
| KR (1) | KR20230159527A (zh) |
| TW (1) | TW202301212A (zh) |
| WO (1) | WO2022194995A1 (zh) |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6675135B1 (en) | 1999-09-03 | 2004-01-06 | Ge Medical Systems Global Technology Company, Llc | Six sigma design method |
| US8799113B2 (en) * | 2001-12-28 | 2014-08-05 | Binforma Group Limited Liability Company | Quality management by validating a bill of materials in event-based product manufacturing |
| US7181353B2 (en) | 2003-08-04 | 2007-02-20 | Lsi Logic Corporation | Method and apparatus for integrating Six Sigma methodology into inspection receiving process of outsourced subassemblies, parts, and materials: acceptance, rejection, trending, tracking and closed loop corrective action |
| US8396582B2 (en) * | 2008-03-08 | 2013-03-12 | Tokyo Electron Limited | Method and apparatus for self-learning and self-improving a semiconductor manufacturing tool |
| US10430719B2 (en) * | 2014-11-25 | 2019-10-01 | Stream Mosaic, Inc. | Process control techniques for semiconductor manufacturing processes |
-
2022
- 2022-03-17 US US18/282,709 patent/US20240184277A1/en active Pending
- 2022-03-17 EP EP22716343.3A patent/EP4309103A1/en active Pending
- 2022-03-17 KR KR1020237035789A patent/KR20230159527A/ko unknown
- 2022-03-17 JP JP2023557418A patent/JP2024515456A/ja active Pending
- 2022-03-17 WO PCT/EP2022/056945 patent/WO2022194995A1/en active Application Filing
- 2022-03-18 TW TW111110041A patent/TW202301212A/zh unknown
Also Published As
| Publication number | Publication date |
|---|---|
| JP2024515456A (ja) | 2024-04-10 |
| EP4309103A1 (en) | 2024-01-24 |
| US20240184277A1 (en) | 2024-06-06 |
| WO2022194995A1 (en) | 2022-09-22 |
| KR20230159527A (ko) | 2023-11-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Chien et al. | Manufacturing intelligence to forecast and reduce semiconductor cycle time | |
| US20090149981A1 (en) | System and methods for continuous, online monitoring of a chemical plant or refinery | |
| US20130173332A1 (en) | Architecture for root cause analysis, prediction, and modeling and methods therefor | |
| JP2010506256A (ja) | 多変量データの監視および解析のための単変量方法 | |
| Yeh et al. | Fuzzy-based risk priority number in FMEA for semiconductor wafer processes | |
| JP2008516447A (ja) | 利用可能なメトロロジーキャパシティに基づいてメトロロジーサンプリングを動的に調整する方法およびシステム | |
| CN115803858A (zh) | 半导体制造设备的预测性维护 | |
| Yu et al. | Hierarchical indices to detect equipment condition changes with high dimensional data for semiconductor manufacturing | |
| Weiss et al. | Continuous prediction of manufacturing performance throughout the production lifecycle | |
| Chien et al. | Bayesian decision analysis for optimizing in-line metrology and defect inspection strategy for sustainable semiconductor manufacturing and an empirical study | |
| US6732007B1 (en) | Method and apparatus for implementing dynamic qualification recipes | |
| TW202301212A (zh) | 共享資料誘導之用於材料之品質控制系統 | |
| Liu | Predictive Modeling for Intelligent Maintenance in Complex Semiconductor Manufacturing Processes. | |
| US20130030760A1 (en) | Architecture for analysis and prediction of integrated tool-related and material-related data and methods therefor | |
| KR20230144441A (ko) | 화학적 기계적 평탄화 공정을 위한 공유 데이터 유도 품질 제어 | |
| Munga et al. | A mathematical programming approach for optimizing control plans in semiconductor manufacturing | |
| Chu et al. | ANALYZING TFT-LCD ARRAY BIG DATA FOR YIELD ENHANCEMENT AND AN EMPIRICAL STUDY OF TFT-LCD MANUFACTURING IN TAIWAN. | |
| CN117063191A (zh) | 用于材料的共享数据感生质量控制系统 | |
| US11237550B2 (en) | Ultrasonic flow meter prognostics with near real-time condition based uncertainty analysis | |
| TW202240452A (zh) | 共享資料誘導之製造程序改良 | |
| Jauhri et al. | Outlier detection for large scale manufacturing processes | |
| Okuyelu et al. | Process Optimization in Manufacturing Industries Using Simulation Technologies | |
| Bagchi et al. | Data analytics and stochastic modeling in a semiconductor fab | |
| Cheng | Automatic Virtual Metrology (AVM) | |
| JP2019102574A (ja) | 情報処理装置、情報処理装置の制御方法、およびプログラム |