TWI399660B - 偵測半導體製程變異之方法 - Google Patents

偵測半導體製程變異之方法 Download PDF

Info

Publication number
TWI399660B
TWI399660B TW097125844A TW97125844A TWI399660B TW I399660 B TWI399660 B TW I399660B TW 097125844 A TW097125844 A TW 097125844A TW 97125844 A TW97125844 A TW 97125844A TW I399660 B TWI399660 B TW I399660B
Authority
TW
Taiwan
Prior art keywords
data
principal component
variation
semiconductor process
original data
Prior art date
Application number
TW097125844A
Other languages
English (en)
Other versions
TW201003447A (en
Inventor
Yij Chieh Chu
Chun Chi Chen
Yun Zong Tian
Yi Feng Lee
Original Assignee
Inotera Memories Inc
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 Inotera Memories Inc filed Critical Inotera Memories Inc
Priority to TW097125844A priority Critical patent/TWI399660B/zh
Priority to US12/202,631 priority patent/US20100010763A1/en
Publication of TW201003447A publication Critical patent/TW201003447A/zh
Priority to US13/170,229 priority patent/US8649990B2/en
Application granted granted Critical
Publication of TWI399660B publication Critical patent/TWI399660B/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
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0224—Process history based detection method, e.g. whereby history implies the availability of large amounts of data
    • G05B23/024—Quantitative history assessment, e.g. mathematical relationships between available data; Functions therefor; Principal component analysis [PCA]; Partial least square [PLS]; Statistical classifiers, e.g. Bayesian networks, linear regression or correlation analysis; Neural networks
    • 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
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
    • G05B23/0286—Modifications to the monitored process, e.g. stopping operation or adapting control
    • G05B23/0294—Optimizing process, e.g. process efficiency, product quality
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Mathematical Physics (AREA)
  • Quality & Reliability (AREA)
  • Testing Or Measuring Of Semiconductors Or The Like (AREA)
  • General Factory Administration (AREA)

Description

偵測半導體製程變異之方法
本發明係有關於一種偵測方法，尤指一種偵測半導體製程變異之方法，其對半導體製程機台所輸出數量龐大且複雜之原始資料進行關聯性統計分析，用以幫助線上工程師找尋製程變異產生的原因。
晶圓良率(Yield)在半導體製造廠中是一個非常重要性的指標，一方面，晶圓良率代表半導體製造廠的半導體製造技術；另一方面，晶圓良率也反映出半導體製造技術所需的成本，攸關乎整個半導體製造廠的獲利率，因此如何提高晶圓良率，係大多數半導體製造廠所關注的問題。
有鑑於此，半導體製造廠近年來相繼投入Metrology整合系統技術與自動化即時監控系統之研發，其係對半導體製程機台進行監控，以提高晶圓生產良率並減少風險的產生，而目前半導體製造廠最常使用的系統技術與自動化即時監控系統為錯誤診斷及分類系統(Fault Detection and Classification, FDC)，其係用以分析機台的輸出資料以了解晶圓缺陷的產生原因，進而預先進行處理，以達到提升晶圓良率的目的，同時避免浪費大量時間與人力於問題的找尋。
如，中華民國專利申請案號第093118756號之專利案「半導體製程機台產出良率相關性分析之方法、 系統、以此方法實現之半導體製造方法以及儲存執行此方法之電腦程式的儲存媒體」，請參照圖1，係揭露一種半導體製程機台產出良率相關性分析之方法，其利用一電腦系統執行下列步驟，首先，選取所要分析至少一晶圓之良率記錄資料，並輸入良率資料；然後，統計晶圓在製作過程所經過一半導體製程機台的頻率，產生一頻率圖示；接著，根據良率記錄資料，產生一P檢定圖式；而後，依據一百分比限定值，產生一高百分比組及一低百分比組，計算該高百分比組與該低百分比組，產生一異常分析結果；進一步，依據一異常臨界值，比較異常分析結果與異常臨界值，分析半導體製程機台是否異常；最後，依據分析結果，檢測半導體製程機台。然而，上述專利案對於裝置的相關性而言，其只能用於偵測單一半導體製程機台或單一製程步驟，無法在多個製程步驟中分析複數個半導體製程機台對良率所造成的影響，因此本專利案對於大部分監控方法或設備而言，並不能有效找出在多數製程步驟中造成對良率有影響的半導體製程機台。
又如中華民國專利申請案號第091138167號「缺陷檢測參數分析方法」之發明專利案，該發明專利案揭露一種缺陷檢測參數分析方法(請參閱圖2)，其係用以分析複數批分別具有一批號之產品，每批產品係經過複數個機台所製得，而每批產品中一片或以上之晶圓係至少經過一缺陷檢測項目之檢測以產生一缺陷檢測參數值，工程師則依據該參數值之資訊去判斷是哪一個環節出現問 題，而導致晶圓良率下降；然，上述之專利案所使用的方法過於複雜，且工程師必須設定許多規則來進行缺陷檢測分析，故將會耗費許多的時間於規則的建立，浪費許多資源，因此實用性上略嫌不足。
緣是，本發明人有感上述缺失之可改善，提出一種合理且有效改善上述缺失之本發明。
本發明之主要目的，在於提供一種偵測半導體製程變異之方法，利用關聯性分析找出影響半導體製程機台的變異原因，達到提升晶圓良率、降低生產成本及效率監控的目的。
為了達成上述之目的，本發明係提供一種偵測半導體製程變異之方法，包括步驟如下：利用一線上操作裝置收集複數個製程機台所產生的複數個機台製程資料、一晶圓電性測試系統所產生的複數個第一原始資料與一錯誤診斷及分類系統所產生的複數個第二原始資料；利用該線上操作裝置濾除該等第一原始資料與該等第二原始資料中無意義的空白偵測值；該線上操作裝置使用一因素分析方法處理該等第一原始資料，以簡化該等第一原始資料並得到複數個關聯資料；該線上操作裝置使用一主成分分析方法處理該等第二原始資料，找出代表該等第二原始資料之複數個總體指標資料；該線上操作裝置使用一共變異數分析方法處理該等機台製程資料、該等總體指標資料與該等關聯資料，建立出複數個相關度指標；最後該線上操作裝 置依據該等相關度指標，找出造成半導體製程變異的根本原因。
本發明具有以下有益效果：
1、利用本發明之方法可預先找出影響晶圓生產良率的原因。
2、利用本發明之方法以簡單化收集到的原始資料，降低原始資料分析的複雜度，便利線上工程師找尋半導體製程變異的原因，避免浪費大量的時間。
3、不需比對龐大的原始資料，以降低系統成本與系統複雜度。
4、提升控管半導體製程的效能，節省許多分析時間及人力。
為使能更進一步瞭解本發明之特徵及技術內容，請參閱以下有關本發明之詳細說明與附圖，然而所附圖式僅提供參考與說明用，並非用來對本發明加以限制者。
請參閱圖3所示，本發明係提出一種偵測半導體製程變異之方法，該偵測半導體製程變異之方法的運作步驟如下：
S100：收集複數個機台製程資料、複數個第一原始資料與複數個第二原始資料，並對該等第一原始資料與該等第二原始資料進行前處理。
S102：藉由一第一統計分析方法對該等第一原始資料 進行處理，以產生出複數個關聯資料。
S104：藉由一第二統計分析方法對該等第二原始資料進行處理，以產生複數個總體指標資料。
S106：藉由一第三統計分析方法對該等機台製程資料、該等總體指標資料與該等關聯資料進行處理，以產生複數個相關度指標。
S108：依據該等相關度指標，找出造成半導體製程變異的根本原因。
為了幫助熟習此項技術人員明白並實施本發明，在此詳細介紹說明本發明之方法細節。請參閱圖4所示並配合參閱圖3，首先，當複數個晶圓完成所有半導體製造程序後，該等晶圓利用一晶圓電性測試系統10進行晶圓接受測試(Wafer Acceptance Test,WAT)，其乃針對晶圓上的結構進行電性測試，並將測試後的結果提供給線上操作裝置22，使線上工程師得到複數個第一原始資料11，而該等第一原始資料11代表該等晶圓之電性測試資料；同時，線上操作裝置22收集由複數個製程機台14提供的複數個機台製程資料15，而該等機台製程資料15代表該等製程機台14目前使用的晶圓製程資料；另外，利用半導體領域中常使用的錯誤診斷及分類系統(Fault Detection and Classification,FDC)12收集該複數個第二原始資料13於線上操作裝置22，該等第二原始資料代表該錯誤診斷及分類系統(Fault Detection and Classification,FDC)對各晶圓於各即時(Real Time) 製程狀態所偵測量測的變異偵測值。請參閱圖10所示，藉由上述之晶圓接受測試10、製程機台14與錯誤診斷及分類系統12，使得線上工程師利用線上操作裝置22收集到該等機台製程資料15、該等第一原始資料11與該等第二原始資料13。
然後，線上操作裝置22預先對該等第一原始資料11與該等第二原始資料13進行處理，濾除該等第一原始資料11與該等第二原始資料13內存在的無意義之空白變異值，以避免影響到本發明之精準度。
進一步線上操作裝置22利用一第一統計分析方法對該等第一原始資料進行處理，產生出複數個關聯資料(如圖5所示)，其中該第一統計分析方法為因素分析(Factor Analysis,FA)16，且其處理步驟為(請參閱圖6所示)：
(A)首先，選擇前處理後之該等第一原始資料11。
(B)由該等第一原始資料11之間的相關程度，找出影響該等第一原始資料11變動的因素。
(C)旋轉該等第一原始資料11之因素以增加該等第一原始資料11的變項與因素之間關係的解釋，以得到該等關聯資料17。
另需提及的是，於該第一統計分析方法處理步驟中，該等第一原始資料11之因素必須解釋變異量下界，以決定因素選取個數。
由於前處理後之該等第二原始資料13仍具有多個 維數，太過複雜無法讓線上工程師利用，因此線上操作裝置22需藉由一第二統計分析方法對該等第二原始資料13進行簡化，找出複數個總體指標資料19(如圖7所示)，以利線上工程師使用，其中該第二統計分析方法為主成分分析(Principal Component Analysis,PCA)18，而第二統計分析方法對該等第二原始資料13處理步驟為(請參閱圖8所示)：
(A)依據該等第二原始資料13，對該等第二原始資料13作一線性變換運算處理，亦即存在於原座標系統的複數個第二原始資料13被變換成存在於一新座標系統的複數個第二原始資料13，而該新座標系統具有複數個新軸，而該複數個新軸為第一新軸、第二新軸…至第N新軸，且稱該第一新軸為第一主成分、該第二新軸為第二主成分…與該第N新軸為第N主成分；此外，各該新軸為原座標系統之各原軸的線性組合。
(B)藉由該新座標系統，找出該等第二原始資料13投影到該複數個新軸的投影量，得到複數個第一主成分值於該第一新軸(第一主成分)，複數個第二主成分值於該第二新軸(第二主成分)…與複數個第N主成分值於該第N新軸(第N主成分)。
(C)依據線上工程師建立的信心指標，分析該複數個第一主成分值、複數個該第二主成分值…至複數個第N主成分值，經處理後得到複數個主成分特徵值，而該複數個主成分特徵值係用以代表該等第二原始資料13，其中該信 心指標的用意在於通過保留低階主成分值，忽略高階主成分值，以簡單化該等第二原始資料13。
(D)依據該等第二原始資料13之主成分特徵值，產生出該等總體指標資料19。
得到該等關聯資料17與該等總體指標資料19後，線上操作裝置22以一第三統計分析方法對該等機台製程資料15、該等總體指標資料19與該等關聯資料17進行處理，產生複數個相關度指標21(如第九圖9A所示)，而該等相關度指標21係代表該等機台製程資料15與該等總體指標資料19影響該等關聯資料17之結果，其中該第三統計分析方法為共變異數分析(Analysis of Covariance,ANCOVA)20，其處理步驟為(如圖9B所示)：
(A)利用設計之模型建立機台製程資料15、該等總體指標資料19與該等關聯資料17之間的關係。
(B)然後根據所建立之機台製程資料15、該等總體指標資料19與該等關聯資料17彼此間的關係進行共變異數分析20，得到該等相關度指標21。
如第圖9C所示，該等相關度指標21代表是該等機台製程資料15與該等總體指標資料19影響該等關聯資料17之結果，由於該等關聯資料17係代表該等第一原始資料11，該總體指標資料19係代表該等二原始資料13，因此依據該相關度指標21之意義，即該等機台製程資料15與該等第二原始資料13彼此間會互相影 響該等第一原始資料11，故線上工程師利用該等相關度指標21，可預先判斷是該等機台製程資料15或是該等第二原始資料13的影響而造成該等第一原始資料11產生變異，藉此發現問題所在，快速進行處理，以避免晶圓良率下降。
是以，本發明之方法具有如下述之特點：
1、藉由本發明之偵測方法，能找出造成變異的根本原因。
2、藉由變易根本原因之監控，能預先控制半導體製程的變異，達成即時有效監控製程之目標，以避免晶圓持續受到破壞，造成晶圓良率的下降。
3、以本發明之方法處理收集的資料，使資料仍然保有原來即時的重要資訊內容，不會因為經過分析處理而遺失，造成最後結果失真。
4、有效節省許多時間，也能避免浪費人力於變異原因的找尋，因此本發明之方法有助於提升控管晶圓生產的良率。
惟以上所述僅為本發明之較佳實施例，非意欲侷限本發明之專利保護範圍，故舉凡運用本發明說明書及圖式內容所為之等效變化，均同理皆包含於本發明之權利保護範圍內，合予陳明。
S100至S108‧‧‧步驟
10‧‧‧晶圓電性測試系統
11‧‧‧第一原始資料
12‧‧‧錯誤診斷及分類系統
13‧‧‧第二原始資料
14‧‧‧製程機台
15‧‧‧製程機台資料
16‧‧‧因素分析
17‧‧‧關聯資料
18‧‧‧主成分分析
19‧‧‧總體指標資料
20‧‧‧共變異數分析
21‧‧‧相關度指標
22‧‧‧線上操作裝置
圖1係習知半導體製程機台產出良率相關性分析之方法之流程圖。
圖2係習知缺陷檢測參數分析方法之流程圖。
圖3係本發明之偵測半導體製程變異之方法之流程步驟圖。
圖4係本發明之偵測半導體製程變異之方法之流程示意圖。
圖5係本發明之第一統計分析方法之流程示意圖。
圖6係本發明之第一統計分析方法之流程步驟圖。
圖7係本發明之第二統計分析方法之流程示意圖。
圖8係本發明之第二統計分析方法之流程步驟圖。
圖9A係本發明之第三統計分析方法之流程示意圖。
圖9B係本發明之第三統計分析方法之流程步驟圖。
圖9C係本發明之相關度指標之關係示意圖。
圖10係本發明之偵測半導體製程變異之系統示意圖。
S100至S108‧‧‧步驟

Claims (9)

  1. 一種偵測半導體製程變異之方法，包括步驟如下：利用一線上操作裝置收集複數個製程機台所產生的複數個機台製程資料、一晶圓電性測試系統所產生的複數個第一原始資料與一錯誤診斷及分類系統所產生的複數個第二原始資料；利用該線上操作裝置濾除該等第一原始資料與該等第二原始資料中無意義的空白偵測值；該線上操作裝置使用一因素分析方法處理該等第一原始資料，以簡化該等第一原始資料並得到複數個關聯資料；該線上操作裝置使用一主成分分析方法處理該等第二原始資料，找出代表該等第二原始資料之複數個總體指標資料；該線上操作裝置使用一共變異數分析方法處理該等機台製程資料、該等總體指標資料與該等關聯資料，建立出複數個相關度指標；最後該線上操作裝置依據該等相關度指標，找出造成半導體製程變異的根本原因。
  2. 如申請專利範圍第1項所述之偵測半導體製程變異之方法，其中該機台製程資料為複數個製程機台使用的晶圓製程資料。
  3. 如申請專利範圍第1項所述之偵測半導體製程變 異之方法，其中該等第一原始資料為複數個晶圓經過該晶圓接受測試系統(Wafer Acceptance Test,WAT)所測試出的電性測試資料。
  4. 如申請專利範圍第1項所述之偵測半導體製程變異之方法，其中該等第二原始資料係由該錯誤診斷及分類系統(Fault Detection and Classification,FDC)提供，且該等第二原始資料代表該錯誤診斷及分類系統對各晶圓於各即時(Real Time)製程狀態所偵測量測的變異偵測值。
  5. 如申請專利範圍第1項所述之偵測半導體製程變異之方法，其中該因素分析處理該等第一原始資料步驟為：選擇該等第一原始資料；依據該等第一原始資料，找出影響該等第一原始資料變動之因素；旋轉該等第一原始資料之因素以增加該等第一原始資料的變項與因素之間關係的解釋，得到該等關聯資料，其中該等第一原始資料之因素必須解釋變異量下界，以決定因素選取個數。
  6. 如申請專利範圍第1項所述之偵測半導體製程變異之方法，其中該主成分分析處理該等第二原始資料步驟為：分類處理該等第二原始資料，對該等第二原始資料作一線性變換，該線性變換使得存在於一原座標系統的該等 第二原始資料變換到一新座標系統中，新座標系統具有複數個新軸，而該複數個新軸為第一新軸、第二新軸…與第N新軸；找出該等第二原始資料投影於該複數個新軸的投影量，於第一新軸得到複數個第一主成分值，於第二新軸得到複數個第二主成分值…於第N新軸得到複數個第N主成分值；依據一信心指標處理該複數個第一主成分值、該複數個第二主成分值…與該複數個第N主成分值，得到該複數個新軸之主成分特徵值；最後依據該複數個主成分特徵值，處理產生出該等總體指標資料。
  7. 如申請專利範圍第6項所述之偵測半導體製程變異之方法，其中該信心指標為通過保留低階主成分值，忽略高階主成分值，以簡單化該等第二原始資料。
  8. 如申請專利範圍第1項所述之偵測半導體製程變異之方法，其中共變異數分析處理該等機台製程資料、該等總體指標資料與該等關聯資料係指：利用設計之模型建立機台製程資料、該等總體指標資料與該等關聯資料彼此之間的關係；根據所建立之機台製程資料、該等總體指標資料與該等關聯資料的關係來進行共變異數分析，得到該等相關度指標。
  9. 如申請專利範圍第1項所述之偵測半導體製程變異 之方法，其中該等相關度指標代表該等機台製程資料與該等總體指標資料影響該等關聯資料之結果。
TW097125844A 2008-07-09 2008-07-09 偵測半導體製程變異之方法 TWI399660B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
TW097125844A TWI399660B (zh) 2008-07-09 2008-07-09 偵測半導體製程變異之方法
US12/202,631 US20100010763A1 (en) 2008-07-09 2008-09-02 Method for detecting variance in semiconductor processes
US13/170,229 US8649990B2 (en) 2008-07-09 2011-06-28 Method for detecting variance in semiconductor processes

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
TW097125844A TWI399660B (zh) 2008-07-09 2008-07-09 偵測半導體製程變異之方法

Publications (2)

Publication Number Publication Date
TW201003447A TW201003447A (en) 2010-01-16
TWI399660B true TWI399660B (zh) 2013-06-21

Family

ID=41505921

Family Applications (1)

Application Number Title Priority Date Filing Date
TW097125844A TWI399660B (zh) 2008-07-09 2008-07-09 偵測半導體製程變異之方法

Country Status (2)

Country Link
US (1) US20100010763A1 (zh)
TW (1) TWI399660B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160004983A1 (en) * 2014-07-07 2016-01-07 GM Global Technology Operations LLC Method and apparatus for quantifying dimensional variations and process capability independently of datum points
CN109669413B (zh) * 2018-12-13 2021-01-08 宁波大学 一种基于动态潜独立变量的动态非高斯过程监测方法
CN112286169B (zh) * 2020-10-20 2022-02-01 浙江钱江机器人有限公司 一种工业机器人故障检测方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060184264A1 (en) * 2005-02-16 2006-08-17 Tokyo Electron Limited Fault detection and classification (FDC) using a run-to-run controller
TW200632719A (en) * 2004-09-17 2006-09-16 Mks Instr Inc Multivariate control of semiconductor processes
TW200745974A (en) * 2006-06-09 2007-12-16 Powerchip Semiconductor Corp Selection method and system for virtual metrology prediction model for quality control in semiconductor manufacture
US20080125898A1 (en) * 2006-05-07 2008-05-29 Jerry Lynn Harvey Ranged fault signatures for fault diagnosis

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TW200632719A (en) * 2004-09-17 2006-09-16 Mks Instr Inc Multivariate control of semiconductor processes
US20060184264A1 (en) * 2005-02-16 2006-08-17 Tokyo Electron Limited Fault detection and classification (FDC) using a run-to-run controller
US20080125898A1 (en) * 2006-05-07 2008-05-29 Jerry Lynn Harvey Ranged fault signatures for fault diagnosis
TW200745974A (en) * 2006-06-09 2007-12-16 Powerchip Semiconductor Corp Selection method and system for virtual metrology prediction model for quality control in semiconductor manufacture

Also Published As

Publication number Publication date
US20100010763A1 (en) 2010-01-14
TW201003447A (en) 2010-01-16

Similar Documents

Publication Publication Date Title
CN102473660B (zh) 等离子加工系统自动瑕疵检测和分类及其方法
TWI498853B (zh) 智慧型缺陷診斷方法
JP5583766B2 (ja) 時間的に変化する欠陥分類性能の監視のための方法、システムおよびコンピュータ可読媒体
TWI649152B (zh) 刀具狀態檢測系統及方法
TWI518469B (zh) 加工監控系統及方法
US8649990B2 (en) Method for detecting variance in semiconductor processes
TWI641961B (zh) 設計佈局為主的快速線上缺陷診斷、分類及取樣方法及系統
CN116028887B (zh) 一种连续性工业生产数据的分析方法
TW201301074A (zh) 半導體製程之失效偵測方法及執行此方法之系統架構
TWI399660B (zh) 偵測半導體製程變異之方法
TWI451512B (zh) 用於晶圓檢測或度量設定之資料擾動
CN117556366B (zh) 基于数据筛选的数据异常检测系统及方法
CN117196417B (zh) 一种立式加工机床加工数据智能分析管理系统
CN117630800A (zh) 一种电能表自动检定装置故障诊断方法及系统
CN116230586B (zh) 晶圆制造机台单元的共性分析方法及终端
JP2011054804A (ja) 半導体製造装置の管理方法およびシステム
TWI400619B (zh) 偵測產品品質超規與評估產品實際量測值的方法
CN109213119B (zh) 基于在线学习的复杂工业关键部件故障预测方法及系统
CN110796187A (zh) 不良分类方法及装置
Kerdprasop et al. Performance analysis of complex manufacturing process with sequence data mining technique
Kim et al. Introduction of equipment level FDC system for semiconductor wet-cleaning equipment optimization and real-time fault detection
JP4538205B2 (ja) 検査データの解析プログラム、検査データ解析装置
CN116629707B (zh) 基于分布式并行计算的fdc溯因分析方法及存储介质
CN116551467B (zh) 基于物联网监控数据的刀具磨损状态识别方法
CN100394426C (zh) 事件良率关联分析系统及方法