TWI488039B - 用於呈現多變數錯誤貢獻之方法、設備、機器可存取媒體、電腦可讀取媒體、系統及使用者介面 - Google Patents

用於呈現多變數錯誤貢獻之方法、設備、機器可存取媒體、電腦可讀取媒體、系統及使用者介面 Download PDF

Info

Publication number
TWI488039B
TWI488039B TW097116334A TW97116334A TWI488039B TW I488039 B TWI488039 B TW I488039B TW 097116334 A TW097116334 A TW 097116334A TW 97116334 A TW97116334 A TW 97116334A TW I488039 B TWI488039 B TW I488039B
Authority
TW
Taiwan
Prior art keywords
error
variables
contribution
user interface
axis
Prior art date
Application number
TW097116334A
Other languages
English (en)
Other versions
TW200900921A (en
Inventor
Y Sean Lin
Alexander T Schwarm
Original Assignee
Applied Materials 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 Applied Materials Inc filed Critical Applied Materials Inc
Publication of TW200900921A publication Critical patent/TW200900921A/zh
Application granted granted Critical
Publication of TWI488039B publication Critical patent/TWI488039B/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
    • G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
    • G05B23/0267—Fault communication, e.g. human machine interface [HMI]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/22—Detection or location of defective computer hardware by testing during standby operation or during idle time, e.g. start-up testing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G06F11/34—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • 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
    • Y02P90/80—Management or planning

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Quality & Reliability (AREA)
  • Computer Hardware Design (AREA)
  • Human Computer Interaction (AREA)
  • Automation & Control Theory (AREA)
  • Software Systems (AREA)
  • Testing And Monitoring For Control Systems (AREA)
  • Testing Or Measuring Of Semiconductors Or The Like (AREA)
  • User Interface Of Digital Computer (AREA)

Description

用於呈現多變數錯誤貢獻之方法、設備、機器可存取媒體、電腦可讀取媒體、系統及使用者介面
本發明之具體實施例係關於錯誤診斷，更特定言之，係關於呈現多變數錯誤貢獻。
許多行業採用高級製造設備，包含多個感測器及控制器，而在製造過程期間，可對其中每一者進行仔細監視，以確保產品品質。一種監視該等多個感測器及控制器之方法係統計製程監視(一種對感測器量測值及製程控制值(製程變數)進行統計分析之方式)，該方法允許自動偵測及/或診斷錯誤。“錯誤”可能係製造設備之一功能故障或調整錯誤(例如，一機器之操作參數與其預期值之偏差)，或者係一種預防性維護之需求，該預防性維護用於預防即將出現之功能故障或調整錯誤。錯誤可能在被製造之裝置中產生缺陷。相應地，統計製程監視之一目的係在該等錯誤造成此等缺陷之前，即偵測及/或診斷錯誤。
在製程監視期間，當一或多個近期製程資料之統計資訊偏離一統計模型，且偏離量很大，足以導致一模型量度超出一各別信賴臨限值，則可以偵測一錯誤。一模型量度係一純量，其取值表示一偏差之大小，該偏差係指在實際製程監視期間所收集製程資料之統計特徵與該模型所預測之統計特徵之間的偏差。每一模型量度係一種用於估計此偏差之獨特數學方法。習知模型量度包含平方預測誤差(通常稱為SPE、Qres或Q)及賀德臨(Hotelling)T2(T2)。
每一模型量度具有一各別信賴臨限值，亦稱為信賴界限或控制界限，其取值表示該模型量度之一可接受上限。如果在製程監視期間，一模型量度超出其各別信賴臨限值，可推斷該製程資料中因為一錯誤而存在異常統計資料。
一旦偵測到錯誤，即可藉由估計每一製程變數之相對錯誤貢獻對錯誤進行診斷。由於一些錯誤缺乏與單一製程變數之簡明(例如，直接)關係，所以該等錯誤難以被診斷。與多個製程變數具有複雜及/或間接關係之錯誤可能尤其難於診斷。
習知使用者介面通常沒有以一種使用者親和之方式來提供足夠資訊，以允許系統性、有邏輯地偵測及診斷錯誤。如此會導致障礙，不能明確地確定變數中錯誤貢獻背後之原因，且難以有效地劃分那些與多個製程變數具有複雜關係之錯誤。
在一態樣中，提供一種用於呈現多變數錯誤貢獻之方法。該方法至少包含：提供一使用者介面，以說明由一包含多個變數之製程所製造取樣之錯誤，該等多個變數之每一個包含至少兩個分量；在該使用者介面中呈現該等多個變數，在一第一軸上呈現該等多個變數之一分量群組，在一第二軸上呈現該等多個變數之一第二分量群組；以及藉由將該等多個變數之該一個分量群組中之每一分量的貢獻關聯至該等多個變數之該第二分量群組中之每一相應分量，在該使用者介面中以圖形方式說明該等多個變數對該 錯誤之貢獻。
在另一態樣中，提供一種用於呈現多變數錯誤貢獻之設備。該設備至少包含：一提供構件，用以提供一使用者介面，以說明由一包含多個變數之製程所製造取樣之錯誤，該等多個變數之每一個包含至少兩個分量；一呈現構件，用以在該使用者介面中呈現該等多個變數，在一第一軸上呈現該等多個變數之一分量群組，在一第二軸上呈現該等多個變數之一第二分量群組；以及一說明構件，用以藉由將該等多個變數之該一個分量群組中之每一分量的貢獻關聯至該等多個變數之該第二分量群組中之每一相應分量，在該使用者介面中以圖形方式說明該等多個變數對該錯誤之貢獻。
在另一態樣中，提供一種機器可存取媒體，其提供一些指令，該等指令被一機器執行時，將導致該機器執行一些操作，至少包含：提供一使用者介面，以說明由一包含多個變數之製程所製造取樣之錯誤，該等多個變數之每一個包含至少兩個分量；在該使用者介面中呈現該等多個變數，在一第一軸上呈現該等多個變數之一分量群組，在一第二軸上呈現該等多個變數之一第二分量群組；以及藉由將該等多個變數之該一個分量群組中之每一分量的貢獻關聯至該等多個變數之該第二分量群組中之每一相應分量，在該使用者介面中以圖形方式說明該等多個變數對該錯誤之貢獻。
在另一態樣中，提供一種用於呈現多變數錯誤貢獻之 系統。該系統至少包含一資料庫以及一GUI產生器。該資料庫用以儲存屬於錯誤之資料。該GUI產生器耦接至該資料庫，用以：提供一使用者介面，以說明由一包含多個變數之製程所製造取樣之錯誤，該等多個變數之每一個包含至少兩個分量；在該使用者介面中呈現該等多個變數，在一第一軸上呈現該等多個變數之一分量群組，在一第二軸上呈現該等多個變數之一第二分量群組；以及藉由將該等多個變數之該一個分量群組中之每一分量的貢獻關聯至該等多個變數之該第二分量群組中之每一相應分量，在該使用者介面中以圖形方式說明該等多個變數對該錯誤之貢獻。
在下面的詳細說明中，列出了很多細節。但是，熟習此項技術者應瞭解：沒有該等特定細節也可實現本發明。在一些情況中，習知結構及部件以方塊圖形式顯示，而非以詳盡方式顯示，以避免混淆本發明。
下文採用一些演算法及符號來呈現部分實施方式，該等演算法及符號代表對一電腦記憶體中之資料位元所執行之運算。該等演算法描述及表示係熟習資料處理領域者向其他熟習該項技術者表達其工作實質時所採用之方式。在這裏，一演算法通常被設計為自相一致之步驟序列，其將導致一所期望結果。該等步驟係需要對物理量進行實體操作之步驟。通常，儘管並非一定如此，但此等物理量採用 電訊號或磁訊號之形式，能夠被儲存、傳遞、合併、比對及進行其他操作。已經證明，在某些情況下，主要是出於公共應用之原因，將此等訊號稱為位元、值、元素、符號、字元、項、編號或類似術語是非常方便的。
但應記住，所有此等及類似術語應被關聯至適應之物理量，它們只是應用於此等物理量之便利標記。除非另行指明，否則可以從以下討論中看出，應理解在整個說明中，利用諸如“處理”、“計算”、“確定”、“顯示”或類似術語所進行之討論係指一電腦系統或類似電子計算裝置之操作及處理，該系統或裝置對表示為該電腦系統之暫存器及記憶體中之物理(例如，電子)量的資料進行操作，將其轉換為其他資料，該等其他資料被類似地表示為該電腦系統記憶體或暫存器或其他此等資訊儲存、傳輸或顯示裝置內之物理量。
本發明亦係關於用於執行本文所述操作之設備。可出於所需目的，對此設備進行特殊構造，或者該設備可包含一通用電腦，由儲存在該電腦中之電腦程式進行選擇性致動或重新組態。此種電腦程式可被儲存於一電腦可讀儲存媒體中，例如但不限於，任意類型之碟片，包含軟磁碟、光碟、CD-ROM及磁光碟、唯讀記憶體(ROM)、隨機存取記憶體(RAM)、EPROM、EEPROM、磁卡或光卡，或者任意適合儲存電子指令之媒體類型。
本文所呈現之演算法及顯示並非固有地被關聯至任意特定電腦或其他設備。可根據本文之講授，將各種通用系 統與程式一起使用，或者，構造一更專用設備來執行所需方法步驟也是很方便的。多種此類系統之所需結構將在下文之實施方式中給出。此外，將不會參考任意特定程式設計語言來描述本發明。應瞭解，各種程式設計語言可被用於實施本發明之該等講授，如本文所述。
機器可讀取媒體包含任何用於採用一種機器(例如，電腦)可讀取形式來儲存或發送資訊之機制。例如，一機器可讀取媒體包含一機器可讀取儲存媒體(例如，唯讀記憶體(“ROM”)、隨機存取記憶體(“RAM”)、磁碟儲存媒體、光學儲存媒體、快閃記憶體裝置等等)、一機器可讀取傳輸機制(電子、光學、聲學或其他形式之被傳播訊號(例如，載波、紅外訊號、數位訊號等等))等等。
以下說明提供了一種統計製程監視系統之細節，該系統監視運行於製造裝置上之製程，以偵測及/或診斷錯誤(製造異常)。在一具體實施例中，該統計製程監視系統用於製造電子裝置(例如，半導體)。製造此等裝置通常需要數十個製造步驟，涉及不同類型之製造過程。例如，蝕刻、濺射及化學氣相沈積係三種不同類型之過程，其每一者被執行於不同類型之機器上。或者，該統計製程監視系統可被用於監視其他產品之製造，例如，汽車。此等其他產品之製造亦需要由各種製造機器進行許多不同處理步驟。
第1圖說明一統計製程系統100之一具體實施例。該統計製程系統100包含一統計製程監視系統105，其由資料通信鏈路160耦接到一或多個製造機器110及一或多個 製程控制器150。該統計製程系統100可包含一工廠內之全部製造機器110(例如，一製造設備)。或者，該統計製程系統100可僅包含該工廠內之一部分製造機器110，例如執行一或多個特定製程之所有製造機器110。
在一具體實施例中，該等製造機器110之每一者係用於製造電子裝置之機器，例如，蝕刻器、化學氣相沈積(CVD)爐、微影裝置、佈植機等等。或者，該製造機器110可係用於製造其他產品(例如，汽車)之類型。在一具體實施例中，該等製造機器110之每一者係單一類型。或者，該等製造機器110可包含多種不同類型之設備，其每一者可執行不同製程。
該等製造機器110之每一者可包含多個感測器，用於監視運行於該等製造機器110上之製程。可在該製造機器中所包含之一種感測器係溫度感測器。其他感測器之實例包含壓力感測器、流速感測器，或任意其他監視一製造過程之物理條件或者由該製造機器110所製造工件之物理屬性的感測器。
執行於一製造機器110上之每一製造過程的特徵在於該等感測器量測之各種物理條件及屬性，以及各種操作參數，統稱為製程資料。由感測器所量測之每一獨特物理條件或屬性，以及每一操作參數，可係該製程資料之獨特製程變數。代表感測器資料之製程變數的實例包含腔室壓力、晶座溫度、射頻正向傳輸功率及射頻反射功率。表示操作參數之製程變數的實例包含：流速設定(例如，化學 試劑之流速設定)及節流閥設定(例如，一腔室排氣真空幫浦的節流閥設定)。該等感測器、製造機器及製程控制器在製程期間可以被監視，在連續時間點收集該等製程變數。
在一具體實施例中，每一製程變數應用於一特定製程。或者，一或多個製程變數可僅應用於一特定製程之某些部分。在一具體實施例中，一製程中不同步驟之感測器量測及操作參數表示獨特製程變數(將其建模為模型空間中之附加維度)。例如，如果在一機器內所執行之製造過程擁有多個具有不同操作參數設定之步驟，則上述方式可能非常有用。舉例而言，在一三步驟製造過程中，在該等三步驟期間，晶座溫度可被看作三獨特之製程變數。例如，當單一過程在一工件上沈積多層時，或者當一製程之不同步驟將該工件暴露至不同製程條件下(例如，壓力、溫度等等)時，將製程步驟劃分到模型空間中之獨立維度可能是有利的。
製程控制器150控制製造機器110之操作參數。舉例而言，製程控制器可控制製造機器110之腔室溫度、真空幫浦、氣體注入系統等等。製程控制器150可儲存一或多個製程處方方法170。每一處方170可以定義一製造機器110在一製程之每一步驟之操作參數。在一具體實施例中，處方170可由製程控制器150載入至製造機器110中。
資料通信鏈路160可包含習知通信鏈路，可以為有線或無線的。資料可採用原始格式或經處理之格式，在該等製造機器110、製程控制器150及統計製程監視系統105 之間傳送。在一具體實施例中，使用一半導體設備通信標準(SECS)介面。在其他具體實施例中，可以使用一普通模型，用於製造設備(GEM)介面、SECS/GEM介面、高速SECS訊息服務(HSMS)介面等的通信及控制。
該統計製程監視系統105可係單一伺服器，其分析從該製造機器110、感測器155及製程控制器150輸入之製程資料。或者，該統計製程監視系統105可包含多個伺服器及/或電腦。在一具體實施例中，該統計製程監視系統105包含諸如一錯誤偵測器125、一錯誤診斷器130及一錯誤報告器165之部件。該統計製程監視裝置105亦可包含一儲存裝置175。一匯流排185被用於在不同部件之間進行資料通信。在一具體實施例中，該統計製程監視系統105被包含於一或多個製程控制器150中。或者，該統計製程監視系統105可係一獨特及/或分離設備。
該儲存裝置175可包含一製程量測資料庫120、一或多個多變數統計模型135、錯誤簽章140及錯誤類別145。在一具體實施例中，該儲存裝置175係該統計製程監視系統105之一電腦或伺服器之單一儲存裝置。或者，該儲存裝置175可位於該統計製程監視系統105之外部。在一具體實施例中，該儲存裝置175包含多個儲存裝置，其中一部分可包含資料之冗餘複本，以用作備份。
製程量測資料(製程資料)可被儲存於製程量測資料庫120中。所儲存之製程資料可用於顯示該等製造機器110之每一者的偏移及趨勢，用於顯示在該等執行機器110上 所執行製程的偏移及趨勢等等。在一具體實施例中，所儲存之製程資料被用於產生一或多個多變數統計模型135，如下文所述，一旦產生之後，該多變數統計模型135可被儲存於儲存裝置175中。
在一具體實施例中，一訓練時期被用於收集資料，以產生一或多個多變數統計模型。該訓練時期涵蓋一特定製造過程之一組製程執行，該製程係在一特定製造機器上於習知及/或受控條件下完成。在該訓練時期內所完成之製程執行中收集的製程資料，可被用於產生統計資料，例如，均值、變異數、共變異數矩陣等等。此等統計資料可一起被用於產生一或多個多變數統計模型，一般用於在一特定機器上執行之特定製程。
每一多變數統計模型135可包含一或多個模型量度。模型量度係純量值，其描述一組製程資料與一模型之間的偏差數量。在一具體實施例中，該等模型量度包含平方預測誤差(通常稱為SPE、Qres或Q)及賀德臨(Hotelling)T2。模型量度亦可包含組合量度，例如組合多變數索引(CMI)。該等量度之每一者對應於一種不同方法，用於評估被監視製程資料與用於構建該模型之訓練資料具有相同統計資料之機率。可根據習知統計學演算法來計算前述統計資料及量度。
該等多變數模型之一或多者可利用“主分量分析(PCA)”將一M維製程變數空間轉換至互相正交於主分量之一N維空間，其中N係製程變數，而N遠小於M。PCA 計算一組M個特徵向量和M個特徵值，其中每一各別特徵向量將製程變數資料轉換為該主分量空間之一各別維，且每一特徵值與一相應特徵向量所表示之變異數量成比例。為了簡化該主分量空間(減少其維數)，與該等N個最大特徵值相對應之N個特徵向量可保持於該模型中；其他特徵向量則被放棄或忽略。在該模型中所保存之主分量數目N係該模型之一參數，可由使用者選擇。在使用一較小N值時模型解釋資料變異數較小，而在使用一較大N值時該模型被過度指定，可根據此兩者間之一折衷選擇主分量之數目(N)。
一旦已經產生一或多個多變數統計模型，其可由錯誤偵測器125監視在製造機器110上所執行之製程。錯誤偵測器125藉由執行各種統計製程監視方法來分析製程資料，其中每一者係基於至少一多變數統計模型。在一具體實施例中，錯誤偵測器125直接從該等製造機器110、感測器155及/或製程控制器150接收製程量測資料(製程資料)。在另一具體實施例中，錯誤偵測器125可從該製程量測資料庫120接收製程資料。在再一具體實施例中，錯誤偵測器125從兩資料源接收製程資料。
為偵測錯誤，錯誤偵測器125計算被監視製程之製程資料的統計資料，並將所計算之統計資料與適當多變數統計模型之相應統計資料進行比對。可針對一模型量度或為多個模型量度(例如，T2、SPE、CMI)比對該等統計資料。如果該等模型量度中之一或多者超出一預定臨限值(稱 為信賴界限或控制界限)，則可偵測到一錯誤。在一具體實施例中，每一模型量度具有一臨限值，以統計方式確定該臨限值。所選擇之臨限值可表示一假警報(如果該臨限值過低)風險與未能偵測一錯誤(如果該臨限值過高)之風險之間的折衷。當計算多個量度時，如果該等量度中之任一者超出臨限值，則錯誤可能被觸發。或者，僅當特定量度超出臨限值或者僅當多個量度超出臨限值時，指示一些錯誤。
一旦該錯誤偵測器125已經識別一錯誤，則由錯誤診斷器130對該錯誤進行分析。錯誤診斷器130將該錯誤與一組錯誤簽章140進行比對。每一錯誤簽章表示一或多個特定錯誤之製程條件。在一具體實施例中，錯誤簽章140係製程變數之一經分級清單，該等製程變數對一或多個特定錯誤具有一最大統計貢獻。錯誤診斷器130可以將每一被儲存錯誤簽章與製程變數之一經分級清單進行比對，該等製程變數對一目前錯誤具有最大貢獻。當該等錯誤簽章140之一與該目前錯誤之間具有很高程度之類似性時，則報告一匹配。
該等錯誤簽章140之每一者與一或多錯誤類別145相關聯。該等錯誤類別145可表示產生一目前錯誤之實際問題，或者該目前錯誤之可能原因。舉例而言，如果該錯誤簽章顯示該最大貢獻製程變數係矽烷流速，則該錯誤類別可能表示一向腔室內饋送矽烷之閥門已經發生故障。
錯誤報告器165產生錯誤報告，其指出哪個或哪些錯 誤類別145對應於一目前錯誤。該等錯誤報告可被傳送至一或多個被聯網至該統計製程監視系統105之用戶端(未示出)(例如，本機電腦、遠端電腦、個人數位助理(PDA)、呼叫器、行動電話等等)。錯誤報告器165亦可導致製造機器110被關閉，導致一機器發出警報，或者導致其他適當動作。
GUI(圖形使用者介面)產生器180被用於以圖形方式說明與錯誤、錯誤貢獻及多個變數相關之資訊。在一具體實施例中，GUI產生器180根據使用多變數模型量度及類似量度處理之統計資料，顯示錯誤及錯誤貢獻資訊。在另一具體實施例中，GUI產生器180被組態用於：根據可供每一變數中每一分量使用之資訊，顯示有關該製造過程中所涉及之多個變數之每一者的資訊。在一具體實施例中，該GUI產生器180可以採用圖線、條狀圖、資料曲線、熱圖等形式顯示圖形化資訊。熱圖係一種圖形說明，其中，不同色彩、型樣、陰影、符號等被用於在一兩維圖形說明中表示資料範圍。在另一具體實施例中，該GUI產生器180亦被組態用於：顯示可供一變數之個別分量使用之原始資訊，以及每一變數或其一分量或分量組合之統計處理資訊。GUI產生器180係該錯誤偵測及錯誤診斷過程之一部分。GUI產生器180可產生圖形說明，其允許一使用者非常快速地偵測錯誤。GUI產生器180亦可在邏輯上呈現有關分量及變數之資訊，使一使用者能夠執行錯誤診斷，以在一增長深度位準識別錯誤之原因，從而提供對該錯誤之 一系統化分析。
製造過程經常隨時間漂移，即使在沒有錯誤時亦是如此。例如，一半導體製程腔室內之操作條件經常會在連續清掃該腔室之間發生漂移，以及在連續更換可消耗腔室組件時發生漂移。藉由適應於製程漂移，由漂移所導致之製程變數變化不會被錯誤地解釋為錯誤。
現在將描述使用一圖形使用者介面之錯誤偵測及診斷。錯誤偵測及診斷之原則將不會詳盡描述，因為在同在申請中之美國專利申請案(題為“適應性錯誤偵測”及“用於錯誤診斷之定範圍錯誤簽章”，申請人為Harvey等人)對其進行了描述。本說明涉及該使用者介面及圖形化資訊之呈現，其可使一使用者能夠偵測及診斷錯誤。應瞭解，以下圖式中所呈現之資訊在本質上係圖形資訊，相同資訊可以不同格式呈現，其不會背離所講授之偵測及診斷錯誤的原理。
第2圖根據本發明之一具體實施例說明多個取樣之多變數模型量度之趨勢曲線204。藉由顯示取樣之多變數模型量度，如以第2圖中之格式所呈現，一使用者可以採用視覺方式偵測錯誤。應瞭解，呈現該取樣之模型量度之格式可能不同，所示曲線204應當被解釋為說明性的，而不是限制性的。如前文所述，一模型量度係一純量，其取值表示一偏差之大小，該偏差係指在實際製程監視期間所收集製程資料之統計特徵與該統計模型所預測之統計特徵之間的偏差。出於例示性說明之目的，而非限制目的，使用 標準化平方預測誤差(SPE)或Qres 201。y軸上之Qres值被示出，其係根據x軸上之相應取樣202繪出。每一取樣202表示一晶圓製造過程中之晶圓。其他可被使用之常見模型量度例如為賀德臨T2、其他組合量度，例如被稱為組合多變數索引之量度等等。在此情況下，每一模型量度Qres具有一信賴臨限值，其取值代表該模型量度之一可接受上限。相應的，Qres值超出該預定信賴臨限值之任意取樣或晶圓推斷至少存在一變數導致之錯誤。換言之，對於一取樣或晶圓，如果其在趨勢曲線上之相應模型量度值高於已確定信賴臨限值，則可偵測一錯誤。例如，如果點203高於由線205所表示之假設預定義臨限值，該線205對應於一Qres值(例如，2)，則對於與每一點203相對應之取樣，偵測到一錯誤。以說明而非限制性方式，x軸上之取值表示一索引，每一值表示一取樣。x軸或者可以一時間刻度表示，或者以一系列時間戳記表示，以區分不同取樣。
吾人應瞭解，一超出臨限值之模型量度僅表示一錯誤，未指出錯誤類型或錯誤原因。錯誤原因之確定需要進一步分析。圖形說明中之每一點在錯誤偵測之後可被置於一錯誤類別中，以輔助確定該錯誤之原因。具有類似Qres或模型量度值之點並不意味著他們屬於相同錯誤類別。換言之，錯誤類別和模型量度信賴臨限值不相關。模型量度僅表示在一取樣中是否存在錯誤。從每一變數對該錯誤之每一貢獻之背後原因獲得更多資訊，之後可指派錯誤類別。
對於如第2圖所示之圖形顯示200上之每一資料點， 可以提供有關製造該取樣之製程的多變數資訊。在此情況中，該圖線上之每一值對應於一特定取樣。在此具體實施例中，一使用者指向且按一下該圖形使用者介面上之任一資料，該動作將使用者帶至一不同顯示，其表示與該等多個變數之每一者相關聯之不同分量的有關錯誤貢獻資訊。換言之，按一下此圖形顯示200上之一點，允許將該圖形顯示從錯誤擴展到與多個變數及其分量相關之錯誤貢獻。對於所述圖形使用者介面中之不同圖形資料，可以有選擇性地為部分或全部該等圖形資料提供每一資料點之多變數資訊。此獨特特徵使一使用者在理解及確定該等變數對該錯誤之相對貢獻的過程中，能夠很容易地瞭解有關該變數及相關分量之更多資訊。
如上所述，第2圖之圖形說明可以被鏈接至不同圖形顯示。第3圖係根據本發明之一具體實施例之一錯誤貢獻呈現，其具有選自第2圖中一點之有限資訊；相反，第4圖係根據本發明之另一具體實施例，說明對於該錯誤之貢獻，其與不同變數中不同分量相關。所有該等變數以及與該等相應相關聯之分量係該取樣之製造過程的組成部分，該取樣選自第2圖中之一點。可以看出，第4圖可以顯示遠多於第3圖中之資訊。
第3圖顯示出一具有多個變數之圖形顯示300，每一變數具有分量，其沿y軸顯示。一錯誤貢獻索引305沿x軸顯示。該等變數301之每一者包含至少兩分量，且所有該等不同變數擁有相同分量，但不同變數之每一分量包含 不同子分量。在所示實例中，在製造一晶圓之過程中，觀察該等不同變數。在此實例中之分量係統計資料302、感測器303及處方步驟304。每一分量可進一步被分割為子分量。舉例而言，統計資料可進一步被劃分為子分量，其包含但不限於感測器取值之均值、標準偏差、最小值及最大值。感測器可被劃分為子分量，其包含但不限於腔室壓力讀數、晶座溫度、腔室前置管線壓力及氦氣MFC流等等。處方步驟表示在用於製造一晶圓之處方中的不同步驟。一完整變數應當包含所有其分量，且不同變數可以在該等分量之內所包含的子分量組合方面存在不同。
此申請案中所描述之方法及設備可應用於高度複雜之製造過程，包含但不限於半導體晶圓製造，其對於每批晶圓可包含大約30個感測器、10個步驟及10個統計資料。此等不同分量合併，來為每批晶圓產生大約3000個感測器統計資料。在每批晶圓之內，存在多個晶圓槽。例如，每批晶圓可具有大約25個晶圓槽，所以，每批晶圓可以有大約75000個感測器統計資料。
第3圖顯示對應於每一變數之錯誤貢獻。第3圖之顯示僅示出來自有限部分之可用資訊的圖片部分。具體而言，第3圖僅顯示對於第2圖之被選取樣具有最高錯誤貢獻之變數。每一變數301顯示其所有分量(302-304)，且由直條307指出對應於該變數之錯誤貢獻。在一替代具體實施例中，希望顯示出一完整圖片，且顯示有關所有該等變數之更多資訊。之所以要儘可能地多顯示變數及其各別貢 獻，其中一個原因係因為：在由產生錯誤貢獻之異常因素導致之錯誤中可能存在假陽性及假陰性。如果能夠根據分量之關係而探究變數之各別貢獻，將有助於簡化對假陰性及假陽性之識別。第4圖具有潛在顯示全部變數之功能，其可以呈現錯誤貢獻之型樣，以及組件之錯誤貢獻與變數之間的關係。
第4圖係不同於第3圖之具體實施例。第4圖藉由整合全部變數中有關全部分量之資訊，同時向一使用者提供有關該等變數對該錯誤之相對貢獻的立即回饋，以一種有效方式顯示錯誤貢獻。第4圖快速呈現每一變數及相關分量之相對錯誤貢獻之完整圖片。第3圖僅選擇性的顯示對該錯誤具有最高貢獻之變數；第4圖與之不同，其顯示全部變數。藉由在該顯示400中分解每一變數之分量而使之成為可能。第4圖不是一起顯示變數的分量，而是將該等分量分解為至少兩個群組，一個在x軸上，一個在y軸上。
在一具體實施例中，如第4圖所示，顯示在y軸上之一分量群組係感測器及統計資料402，顯示在x軸上之第二分量群組係處方步驟404。在區域405之每一者中，兩個群組之相應項目重疊，該等區域被稱為“單元”(cell)。每一單元提供相關分量之錯誤貢獻的視覺指示器。此等視覺指示器可以是色彩、符號、尺寸或任意其他圖形表示。在第4圖中，錯誤貢獻由每一單元之色彩表示。每一單元中之色彩表示與一變數之錯誤貢獻，該錯誤貢獻與特定分量相關。圖例406顯示各別色彩407，其對應於對該錯誤 之貢獻的相對範圍408。例如，0.1至0及0至0.547等兩範圍由不同灰色陰影表示。0.547至1.09、1.09至1.64及1.64至2.19等三範圍由三種不同藍色陰影表示。2.19至2.74及2.74至3.28等兩範圍由兩種不同綠色陰影表示。3.28至3.83由黃色表示；3.83至4.38由橙色表示；以及，對該錯誤之最高貢獻範圍4.38至4.93由紅色表示。對一錯誤之貢獻值或貢獻範圍可以採用對數刻度或一線性刻度。
如前文之討論，在一替代具體實施例中，錯誤貢獻可以由一色彩方案進行不同表示。例如，不同錯誤範圍可以由該單元之不同型樣或陰影來表示。在再一具體實施例中，不同錯誤貢獻範圍可以由色彩、陰影或型樣之組合來表示。儘管該圖形說明採用2維，但該顯示亦可採用3維表示。在一具體實施例中，一圖形說明中之第三軸可以為錯誤貢獻之取值，在此情況下，該圖形說明不是以範圍形式呈現錯誤之相對貢獻，而是可以根據對該錯誤之貢獻的實際取值。
在該呈現為一兩維顯示之具體實施例中，單元可被進一步再分割，以表示一分量之子分量，該等分量在任一軸上均未顯示。在一此種具體實施例中，作為一例示性說明，x軸可表示處方步驟，y軸可表示感測器，且每一單元可被再分為四個，其中每一單元將統計資料表示為一分量。四個子部分之每一者可對應於該統計資料之子分量，例如，對應於一特定步驟之特定感測器之最小值、最大值、均值 及標準偏差。對於此種一具體實施例，可以在每一被再分之單元中類似地使用色彩，以說明其對該錯誤之各別貢獻。或者，可使用型樣、陰影或其組合。
以第4圖之形式呈現資料之一優點在於能夠根據資料之相關方式並根據其關係的重要性顯示資料。關於分量之顯示組織方式或分組方式，是表示為x軸或y軸，還是採用單元方式，可以由使用者根據一使用者希望提供之特定訊息，以及該等資料之相關方式而任意選擇。例如，如果根據感測器及處方步驟，對錯誤之貢獻是最重要的，則可以呈現較少數目之統計資料，以簡化該顯示，或者統計數位可以由該單元之子部分表示。例如，如前所述，統計資料可以被分為四個子分量：最小值、最大值、均值和標準偏差，所以該顯示之讀者可以很容易地藉由瀏覽該單元即可確定在一特定步驟中該特定感測器之錯誤貢獻，而不需要檢閱該等子部分之細節。
與第2圖及第3圖類似，該單元或一單元之子部分每一者可以將該使用者鏈接至先前未提供之不同資訊或更深位準之資訊。對於第4圖，每一單元或被再分之單元可將該使用者鏈接至特定感測器統計資料之一趨勢，該感測器統計資料對應特定處方步驟，係由全部晶圓取樣獲得，如第5圖所示。應理解，第4圖顯示該晶圓中每一變數之錯誤貢獻，可以將其看作第2圖之資料的擴展，第2圖顯示了一特定晶圓取樣之錯誤。第5圖顯示不同位準之資訊。其顯示一特定步驟中之特定變數，一特定感測器統計資料 (例如，步驟2中之腔室節流閥)，且將其與其他取樣之相同變數進行比對。因此，吾人應理解，與第4圖相比，第5圖一方面更為集中(僅顯示一對應於特定分量之變數)，另一方面更為廣泛(與所有其他取樣進行比對)。吾人應理解，可經由第4圖中之一鏈接呈現其他資訊，第5圖中之說明應被看作說明性，而非限制性。
第5圖係根據本發明之一具體實施例之圖線500，其說明在處方步驟2中平均腔室節流閥之趨勢。y軸501具有不同分量、感測器統計資料502(例如，平均腔室節流閥)、及處方步驟(例如，步驟2)504。在該圖線頂部，沿x軸之每一數字506表示一不同晶圓取樣。在該圖線底部沿x軸之每一項目505係一時間戳記，其表示一晶圓取樣之生產時間。該圖形說明針對所有晶圓取樣，比對處方步驟2中之平均腔室節流閥值。
應理解，第5圖僅係一例示性說明，其顯示出與第4圖中之一單元相關聯之擴展資訊。或者，與在第5圖中所選擇之內容相比，選擇不同單元可能導致顯示有關不同分量之不同資訊。例如，啟動第4圖中之不同單元，可能表示一不同感測器統計資料之趨勢，該感測器統計資料是針對不同取樣為不同處方步驟選擇的。在再一具體實施例中，可以不將不同的被選分量與不同的取樣晶圓進行比對，而是進行其他比對，例如，將該等被選分量與一時間段內之歷史資訊進行比對，或者採用不同於取樣之基礎進行比對。
與第2圖至第4圖類似，第5圖中之每一資料點亦可鏈接至第4圖中所選變數之附加資訊，例如一不同位準之資訊，或者更詳盡位準之資訊，以用於錯誤診斷。第6A圖根據本發明之一具體實施例，以擴展視圖方式顯示出自第5圖中一被選變數所鏈接之資訊，其具有與在其他被選取樣中之被選變數值之比對。第6B圖根據本發明之一具體實施例，顯示出第5圖中之被選變數之原始資料記錄，其具有與其他被選取樣之原始資料記錄之比對。
第6A圖顯示出圖形說明600，其具有一x軸603，顯示取樣(例如晶圓)之時間戳記，具有一y軸602，顯示第5圖中所選變數之取值。在此具體實施例中，該被選變數包含相同分量601(例如，處方步驟2中之平均腔室節流閥)，如圖線4及圖線5中所述。圖線上之每一點表示一晶圓。如前文所述，每批晶圓包含多個槽，因此，對應於一時間戳記之所有不同點對應於同一批中不同槽之晶圓。例如，位於時間戳記“19：50”之點604及點605對應於相同晶圓批次中之兩個不同晶圓槽。圖例606顯示出不同色彩607，其對應於不同運行或不同晶圓批次。例如，藍色對應於晶圓批次03；紅色對應晶圓批次09，綠色對應晶圓批次15；以及紫色對應晶圓批次21。
第6A圖將所選擇之變數及相應分量與其他參考取樣進行比對。在一具體實施例中，該等參考取樣可以任意選擇。在另一具體實施例中，該等參考取樣係從具有“正常”或“典型”或“預期”值之取樣中選出之取樣，該等值可 被看作“標準”。在另一具體實施例中，該等參考取樣可係相同批次但不同槽之取樣，或者是完全不同批次中之有限數目個取樣。注意，第6A圖類似於第5圖，只是第6A圖更為詳盡。例如，第6A圖顯示出同一批次但不同槽之晶圓取樣，而第5圖僅顯示出來自不同批次之不同晶圓取樣。另一方面，第5圖與第6A圖之區別還在於前者顯示出大量、甚至全部晶圓或批次，而後者僅根據附加準則顯示出所選出的很少晶圓，例如此等所顯示取樣是否被認為是“標準”值。
第6B圖顯示出在第5圖中所選擇變數及相應分量之圖形說明650。第6B圖在y軸顯示出該變數及一分量(例如，一感測器--腔室壓力)之讀數651，在x軸顯示時間652。在此具體實施例中，x軸上之時間對應於該製造過程之處方步驟。仍然是在此具體實施例中，該等處方步驟657及653被標記在該圖線上之每一軌跡上，大體對應於x軸上發生該步驟時之時間。該圖線上之每一軌跡表示一個別晶圓或試驗運行，如圖例654之解釋。所示每一軌跡655及該軌跡之色彩係表示：在特徵晶圓批次之製造過程期間，在所有該等處方步驟中，該感測器之即時讀數，未帶有統計資料。例如，晶圓3或運行3具有一藍色軌跡；晶圓9或運行9具有一紅色軌跡；晶圓15或運行15具有一綠色軌跡，晶圓21或運行21具有一紫色軌跡。第6B圖亦顯示出腔室壓力讀數(大約)在處方步驟2處顯著波動，與其他被選擇晶圓進行比對而言，其解釋了前文在第4圖 及第5圖中所示之錯誤貢獻。
在使用者介面之不同圖形顯示中顯示不同資訊，通常顯示更深位準之資訊，這一過程經常被稱為“深度探討”。深度探討過程對於錯誤診斷非常重要，允許使用者識別一變數之重要變化，以及與該變數相關之原因，從而可以對一特定錯誤進行分類。此外，可創建錯誤簽章，其中每一簽章與至少一錯誤類別相關聯。每一錯誤簽章通常指定一製程變數子集之一經分級清單，該等製程變數對該錯誤類別具有最大統計貢獻。該等製程變數之分級係採用其各別貢獻之相對大小排序。每一製程變數對一既定錯誤類別之貢獻的相對大小可由統計製程監視方法確定，例如任何用於確定該等製程變數對至少一模型量度(對於該既定錯誤類別中之一錯誤，該量度值異常之高)之各別貢獻的方法。
第7圖係方法700之一具體實施例之一流程圖，該方法用於產生一使用者介面，以呈現多變數錯誤偵測。此方法可藉由處理邏輯來執行，該等邏輯可包含硬體(例如，電路、專用邏輯、可程式化邏輯、微碼等等)、軟體(例如，執行於一處理裝置上之指令)，或其組合。在一具體實施例中，方法700可由第1圖中之統計製程監視系統105執行。
參考第7圖，在方塊702，處理邏輯呈現多個取樣之多變數模型量度資料。每一模型量度資料與一取樣相關聯，且可表示亦可不表示一錯誤。在一具體實施例中，該資料呈現可類似於第2圖。每一資料可被進一步鏈接至有 關該取樣之模型量度之更多資訊。如果該模型量度表示一錯誤，當一使用者選擇一資料點時，可顯示該等多個變數對該錯誤之相對貢獻，以作為回應。每一多變數錯誤可係來自該取樣製造過程中至少一變數之至少一貢獻的結果。在方塊704，處理邏輯係接收對一點之選擇，該點表示一取樣之模型量度資料。在方塊706，處理邏輯從資料庫中收集一取樣之該等變數分量對該取樣之一錯誤之貢獻，作為對使用者選擇資料之回應。在方塊708，處理邏輯將該等分量分到至少兩個群組，在方塊710，處理邏輯分離呈現至少兩個分量群組。在一具體實施例中，一分量群組可呈現在x軸上，一第二分量群組可呈現在y軸上。如果更多分量或子分量被呈現，其被呈現在一第三維度上，或者，如果該圖形顯示係採用一兩維視圖，則呈現為單元之子部分。
在方塊712中，處理邏輯係呈現一視覺指示器，其表示一變數之每一分量相對於該變數之其他分量的錯誤貢獻。該錯誤貢獻可採用線性刻度或對數刻度，該刻度可根據一使用者之喜好設定被選擇性地顯示。每一錯誤之貢獻亦可按範圍顯示，或者可顯示為一取值。例如，可以採用不同色彩、不同型樣、不同陰影或簡單的不同取值顯示貢獻程度或貢獻數量。在一具體實施例中，該顯示可類似於第3圖中之所示內容。在另一具體實施例中，該顯示可類似於第4圖中之所示內容。通常為便於理解而以兩維視圖呈現之顯示，亦可採用一三維視圖呈現。
在方塊714中，處理邏輯在該GUI中接收一使用者所選擇之至少一視覺指示器。在方塊716，處理邏輯在GUI中顯示所選擇視覺指示器之資訊，且對該視覺指示器作出回應。所顯示資訊更為詳細，或者提供了有關錯誤貢獻之資訊，其可以允許一使用者分析及診斷該錯誤之原因，因為其屬於該變數及其相關分量。
第8圖係一方法800之一具體實施例之流程圖，該方法800用於促進以圖形方式偵測及診斷錯誤。此方法可藉由處理邏輯來執行，該等邏輯可包含硬體(例如，電路、專用邏輯、可程式化邏輯、微碼等等)、軟體(例如，執行於一處理裝置上之指令)，或其組合。在一具體實施例中，方法800可由第1圖中之統計製程監視系統105執行。
參考第8圖，方塊802及804通常涉及一錯誤偵測過程，而方塊806-816涉及一錯誤診斷過程。換言之，錯誤診斷係一過程，其可能需要也可能不需要該使用者介面來顯示多位準資訊(該資訊係關於有關一取樣之模型量度資料)，以進行錯誤診斷或者“深度探討”資訊，以確定該錯誤之原因。在方塊802，處理邏輯呈現多個取樣之多變數模型量度資料，以使一使用者選擇。該多變數模型量度資料可指示或代表一錯誤。在一具體實施例中，該使用者介面類似於第2圖所示之顯示，其中代表多變數錯誤之取值被顯示，其對應多個取樣，且每一資料點被鏈接至可被顯示之多變數錯誤貢獻資訊。一使用者能夠藉由將每一取樣之多變數錯誤與一預定臨限值進行比對，以視覺方式偵測 一錯誤。如果一模型量度超出該臨限值位準，則一多變數錯誤被偵測到。
在方塊804，處理邏輯係接收一使用者對所關注資料點之選擇。此資料點可以與一錯誤取樣相關，也可以不與其相關。通常，如果該資料點超出該臨限值位準，從而指示一取樣存在錯誤，則一點被選擇。在方塊806，處理邏輯針對與該等變數相關聯之分量，呈現變數之錯誤貢獻資訊。該錯誤貢獻資訊顯示變數之錯誤貢獻。在一具體實施例中，可按照範圍顯示該錯誤貢獻。在另一具體實施例中，可以採用不同色彩、不同型樣、不同陰影或簡單的不同取值顯示貢獻資訊。在一具體實施例中，該顯示可類似於第3圖中之所示內容。在另一具體實施例中，該顯示可類似於第4圖中之所示內容。通常為便於理解而以兩維視圖呈現之顯示，亦可採用一三維視圖呈現。
在方塊808，處理邏輯係接收一使用者對於與一或多個分量或變數相關聯之錯誤貢獻的選擇。在方塊810，處理邏輯係回應使用者對錯誤貢獻之選擇，以呈現有關一或多個分量之資訊，該等分量與該錯誤貢獻選擇有關。在一具體實施例中，可以採用類似於第5圖中之方式顯示該資訊。換言之，有關變數及其分量之資訊被鏈接至可由使用者介面顯示之錯誤貢獻。在方塊812，處理邏輯係接收一使用者對一點之選擇或者對所關注部分資訊之選擇，該等資訊係關於一或多個與該錯誤貢獻相關之分量。在方塊814，處理邏輯以更深位準呈現有關一變數內一或多個分量 之資訊，且保持一就緒模式，以回應一使用者對所呈現資訊之選擇而顯示資訊。換言之，如果錯誤診斷過程需要有關該變數內之分量的更深位準資訊，一使用者可以藉由進一步啟動所顯示資訊(其被鏈接至一更深位準之資訊)獲得更深位準之資訊。
在方塊816，處理邏輯係回應用一使用者選擇，以繼續呈現有關一變數之一或多個分量之更深位準資訊，直到該變數之一或多個分量之原始資料被呈現為止。換言之，呈現資料及接收使用者輸入之過程將一直重複，直到最基本及最原始資料均已經被呈現為止。在一具體實施例中，以不同位準所顯示資訊之間的關係是，後續位準之資訊較前一位準之資訊更為深入。在另一具體實施例中，以不同位準所顯示資訊之間的關係是：後續位準之資訊與前一位準之顯示資訊不同，但與其有關，其以不同角度被呈現，使一使用者能夠在資料之間進行區分。例如，第5圖顯示了全部批次的“步驟2中平均腔室節流閥值”，與之對照，第6A圖僅顯示了相同批次中所選擇取樣槽的“步驟2中平均腔室節流閥值”，如此給出不同角度之資訊。相反，第6B圖顯示了“步驟2中腔室節流閥值”隨時間變化的原始值，且將其與其他所選取樣進行比對。與第5圖所表示之前一位準相比，後一實例顯示出更深位準之資訊。
因此，該使用者提供這種與使用者進行重複互動之過程，以顯示更深位準之不同資訊(該資訊被鏈接至在該使用者介面上所呈現之資料)，從而輔助錯誤診斷。換言之， 方塊816說明，該資訊深度探討過程將繼續從一顯示向另一顯示進行，直到可以對錯誤貢獻進行分類或解釋為止，或者直到資訊被耗盡為止，在此情況下，所顯示資訊是最基本的，不能再進行任何進一步的深度探討。應理解，錯誤診斷可能涉及在多個位準分析資訊，這一點與錯誤偵測不同，在錯誤偵測過程中，使用者偵測錯誤可能只需要一位準之資訊。錯誤診斷可能需要一深度探討過程，以研究變數中分量的關係，並與其他取樣及標準比對資料。吾人應進一步理解，深度探討並不一定意味著獲得更深位準之資訊，而是應當結合對有關其他分量、變數及取樣資訊關係之研究，該等關係可以被看作是橫向的，或者看作是深位準資訊。
第9圖說明一機器之方塊圖，該機器採用一電腦系統900之例示形式，在該電腦系統900中可執行一組指令，使該機器能夠執行本文所述之任意一或多種方法。在替代具體實施例中，該機器可被連接至(例如，聯網至)區域網路、企業內部網路、外部網路或網際網路中之其他機器。該機器可以工作於一伺服器之容量之內，或者工作於一用戶端-伺服器網路環境中之用戶端機器容量內，或者作為一點對點(或分散式)網路環境中之對等機器工作。該機器可係一個人電腦(PC)、一平板個人電腦、一視訊轉換器(STB)、一個人數位助理(PDA)、一行動電話、一網路設備、一伺服器、一網路路由器、交換機或橋接，或任何能夠一組(連續或非連續)指令之機器，該等指令規定將由該機 器執行之動作。此外，儘管僅示出單一機器，但“機器”一詞亦應被用於包含任何機器集合，該等機器個別或結合執行一組(或多組)指令，以執行本文所討論之任意一或多種方法。
該例示性電腦系統900包含一處理裝置(處理器)902、一主記憶體904(例如，唯讀記憶體(ROM)、快閃記憶體、動態隨機存取記憶體(DRAM)，例如同步動態隨機存取記憶體(SDRAM)或Rambus DRAM(RDARM)等等)、一靜態記憶體906(例如，快閃記憶體、靜態隨機存取記憶體(SRAM)等等)、及一資料儲存裝置918，其經由一匯流排930相互通信。
處理器902表示一或多個通用處理裝置，例如，一微處理器、中央處理單元、或類似處理裝置。更特定言之，處理器902可係一複雜指令集計算(CISC)微處理器、精簡指令集計算(RISC)微處理器、極長指令字組(VLIW)微處理器、或一實施其他指令集之處理器或實施指令集組合之處理器。該處理器902也可以是一或多個專用處理裝置，例如，一專用積體電路(ASIC)、場可程式閘陣列(FPGA)、數位訊號處理器(DSP)、網路處理器、或類似處理裝置。處理器902被組態用於執行處理邏輯926，以執行本文所討論之操作及步驟。
電腦系統900可另包含一網路介面裝置908。電腦系統900亦可包含一視訊顯示單元910(例如，一液晶顯示器(LCD)或一陰極射線管(CRT))、一文字與數字輸入元件 912(例如，一鍵盤)、一游標控制裝置914(例如，一滑鼠)、及一訊號產生裝置916(例如，一揚聲器)。
資料儲存裝置918可包含一機器可存取儲存媒體931，在其上儲存一或多個指令集(例如，軟體922)，該等指令集實施本文所討論之一或多種方法或功能。在由電腦系統900執行期間，軟體922還可以全部或至少部分駐於主記憶體904及/或處理器902中，該主記憶體904及該處理器902亦構成機器可存取儲存媒體之一部分。軟體922另可經由網路介面裝置908在一網路920上傳送或接收。
機器可存取儲存媒體931還可以被用於儲存資料結構集合(其定義使用者識別狀態)及使用者喜好設定(其定義使用者設定檔)。資料結構集合及使用者設定檔亦可儲存於電腦系統900之其他部分，例如，靜態記憶體906中。
儘管在一例示性具體實施例中顯示該機器可存取儲存媒體931係一單一媒體，但“機器可存取儲存媒體”一詞應被用於包含單一媒體或多個媒體(例如，一集中或分散式資料庫，及/或相關快取及伺服器)，其儲存一或多個指令集。“機器可存取儲存媒體”一詞還應包含任何能夠儲存、編碼及承載將由該機器執行之指令集的媒體，該等指令集導致該機器執行本發明之任何一或多種方法。“機器可存取儲存媒體”應相應地包含但不限於固態記憶體、光學及磁性媒體，及載波訊號。
應理解上述說明係說明性，而非限制性。熟習此項技術者在閱讀及理解上述實施方式之後，可以明瞭許多其他 具體實施例。因此，本發明之範圍應參考隨附申請專利範圍以及此等申請專利範圍被授權之等價物完全範圍限定。
100‧‧‧統計製程系統
105‧‧‧統計製程監視系統
110‧‧‧製造機器
120‧‧‧製程量測資料庫
125‧‧‧錯誤偵測器
130‧‧‧錯誤診斷器
135‧‧‧多變數統計模型
140‧‧‧錯誤簽章
145‧‧‧錯誤類別
150‧‧‧製程控制器
155‧‧‧感測器
160‧‧‧資料通信鏈路
165‧‧‧錯誤報告器
170‧‧‧處方
175‧‧‧儲存裝置
180‧‧‧GUI產生器
185‧‧‧匯流排
201‧‧‧標準化平方預測誤差(SPE)或Qres
202‧‧‧取樣
203‧‧‧點
205‧‧‧線
300‧‧‧多個變數之圖形顯示
301‧‧‧變數
302‧‧‧統計資料
303‧‧‧感測器
304‧‧‧處方步驟
305‧‧‧錯誤貢獻索引
307‧‧‧直條
402‧‧‧感測器及統計資料
404‧‧‧處方步驟
405‧‧‧區域
406‧‧‧圖例
407‧‧‧色彩
408‧‧‧相對範圍
500‧‧‧圖線
501‧‧‧Y軸
502‧‧‧感測器統計資料
504‧‧‧處方步驟
505‧‧‧項目
506‧‧‧數字
600‧‧‧圖形說明
602‧‧‧y軸
603‧‧‧x軸
604‧‧‧點
605‧‧‧點
606‧‧‧圖例
607‧‧‧色彩
650‧‧‧圖形說明
651‧‧‧讀數
652‧‧‧時間
654‧‧‧圖例
655‧‧‧軌跡
657‧‧‧處方步驟
900‧‧‧電腦系統
902‧‧‧處理裝置(處理器)
904‧‧‧主記憶體
906‧‧‧靜態記憶體
908‧‧‧網路介面裝置
910‧‧‧視訊顯示單元
912‧‧‧文字與數字輸入元件
914‧‧‧游標控制裝置
916‧‧‧訊號產生裝置
918‧‧‧資料儲存裝置
920‧‧‧網路
922‧‧‧軟體
930‧‧‧匯流排
931‧‧‧機器可存取儲存媒體
此申請檔案包含至少一彩色圖式。本發明係以實例說明之，而不是以限制方式進行說明，在附圖中：第1圖根據本發明之一具體實施例說明一統計製程監視系統。
第2圖根據本發明之一具體實施例說明一趨勢曲線模型，其係多個取樣之一多變數模型量度之模型。
第3圖根據本發明之一具體實施例說明一錯誤貢獻呈現，其具有選自第2圖中一點之有限資訊。
第4圖根據本發明之一具體實施例說明一取樣對一錯誤之貢獻呈現，該取樣係選自第2圖中一點，該錯誤係關於一製程中多個變數之不同分量。
第5圖根據本發明之一具體實施例說明一製程中一變數分量之趨勢呈現，每一者對應於多個取樣對一錯誤之不同貢獻。
第6A圖根據本發明之一具體實施例說明第5圖中一取樣之一變數分量之呈現，將其與其他被選擇取樣之變數分量取值進行了比對。
第6B圖根據本發明之一具體實施例說明第5圖中一取樣之變數分量之原始資料記錄，將其與所選擇取樣之原始資料記錄進行了比對。
第7圖根據本發明之一具體實施例說明一種產生一使用者介面之方法的流程圖，產生該介面係用於呈現多變數錯誤偵測。
第8圖根據本發明之一具體實施例說明用於以圖式方式偵測及診斷錯誤之流程圖。以及第9圖根據本發明之一具體實施例說明一機器之方塊圖，該機器採用一電腦系統之例示形式，在該電腦系統中可執行一組指令，使該機器能夠執行本文所述之任意一或多種方法。

Claims (39)

  1. 一種用於呈現多變數錯誤貢獻之方法，該方法包含以下步驟：提供一使用者介面，以說明由包含多個變數之一製程所製造的一取樣之一錯誤，該等多個變數之每一個包含至少兩個分量；在該使用者介面中呈現該等多個變數，在一第一軸上呈現該等多個變數之一第一分量群組，在一第二軸上呈現該等多個變數之一第二分量群組，其中在該使用者介面上，位於該第一軸上該等多個變數之該第一分量群組之不同分量與位於該第二軸上該等多個變數之該第二分量群組之不同分量所相交之區域，係為單元(cell)；藉由將該等多個變數之該第一分量群組中之分量的貢獻關聯至該等多個變數之該第二分量群組中之相應分量，而在該使用者介面中以圖形方式說明與該等多個變數相關聯的該錯誤之貢獻；及對於相應單元提供分量的錯誤貢獻之視覺指示。
  2. 如申請專利範圍第1項所述之方法，其中該等多個變數之每一者包含相同的分量，但對於不同變數，該等分量之每一者之表示係不相同。
  3. 如申請專利範圍第2項所述之方法，其中每一分量包含一感測器、一統計資料、及一處方步驟(recipe step)之至少 一者。
  4. 如申請專利範圍第1項所述之方法，其中每一分量包含一或多個子分量。
  5. 如申請專利範圍第1項所述之方法，其中每一單元被進一步再分割。
  6. 如申請專利範圍第5項所述之方法，其中該單元之每一再分割部分另包含一附加分量或子分量，該附加分量或子分量並未表示在該第一分量群組或該第二分量群組中。
  7. 如申請專利範圍第1項所述之方法，其中以二維或三維方式呈現該使用者介面。
  8. 如申請專利範圍第1項所述之方法，其中為每一單元提供一錯誤貢獻的一視覺指示之步驟包含以下步驟：使用不同色彩、不同符號、不同型樣、不同陰影、不同值或其任意組合中之至少一者來提供該視覺指示。
  9. 如申請專利範圍第8項所述之方法，其中每一色彩與一範圍相關聯，該範圍定義對該錯誤之貢獻之一級別。
  10. 如申請專利範圍第1項所述之方法，其中對該錯誤之每 一貢獻係採用一線性刻度。
  11. 如申請專利範圍第1項所述之方法，其中對該錯誤之每一貢獻係採用一對數刻度。
  12. 如申請專利範圍第1項所述之方法，其中對該錯誤之每一貢獻係採用由一使用者定義之一刻度，包含可採用不同刻度之一組合的一刻度。
  13. 如申請專利範圍第1項所述之方法，另包含以下步驟：根據在該使用者介面上所顯示之該等貢獻之至少一者，而呈現附加資訊。
  14. 如申請專利範圍第1項所述之方法，另包含以下步驟：呈現該錯誤之一原因，用於將該錯誤分類至一錯誤類別，且進一步分類至一錯誤簽章。
  15. 如申請專利範圍第14項所述之方法，其中該錯誤類別係該錯誤的許多預先決定的原因之一者。
  16. 如申請專利範圍第14項所述之方法，其中該錯誤簽章指定製程變數之子集的一分級清單，該等製程變數對該錯誤類別具有最大統計貢獻，且根據各別貢獻之相對大小來排序。
  17. 如申請專利範圍第14項所述之方法，其中該錯誤在被分類之後，被用於以該錯誤簽章抑制將來之假警報。
  18. 一種用於呈現多變數錯誤貢獻之設備，該設備包含：使用者介面提供裝置，該使用者介面提供裝置用以提供一使用者介面，以說明由包含多個變數之一製程所製造的一取樣之一錯誤，該等多個變數之每一個包含至少兩個分量；呈現裝置，該呈現裝置用以在該使用者介面中呈現該等多個變數，在一第一軸上呈現該等多個變數之一第一分量群組，在一第二軸上呈現該等多個變數之一第二分量群組，其中在該使用者介面上，位於該第一軸上該等多個變數之該第一分量群組之不同分量與位於該第二軸上該等多個變數之該第二分量群組之不同分量所相交之區域，係為單元(cell)；說明裝置，該說明裝置用以藉由將該等多個變數之該第一分量群組中之分量的貢獻關聯至該等多個變數之該第二分量群組中之相應分量，而在該使用者介面中以圖形方式說明與該等多個變數相關聯的該錯誤之貢獻；及視覺指示提供裝置，該視覺指示提供裝置用以對於相應單元提供分量的錯誤貢獻之視覺指示。
  19. 如申請專利範圍第18項所述之設備，其中該等多個變數 之每一者包含相同分量，但對於不同變數，該等分量每一者之表示係不相同。
  20. 如申請專利範圍第19項所述之設備，其中每一分量包含一感測器、一統計資料、及一處方步驟之至少一者。
  21. 如申請專利範圍第18項所述之設備，其中對於每一單元提供一錯誤貢獻的一視覺指示包含：使用不同色彩、不同符號、不同型樣、不同陰影、不同值或其任意組合中之至少一者來提供該視覺指示。
  22. 如申請專利範圍第21項所述之設備，其中每一色彩與一範圍相關聯，該範圍定義對該錯誤之貢獻之一級別。
  23. 一種機器可存取媒體，其提供複數指令，該等指令被一機器執行時，將導致該機器執行操作，該操作包含以下步驟：提供一使用者介面，以說明由包含多個變數之一製程所製造的一取樣之一錯誤，該等多個變數之每一個包含至少兩個分量；在該使用者介面中呈現該等多個變數，在一第一軸上呈現該等多個變數之一第一分量群組，在一第二軸上呈現該等多個變數之一第二分量群組，其中在該使用者介面上，位於該第一軸上該等多個變數之該第一分量群組之不 同分量與位於該第二軸上該等多個變數之該第二分量群組之不同分量所相交之區域，係為單元(cell)；藉由將該等多個變數之該第一分量群組中之分量的貢獻關聯至該等多個變數之該第二分量群組中之相應分量，而在該使用者介面中以圖形方式說明與該等多個變數相關聯的該錯誤之貢獻；及對於相應單元提供分量的錯誤貢獻之視覺指示。
  24. 如申請專利範圍第23項所述之機器可存取媒體，其中該等多個變數之每一者包含相同分量，但對於不同變數，該等分量每一者之表示係不相同。
  25. 如申請專利範圍第24項所述之機器可存取媒體，其中每一分量包含一感測器、一統計資料、及一處方步驟之至少一者。
  26. 一種用於呈現多變數錯誤貢獻之系統，該系統包含：一資料庫，用以儲存屬於錯誤之資料；以及一GUI產生器，耦接至該資料庫，用以提供一使用者介面，以說明由包含多個變數之一製程所製造的一取樣之一錯誤，該等多個變數之每一個包含至少兩個分量，在該使用者介面中呈現該等多個變數，在一第一軸上呈現該等多個變數之一第一分量群組，在一第二軸上呈現 該等多個變數之一第二分量群組，其中在該使用者介面上，位於該第一軸上該等多個變數之該第一分量群組之不同分量與位於該第二軸上該等多個變數之該第二分量群組之不同分量所相交之區域，係為單元(cell)，藉由將該等多個變數之該第一分量群組中之分量的貢獻關聯至該等多個變數之該第二分量群組中之相應分量，而在該使用者介面中以圖形方式說明與該等多個變數相關聯的該錯誤之貢獻；及對於相應單元提供分量的錯誤貢獻之視覺指示。
  27. 一種用於呈現多變數錯誤貢獻之方法，該方法包含以下步驟：以一使用者介面的一目前視界，顯示產生一錯誤的一製造製程運作的處方步驟(recipe step)，該等處方步驟係沿著一第一軸顯示；以沿著一第二軸的該目前視界，顯示由多個感測器對該製造製程運作所量測的參數之至少一者；以該目前視界，顯示具有該等經量測的參數之至少一者的該等處方步驟之多個交集，該等多個交集之每一者包括一單元，該單元提供對歸屬於一獨特處方步驟處的獨特量測的一參數之至少一者的一特定錯誤的一貢獻的一視覺指示；及以該目前視界，顯示將該視覺指示關聯至獨特的一錯誤貢獻、一錯誤貢獻範圍、或一錯誤貢獻分級之至少一者 的一圖例。
  28. 如申請專利範圍第27項所述之方法，進一步包含以下步驟：若選擇出一第一處方步驟及一第一經量測的參數之至少一者的一第一交集，則顯示該使用者介面的一接續視界，該接續視界顯現關於該第一經量測的參數之至少一者的詳細資訊或將該詳細資訊顯現於該第一處方步驟處。
  29. 如申請專利範圍第27項所述之方法，更包含以下步驟：以該目前視界，顯示與該第二軸關聯的該等感測器。
  30. 一種包括指令的電腦可讀取媒體，當該等指令被一電腦執行時，導致該電腦執行包含以下步驟的一方法：以一使用者介面的一目前視界，顯示產生一錯誤的一製造製程運作的處方步驟(recipe step)，該等處方步驟係沿著一第一軸顯示；以沿著一第二軸的該目前視界，顯示由多個感測器對該製造製程運作所量測的參數之至少一者；以該目前視界，顯示具有該等經量測的參數之至少一者的該等處方步驟之多個交集，該等多個交集之每一者包括一單元，該單元提供對歸屬於一獨特處方步驟處的獨特量測的一參數之至少一者的一特定錯誤的一貢獻的一視覺指示；及以該目前視界，顯示將該視覺指示關聯至獨特的一錯 誤貢獻、一錯誤貢獻範圍、或一錯誤貢獻分級之至少一者的一圖例。
  31. 如申請專利範圍第30項所述之電腦可讀取媒體，其中該方法更包含以下步驟：若選擇出一第一處方步驟及一第一經量測的參數之至少一者的一第一交集，則顯示該使用者介面的一接續視界，該接續視界顯現關於該第一經量測的參數之至少一者的詳細資訊或將該詳細資訊顯現於該第一處方步驟處。
  32. 如申請專利範圍第30項所述之電腦可讀取媒體，其中該方法更包含以下步驟：以該目前視界，顯示與該第二軸關聯的該等感測器。
  33. 一種用於一錯誤診斷系統的使用者介面，包含：一目前視界，用以：沿著一第一軸，顯示產生一錯誤的一製造製程運作的處方步驟(recipe step)，沿著一第二軸，顯示由多個感測器對該製造製程運作所量測的參數之至少一者，顯示具有該等經量測的參數之至少一者的該等處方步驟之多個交集，該等多個交集之每一者包括一單元，該單元提供對歸屬於一獨特處方步驟處的獨特量測的一參數之至少一者的一特定錯誤的一貢獻的一視覺指示，且 顯示將該視覺指示關聯至獨特的一錯誤貢獻、一錯誤貢獻範圍、或一錯誤貢獻分級之至少一者的一圖例。
  34. 如申請專利範圍第33項所述之使用者介面，更包含：一接續視界，該接續視界係在選擇出一第一處方步驟及一第一經量測的參數之至少一者的一第一交集之情況下顯示，其中該接續視界將關於該第一經量測的參數之至少一者的詳細資訊顯現於該第一處方步驟。
  35. 如申請專利範圍第33項所述之使用者介面，其中該目前視界顯示該錯誤的一或多個可能原因的一清單。
  36. 一種用於呈現多變數錯誤貢獻之方法，該方法包含以下步驟：以一使用者介面的一第一視界，顯示製造製程運作的一標準化趨勢圖，其中在該趨勢圖中的多個資料點之每一者代表對於一製造製程運作的標準化多元統計資料；以該第一視界顯示一標準化的臨界值，其中具有超過該標準化的臨界值的一標準化值的該等多個資料點之每一者指示一錯誤；接收獨特的一資料點的選擇，所選擇的該資料點具有超過該標準化的臨界值的一獨特標準化值；以該使用者介面的一第二視界，顯示由選擇出的該資料點代表的一製造製程運作的處方步驟(recipe step)，該等 處方步驟係沿著一第一軸顯示；以沿著一第二軸的該第二視界，顯示由多個感測器對該製造製程運作所量測的參數之至少一者；以該第二視界，顯示具有該等經量測的參數之至少一者的該等處方步驟之多個交集，該等多個交集之每一者包括一單元，該單元提供對歸屬於一獨特處方步驟處的獨特量測的一參數之至少一者的一特定錯誤的一貢獻的一視覺指示；及以該第二視界，顯示將該視覺指示關聯至獨特的一錯誤貢獻、一錯誤貢獻範圍、或一錯誤貢獻分級之至少一者的一圖例。
  37. 如申請專利範圍第36項所述之方法，更包含以下步驟：以該第二視界，顯示對於獨特的該製造製程運作的該錯誤的一或多個可能原因的一清單。
  38. 一種用於一錯誤診斷系統的使用者介面，包含：一第一視界，用以：顯示製造製程運作的一標準化趨勢圖，其中在該趨勢圖中的多個資料點之每一者代表對於一製造製程運作的標準化多元統計資料，且顯示一標準化的臨界值，其中具有超過該標準化的臨界值的一標準化值的該等多個資料點之每一者指示一錯誤；及 一第二視界，在一使用者選擇具有超過該標準化的臨界值的一獨特標準化值的獨特的一資料點之後，立即用以：沿著一第一軸，顯示由該選擇出的資料點代表的一製造製程運作的處方步驟(recipe step)，沿著一第二軸，顯示由多個感測器對該製造製程運作所量測的參數之至少一者，顯示具有該等經量測的參數之至少一者的該等處方步驟之多個交集，該等多個交集之每一者包括一單元，該單元提供對歸屬於一獨特處方步驟處的獨特量測的一參數之至少一者的一特定錯誤的一貢獻的一視覺指示，且顯示將該視覺指示關聯至獨特的一錯誤貢獻、一錯誤貢獻範圍、或一錯誤貢獻分級之至少一者的一圖例。
  39. 如申請專利範圍第38項所述之使用者介面，其中該第二視界經配置成顯示對於獨特的該製造製程運作的該錯誤的一或多個可能原因的一清單。
TW097116334A 2007-05-04 2008-05-02 用於呈現多變數錯誤貢獻之方法、設備、機器可存取媒體、電腦可讀取媒體、系統及使用者介面 TWI488039B (zh)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
US11/800,462 US7765020B2 (en) 2007-05-04 2007-05-04 Graphical user interface for presenting multivariate fault contributions

Publications (2)

Publication Number Publication Date
TW200900921A TW200900921A (en) 2009-01-01
TWI488039B true TWI488039B (zh) 2015-06-11

Family

ID=39940434

Family Applications (1)

Application Number Title Priority Date Filing Date
TW097116334A TWI488039B (zh) 2007-05-04 2008-05-02 用於呈現多變數錯誤貢獻之方法、設備、機器可存取媒體、電腦可讀取媒體、系統及使用者介面

Country Status (3)

Country Link
US (2) US7765020B2 (zh)
KR (1) KR100992373B1 (zh)
TW (1) TWI488039B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11592812B2 (en) 2019-02-19 2023-02-28 Applied Materials, Inc. Sensor metrology data integration

Families Citing this family (40)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8156387B2 (en) * 2003-12-19 2012-04-10 Pitney Bowes Inc. Method and system for error manipulation
JP5177958B2 (ja) * 2006-03-31 2013-04-10 Ｈｏｙａ株式会社 処理データ管理システム、磁気ディスク製造装置用の処理システム、および、磁気ディスク製造装置のデータ管理方法
US7596718B2 (en) * 2006-05-07 2009-09-29 Applied Materials, Inc. Ranged fault signatures for fault diagnosis
US8010321B2 (en) * 2007-05-04 2011-08-30 Applied Materials, Inc. Metrics independent and recipe independent fault classes
US8013864B2 (en) * 2007-07-19 2011-09-06 Honeywell International Inc. Method and system for visualizing multivariate statistics
US20090282296A1 (en) * 2008-05-08 2009-11-12 Applied Materials, Inc. Multivariate fault detection improvement for electronic device manufacturing
US8335582B2 (en) * 2008-05-19 2012-12-18 Applied Materials, Inc. Software application to analyze event log and chart tool fail rate as function of chamber and recipe
US20100063610A1 (en) * 2008-09-08 2010-03-11 David Angell Method of process modules performance matching
US8527080B2 (en) 2008-10-02 2013-09-03 Applied Materials, Inc. Method and system for managing process jobs in a semiconductor fabrication facility
US8989887B2 (en) * 2009-02-11 2015-03-24 Applied Materials, Inc. Use of prediction data in monitoring actual production targets
US8285414B2 (en) 2009-03-31 2012-10-09 International Business Machines Corporation Method and system for evaluating a machine tool operating characteristics
US9323234B2 (en) * 2009-06-10 2016-04-26 Fisher-Rosemount Systems, Inc. Predicted fault analysis
US8086899B2 (en) * 2010-03-25 2011-12-27 Microsoft Corporation Diagnosis of problem causes using factorization
JP5597056B2 (ja) * 2010-08-02 2014-10-01 株式会社キーエンス 画像測定装置、画像測定方法及び画像測定装置用のプログラム
US20120089983A1 (en) * 2010-10-11 2012-04-12 Tata Consultancy Services Limited Assessing process deployment
US8621287B1 (en) * 2010-11-03 2013-12-31 United Services Automobile Association (Usaa) Computing system monitoring
US8769345B2 (en) * 2011-07-29 2014-07-01 General Electric Company Computing device and methods of presenting data to identify faults within power systems
US9915940B2 (en) * 2011-10-31 2018-03-13 Applied Materials, Llc Bi-directional association and graphical acquisition of time-based equipment sensor data and material-based metrology statistical process control data
US9798947B2 (en) 2011-10-31 2017-10-24 Applied Materials, Inc. Method and system for splitting scheduling problems into sub-problems
JP5868784B2 (ja) * 2012-05-31 2016-02-24 横河電機株式会社 プロセス監視システム及び方法
JP6262137B2 (ja) * 2012-09-26 2018-01-17 株式会社日立国際電気 統合管理システム、管理装置、基板処理装置の情報表示方法及びプログラム
US9881398B2 (en) * 2012-11-06 2018-01-30 Applied Materials, Inc. Trend dynamic sensor imaging using contour maps to visualize multiple trend data sets in a single view
US20140325329A1 (en) * 2013-04-24 2014-10-30 Hewlett-Packard Development Company, L.P. Visual Analytics of Multivariate Data Using a Cell Based Calendar Matrix having a Visual Folding Mechanism
US20140359366A1 (en) * 2013-05-28 2014-12-04 Jean-Pascal Schwinn Method and Engineering Apparatus for Performing a Three-Dimensional Analysis of a Technical System
CN103605592A (zh) * 2013-11-29 2014-02-26 中国航空工业集团公司第六三一研究所 一种分布式计算机系统故障检测机制
US20150277416A1 (en) * 2014-03-31 2015-10-01 Mitsubishi Electric Research Laboratories, Inc. Method for Anomaly Detection in Discrete Manufacturing Processes
US9697470B2 (en) 2014-04-16 2017-07-04 Applied Materials, Inc. Apparatus and method for integrating manual and automated techniques for automated correlation in data mining
US20150331980A1 (en) * 2014-05-15 2015-11-19 Applied Materials, Inc. Apparatus and method for classifying context types for multivariate modeling
US10228685B2 (en) * 2015-10-22 2019-03-12 Globalfoundries Inc. Use of multivariate models to control manufacturing operations
US10565513B2 (en) * 2016-09-19 2020-02-18 Applied Materials, Inc. Time-series fault detection, fault classification, and transition analysis using a K-nearest-neighbor and logistic regression approach
US20180356811A1 (en) * 2017-06-12 2018-12-13 Honeywell International Inc. Apparatus and method for automated identification and diagnosis of constraint violations
CN110785717B (zh) 2017-06-19 2022-12-09 杰富意钢铁株式会社 工艺的异常状态诊断装置和异常状态诊断方法
JP7010641B2 (ja) * 2017-09-27 2022-01-26 パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカ 異常診断方法および異常診断装置
JP6863319B2 (ja) * 2018-03-16 2021-04-21 株式会社Sumco ウェーハの熱処理方法およびウェーハの製造方法
US11112449B2 (en) * 2018-04-06 2021-09-07 Bendy Nevada, LLC Flexible and scalable monitoring systems for industrial machines
KR102225356B1 (ko) * 2019-01-04 2021-03-09 울산과학기술원 Gui 디자인에 대한 피드백을 제공하는 방법 및 장치
JP7272020B2 (ja) * 2019-03-13 2023-05-12 オムロン株式会社 表示システム
CN109992486A (zh) * 2019-04-02 2019-07-09 北京睿至大数据有限公司 一种基于时序和热力图的it故障展示方法
US20220171374A1 (en) * 2020-12-02 2022-06-02 Noodle Analytics, Inc. Defect profiling and tracking system for process-manufacturing enterprise
US11853042B2 (en) 2021-02-17 2023-12-26 Applied Materials, Inc. Part, sensor, and metrology data integration

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TW200609782A (en) * 2004-08-12 2006-03-16 Ibm Physical design system and method
US20060184264A1 (en) * 2005-02-16 2006-08-17 Tokyo Electron Limited Fault detection and classification (FDC) using a run-to-run controller
US20070021859A1 (en) * 2005-07-07 2007-01-25 Mks Instruments, Inc. Self-correcting multivariate analysis for use in monitoring dynamic parameters in process environments

Family Cites Families (33)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5442562A (en) 1993-12-10 1995-08-15 Eastman Kodak Company Method of controlling a manufacturing process using multivariate analysis
US5694401A (en) 1994-06-27 1997-12-02 Tandem Computers Incorporated Fault isolation using pseudo-random scan
US5544308A (en) 1994-08-02 1996-08-06 Giordano Automation Corp. Method for automating the development and execution of diagnostic reasoning software in products and processes
US6202181B1 (en) 1996-11-04 2001-03-13 The Regents Of The University Of California Method for diagnosing bridging faults in integrated circuits
US6442445B1 (en) 1999-03-19 2002-08-27 International Business Machines Corporation, User configurable multivariate time series reduction tool control method
US6625688B1 (en) 1999-05-10 2003-09-23 Delphi Technologies, Inc. Method and circuit for analysis of the operation of a microcontroller using signature analysis of memory
US7413546B2 (en) * 1999-12-07 2008-08-19 Univeristy Of Utah Research Foundation Method and apparatus for monitoring dynamic cardiovascular function using n-dimensional representations of critical functions
WO2001042895A1 (en) * 1999-12-07 2001-06-14 University Of Utah Research Foundation Method and apparatus for monitoring dynamic systems using n-dimensional representations of critical functions
DE60113073T2 (de) * 2000-03-10 2006-08-31 Smiths Detection Inc., Pasadena Steuerung für einen industriellen prozes mit einer oder mehreren multidimensionalen variablen
AU2002213134A1 (en) * 2000-10-13 2002-04-22 The Brigham And Women's Hospital, Inc. Method and display for multivariate classification
US6907545B2 (en) 2001-03-02 2005-06-14 Pitney Bowes Inc. System and method for recognizing faults in machines
US6600204B2 (en) * 2001-07-11 2003-07-29 General Semiconductor, Inc. Low-voltage punch-through bi-directional transient-voltage suppression devices having surface breakdown protection and methods of making the same
US6954884B2 (en) 2001-06-01 2005-10-11 Lucent Technologies Inc. System and method for effecting recovery of a network
US7089154B2 (en) 2001-08-09 2006-08-08 Rovsing Dynamics A/S Automatic machinery fault diagnostic method and apparatus
US7072794B2 (en) 2001-08-28 2006-07-04 Rockefeller University Statistical methods for multivariate ordinal data which are used for data base driven decision support
US6873914B2 (en) * 2001-11-21 2005-03-29 Icoria, Inc. Methods and systems for analyzing complex biological systems
US6954883B1 (en) 2002-01-11 2005-10-11 Advanced Micro Devices, Inc. Method and apparatus for performing fault detection using data from a database
US20030171897A1 (en) 2002-02-28 2003-09-11 John Bieda Product performance integrated database apparatus and method
US7096074B2 (en) 2002-05-30 2006-08-22 Insyst Ltd. Methods and apparatus for early fault detection and alert generation in a process
TW583567B (en) 2002-06-28 2004-04-11 Powerchip Semiconductor Corp Automatic intelligent system for performing yield rate improvement and multivariate analysis of production process parameters and method thereof
US7680753B2 (en) 2002-07-10 2010-03-16 Satyam Computer Services Limited System and method for fault identification in an electronic system based on context-based alarm analysis
GB0216858D0 (en) 2002-07-19 2002-08-28 Bae Systems Plc Fault diagnosis system
US6893882B2 (en) 2002-12-06 2005-05-17 Taiwan Semiconductor Manufacturing Co., Ltd. Multivariate RBR tool aging detector
US7062411B2 (en) 2003-06-11 2006-06-13 Scientific Systems Research Limited Method for process control of semiconductor manufacturing equipment
US7328126B2 (en) 2003-09-12 2008-02-05 Tokyo Electron Limited Method and system of diagnosing a processing system using adaptive multivariate analysis
US20050114023A1 (en) 2003-11-26 2005-05-26 Williamson Walton R. Fault-tolerant system, apparatus and method
US7151976B2 (en) 2004-09-17 2006-12-19 Mks Instruments, Inc. Multivariate control of semiconductor processes
US20070028220A1 (en) 2004-10-15 2007-02-01 Xerox Corporation Fault detection and root cause identification in complex systems
US20070006037A1 (en) 2005-06-29 2007-01-04 Microsoft Corporation Automated test case result analyzer
EP2998894B1 (en) 2005-07-11 2021-09-08 Brooks Automation, Inc. Intelligent condition monitoring and fault diagnostic system
KR100640663B1 (ko) 2005-08-12 2006-11-01 삼성전자주식회사 상수 및 동일 패턴을 갖는 파라미터들을 다변량 모델링하는방법 및 장치 그리고 이를 이용한 반도체 제조방법
US7596718B2 (en) 2006-05-07 2009-09-29 Applied Materials, Inc. Ranged fault signatures for fault diagnosis
US7587296B2 (en) 2006-05-07 2009-09-08 Applied Materials, Inc. Adaptive multivariate fault detection

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TW200609782A (en) * 2004-08-12 2006-03-16 Ibm Physical design system and method
US20060184264A1 (en) * 2005-02-16 2006-08-17 Tokyo Electron Limited Fault detection and classification (FDC) using a run-to-run controller
US20070021859A1 (en) * 2005-07-07 2007-01-25 Mks Instruments, Inc. Self-correcting multivariate analysis for use in monitoring dynamic parameters in process environments

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11592812B2 (en) 2019-02-19 2023-02-28 Applied Materials, Inc. Sensor metrology data integration
TWI818153B (zh) * 2019-02-19 2023-10-11 美商應用材料股份有限公司 用於感測器計量資料整合的方法、系統與電腦可讀取媒體

Also Published As

Publication number Publication date
US20080276137A1 (en) 2008-11-06
US20080276136A1 (en) 2008-11-06
US7831326B2 (en) 2010-11-09
KR100992373B1 (ko) 2010-11-04
KR20080098332A (ko) 2008-11-07
US7765020B2 (en) 2010-07-27
TW200900921A (en) 2009-01-01

Similar Documents

Publication Publication Date Title
TWI488039B (zh) 用於呈現多變數錯誤貢獻之方法、設備、機器可存取媒體、電腦可讀取媒體、系統及使用者介面
TWI459487B (zh) 度量獨立及處方獨立的故障類別
US8723869B2 (en) Biologically based chamber matching
US10409272B2 (en) Method and apparatus to automatically create virtual sensors with templates
Reis et al. Assessing the value of information of data‐centric activities in the chemical processing industry 4.0
CN108369916B (zh) 晶片逐点分析和数据呈现
JP2010537282A (ja) 化学プラントや精製所の連続オンラインモニタリング用のシステムおよび方法
US20130173332A1 (en) Architecture for root cause analysis, prediction, and modeling and methods therefor
US8335582B2 (en) Software application to analyze event log and chart tool fail rate as function of chamber and recipe
WO2007047375A1 (en) Statistical signatures used with multivariate statistical analysis for fault detection and isolation and abnormal condition prevention in a process
US10042357B2 (en) Portable, adaptable equipment health user interface
CN105518654A (zh) 对工具处理数据提供多变量分析的基于k最近邻法与系统
US20090282296A1 (en) Multivariate fault detection improvement for electronic device manufacturing
JP2004355330A (ja) 診断装置及び診断方法
US9881398B2 (en) Trend dynamic sensor imaging using contour maps to visualize multiple trend data sets in a single view
CN116147677A (zh) 确定被测变量的测量值的特定于应用的总似然性的方法
TW200817891A (en) Adaptive multivariate fault detection
CN114764550A (zh) 失效检测与分类模型的运作方法与运作装置
Kim et al. A sensor data mining process for identifying root causes associated with low yield in semiconductor manufacturing
US20240144464A1 (en) Classification of defect patterns of substrates
US20240037442A1 (en) Generating indications of learning of models for semiconductor processing
Ou et al. MIMO EWMA-CUSUM condition-based statistical process control in manufacturing processes
TW202433045A (zh) 基板的缺陷圖案的分類
JP2012142520A (ja) プロセスデータ処理装置およびプロセスデータ処理方法
UCLj Anomaly Detection through on-line Isolation Forest: an Application to Plasma Etching

Legal Events

Date Code Title Description
MM4A Annulment or lapse of patent due to non-payment of fees