TWI754304B - 缺陷分析方法及裝置、電子裝置及電腦可讀存儲介質 - Google Patents
缺陷分析方法及裝置、電子裝置及電腦可讀存儲介質 Download PDFInfo
- Publication number
- TWI754304B TWI754304B TW109120488A TW109120488A TWI754304B TW I754304 B TWI754304 B TW I754304B TW 109120488 A TW109120488 A TW 109120488A TW 109120488 A TW109120488 A TW 109120488A TW I754304 B TWI754304 B TW I754304B
- Authority
- TW
- Taiwan
- Prior art keywords
- machine
- defect
- information
- production factor
- products
- Prior art date
Links
Images
Classifications
-
- 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
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- General Factory Administration (AREA)
Abstract
一種缺陷分析方法,所述缺陷分析方法包括:獲取各製程工站各機台所經過之產品之基本資訊;獲取各製程工站各機台之生產因數資訊;獲取各缺陷檢測工站所檢測之產品之缺陷資訊,所述產品在經過至少一個製程工站後經過所述缺陷檢測工站;根據所述各製程工站各機台所經過之產品之基本資訊及所述產品之缺陷資訊確定問題製程工站之問題機台;根據所述各機台之生產因數資訊及所述產品之缺陷資訊確定影響問題機台之生產因數。本案還提供一種缺陷分析裝置、一種電子裝置及一種電腦可讀存儲介質。
Description
本發明涉及缺陷分析技術領域,具體涉及一種缺陷分析方法及裝置、電子裝置及電腦可讀存儲介質。
目前,在半導體製造業、光電產業製造場景中,原料或半成品在製造過程中會經過很多製程工站。每個製程工站可能有多台機台負責各自之製程。原料或半成品因產品類別、參數不同可能會經過不同或相同之工站和/或機台,並藉由各階段之缺陷檢測工站檢驗產品之缺陷資訊。為了提高產品之良率,通常會統計產品之相關資訊來進行人工之分析,以確定問題工站及問題機台。但是由於為人工分析,分析之效率較低,且準確度主要依賴於分析員工之水準。此外,現有之分析方法無法確定影響問題機台之生產因數。
鑒於此,有必要提供一種缺陷分析方法及裝置、電子裝置及電腦可讀存儲介質,可提高分析之效率及準確度,且可確定影響問題機台之生產因數。
本申請之第一方面提供一種缺陷分析方法,所述缺陷分析方法包括:獲取各製程工站各機台所經過之產品之基本資訊;獲取各製程工站各機台之生產因數資訊;獲取各缺陷檢測工站所檢測之產品之缺陷資訊,所述產品在經過
至少一個製程工站後經過所述缺陷檢測工站;根據所述各製程工站各機台所經過之產品之基本資訊及所述產品之缺陷資訊確定問題製程工站之問題機台;根據所述各機台之生產因數資訊及所述產品之缺陷資訊確定影響問題機台之生產因數。
較佳地,所述根據所述各製程工站各機台所經過之產品之基本資訊及所述產品之缺陷資訊確定問題製程工站之問題機台包括:根據所述各製程工站各機台所經過之產品之基本資訊及所述產品之缺陷資訊確定預設組合之瑕疵現象集中程度,所述預設組合為製程工站和機台之組合;根據所述預設組合之瑕疵現象集中程度確定所述問題製程工站之問題機台。
較佳地,所述根據所述各製程工站各機台所經過之產品之基本資訊及所述產品之缺陷資訊確定預設組合之瑕疵現象集中程度包括:根據所述各製程工站各機台所經過之產品之基本資訊確定各預設組合所經過之產品之產量在所有預設組合所經過之產品之總產量中所佔之比重a1;根據所述各製程工站各機台所經過之產品之基本資訊及所述產品之缺陷資訊確定各預設組合所經過之產品中有缺陷之產量在各預設組合所經過之產品之產量中所佔之比重a2;根據所述各製程工站各機台所經過之產品之基本資訊及所述產品之缺陷資訊確定a2與所有預設組合所經過之產品中有缺陷之總產量在所有預設組合所經過之產品之總產量中所佔之比重a3之比值a4;根據所述比重a1、所述比重a2及所述比值a4確定所述預設組合
之瑕疵現象集中程度。
較佳地,所述根據所述比重a1、所述比重a2及所述比值a4確定所述預設組合之瑕疵現象集中程度包括:計算以所述比重a1、所述比重a2及所述比值a4作為參數之預設函數之值;根據所述預設函數之值確定所述預設組合之瑕疵現象集中程度,其中所述預設函數之值越大,所述預設組合之瑕疵現象集中程度越高;所述預設函數之值越小,所述預設組合之瑕疵現象集中程度越低,或者所述預設函數之值越小,所述預設組合之瑕疵現象集中程度越高;所述預設函數之值越大,所述預設組合之瑕疵現象集中程度越低。
較佳地,所述根據所述各機台之生產因數資訊及所述產品之缺陷資訊確定影響問題機台之生產因數包括:根據所述各機台之生產因數資訊確定所述機台之生產因數之類型為連續型和類別型中之一種;根據所述機台之生產因數之類型及所述問題機台所經過之產品之缺陷資訊之數量從T檢驗、曼-惠特尼-維爾科克森檢驗、卡方檢驗及費希爾精確檢驗中確定一種檢驗方法;根據所述各機台之生產因數資訊及所述產品之缺陷資訊藉由所述檢驗方法確定影響問題機台之生產因數。
較佳地,所述根據所述各機台之生產因數資訊確定所述機台之生產因數之類型為所述連續型和所述類別型中之一種包括:判斷所述各機台之生產因數資訊中相異之數量是否大於5;若所述各機台之生產因數資訊中相異之數量大於5,確定所述機台之生產因數之類型為所述連續型;
若所述各機台之生產因數資訊中相異之數量小於或等於5,確定所述機台之生產因數之類型為所述類別型。
較佳地,所述根據所述機台之生產因數之類型及所述問題機台所經過之產品之缺陷資訊之數量從T檢驗、曼-惠特尼-維爾科克森檢驗、卡方檢驗及費希爾精確檢驗中確定一種檢驗方法包括:若所述機台之生產因數之類型為所述連續型且所述問題機台所經過之產品總數大於或等於30,確定所述檢驗方法為T檢驗;若所述機台之生產因數之類型為所述連續型且所述問題機台所經過之產品總數小於30,確定所述檢驗方法為曼-惠特尼-維爾科克森檢驗;若所述機台之生產因數之類型為所述類別型且每種類別中所述問題機台所經過之產品之缺陷資訊中無缺陷之資訊之數量與有缺陷之資訊之數量皆大於或等於5,或者若所述機台之生產因數之類型為所述類別型且類別之數量大於2,確定所述檢驗方法為卡方檢驗;若所述機台之生產因數之類型為所述類別型,所述類別之數量為2,且其中一類別中所述問題機台所經過之產品之缺陷資訊中無缺陷之資訊之數量或有缺陷之資訊之數量小於5,確定所述檢驗方法為費希爾精確檢驗。
本申請之第二方面提供一種缺陷分析裝置,所述缺陷分析裝置包括:基本資訊獲取模組,用於獲取各製程工站各機台所經過之產品之基本資訊;生產因數資訊獲取模組,用於獲取各製程工站各機台之生產因數資訊;缺陷資訊獲取模組,用於獲取各缺陷檢測工站所檢測之產品之缺陷資訊,所述產品在經過至少一個製程工站後經過所述缺陷檢測工站;
問題機台確定模組,用於根據所述各製程工站各機台所經過之產品之基本資訊及所述產品之缺陷資訊確定問題製程工站之問題機台;生產因數確定模組,用於根據所述各機台之生產因數資訊及所述產品之缺陷資訊確定影響問題機台之生產因數。
本申請之第三方面提供一種電子裝置,所述電子裝置包括一個或多個處理器及記憶體,所述處理器用於執行所述記憶體中存儲之至少一個指令時實現如上任意一項所述之缺陷分析方法。
本申請之第四方面提供一種電腦可讀存儲介質,所述電腦可讀存儲介質存儲有至少一個指令,所述至少一個指令被處理器執行以實現如上任意一項所述之缺陷分析方法。
本案藉由獲取各製程工站各機台所經過之產品之基本資訊,獲取各製程工站各機台之生產因數資訊,獲取各缺陷檢測工站所檢測之產品之缺陷資訊,所述產品在經過至少一個製程工站後經過所述缺陷檢測工站,根據所述各製程工站各機台所經過之產品之基本資訊及所述產品之缺陷資訊確定問題製程工站之問題機台,根據所述各機台之生產因數資訊及所述產品之缺陷資訊確定影響問題機台之生產因數,可提高分析之效率及準確度,且可確定影響問題機台之生產因數。
10:缺陷分析裝置
101:基本資訊獲取模組
102:生產因數資訊獲取模組
103:缺陷資訊獲取模組
104:問題機台確定模組
105:生產因數確定模組
3:電子裝置
31:記憶體
32:處理器
33:電腦程式
圖1係本發明實施例一提供之缺陷分析裝置之方框圖。
圖2係本發明實施例二提供之缺陷分析方法之流程圖。
圖3係本發明實施例三提供之電子裝置之方框圖。
為了能夠更清楚地理解本發明之上述目之、特徵和優點,下面結
合附圖和具體實施例對本發明進行詳細描述。需要說明之是,在不衝突之情況下,本申請之實施例及實施例中之特徵可以相互組合。
在下面之描述中闡述了很多具體細節以便於充分理解本發明,所描述之實施例僅是本發明一部分實施例,而不是全部之實施例。基於本發明中之實施例,本領域普通技術人員在沒有做出創造性勞動前提下所獲得之所有其他實施例,都屬於本發明保護之範圍。
除非另有定義,本文所使用之所有之技術和科學術語與屬於本發明之技術領域之技術人員通常理解之含義相同。本文中在本發明之說明書中所使用之術語只是為了描述具體之實施例之目的,不是旨在於限制本發明。
圖1是本發明實施例一提供之缺陷分析裝置之方框圖。所述缺陷分析裝置10應用於電子裝置上。所述電子裝置可為智慧手機、桌上電腦、平板電腦等。所述缺陷分析裝置10包括基本資訊獲取模組101、生產因數資訊獲取模組102、缺陷資訊獲取模組103、問題機台確定模組104、及生產因數確定模組105。所述基本資訊獲取模組101用於獲取各製程工站各機台所經過之產品之基本資訊。所述生產因數資訊獲取模組102用於獲取各製程工站各機台之生產因數資訊。所述缺陷資訊獲取模組103用於獲取各缺陷檢測工站所檢測之產品之缺陷資訊,所述產品在經過至少一個製程工站後經過所述缺陷檢測工站。所述問題機台確定模組104用於根據所述各製程工站各機台所經過之產品之基本資訊及所述產品之缺陷資訊確定問題製程工站之問題機台。生產因數確定模組105用於根據所述各機台之生產因數資訊及所述產品之缺陷資訊確定影響問題機台之生產因數。以下將結合一種缺陷分析方法之流程圖來詳細描述模組101~105之具體功能。
圖2是本發明實施例二提供之缺陷分析方法之流程圖。所述缺陷分析方法可包括以下步驟:
S21:獲取各製程工站各機台所經過之產品之基本資訊。
所述製程工站可包括一個或多個機台。所述產品可為原料、半成品中之至少一種。所述產品因產品自身之原因會經過不同之製程工站和機台。所述產品之基本資訊包括產品編碼、製程工站、機台編號、及製程完成時間等。所述產品編碼在產品經過不同之製程工站和機台時不變。在本實施例中,從資料庫中獲取各製程工站各機台所經過之產品之基本資訊。在從資料庫中獲取各製程工站各機台所經過之產品之基本資訊之前,所述方法還包括:每隔預定週期收集各製程工站各機台所經過之產品之基本資訊;將收集之所述各製程工站各機台所經過之產品之基本資訊存儲至所述資料庫。所述預定週期可為固定週期或非固定週期。
S22:獲取各製程工站各機台之生產因數資訊。
所述機台之生產因數資訊包括產品編碼及機台之生產因數。所述機台之生產因數是指每個產品經過所述機台時所述機台之預設信息。例如,所述機台之預設溫度為100攝氏度,所述機台之預設高度為0.58米等。或者例如,所述機台之預設溫度為100攝氏度,所述機台之實際溫度為99.5攝氏度,所述機台之預設高度為0.58米,所述機台之實際高度為0.58米等。在本實施例中,從資料庫中獲取各製程工站各機台之生產因數資訊。在從資料庫中獲取各製程工站各機台之生產因數資訊之前,所述方法還包括:每隔預定週期收集各製程工站各機台之生產因數資訊;將收集之所述各製程工站各機台之生產因數資訊存儲至所述資料庫。所述預定週期可為固定週期或非固定週期。所述將收集之所述各製程工站各機台之生產因數資訊存儲至所述資料庫包括:若產品經過機台時,機台之生產因數資訊產生之速度高於預設值時,萃取所述機台之生產因數資訊,並將萃取之所述機台之生產因數資訊存儲至所述資料庫;若產品經過機台時,機台之生產因數資訊產生之速度小於或等於預設值時,將收集之所述
各製程工站各機台之生產因數資訊存儲至所述資料庫。所述萃取所述機台之生產因數資訊包括:萃取所述機台之生產因數資訊之特徵值。所述特徵值包括平均值、最大值、最小值等。
S23:獲取各缺陷檢測工站所檢測之產品之缺陷資訊,所述產品在經過至少一個製程工站後經過所述缺陷檢測工站。
所述產品之缺陷資訊包括產品缺陷編碼、缺陷專案、及缺陷結果。所述產品缺陷編碼與所述產品編碼一一對應。不同產品之缺陷專案可相同或不相同。所述缺陷結果包括缺陷結果1和缺陷結果0。所述缺陷結果1表示所述產品有此缺陷。所述缺陷結果0表示所述產品無此缺陷。
在本實施例中,從資料庫中獲取各缺陷檢測工站所檢測之產品之缺陷資訊。在從資料庫中獲取各缺陷檢測工站所檢測之產品之缺陷資訊之前,所述方法還包括:每隔預定週期收集各缺陷檢測工站所檢測之產品之缺陷資訊;將收集之所述各缺陷檢測工站所檢測之產品之缺陷資訊存儲至所述資料庫。所述預定週期可為固定週期或非固定週期。
S24:根據所述各製程工站各機台所經過之產品之基本資訊及所述產品之缺陷資訊確定問題製程工站之問題機台。
在本實施例中,在根據所述各製程工站各機台所經過之產品之基本資訊及所述產品之缺陷資訊確定問題製程工站之問題機台之前,所述方法還包括:根據所述產品編碼及所述產品缺陷編碼將所述各製程工站各機台所經過之產品之基本資訊及所述產品之缺陷資訊串聯。
在本實施例中,所述根據所述各製程工站各機台所經過之產品之基本資訊及所述產品之缺陷資訊確定問題製程工站之問題機台包括:
根據串聯之所述各製程工站各機台所經過之產品之基本資訊及所述產品之缺陷資訊確定問題製程工站之問題機台。
在本實施例中,所述根據所述各製程工站各機台所經過之產品之基本資訊及所述產品之缺陷資訊確定問題製程工站之問題機台包括:根據所述各製程工站各機台所經過之產品之基本資訊及所述產品之缺陷資訊確定預設組合之瑕疵現象集中程度,所述預設組合為製程工站和機台之組合;根據所述預設組合之瑕疵現象集中程度確定所述問題製程工站之問題機台。
在本實施例中,所述根據所述各製程工站各機台所經過之產品之基本資訊及所述產品之缺陷資訊確定預設組合之瑕疵現象集中程度包括:根據所述各製程工站各機台所經過之產品之基本資訊確定各預設組合所經過之產品之產量在所有預設組合所經過之產品之總產量中所佔之比重a1;根據所述各製程工站各機台所經過之產品之基本資訊及所述產品之缺陷資訊確定各預設組合所經過之產品中有缺陷之產量在各預設組合所經過之產品之產量中所佔之比重a2;根據所述各製程工站各機台所經過之產品之基本資訊及所述產品之缺陷資訊確定a2與所有預設組合所經過之產品中有缺陷之總產量在所有預設組合所經過之產品之總產量中所佔之比重a3之比值a4;根據所述比重a1、所述比重a2及所述比值a4確定所述預設組合之瑕疵現象集中程度。
在本實施例中,所述根據所述比重a1、所述比重a2及所述比值a4確定所述預設組合之瑕疵現象集中程度包括:
計算以所述比重a1、所述比重a2及所述比值a4作為參數之預設函數之值,例如計算所述比重a1、所述比重a2及所述比值a4之乘積;根據所述預設函數之值確定所述預設組合之瑕疵現象集中程度。其中,所述瑕疵現象集中程度根據所述預設函數之不同,判斷之標準也不同。例如所述預設函數之值越大,所述預設組合之瑕疵現象集中程度越高;所述預設函數之值越小,所述預設組合之瑕疵現象集中程度越低,或者所述預設函數之值越小,所述預設組合之瑕疵現象集中程度越高;所述預設函數之值越大,所述預設組合之瑕疵現象集中程度越低。
在本實施例中,所述根據所述預設函數之值確定所述預設組合之瑕疵現象集中程度包括:將所述預設函數之值按照預設之順序排序;所述預設之順序為從大到小或者為從小到大;根據排序後之所述預設函數之值確定所述預設組合之瑕疵現象集中程度。
S25:根據所述各機台之生產因數資訊及所述產品之缺陷資訊確定影響問題機台之生產因數。
在本實施例中,在所述根據所述各機台之生產因數資訊及所述產品之缺陷資訊確定影響問題機台之生產因數之前,所述方法還包括:根據所述產品編碼將所述各機台之生產因數資訊及所述產品之缺陷資訊串聯。
在本實施例中,所述根據所述各機台之生產因數資訊及所述產品之缺陷資訊確定影響問題機台之生產因數包括:根據串聯之所述各機台之生產因數資訊及所述產品之缺陷資訊確定影響問題機台之生產因數。
在本實施例中,所述根據所述各機台之生產因數資訊及所述產品之缺陷資訊確定影響問題機台之生產因數包括:根據所述各機台之生產因數資訊確定所述機台之生產因數之類型為連續型和類別型中之一種;根據所述機台之生產因數之類型及所述問題機台所經過之產品之缺陷資訊之數量從T檢驗、曼-惠特尼-維爾科克森檢驗、卡方檢驗及費希爾精確檢驗中確定一種檢驗方法;根據所述各機台之生產因數資訊及所述產品之缺陷資訊通過所述檢驗方法確定影響問題機台之生產因數。
在本實施例中,所述根據所述各機台之生產因數資訊確定所述機台之生產因數之類型為連續型和類別型中之一種包括:判斷所述各機台之生產因數資訊中相異之數量是否大於5;若所述各機台之生產因數資訊中相異之數量大於5,確定所述機台之生產因數之類型為所述連續型;若所述各機台之生產因數資訊中相異之數量小於或等於5,確定所述機台之生產因數之類型為所述類別型。
在本實施例中,所述根據所述機台之生產因數之類型及所述問題機台所經過之產品之缺陷資訊之數量從T檢驗、曼-惠特尼-維爾科克森檢驗、卡方檢驗及費希爾精確檢驗中確定一種檢驗方法包括:若所述機台之生產因數之類型為所述連續型且所述問題機台所經過之產品總數大於或等於30,確定所述檢驗方法為T檢驗;若所述機台之生產因數之類型為所述連續型且所述問題機台所經過之產品總數小於30,確定所述檢驗方法為曼-惠特尼-維爾科克森檢驗;
若所述機台之生產因數之類型為所述類別型且每種類別中所述問題機台所經過之產品之缺陷資訊中無缺陷之資訊之數量與有缺陷之資訊之數量皆大於或等於5,或者若所述機台之生產因數之類型為所述類別型且所述類別之數量大於2,確定所述檢驗方法為卡方檢驗;若所述機台之生產因數之類型為所述類別型,所述類別之數量為2,且其中一類別中所述問題機台所經過之產品之缺陷資訊中無缺陷之資訊之數量或有缺陷之資訊之數量小於5,確定所述檢驗方法為費希爾精確檢驗。
在本實施例中,所述根據所述各機台之生產因數資訊及所述產品之缺陷資訊通過所述檢驗方法確定影響問題機台之生產因數包括:根據所述各機台之生產因數資訊及所述產品之缺陷資訊通過所述檢驗方法確定概率值;根據所述概率值確定影響問題機台之生產因數,其中,所述概率值越大,所述機台之生產因數為影響問題機台之生產因數之可能性越小,所述概率值越小,所述機台之生產因數為影響問題機台之生產因數之可能性越大。
在本實施例中,所述根據所述概率值確定影響問題機台之生產因數包括:將所述概率值按照預設之順序排序;所述預設之順序為從大到小或者為從小到大;根據排序後之所述概率值確定影響問題機台之生產因數。
在其他實施例中,在所述根據所述各製程工站各機台所經過之產品之基本資訊及所述產品之缺陷資訊確定問題製程工站之問題機台之後,所述方法還包括:確定問題製程工站之問題機台之問題機台反應室。
在所述根據所述各機台之生產因數資訊及所述產品之缺陷資訊確
定影響問題機台之生產因數之後,所述方法還包括:確定影響問題機台之問題機台反應室之生產因數。
所述預設組合為製程工站、機台、及機台反應室之組合。所述確定問題製程工站之問題機台之問題機台反應室包括:根據所述各製程工站各機台之各機台反應室所經過之產品之基本資訊確定各預設組合所經過之產品之產量在所有預設組合所經過之產品之總產量中所佔之比重b1;根據所述各製程工站各機台之各機台反應室所經過之產品之基本資訊及所述產品之缺陷資訊確定各預設組合所經過之產品中有缺陷之產量在各預設組合所經過之產品之產量中所佔之比重b2;根據所述各製程工站各機台之各機台反應室所經過之產品之基本資訊及所述產品之缺陷資訊確定b2與所有預設組合所經過之產品中有缺陷之總產量在所有預設組合所經過之產品之總產量中所佔之比重b3之比值b4;根據所述比重b1、所述比重b2及所述比值b4確定所述預設組合之瑕疵現象集中程度。
在本實施例中,所述根據所述比重b1、所述比重b2及所述比值b4確定所述預設組合之瑕疵現象集中程度包括:計算以所述比重b1、所述比重b2及所述比值b4作為參數之預設函數之值,例如計算所述比重b1、所述比重b2及所述比值b4之乘積;根據所述預設函數之值確定所述預設組合之瑕疵現象集中程度。其中,所述瑕疵現象集中程度根據所述預設函數之不同,判斷之標準也不同。例如所述預設函數之值越大,所述預設組合之瑕疵現象集中程度越高;所述預設函數之值越小,所述預設組合之瑕疵現象集中程度越低,或者所述預設函數
之值越小,所述預設組合之瑕疵現象集中程度越高;所述預設函數之值越大,所述預設組合之瑕疵現象集中程度越低。
在本實施例中,所述確定影響問題機台之問題機台反應室之生產因數包括:根據所述各機台之機台反應室之生產因數資訊確定所述機台之機台反應室之生產因數之類型為所述連續型和所述類別型中之一種;根據所述機台之機台反應室之生產因數之類型及所述問題機台之問題機台反應室所經過之產品之缺陷資訊之數量從所述T檢驗、曼-惠特尼-維爾科克森檢驗、卡方檢驗及費希爾精確檢驗中確定一種檢驗方法;根據所述各機台之機台反應室之生產因數資訊及所述產品之缺陷資訊通過所述檢驗方法確定影響問題機台之問題機台反應室之生產因數。
顯然,所述預設組合為製程工站、機台、及機台反應室之組合還可有其他變型,所述變型與預設組合為製程工站、及機台之組合相似,在此不進行贅述。
實施例二獲取各製程工站各機台所經過之產品之基本資訊,獲取各製程工站各機台之生產因數資訊,獲取各缺陷檢測工站所檢測之產品之缺陷資訊,所述產品在經過至少一個製程工站後經過所述缺陷檢測工站,根據所述各製程工站各機台所經過之產品之基本資訊及所述產品之缺陷資訊確定問題製程工站之問題機台,根據所述各機台之生產因數資訊及所述產品之缺陷資訊確定影響問題機台之生產因數,從而,本案可提高分析之效率及準確度,且可確定影響問題機台之生產因數。
圖3是本發明實施例三提供之電子裝置之方框圖。所述電子裝置3包括:記憶體31、至少一個處理器32、及存儲在所述記憶體31中並可在所述至少一個處理器32上運行之電腦程式33。所述至少一個處理器32執行所述電
腦程式33時實現上述方法實施例中之步驟。或者,所述至少一個處理器32執行所述電腦程式33時實現上述裝置實施例中之各模組之功能。
示例性之,所述電腦程式33可以被分割成一個或多個模組/單元,所述一個或者多個模組/單元被存儲在所述記憶體31中,並由所述至少一個處理器32執行,以完成本發明。所述一個或多個模組/單元可以是能夠完成特定功能之一系列電腦程式指令段,該指令段用於描述所述電腦程式33在所述電子裝置3中之執行過程。例如,所述電腦程式33可以被分割成圖1所示之模組,各模組具體功能參見實施例一。
所述電子裝置3可以為任何一種電子產品,例如,個人電腦、平板電腦、智慧手機、個人數位助理(Personal Digital Assistant,PDA)等。本領域技術人員可以理解,所述示意圖3僅是電子裝置3之示例,並不構成對電子裝置3之限定,可以包括比圖示更多或更少之部件,或者組合某些部件,或者不同之部件,例如所述電子裝置3還可以包括匯流排等。
所述至少一個處理器32可以是中央處理單元(Central Processing Unit,CPU),還可以是其他通用處理器、數位訊號處理器(Digital Signal Processor,DSP)、專用積體電路(Application Specific Integrated Circuit,ASIC)、現成可程式設計閘陣列(Field-Programmable Gate Array,FPGA)或者其他可程式設計邏輯器件、分立門或者電晶體邏輯器件、分立硬體元件等。該處理器32可以是微處理器或者該處理器32也可以是任何常規之處理器等,所述處理器32是所述電子裝置3之控制中心,利用各種介面和線路連接整個電子裝置3之各個部分。
所述記憶體31可用於存儲所述電腦程式33和/或模組/單元,所述處理器32通過運行或執行存儲在所述記憶體31內之電腦可讀指令和/或模組/單元,以及調用存儲在記憶體31內之資料,實現所述電子裝置3之各種功能。所述記憶體31可主要包括存儲程式區和存儲資料區,其中,存儲程式區可存儲作
業系統、至少一個功能所需之應用程式(比如聲音播放功能、圖像播放功能等)等;存儲資料區可存儲根據電子裝置3之使用所創建之資料(比如音訊資料等)等。此外,記憶體31可以包括非易失性電腦可讀記憶體,例如硬碟、記憶體、插接式硬碟,智慧存儲卡(Smart Media Card,SMC),安全數位(Secure Digital,SD)卡,快閃記憶體卡(Flash Card)、至少一個磁碟記憶體件、快閃記憶體器件、或其他非易失性固態記憶體件。
所述電子裝置3集成之模組/單元如果以軟體功能單元之形式實現並作為獨立之產品銷售或使用時,可以存儲在一個電腦可讀存儲介質中。基於這樣之理解,本發明實現上述實施例方法中之全部或部分流程,也可以通過電腦程式來指令相關之硬體來完成,所述之電腦程式可存儲於一電腦可讀存儲介質中,該電腦程式在被處理器執行時,可實現上述各個方法實施例之步驟。其中,所述電腦程式包括電腦程式代碼,所述電腦程式代碼可以為原始程式碼形式、物件代碼形式、可執行檔或某些中問形式等。所述電腦可讀介質可以包括:能夠攜帶所述電腦程式代碼之任何實體或裝置、記錄介質、U盤、移動硬碟、磁碟、光碟、電腦記憶體、唯讀記憶體(ROM,Read-Only Memory)等。
最後應說明之是,以上實施例僅用以說明本發明之技術方案而非限制,儘管參照較佳實施例對本發明進行了詳細說明,本領域之普通技術人員應當理解,可以對本發明之技術方案進行修改或等同替換,而不脫離本發明技術方案之精神範圍。
10:缺陷分析裝置
101:基本資訊獲取模組
102:生產因數資訊獲取模組
103:缺陷資訊獲取模組
104:問題機台確定模組
105:生產因數確定模組
Claims (10)
- 一種缺陷分析方法,應用於電子裝置上,其中,所述缺陷分析方法包括:獲取各製程工站各機台所經過之產品之基本資訊;獲取各製程工站各機台之生產因數資訊;獲取各缺陷檢測工站所檢測之產品之缺陷資訊,所述產品在經過至少一個製程工站後經過所述缺陷檢測工站;根據所述各製程工站各機台所經過之產品之基本資訊及所述產品之缺陷資訊確定問題製程工站之問題機台;根據所述各機台之生產因數資訊及所述產品之缺陷資訊確定影響問題機台之生產因數。
- 如請求項1所述之缺陷分析方法,其中,所述根據所述各製程工站各機台所經過之產品之基本資訊及所述產品之缺陷資訊確定問題製程工站之問題機台包括:根據所述各製程工站各機台所經過之產品之基本資訊及所述產品之缺陷資訊確定預設組合之瑕疵現象集中程度,所述預設組合為製程工站和機台之組合;根據所述預設組合之瑕疵現象集中程度確定所述問題製程工站之問題機台。
- 如請求項2所述之缺陷分析方法,其中,所述根據所述各製程工站各機台所經過之產品之基本資訊及所述產品之缺陷資訊確定預設組合之瑕疵現象集中程度包括:根據所述各製程工站各機台所經過之產品之基本資訊確定各預設組合所經過之產品之產量在所有預設組合所經過之產品之總產量中所佔之比重a1; 根據所述各製程工站各機台所經過之產品之基本資訊及所述產品之缺陷資訊確定各預設組合所經過之產品中有缺陷之產量在各預設組合所經過之產品之產量中所佔之比重a2;根據所述各製程工站各機台所經過之產品之基本資訊及所述產品之缺陷資訊確定a2與所有預設組合所經過之產品中有缺陷之總產量在所有預設組合所經過之產品之總產量中所佔之比重a3之比值a4;根據所述比重a1、所述比重a2及所述比值a4確定所述預設組合之瑕疵現象集中程度。
- 如請求項3所述之缺陷分析方法,其中,所述根據所述比重a1、所述比重a2及所述比值a4確定所述預設組合之瑕疵現象集中程度包括:計算以所述比重a1、所述比重a2及所述比值a4作為參數之預設函數之值;根據所述預設函數之值確定所述預設組合之瑕疵現象集中程度,其中所述預設函數之值越大,所述預設組合之瑕疵現象集中程度越高;所述預設函數之值越小,所述預設組合之瑕疵現象集中程度越低,或者所述預設函數之值越小,所述預設組合之瑕疵現象集中程度越高;所述預設函數之值越大,所述預設組合之瑕疵現象集中程度越低。
- 如請求項1所述之缺陷分析方法,其中,所述根據所述各機台之生產因數資訊及所述產品之缺陷資訊確定影響問題機台之生產因數包括:根據所述各機台之生產因數資訊確定所述機台之生產因數之類型為連續型和類別型中之一種;根據所述機台之生產因數之類型及所述問題機台所經過之產品之缺陷資訊之數量從T檢驗、曼-惠特尼-維爾科克森檢驗、卡方檢驗及費希爾精確檢驗中確定一種檢驗方法; 根據所述各機台之生產因數資訊及所述產品之缺陷資訊通過所述檢驗方法確定影響問題機台之生產因數。
- 如請求項5所述之缺陷分析方法,其中,所述根據所述各機台之生產因數資訊確定所述機台之生產因數之類型為所述連續型和所述類別型中之一種包括:判斷所述各機台之生產因數資訊中相異之數量是否大於5;若所述各機台之生產因數資訊中相異之數量大於5,確定所述機台之生產因數之類型為所述連續型;若所述各機台之生產因數資訊中相異之數量小於或等於5,確定所述機台之生產因數之類型為所述類別型。
- 如請求項6所述之缺陷分析方法,其中,所述根據所述機台之生產因數之類型及所述問題機台所經過之產品之缺陷資訊之數量從T檢驗、曼-惠特尼-維爾科克森檢驗、卡方檢驗及費希爾精確檢驗中確定一種檢驗方法包括:若所述機台之生產因數之類型為所述連續型且所述問題機台所經過之產品總數大於或等於30,確定所述檢驗方法為T檢驗;若所述機台之生產因數之類型為所述連續型且所述問題機台所經過之產品總數小於30,確定所述檢驗方法為曼-惠特尼-維爾科克森檢驗;若所述機台之生產因數之類型為所述類別型且每種類別中所述問題機台所經過之產品之缺陷資訊中無缺陷之資訊之數量與有缺陷之資訊之數量皆大於或等於5,或者若所述機台之生產因數之類型為所述類別型且類別之數量大於2,確定所述檢驗方法為卡方檢驗; 若所述機台之生產因數之類型為所述類別型,所述類別之數量為2,且其中一類別中所述問題機台所經過之產品之缺陷資訊中無缺陷之資訊之數量或有缺陷之資訊之數量小於5,確定所述檢驗方法為費希爾精確檢驗。
- 一種缺陷分析裝置,其中,所述缺陷分析裝置包括:基本資訊獲取模組,用於獲取各製程工站各機台所經過之產品之基本資訊;生產因數資訊獲取模組,用於獲取各製程工站各機台之生產因數資訊;缺陷資訊獲取模組,用於獲取各缺陷檢測工站所檢測之產品之缺陷資訊,所述產品在經過至少一個製程工站後經過所述缺陷檢測工站;問題機台確定模組,用於根據所述各製程工站各機台所經過之產品之基本資訊及所述產品之缺陷資訊確定問題製程工站之問題機台;生產因數確定模組,用於根據所述各機台之生產因數資訊及所述產品之缺陷資訊確定影響問題機台之生產因數。
- 一種電子裝置,其中,所述電子裝置包括一個或多個處理器及記憶體,所述處理器用於執行所述記憶體中存儲之至少一個指令時實現如請求項1至7中任意一項所述之缺陷分析方法。
- 一種電腦可讀存儲介質,其中,所述電腦可讀存儲介質存儲有至少一個指令,所述至少一個指令被處理器執行以實現如請求項1至7中任意一項所述之缺陷分析方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW109120488A TWI754304B (zh) | 2020-06-17 | 2020-06-17 | 缺陷分析方法及裝置、電子裝置及電腦可讀存儲介質 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW109120488A TWI754304B (zh) | 2020-06-17 | 2020-06-17 | 缺陷分析方法及裝置、電子裝置及電腦可讀存儲介質 |
Publications (2)
Publication Number | Publication Date |
---|---|
TW202201329A TW202201329A (zh) | 2022-01-01 |
TWI754304B true TWI754304B (zh) | 2022-02-01 |
Family
ID=80787748
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW109120488A TWI754304B (zh) | 2020-06-17 | 2020-06-17 | 缺陷分析方法及裝置、電子裝置及電腦可讀存儲介質 |
Country Status (1)
Country | Link |
---|---|
TW (1) | TWI754304B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TW200537351A (en) * | 2004-05-05 | 2005-11-16 | Taiwan Semiconductor Mfg | Method and system for problem case packaging |
TWI380391B (en) * | 2008-05-02 | 2012-12-21 | Inotera Memories Inc | Machine fault detection method |
CN103107117A (zh) * | 2011-11-11 | 2013-05-15 | 无锡华润上华科技有限公司 | 一种半导体制程管理系统及方法 |
TWI587110B (zh) * | 2015-07-03 | 2017-06-11 | 元智大學 | 光學薄膜製程即時監測系統及其方法 |
US20180147645A1 (en) * | 2016-11-26 | 2018-05-31 | Agie Charmilles Sa | Method for machining and inspecting of workpieces |
WO2019024622A1 (zh) * | 2017-08-01 | 2019-02-07 | 惠科股份有限公司 | 生产管理方法及系统 |
-
2020
- 2020-06-17 TW TW109120488A patent/TWI754304B/zh active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TW200537351A (en) * | 2004-05-05 | 2005-11-16 | Taiwan Semiconductor Mfg | Method and system for problem case packaging |
TWI380391B (en) * | 2008-05-02 | 2012-12-21 | Inotera Memories Inc | Machine fault detection method |
CN103107117A (zh) * | 2011-11-11 | 2013-05-15 | 无锡华润上华科技有限公司 | 一种半导体制程管理系统及方法 |
TWI587110B (zh) * | 2015-07-03 | 2017-06-11 | 元智大學 | 光學薄膜製程即時監測系統及其方法 |
US20180147645A1 (en) * | 2016-11-26 | 2018-05-31 | Agie Charmilles Sa | Method for machining and inspecting of workpieces |
WO2019024622A1 (zh) * | 2017-08-01 | 2019-02-07 | 惠科股份有限公司 | 生产管理方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
TW202201329A (zh) | 2022-01-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112382582B (zh) | 一种晶圆测试分类方法及系统 | |
KR20180005218A (ko) | 결함 분류를 위한 방법 및 시스템 | |
CN104062305B (zh) | 一种集成电路缺陷的分析方法 | |
CN110647447B (zh) | 用于分布式系统的异常实例检测方法、装置、设备和介质 | |
CN101996855A (zh) | 一种晶圆缺陷分析方法 | |
CN110969600A (zh) | 一种产品缺陷检测方法、装置、电子设备及存储介质 | |
CN112579640A (zh) | 用于生产异常检测的方法和设备 | |
JP2021143884A (ja) | 検査装置、検査方法、プログラム、学習装置、学習方法、および学習済みデータセット | |
TWI754304B (zh) | 缺陷分析方法及裝置、電子裝置及電腦可讀存儲介質 | |
CN105161439A (zh) | 晶圆测试管理系统及方法 | |
CN112416782A (zh) | 测试结果的验证方法、装置和电子设备 | |
TWI808595B (zh) | 分析缺陷的方法 | |
CN107957944B (zh) | 面向用户数据覆盖率的测试用例自动生成方法 | |
CN113052244B (zh) | 一种分类模型训练方法和一种分类模型训练装置 | |
CN115186776A (zh) | 一种红宝石产地分类的方法、装置及存储介质 | |
TWI592810B (zh) | 衡量二元資料於時間等級的群聚級別的無母數分析方法 | |
CN113804244A (zh) | 缺陷分析方法及装置、电子装置及计算机可读存储介质 | |
CN108073518A (zh) | 一种测试用例管理方法及装置 | |
CN111223799B (zh) | 工艺控制方法、装置、系统及存储介质 | |
TWI748184B (zh) | 瑕疵檢測方法、電子裝置及電腦可讀存儲介質 | |
CN112246681A (zh) | 一种检测数据处理方法、装置及产品检测设备 | |
CN110796187A (zh) | 不良分类方法及装置 | |
CN111860676A (zh) | 一种基于空间聚类的wafer bin合并方法 | |
CN117194963B (zh) | 工业fdc质量根因分析方法、设备及存储介质 | |
CN103971194A (zh) | 送验材料清单的产生装置及方法 |