TWI770614B - 機台監控系統與機台監控方法 - Google Patents
機台監控系統與機台監控方法 Download PDFInfo
- Publication number
- TWI770614B TWI770614B TW109132788A TW109132788A TWI770614B TW I770614 B TWI770614 B TW I770614B TW 109132788 A TW109132788 A TW 109132788A TW 109132788 A TW109132788 A TW 109132788A TW I770614 B TWI770614 B TW I770614B
- Authority
- TW
- Taiwan
- Prior art keywords
- detection information
- parameter
- machines
- abnormal
- machine
- Prior art date
Links
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
- G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
- G05B19/042—Programme control other than numerical control, i.e. in sequence controllers or logic controllers using digital processors
- G05B19/0428—Safety, monitoring
-
- 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
- G05B2219/20—Pc systems
- G05B2219/24—Pc safety
- G05B2219/24024—Safety, surveillance
Abstract
本發明提出一種機台監控系統,其包括檢測裝置與資料處理裝置。檢測裝置對多個機台進行檢測以產生多個機台對應的多個檢測資訊;資料處理裝置連接檢測裝置,並用以:接收多個檢測資訊,並依據多個檢測資訊從多個機台選擇至少一異常機台;計算多個檢測資訊中的多個第一檢測資訊對應的多個參數值,其中多個第一檢測資訊對應於至少一異常機台;以及依據多個參數值從多個第一檢測資訊選擇至少一異常檢測資訊,以利用至少一異常檢測資訊對至少一異常機台進行校正。此外,一種機台監控方法亦在此揭露。
Description
本發明是有關於一種機台監控系統與機台監控方法。
現今工廠的生產排程趨於複雜且具高度不確定性的特性,這將造成在生產過程中必須因應生產狀態即時地調整機台站點的製程參數。舉例而言,在晶圓製造過程中,機台的穩定性會與晶圓良率息息相關,故需要即時地監控生產晶圓的機台的製程參數。一般而言,在眾多產品的生產與複雜的製造過程中,常常需要仰賴人力逐一比對相同製程中的各機台的製程參數間是否有差異以檢測異常因子。因此,若存在製程參數飄移的機台,則需要盡早將異常因子排除,且在必要時,機台可能需要停機以進行改善,進而避免造成大量產品的損傷與報廢。基於此,如何即時地解決製程參數飄移的問題,是本領域急欲解決的問題。
本發明提供一種機台監控系統,包括檢測裝置與資料處理裝置。檢測裝置對多個機台進行檢測以產生多個機台對應的多個檢測資訊;資料處理裝置連接檢測裝置,並用以:接收多個檢測資訊,並依據多個檢測資訊從多個機台選擇至少一異常機台;計算多個檢測資訊中的多個第一檢測資訊對應的多個參數值,其中多個第一檢測資訊對應於至少一異常機台;以及依據多個參數值從多個第一檢測資訊選擇至少一異常檢測資訊,以利用至少一異常檢測資訊對至少一異常機台進行校正。
本發明提供一種機台監控方法。此方法包括下列步驟:依據多個機台的多個檢測資訊產生多個機台對應的多個候選座標,以依據多個候選座標從多個機台選擇至少一異常機台;從多個檢測資訊中的多個第一檢測資訊計算出多個第一檢測資訊對應的多個參數值,其中多個第一檢測資訊對應於至少一異常機台;以及依據多個貢獻度值從多個第一檢測資訊選擇至少一異常檢測資訊,以利用至少一異常檢測資訊對至少一異常機台進行校正。
基於上述,本發明提供的機台監控系統將可即時地檢測出具有異常狀態的機台,並針對具有異常狀態的機台檢測出哪些異常因子將造成機台的異常狀態,進而依據這些造成機台的異常狀態之異常因子對機台進行校正,以藉此解決製程參數飄移的問題。
第1圖根據本發明的實施例繪示機台監控系統100的方塊圖。參照第1圖,機台監控系統100可用以監控各種製程的機台。在本實施例中,為讓本發明能更明顯易懂,將以對多個機台130(1)~130(N)進行監控為例,其中N可以為任意正整數,且機台130(1)~130(N)可以是任意數量的製程之機台,並沒有針對N與製程的數量有特別的限制。
再者,機台監控系統100可包括檢測裝置110與資料處理裝置120。檢測裝置110可即時地對機台130(1)~130(N)進行檢測,以產生機台130(1)~130(N)對應的多個檢測資訊。
在一些實施例中,資料處理裝置120例如包括儲存裝置(未繪示)及處理器(未繪示)。儲存裝置例如是任何型態的隨機存取記憶體(random access memory,RAM)、唯讀記憶體(read-only memory,ROM)、快閃記憶體(flash memory)、硬碟或類似元件或上述元件的組合。處理器例如是中央處理單元(Central Processing Unit,CPU),或是其他可程式化之一般用途或特殊用途的微處理器(Microprocessor)、數位訊號處理器(Digital Signal Processor,DSP)、可程式化控制器、特殊應用積體電路(Application Specific Integrated Circuits,ASIC)或其他類似裝置或這些裝置的組合。在本實施例中,處理器可從儲存裝置載入電腦程式,以執行本發明實施例的機台監控方法。
在一些實施例中,資料處理裝置120可以是設置於機台附近或遠端設置的一個中央處理裝置,且此中央處理裝置更可用以儲存過去由檢測裝置110所檢測的各種歷史檢測資訊。
在一些實施例中,檢測裝置110可包括設置於機台130(1)~130(N)的多個感測器(sensor)(未繪示),並可透過多個感測器對機台130(1)~130(N)週期或非週期性地針對各種參數類別進行檢測以產生多個檢測資訊,其中這些參數類別可以是溫度、壓力以及氣體流量等量測參數,且多個檢測資訊可以是從機台130(1)~130(N)所檢測到的上述各種參數類別的檢測值(例如,由機台130(1)檢測到的兩個檢測資訊分別為溫度的測量值與壓力的測量值)。在一些實施例中,多個感測器可包括溫度感測器、壓力感測器以及氣體流量感測器等針對上述各種參數的感測器。
在另一些實施例中,檢測裝置110可經由失效偵測與分類系統(fault detection classification system)(未繪示)透過上述各種感測器檢測機台130(1)~130(N)的多個檢測資訊,其中各檢測資訊為失效偵測與分類系統資料。
再者,資料處理裝置120可通訊連接檢測裝置110。針對上述通訊連接的方法,資料處理裝置120可以有線或無線的方式連接檢測裝置110,並沒有特別的限制。
對於有線方式而言,資料處理裝置120可以是通用序列匯流排(universal serial bus,USB)、RS232、通用非同步接收器/傳送器(universal asynchronous receiver/transmitter,UART)、內部整合電路(I2C)、序列周邊介面(serial peripheral interface,SPI)、顯示埠(display port)、雷電埠(thunderbolt)或區域網路(local area network,LAN)介面進行有線通訊連接,並沒有特別的限制。對於無線方式而言,資料處理裝置120可以是利用無線保真(wireless fidelity,Wi-Fi)模組、無線射頻識別(radio frequency identification,RFID)模組、藍芽模組、紅外線模組、近場通訊(near-field communication,NFC)模組或裝置對裝置(device-to-device,D2D)模組進行無線通訊連接,亦沒有特別的限制。
第2圖是根據本發明一些示範性實施例的機台監控方法的流程圖。同時參照第1圖與第2圖,本實施例的方法適用於第1圖的機台監控系統100,以下即搭配機台監控系統100中各裝置之間的作動關係來說明本發明實施例之機台監控方法的詳細步驟。
首先,於步驟S201中,資料處理裝置120可從檢測裝置110接收機台130(1)~130(N)的多個檢測資訊,並依據多個檢測資訊從機台130(1)~130(N)選擇至少一異常機台。換言之,檢測裝置110可對各機台進行檢測,以產生各機台的檢測資訊,並將這些檢測資訊傳送至資料處理裝置120。而資料處理裝置120可對從檢測裝置110接收到的多個檢測資訊進行資料分析,以依據所獲得的分析結果從機台130(1)~130(N)選擇至少一異常機台。
在一些實施例中,在上述的資料分析中,多個檢測資訊可對應於多個參數類別,且資料處理裝置120可依據多個檢測資訊與多個參數類別對應的多個權重值(weight value)產生多個機台對應的多個候選座標,並依據多個候選座標進行離群分析(outliers analysis)方法。藉此,資料處理裝置120可從多個機台選擇至少一異常機台。
在進一步的實施例中,資料處理裝置120更可對多個檢測資訊進行正規化(normalize)以產生多個正規化參數,並依據多個正規化參數與多個參數類別對應的多個權重值產生多個機台對應的多個候選座標。
詳細而言,由於各參數類別的參數具有不同的數值範圍,需要將各參數類別的參數進行正規化,以利後續的數值計算。因此,資料處理裝置120需要對多個檢測資訊進行正規化以產生多個正規化參數,其中此正規化的方法可以是t-標準化(studentization)、最小值最大值正規化法(min-max normalization)或Z分數正規化法(z-score normalization)等各種正規化演算法。
如此一來,資料處理裝置120可依據多個正規化參數與多個參數類別對應的多個權重值,以利用主成分分析(principal component analysis,PCA)方法產生多個機台對應的多個候選座標。
進一步而言,以利用多維的正規化參數產生二維座標的主成分分析方法為例,資料處理裝置120可依據多個正規化參數產生共變異數矩陣(covariance matrix),並將共變異數矩陣分解為多個特徵值(eigenvalues)與多個特徵向量(eigenvector)。資料處理裝置120可從多個特徵值選擇最大的兩個特徵值,並利用此兩個特徵值對應的特徵向量產生投影矩陣(project matrix),以取出此投影矩陣的前兩列元素作為權重矩陣,其中此權重矩陣的多個行分別對應至多個參數類別對應的權重值(例如,第一個參數類別會對應至權重矩陣的第一行的兩個元素)。藉此,資料處理裝置120便可利用多個正規化參數與多個參數類別對應的多個權重值產生多個機台對應的多個候選座標,其中多個候選座標皆為二維座標平面中的多個機台對應的座標。
舉例而言,以p個參數類別為例(p為任意正整數),機台130(1)之二維的候選座標(PC1
1, PC2
1)如下:
………(1)
………(2)
其中,α
11與α
21為第1個參數類別對應的權重值,且x
11為由第1機台檢測到的與第1個參數類別相對應的檢測資訊的正規化參數值,且α
12與α
22為第2個參數類別對應的權重值,且x
12為由第1機台檢測到的與第2個參數類別相對應的檢測資訊的正規化參數值。以此類推,α
13~α
1p與α
23~α
2p為其他參數類別對應的權重值,且x
13~x
1p為其他參數類別對應的檢測資訊的正規化參數值。
以此類推,機台130(2)~130(N)之二維的候選座標(PC1
2, PC2
2)~(PC1
N, PC2
N)可以上述相同的方式計算出來。
在一些實施例中,資料處理裝置120更可依據多個候選座標以利用上述離群分析方法從多個候選座標選擇至少一離群座標,以從多個機台選擇該至少一離群座標對應的至少一異常機台。
在進一步的實施例中,資料處理裝置120可將相同製程的機台對應的候選座標判斷為同一個群組以產生至少一群組,並利用多個候選座標計算出各群組的中心點座標(例如,計算各群組的候選座標的幾何中心對應的座標),以計算各機台對應的候選座標與其對應的群組的中心點座標之間的距離值。藉此,資料處理裝置120可判斷各機台對應的距離值是否不小於一個預設的距離閾值,其中此預設的距離閾值可以是使用者預先設置的一個數值,或經由多次機台的異常排除後所獲得的一個數值。當資料處理裝置120判斷一個特定機台對應的距離值不小於預設的距離閾值時,資料處理裝置120可將此特定機台判斷為異常機台。
在另一些實施例中,當資料處理裝置120將相同製程的機台對應的候選座標判斷為同一個群組以產生至少一群組時,資料處理裝置120也可利用二因子變異數分析方法分析各群組的平均值,並依據各群組的平均值從多個候選座標選擇至少一離群座標,以從多個機台選擇該至少一離群座標對應的至少一異常機台。
在另一些實施例中,當資料處理裝置120將相同製程的機台對應的候選座標判斷為同一個群組以產生至少一群組時,資料處理裝置120也可依據多個候選座標以利用k-平均(K-mean)演算法、具有雜訊的基於密度的聚類(density-based spatial clustering of applications with noise,DBSCAN)方法、階層式分群法(hierarchical clustering)、譜分群(spectral clustering)演算法、高斯混合(gaussian mixtures)方法等離群分析方法從多個候選座標選擇至少一離群座標,以從多個機台選擇該至少一離群座標對應的至少一異常機台。
接著,於步驟S203中,資料處理裝置120可計算多個檢測資訊中的多個第一檢測資訊對應的多個參數值,其中多個第一檢測資訊對應於至少一異常機台。換言之,資料處理裝置120可從多個檢測資訊中挑選出與至少一異常機台相對應的多個第一檢測資訊(即,從各異常機台檢測到的檢測資訊),並計算多個第一檢測資訊對應的多個參數值。
在一些實施例中,資料處理裝置120可依據上述多個權重值與多個第一檢測資訊計算多個參數值。詳細而言,資料處理裝置120可取得其中一個參數類別對應的所有第一檢測資訊,並將這些第一檢測資訊與此參數類別對應的權重值相乘以產生這些第一檢測資訊對應的多個權重值。藉此,資料處理裝置120可對這些權重值分別進行絕對值運算以產生這些第一檢測資訊對應的多個參數值。以此類推,資料處理裝置120可以相同的方式取得其他參數類別各自對應的多個第一檢測資訊,以計算這些第一檢測資訊對應的多個參數值。
舉例而言,接續上個例子,以機台130(1)~130(n)為異常機台為例(n為任意正整數),機台130(1)對應的第1參數類別的參數值為
,且機台130(2)對應的第1參數類別的參數值為
。以此類推,機台130(n)對應的第1參數類別的參數值為
。
基於上述,各異常機台對應的各參數類別的參數值可以上述相同的方式計算出來。
最後,於步驟S205中,資料處理裝置120可依據多個參數值從多個第一檢測資訊選擇至少一異常檢測資訊,以利用至少一異常檢測資訊對至少一異常機台進行校正。換言之,資料處理裝置120可依據多個參數值判斷多個第一檢測資訊中存在哪些異常的第一檢測資訊,以將這些異常的第一檢測資訊作為異常檢測資訊。藉此,資料處理裝置120可依據這些異常檢測資訊判斷出哪些參數類別屬於異常因子,並依據這些異常因子對所有異常機台進行校正。
在一些實施例中,資料處理裝置120可依據多個參數值計算多個參數類別對應的多個總參數值,並計算多個總參數值的參數總和,以依據參數總和與多個總參數值計算多個參數類別對應的多個總參數比例值。藉此,資料處理裝置120可對多個總參數比例值進行排序,以產生總參數比例值排序資訊。如此一來,資料處理裝置120可依據總參數比例值排序資訊從多個參數類別選擇至少一異常參數類別,以從多個第一檢測資訊選擇至少一異常參數類別對應的至少一異常檢測資訊。
詳細而言,當資料處理裝置120計算出多個第一檢測資訊對應的多個參數值時,資料處理裝置120可將各參數類別對應的所有參數值相加以產生各參數類別對應的總參數值,並將多個參數類別對應多個總參數值相加以產生所有參數類別對應的一個參數總和。藉此,資料處理裝置120可將各參數類別對應的總參數值作為分子,並將參數總和作為分母,以計算出各參數類別對應的總參數比例值。
舉例而言,接續上個例子,第1參數類別的總參數值為
,且第2參數類別的總參數值為
。以此類推,第p參數類別的總參數值為
。而第1參數類別的總參數比例值為
,且第2參數類別的總參數比例值為
。以此類推,第p參數類別的總參數比例值為
。
基於上述的方法,資料處理裝置120可對多個參數類別對應的多個總參數比例值進行排序,並從多個排序後的總參數比例值中選擇排序在前面的預設數量之總參數比例值,其中此預設數量可以是使用者預先設置的一個數值,或經由多次的機台之異常排除後所獲得的一個數值。
如此一來,資料處理裝置120可從多個第一檢測資訊中挑選上述選擇的總參數比例值對應的至少一異常檢測資訊(例如,機台130(1)~130(3)為異常機台且由機台130(1)~130(3)所檢測到的檢測資訊中的溫度參數與壓力參數為異常檢測資訊)。
在一些實施例中,機台監控系統100更可包括顯示裝置(未繪示),顯示裝置可即時地顯示一個警告資訊以通知使用者,其中警告資訊包括上述的至少一異常機台與上述至少一異常檢測資訊。在另一實施例中,機台監控系統100更可將包括上述警告資訊傳送至使用者所使用的監控裝置(未繪示),以即時地通知使用者。
在一些實施例中,使用者可依據至少一異常檢測資訊調整機台130(1)~130(N)中的至少一異常機台的製程參數,以對至少一異常機台進行校正。
藉由上述步驟,本發明實施例的機台監控系統100可即時地對從檢測裝置110所獲得的機台的各種檢測資訊進行上述的異常因子分析(即,檢測各種檢測資訊中哪些檢測資訊是異常的),以判斷機台130(1)~130(N)中的哪些機台是異常機台以及判斷由這些異常機台檢測到的哪些檢測資訊是異常的檢測資訊。如此一來,使用者可透過機台監控系統100對機台130(1)~130(N)中的這些異常機台進行校正。
第3圖是根據本發明另一些示範性實施例的機台監控方法的流程圖。同時參照第1圖與第3圖,本實施例的方法也適用於第1圖的機台監控系統100,以下即搭配機台監控系統100中各裝置之間的作動關係來說明本發明實施例之機台監控方法的詳細步驟。
首先,於步驟S301中,資料處理裝置120可從檢測裝置110蒐集機台130(1)~130(N)的多個候選檢測資訊。
接著,於步驟S303中,資料處理裝置120可依據預先設置的多個參數類別從多個候選檢測資訊選擇多個檢測資訊。值得注意的是,預先設置的多個參數類別可以是過去常造成機台的異常狀態的參數類別,且過去常造成機台的異常狀態的參數類別可以是資料處理裝置120對過去檢測到的檢測資訊進行深度學習(deep learning)以辨識出的參數類別。
接著,於步驟S305中,資料處理裝置120可對多個檢測資訊進行正規化以產生多個正規化參數。
接著,於步驟S307中,資料處理裝置120可對多個正規化參數進行特徵減縮以產生機台130(1)~130(N)對應的多個候選座標。
接著,於步驟S309中,資料處理裝置120可依據多個候選座標產生群組分布圖。
舉例而言,第4圖是根據本發明一些示範性實施例的群組分布圖的示意圖。參照第4圖,此群組分布圖中標示的各座標皆為各機台對應的二維的候選座標(PC1, PC2)。
接著,同時參照回第1圖與第3圖,於步驟S3011中,資料處理裝置120可對群組分布圖進行離群分析以判斷多個候選座標中是否具有至少一離群座標。若不具有至少一離群座標,進入步驟S3013。若具有至少一離群座標,進入步驟S3015。
在一些實施例中,資料處理裝置120可將相同製程的機台對應的候選座標判斷為同一個群組以產生至少一群組,並利用多個候選座標計算出各群組的中心點座標(例如,計算各群組的候選座標的幾何中心對應的座標),以計算各機台對應的候選座標與其對應的群組的中心點座標之間的距離值。藉此,資料處理裝置120可判斷各候選座標對應的距離值是否不小於一個預設的距離閾值。當資料處理裝置120判斷一個特定候選座標對應的距離值不小於預設的距離閾值時,資料處理裝置120可將此特定候選座標判斷為離群座標。
舉例而言,參照第4圖,藉由上述的離群分析方法,可判斷出此群組分布圖中具有群組gp1~gp2並判斷哪些機台的候選座標是離群座標。藉此,可檢測出哪些候選座標與其對應的群組的中心之間的距離值不小於預設的距離閾值,藉以判斷出是否存在至少一離群座標。
接著,同時參照回第1圖與第3圖,於步驟S3013中,資料處理裝置120將停止對機台130(1)~130(N)的監控。而於步驟S3015中,資料處理裝置120可對至少一離群座標對應的多個第一檢測資訊進行異常因子分析,以從多個第一檢測資訊中選擇至少一異常檢測資訊。
最後,於步驟S3017中,資料處理裝置120可依據至少一異常檢測資訊對至少一離群座標對應的至少一異常機台進行校正。
綜上所述,本發明提供的機台監控系統可結合主成分分析方法與離群分析方法從多個機台中判斷出哪些機台是異常機台。此外,針對這些異常機台,本發明提供的機台監控系統更提出一種異常因子分析方法判斷出影響這些機台的參數類型。藉此,可提供使用者依據影響這些機台的參數類型對異常機台進行監測與校正。
雖然本發明已以實施例揭露如上,然其並非用以限定本發明,任何所屬技術領域中具有通常知識者,在不脫離本發明的精神和範圍內,當可作些許的更動與潤飾,故本發明的保護範圍當視後附的申請專利範圍所界定者為準。
100:機台監控系統
110:檢測裝置
120:資料處理裝置
130(1)~130(N):機台
S201~S205、S301~S3017:步驟
gp1~gp2:群組
第1圖根據本發明的實施例繪示機台監控系統100的方塊圖。
第2圖是根據本發明一些示範性實施例的機台監控方法的流程圖。
第3圖是根據本發明另一些示範性實施例的機台監控方法的流程圖。
第4圖是根據本發明一些示範性實施例的群組分布圖的示意圖。
100:機台監控系統
110:檢測裝置
120:資料處理裝置
130(1)~130(N):機台
Claims (8)
- 一種機台監控系統,包括:一檢測裝置,對多個機台進行檢測以產生該些機台對應的多個檢測資訊;一資料處理裝置,連接該檢測裝置,並用以:接收該些檢測資訊,並依據該些檢測資訊從該些機台選擇至少一異常機台;計算該些檢測資訊中的多個第一檢測資訊對應的多個參數值,其中該些第一檢測資訊對應於該至少一異常機台;以及依據該些參數值從該些第一檢測資訊選擇至少一異常檢測資訊,以利用該至少一異常檢測資訊對該至少一異常機台進行校正,其中該些檢測資訊對應於多個參數類別,且該資料處理裝置更用以:依據該些檢測資訊與該些參數類別對應的多個權重值產生該些機台對應的多個候選座標;以及依據該些候選座標以一離群分析方法從該些機台選擇該至少一異常機台。
- 如請求項1所述之機台監控系統,其中該資料處理裝置更用以:對該些檢測資訊進行正規化以產生多個正規化參數,並依據該些正規化參數與該些參數類別對應的該些權重值產 生該些機台對應的該些候選座標。
- 如請求項1所述之機台監控系統,其中該資料處理裝置更用以:依據該些候選座標以利用該離群分析方法從該些候選座標選擇至少一離群座標,以從該些機台選擇該至少一離群座標對應的該至少一異常機台。
- 如請求項1所述之機台監控系統,其中該資料處理裝置更用以:依據該些權重值與該些第一檢測資訊計算該些參數值,並依據該些參數值計算該些參數類別對應的多個總參數值;計算該些總參數值的一參數總和,以依據該參數總和與該些總參數值計算該些參數類別對應的多個總參數比例值;對該些總參數比例值進行排序,以產生總參數比例值排序資訊;以及依據該總參數比例值排序資訊從該些參數類別選擇至少一異常參數類別,以從該些第一檢測資訊選擇該至少一異常參數類別對應的該至少一異常檢測資訊。
- 一種機台監控方法,包括:依據多個機台的多個檢測資訊產生該些機台對應的多個 候選座標,以依據該些候選座標從該些機台選擇至少一異常機台;從該些檢測資訊中的多個第一檢測資訊計算出該些第一檢測資訊對應的多個參數值,其中該些第一檢測資訊對應於該至少一異常機台;以及依據該些貢獻度值從該些第一檢測資訊選擇至少一異常檢測資訊,以利用該至少一異常檢測資訊對該至少一異常機台進行校正,其中該些檢測資訊對應於多個參數類別,且依據該些檢測資訊產生該些機台對應的該些候選座標,以依據該些候選座標從該些機台選擇該至少一異常機台的步驟包括:依據該些檢測資訊與該些參數類別對應的多個權重值產生該些機台對應的該些候選座標;以及依據該些候選座標以一離群分析方法從該些機台選擇該至少一異常機台。
- 如請求項5所述之機台監控方法,其中依據該些檢測資訊與該些參數類別對應的該些權重值產生該些機台對應的該些候選座標的步驟包括:對該些檢測資訊進行正規化以產生多個正規化參數,並依據該些正規化參數與該些參數類別對應的該些權重值產生該些機台對應的該些候選座標。
- 如請求項5所述之機台監控方法,其中依據 該些候選座標以該離群分析方法從該些機台選擇該至少一異常機台的步驟包括:依據該些候選座標以利用該離群分析方法從該些候選座標選擇至少一離群座標,以從該些機台選擇該至少一離群座標對應的該至少一異常機台。
- 如請求項5所述之機台監控方法,其中從該些檢測資訊中的該些第一檢測資訊計算出該些第一檢測資訊對應的該些參數值的步驟包括:依據該些權重值與該些第一檢測資訊計算該些參數值,其中依據該些候選座標以該離群分析方法從該些機台選擇該至少一異常機台的步驟包括:依據該些參數值計算該些參數類別對應的多個總參數值;計算該些總參數值的一參數總和,以依據該參數總和與該些總參數值計算該些參數類別對應的多個總參數比例值;對該些總參數比例值進行排序,以產生總參數比例值排序資訊;以及依據該總參數比例值排序資訊從該些參數類別選擇至少一異常參數類別,以從該些第一檢測資訊選擇該至少一異常參數類別對應的該至少一異常檢測資訊。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW109132788A TWI770614B (zh) | 2020-09-22 | 2020-09-22 | 機台監控系統與機台監控方法 |
CN202110068002.4A CN114253168A (zh) | 2020-09-22 | 2021-01-19 | 机台监控系统与机台监控方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW109132788A TWI770614B (zh) | 2020-09-22 | 2020-09-22 | 機台監控系統與機台監控方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
TW202213250A TW202213250A (zh) | 2022-04-01 |
TWI770614B true TWI770614B (zh) | 2022-07-11 |
Family
ID=80790856
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW109132788A TWI770614B (zh) | 2020-09-22 | 2020-09-22 | 機台監控系統與機台監控方法 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN114253168A (zh) |
TW (1) | TWI770614B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI770614B (zh) * | 2020-09-22 | 2022-07-11 | 南亞科技股份有限公司 | 機台監控系統與機台監控方法 |
CN115460109A (zh) * | 2022-11-11 | 2022-12-09 | 广州粤芯半导体技术有限公司 | 连接状态检测方法、装置、计算机设备及可读存储介质 |
CN116629707B (zh) * | 2023-07-20 | 2023-10-20 | 合肥喆塔科技有限公司 | 基于分布式并行计算的fdc溯因分析方法及存储介质 |
CN117410215B (zh) * | 2023-12-15 | 2024-04-09 | 合肥晶合集成电路股份有限公司 | 机台参数的确定方法、控制方法、控制系统及其装置 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI430331B (zh) * | 2006-03-07 | 2014-03-11 | 尼康股份有限公司 | Component manufacturing method, component manufacturing system and measurement and inspection device |
TWI498853B (zh) * | 2011-12-28 | 2015-09-01 | Elitetech Technology Co Ltd | 智慧型缺陷診斷方法 |
US20170102693A1 (en) * | 2013-03-04 | 2017-04-13 | Fisher-Rosemount Systems, Inc. | Data analytic services for distributed industrial performance monitoring |
TW201917587A (zh) * | 2017-10-18 | 2019-05-01 | 銘祥科技實業股份有限公司 | 人工智慧感測裝置校正系統及校正方法 |
CN110310329A (zh) * | 2018-03-27 | 2019-10-08 | 精工爱普生株式会社 | 操作显示设备的方法、信息处理系统及非暂时性存储介质 |
CN110942520A (zh) * | 2019-11-27 | 2020-03-31 | 中南大学 | 作业设备辅助定位方法、装置、系统及存储介质 |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE10242610A1 (de) * | 2001-12-14 | 2003-07-10 | Agilent Technologies Inc | System und Verfahren zum Bestätigen von Defekten elektrischer Verbindungen |
US7398171B2 (en) * | 2005-06-30 | 2008-07-08 | Applera Corporation | Automated quality control method and system for genetic analysis |
JP5262582B2 (ja) * | 2007-11-02 | 2013-08-14 | 新日鐵住金株式会社 | 表面欠陥の分布形態解析装置、方法、及びプログラム |
TWI543102B (zh) * | 2014-10-22 | 2016-07-21 | 財團法人工業技術研究院 | 異因分析與校正方法與系統 |
CN106095655B (zh) * | 2016-05-31 | 2018-06-12 | 北京蓝海讯通科技股份有限公司 | 一种异常检测方法、应用和监控设备 |
CN107765884B (zh) * | 2016-08-22 | 2021-11-02 | 北京搜狗科技发展有限公司 | 一种滑行输入方法、装置及电子设备 |
CN106409711B (zh) * | 2016-09-12 | 2019-03-12 | 佛山市南海区广工大数控装备协同创新研究院 | 一种太阳能硅晶片缺陷检测系统及方法 |
CN107402547A (zh) * | 2017-08-29 | 2017-11-28 | 北京易沃特科技有限公司 | 基于离群点分析的设备异常检测方法及系统 |
CN109067725B (zh) * | 2018-07-24 | 2021-05-14 | 成都亚信网络安全产业技术研究院有限公司 | 网络流量异常检测方法及装置 |
CN111007750B (zh) * | 2018-10-08 | 2021-09-28 | 上海洁鹿环保科技有限公司 | 油水分离系统数据处理方法、装置及可存储介质 |
CN111243743A (zh) * | 2020-01-17 | 2020-06-05 | 深圳前海微众银行股份有限公司 | 数据处理方法、装置、设备及计算机可读存储介质 |
TWI770614B (zh) * | 2020-09-22 | 2022-07-11 | 南亞科技股份有限公司 | 機台監控系統與機台監控方法 |
-
2020
- 2020-09-22 TW TW109132788A patent/TWI770614B/zh active
-
2021
- 2021-01-19 CN CN202110068002.4A patent/CN114253168A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI430331B (zh) * | 2006-03-07 | 2014-03-11 | 尼康股份有限公司 | Component manufacturing method, component manufacturing system and measurement and inspection device |
TWI498853B (zh) * | 2011-12-28 | 2015-09-01 | Elitetech Technology Co Ltd | 智慧型缺陷診斷方法 |
US20170102693A1 (en) * | 2013-03-04 | 2017-04-13 | Fisher-Rosemount Systems, Inc. | Data analytic services for distributed industrial performance monitoring |
TW201917587A (zh) * | 2017-10-18 | 2019-05-01 | 銘祥科技實業股份有限公司 | 人工智慧感測裝置校正系統及校正方法 |
CN110310329A (zh) * | 2018-03-27 | 2019-10-08 | 精工爱普生株式会社 | 操作显示设备的方法、信息处理系统及非暂时性存储介质 |
CN110942520A (zh) * | 2019-11-27 | 2020-03-31 | 中南大学 | 作业设备辅助定位方法、装置、系统及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
TW202213250A (zh) | 2022-04-01 |
CN114253168A (zh) | 2022-03-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TWI770614B (zh) | 機台監控系統與機台監控方法 | |
Fan et al. | Data-driven approach for fault detection and diagnostic in semiconductor manufacturing | |
US10921775B2 (en) | Production system | |
JP6594044B2 (ja) | 実時系列内の異常を検出するための方法 | |
TW200908186A (en) | Metrics independent and recipe independent fault classes | |
JP2012532425A (ja) | プラズマ処理システムにおける障害の自動的な検出及び分類、並びにその方法 | |
CN105702595B (zh) | 晶圆的良率判断方法以及晶圆合格测试的多变量检测方法 | |
CN111291777A (zh) | 一种基于多组学集成的癌症亚型分类方法 | |
CN116825169B (zh) | 一种基于测试设备的异常存储芯片检测方法 | |
US11054815B2 (en) | Apparatus for cost-effective conversion of unsupervised fault detection (FD) system to supervised FD system | |
US20120053877A1 (en) | Method for detecting atypical electronic components | |
TWI804745B (zh) | 機台管理系統 | |
TWI461871B (zh) | 多機台之監控方法 | |
TW200811978A (en) | Ranged fault signatures for fault diagnosis | |
CN111430260B (zh) | 一种晶圆检测方法及装置 | |
CN107506824B (zh) | 一种配电网的不良观测数据检测方法及装置 | |
CN107402559B (zh) | 一种基于动态超球结构变化的间歇过程测量数据异常检测方法 | |
TWI749932B (zh) | 機台故障檢測裝置與方法 | |
US20230018313A1 (en) | Method for determining the level of unusualness of individuals, in particular in order to statistically detect unusual individuals in a multivariate context | |
JP2008078392A (ja) | 特性解析方法および装置、異常設備推定方法および装置、上記特性解析方法または異常設備推定方法をコンピュータに実行させるためのプログラム、並びに上記プログラムを記録したコンピュータ読み取り可能な記録媒体 | |
US11537116B2 (en) | Measurement result analysis by anomaly detection and identification of anomalous variables | |
CN116955737B (zh) | 一种用于明胶生产过程中异常特征检索方法 | |
US11868112B2 (en) | Multi-point measurement system and method thereof | |
CN114391093A (zh) | 异常判定装置以及异常判定方法 | |
WO2022263713A1 (en) | Monitoring and control of a semiconductor manufacturing process |