TWI812464B - 監控方法、監控程式、監控裝置、晶圓之製造方法、以及晶圓 - Google Patents
監控方法、監控程式、監控裝置、晶圓之製造方法、以及晶圓 Download PDFInfo
- Publication number
- TWI812464B TWI812464B TW111134473A TW111134473A TWI812464B TW I812464 B TWI812464 B TW I812464B TW 111134473 A TW111134473 A TW 111134473A TW 111134473 A TW111134473 A TW 111134473A TW I812464 B TWI812464 B TW I812464B
- Authority
- TW
- Taiwan
- Prior art keywords
- processing device
- data
- wafer
- mentioned
- interval
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 70
- 238000012544 monitoring process Methods 0.000 title claims abstract description 63
- 238000004519 manufacturing process Methods 0.000 title claims description 10
- 238000012545 processing Methods 0.000 claims abstract description 206
- 238000004458 analytical method Methods 0.000 claims abstract description 64
- 238000012806 monitoring device Methods 0.000 claims abstract description 36
- 230000002159 abnormal effect Effects 0.000 claims abstract description 31
- 230000005856 abnormality Effects 0.000 claims abstract description 14
- 235000012431 wafers Nutrition 0.000 claims description 76
- 238000005520 cutting process Methods 0.000 claims description 43
- 239000013078 crystal Substances 0.000 claims description 12
- 239000000047 product Substances 0.000 description 29
- 238000012417 linear regression Methods 0.000 description 15
- 238000004891 communication Methods 0.000 description 14
- 230000015654 memory Effects 0.000 description 13
- 239000002002 slurry Substances 0.000 description 11
- 230000008569 process Effects 0.000 description 10
- 238000005498 polishing Methods 0.000 description 9
- 239000012467 final product Substances 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 238000000227 grinding Methods 0.000 description 5
- 239000000463 material Substances 0.000 description 4
- 238000012423 maintenance Methods 0.000 description 3
- 238000002360 preparation method Methods 0.000 description 3
- 238000007619 statistical method Methods 0.000 description 3
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 2
- 239000002131 composite material Substances 0.000 description 2
- 239000000498 cooling water Substances 0.000 description 2
- 239000012530 fluid Substances 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 229910052760 oxygen Inorganic materials 0.000 description 2
- 239000001301 oxygen Substances 0.000 description 2
- 229910052710 silicon Inorganic materials 0.000 description 2
- 239000010703 silicon Substances 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 229910000831 Steel Inorganic materials 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000002790 cross-validation Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005401 electroluminescence Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000003754 machining Methods 0.000 description 1
- 229920005749 polyurethane resin Polymers 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
- 230000003936 working memory Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
- H01L21/00—Processes or apparatus adapted for the manufacture or treatment of semiconductor or solid state devices or of parts thereof
- H01L21/67—Apparatus specially adapted for handling semiconductor or electric solid state devices during manufacture or treatment thereof; Apparatus specially adapted for handling wafers during manufacture or treatment of semiconductor or electric solid state devices or components ; Apparatus not specifically provided for elsewhere
- H01L21/67005—Apparatus not specifically provided for elsewhere
- H01L21/67242—Apparatus for monitoring, sorting or marking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06395—Quality analysis or management
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
- H01L22/00—Testing or measuring during manufacture or treatment; Reliability measurements, i.e. testing of parts without further processing to modify the parts as such; Structural arrangements therefor
- H01L22/20—Sequence of activities consisting of a plurality of measurements, corrections, marking or sorting steps
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Manufacturing & Machinery (AREA)
- Computer Hardware Design (AREA)
- Microelectronics & Electronic Packaging (AREA)
- Power Engineering (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Condensed Matter Physics & Semiconductors (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Testing Or Measuring Of Semiconductors Or The Like (AREA)
- Testing And Monitoring For Control Systems (AREA)
- Mechanical Treatment Of Semiconductor (AREA)
Abstract
議題:提供可以改善製品之品質的監控方法、監控裝置、晶圓的製造方法、以及晶圓。
解決方式:依據取自用於加工工件W的加工裝置10的實績資料,監控加工裝置10的狀態的監控方法,包括:將實績資料輸入表示實績資料和加工裝置10的狀態之關係的分析模型,取得由分析模型輸出的表示加工裝置10的狀態的至少一統計值之步驟;依據至少一統計值,判斷加工裝置10的狀態是否異常之步驟;以及,當判斷加工裝置10的狀態為異常時,從實績資料的項目中將成為異常原因之項目,識別為原因項目並且輸出之步驟。
Description
本揭露是關於監控方法、監控程式、監控裝置、晶圓的製造方法、以及晶圓。
以往,高精度地預測晶圓的品質管理值資料的方法已為周知(參考專利文獻1等)。
[先前技術文獻]
[專利文獻]
[專利文獻1] 日本特開2007-242809號公報
[發明所欲解決的課題]
製程的操作人員,若只依據製品的品質的預測結果,並無法暸解為了改善製品的品質而應該對加工裝置執行的具體對應方式。讓操作人員暸解製品的品質之影響因素,而對加工裝置執行具體的對應方式,藉此得以提升製品的品質。
因此,本揭露之目的為提出可以改善製品的品質之監控方法、監控程式、監控裝置、晶圓的製造方法、以及晶圓。
[用以解決課題的手段]
用以解決上述問題的本揭露的一實施例,如下所述。
[1]、一種監控方法,依據從加工晶塊或晶圓的加工裝置取得的實績資料監控上述加工裝置的狀態,包括:
將上述實績資料輸入表示上述實績資料和上述加工裝置的狀態之關係的分析模型,取得由上述分析模型輸出的表示上述加工裝置的狀態的至少一統計值之步驟;
依據上述至少一統計值,判斷上述加工裝置的狀態是否異常之步驟;以及
當判斷上述加工裝置的狀態為異常時,從上述實績資料的項目中將成為異常原因之項目,指定為原因項目並且輸出之步驟。
[2]、上述[1]記載的監控方法,更包括:當上述至少一統計值為管理範圍外的值時,判斷上述加工裝置的狀態為異常之步驟。
[3]、上述[1]或[2]記載的監控方法,更包括:依據上述至少一統計值估計上述晶圓的品質之步驟;以及
當上述晶圓的品質之估計結果未滿足品質標準時,判斷上述加工裝置的狀態為異常之步驟。
[4]、上述[1]至[3]任一記載的監控方法,更包括:在上述加工裝置處理1批次的期間中取得批次資料之步驟;
將上述批次資料劃分為複數區間每個區間的複數區間資料之步驟,處理上述1批次的期間被劃分成上述複數區間;以及
將上述各區間資料作為上述實績資料輸入上述分析模型,取得表示上述各區間中的上述加工裝置的狀態的至少一統計值之步驟。
[5]、上述[4]記載的監控方法,更包括:通過將上述各區間的加工資料作為教師資料使用,產生對應上述各區間的區間模型作為上述分析模型,且輸入上述區間資料到上述區間模型之步驟。
[6]、上述[4]或[5]記載的監控方法,更包括:依據將上述複數區間資料之中,處理上述1批次的期間之中間以前的區間中的區間資料輸入到上述分析模型,而取得的至少一統計值, 判斷上述加工裝置的狀態是否異常之步驟。
[7]、上述[4]至[6]任一記載的監控方法,其中,上述加工裝置為用於切割晶塊的線鋸裝置;上述監控方法,更包括:依據上述複數區間資料之中,將上述晶塊的切割前進預定距離的期間中的區間資料輸入到上述分析模型,而取得的至少一統計值, 判斷上述加工裝置的狀態是否異常之步驟。
[8]、上述[7]記載的監控方法,其中,上述預定距離為,用於算出藉由切割上述晶塊獲得的晶圓特性之項目的值之範圍的長度。
[9]、上述[8]記載的監控方法,其中,表示上述晶圓特性之項目為,在切割開始時通過切割上述晶塊獲得的晶圓剖面的傾斜角。
[10]、上述[1]至[9]任一記載的監控方法,更包括:取得上述加工裝置空轉期間中的實績資料作為空轉資料之步驟;以及
將上述空轉資料輸入上述分析模型,以取得表示空轉時的上述加工裝置的狀態的至少一統計值之步驟。
[11]、上述[10]記載的監控方法,更包括:通過將上述空轉資料作為教師資料,產生對應於上述加工裝置空轉期間的空轉模型作為上述分析模型之步驟。
[12]、一種監控程式,使處理器執行如上述[1]至[11]任一記載的監控方法。
[13]、一種監控裝置,包括控制部,執行如上述[1]至[11]任一記載的監控方法。
[14]、一種晶圓的製造方法,包括,藉由執行如上述[1]至[11]任一記載的監控方法而受監控的晶圓加工裝置,對晶圓進行加工的步驟。
[15]、一種晶圓,由執行如上述[1]至[11]任一記載的監控方法而受監控的晶圓加工裝置,進行加工。
[發明的效果]
依據本揭露的監控方法、監控程式、監控裝置、晶圓的製造方法、以及晶圓,可以改善製品的品質。
[監控系統1的結構例]
如圖1所示,監控系統1包括監控裝置50、以及顯示裝置60。監控裝置50監控在製品製造過程中設定的加工裝置10的狀態。加工裝置10用以加工製品。加工裝置10具有感測器,用以偵測表示加工裝置10的每個組件之動作狀態的加工資料。加工裝置10的感測器,可偵測供給到加工裝置10的冷卻水或漿料等輔助材料的溫度或流量等,以及偵測過程中的溫度或濕度等加工環境中相關的項目。感測器將在加工裝置10動作時所測得的加工資料輸出至監控裝置50。監控裝置50從加工裝置10取得加工資料,且依據加工資料監控加工裝置10的狀態。
加工裝置10的狀態包括正常狀態與異常狀態。異常狀態為對應於非正常狀態的狀態。正常狀態為對應於晶圓加工後的品質沒問題時的裝置狀態,不會有太大偏差的狀態。例如,在注意到一裝置的參數之情形下,晶圓加工後的品質沒有問題期間的裝置參數之平均的偏差量,小於晶圓加工後的品質沒有問題期間的裝置參數之標準偏差的3倍之狀態,設定為正常狀態。此外,即使在使用複數的裝置參數產生出T2統計量或Q統計量等合成參數的情形下,使用晶圓加工後的品質沒有問題期間的裝置參數所算出的合成參數之平均值的偏差,小於晶圓加工後的品質沒有問題期間的合成參數的標準偏差的3倍之狀態,設定為正常狀態。
在本實施例中,通過加工裝置10被加工的製品為晶圓。假設監控對象被設置在晶圓製造過程中。加工裝置10,可以是例如線鋸裝置、研磨加工裝置、SMP(單面研磨裝置)、DSP(雙面研磨裝置)、端面研磨裝置、或熱處理裝置等。
監控裝置50具有控制部52。控制部52可包括至少一處理器。處理器能執行程式,用以實施控制部52的各種功能。處理器可以用單一的積體電路實現。積體電路也稱為IC(Integrated Circuit)。處理器可以實現為由複數可通信連接的積體電路或離散電路。處理器也可以依據其他各種的已知技術來實現。
監控裝置50具有記憶部54。記憶部54可包括磁碟等磁性記憶媒體、半導體記憶體或磁性記憶體等的記憶體。記憶部54可包括非暫態電腦可讀取媒體。記憶部54儲存從加工裝置10取得的加工資料等的各種資訊、以及控制部52可執行的程式等。記憶體54可運作為控制部52的工作記憶體。記憶部54的至少一部分可被包含在控制部52。記憶部54的至少一部分,可以配置為與監控裝置50分離的記憶裝置。
監控裝置50可更包括通信部,在其與加工裝置10或顯示裝置60之間發送和接收資料。通信部可通信地連接加工裝置10或顯示裝置60。通信部可通過網路與加工裝置10或顯示裝置60可通信地連接。通信部可利有線或無線方式與加工裝置10或顯示裝置60可通信地連接。通信部可包括通信模組,連接網路或加工裝置10或顯示裝置60。通信模組可以包括LAN(區域網路)等通信介面。通信模組可以實現4G或5G等種種通信方式的通信。通信部實施的通信方式並非限定於上述例子,可以包括其他各種方式。通信部的至少一部分可包含在控制部52。
顯示裝置60可以包括輸出圖像或文字或圖形等視覺資訊的顯示設備。顯示設備可以包括,例如LCD(液晶顯示器)、有機EL(電激發光)顯示器或無機EL顯示器、或PDP(電漿顯示面板)等結構。顯示設備並非限定於此等顯示器,可以包括其他各種方式的顯示器的結構。顯示設備可以包括LED(有機發光二極體)或LD(雷射二極體)等的發光設備之結構。顯示設備,並非限定於此,可以包括其他各種方式的顯示器的結構。
[作為加工裝置10的線鋸裝置的結構例]
在本實施例中,加工裝置10假設為線鋸裝置。作為線鋸裝置的加工裝置10,如圖2所示,包括線材群16,線材12在複數輥14之間平行排列且可來回移動地伸展。加工裝置10具有工件保持機構18,用於保持工件W,在對線材群16壓入工件W的方向上移動。加工裝置10具有一對噴嘴20,在線材群16之被壓入工件W的區域供給漿料。加工裝置10通過線材群16切割工件W。工件W假設為矽等的晶塊(被切割為塊狀的單結晶錠)。加工裝置10將切割工件W得到的矽等的切片晶圓作為加工製品送出。以下,在加工裝置10為線鋸的情形下,假設加工製品為切片晶圓。
線材12纏繞在一組線卷盤38A及38B。線材12從一方的線卷盤38A經過導輪32及輥14等到達另一方的線卷盤38B被拉伸。
線卷盤38A及38B的每一個,通過驅動馬達36而旋轉。藉由驅動馬達36驅動使線卷盤38A及38B旋轉,線材12從一方的線卷盤38A被送出,經過導輪32及輥14等而行進到另一方的線卷盤38B。線材12經過包含擺動臂33及擺動滾輪34等的張力施加裝置而行進。線材12經過張力施加裝置而行進,藉此對線材12施加張力。線材12經過接觸滾輪35而行進。接觸滾輪35追隨從線卷盤38A及38B送出、或捲入線卷盤38A及38B時移動的線材12的位置。
線材12跨越多個輥14且螺旋纏繞多次。螺旋纏繞的線材12,在輥14之間構成線材群16,線材群16在與輥的軸方向X垂直的方向上平行排例。假設輥14具有在鋼製圓筒周圍壓入聚氨酯樹脂的結構,並且在其表面上以一定的間距切割凹槽。線材12被安置於在輥14的表面上切割的凹槽,藉此,線材群16可以穩定地行進。
線材12的行進方向係由驅動馬達36的旋轉方向控制。線材12可以控制為單方向行進,必要時也可以控制為來回地行進。施加給線材12的張力大小可以適當地設定。線材12的行進速度可以適當地設定。
由噴嘴20供給至線材群16的漿料係貯藏在漿料槽40,從漿料槽40通過對漿料調溫的漿料冷卻器42送往噴嘴20。
從線鋸裝置送出的切片晶圓會進一步以研磨等的製程加工,作為最終製品而出貨。
[監控裝置50的動作例]
監控裝置50通過多變量(數)分析對加工裝置10的加工資料進行統計分析,算出加工資料的統計值。
監控裝置50依據算出的統計值,監控加工裝置10的狀態。以下,具體說明監控裝置50的動作例。
[產生分析模型]
監控裝置50的控制部52,以加工裝置10正常動作期間的加工資料作為教師資料,且儲存在記憶部54。控制部52依據記憶部54儲存的教師資料,對加工裝置10的加工資料進行統計分析,產生用於監控加工裝置10的狀態之分析模型。分析模型接受成為分析對象的加工裝置10之加工資料的輸入。成為分析對象的加工裝置10之加工資料也稱為實績資料,分析模型配置為通過對輸入的實績資料進行統計分析,並將算出的統計值輸出。換言之,分析模型示意實績資料與加工裝置10的狀態之間的關係。然後,分析裝置至少可以判斷加工裝置10是否異常。
本實施例中,假設分析模型配置為依據偏最小平方迴歸(Partial Least Square regression,PLS)法,算出輸入的實績資料的統計值。控制部52依據PLS法,以如下所述方式產生分析模型。
控制部52從作為教師資料使用的加工裝置10的加工資料的各項目,選擇說明變數和目的變數。控制部52依據教師資料包含的說明變數和目的變數的關係,定義潛在變數(主成分)。具體而言,潛在變數定義為由關係式表示的新變數,此關係式可以使用說明變數算出與目的變數有高相關性的值。
控制部52通過最小平方的應用,產生示意潛在變數的值與目的變數的值之間關係的線性迴歸式。控制部52,將預先知道與目標變數的值之關係的說明變數的值輸入產生的線性迴歸式,取得線性迴歸式的計算結果。控制部52通過算出線性迴歸式的計算結果與目的變數的值的差異,驗證線性迴歸式。控制部52重複地定義潛在變數、產生線性迴歸式、確認差異以驗證線性迴歸式,使得線性迴歸式的計算結果與目的變數的值的差異變小。在線性迴歸式的驗證中,控制部52可以定義新的潛在變數及替換,追加新定義的潛在變數及增加潛在變數的數目。在線性迴歸式的驗證中,控制部52決定潛在變數的數目及決定線性迴歸式,使得線性迴歸式的計算結果與目的變數的值的差異變小。
控制部52利用決定的線性迴歸式作為分析模型。具體而言,控制部52依據決定的線性迴歸式與實績資料,算出T2統計值和Q統計值。T2統計值為將潛在變數規定的子空間中的實績資料的位置作為統計值來表示,且為從子空間的原點到實績資料中與潛在變數的值相對應的點之距離的平方。Q統計值為將子空間中的正交補集空間中的實績資料的位置作為統計值來表示,且為由未使用於計算實績資料中潛在變數的項目的值所對應的點在子空間正交投影向量的長度的平方。
T2統計值為適合判斷正常或異常的統計值。Q統計值為適合判斷以T2統計值無法判斷之變動的統計值。在只監控T2統計值的情形下,當T2統計值超出管理限度時,控制部52雖可以判斷加工裝置10中發生一些異常,但是無法分析具體的異常內容。
一方面,在同時監控T2統計值和Q統計值的情形下,即使T2統計值超出管理限度,只要Q統計值在管理限度內,變數間的相關性就沒有被破壞,控制部52可以判斷沒有發生裝置故障等嚴重異常。此外,作為T2統計值超出管理限度的原因,控制部52可以判斷由於在加工裝置10設定的加工條件或運轉程式等的更改或出錯的結果導致T2統計值變大。當Q統計值超出管理限度時,控制部52可以判斷發生了裝置故障等嚴重異常。
關於產生的分析模型,控制部52可以執行交叉驗證,以防止分析模型過度學習並提升通用性能。
<依據T2統計值及Q統計值的狀態判斷>
控制部52將實績資料輸入產生的分析模型,算出T2統計值及Q統計值。控制部52分別設定T2統計值及Q統計值的管理範圍。控制部52透過設定管理上限值或管理下限值,以指定管理範圍。若T2統計值和Q統計值雙方在管理範圍內,控制部52判斷加工裝置10的狀態為正常。若T2統計值或Q統計值的任一者超出管理範圍,控制部52判斷加工裝置10的狀態為異常或是有可能異常。控制部52將加工裝置10的狀態的判斷結果輸出至顯示裝置60。顯示裝置60顯示加工裝置10的狀態的判斷結果且通知使用者。使用者可以包括製程的操作人員或管理者等。
當Q統計值超出管理範圍時,控制部52從實績資料的各項目中擷取出影響Q統計值(使Q統計值的值變大)的項目。影響Q統計值之項目,可說是加工裝置10的狀態變異常的原因之項目,也稱為原因項目。將實績資料輸入分析模型而算出的Q統計值,對應各原因項目的Q統計值的合計值。換言之,Q統計值被分成各原因項目的Q統計值。
可以說,各原因項目的Q統計值越大,此原因項目對Q統計值影響越大。控制部52可以依據對Q統計值影響的大小,對原因項目進行排序。控制部52可以對Q統計值大的原因項目給予較高的順位。控制部52輸出原因項目至顯示裝置60。顯示裝置60顯示原因項目並通知使用者。
使用者依據顯示裝置60通知的加工裝置10的狀態的判定結果,可判斷對加工裝置10的處置方式。例如,在Q統計值超出管理範圍的情形下,使用者可以針對通知的原因項目確認加工裝置10的實際狀態。例如,在T2統計值超出管理範圍的情形下,使用者可以確認加工裝置10的設定條件或運轉程式等。
[監控方法的順序例]
監控裝置50的控制部52,通過執行包含圖3所示的流程順序的監控方法,產生分析模型。監控方法可透過使控制部52執行監控程式而實現。
控制部52,取得加工裝置10正常動作期間的加工資料作為教師資料(步驟S1)。控制部52依據教師資料產生分析模型(步驟S2)。
控制部52判斷分析模式是否合理(步驟S3)。例如,控制部52可以判斷線性迴歸式的計算結果與目的變數的值的差異是否小於預值。控制部52,當判斷分析模型不合理時(步驟S3:否),回到步驟S2重新產生分析模型。控制部52,當判斷分析模型合理時(步驟S3:是),決定分析模型(步驟S4)。控制部52執行步驟S4之後,結束圖3的流程順序。
控制部52,可以透過執行包含圖4所示的流程順序的監控方法,算出依據加工裝置10的實績資料的統計值,以監控加工裝置10的狀態。監控方法可以實現為由控制部52執行的監控程式。
監控部52從加工裝置10取得實績資料(步驟S11)。控制部52將實績資料輸入分析模型,取得以分析模型算出的統計值(步驟S12)。具體而言,控制部52取得作為統計值的T2統計值及Q統計值。
控制部52判斷統計值是否在管理範圍內(步驟S13)。具體而言,控制部52判斷T2統計值和Q統計值兩者是否在管理範圍內。控制部52,當判斷統計值在管理範圍內時(步驟S13:是),前進至步驟S15。控制部52,當判斷統計值不在管理範圍內時(步驟S13:否),也就是統計值超出管理範圍時,則分析原因項目(步驟S14)。
控制部52輸出判斷結果(步驟S15)。控制部52輸出統計值在管理範圍內、或在管理範圍外。控制部52,當統計值在管理範圍外時,原因項目的分析結果也被輸出。控制部52在執行步驟S15後,結束圖4的流程順序。
[簡要總結]
如上所述,本實施例的監控裝置50,依據從加工裝置10取得的實績資料監控加工裝置10的狀態。監控裝置50將實績資料輸入分析模型。分析模型輸出,示意加工裝置10的狀態的至少一統計值。監控裝置50從分析模型取得至少一統計值,且依據至少一統計值判斷加工裝置10的狀態是否為異常。監控裝置50,當判斷加工裝置10的狀態為異常時,從實績資料的項目中,將成為異常的原因的項目指定為原因項目並且輸出。使用者,依據輸出的原因項目執行對加工裝置10的處置。藉此,使用者可以理解影響製品的品質的原因,而對加工裝置10實施具體的對應方式,可以早期地改進加工裝置10的狀態。因此,可以改善加工裝置10所加工的製品的品質。
[線鋸裝置的狀態的監控例]
當加工裝置10為線鋸裝置時,監控裝置50的控制部52,如以下說明地監控裝置的狀態。線鋸裝置,切割圓柱狀的晶塊以產生切片晶圓。切片晶圓經過研磨等的後處理,成為製品的晶圓。身為線鋸裝置的實績資料之加工資料,假設包括裝置各單元的溫度、線導引器(導輪32及輥14等)的位置、以及冷水及漿料的流量。此外,線鋸裝置的加工資料,假設包括加工的晶塊的長度、阻抗值、氧濃度及晶向的資料。此外,線鋸裝置的加工資料,假設包括切割的晶圓(切片晶圓)的扭曲、波動及加工刮痕的資料。控制部52依據以上各項目產生分析模型。
如圖5所示,線鋸裝置沿切割方向,切割作為工件W的晶塊。切割方向為沿著工件W的圓柱狀的直徑。線鋸裝置切割工件W需要預定的時間。線鋸裝置切割1個工件的期間可以劃分為多個區間。在圖5的例子中,線鋸裝置切割1個工件W的期間,劃分為從開始切割的第1區間到完成切割的第6區間。控制部52可以在切割1個工件W的整個期間集體取得加工資料。整個期間的加工資料,也稱為批次資料。控制部52可取得劃分的各區間的加工資料。劃分的各區間的加工資料,也稱為區間資料。控制部52可以取得圖5例中的6個區間的每一區間的區間資料。
控制部52,取得區間資料作為教師資料,產生對應各區間的分析模型。對應各區間的分析模型,也稱為區間模型。如果在切割1個工件W的整個期間中線鋸裝置為相同狀態,線鋸裝置開始切割的第1區間、線鋸裝置穩定地切割而進入的第2區間到第5區間的各區間、以及完成切割的第6區間的每一區間中的加工資料,可以是不同。藉由在各區間產生不同的分析模型, 能夠提高作為加工裝置10的線鋸裝置的各區間的狀態之判斷精確度。
控制部52取得批次資料作為實績資料。控制部52將批次實績資料劃分為各區間的區間資料。控制部52,將區間資料作為實績資料並輸入至區間模型,以取得各區間的統計值。控制部52,可依據各區間的統計值,判斷線鋸裝置的狀態。控制部52,當至少一區間的統計值超出管理範圍時,判斷線鋸裝置的狀態為異常。
控制部52,將裝置的各單元的溫度、線導引器(導輪32及輥14等)的位置、冷卻水及漿料的流量、以及加工的晶塊的長度、阻抗值、氧濃度及晶向的資料作為實績資料,輸入給分析模型。控制部52從分析模型取得T2統計值及Q統計值之2個統計值。控制部52,如果取得的統計值在管理範圍內,則判斷線鋸裝置的狀態為正常。控制部52,如果取得的統計值在管理範圍外,則擷取原因項目,並通過顯示裝置60通知使用者。例如,當擷取出線導引器的位置作為原因項目時,使用者,在目前的批次的加工完成後,事先作好調整位置的準備,在下一次的批次加工開始前調整線導引器的位置。藉由使用者預先的調整準備,可以提高線鋸裝置的產能利用率。
<選擇分析對象區間>
控制部52,在處理1個批次的期間包括的多個區間資料中,將處理1個批次期間的中間以前的區間之區間資料作為實績資料,且輸入分析模型並取得統計值,控制部52依據取得的統計值判斷線鋸裝置的狀態。在圖5的例子中,從第1區間至第3區間相當於中間以前的區間。控制部52,在依據中間以前的區間的區間資料的統計值,可以判斷線鋸裝置的狀態為異常的情形下,可以在下一批次的處理開始之前,能確保有充分時間向使用者提供異常的資訊。使用者,下一批次的處理開始之前,能夠確保有準備期間,執行對線鋸裝置的處置。藉此,能夠提高線鋸裝置的產能利用率。
控制部52,可以將線鋸裝置穩定地進行切割的第2區間到第5區間中的最初的第2區間,作為用於分析的區間。線鋸裝置穩定地進行切割的區間中的加工資料的變動,可以小於切割開始的區間中的加工資料的變動。將變動小的加工資料作為實績資料,以算出統計值並判斷線鋸裝置的狀態,藉此可提高判斷的精確度。此外,通過將變動小的加工資料作為教師資料以產生分析模型,可提高分析模型的穩定性。
當加工裝置10為線鋸裝置時,控制部52,於多個區間資料中,將晶塊的切割進行了預定距離的區間的區間資料,作為實績資料且輸入給分析模型,以取得至少一統計值。控制部52,依據取得的至少一統計值,判斷加工裝置10的狀態是否異常。亦即,控制部52可以將晶塊的切割進行了預定距離的區間與用於分析的區間相互關聯。
用於分析的區間,可依據晶圓的特性劃分。例如,如圖5的A-A剖面對應的圖6所示,使用線鋸裝置切割晶塊而產生的晶圓,沿著切割方向,具有以WS表示的表面凹凸形狀。圖6中,橫軸為對應沿著晶圓的切割方向的位置。縱軸為對應沿著晶圓的切割方向的各位置的晶圓的高度。
沿著表面切割方向的形狀,被劃分為切割開始的區間(W1)、切割結束的區間(W2)、以及兩者間的其他區間(W0),在各區間近似於平面。各區間中剖面的傾向是不同的。具體而言,中間的區間(W0)由雙點鏈直線 (L0)近似。切割開始的區間(W1) 由雙點鏈直線 (L1)近似。切割結束的區間(W2) 由雙點鏈直線 (L2)近似。
在切割開始的區間(W1)中,算出表面形狀的高低差。切割開始的區間(W1)中的表面形狀的高低差為算出,切割開始的區間(W1)的表面形狀的各點中,從近似線(L1)上方位置的點對近似線(L1)的垂直線的長度的最大值、與從近似線(L1)下方位置的點對近似線(L1)的垂直線的長度的最大值的和。具體而言,圖6中,切割開始的區間(W1)的表面形狀中,通過與近似線(L1)上下距離最遠的點、並且用與近似線(L1)平行的虛線表示。切割開始的區間(W1)中的表面形狀的高低差為算出上下虛線之間的距離。切割結束的區間(W2)中的表面形狀的高低差為算出,切割結束的區間(W2)的表面形狀的各點中,從近似線(L2)上方位置的點對近似線(L2)的垂直線的長度的最大值、與從近似線(L2)下方位置的點對近似線(L2)的垂直線的長度的最大值的和。具體而言,圖6中,切割結束的區間(W2)的表面形狀中,通過與近似線(L2)上下距離最遠的點、並且用與近似線(L2)平行的虛線表示。切割結束的區間(W2)中的表面形狀的高低差為算出上下虛線之間的距離。
在控制部52將晶塊的切割前進預定距離的區間設定為用於分析的區間的情形下,預定距離,對應用於計算表示藉由切割晶塊而獲得的晶圓特性項目的值的區間的長度。表示晶圓特性的項目,對應於通過切割晶塊而獲得的晶圓,在切割開始時或切割結束時的剖面的傾斜角。預定距離對應以W1或W2表示的區間的長度。控制部52,可以依據統計值,判斷線鋸裝置的狀態;此統計值為,對用以算出表示晶圓特性的項目的值之區間的區間資料,進行計算而得。藉此,可以提高判斷線鋸裝置的狀態之精確度。因此,可提高製品的品質。
<分析空轉時的加工資料>
對加工裝置10可以進行元件交換或清掃等的維護作業。為了確認經過維護作業的加工裝置10的狀態,會在不放入工件W的情形下使加工裝置10運轉。沒有收入工件W的運轉,也稱作為空轉。
控制部52,可以用加工裝置10空轉時的加工資料作為教師資料,以產生分析模型。加工裝置10空轉時的加工資料,也稱為空轉資料。以空轉資料作為教師資料而產生的分析模型,也稱為空轉模型。此外,控制部52,可以將空轉資料作為實績資料,輸入空轉模型以取得統計值。控制部52,可依據空轉資料的統計值判斷加工裝置10的狀態。藉此,容易避免在維護作業後放入工件W使加工裝置10動作時發生的異常。因此,可以容易地避免工件W加工中出現異常。通過避免加工中的異常可以提高製品的品質。
控制部52,可選擇加工裝置10空轉後經過預定期間沒有發生異常時的空轉資料,作為教師資料,以產生空轉模型。換言之,控制部52,可以將加工裝置10空轉後的預定期間以內發生異常的空轉資料排除後的空轉資料,作為教師資料,以產生空轉模型。藉此,可提高空轉模型的穩定性。
<依據Q統計值監控線鋸裝置的狀態之示例>
控制部52算出關於線鋸裝置的各批次之批次資料的統計值,並判斷各批次的統計值是否在管理範圍內。例如,如圖7及圖8的圖形所示,控制部52可判斷各批次的Q統計值是否小於Q統計值的臨界值(QTH)。在圖7及圖8中,橫軸表示批次。縱軸表示Q統計值。圖7的圖形,表示由圖5的第1區間的區間資料算出的各批次的Q統計值。圖8的圖形,表示由圖5的第2區間的區間資料算出的各批次的Q統計值。
關於X1表示的批次對應的Q統計值,控制部52,判斷圖7所示的第1區間的Q統計值及圖8所示的第2區間的Q統計值,兩者均為QTH以上。在此情形下,控制部52,將處理X1表示的批次時的線鋸裝置的狀態判斷為異常。此外,關於X2表示的批次對應的Q統計值,控制部52,判斷圖7所示的第1區間的Q統計值小於QTH,而圖8所示的第2區間的Q統計值為QTH以上。在此情形下,控制部52,可以將處理X1表示的批次時的線鋸裝置的狀態判斷為異常。
控制部52,對於Q統計值為QTH以上的批次,擷取原因項目。例如,控制部52對X1表示的批次擷取原因項目。如圖9所示,假設由F1至F4表示的4個項目被擷取出,作為原因項目。圖9的橫軸表示各原因項目的Q統計值的大小。控制部52,可將各原因項目的Q統計值輸出給顯示裝置60,以及將Q統計值為等於或大於預定值的原因項目輸出給顯示裝置60。顯示裝置60,顯示Q統計值大的原因項目並且通知使者。使用者,可確認Q統計值大的原因項目,以決定且執行對線鋸裝置的處置。
QTH可以設定為,例如,過去的正常裝置狀態中Q統計值的平均值+標準偏差的3倍(+3σ)。QTH不限定於此,可以設定為其他各種值。
以下說明其他的實施例。
<製品合格/不合格的判斷>
監控裝置50的控制部52,依據加工裝置10的實績資料,產生分析模型,以估計將加工裝置10加工送出的製品作為最終製程結束時的最終製品之品質。控制部52,依據品質的估計結果,估計加工裝置10加工送出的製品成為最終製品時是否滿足規格。亦即,控制部52,可以依據加工裝置10中的實績資料,估計加工裝置10加工送出的製品最終為合格/不合格。
監控裝置50,依據實績資料,在取得此實績資料的加工中所送出的製品成為最終製品時並沒有滿足規格的情形下,判斷加工裝置10的狀態為異常。最終製品為晶圓的情形下,監控裝置50,當晶圓品質的估計結果為不滿足品質標準時,判斷加工裝置10的狀態為異常。
控制部52,可依據圖5所示的第1區間至第6區間之各區間的區間資料,估計最終製品的品質。關於加工裝置10加工送出的製品作為最終製程結
束時的最終製品之品質估計結果,實際上為在使最終製程結束而成為最終製品時,確認是否滿足規格。將基於各區間的區間資料的估計結果與實際結果進行比較。結果,基於第1區間至第6區間之各區間的區間資料的估計結果與實際結果的匹配率為,第1區間:96%、第2區間:99%、第3區間:97%、第4區間87%、第5區間:97%、第6區間:81%。控制部52,當藉由基於第1區間至第3區間之各區間的區間資料的估計而判斷加工裝置10的狀態時,可以說是能夠正確判斷,達到97%到99%的準確率。依據此資料,將處理1個批次的期間的中間以前的區間的區間資料作為實績資料,在此情形下判斷線鋸裝置的狀態,準確性可說是相當高。因此,可以強調的優點為,能夠在批次的處理的初期階段判斷裝置的狀態且為下一批次進行準備。
<晶圓製造方法及晶圓>
通過本實施例的監控裝置50執行監控方法而受監控的加工裝置10,為應用於製品的加工。藉由加工裝置10將晶圓作為製品進行加工來製造晶圓。因此,透過監控裝置50執行監控方法,以使用受監控的加工裝置10,實現包含加工晶圓步驟的晶圓製造方法。此外,通過監控裝置50執行監控方法,實現使用加工裝置10加工完成的晶圓。
<監控對象加工的製品之示例>
本實施例中,雖然製品假設為晶圓,但是並非限定於此,也可以是工業元件或材料等的各種工業製品,也可以是食品等的其他各種製品。
<裝置結構示例>
在監控系統1中,監控裝置50可以為包含在加工裝置10的一部分。監控裝置50可與加工裝置10互相分開地設置。
<當加工裝置10為研磨裝置時的加工資料的示例>
加工裝置10並非限定於如上所述的線鋸裝置。加工裝置10為研磨加工裝置、SMP(單面研磨裝置)或DSP(雙面研磨裝置)等的研磨裝置的情形下,作為實績資料的加工資料包括,研磨液的溫度、研磨液的流量、研磨壓力、或水平方向的移動速度等。
關於本揭露的實施例,雖已依據各圖式及實施例進行說明,但本領域技術人員可依據本揭露進行各種變化或修改。因此,應當注意,這些變化或修改包括在本揭露的範圍內。例如,每個組件或每個步驟中包含的功能可以合乎邏輯地重新設置,並且多個組件或步驟可以合併為一或分開。關於本揭露的實施例,儘管已著重在裝置進行描述,但是本揭露的實施例還可以被實現為包括由裝置的每個組件執行的步驟的方法。本揭露的實施例,係作為裝置的處理器所執行的方法、程式、或記錄程式的儲存媒體而得以實現。本揭露的範圍應理解為也包括上述揭示者。
本揭露中包含的圖式是示意性的。比例等未必總是與現實相符。
[產業上的可利用性]
依據本揭露的實施例可以改善製品的品質。
1:監控系統
10:加工裝置
12:線材
14:輥
16:線材群
18:工件保持機構
20:噴嘴
32:導輪
33:擺動臂
34:擺動滾輪
35:接觸滾輪
36:驅動馬達
38A,38B:線卷盤
40:漿料槽
42:漿料冷卻器
W:工件(晶塊)
X:輥的軸方向
50:監控裝置
52:控制部
54:記憶部
60:顯示裝置
S1-S4,S11-S15:步驟
W0-W2:區間
圖1為表示本揭露的一實施例的監控系統的結構例之方塊圖。
圖2為作為加工裝置的線鋸裝置的結構例圖。
圖3為本揭露的一實施例的監控方法中,產生分析模型之過程的流程圖。
圖4為本揭露的一實施例的監控方法中,使用分析模型判斷加工裝置的狀態之過程的流程圖。
圖5為將使用線鋸裝置切割晶塊的期間,劃分為6個區間的示意圖。
圖6為使用線鋸裝置切割過的晶圓的表面形狀之一例的示意圖。
圖7為依據第1區間的區間資料所算出的各批次的Q統計值之一例的示意圖。
圖8為依據第2區間的區間資料所算出的各批次的Q統計值之一例的示意圖。
圖9為 在Q統計值為臨界值以上的批次中,所擷取的原因項目的Q統計值之一值的示意圖。
1:監控系統
10:加工裝置
50:監控裝置
52:控制部
54:記憶部
60:顯示裝置
Claims (15)
- 一種監控方法,依據從加工晶塊或晶圓的加工裝置取得的實績資料監控上述加工裝置的狀態,包括: 將上述實績資料輸入表示上述實績資料和上述加工裝置的狀態之關係的分析模型,取得由上述分析模型輸出的表示上述加工裝置的狀態的至少一統計值之步驟; 依據上述至少一統計值,判斷上述加工裝置的狀態是否異常之步驟;以及 當判斷上述加工裝置的狀態為異常時,從上述實績資料的項目中將成為異常原因之項目,識別為原因項目並且輸出之步驟。
- 如請求項1之監控方法,更包括 當上述至少一統計值為超出管理範圍外的值時,判斷上述加工裝置的狀態為異常之步驟。
- 如請求項1或2之監控方法,更包括 依據上述至少一統計值估計上述晶圓的品質之步驟;以及 當上述晶圓的品質之估計結果未滿足品質標準時,判斷上述加工裝置的狀態為異常之步驟。
- 如請求項1之監控方法,更包括 在上述加工裝置處理1批次的期間中取得批次資料之步驟; 將上述批次資料劃分為複數區間每個區間的複數區間資料之步驟,處理上述1批次的期間被劃分成上述複數區間;以及 將上述各區間資料作為上述實績資料輸入上述分析模型,取得表示上述各區間中的上述加工裝置的狀態的至少一統計值之步驟。
- 如請求項4之監控方法,更包括 通過將上述各區間的加工資料作為教師資料使用,產生對應上述各區間的區間模型作為上述分析模型,且輸入上述區間資料到上述區間模型之步驟。
- 如請求項4或5之監控方法,更包括 依據將上述複數區間資料之中,處理上述1批次的期間之中間以前的區間中的區間資料輸入到上述分析模型,而取得的至少一統計值, 判斷上述加工裝置的狀態是否異常之步驟。
- 如請求項4或5之監控方法,其中 上述加工裝置為用於切割晶塊的線鋸裝置; 上述監控方法,更包括 依據上述複數區間資料之中,將上述晶塊的切割前進預定距離的區間中的區間資料輸入到上述分析模型,而取得的至少一統計值, 判斷上述加工裝置的狀態是否異常之步驟。
- 如請求項7之監控方法,其中 上述預定距離為,用於算出藉由切割上述晶塊獲得的晶圓特性之項目的值之範圍的長度。
- 如請求項8之監控方法,其中 表示上述晶圓特性之項目為,在切割開始時通過切割上述晶塊獲得的晶圓剖面的傾斜角。
- 如請求項1之監控方法,更包括 取得上述加工裝置空轉期間中的實績資料作為空轉資料之步驟;以及 將上述空轉資料輸入上述分析模型,以取得表示空轉時的上述加工裝置的狀態的至少一統計值之步驟。
- 如請求項10之監控方法,更包括 通過將上述空轉資料作為教師資料,產生對應於上述加工裝置空轉期間的空轉模型作為上述分析模型之步驟。
- 一種監控程式,使處理器執行如請求項1至11中任一項之監控方法。
- 一種監控裝置,包括控制部,執行如請求項1至11中任一項之監控方法。
- 一種晶圓的製造方法,包括,藉由執行如請求項1至11中任一項之監控方法而受監控的晶圓加工裝置,對晶圓進行加工的步驟。
- 一種晶圓,由執行如請求項1至11中任一項之監控方法而受監控的晶圓加工裝置,進行加工。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2021180420A JP2023068947A (ja) | 2021-11-04 | 2021-11-04 | 監視方法、監視プログラム、監視装置、ウェーハの製造方法、及びウェーハ |
JP2021-180420 | 2021-11-04 |
Publications (2)
Publication Number | Publication Date |
---|---|
TW202321955A TW202321955A (zh) | 2023-06-01 |
TWI812464B true TWI812464B (zh) | 2023-08-11 |
Family
ID=86205261
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW111134473A TWI812464B (zh) | 2021-11-04 | 2022-09-13 | 監控方法、監控程式、監控裝置、晶圓之製造方法、以及晶圓 |
Country Status (3)
Country | Link |
---|---|
JP (1) | JP2023068947A (zh) |
CN (1) | CN116092973A (zh) |
TW (1) | TWI812464B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050282299A1 (en) * | 2004-06-18 | 2005-12-22 | Kwang-Soo Kim | Wafer inspection system and method thereof |
US20060245636A1 (en) * | 1999-08-26 | 2006-11-02 | Tadashi Kitamura | Pattern inspection apparatus and method |
CN102053093A (zh) * | 2010-11-08 | 2011-05-11 | 北京大学深圳研究生院 | 一种晶圆表面切割芯片的表面缺陷检测方法 |
TW201837757A (zh) * | 2017-04-05 | 2018-10-16 | 敖翔科技股份有限公司 | 設計佈局的失效風險的智慧型預診斷系統及方法 |
TW202044067A (zh) * | 2019-05-22 | 2020-12-01 | 以色列商應用材料以色列公司 | 基於機器學習之半導體樣本中的缺陷分類 |
-
2021
- 2021-11-04 JP JP2021180420A patent/JP2023068947A/ja active Pending
-
2022
- 2022-09-13 TW TW111134473A patent/TWI812464B/zh active
- 2022-11-04 CN CN202211374037.1A patent/CN116092973A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060245636A1 (en) * | 1999-08-26 | 2006-11-02 | Tadashi Kitamura | Pattern inspection apparatus and method |
US20050282299A1 (en) * | 2004-06-18 | 2005-12-22 | Kwang-Soo Kim | Wafer inspection system and method thereof |
CN102053093A (zh) * | 2010-11-08 | 2011-05-11 | 北京大学深圳研究生院 | 一种晶圆表面切割芯片的表面缺陷检测方法 |
TW201837757A (zh) * | 2017-04-05 | 2018-10-16 | 敖翔科技股份有限公司 | 設計佈局的失效風險的智慧型預診斷系統及方法 |
TW202044067A (zh) * | 2019-05-22 | 2020-12-01 | 以色列商應用材料以色列公司 | 基於機器學習之半導體樣本中的缺陷分類 |
Also Published As
Publication number | Publication date |
---|---|
TW202321955A (zh) | 2023-06-01 |
CN116092973A (zh) | 2023-05-09 |
JP2023068947A (ja) | 2023-05-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10579026B2 (en) | Building a workpiece quality prediction model | |
US8983644B2 (en) | Manufacturing execution system with virtual-metrology capabilities and manufacturing system including the same | |
US20170032283A1 (en) | Machine learning unit, spindle replacement judging device, controller, machine tool, production system, and machine learning method, which are able to judge necessity of spindle replacement | |
CN105824304B (zh) | 一种考虑机加工设备可用性的柔性作业车间动态调度方法 | |
JP6499710B2 (ja) | 加減速制御装置 | |
WO2015021751A1 (zh) | 一种数据驱动的集成电路工艺设备异常预警技术方法 | |
JP2002141319A (ja) | ウェーハの研磨時間制御方法及びこれを利用したウェーハの研磨方法 | |
Brecher et al. | Use of NC kernel data for surface roughness monitoring in milling operations | |
US20230004152A1 (en) | Method for monitoring and/or predecting machining processes and/or machnining outcomes | |
CN116307289B (zh) | 一种纺织品加工工序参数检测预测方法、系统及存储介质 | |
TWI812464B (zh) | 監控方法、監控程式、監控裝置、晶圓之製造方法、以及晶圓 | |
JP2020075321A (ja) | ワイヤ断線予測装置 | |
JP7053518B2 (ja) | 切削液量調整装置及び切削液量調整システム | |
CN105938352B (zh) | 避免主轴过热的数值控制装置 | |
JP6264725B2 (ja) | 生産ラインにおける生産物の品質分析装置 | |
JP2009076772A (ja) | 工程監視方法 | |
JP6684038B1 (ja) | 予兆保全設備、予兆保全方法及び予兆保全プログラム | |
TWI769722B (zh) | 狀態判斷裝置、狀態判斷方法以及狀態判斷程式 | |
JP4825482B2 (ja) | 不具合発生予測装置および不具合発生予測方法 | |
JP2003162309A (ja) | 加工物の製造方法、製造装置及び製造用プログラム | |
CN113689040B (zh) | 测量模型的控制方法和控制系统及计算机可读介质 | |
TWM531604U (zh) | 加工裝置 | |
US20050244047A1 (en) | Stop motion imaging detection system and method | |
JPH11197996A (ja) | 機械加工部品の加工方法及び装置 | |
WO2022113871A1 (ja) | 表示装置 |