[发明专利]利用制造设备的传感器数据的成品率分析系统及方法

说明书

技术领域

本发明的实施例涉及一种用于分析产品的制造工艺的技术。

背景技术

对于半导体或者显示器制造设备等而言，为了分析在制造工艺中可能会发生的问题，通常具备设备分析系统(FDC;Fault Detection and Classification)。该设备分析系统利用半导体器件的制造设备所具备的各种传感器数据，分析并控制给半导体器件的成品率带来影响的工艺或者装备。

针对产品不良的现有的原因探索(ROOT CAUSE)方法为，利用已经过优良/不良判定的工艺进程(Work In Process)信息，计算每个设备的经过优良/不良判定的产品的比例，按照不良产品比例和优良产品比例的差异大的顺序，将有嫌疑的设备或者工艺室指定为产生产品不良的原因。但是，这种现有的原因探索方法在分析对象产品的不良率非常低、或者设备为一体型(in-line)、或者混合存在两种以上的引发不良的原因的情况下，具有难以适用的问题。另一方式的原因探索方法为，利用记录于设备分析系统的传感器数据的平均等简要值(FDC Summary Data)，依据优良/不良产品之间的显著性差异(significant difference)来探索产生产品不良的原因。但是，该方法不是直接利用具备时间序列特性的传感器数据，而是仅利用将全部数据汇总的代表值来进行分析，从而无法检测出传感器数据的图形变化，由此存在分析结果发生失真的可能性。

发明内容

本发明的实施例提供一种利用在发生产品不良时使用于产品制造过程的设备的传感器数据，准确地掌握造成产品不良的原因的嫌疑设备的成品率分析手段。

根据本发明的成品率分析系统包括：数据提取单元，从设置于制造设备的多个传感器中的每个传感器提取传感器数据；基准信号生成单元，从所述传感器数据生成针对所述多个传感器中的每个的基准信号；以及传感器检测单元，利用所述传感器数据以及所述基准信号，检测出所述多个传感器中与所述产品的成品率存在相关关系的一个以上传感器。

所述数据提取单元可考虑所述传感器数据的缺失值的数量，来补正或者筛选所述传感器数据。

当从所述多个传感器中的特定传感器提取的传感器数据的缺失值的数量超过设定的基准值时，所述数据提取单元为可去除从所述特定传感器提取的传感器数据。

当与特定产品相关的传感器数据的缺失值超过设定的基准值时，所述数据提取单元为可去除与所述特定产品相关的传感器数据。

所述传感器检测单元可计算所述传感器数据和所述基准信号之间的距离，利用计算出的所述距离检测出所述多个传感器中与所述产品的成品率存在相关关系的一个以上传感器。

所述系统还可包括预处理单元，该预处理单元执行包括针对所述传感器数据以及所述基准信号的压缩、归一化或者符号化中的至少一个预处理。

所述预处理单元可按照多个时间区间分割所述传感器数据，计算被分割的每个所述时间区间的所述传感器数据的代表值，用以压缩所述传感器数据。

所述代表值可以是被分割而成的每个所述时间区间的传感器数据的平均值或者中间值中的一个。

所述基准信号生成单元可针对每个所述传感器利用所述产品的优良/不良判定信息，将被压缩的所述传感器数据分类为正常组以及不良组中的一种，并可按照每个所述时间区间计算属于所述正常组的传感器数据的平均值或者中间值中的一个，从而生成所述基准信号。

所述基准信号生成单元可以在生成所述基准信号之前从所述正常组去除异常值。

所述异常值可以是数据开始时刻或者数据结束时刻中的至少一个不在已设定的正常范围的传感器数据。

所述正常范围可利用包含于所述正常组的传感器数据的数据开始时刻或者数据结束时刻的平均值或者标准偏差中的一个以上来计算。

所述预处理单元可利用所述基准信号的平均以及分散来归一化被压缩的所述传感器数据，并且可根据已设定的传感器值范围，将被归一化的所述传感器数据的传感器值以及所述基准信号转换为多个符号。

所述传感器检测单元为可利用被符号化的所述传感器数据、所述基准信号以及所述产品的成品率判定信息来生成距离表，能够将分类和回归树算法应用到所述距离表用以生成决策树。

所述传感器检测单元可检测出基尼系数为设定的值以上的传感器作为与所述产品的成品率存在相关关系的传感器，该基尼系数为根据应用所述分类和回归树算法的结果而导出的系数。