[发明专利]从使用神经网络的聚集统计的异常检测

说明书

所公开的实施描述一种方法及系统，用以执行获得代表由与执行制造操作的器件制造系统相关联的多个传感器收集的数据的多个传感器统计的简化表示的方法。所述方法进一步包括使用多个离群值检测模型产生多个离群值得分，所述多个离群值得分中的每一个使用所述多个离群值检测模型中的相应离群值检测模型基于所述多个传感器统计的简化表示产生。所述方法进一步包括使用检测器神经网络处理所述多个离群值得分以产生异常得分，所述异常得分指示与制造操作相关联的异常的可能性。

技术领域

本说明书大体而言涉及控制电子器件制造中所使用的系统(诸如，各种处理腔室)中的处理质量及产品良率。更具体而言，本说明书涉及使用自多个传感器聚集并使用神经网络分析的统计数据来监控处理质量及产品良率。

背景

现代材料的制造时常涉及各种沉积技术，诸如，化学气相沉积(chemical vapordeposition；CVD)或物理气相沉积(physical vapor deposition；PVD)技术，其中一或多种选定类型的原子或分子沉积在被保持在由真空处理(例如，沉积、蚀刻等)腔室所提供的低真空或高真空环境中的晶片(基板)上。以此方式制造的材料可包括单晶、半导体膜、精细涂层及用于实际应用(诸如，电子器件制造)中的诸多其他物质。此些应用中的许多取决于在处理腔室中生长的材料的纯度及规格。此些材料的质量继而取决于制造操作遵守正确的工艺规范。为了维持腔室间环境的隔离且为了使晶片暴露于环境大气及污染物最小化，使用各种传感器检测技术来监控处理腔室环境、晶片运输、产品的物理及化学性质，及类似物。提高此种监控的精度、可靠性及效率存在诸多技术挑战，成功解决这些挑战会促进电子器件制造的持续进步，并有助于满足对于半导体器件制造的产品质量不断增长的需求。

附图的简要说明

图1绘示根据本公开案的一些实施的能够基于使用神经网络的聚集统计来支持异常检测的制造机器的一个示例性实施。

图2为根据本公开案的一些实施的能够基于使用神经网络的聚集统计进行异常检测的机器学习系统的示例性说明。

图3为根据本公开案的一些实施的基于使用神经网络的聚集统计进行异常检测的简化阶段的示例性说明。

图4为根据本公开案的一些实施的基于使用神经网络的聚集统计进行异常检测的检测阶段的示例性说明。

图5为根据本公开案的一些实施的示例性神经网络，所述示例性神经网络操作为基于使用神经网络的聚集统计的异常检测的检测阶段中所使用的检测器神经网络。

图6为根据本公开案的一些实施的基于使用神经网络的聚集统计的异常检测方法的一个可能实施的流程图。

图7根据本公开案的一些实施，描绘根据本公开案的一或多个方面操作且能够基于使用神经网络的聚集统计进行异常检测的示例性处理器件的方块图。

发明内容

在一个实施中，公开一种方法，所述方法包括获得代表由与执行制造操作的器件制造系统相关联的多个传感器收集的数据的多个传感器统计的简化表示。所述方法进一步包括使用多个离群值检测模型产生多个离群值得分，其中所述多个离群值得分中的每一个使用所述多个离群值检测模型中的相应离群值检测模型基于所述多个传感器统计的简化表示产生。所述方法进一步包括使用检测器神经网络处理所述多个离群值得分以产生异常得分，所述异常得分指示与制造操作相关联的异常的可能性。

在另一实施中，公开一种系统，所述系统包括存储器及可操作地耦合至所述存储器的处理器件，以获得多个传感器统计的简化表示，所述多个传感器统计的简化表示代表由与执行制造操作的器件制造系统相关联的多个传感器所收集的数据；及使用多个离群值检测模型产生多个离群值得分，其中所述多个离群值得分中的每一个使用所述多个离群值检测模型中的相应离群值检测模型基于所述多个传感器统计的简化表示产生。处理器件进一步使用检测器神经网络处理所述多个离群值得分以产生异常得分，所述异常得分指示与制造操作相关联的异常的可能性。