考虑机台交互作用的辨识良率损失原因的系统与方法技术方案

一种考虑机台交互作用的辨识良率损失原因的系统与方法。本发明专利技术实施例提供一种双阶段(Two‑Phase)处理过程，以寻找生产线的良率损失的根本原因。在第一阶段中，辨识出可能会引起良率损失的两制程机台间、两参数间、或制程机台与参数间的交互作用。在第二阶段中，获得第一阶段所发现的会引起良率损失的参数的门槛值，据以调整制程来提升良率。在每一个阶段中，可使用两个不同的演算法来产生一信赖指标(RI

The system and method of identifying the cause of yield loss considering the interaction of machine and machine

A system and method to identify the cause of yield loss considering the interaction between machines and machines. The embodiment of the invention provides a two \u2011 phase processing process to find the root cause of yield loss of the production line. In the first stage, the interaction between two process machines, two parameters or between process machines and parameters that may cause yield loss is identified. In the second stage, the threshold value of yield loss parameters found in the first stage is obtained to adjust the process to improve yield. In each stage, two different algorithms can be used to generate a reliability index (RI

【技术实现步骤摘要】
考虑机台交互作用的辨识良率损失原因的系统与方法
本专利技术是有关于一种辨识良率损失原因的系统与方法，且特别是有关于一种考虑机台交互作用的辨识良率损失原因的系统与方法。
技术介绍
提高产品良率对于公司的盈利能力表现至关重要，特别是在研发和量产阶段。所有的制造者无不寻求在研发和量产阶段中迅速地提高产品良率。换言之，当良率损失发生时，必须在研发和量产阶段中快速地找出引起此良率损失的根本原因。当遭遇到良率损失时，习知的良率提升方法是收集所有生产相关数据来进行大数据分析，以找出造成良率损失的根本原因并改正这些根本原因。然而，生产相关数据常常是数量庞大且复杂的，因此非常难以从生产相关数据中寻找良率损失的根本原因。随着半导体及薄膜晶体管液晶显示器(TFT-LCD)制造技术的进步，其制程变得愈来愈复杂。因此，如何维持这些复杂的制程的可行的良率便成为一必要的议题。良率管理系统的目标是在提升良率。然而，在研发和产量上升阶段中，由于工件数量少，使得良率管理系统难以在所有生产机台中找出缺陷的根本原因。因此，如何在有限数量的工件样本情况下于数量众多生产机台中，找出造成良率损失的不良制程机台的关键参数，便成为众所关心的议题。这种挑战即所谓的高维度变数选取(HighDimensionalVariableSelection)问题，其亦标示为p>>n的问题，其中“p”代表半导体及TFT-LCD制程中的制程机台的解释制程相关参数的数量，而另一方面，“n”是半导体及TFT-LCD制程中的成品(被处理的工件)的采样数目。
技术实现思路
本专利技术的一目的是在提供一种辨识出良率损失原因的系统与方法，借以搜寻出造成良率损失的机台间或参数间的交互作用，并比较具有交互作用的机台或参数对良率的影响是否高于单一机台或参数本身对良率的影响，因而决定是否应改善机台间或参数间的交互作用来提升良率。本专利技术的又一目的是在提供一种辨识出良率损失原因的系统与方法，借以搜寻影响良率的参数的门槛值，再透过对此门槛值的控制来提升良率。根据本专利技术上述目的，提出一种辨识良率损失的根本原因的方法。在此方法中，首先提供一生产线(例如：半导体生产线、TFT-LCD生产线等)，此生产线包含复数个制程站(Stages)，每一个制程站包含复数个制程机台，每一个制程机台包含至少一个制程装置，每一个制程装置具有复数个制程参数，此些制程参数是配置以处理复数个工件其中一个工件(例如：晶圆、玻璃基板等)。此些制程机台间具有复数个机台间参数，每一个机台间参数代表此些制程机台的两者间的交互作用。然后，根据复数个生产路径分别处理工件，每一个生产路径指出在此些制程站上的此些制程机台的此些制程装置其中一个预设装置，用以处理此些工件其中一个工件。接着，对被对应的预设装置处理后的每一个工件进行量测，以获得对应至此些工件的复数组线上量测值。然后，对通过生产线后的每一个工件进行至少一个良率测试，以获得分别对应至此些工件的复数组最终检查值。接着，根据此些组最终检查值决定是否遭遇一良率测试失败。然后，当遭遇到良率测试失败时，进行一第一阶段。在第一阶段中，首先基于一第一演算法来建立一第一搜寻模型，其中此第一演算法为三阶段正交贪婪演算法(TriplePhaseOrthogonalGreedyAlgorithm；TPOGA)、最小绝对压缩挑选机制(LeastAbsoluteShrinkageandSelectionOperator；LASSO)演算法、或回归树演算法(TREE)。回归树演算法可为例如：提高样本使用效率的回归树(Sample-EfficientRegressionTrees；SERT)演算法。然后，根据此些生产路径、此些制程参数和此些机台间参数，获得用以指出此些工件是否同时通过或使用此些制程装置、此些制程参数和此些机台间参数所组成的第一组合中的任二元件的一组互动数据。接着，通过输入此些工件的制程参数、机台间参数、互动数据、最终检查值、线上量测值和生产路径至上述的第一搜寻模型中，以辨识出可能会造成良率测试失败的至少一个第一关键装置、和/或至少一个第一关键制程参数、和/或至少一个第一关键机台间参数、和/或至少一个第一关键交互作用。在一些实施例中，在第一阶段中，基于第二演算法来建立第二搜寻模型，其中第二演算法与第一演算法不相同，第二演算法为三阶段正交贪婪演算法演算法、最小绝对压缩挑选机制演算法、或回归树演算法。接着，通过输入此些工件的制程参数、机台间参数、互动数据、最终检查值、线上量测值和生产路径至第二搜寻模型中，以辨识出可能会造成良率测试失败的至少一个第二关键装置、和/或至少一个第二关键制程参数、和/或至少一个第二关键机台间参数、和/或至少一个第二关键交互作用。然后，对第一关键装置、和/或第一关键制程参数、和/或第一关键机台间参数、和/或第一关键交互作用进行排名与评分，而获得一第一排名评分表。并对第二关键装置、和/或第二关键制程参数、和/或第二关键机台间参数、和/或第二关键交互作用进行排名与评分，而获得一第二排名评分表。接着，比较第一排名评分表和第二排名评分表间的排名的相似度，以获得第一信赖指标，来评估辨识结果的可靠程度。在一些实施例中，在第一阶段后，进行一第二阶段。在第二阶段中，选择第一关键制程参数和第一关键机台间参数所组成的第二组合中的一第一参数。接着，根据工件所使用的第一参数的复数个数值，并以每一个数值为一参考值，来获得用以指出此些数值是否大于或等于此参考值的一组门槛数据。然后，通过输入工件的最终检查值、线上量测值、和门槛数据至第一搜寻模型中，以辨识出可能会造成良率测试失败的第一参数的复数个第一门槛值。在一些实施例中，通过输入工件的最终检查值、和门槛数据至上述的第二搜寻模型中，以辨识出可能会造成良率测试失败的第一参数的的复数个第二门槛值。然后，对第一门槛值进行排名与评分，并对第二门槛值进行排名与评分。接着，比较第一门槛值和门槛值间的排名的相似度，以获得一第二信赖指标，来评估辨识结果的可靠程度。在一些实施例中，对被对应的预设装置处理后的每一个工件进行量测的步骤还包含：对每一个工件进行虚拟量测。根据本专利技术上述目的，提出另一种辨识良率损失原因的方法，其中此良率损失是发生在一生产线上，此生产线包含复数个制程站，每一个制程站包含至少一个制程机台，每一个制程机台包含至少一个制程装置，每一个制程装置具有复数个制程参数，此些制程参数是配置以处理复数个工件中的一工件。此些制程机台间具有复数个机台间参数，每一个机台间参数代表此些制程机台的两者间的交互作用。此辨识良率损失原因的方法包含：获得复数个生产路径，每一个生产路径指出在此些制程站上的此些制程机台的此些制程装置中的一预设装置，用以处理此些工件中的一工件；接收此些工件的复数组线上量测值，其中此些组线上量测值是通过对被预设装置处理后的此些工件进行量测来获得；接收对应至此些工件的复数组最终检查值，其中此些组最终检查值是通过对通过此生产线后的每一个工件进行至少一个良率测试来获得；根据此些组最终检查值决定是否遭遇一良率测试失败；当遭遇到良率测试失本文档来自技高网...

【技术保护点】
1.一种辨识良率损失原因的方法，其特征在于，包含：/n提供一生产线，该生产线包含复数个制程站(Stages)，每一该些制程站包含复数个制程机台，每一该些制程机台包含至少一制程装置，每一该至少一制程装置具有复数个制程参数，该些制程参数是配置以处理复数个工件其中一者，其中该些制程机台间具有复数个机台间参数，每一该些机台间参数代表该些制程机台的两者间的交互作用；/n根据复数个生产路径分别处理该些工件，每一该些生产路径指出在该些制程站上的该些制程机台的该些制程装置其中一预设装置，用以处理该些工件其中一者；/n对被对应的预设装置处理后的每一该些工件进行量测，以获得对应至该些工件的复数组线上量测值；/n对通过该生产线后的每一该些工件进行至少一良率测试，以获得分别对应至该些工件的复数组最终检查值；/n根据该些组最终检查值决定是否遭遇一良率测试失败；以及/n当遭遇到该良率测试失败时，进行一第一阶段，该第一阶段包含：/n基于一第一演算法来建立一第一搜寻模型，其中该第一演算法为一三阶段正交贪婪演算法(Triple Phase Orthogonal greedy algorithm；TPOGA)、一最小绝对压缩挑选机制(Least Absolute Shrinkage and Selection Operator；LASSO)演算法、或一回归树演算法；/n根据该些生产路径、该些制程参数和该些机台间参数，获得用以指出该些工件是否同时通过或使用该些制程装置、该些制程参数和该些机台间参数所组成的一第一组合中的任二元件的一组互动数据；以及/n通过输入该些工件的该些生产路径、该些制程参数、该些机台间参数、该组互动数据、该些组最终检查值和/或该些组线上量测值至该第一搜寻模型中，以辨识出可能会造成该良率测试失败的至少一第一关键装置、和/或至少一第一关键制程参数、和/或至少一第一关键机台间参数、和/或至少一第一关键交互作用。/n...

【技术特征摘要】
20180517 US 62/672,5911.一种辨识良率损失原因的方法，其特征在于，包含：
提供一生产线，该生产线包含复数个制程站(Stages)，每一该些制程站包含复数个制程机台，每一该些制程机台包含至少一制程装置，每一该至少一制程装置具有复数个制程参数，该些制程参数是配置以处理复数个工件其中一者，其中该些制程机台间具有复数个机台间参数，每一该些机台间参数代表该些制程机台的两者间的交互作用；
根据复数个生产路径分别处理该些工件，每一该些生产路径指出在该些制程站上的该些制程机台的该些制程装置其中一预设装置，用以处理该些工件其中一者；
对被对应的预设装置处理后的每一该些工件进行量测，以获得对应至该些工件的复数组线上量测值；
对通过该生产线后的每一该些工件进行至少一良率测试，以获得分别对应至该些工件的复数组最终检查值；
根据该些组最终检查值决定是否遭遇一良率测试失败；以及
当遭遇到该良率测试失败时，进行一第一阶段，该第一阶段包含：
基于一第一演算法来建立一第一搜寻模型，其中该第一演算法为一三阶段正交贪婪演算法(TriplePhaseOrthogonalgreedyalgorithm；TPOGA)、一最小绝对压缩挑选机制(LeastAbsoluteShrinkageandSelectionOperator；LASSO)演算法、或一回归树演算法；
根据该些生产路径、该些制程参数和该些机台间参数，获得用以指出该些工件是否同时通过或使用该些制程装置、该些制程参数和该些机台间参数所组成的一第一组合中的任二元件的一组互动数据；以及
通过输入该些工件的该些生产路径、该些制程参数、该些机台间参数、该组互动数据、该些组最终检查值和/或该些组线上量测值至该第一搜寻模型中，以辨识出可能会造成该良率测试失败的至少一第一关键装置、和/或至少一第一关键制程参数、和/或至少一第一关键机台间参数、和/或至少一第一关键交互作用。


2.根据权利要求1所述的辨识良率损失原因的方法，其特征在于，该第一阶段还包含：
基于一第二演算法来建立一第二搜寻模型，其中该第二演算法与该第一演算法不相同，该第二演算法为该三阶段正交贪婪演算法演算法、该最小绝对压缩挑选机制演算法、或该回归树演算法；
通过输入该些制程参数、该些机台间参数、该些工件的该组互动数据、该些组最终检查值、该些组线上量测值和该些生产路径至该第二搜寻模型中，以从辨识出可能会造成该良率测试失败的至少一第二关键装置、和/或至少一第二关键制程参数、和/或至少一第二关键机台间参数、和/或至少一第二关键交互作用；
对该至少一第一关键装置、和/或该至少一第一关键制程参数、和/或至少一第一关键机台间参数、和/或至少一第一关键交互作用进行排名与评分，而获得一第一排名评分表；
对该至少一第二关键装置、和/或该至少一第二关键制程参数、和/或该至少一第二关键机台间参数和/或至少一第二关键交互作用进行排名与评分，而获得一第二排名评分表；以及
比较该第一排名评分表和该第二排名评分表间的排名的相似度，以获得一第一信赖指标，来评估辨识结果的可靠程度。


3.根据权利要求1所述的辨识良率损失原因的方法，其特征在于，还包含：
在该第一阶段后，进行一第二阶段，该第二阶段包含：
选择该至少一第一关键制程参数和该至少一第一关键机台间参数所组成的一第二组合中的一第一参数；
根据该些工件所使用的该第二组合中的该第一参数的复数个数值，并以每一该些数值为一参考值，来获得用以指出该些数值是否大于或等于该参考值的一组门槛数据；以及
通过输入该些工件的该些组最终检查值、该些组线上量测值、和该组门槛数据至该第一搜寻模型中，以辨识出可能会造成该良率测试失败的该第二组合中的该第一参数的复数个第一门槛值。


4.根据权利要求3所述的辨识良率损失原因的方法，其特征在于，该第二阶段还包含：
基于一第二演算法来建立一第二搜寻模型，其中该第二演算法与该第一演算法不相同，该第二演算法为该三阶段正交贪婪演算法演算法、该最小绝对压缩挑选机制演算法、或该回归树演算法；
通过输入该些工件的该些组最终检查值、和该组门槛数据至该第二搜寻模型中，以辨识出可能会造成该良率测试失败的该第二组合中的该第一参数的的复数个第二门槛值；
对该些第一门槛值进行排名与评分；
对该些第二门槛值进行排名与评分；以及
比较该些第一门槛值和该些门槛值间的排名的相似度，以获得一第二信赖指标，来评估辨识结果的可靠程度。


5.根据权利要求1所述的辨识良率损失原因的方法，其特征在于，对被对应的预设装置处理后的每一该些工件进行量测的步骤还包含：对每一该些工件进行虚拟量测。


6.一种辨识良率损失原因的方法，其特征在于，该良率损失是发生在一生产线上，该生产线包含复数个制程站，每一该些制程站包含至少一制程机台，每一该至少一制程机台包含至少一制程装置，每一该至少一制程装置具有复数个制程参数，该些制程参数是配置以处理复数个工件其中一者，其中该些制程机台间具有复数个机台间参数，每一该些机台间参数代表该些制程机台的两者间的交互作用，该辨识良率损失原因的方法包含：
获得复数个生产路径，每一该些生产路径指出在该些制程站上的该些制程机台的该些制程装置其中一预设装置，用以处理该些工件其中一者；
接收该些工件的复数组线上量测值，其中该些组线上量测值是通过对被预设装置处理后的该些工件进行量测来获得；
接收对应至该些工件的复数组最终检查值，其中该些组最终检查值是通过对通过该生产线后的每一该些工件进行至少一良率...

【专利技术属性】
技术研发人员：林晋逸，谢昱铭，郑芳田，
申请(专利权)人：郑芳田，
类型：发明
国别省市：中国台湾;TW