制造程序的最佳良率路径的搜寻方法及其系统技术方案

本发明专利技术提供一种制造程序的最佳良率路径的搜寻方法及其系统，制造程序的最佳良率路径的搜寻方法利用双阶段机制搜寻出最佳良率路径。第一阶段包含基于演算法来建立搜寻模型；及通过输入工件的生产路径及最终检查值至搜寻模型中，以选择出工艺站的关键工艺站，然后依据关键工艺站产生关键路径。第二阶段包含依据生产路径及最终检查值建立关键路径的预测模型；及依据预测模型预测对应关键路径的良率，然后依据良率搜寻出关键路径的最佳良率路径，最佳良率路径对应此些良率的最佳良率。借此，既可降低预测路径数量并涵盖未走过路径，亦可考量装置间的交互作用，以提高路径搜寻之效。效。效。

【技术实现步骤摘要】
制造程序的最佳良率路径的搜寻方法及其系统


[0001]本专利技术是关于一种制造程序的路径的搜寻方法及其系统，特别是关于一种制造程序的最佳良率路径的搜寻方法及其系统。

技术介绍

[0002]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。
[0003]一般实现零缺陷(Zero
‑
Defect；ZD)可以通过实时的在线全检技术中丢弃所有的缺陷产品来实现，例如：自全自动虚拟量测(Automatic Virtual Metrology；AVM)。此外，习知的智能良率管理系统(Intelligent Yield Management；IYM)的关键参数搜寻演算法(Key
‑
variable Search Algorithm；KSA)可用于找出缺陷的根本原因，从而对这些缺陷产品进行持续改进，如此就可以实现所有生产产品零缺陷。然而，在多阶段制造程序(Multistage Manufacturing Process；MMP)环境中，工件可能会随机通过每个工艺中具有相同功能的工艺装置之一。同一类型的不同装置在每个工艺的性能不同，这些性能将通过指定的制造程序累积并影响最终良率。然而，KSA只能识别单变量(即单个装置)对良率的影响，而无法搜寻对良率有重大影响的制造路径(Manufacturing Path)。
[0004]由此可知，目前市场上缺乏一种可在所有MMP路径中找到良率较好的黄金路径且具有高可靠程度的制造程序的最佳良率路径的搜寻方法及其系统，故相关业者均在寻求其解决之道。

技术实现思路

[0005]因此，本专利技术的目的在于提供一种制造程序的最佳良率路径的搜寻方法及其系统，其提出最佳良率路径搜寻演算法(Golden Path Search Algorithm；GPSA)，GPSA可以在参数数量远大于样本数量的环境中使用，从而使制造良率提高，适用于多阶段制造程序(MMP)的环境中。另外，GPSA可通过特定的双阶段机制实现，且最佳良率路径可包含工件未走过的路径，使最佳良率路径搜寻达到全面性的考量。此外，特定的双阶段机制可在生产线的大量所有可能的制造路径中搜寻出黄金路径，不但可供产品制造商选用以有效提高制造良率，而且所搜寻出的黄金路径的可靠程度相当高。再者，通过特定双阶段机制的模型预测良率及良率排名，既可同时检视关键路径的所有阶层及其对应的所有阶层预测模型，以选出最佳模型及最佳良率的黄金路径，亦能涵盖关键工艺装置之间的交互作用，以纳入装置间交互作用所引起的良率影响。
[0006]依据本专利技术的方法态样的一实施方式提供一种制造程序的最佳良率路径的搜寻
方法，其包含以下步骤：提供一生产线，生产线包含多个工艺站，此些工艺站的每一者包含多个工艺装置，此些工艺装置的每一者是配置以处理多个工件的其中一者；根据多个生产路径分别处理此些工件，此些生产路径的每一者指出在此些工艺站的此些工艺装置的其中一者，用以处理此些工件的其中一者；对通过生产线后的此些工件的每一者进行至少一良率测试，以获得分别对应至此些工件的多组最终检查值；进行第一阶段，第一阶段包含：基于一演算法来建立一搜寻模型，其中演算法为一组最小绝对压缩挑选机制(Group Least Absolute Shrinkage and Selection Operator；Group LASSO)与一组正交贪婪演算法(Group Orthogonal Greedy Algorithm；Group OGA)的其中一者；及通过输入此些工件的此些生产路径及此些组最终检查值至搜寻模型中，以选择出此些工艺站的多个关键工艺站，然后依据此些关键工艺站产生多个关键路径；以及进行第二阶段，第二阶段包含：依据此些生产路径及此些组最终检查值建立此些关键路径的多个预测模型；及依据此些预测模型预测对应此些关键路径的多个良率，然后依据此些良率搜寻出此些关键路径的最佳良率路径，最佳良率路径对应此些良率的最佳良率。
[0007]借此，本专利技术的制造程序的最佳良率路径的搜寻方法可通过特定的双阶段机制搜寻出最佳良率路径，且最佳良率路径可包含工件未走过的路径，使最佳良率路径搜寻达到全面性的考量。此外，特定的双阶段机制可通过关键工艺站在生产线的大量所有可能的制造路径中搜寻出黄金路径，以大幅降低欲确认路径的数量，进而有效提高路径搜寻的效率，不但可供产品制造商选用以有效提高制造良率，而且所搜寻出的黄金路径的可靠程度相当高。再者，通过特定双阶段机制的模型预测良率及良率排名，既可同时检视关键路径的所有阶层及其对应的所有阶层预测模型，以选出最佳模型及最佳良率的黄金路径，亦能涵盖关键工艺装置之间的交互作用，以纳入装置间交互作用所引起的良率影响。
[0008]前述实施方式的其他实施例如下：前述第一阶段还包含统计此些工件的每一者通过此些工艺装置的每一者的通过率，使此些工艺装置具有多个通过率，然后滤除此些通过率小于预设通过率的部分此些工艺装置，其中预设通过率小于等于5％。
[0009]前述实施方式的其他实施例如下：在前述第二阶段中，此些关键路径的此些预测模型包含此些工艺站的此些工艺装置的至少二者间的交互作用。
[0010]前述实施方式的其他实施例如下：前述第二阶段还包含使用讯息准则演算法，来计算出此些关键路径的每一者的此些预测模型的每一者的至少一讯息量，此些预测模型的每一者具有至少一阶层且包含至少一阶层预测模型，此至少一讯息量对应此至少一阶层及此至少一阶层预测模型；及选出此至少一阶层预测模型的一者为最佳模型，其中此至少一阶层预测模型的此者具有此至少一讯息量的最小者。
[0011]前述实施方式的其他实施例如下：前述讯息准则演算法为赤池信息量准则(Akaike Information Criterion；AIC)，且此至少一阶层的数量小于5。
[0012]前述实施方式的其他实施例如下：前述第二阶段还包含对此些关键路径的此些良率进行排名，而获得路径排名表，路径排名表包含最佳良率路径；及计算此些生产路径及此些组最终检查值的相关性、此些组最终检查值的最大值及最小值，以获得信赖指标，来评估搜寻结果的可靠程度。
[0013]前述实施方式的其他实施例如下：前述关键路径的一者包含多个关键工艺装置，此些关键工艺装置分别对应此些关键工艺站，此些关键路径的此者分类为未走过路径与已
走过路径的一者。未走过路径代表此些工件的其中此者于通过生产线时在此些关键工艺站中未被此些关键工艺装置全部处理；已走过路径代表此些工件的其中此者于通过生产线时在此些关键工艺站中被此些关键工艺装置全部处理。
[0014]依据本本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种制造程序的最佳良率路径的搜寻方法，其特征在于，包含以下步骤：提供一生产线，该生产线包含多个工艺站，所述多个工艺站的每一者包含多个工艺装置，所述多个工艺装置的每一者是配置以处理多个工件的其中一者；根据多个生产路径分别处理所述多个工件，所述多个生产路径的每一者指出在所述多个工艺站的所述多个工艺装置的其中一者，用以处理所述多个工件的其中一者；对通过该生产线后的所述多个工件的每一者进行至少一良率测试，以获得分别对应至所述多个工件的多组最终检查值；进行一第一阶段，该第一阶段包含：基于一演算法来建立一搜寻模型，其中该演算法为一组最小绝对压缩挑选机制(Group Least Absolute Shrinkage and Selection Operator；Group LASSO)与一组正交贪婪演算法(Group Orthogonal Greedy Algorithm；Group OGA)的其中一者；及通过输入所述多个工件的所述多个生产路径及所述多组最终检查值至该搜寻模型中，以选择出所述多个工艺站的多个关键工艺站，然后依据所述多个关键工艺站产生多个关键路径；以及进行一第二阶段，该第二阶段包含：依据所述多个生产路径及所述多组最终检查值建立所述多个关键路径的多个预测模型；及依据所述多个预测模型预测对应所述多个关键路径的多个良率，然后依据所述多个良率搜寻出所述多个关键路径的一最佳良率路径，该最佳良率路径对应所述多个良率的一最佳良率。2.如权利要求1所述的制造程序的最佳良率路径的搜寻方法，其特征在于，该第一阶段还包含：统计所述多个工件的每一者通过所述多个工艺装置的每一者的一通过率，使所述多个工艺装置具有多个该通过率，然后滤除所述多个通过率小于一预设通过率的部分所述多个工艺装置，其中该预设通过率小于等于5％。3.如权利要求1所述的制造程序的最佳良率路径的搜寻方法，其特征在于，在该第二阶段中，所述多个关键路径的所述多个预测模型包含所述多个工艺站的所述多个工艺装置的至少二者间的交互作用。4.如权利要求3所述的制造程序的最佳良率路径的搜寻方法，其特征在于，该第二阶段还包含：使用一讯息准则演算法，来计算出所述多个关键路径的每一者的所述多个预测模型的每一者的至少一讯息量，所述多个预测模型的每一者具有至少一阶层且包含至少一阶层预测模型，该至少一讯息量对应该至少一阶层及该至少一阶层预测模型；及选出该至少一阶层预测模型的一者为一最佳模型，其中该至少一阶层预测模型的该者具有该至少一讯息量的最小者。5.如权利要求4所述的制造程序的最佳良率路径的搜寻方法，其特征在于，该讯息准则演算法为一赤池信息量准则(Akaike Information Criterion；AIC)，且该至少一阶层的数量小于5。6.如权利要求1所述的制造程序的最佳良率路径的搜寻方法，其特征在于，该第二阶段
还包含：对所述多个关键路径的所述多个良率进行排名，而获得一路径排名表，该路径排名表包含该最佳良率路径；及计算所述多个生产路径及所述多组最终检查值的一相关性、所述多组最终检查值的一最大值及一最小值，以获得一信赖指标，来评估搜寻结果的可靠程度。7.如权利要求1所述的制造程序的最佳良率路径的搜寻方法，其特征在于，所述多个关键路径的一者包含多个关键工艺装置，所述多个关键工艺装置分别对应所述多个关键工艺站，所述多个关键路径的该者分类为一未走过路径与一已走过路径的一者，该未走过路径代表所述多个工件的其中该者于通过该生产线时在所述多个关键工艺站中未被所述多个关键工艺装置全部处理，该已走过路径代表所述多个工件的其中该者于通过该生产线时在所述多个关键工艺站中被所述多个关键工艺装置全部处理。8.一种制造程序的最佳良率路径的搜寻系统，用以搜寻一生产线的一最佳良率路径，该生产线包含多个工艺站，所述多个工...

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