检测产品品质超规与评估产品实际测量值的方法技术

本发明专利技术是一种检测产品品质超规与评估产品实际测量值的方法。此检测产品品质超规的方法是应用分类与回归树（Ｃｌａｓｓｉｆｉｃａｔｉｏｎ？ａｎｄ？Ｒｅｇｒｅｓｓｉｏｎ？Ｔｒｅｅ；ＣＡＲＴ）方法来建构代表工艺参数与产品超规间的关系的品质超规检测（Ｆａｕｌｔ？Ｄｅｔｅｃｔｉｏｎ；ＦＤ）模型，以于生产线上实时检测出工艺数据参数值皆在规格内（正常）而其产品品质却超出规格的情况。此评估产品实际测量值的方法根据自适应性共振理论２（Ａｄａｐｔｉｖｅ？Ｒｅｓｏｎａｎｃｅ？Ｔｈｅｏｒｙ？２；ＡＲＴ２）及标准化变异（Ｎｏｒｍａｌｉｚｅｄ？Ｖａｒｉａｂｉｌｉｔｙ；ＮＶ）来建立测量数据质量指针（ＤＱＩｙ）模型。

【技术实现步骤摘要】

本专利技术有关一种检测产品品质超规(Out Of Specification ;00S)与评估产品实 际测量值的方法，特别是有关一种可于生产过程中线上实时检测出产品品质是否超规并评 估产品的测量品质的方法。
技术介绍
在半导体及薄膜晶体管-液晶显示器(TFT-LCD)制造过程中，一般须透过工 艺监控、故障分析与品质管理等程序，来对生产机台的每片工件(Workpiece)进行线上 (On-line)品质监控，以确保由工件所制成的产品的品质，其中工件于半导体厂称为晶片， 于TFT-LCD厂则称为玻璃。现有技术是以统计工艺管制(Statistical ProcessControl, SPC)的方法来评估产品的测量品质。在现有的统计工艺管制的方法中，首先必须收集一段 历史测量数据，并计算出此批历史测量数据的管制中心值(CenterLine，CL)，用以表示产品 品质处于统计管制内的品质特性平均值，再采此批历史测量数据的n倍(n= 1 3)标准 差来订定管制上限(Upper Control Limit ;UCL)与下限(Lower Control Limit ;LCL)，以 便界定测量数据是否正常。若某一工件的测量数据落于管制界限(UCL和LCL)夕卜，则判定 此工件的测量数据的品质异常。目前的半导体与TFT-LCD厂是采用抽测工件的方式来决定 生产机台工艺能力与产品品质，亦即自生产机台所处理的多个工件，抽选一个工件送到测 量机台进行测量。因此，除非恰好异常的工件有被抽测到，否则亦无法用一般仅监视生产机 台的工艺参数值的方式来检测出此异常的工件。 另一方面，产品的品质可能会发生许多异常情况，例如生产工件的工艺数据参数 值皆在规格内(正常)，但其品质(实际测量值)却是超规。然而，现有方法无法检测出前 述的现象。 因此，需要发展一种评估产品实际测量值与检测产品品质超规的方法，以满足上 述的需求。
技术实现思路
本专利技术的一目的为提供一种检测产品品质超规的方法，藉以透过生产过程中所收集到的正常的工艺数据，来于生产线上实时检测出产品的品质是否失效或有缺陷。 本专利技术的又一目的为提供一种评估产品实际测量值的方法，藉以于生产线上实时评估测量机台所测量出的工件的测量数据的品质，并同时评估生产此工件的工艺数据参数值的品质。 依照本专利技术，在本专利技术的检测产品品质超规的方法中，首先，根据多个历史测 量值来建立一工艺数据质量指针(Process Data Quality Index ;DQIX)模型，其中此 DQIx模型是根据一主成分分析法(Principal Component Analysis ;PCA)和一欧氏距离 (EuclideanDistance)来建立；以历史工艺数据，并应用交互验证(Cross Validation)中 的留一法(Leave-0ne-0ut ;L00)于DQIX模型，来计算出一工艺数据质量门槛值(DQIxj );6以多个历史测量值和多组历史工艺数据来建立一品质超规检测模型(Fault Detection; FD)模型，其中此FD模型是应用一分类与回归树(Classification and Regression Tree ; CART)方法来建立，FD模型包含有多个品质类别规则的一模型树，每一个品质类别规则代 表3项品质类别之一，用以指出产品品质是否超规。然后，收集生产某一工件的一组工艺数 据。接着，使用DQIx模型来对此组工艺数据进行一评估DQIx的步骤。在评估DQIy的步骤 中，首先计算此组工艺数据的一工艺数据质量指针值。接着，判断此工艺数据质量指针值是 否大于工艺数据质量门槛值，并获得一第一结果。当第一结果为是时，则代表此工件的此组 工艺数据为异常工艺数据；当第一结果为否时，则应用此组正常工艺数据至FD模型，来进 行一品质超规检测机制，以于生产线上实时检测出此工件的此组工艺数据所符合的品质类 别规则之一。 依照本专利技术的实施例，在本专利技术的评估产品实际测量值的方法中，首先根据多个 历史测量值来建立一 DQIX模型，其中DQIX模型是根据一主成分分析法和一欧氏距离，并应 用一留一法原理于DQIx模型，来计算出一工艺数据质量门槛值；以多组历史工艺数据来建 立一DQIy (Metrology Data Quality Index)模型，其中DQIy模型是根据一 自适应共振理论 2 (Adaptive Resonance Theory 2 ;ART2)及一标准化变异(Normalized Variability ;NV) 来建立；以历史测量值，并应用相似样版(Similar Pattern)群内最大可容许的变异的观 念于DQIy模型来计算出一测量数据质量门槛值。接着，收集生产某一工件的一组工艺数据。 然后，使用DQIX模型来对此组工艺数据进行一评估DQIX的步骤。在此评估DQIX的步骤中， 首先计算此组工艺数据的一工艺数据质量指针值。然后，判断此工艺数据质量指针值是否 大于工艺数据质量门槛值，并获得一第一结果，其中当第一结果为是时，则代表此工件的此 组工艺数据为异常工艺数据。同时，收集此工件的一实际测量值。当第一结果为否时，转换 生产此工件的此组工艺数据为一组z分数。然后，将此组z分数与此实际测量值输入至此 DQIy模型中，以计算此实际测量值的一测量数据质量指针。接着，判断此测量数据质量指针 是否大于测量数据质量门槛值，并获得一第二结果，其中当第二结果为是时，则代表此工件 的实际测量值为异常；当第二结果为否时，则代表此工件的实际测量值为正常。附图说明 为了更完整了解本专利技术及其优点，请参照上述叙述并配合下列的附图，其中 图1为绘示根据本专利技术的实施例的线上实时评估产品实际测量值与检测产品品 质超规的方法的方块示意图。 图2A至图2D为分别绘示用以说明本专利技术的工艺数据质量失效模式的示意图。 图3A和图3B为分别绘示用以说明本专利技术的测量数据质量失效模式的示意图。 图4A和图4B为分别绘示用以说明本专利技术的产品品质超规失效模式的示意图。 图5为绘示根据本专利技术的实施例的建模步骤的流程示意图。 图6为绘示根据本专利技术的实施例的线上实时评估工艺数据质量指针值(DQIX)的 流程示意图。 图7为绘示根据本专利技术的实施例的线上实时评估测量数据质量指针(DQIy)的流 程示意图。 图8为绘示根据本专利技术的实施例的线上实时品质超规检测机制的流程示意图。 图9A至图9D为分别绘示用以说明本专利技术的评估产品实际测量值的应用例的示意 图。 图10为绘示本专利技术的检测产品品质超规的应用例(情况1和3)的首套FD模型。 图11A至图11C为绘示本专利技术的检测产品品质超规的应用例(情况1)中3个正 确检测的例子(测试样本12、30和60)。 图12A至图12C为绘示本专利技术的检测产品品质超规的应用例(情况1)中3个错 误检测的例子(测试样本46、25和130)。 图13为绘示本专利技术的利用十折交叉验证法所产生FD模型的成本曲线。 图14为绘示本专利技术的应用例的修剪后的情况2和4的首套FD模型。具体实施例方式本专利技术主要是在于提供工艺数据的品质指针(DQIX)模型、测量数据的品质指针 (DQIy)模型和产品品质超规检测(FD)模型，其中DQIJ莫型本文档来自技高网...

【技术保护点】
一种检测产品品质超规的方法，其特征在于包含：根据多个历史测量值来建立一工艺数据质量指针模型，其中该工艺数据质量指针模型是根据一主成分分析法和一欧氏距离来建立；以这些组历史工艺数据，并应用交互验证（中的一留一法于该工艺数据质量指针模型，来计算出一工艺数据质量门槛值；以多个历史测量值和多组历史工艺数据来建立一品质超规检测模型，其中该品质超规检测模型是应用一分类与回归树方法来建立，该品质超规检测模型包含有多个品质类别规则的一模型树，每一这些品质类别规则代表３项品质类别之一，用以指出产品品质是否超规；收集生产一工件的一组工艺数据；使用该工艺数据质量指针模型来对该组工艺数据进行一评估工艺数据质量指针的步骤，其中该评估工艺数据质量指针的步骤包含：计算该组工艺数据的一工艺数据质量指针值；判断该工艺数据质量指针值是否大于该工艺数据质量门槛值，并获得一第一结果，其中当该第一结果为是时，则代表该工件的该组工艺数据为异常工艺数据；以及当该第一结果为否时，则应用该组工艺数据至该品质超规检测模型，来进行一品质超规检测机制，以于生产线上实时检测出该工件的该组工艺数据所符合的这些品质类别规则之一。

【技术特征摘要】
一种检测产品品质超规的方法，其特征在于包含根据多个历史测量值来建立一工艺数据质量指针模型，其中该工艺数据质量指针模型是根据一主成分分析法和一欧氏距离来建立；以这些组历史工艺数据，并应用交互验证(中的一留一法于该工艺数据质量指针模型，来计算出一工艺数据质量门槛值；以多个历史测量值和多组历史工艺数据来建立一品质超规检测模型，其中该品质超规检测模型是应用一分类与回归树方法来建立，该品质超规检测模型包含有多个品质类别规则的一模型树，每一这些品质类别规则代表3项品质类别之一，用以指出产品品质是否超规；收集生产一工件的一组工艺数据；使用该工艺数据质量指针模型来对该组工艺数据进行一评估工艺数据质量指针的步骤，其中该评估工艺数据质量指针的步骤包含计算该组工艺数据的一工艺数据质量指针值；判断该工艺数据质量指针值是否大于该工艺数据质量门槛值，并获得一第一结果，其中当该第一结果为是时，则代表该工件的该组工艺数据为异常工艺数据；以及当该第一结果为否时，则应用该组工艺数据至该品质超规检测模型，来进行一品质超规检测机制，以于生产线上实时检测出该工件的该组工艺数据所符合的这些品质类别规则之一。2. 根据权利要求1所述的检测产品品质超规的方法，其特征在于还包含 以多组历史工艺数据来建立一测量数据质量指针模型，其中该测量数据质量指针模型是根据一 自适应性共振理论2及一标准化变异来建立；以这些历史测量值，并应用相似样版群内最大可容许的变异的观念于该测量数据质量指针模型来计算出一测量数据质量门槛值；收集该工件的一实际测量值及与该实际测量值相对应的该组工艺数据；当该第一结果为否时，转换生产该工件的该组工艺数据为一组Z分数；将该组Z分数与该实际测量值输入至该测量数据质量指针模型中，以计算该实际测量值的一测量数据质量指针；以及判断该测量数据质量指针是否大于该测量数据质量门槛值，并获得一第二结果，其中当该第二结果为是时，则代表该工件的该实际测量值为异常工艺数据。3. 根据权利要求2所述的检测产品品质超规的方法，其特征在于该以这些历史工艺数 据来建立该测量数据质量指针模型的步骤包含从这些组历史工艺数据中分类出多个相似样版。4. 根据权利要求3所述的检测产品品质超规的方法，其特征在于还包含 于这些相似样版群中搜寻出与该实际测量值的工艺数据的该组z分数的一最相似样版；以及应用该最相似样版及该实际测量值，来计算该实际测量值的该测量数据质量指针，并 重新计算该测量数据质量门槛值。5. 根据权利要求4所述的检测产品品质超规的方法，其特征在于还包含 当该第二结果为否时，将该实际测量值和与其对应的该组工艺数据的该组Z分数加入至这些组历史工艺数据中，来重新建立该测量数据质量指针模型。6. 根据权利要求1所述的检测产品品质超规的方法，其特征在于该品质超规检测机制 包含当该第二结果为否时，则使用已确认为正常的该实际测量值和与其对应的该组工艺数 据来执行一重新训练与修剪步骤，以更新该品质超规检测模型。7. 根据权利要求6所述的检测产品品质超规的方法，其特征在于该重新训练与修剪步 骤包含根据一预设上限和一预设下限，来将该实际测量值转换成这些品质类别之一，而获得 一品质类别值；将该品质类别值与该组工艺数据加入到该品质超规检测模型重新建模，而获得一新的 品质超规检测模型；以运用一十折交叉验方式计算该新的品质超规检测模型的模型树的成本；将该新的品质超规检测模型的模型树的所有品质类别规则排列组合，以评估产生该新 的品质超规检测模型的模型树的成本，来找出最小成本模型树的品质类别规则个数做为最 佳修剪的规则数；使用最佳的品质类别规则个数来修剪该品质超规检测模型；以及使用该新的品质超规检测模型来更新该品质超规检测模型。8. 根据权利要求1所述的检测产品品质超规的方法，其特征在于该根据这些历史测量 值来建立该工艺数据质量指针模型的步骤包含透过该主成分分析法并应用这些组历史工艺数据来产生P个特征向量，其中每一这些 组历史工艺数据是由P个参数所组成，这些特征向量具有对应的P个特征值； 自这些特征值选择出k个重要...

【专利技术属性】
技术研发人员：郑芳田，黄宜婷，
申请(专利权)人：国立成功大学，
类型：发明
国别省市：71[中国|台湾]