【11】證書號數：I521360
【45】公告日： 中華民國 105 (2016) 年 02 月 11 日 【51】Int. Cl.： G06F17/00 (2006.01)
發明 全 7 頁 【54】名 稱：量測抽樣方法與其電腦程式產品
METROLOGY SAMPLING METHOD AND COMPUTER PROGRAM PRODUCT THEREOF
【21】申請案號：103111289 【22】申請日： 中華民國 103 (2014) 年 03 月 26 日 【11】公開編號：201537360 【43】公開日期： 中華民國 104 (2015) 年 10 月 01 日 【72】發 明 人： 鄭芳田 (TW) CHENG, FANTIEN；陳俊方 (TW) CHEN, CHUNFANG；黃暄
恆 (TW) HUANG, HSUANHENG；吳竺潔 (TW) WU, CHUCHIEH 【71】申 請 人： 國立成功大學 NATIONAL CHENG KUNG
第三檢查步驟，以檢查該工件之該 RI 值是否大於或等於該 RI 門檻值，而獲得一第三檢 查結果；以及當該第三檢查結果為是時，不對該工件進行量測。 3. 如請求項 2 所述之量測抽樣方法，其中當該第二檢查結果或該第三檢查結果為否、且該 工件之前 k 個工件的 GSI 值大於該 GSI 門檻值或該工件之前 k 個工件的 RI 值小 於該 RI 門檻值時，對該工件進行量測，k 為正整數。 4. 如請求項 1 所述之量測抽樣方法，其中該 GSI 模型的建立係根據一馬氏距離(Mahalanobis Distance)演算法、一歐式距離演算法(Euclidean Distance)或一中心法(Centroid Method)， 該 DQIX模型的建立係根據一主成分分析法(Principal Component Analysis；PCA)和一歐 氏距離(Euclidean Distance)，該建模步驟包含：以該些組歷史製程資料，並應用交互驗證 (Cross Validation)中的留一法(Leave-One-Out；LOO)原理來重計算出該 GSI 門檻值；以及 以該些組歷史製程資料，並應用留一法原理於該 DQIX模型，來計算出該 DQIX門檻值。 5. 如申請專利範圍第 1 項所述之量測抽樣方法，其中該推估演算法和該參考預測演算法分
別為一倒傳遞類神經網路(Back Propagation Neural Network；BPNN)、一通用迴歸類神經 網路(General Regression Neural Network；GRNN)、一徑向基底類神經網路(Radial Basis Function Neural Network；RBFNN)、一簡單回歸性網路(Simple Recurrent Network； SRN)、一支持向量資料描述(Support Vector Data Description；SVDD)、一支持向量機 (Support Vector Machine；SVM)、一複迴歸演算法(Multiple Regression；MR)、一部分最 小平方法(Partial Least Squares；PLS)、一非線性替代偏最小平方法(Nonlinear Iterative Partial Least Squares；NIPALS)或一廣義線性模式 (Generalized Linear Models；GLMs)。 6. 如請求項 1 所述之量測抽樣方法，其中該建模步驟更包含：根據該些歷史量測值和該些
組歷史製程資料來建立一 DQIy(Metrology Data Quality Index；量測資料品質指標)模型， 其中該 DQIy模型的建立係根據標準化變異和一分群演算法，其中該分群演算法為一適 應性共振理 2、一模糊自適共振理論(Fuzzy Adaptive Resonance Theory；Fuzzy ART)、或 一 k-平均數(K-means)分群法；以及以該些歷史量測值，並應用相似樣版群內最大可容許 的變異之觀念於該 DQIy模型來計算出一 DQIy門檻值；該量測工件取樣步驟包含：收集 該工件之一實際量測值及與該實際量測值相對應的該組製程資料；轉換生產該工件之該 組製程資料為一組 z 分數；將該組 z 分數與該實際量測值輸入至該 DQIy模型中，以計 算該工件之該實際量測值的一 DQIy值；以及當該工件之該 DQIy值大於該 DQIy門檻值 時，對當下生產之工件要求進行量測。
