偵測產品品質超規與評估產品實際量測值的方

【19】中華民國　　　　　　【12】專利公報 　（B）

【11】證書號數：I400619

【45】公告日： 中華民國 102 (2013) 年 07 月 01 日

【51】Int. Cl.： G06F17/00 (2006.01)

發明　　　　　全 16 頁　

【54】名　　稱：偵測產品品質超規與評估產品實際量測值的方法

PRODUCT QUALITY FAULT DETECTION METHOD AND REAL METROLGY DATA EVALUATION METHOD

【21】申請案號：097145812 【22】申請日： 中華民國 97 (2008) 年 11 月 26 日

【11】公開編號：201020806 【43】公開日期： 中華民國 99 (2010) 年 06 月 01 日

【72】發 明 人： 鄭芳田 (TW) CHENG, FANTIEN；黃宜婷 (TW) HUANG, YITING；張富建 (TW) CHANG, FUCHIEN

【71】申 請 人： 國立成功大學 NATIONAL CHENG KUNG UNIVERSITY

臺南市東區大學路 1 號

【74】代 理 人： 蔡坤財；李世章

【56】參考文獻：

EP 1683881A1 EP 1902116A1

P.-H. Chen et al., “Virtual Metrology: a Solution for Wafer to Wafer Advanced Process Control,”2005 IEEE International

Symposium on Semiconductor Manufacturing, San Jose, CA ,USA, pp.155-157, Sept. 2005.

Y.C. Su et al., “A Processing Quality Prognostics Scheme for Plasma Sputtering in TFT-LCD Manufacturing,” IEEE Transactions on Semiconductor Manufacturing, vol. 19, no. 2, pp. 183-194, May 2006.

C. J. Spanos et al., “Real-Time Statistical Process Control Using Tool Data,” IEEE Transactions on Semiconductor

Manufacturing, vol. 5, no. 4, pp. 308-318, Nov. 1992.

審查人員：易昶霈

[57]申請專利範圍

1.　一種偵測產品品質超規的方法，包含：根據複數個歷史量測值來建立一 DQI_X (Process Data Quality Index；製程資料品質指標)模型，其中該 DQI_X 模型係根據一主成分分析法 (Principal Component Analysis；PCA)和一歐氏距離(Euclidean Distance)來建立；以複數組 歷史製程資料，並應用交互驗證(Cross Validation)中之一留一法(Leave-One-Out；LOO)於 該 DQI_X 模型，來計算出一製程資料品質門檻值( )；以該些歷史量測值和該些組 歷史製程資料來建立一 FD(Fault Detection；品質超規偵測)模型，其中該 FD 模型係應用 一分類與迴歸樹(Classification And Regression Tree；CART)方法來建立，該 FD 模型包含 有複數個品質類別規則之一模型樹，每一該些品質類別規則代表 3 項品質類別之一者，

用以指出產品品質是否超規；收集生產一工件之一組製程資料；使用該 DQI_X 模型來對 該組製程資料進行一評估 DQI_X 的步驟，其中該評估 DQI_X 的步驟包含：計算該組製程 資料之一製程資料品質指標值；判斷該製程資料品質指標值是否大於該製程資料品質門

- 4067 -

檻值，並獲得一第一結果，其中當該第一結果為是時，則代表該工件的該組製程資料為 異常製程資料；以及當該第一結果為否時，則應用該組製程資料至該 FD 模型，來進行 一品質超規偵測機制，以於生產線上即時偵測出該工件之該組製程資料所符合之該些品 質類別規則之一者。

2.　如申請專利範圍第 1 項所述之偵測產品品質超規的方法，更包含：以該些組歷史製程資 料來建立一 DQI_y (Metrology Data Quality Index；量測資料品質指標)模型，其中該 DQI_y 模型係根據一自適應性共振理論 2(Adaptive Resonance Theory 2；ART2)及一標準化變異 (Normalized Variability)來建立；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 DQI_y 模型來計算出一量測資料品質門檻值( )；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；當該第一結果為否時，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 DQI_y 模型 中，以計算該實際量測值之一量測資料品質指標；以及判斷該量測資料品質指標是否大 於該量測資料品質門檻值，並獲得一第二結果，其中當該第二結果為是時，則代表該工 件的該實際量測值為異常製程資料。

3.　如申請專利範圍第 2 項所述之偵測產品品質超規的方法，其中該以該些歷史製程資料來 建立該 DQI_y 模型的步驟包含：從該些組歷史製程資料中分類(Sorting)出複數個相似樣 版。

4.　如申請專利範圍第 3 項所述之偵測產品品質超規的方法，更包含：於該些相似樣版群中 搜尋出與該實際量測值之製程資料的該組 z 分數之一最相似樣版；以及應用該最相似樣 版及該實際量測值，來計算該實際量測值之該量測資料品質指標，並重新計算該量測資 料品質門檻值。

5.　如申請專利範圍第 4 項所述之偵測產品品質超規的方法，更包含：當該第二結果為否 時，將該實際量測值和與其對應之該組製程資料的該組 z 分數加入至該些組歷史製程資 料中，來重新建立該 DQI_y 模型。

6.　如申請專利範圍第 1 項所述之偵測產品品質超規的方法，其中該品質超規偵測機制包 含：當該第二結果為否時，則使用已確認為正常的該實際量測值和與其對應之該組製程 資料來執行一重新訓練與修 剪(Re-training and Pruning；RT&P)步驟，以更新該 FD 模型。

7.　如申請專利範圍第 6 項所述之偵測產品品質超規的方法，其中該重新訓練與修剪步驟包 含：根據一預設上限和一預設下限，來將該實際量測值轉換成該些品質類別之一者，而 獲得一品質類別值；將該品質類別值與該組製程資料加入到該 FD 模型重新建模，而獲 得一新的 FD 模型；以運用一十摺交叉驗(10-fold Cross Validation)方式計算該新的 FD 模 型之模型樹的成本；將該新的 FD 模型之模型樹之所有品質類別規則排列組合，以評估 產生該新的 FD 模型之模型樹的成本，來找出最小成本模型樹的品質類別規則個數做為 最佳修剪的規則數；使用最佳之品質類別規則個數來修剪該 FD 模型；以及使用該新的 FD 模型來更新該 FD 模型。

8.　如申請專利範圍第 1 項所述之偵測產品品質超規的方法，其中該根據該些歷史量測值來 建立該 DQI_X 模型的步驟包含：透過該主成分分析法並應用該些組歷史製程資料來產生 p 個特徵向量(Eigenvectors)，其中每一該些組歷史製程資料係由 p 個參數所組成，該些 特徵向量具有對應之 p 個 特徵值(Eigenvalues)；自該些特徵值選擇出 k 個重要特徵值，

以建構一特徵擷取矩陣；使用該特徵擷取矩陣將每一該些組歷史製程資料轉成 k 個資料 特徵變數；將該些資料特徵變數轉成標準化之 z 分數；以及以該歐氏距離法將每一組歷 史製程資料之 z 分數轉成 DQI_X 值。

- 4068 -

9.　如申請專利範圍第 8 項所述之偵測產品品質超規的方法，其中該評估 DQI_X 的步驟包 含：擷取該組製程資料的資料特徵變數；以及計算該組製程資料的該製程資料品質指標。

10. 如申請專利範圍第 8 項所述之偵測產品品質超規的方法，其中該評估 DQI_X 的步驟更包 含：當該第一結果為否時，則將該組製程資料加入至該些組歷史製程資料中，以重新計 算該特徵擷取矩陣，並重新計算該製程資料品質門檻值。

11. 一種評估產品實際量測值的方法，包含：根據複數個歷史量測值來建立一 DQI_X 模型，

其中該 DQI_X 模型係根據一主成分分析法和一歐氏距離，並應用一留一法原理於該 DQI_X 模型，來計算出一製程資料品質門 檻值；以複數組歷史製程資料來建立一 DQI_y 模 型，其中該 DQI_y 模型係根據一自適應性共振理論 2 及一標準化變異來建立；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 DQI_y 模型來計算出一量 測資料品質門檻值；收集生產一工件之一組製程資料；使用該 DQI_X 模型來對該組製程 資料進行一評估 DQI_X 的步驟，其中該評估 DQI_X 的步驟包含：計算該組製程資料之一 製程資料品質指標值；以及判斷該製程資料品質指標值是否大於該製程資料品質門檻 值，並獲得一第一結果，其中當該第一結果為是時，則代表該工件的該組製程資料為異 常製程資料；收集該工件之一實際量測值；當與該實際量測值相對應的該組製程資料之 該第一結果為否時，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 DQI_y 模型中，以計算該實際量測值之一量測資料品質指標；以及 判斷該量測資料品質指標是否大於該量測資料品質門檻值，並獲得一第二結果，其中當 該第二結果為是時，則代表該工件的該實際量測值為異常量測資料；當該第二結果為否 時，則代表該工件的該實際量測值為正常量測資料。

12. 如申請專利範圍第 11 項所述之評估產品實際量測值的方法，其中該以該些歷史製程資料 來建立該 DQI_y 模型的步驟包含：從該些組歷史製程資料中分類出複數個相似樣版。

13. 如申請專利範圍第 12 項所述之評估產品實際量測值的方法，更包含：於該些相似樣版群 中搜尋出與該實際量測值相對應之製程資料的該組 z 分數之一最相似樣版；以及應用該 最相似樣版及該實際量測值，來計算該實際量測值之該量測資料品質指標，並重新計算 該量測資料品質門檻值。

14. 如申請專利範圍第 13 項所述之評估產品實際量測值的方法，更包含：當該第二結果為否 時，將該實際量測值和與其對應之該組製程資料的該組 z 分數加入至該些組歷史製程資 料中，來重新搜尋複數個新相似樣版。

15. 如申請專利範圍第 11 項所述之偵測產品品質超規的方法，其中該根據該些歷史量測值來 建立該 DQI_X 模型的步驟包含：透過該主成分分析法並應用該些組歷史製程資料來產 生 p 個特徵向量，其中每一該些組歷史製程資料係由 p 個參數所組成，該些特徵向量具有 對應之 p 個特徵值；自該些特徵值選擇出 k 個重要特徵值，以建構一特徵擷取矩陣；使 用該特徵擷取矩陣將每一該些組歷史製程資料轉成 k 個資料特徵變數；將該些資料特徵 變數轉成標準化之 z 分數；以及以該歐氏距離法將每一組歷史製程資料之 z 分數轉成 DQI_X 值。

16. 如申請專利範圍第 15 項所述之偵測產品品質超規的方法，其中該評估 DQI_X 的步驟包 含：擷取該組製程資料的資料特徵變數；以及計算該組製程資料的該製程資料品質指標。

17. 如申請專利範圍第 15 項所述之偵測產品品質超規的方法，其中該評估 DQI_X 的步驟更包 含：當該第一結果為否時，則將該組製程資料加入至該些組歷史製程資料中，以重新計 算該特徵擷取矩陣，並重新計算該製程資料品質門檻值。

圖式簡單說明

(3)

- 4069 -

為了更完整了解本發明及其優點，請參照上述敘述並配合下列之圖式，其中：第 1 圖為 繪示根據本發明之實施例之線上即時評估產品實際量測值與偵測產品品質超規之方法的方塊 示意圖。

第 2A 圖至第 2D 圖為分別繪示用以說明本發明之製程資料品質失效模式的示意圖。

第 3A 圖和第 3B 圖為分別繪示用以說明本發明之量測資料品質失效模式的示意圖。

第 4A 圖和第 4B 圖為分別繪示用以說明本發明之產品品質超規失效模式的示意圖。

第 5 圖為繪示根據本發明之實施例之建模步驟的流程示意圖。

第 6 圖為繪示根據本發明之實施例之線上即時評估製程資料品質指標值(DQI_X )的流程示 意圖。

第 7 圖為繪示根據本發明之實施例之線上即時評估量測資料品質指標(DQI_y )的流程示意 圖。

第 8 圖為繪示根據本發明之實施例之線上即時品質超規偵測機制的流程示意圖。

第 9A 圖至第 9D 圖為分別繪示用以說明本發明之評估產品實際量測值之應用例的示意圖。

第 10 圖為繪示本發明之偵測產品品質超規之應用例(情況 1 和 3)的首套 FD 模型。

第 11A 圖至第 11C 圖為繪示本發明之偵測產品品質超規之應用例(情況 1)中 3 個正確偵測 的例子(測試樣本 12、30 和 60)。

第 12A 圖至第 12C 圖為繪示本發明之偵測產品品質超規之應用例(情況 1)中 3 個錯誤偵測 的例子(測試樣本 46、25 和 130)。

第 13 圖為繪示本發明之利用十摺交叉驗證法所產生 FD 模型的成本曲線。

第 14 圖為繪示本發明之應用例之修剪後之情況 2 和 4 之首套 FD 模型。

- 4070 -

(5)

- 4071 -

- 4072 -

(7)

- 4073 -

- 4074 -

(9)

- 4075 -

- 4076 -

(11)

- 4077 -

- 4078 -

(13)

- 4079 -

- 4080 -

(15)

- 4081 -

- 4082 -