專利名稱：生產(chǎn)管理及成品率分析整合的實(shí)時(shí)管理系統(tǒng)及其處理方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種數(shù)據(jù)管理與分析系統(tǒng)及方法，特別是涉及一種生產(chǎn)管理及成品率分析整合的實(shí)時(shí)管理系統(tǒng)及方法。
背景技術(shù)：
成品率(Yield)是一個(gè)大量生產(chǎn)工廠的一個(gè)非常重要的指標(biāo)，一方面，成品率代表了一個(gè)工廠的生產(chǎn)技術(shù)，另一方面，成品率也反映出生產(chǎn)一個(gè)產(chǎn)品所需要的成本。尤其是對于半導(dǎo)體芯片制作工廠而言，成品率更是攸關(guān)乎整個(gè)工廠的獲利率。因此，如何提高成品率，是大量生產(chǎn)時(shí)的主要課題。
在專業(yè)半導(dǎo)體制造廠中，大多的特定晶片(Wafer)都必須經(jīng)過多個(gè)的半導(dǎo)體設(shè)備機(jī)臺與上百個(gè)以上的工藝步驟，如化學(xué)沉積、離子注入、光掩模、研磨等等工藝來完成其特定功能。對于0.18微米技術(shù)以下的工藝而言，電性功效(Electrical Performance)與半導(dǎo)體設(shè)備的狀態(tài)非常地敏感地影響產(chǎn)品的產(chǎn)出成品率，其中在半導(dǎo)體工藝中任何一個(gè)步驟發(fā)生問題都可能影響產(chǎn)品品質(zhì)特性，導(dǎo)致嚴(yán)重的經(jīng)濟(jì)損失。因此，若是能及早檢測到異常發(fā)生，就能及早加以解決問題、減低生產(chǎn)成本。
目前已經(jīng)存在一些設(shè)計(jì)于檢查與測量產(chǎn)品的成品率。當(dāng)晶片于獨(dú)立的工藝步驟結(jié)束之后，晶片便可藉由電性測試來判斷晶片是否達(dá)到一定的成品率，若晶片測試通過，則可以進(jìn)行下一工藝步驟。
對于在線(In-Line)缺陷(Defect)檢測，掃描(Scan)晶片的微粒(Particle)或缺陷是一般使用來避免不正常的半導(dǎo)體設(shè)備或是工藝問題的，然而，由于目前檢測成品率裝置對于裝置相關(guān)性(equipment correlation)大部分只能用于檢測單一機(jī)臺成品率，或者，找出在單一工藝步驟所使用多臺半導(dǎo)體設(shè)備機(jī)臺與成品率或量測值的關(guān)系，無法達(dá)到分析出在多個(gè)工藝步驟中所使用多臺半導(dǎo)體設(shè)備機(jī)臺對成品率所造成影響，對于大部分的監(jiān)控(Monitor)方法或設(shè)備而言，并不能實(shí)際有效地抓到所有半導(dǎo)體工藝機(jī)臺上對成品率可能發(fā)生的問題。
此外，半導(dǎo)體工藝隨著電路設(shè)計(jì)技術(shù)的精密，使得任何晶片在制品或完成品的不良，都將對制造成本與競爭力造成極大的損失。而成品率的改善及提升對于各晶片工廠而言，皆為降低制造成本、提高獲利甚至提升產(chǎn)業(yè)競爭力的有效途徑，因此各半導(dǎo)體廠均采行工藝控制(Process Control)以及工程數(shù)據(jù)分析(Engineer Data Analysis，EDA)技術(shù)，以協(xié)助其達(dá)到成品率提升的目的。而在半導(dǎo)體廠中，當(dāng)批量(Lot)發(fā)生成品率損失(Yield Loss)時(shí)，多半是由成品率工程師負(fù)責(zé)找出可能發(fā)生的工藝原因并加以改善，以達(dá)提升成品率的目的，而這些成品率提升的工作往往需要大量的工程數(shù)據(jù)分析，且需憑借著工程師的經(jīng)驗(yàn)與分析知識以作原因的判斷。
一般來說，晶片成品率損失問題分析時(shí)，所考慮的主要數(shù)據(jù)包含此晶片的工藝參數(shù)、機(jī)臺參數(shù)、晶片缺陷數(shù)據(jù)(Defect data)、晶片允收(WaferAcceptance Test，WAT)數(shù)據(jù)、晶片測試(Circuit Probing，CP)數(shù)據(jù)、晶片成品率數(shù)據(jù)等，而由于半導(dǎo)體廠工程師的分工都很細(xì)，因此每位工程師負(fù)責(zé)進(jìn)行某一類數(shù)據(jù)的分析，對于數(shù)據(jù)間相關(guān)聯(lián)性的問題則往往須通過長時(shí)間協(xié)調(diào)討論，或是利用簡單的統(tǒng)計(jì)分析來找到可能的問題，而從晶片投入生產(chǎn)到測試階段的所有數(shù)據(jù)，皆對成品率有復(fù)雜的相關(guān)性的影響，因此，如何快速有效的將低成品率的問題點(diǎn)找出，從而提高產(chǎn)品成品率，是現(xiàn)今半導(dǎo)體廠最重要的一項(xiàng)議題。
目前的成品率損失問題改善方法大都是針對某一類工程數(shù)據(jù)找出影響成品率的可能工藝原因，例如，Mieno等人提出利用數(shù)據(jù)挖礦中回歸樹分析(Regression Tree Analysis，RTA)技術(shù)來改善成品率(“Yield improvementusing data mining system semiconductor manufacturing，”IEEE InternationalSymposium on Conference Proceedings，391-394(1999).)，并將的運(yùn)用在氧化(Oxide)工藝上以防止晶片成品率損失的發(fā)生，利用此技術(shù)可以成功的從眾多工藝參數(shù)中找出發(fā)生變異的參數(shù)，以提供工藝進(jìn)行改善來提升成品率。在缺陷數(shù)據(jù)分析方面，Ken提出缺陷群聚特征(the signature of defectclustered)的觀點(diǎn)(“Using full wafer defect maps as process signatures to monitorand control yield，”IEEE/SEMI Semiconductor manufacturing ScienceSymposium，129-135(1991).)，并利用統(tǒng)計(jì)工藝控制(Statistical ProcessControl，SPC)的方式來檢測缺陷的群聚現(xiàn)象，由于缺陷的出現(xiàn)往往不是隨機(jī)分布的，反而會呈現(xiàn)嚴(yán)重的群聚現(xiàn)象，因此可以利用擷取缺陷全影像圖(Holography)來作判斷，但這樣的方式需要很大的影像存取空間。
由上述已知技術(shù)可知，目前的成品率損失問題分析方式大多是針對單一類工程數(shù)據(jù)來進(jìn)行，然而這些工程數(shù)據(jù)彼此也有著相互的關(guān)聯(lián)性存在，許多的成品率損失問題必須從這些數(shù)據(jù)間的關(guān)連性才能突顯出來，因此需要一個(gè)更有效的方法對工藝數(shù)據(jù)做更精確的分析，以提升成品率預(yù)測的正確性。

發(fā)明內(nèi)容
基于上述目的，本發(fā)明實(shí)施例披露了一種生產(chǎn)管理及成品率分析整合的實(shí)時(shí)管理方法。首先，收集一既定時(shí)間內(nèi)有關(guān)晶片在制品的多個(gè)成品率值與在線品管特征參數(shù)。加總并平均該成品率值以求得一歷史成品率值。選取多個(gè)代表性在線品管特征參數(shù)，執(zhí)行一統(tǒng)計(jì)運(yùn)算以執(zhí)行下述操作。判斷其在線品管特征參數(shù)中是否有極端值存在。若沒有極端值存在，則判斷所述在線品管特征參數(shù)中是否有共線性的參數(shù)存在。若沒有共線性的參數(shù)存在，則判斷所述在線品管特征參數(shù)的殘差分析結(jié)果是否符合常態(tài)分布。若殘差分析結(jié)果符合常態(tài)分布，則自在線品管特征參數(shù)中選取多個(gè)最佳化的特征參數(shù)。計(jì)算出所述最佳化特征參數(shù)的每一特征參數(shù)的權(quán)重值，并且根據(jù)該歷史成品率值、所述權(quán)重值以及有關(guān)所述在制品的多量測值與多目標(biāo)值，計(jì)算出一預(yù)測成品率。
本發(fā)明實(shí)施例還披露了一種生產(chǎn)管理及成品率分析整合的實(shí)時(shí)管理系統(tǒng)，包括一收集單元、一統(tǒng)計(jì)單元以及一運(yùn)算單元。收集單元收集一既定時(shí)間內(nèi)有關(guān)晶片在制品的多個(gè)成品率值與在線品管特征參數(shù)。
統(tǒng)計(jì)單元加總并平均所述成品率值以求得一歷史成品率值，根據(jù)所選取的多個(gè)代表性在線品管特征參數(shù)執(zhí)行一統(tǒng)計(jì)運(yùn)算，判斷所述在線品管特征參數(shù)中是否有極端值存在，若沒有極端值存在，則判斷所述在線品管特征參數(shù)中是否有共線性的參數(shù)存在，若沒有共線性的參數(shù)存在，則判斷所述在線品管特征參數(shù)的殘差分析結(jié)果是否符合常態(tài)分布，若殘差分析結(jié)果符合常態(tài)分布，則自在線品管特征參數(shù)中選取多個(gè)最佳化的特征參數(shù)，計(jì)算出所述最佳化特征參數(shù)的每一特征參數(shù)的權(quán)重值。
運(yùn)算單元根據(jù)該歷史成品率值、所述權(quán)重值以及有關(guān)所述在制品的多量測值與多目標(biāo)值，計(jì)算出一預(yù)測成品率。


圖1示出了本發(fā)明實(shí)施例的生產(chǎn)管理及成品率分析整合的實(shí)時(shí)管理方法的步驟流程圖。
圖2示出了本發(fā)明實(shí)施例的生產(chǎn)管理及成品率分析整合的實(shí)時(shí)管理系統(tǒng)的架構(gòu)圖。
附圖符號說明100～運(yùn)算單元200～統(tǒng)計(jì)單元300～收集單元400～生產(chǎn)線500～晶片具體實(shí)施方式
為使本發(fā)明的上述和其它目的、特征和優(yōu)點(diǎn)能更明顯易懂，下文特舉出較佳實(shí)施例，并結(jié)合附圖詳細(xì)說明如下。
本發(fā)明實(shí)施例披露了一種生產(chǎn)管理及成品率分析整合的實(shí)時(shí)管理系統(tǒng)及其處理方法。
本發(fā)明實(shí)施例的成品率分析方法是先收集與工藝成品率相關(guān)的特征參數(shù)與歷史成品率數(shù)據(jù)，接著對特征參數(shù)進(jìn)行分析，然后根據(jù)分析結(jié)果與歷史成品率數(shù)據(jù)，利用一統(tǒng)計(jì)方法計(jì)算出每一工藝周期(如每一天)的預(yù)測成品率。
當(dāng)一晶片投入到生產(chǎn)線并且對其進(jìn)行缺陷檢測、允收測試、電性針測等工藝控制時(shí)，每道工藝都會產(chǎn)生屬于該晶片的相關(guān)數(shù)據(jù)(即特征參數(shù))，且所有數(shù)據(jù)也會被收集并儲存于工程數(shù)據(jù)庫當(dāng)中，上述工程數(shù)據(jù)就是分析整片晶片在生產(chǎn)制造中可能產(chǎn)生異常的有用信息。當(dāng)晶片發(fā)生成品率損失時(shí)，各特征參數(shù)都有其相關(guān)的影響性。因此，晶片的特征參數(shù)分析的目的就是從工程數(shù)據(jù)庫中分析出整體性可代表晶片本身的成品率特征值，以表示該片晶片在投入生產(chǎn)到產(chǎn)出時(shí)，影響到晶片成品率的重要參數(shù)。以下簡述數(shù)個(gè)相關(guān)的成品率特征參數(shù)。
成品率特征參數(shù)包括晶方面積大小(Die Size)、缺陷圖樣類型(DefectMap Pattern)、缺陷故障率(Defective Die％)、晶片允收參數(shù)值(WATParameters)、晶片圖樣類型(Wafer Bin Map)、針測后成品率值(Die Yield％)等等。以下分別簡述其特征。
在晶片制造過程中，晶方面積的大小會影響多數(shù)缺陷是否掉落在不同晶方上而影響成品率，晶方面積大使得一片晶片成品率計(jì)算的總晶方數(shù)目較少，因此當(dāng)發(fā)生相同數(shù)目的缺陷掉落于相同的位置時(shí)，晶方面積大者會使得成品率大減，反的亦然。
缺陷圖樣類型(Defect Map Pattern)一般來說，造成IC成品率損失最主要的原因的一是晶片上的缺陷，而所謂的缺陷是指可能造成某IC產(chǎn)品故障或損壞的情形。一般缺陷空間圖樣主要可分兩類，分別為系統(tǒng)性缺陷(Systematic defect)及隨機(jī)性缺陷(Random defect)。一般系統(tǒng)性缺陷空間圖樣包括刮傷、環(huán)狀、輻射狀、中心聚集形態(tài)等，而隨機(jī)散布于晶片上者則為隨機(jī)性缺陷圖樣。隨機(jī)性缺陷圖樣主要為隨機(jī)落于晶片上的空氣中微粒(Particle)所造成，系統(tǒng)性缺陷圖樣主要成因則如刮傷(Scratch)、光掩模(Mask)未對準(zhǔn)或化學(xué)物質(zhì)污損甚至過度蝕刻(Etch)等諸多因素所造成的，因此，隨機(jī)性及系統(tǒng)性缺陷圖樣間的最重要不同點(diǎn)，在于系統(tǒng)性缺陷圖樣多為工藝發(fā)生問題時(shí)產(chǎn)生，且當(dāng)?shù)统善仿逝慨a(chǎn)生時(shí)，系統(tǒng)性缺陷圖樣往往是最主要的成因。當(dāng)?shù)统善仿逝堪l(fā)生時(shí)，其主因常常是缺陷數(shù)目過多、缺陷群聚現(xiàn)象嚴(yán)重等，因此缺陷空間圖樣會以某種形態(tài)出現(xiàn)，再經(jīng)由成品率工程師從缺陷空間圖樣來推斷工藝上的問題。由于缺陷圖樣的量測方式是針對每一層(layer)重要工藝之后進(jìn)行缺陷檢測，因此，該成品率特征值必須考慮每一層每一檢測機(jī)臺的缺陷圖樣類型，并辨識其缺陷圖樣類型。
缺陷故障率是指缺陷檢測機(jī)臺可設(shè)定當(dāng)缺陷面積大于某一值時(shí)，計(jì)算該晶方因缺陷影響的百分比，由于大缺陷可能造成電路短路或斷路的情況，因而造成成品率的損失，因此，每一層每一檢測機(jī)臺的檢測的缺陷故障率，也為影響成品率的重要特征值之一。
晶片在完成制造后會進(jìn)行晶片允收測試的程序，量測的方式是以晶片的上、下、左、右、中等五點(diǎn)量測，并觀察所量測的參數(shù)是否超出規(guī)格界線，或是否有異常的情況發(fā)生，因此晶片允收(WAT)參數(shù)是晶片成品率非常重要的特征值。由于一個(gè)WAT參數(shù)會有五點(diǎn)量測值，每個(gè)參數(shù)都會設(shè)定其期望目標(biāo)值與上下管制界線，WAT參數(shù)值的偏移量為一般成品率工程師所考慮的重點(diǎn)。因此，本特征值會將某WAT參數(shù)值求取其偏移的標(biāo)準(zhǔn)變異數(shù)，其求取方式如下所述。(1)先計(jì)算每一量測點(diǎn)的WAT參數(shù)值對于期望目標(biāo)值的偏移差異。(2)計(jì)算所有偏移差異的平均值。(3)再計(jì)算該WAT偏移差異值的標(biāo)準(zhǔn)變異數(shù)。
晶片圖樣也是提供工藝工程師分析成品率損失問題中非常重要的信息。晶片圖數(shù)據(jù)即晶片制造程序完成后，針對個(gè)別晶方所作的電性功能項(xiàng)目的測試數(shù)據(jù)，而此測試步驟稱的為晶片針測(Circuit Probing，CP)，其目的是針對個(gè)別晶方進(jìn)行一連串功能項(xiàng)目通過/失敗的測試，并根據(jù)結(jié)果將晶方分類(Sort)，以區(qū)別各個(gè)不同的功能等級。
在晶片針測結(jié)束后，會依照針測結(jié)果給予不同的分類(BIN)值，在可接受的BIN值情況下，計(jì)算出該片晶片的針測成品率值。
除了上文所述的成品率特征參數(shù)，其它還包括晶片發(fā)生成品率損失時(shí)哪一階段的工藝正在執(zhí)行、或者于一工藝機(jī)臺執(zhí)行的頻率等等。對成品率會造成影響的特征參數(shù)至少有數(shù)十種，而本發(fā)明所列的特征參數(shù)僅為舉例說明，其并非用以限定本發(fā)明。
如上所述，本發(fā)明實(shí)施例是對所收集的特征參數(shù)進(jìn)行分析以預(yù)測生產(chǎn)成品率。該成品率預(yù)測操作是藉由一統(tǒng)計(jì)公式以實(shí)施的，該公式如下所述Ytpredict=Yhistory-Σi=1n(wi*|qi-qti|);]]>其中，Ytpredict表示在第t天的預(yù)測成品率，Yhistory表示近三個(gè)月的平均成品率，n表示所選的在線品管(Quality Control，QC)特征參數(shù)(Inline QCparameter)的數(shù)目(其是利用階梯式線性回歸模型(Stepwise Linear RegressionModel)推導(dǎo)而得)，wi表示影響成品率的一在線品管特征參數(shù)所占權(quán)重(其是利用階梯式線性回歸模型推導(dǎo)而得)，qi表示在第t天時(shí)根據(jù)一在線品管特征參數(shù)對在制品的量測值(其是通過制造執(zhí)行系統(tǒng)(Manufacturing ExecutionSystem，MES)在第t天時(shí)進(jìn)行實(shí)時(shí)量測并推導(dǎo)而得)，以及qti表示在第t天時(shí)根據(jù)一在線品管特征參數(shù)對在制品的目標(biāo)值(其亦是通過制造執(zhí)行系統(tǒng)在第t天時(shí)進(jìn)行實(shí)時(shí)量測并推導(dǎo)而得)。
藉由上述統(tǒng)計(jì)公式，即可很輕易的取得每一天的預(yù)測成品率，并且根據(jù)所得的預(yù)測成品率對晶片在制品做更有效的生產(chǎn)管理，以提升生生產(chǎn)效率及降低生產(chǎn)成本。
接下來以一流程圖說明上述成品率預(yù)測的實(shí)施過程。參考圖1，其示出了本發(fā)明實(shí)施例的生產(chǎn)管理及成品率分析整合的實(shí)時(shí)管理方法的步驟流程圖。首先，收集近三個(gè)月的成品率值與在線品管特征參數(shù)(步驟S1)。將近三個(gè)月的成品率值加總并平均以求得一歷史成品率值(Yhistory)(步驟S2)，然后利用一特征選取方法，根據(jù)當(dāng)時(shí)工藝狀況選取多個(gè)較具代表性的在線品管特征參數(shù)(步驟S3)。接下來，檢查所選取的在線品管特征參數(shù)，并且將多余的數(shù)據(jù)移除(步驟S4)，然后執(zhí)行一階梯式線性回歸方法(步驟S5)。
接下來，判斷上述在線品管特征參數(shù)中是否有極端值存在(步驟S6)，若是，則執(zhí)行步驟S61，否則執(zhí)行步驟S7。若上述在線品管特征參數(shù)中有極端值存在，則利用一過濾方法并根據(jù)參數(shù)值大小，將排序在25％前與75％后的在線品管特征參數(shù)移除(步驟S61)，然后回到步驟S5。本發(fā)明實(shí)施例中所說的極端值是由工程人員自行定義，其可能根據(jù)不同工藝而有不同的設(shè)定。舉例來說，若其中一在線品管特征參數(shù)具有一極大或極小值，其可能無法適當(dāng)?shù)姆磻?yīng)出工藝狀況，故需將其移除。
若上述在線品管特征參數(shù)中無極端值存在，則接著判斷是否有共線性(collinear)的參數(shù)存在(步驟S7)，若是，則執(zhí)行步驟S71，否則執(zhí)行步驟S8?！腹簿€性參數(shù)」是表示任二個(gè)特征參數(shù)具有不同值但卻有相同意義，則可將其中一特征參數(shù)移除(步驟S71)，然后回到步驟S5。若上述在線品管特征參數(shù)中無共線性參數(shù)存在，則接著判斷殘差分析結(jié)果是否符合常態(tài)分布(步驟S8)，若否，則執(zhí)行步驟S81，否則執(zhí)行步驟S9。若殘差分析結(jié)果不符合常態(tài)分布，則利用一Box-Cox轉(zhuǎn)換方法將上述非常態(tài)分布轉(zhuǎn)換為常態(tài)分布(步驟S81)，然后回到步驟S5。若殘差分析結(jié)果符合常態(tài)分布，則執(zhí)行一最后特征選取操作，以選取最符合目前工藝狀況的特征參數(shù)(在本發(fā)明實(shí)施例中選取最具代表性的前20個(gè)特征參數(shù)，即n＝20)(步驟S9)，并且計(jì)算出每一特征參數(shù)的權(quán)重值(wi)(步驟S10)。最后，利用前文所述的統(tǒng)計(jì)公式，根據(jù)計(jì)算所得的平均成品率(Yhistory)、每一特征參數(shù)的權(quán)重值(wi)、特征參數(shù)數(shù)(n)以及自生產(chǎn)線(利用制造執(zhí)行系統(tǒng))取得的在制品的量測值(qi)與目標(biāo)值(qti)，計(jì)算出所需的預(yù)測成品率(Ytpredict)(步驟S11)。
圖2示出了本發(fā)明實(shí)施例的生產(chǎn)管理及成品率分析整合的實(shí)時(shí)管理系統(tǒng)的架構(gòu)圖。
本發(fā)明實(shí)施例的實(shí)時(shí)管理系統(tǒng)包括一運(yùn)算單元100、一統(tǒng)計(jì)單元200以及一收集單元300。晶片在制品于生產(chǎn)線400經(jīng)過多道工藝加工后而取得晶片成品500。收集單元300自晶片500取得近三個(gè)月的生產(chǎn)成品率值及與其相關(guān)的品管特征參數(shù)，并且將上述數(shù)據(jù)傳送給統(tǒng)計(jì)單元200。
統(tǒng)計(jì)單元200將近三個(gè)月的成品率值加總并平均以求得一歷史成品率值(Yhistory)，藉由一特征選取方法，并根據(jù)當(dāng)時(shí)工藝狀況選取多個(gè)較具代表性的在線品管特征參數(shù)，檢查所選取的在線品管特征參數(shù)，并且將多余的數(shù)據(jù)移除，然后執(zhí)行一階梯式線性回歸方法。接下來，統(tǒng)計(jì)單元200判斷上述在線品管特征參數(shù)中是否有極端值存在。若是，則利用一過濾方法并根據(jù)參數(shù)值大小，將排序在25％前與75％后的在線品管特征參數(shù)移除。若上述在線品管特征參數(shù)中無極端值存在，則統(tǒng)計(jì)單元200接著判斷是否有共線性的參數(shù)存在。若是，則將其中一特征參數(shù)移除。若上述在線品管特征參數(shù)中無共線性參數(shù)存在，則統(tǒng)計(jì)單元200接著判斷殘差分析結(jié)果是否符合常態(tài)分布，若否，則利用一Box-Cox轉(zhuǎn)換方法將上述非常態(tài)分布轉(zhuǎn)換為常態(tài)分布。若殘差分析結(jié)果符合常態(tài)分布，則統(tǒng)計(jì)單元200執(zhí)行一最后特征選取操作，以選取最符合目前工藝狀況的特征參數(shù)(在本發(fā)明實(shí)施例中選取最具代表性的前20個(gè)特征參數(shù)，即n＝20)，并且計(jì)算出每一特征參數(shù)的權(quán)重值(wi)。
運(yùn)算單元100利用一統(tǒng)計(jì)公式(Ytpredict=Yhistory-Σi=1n(wi*|qi-qti|)),]]>根據(jù)前述計(jì)算所得的平均成品率(Yhistory)、每一特征參數(shù)的權(quán)重值(wi)以及自生產(chǎn)線(利用制造執(zhí)行系統(tǒng))取得的在制品的量測值(qi)與目標(biāo)值(qti)，計(jì)算出所需的預(yù)測成品率(ytpredict)。
本發(fā)明的實(shí)時(shí)管理系統(tǒng)與方法整合特定批量(lot)在制品的生產(chǎn)信息及各階段的測試數(shù)據(jù)，可依據(jù)特定批量在制品的特征(如發(fā)生原因、部門等)進(jìn)行分類管理。此外，本發(fā)明方法的實(shí)時(shí)性生產(chǎn)管理及成品率追蹤可有效提升生產(chǎn)效率及降低生產(chǎn)成本。
雖然本發(fā)明已以較佳實(shí)施例披露如上，然其并非用以限定本發(fā)明，本領(lǐng)域的技術(shù)人員在不脫離本發(fā)明的精神和范圍的前提下可作各種的更動(dòng)與潤飾，因此本發(fā)明的保護(hù)范圍以本發(fā)明的權(quán)利要求為準(zhǔn)。
權(quán)利要求
1.一種生產(chǎn)管理及成品率分析整合的實(shí)時(shí)管理方法，包括下列步驟收集一既定時(shí)間內(nèi)有關(guān)晶片在制品的多個(gè)成品率值與在線品管特征參數(shù)；加總并平均該成品率值以求得一歷史成品率值；選取多個(gè)代表性在線品管特征參數(shù)；執(zhí)行一統(tǒng)計(jì)運(yùn)算以執(zhí)行下述操作，包括下列步驟判斷所述在線品管特征參數(shù)中是否有極端值存在；若沒有極端值存在，則判斷所述在線品管特征參數(shù)中是否有共線性的參數(shù)存在；以及若沒有共線性的參數(shù)存在，則判斷所述在線品管特征參數(shù)的殘差分析結(jié)果是否符合常態(tài)分布；若殘差分析結(jié)果符合常態(tài)分布，則自在線品管特征參數(shù)中選取多個(gè)最佳化的特征參數(shù)；計(jì)算出所述最佳化特征參數(shù)的每一特征參數(shù)的權(quán)重值；以及根據(jù)該歷史成品率值、所述權(quán)重值以及有關(guān)所述在制品的多量測值與多目標(biāo)值，計(jì)算出一預(yù)測成品率。
2.如權(quán)利要求1所述的生產(chǎn)管理及成品率分析整合的實(shí)時(shí)管理方法，其中，若所述在線品管特征參數(shù)中有極端值存在，則利用一過濾方法并根據(jù)所述參數(shù)值大小，將排序在25％前與75％后的在線品管特征參數(shù)移除。
3.如權(quán)利要求1所述的生產(chǎn)管理及成品率分析整合的實(shí)時(shí)管理方法，其中，若有共線性的參數(shù)存在，則將其中一特征參數(shù)移除。
4.如權(quán)利要求1所述的生產(chǎn)管理及成品率分析整合的實(shí)時(shí)管理方法，其中，若殘差分析結(jié)果不符合常態(tài)分布，則利用一Box-Cox轉(zhuǎn)換方法將該非常態(tài)分布轉(zhuǎn)換為常態(tài)分布。
5.如權(quán)利要求1所述的生產(chǎn)管理及成品率分析整合的實(shí)時(shí)管理方法，其中，利用一階梯式線性回歸方法執(zhí)行所述判斷操作。
6.一種生產(chǎn)管理及成品率分析整合的實(shí)時(shí)管理系統(tǒng)，包括一收集單元，用以收集一既定時(shí)間內(nèi)有關(guān)晶片在制品的多個(gè)成品率值與在線品管特征參數(shù)；一統(tǒng)計(jì)單元，用以加總并平均所述成品率值以求得一歷史成品率值，根據(jù)所選取的多個(gè)代表性在線品管特征參數(shù)執(zhí)行一統(tǒng)計(jì)運(yùn)算，判斷所述在線品管特征參數(shù)中是否有極端值存在，若沒有極端值存在，則判斷所述在線品管特征參數(shù)中是否有共線性的參數(shù)存在，若沒有共線性的參數(shù)存在，則判斷所述在線品管特征參數(shù)的殘差分析結(jié)果是否符合常態(tài)分布，若殘差分析結(jié)果符合常態(tài)分布，則自在線品管特征參數(shù)中選取多個(gè)最佳化的特征參數(shù)，計(jì)算出所述最佳化特征參數(shù)的每一特征參數(shù)的權(quán)重值；以及一運(yùn)算單元，用以根據(jù)該歷史成品率值、所述權(quán)重值以及有關(guān)所述在制品的多量測值與多目標(biāo)值，計(jì)算出一預(yù)測成品率。
7.如權(quán)利要求6所述的生產(chǎn)管理及成品率分析整合的實(shí)時(shí)管理系統(tǒng)，其中，若所述在線品管特征參數(shù)中有極端值存在，則利用一過濾方法并根據(jù)所述參數(shù)值大小，將排序在25％前與75％后的在線品管特征參數(shù)移除。
8.如權(quán)利要求6所述的生產(chǎn)管理及成品率分析整合的實(shí)時(shí)管理系統(tǒng)，其中，若有共線性的參數(shù)存在，則將其中一特征參數(shù)移除。
9.如權(quán)利要求6所述的生產(chǎn)管理及成品率分析整合的實(shí)時(shí)管理系統(tǒng)，其中，若殘差分析結(jié)果不符合常態(tài)分布，則利用一Box-Cox轉(zhuǎn)換方法將該非常態(tài)分布轉(zhuǎn)換為常態(tài)分布。
10.如權(quán)利要求6所述的生產(chǎn)管理及成品率分析整合的實(shí)時(shí)管理系統(tǒng)，其中，利用一階梯式線性回歸方法執(zhí)行所述判斷操作。
全文摘要
一種生產(chǎn)管理及成品率分析整合的實(shí)時(shí)管理系統(tǒng)及其處理方法。加總并平均多個(gè)成品率值以求得一歷史成品率值。選取多個(gè)代表性在線品管特征參數(shù)(Inline QC parameter)并執(zhí)行一統(tǒng)計(jì)運(yùn)算以執(zhí)行下述判斷操作。若所述在線品管特征參數(shù)中沒有極端值與共線性的參數(shù)存在，以及所述在線品管特征參數(shù)的殘差分析結(jié)果符合常態(tài)分布，則自在線品管特征參數(shù)中選取多個(gè)最佳化的特征參數(shù)。計(jì)算出所述最佳化特征參數(shù)的每一特征參數(shù)的權(quán)重值，并且根據(jù)該歷史成品率值、所述權(quán)重值以及有關(guān)所述在制品的多量測值與多目標(biāo)值，計(jì)算出一預(yù)測成品率。
文檔編號G06Q10/00GK1920863SQ20051009651
公開日2007年2月28日 申請日期2005年8月22日 優(yōu)先權(quán)日2005年8月22日
發(fā)明者陳建中, 王勝仁, 何煜文 申請人:力晶半導(dǎo)體股份有限公司