專利名稱：：用于錯誤診斷的多種錯誤特征的制作方法
技術(shù)領(lǐng)域：
：本發(fā)明的具體實施例涉及錯誤診斷，尤其涉及使用多種錯誤特征(rangedfaultsignatures)的4普i吳it斷。
背景技術(shù)：
：許多企業(yè)運用包含多重傳感器及控制器的精密制造設(shè)備，這些傳感器及控制器在處理期間被仔細地監(jiān)控以確保產(chǎn)品的質(zhì)量。一種監(jiān)控這些多重傳感器及控制器的方法是統(tǒng)計處理監(jiān)控(一種對傳感器測量結(jié)果及處理控制數(shù)值(處理變量)進行統(tǒng)計分析的手段)，其能夠?qū)崿F(xiàn)自動偵測及/或錯誤診斷。r錯誤(fault)」可能是制造設(shè)備的故障或失調(diào)(例如機器的操作參數(shù)與所欲數(shù)值之間的偏差)，或是預(yù)防性維護所需的一種指示，用于避免即將發(fā)生的故障或失調(diào)。因此，統(tǒng)計處理監(jiān)控的一個目標是在產(chǎn)生上述缺陷之前偵測及/或診斷錯誤。在處理監(jiān)控期間，當最近的處理數(shù)據(jù)的一個或多個統(tǒng)計與統(tǒng)計模型偏離一個量值，且該量值足夠大以造成模型度量超過各個信任閾值時，偵測到一錯誤。模型度量為一標量，其值表示在實際處理監(jiān)控期間所收集的處理數(shù)據(jù)的統(tǒng)計特征及該模型所預(yù)測的統(tǒng)計特征之間的偏離量。各模型度量是消去此偏離的唯一數(shù)學方法。常見的模型度量包含平方預(yù)測誤差(SquaredPredictionError,其一般被稱為SPE、Qres、或Q)以及Hotelling'sT2(T2)。每個模型度量具有各自的信任閾值，其也被稱為一信任限制或控制限制，其數(shù)值表示該模型度量的可接受的上限。如果一模型度量在處理監(jiān)控期間超過其信任閾值，應(yīng)可推斷該處理數(shù)據(jù)已因為一錯誤而具有偏離的統(tǒng)計結(jié)果。一旦偵測到錯誤，通過忽略各處理變量的相對錯誤貢獻來診斷這些錯誤。某些錯誤因為缺乏和單一處理變量的明確(例如直接)相關(guān)性而難于診斷。與多重處理變量具有復雜及/或間接的相關(guān)性的那些錯誤可能特別難于診斷。常見診斷錯誤的方法一般要求在對錯誤進行分類之前，該錯誤已發(fā)生多次。對那些和多重處理變量的相關(guān)性較復雜的錯誤進行分類時，這可能會有問題。
發(fā)明內(nèi)容本發(fā)明的一態(tài)樣關(guān)于一種診斷錯誤的方法，其包含偵測一錯誤；判定對該錯誤有貢獻(contributedtothefault)的一個或多個處理變量；判定一個或多個處理變量中的每一個的相應(yīng)貢獻；及判定多個錯誤特征中的哪一個相符于該錯誤，一錯誤特征相符該錯誤，其為如果這些一個或多個處理變量的相應(yīng)貢獻在所相符錯誤特征的相應(yīng)貢獻范圍內(nèi)，其中這些錯誤特征的相關(guān)于至少一個錯誤分類。本發(fā)明的另一態(tài)樣關(guān)于一種包含數(shù)據(jù)的機器可存取媒體，其當由一機器所存取時，造成該機器執(zhí)行一方法，該方法包含偵測一錯誤；判定對該錯誤有貢獻的一個或多個處理變量；判定一個或多個處理變量中的每一個的相應(yīng)貢獻；及判定多個錯誤特征中的哪一個相符于該錯誤，一錯誤特征相符該錯誤，其為如果這些一個或多個處理變量的相應(yīng)貢獻在所相符錯誤特征的相應(yīng)貢獻范圍內(nèi)，其中這些錯誤特征的相關(guān)于至少一個錯誤分類。本發(fā)明的又另一態(tài)樣關(guān)于一種統(tǒng)計處理監(jiān)控系統(tǒng)，其包含一錯誤偵測器，其與至少一個制造機器相耦合，藉以接收來自該至少一個制造機器的處理數(shù)據(jù)，并用以基于該處理數(shù)據(jù)而偵測一錯誤，該處理數(shù)據(jù)包含多個處理變量；一數(shù)據(jù)庫，其用以存儲多個錯誤特征，這些錯誤特征的與至少一個錯誤分類相關(guān)聯(lián)；及一錯誤診斷器，其與該錯誤偵測器以及該數(shù)據(jù)庫相耦合，藉以判定對該錯誤有貢獻的多個處理變量中的一個或多個、判定一個或多個處7理變量中的每一個的相應(yīng)貢獻、以及判定多個錯誤特征中的哪一個相符于該錯誤，一錯誤特征相符該錯誤，其為如果一個或多個處理變量的相應(yīng)貢獻在所相符錯誤特征的相應(yīng)貢獻范圍內(nèi)。在附圖中，本發(fā)明通過示例得以示出，并非通過限制得以示出，并且其中圖1描述統(tǒng)計處理監(jiān)控系統(tǒng)的具體實施例；圖2描述一種產(chǎn)生錯誤分類的方法的具體實施例的流程圖；圖3描述一種通過使用錯誤特征來診斷錯誤的方法的一具體實施例的流程圖4描述一種通過使用錯誤特征來診斷錯誤的方法的另一具體實施例的流程圖5描述一種通過使用錯誤特征來診斷錯誤的方法的又另一具體實施例的流程圖6描述一典型計算系統(tǒng)中的機器的圖式表示，其中具有一組指令，可執(zhí)行這種指令從而使該機器執(zhí)行本文所討論的任何一或多種方法。具體實施例方式本文描述一種用于診斷錯誤的方法及設(shè)備。在一具體實施例中，識別對該錯誤有貢獻的一個或多個處理變量。如果一處理變量具有處于控制限制之外的測量數(shù)值，則它可能對該錯誤有貢獻。判定一個或多個處理變量的相應(yīng)貢獻。該相應(yīng)貢獻被歸一化且被安排在一經(jīng)排列的清單中，其中該排列基于錯誤貢獻的量。判定符合經(jīng)偵測的錯誤的一錯誤特征。在一具體實施例中，如果經(jīng)識別的處理變量的相應(yīng)貢獻處于該相符的錯誤特征的相應(yīng)貢獻范圍內(nèi)，則一錯誤特征符合該經(jīng)偵測的錯誤。這些錯誤特征中的每一個都與用于識別一特定錯誤起因的至少一個錯誤分類相關(guān)聯(lián)。在下列的描述中，提出多個細節(jié)。然而，本領(lǐng)域普通技術(shù)人員將可明了本發(fā)明可在無下列特定細節(jié)中而加以實施。在特定例證中，已知的結(jié)構(gòu)及裝置按方塊圖形式而顯示(而非細節(jié))，藉以避免使本發(fā)明模糊不清。所述的部份細節(jié)描述是以下列兩方面來呈現(xiàn)的各種算法；以及對計算機存儲器中的數(shù)據(jù)位進行的各項操作的符號表示。熟悉數(shù)據(jù)處理技術(shù)的技術(shù)人員使用這些算法的敘述與呈現(xiàn)，以最有效率的方式將其本質(zhì)傳達給其它熟知該項技術(shù)的技術(shù)人員。算法，在此處通?？梢暈閷蛞凰Y(jié)果的自我一致性的步驟或指令的程序。這些步驟是那些需要對于物理量有物理性操縱的步驟。雖然并非必然，但是這些量通常采用能夠在一計算機系統(tǒng)中存儲、傳送、組合、比較及或以其它方式操作的電氣、磁性信號的形式。已證實，主要基于通用用法的因素，將這些信號表示為位、數(shù)值、組件、符號、字符、術(shù)語、數(shù)字等等有時候非常方便。然而，應(yīng)注意的是，這些以及類似的術(shù)語皆與適當?shù)奈锢頂?shù)量有關(guān)，而且僅僅是套用至這些量的方便標簽。除非特別說明，否則可在討論中清楚得知，文中利用術(shù)語像是「處理」、r運算」、「計算」或「決定」或「顯示J等等，代表一計算機系統(tǒng)或類似的電子運算裝置的動作及處理，其操縱及轉(zhuǎn)換在該計算機系統(tǒng)的寄存器及存儲器中的數(shù)據(jù)來表示成物理(電子)量，成為在該計算機系統(tǒng)的存儲器、或寄存器或其它這種信息存儲、傳輸或顯示裝置內(nèi)的物理量。本發(fā)明也涉及用于執(zhí)行本文所述運算的裝置。該裝置可為因應(yīng)需求而組成，或者也可為一普通計算機，被存儲該計算機中所存儲的計算機程序選擇性地激活或重新設(shè)定。此一計算機程序可存儲于一計算機可讀媒體中，例如(但不限于)，任何種類的磁盤，其包括軟盤、光盤、只讀存儲器(CD-ROM)和磁光盤、只讀存儲器(ROM)、隨機存取存儲器(RAM)、可擦除程序化只讀存儲器(EPROM)、電子式可擦除程序化只讀存儲器(EEPROM)、磁性或光學卡、或任何種類的適用于存儲電子指令的媒體。本文所述的算法以及模塊并不必然涉及到任何特定計算機或其它裝置。各式一般用途系統(tǒng)可依據(jù)本發(fā)明所教示與程序并行使用，或者可證實有利于建構(gòu)更多專門的設(shè)備以施行所需方法的步驟。這些各式系統(tǒng)所需的架構(gòu)將于下文詳述。此外，本發(fā)明并非通過任何特定程序語言所描述。應(yīng)知各種程序語言可落實本文所述的本發(fā)明的揭示。一機器可讀媒體包含在一可由機器所讀取的形式中的任何用于存儲或傳送信息的機制。例如，一機器可讀媒體包含一機器可讀存儲媒體(例如只讀存儲器(ROM)、隨機存取存儲器(RAM)、磁盤存儲媒體、光學存儲媒體、閃存裝置等等)、機器可讀傳輸媒體(電氣、光學、聲學或其它形式的可傳播信號(例如載波、紅外線信號、數(shù)字信號等等))等。該下列描述提供了用于監(jiān)控在制造裝置上運作的處理以偵測及/或診斷錯誤(不穩(wěn)定的制造過程)的一統(tǒng)計處理監(jiān)控系統(tǒng)的細節(jié)。在一具體實施例中，該統(tǒng)計處理監(jiān)控系統(tǒng)用于電子裝置(例如半導體)的制造。制造這樣的裝置一般需要許多涉及不同類型制造處理的制造步驟。例如，蝕刻、濺鍍、化學氣相沉積為三種不同類型的處理，每一種處理都是在不同類型的機器上執(zhí)行的?；蛘撸摻y(tǒng)計處理監(jiān)控系統(tǒng)可用來監(jiān)控其它產(chǎn)品的制造(例如汽車)。該其它產(chǎn)品的制造也需要許多由各式制造機器處理的不同的處理步驟。圖1描述統(tǒng)計處理監(jiān)控系統(tǒng)100的一具體實施例。該統(tǒng)計處理監(jiān)控系統(tǒng)100包含一統(tǒng)計處理監(jiān)控設(shè)備105，其通過數(shù)據(jù)通信鏈路160與一個或多個制造機器110以及一個或多個處理控制器150相耦合。該統(tǒng)計處理監(jiān)控系統(tǒng)100可包含工廠中(例如一制造工廠)所有的制造機器110?；蛘?，該統(tǒng)計處理監(jiān)控系統(tǒng)100可僅包含工廠中特定的制造機器110，例如用于運行一個或多個特定處理的所有制造機器110。在一具體實施例中，各制造機器110為制造電子裝置的機器，例如蝕刻器、化學氣相沉積爐、光刻裝置、注入機等等?；蛘?，該制造機器110可為制造其它產(chǎn)品(例如汽車)的一類型。在一具體實施例中，該制造機器110可為一單一類型?；蛘?，該制造機器110可包含多種不同類型的配備，這些配備可執(zhí)行不同處理。各制造機器110可包含用于監(jiān)控在該制造機器110上運行的多重傳感器。包含在該制造機器110中的一類型的傳感器可為一溫度傳感器。其它傳感器的范例包含壓力傳感器、流動速率傳感器、或任何其它監(jiān)控該制造機器110所制造的工件的物理屬性或一制造處理的物理情況的傳感器。在制造機器110上執(zhí)行的每種制造處理是由各種物理情況及該傳感器所偵測的屬性以及各種操作參數(shù)來刻畫其特征的，這些統(tǒng)稱為處理數(shù)據(jù)。各個明確的物理情況或由該傳感器所偵測的屬性以及各操作參數(shù)可以是該處理數(shù)據(jù)的區(qū)別性的處理變量。用于表示傳感器數(shù)據(jù)的處理變量的各范例包含處理室壓力、承受器(susceptor)溫度、RF前向功率、以及RF反射功率。用于表示操作參數(shù)的處理變量的范例包含流動速率設(shè)定(例如化學試劑的流動速率設(shè)定)以及節(jié)流閥設(shè)定(例如針對一處理室排氣真空泵)。該傳感器、制造機器以及處理控制器可在處理期間被監(jiān)控，從而在連續(xù)的點處及時地收集該處理變量。在一具體實施例中，各處理變量都應(yīng)用于一特定處理。或者，一個或多個處理變量可僅應(yīng)用于一特定處理的一部分。在一具體實施例中，在一處理中，不同步驟的傳感器測量結(jié)果及操作參數(shù)表示不同的處理變量(建模為?？臻g中的額外尺度)。例如，如果被執(zhí)行在一機器中的制造處理具有含不同操作參數(shù)設(shè)定的多重步驟，則這可能是有用的。例如，在三步驟制造處理中，在三個步驟期間的承受器溫度將被視為三個不同的處理變量。將這些處理步驟化分成模空間的單獨的尺度是有益的，例如當單一處理在工件上沉積多重層時，或當一處理的不同步驟將該工件曝露至不同處理情況時(例如壓力、溫度等等)。處理控制器150控制制造機器110的操作參數(shù)。例如，處理控制器可控制制造機器110的處理室溫度、真空泵、氣體注入系統(tǒng)等等。處理控制器150可存儲一個或多個處理配方170。各配方170可以在一處理的各步驟中定義制造機器110的操作參數(shù)。在一具體實施例中，配方170可通過處理控制器150而被加栽到制造機器110中。數(shù)據(jù)通信鏈路160可包含常見的通信鏈路，且其也可為無線的或有線的。數(shù)據(jù)可按原始的或經(jīng)處理的格式在該制造機器110、該處理控制器150以及該統(tǒng)計處理監(jiān)控設(shè)備105之間進行傳遞。在一具體實施例中，可使用半導體設(shè)備通信標準(SECS)接口。在其它具體實施例中，可使用制造裝備的通信和控制的類屬(GEM)接口、SECS/GEM接口、高速SECS消息服務(wù)(HSMS)接口等等。該統(tǒng)計處理監(jiān)控設(shè)備105可為單一服務(wù)器，其用于分析來自該制造機器110、傳感器155以及處理控制器150的輸入處理數(shù)據(jù)。或者，該統(tǒng)計處理li監(jiān)控設(shè)備105可包含多重服務(wù)器及/或計算機。在一具體實施例中，該統(tǒng)計處理監(jiān)控設(shè)備105包含錯誤偵測器125、錯誤診斷器130及錯誤報告器150。該統(tǒng)計處理監(jiān)控設(shè)備105也包含存儲裝置175。在一具體實施例中，該統(tǒng)計處理監(jiān)控設(shè)備105被包含在一個或多個處理控制器150中?；蛘撸摻y(tǒng)計處理監(jiān)控設(shè)備105也可以是不同的獨立設(shè)備。該存儲裝置175包含一處理測量數(shù)據(jù)庫120、一個或多個多變量統(tǒng)計模型135、及錯誤特征數(shù)據(jù)庫140。在一具體實施例中，該存儲裝置175是該統(tǒng)計處理監(jiān)控設(shè)備105的計算機或服務(wù)器的單一存儲裝置?；蛘撸摯鎯ρb置175可以位于該統(tǒng)計處理監(jiān)控設(shè)備105的外部。在一具體實施例中，該存儲裝置175包含多重存儲裝置，這些存儲裝置中的一些包含用于備份的冗余數(shù)據(jù)副本。處理測量數(shù)據(jù)(處理數(shù)據(jù))可被存儲在處理測量數(shù)據(jù)庫120中。針對在這些制造機器110上運行的處理，該經(jīng)存儲的處理數(shù)據(jù)可被用來顯示這些制造機器110的漂移及傾向。在一具體實施例中，該經(jīng)存儲的處理數(shù)據(jù)被用來產(chǎn)生一個或多個多變量統(tǒng)計模型135。一旦經(jīng)產(chǎn)生，該多變量統(tǒng)計模型135可被存儲在存儲裝置175中。錯誤診斷數(shù)據(jù)庫140包含多重錯誤分類及錯誤特征，其在如下更進一步描述。在一具體實施例中，錯誤診斷數(shù)據(jù)庫140是一個關(guān)聯(lián)性數(shù)據(jù)庫。例如，錯誤診斷數(shù)據(jù)庫140可包含一錯誤分類表，其可存儲錯誤分類列表；以及一相關(guān)錯誤特征表格，其可儲錯誤特征的定義特性。在一具體實施例中，使用一訓練時段來收集用于產(chǎn)生一個或多個多變量統(tǒng)計模型的數(shù)據(jù)。該訓練時段包含在特定制造機器上且在已知及/或經(jīng)控制的情況下所完成的一特定制造處理的各處理運行的收集過程。在訓練時段從處理運行中收集的處理數(shù)據(jù)可被用來產(chǎn)生統(tǒng)計數(shù)據(jù)(例如平均、方差、協(xié)方差矩陣等等)。這些統(tǒng)計數(shù)據(jù)可統(tǒng)一地用于產(chǎn)生一個或多個多變量統(tǒng)計模型135,通常用于特定機器上所運行的特定處理。一組初始錯誤特征是基于訓練時段期間所收集的處理數(shù)據(jù)而建立的，不清被添加到該錯誤診斷數(shù)據(jù)庫140。一錯誤特征是用于表示特定錯誤的處理情況的特征刻畫。該錯誤特征可以是包含對特定錯誤有貢獻的處理數(shù)據(jù)的清單、表格、或其它數(shù)據(jù)結(jié)構(gòu)。在一具體實施例中，每個多變量統(tǒng)計模型僅應(yīng)用于單一制造機器?；蛘撸瑏碜韵喾麢C器類型的兩個或以上的制造機器110的處理數(shù)據(jù)可被聚集，以建立單一錯誤診斷模型(多變量統(tǒng)計模型)，該模型可應(yīng)用于上述兩個或以上的制造機器上所運行的一個或多個處理。此外，針對第一制造機器所開發(fā)的錯誤診斷模型可應(yīng)用于同一類型的第二機器(例如相同模型)。每個多變量統(tǒng)計模型135可以包含一個或多個模型度量。模型度量為標量，用于刻畫一組處理數(shù)據(jù)及一模型之間的偏移量。在一具體實施例中，模型度量包含平方預(yù)測誤差(SquaredPredictionError,其一般被稱為SPE、Qres、或Q)以及Hotelling'sT2。模型度量也包含組合測量(例如組合式多變量索引(CMI))。這些度量是用于估計被監(jiān)控的處理數(shù)據(jù)具有與訓練數(shù)據(jù)相同的統(tǒng)計結(jié)果的機率的不同方法。上述的統(tǒng)計及度量可根據(jù)一般的統(tǒng)計算法來進行計算。一個或多個多變量模型可利用主要部件分析(PCA)將M-維度處理變量空間轉(zhuǎn)換成彼此互相垂直的主要部件的N-維度空間，其中M為處理變量的個數(shù)，且N比M小很多。PCA計算一組M本征向量及M本征值，其中各個本征向量將處理變量數(shù)據(jù)轉(zhuǎn)換成該主要部件空間的各個維度，且每個本征值正比于由相應(yīng)本征值所表示的變量。為了簡化該主要部件空間(降低該主要部件空間的維度)，相應(yīng)于N個最大本征值的N個本征向量被保持在該模型中；其它本征向量被放棄或忽略。保持在該模型中的主要部件的數(shù)目N就是使用者所選擇的該模型的參數(shù)?；谠诋斒褂靡惠^小數(shù)值N時解釋較少的數(shù)據(jù)方差的模型以及當使用一較大數(shù)值N時被過多-指定的模型之間的權(quán)衡，可以選擇該主要部件(N)的數(shù)目。一旦一個或多個多變量統(tǒng)計模型已經(jīng)產(chǎn)生，他們可被錯誤偵測器125使用，從而監(jiān)控在制造機器110上運行的處理。錯誤偵測器125通過執(zhí)行各式統(tǒng)計處理監(jiān)控方法來分析處理數(shù)據(jù)，這些方法基于至少一個變量統(tǒng)計模型。在一具體實施例中，錯誤偵測器125直接接收來自該制造機器110、傳感器155及/或處理控制器150的處理測量數(shù)據(jù)(處理數(shù)據(jù))。在另一具體實施例中，錯誤偵測器125可接收來自處理測量數(shù)據(jù)庫120的處理數(shù)據(jù)。在又另一具體實施例中，該錯誤偵測器125接收來自這兩種來源的處理數(shù)13據(jù)。為了偵測錯誤，錯誤偵測器125計算被監(jiān)控的各處理的處理數(shù)據(jù)的統(tǒng)計結(jié)果，且將經(jīng)計算的統(tǒng)計結(jié)果與合適的多變量統(tǒng)計模型的相應(yīng)統(tǒng)計結(jié)果進行比較?？梢葬槍σ粋€模型度量或針對多重模型度量(例如T2、SPE、CMI)來比較上述統(tǒng)計結(jié)果。如果一個或多個模型度量超過預(yù)先定義的閾值(被稱為一信任限制或控制限制)，則可偵測出錯誤。在一具體實施例中，各模型度量具有使用者可選擇的閾值。所選閾值可表示錯誤警告的風險(如果該閾值太低)及無法偵測出錯誤的風險(如果該閾值太高)這兩種之間的折衷。當多重度量被計算時，如果這些度量中的任何一個超過閾值，則引起錯誤?；蛘?，僅當特定度量超過閾值或僅當多重度量超過閾值時，才觸發(fā)一些錯誤。一旦錯誤偵測器125已識別出錯誤，則由錯誤診斷器130分析該錯誤。錯誤診斷器130將該錯誤與錯誤診斷數(shù)據(jù)庫中所存儲的那些錯誤特征進行比較。各錯誤特征表示用于代表特定錯誤的處理情況。在一具體實施例中，錯誤特征140為具有對特定錯誤的一較大統(tǒng)計貢獻的各處理變量的經(jīng)排列列表。該處理變量可按其個別貢獻的相應(yīng)量的順序而被排列?；蛘?，該錯誤特征可為基于對錯誤的統(tǒng)計貢獻而排列處理變量的表格、樹狀或其它數(shù)據(jù)結(jié)構(gòu)。錯誤診斷130可比較各個經(jīng)存儲錯誤特征與具有針對目前錯誤的最大貢獻的各處理變量的經(jīng)排列列表。當這些錯誤特征之一與該目前的錯誤有關(guān)高度的相似性時，報告出現(xiàn)了符合。各個錯誤特征與存儲在該錯誤診斷數(shù)據(jù)庫140中的一個或多個錯誤分類相關(guān)聯(lián)。該錯誤分類可指出產(chǎn)生一錯誤的一實際問題或者該目前錯誤的可能的原因。例如，如果該錯誤特征指出該最大有貢獻的處理變量為硅烷流動速率，該錯誤分類可指出將硅烷饋送到處理室的一閥門已經(jīng)失常。錯誤分類包括用于統(tǒng)一地定義錯誤分類的一個或多個參數(shù)。在一個實施方式中，錯誤分類包括單個用于描述該錯誤分類的參數(shù)(比如單個數(shù)據(jù)庫字段)，它足夠具體從而對用戶而言是有意義的。在另一個實施方式中，錯誤分類包括多個參數(shù)，用于指定應(yīng)用該錯誤分類的具體機器、機器內(nèi)的具體組件等。例如，錯誤分類可以針對具體制造機器110中需要清洗的頂部腔室襯板。錯誤報告器165產(chǎn)生多種錯誤報告，用于指示哪些錯誤類別145應(yīng)用于目前的錯誤。這些錯誤報告可被傳送至一個或多個客戶端(未顯示，且可例如本地計算機、遠程計算機、個人數(shù)字助理(PDA)、呼叫器、行動電話等等)，這些客戶端聯(lián)網(wǎng)到統(tǒng)計處理監(jiān)控設(shè)備105。錯誤報告165也可使制造機器110關(guān)機、使機器報警、或執(zhí)行其它適當?shù)膭幼?。圖2描述產(chǎn)生錯誤分類的方法200的一具體實施例的流程圖。該方法可由處理邏輯執(zhí)行，該處理邏輯可包含硬件(例如電路、專用邏輯、可程序化邏輯、微碼等等)、軟件(例如在處理裝置上運行的指令)、或以上的組合。在一具體實施例中，方法200可由圖1的統(tǒng)計處理監(jiān)控設(shè)備105來執(zhí)行。參照圖2，方法200開始于獲取用于表示一錯誤的處理數(shù)據(jù)(方塊205)。該處理數(shù)據(jù)能夠從一個或多個制造機器、傳感器、處理控制器、及一處理測量數(shù)據(jù)庫出獲取。該處理數(shù)據(jù)包含例如處理室溫度、壓力、氣體流動速率等等。例如，如果該溫度太高或太低、該氣體流動速率不穩(wěn)定、該壓力不同于目前處理所需求等等，該處理數(shù)據(jù)可指出一錯誤。該處理數(shù)據(jù)可在一訓練時段期間或經(jīng)制造產(chǎn)品的實際處理監(jiān)控期間被收集?？捎幸獾貙е略撳e誤來產(chǎn)生該處理數(shù)據(jù)，或該錯誤可非有意地產(chǎn)生。在一具體實施例中，在發(fā)現(xiàn)一錯誤出現(xiàn)之前，就獲取了處理數(shù)據(jù)，且在分析該處理數(shù)據(jù)時，觸發(fā)一錯誤。在方塊210中，建立一新的錯誤分類(方塊205)。在一具體實施例中，該新的錯誤分類是通過將一個或多個參數(shù)(它們統(tǒng)一定義該錯誤分類)存儲到錯誤診斷數(shù)據(jù)庫中而建立的。上述一個或多個參數(shù)所定義的錯誤分類足夠具體，以能識別一個或多個可能的錯誤原因。該新的錯誤分類可在特定錯誤的單次出現(xiàn)之后而被建立。在方塊215，判定對該錯誤有貢獻的處理變量的相應(yīng)貢獻。有貢獻的處理變量可按相應(yīng)于其個別貢獻的相關(guān)量的順序而被排列，之后被稱為錯誤貢獻。這些處理變量的個別的錯誤貢獻能夠通過任何常見統(tǒng)計方法而判定。對一經(jīng)偵測錯誤的判定處理變量的相應(yīng)貢獻的一范例式方法被揭示于丄Chemometrics2001，第15章第715-742頁，S.JoeQin,SergioValle,Michael丄Piovoso等人的"OnUnifyingMultiblockAnalysiswithApplicationtoDecentralizedProcessMonitoring",其在此并入以作為參照。對經(jīng)偵測的錯誤的判定處理變量的相應(yīng)貢獻的另外的范例性方法揭示在丄Chemometrics2000,第14巻，第725-736頁，A.K.Conlin，E.B.Martin,A丄Morris等人的"ConfidenceLimitsForContributionPlots",其在此并入以作為參照。對經(jīng)偵測的錯誤的判定處理變量的相應(yīng)貢獻的又另外的范例性方法被揭示在ChemometricsandIntelligentLaboratorySystems2000，第51巻，第95-114頁，JohanA.Westerhuis,StephenP.Gurden，AgeK.Smilde等人的"GeneralizedContributionPlotsinMultivariateStatisticalProcessMonitoring",其在此并入以作為參照。判定相應(yīng)貢獻的其它方法也可被使用。在一具體實施例中，該錯誤貢獻可獨立于用來決定該錯誤貢獻的統(tǒng)計方法。因此，特定于某統(tǒng)計方法(例如協(xié)方差度量、主要部件本征向量等等)的各參數(shù)不會被并入該錯誤分類及/或與該錯誤分類相關(guān)的錯誤特征。所以，該錯誤分類可相等應(yīng)用至適當統(tǒng)計方法(例如具調(diào)適模型的統(tǒng)計方法(例如超時上調(diào)適特定參數(shù)的模型))。在該使用一調(diào)適模型的一統(tǒng)計方法的案例中，該模型包含主要部件分析(PCA),其中調(diào)適主要部件的一數(shù)目及/或調(diào)適自處理變量空間至主要部件空間的一轉(zhuǎn)換。在一具體實施例中，該處理變量的錯誤貢獻可由兩或以上不同統(tǒng)計方法(例如以一靜力模型及一調(diào)適模型)獨立地判定。因為不同的統(tǒng)計模型而可幫助于較精確地判定各不同錯誤的錯誤貢獻。在方塊220中，向有貢獻的處理變量分配貢獻排名，藉以產(chǎn)生一新的錯誤特征。在一具體實施例中，選擇該有貢獻的處理變量的子集。該子集可包含其錯誤貢獻大于一貢獻閾值(之后稱為顯著性界限，significancelimit)的處理變量。該顯著性界限可根據(jù)各種方法而計算，這些方法包含例如如上討論的Qin、Conlin、以及Westerhuis等。連續(xù)編號的排名可接著基于其個別貢獻的相關(guān)量的順序而被分配至該子集中的各處理變量。所選子集之外的處理變量(錯誤貢獻少于該顯著性界限)可被分配給一種排名為無或零的錯誤貢獻，或者可從該錯誤特征中被省略。在一具體實施例中，預(yù)先決定該顯著性界限?；蛘?，該顯著性界限可在使用一個或多個統(tǒng)計方法(例如用來決定各處理變量的個別錯誤貢獻的統(tǒng)計方法)產(chǎn)生該新的特征值之時而被決定。一顯著性界限的使用可通過排除一給定錯誤(對該錯誤的所有處理變量的貢獻是統(tǒng)計上微小的)的診斷增進噪聲抗擾性。包含一顯著性界限的錯誤特征的范例是在如下表1及表2中描述的。在一具體實施例中，不限制被包含在一新的錯誤特征的各處理變量的數(shù)字。所以，只要這些處理變量各具有符合該顯著性界限的錯誤貢獻，各處理變量的任何數(shù)字可被包含在一新的錯誤特征中。或者，可對錯誤特征有貢獻的處理變量的個數(shù)，設(shè)置一個上限及/或下限。在方塊225出，處理邏輯判定該有貢獻的處理變量是否具有其差異少于閾值的各個錯誤貢獻，之后被稱為變化界限。該變化界限可為經(jīng)使用者選定或自動地選定。該變化界限為一固定值，或其可為一相關(guān)值(例如基于這些處理變量之一的錯誤貢獻的百分比)。在一具體實施例中，一統(tǒng)計信任范圍是針對各處理變量的錯誤貢獻而被計算的。該變化界限可基于這些處理變量的經(jīng)計算的統(tǒng)計信任范圍。在一具體實施例中，如果這些處理變量具有重迭信任范圍，這些處理變量差異至小于該變化界限。如果這些處理變量差異至小于該變化界限(例如具有重迭信任范圍)，該方法前進至方塊230。如果這些處理變量沒差異至小于該變化界限，該方法前進至方塊235。在一具體實施例中，這些處理變量是或否差異至該變化界限，該方法前進至方塊235。在方塊230，貢獻排名范圍被分配至一個或多個有貢獻的處理變量。各貢獻排名范圍包含差異至小于該變化界限的各處理變量的貢獻排名。這些處理變量被分配一包含處理變量本身貢獻排名及該其它經(jīng)包含處理變量的貢獻排名兩者的排名范圍。在一具體實施例中，該排名范圍為一連續(xù)數(shù)化貢獻排名的一范圍。例如，一排名范圍可為1-2，其包含第一處理變量的該貢獻排名1及第二處理變量的該貢獻排名2。不同處理變量可具有同一或重迭排誤特征可增進噪聲抗擾性(例如其中各處理變量之間的相關(guān)排名可能由預(yù)期的統(tǒng)計變動而被交換)。具有排名范圍的錯誤特征的范例在如下表3及表4中而^皮描述。在方塊235，該新的錯誤特征被存儲在該錯誤診斷數(shù)據(jù)庫中。該經(jīng)存儲的錯誤特征與新的錯誤分類相關(guān)聯(lián)。在一具體實施例中，對該錯誤特征的各處理變量的該實際貢獻值(例如0.9、0.5等等)沒被存儲，且替代地存儲該貢獻排名(例如1、2、3等等)?；蛘撸搶嶋H貢獻值可被存儲，或該貢獻值及該貢獻排名可被存儲。<table>tableseeoriginaldocumentpage18</column></row><table>表1:第一錯誤特征表1描述根據(jù)圖2的方法200所產(chǎn)生的第一錯誤特征。根據(jù)第一統(tǒng)記錄析方法，這些處理變量A、B、C、D及E的統(tǒng)計貢獻個別被決定為0.9、0.8、0.4、0.2及0.07。這些剩余處理變量F、G、H的統(tǒng)計貢獻被決定為小于0.02。這些處理變量按其對一錯誤貢獻的量的順序來排名。該第一錯誤特征具有一0.3的顯著性界限，因此處理變量A、B、C被考慮以對該錯誤有貢獻且為該第一錯誤特征的部分。處理變量D至H因為他們的錯誤貢獻小于該顯著性界限而被排除于該第一錯誤特征。<table>tableseeoriginaldocumentpage19</column></row><table>表2:第二錯誤特征表2描述根據(jù)圖2的方法200所產(chǎn)生的第二錯誤特征。用于產(chǎn)生該表1的第一錯誤特征的相同處理數(shù)據(jù)被用來產(chǎn)生該第二錯誤特征。這些處理變量按其對錯誤貢獻的量的順序來排名。該第二錯誤特征具有0.1的顯著性界限，因此處理變量A、B、C、D被考慮以對該錯誤有貢獻。<table>tableseeoriginaldocumentpage19</column></row><table>表3:具有排名范圍的第三錯誤特征表3描述根據(jù)圖2的方法200所產(chǎn)生的第三錯誤特征。該第三錯誤特征包含由這些處理變量的個別信任范圍所判定的排名范圍。名為「信任范圍J的行顯示各處理變量的該錯誤貢獻的該信任范圍的上及下界限。因為該變量A的信任范圍的下界限(0.82)低于變量B的信任范圍的上界限(0.87),處理變量A及B的信任范圍重迭。因此，處理變量A及B，其根據(jù)經(jīng)計算的錯誤貢獻具有1及2的個別貢獻排名，并且被分配一包含各其它者的貢獻排名的排名范圍(被分配一1-2的排名范圍)。該第三錯誤特征具有0.1的顯著性界限，且因此處理變量A、B、C及D被考慮以對該錯誤有貢獻且為該第一錯誤特征的部分。處理變量E至H因為他們的錯誤貢獻小于該顯著性界限而被排除于該第一錯誤特征。在一具體實施例中，處理變量E因為其信任范圍的上界線大于該0.1的顯著性界限而被包含在該錯誤特征中。在一具體實施例中，有貢獻的處理變量的至少一個列表(由名稱或其它指示器識別的)及各有貢獻的處理變量的排名范圍被包含在該錯誤特征。可選擇地，一個或多個經(jīng)計算的錯誤貢獻、信任范圍及貢獻排名也被包含做為該錯誤特征的部分。<table>tableseeoriginaldocumentpage20</column></row><table>表4:具有排名范圍的第四錯誤特征表4描述根據(jù)圖2的方法200所產(chǎn)生的第四錯誤特征。除了處理變量C的經(jīng)計算的錯誤貢獻及排名范圍之外，該第四錯誤特征與表三的該錯誤特征完全一樣。在一具體實施例中，該處理變量B的錯誤貢獻的信任范圍與變量A的信任范圍及變量C的信任范圍兩者重疊。因此，變量B的排名范圍包含變量A的貢獻排名(1)及變量C的貢獻排名(3)以及其本身的貢獻排名(2)。所以，處理變量B的排名范圍為1-3。因為處理變量A具有重迭處理變量B的信任范圍的一信任范圍，理變量A具有一1-2的排名范圍。相同地，因為處理變量C的信任范圍重迭處理變量B的信任范圍，因此處理變量C具有一2-3的排名范圍。圖3描述通過使用錯誤特征來診斷錯誤的方法300的一具體實施例的流程圖。該方法可由處理邏輯執(zhí)行，該處理邏輯可包含硬件(例如電路、專用邏輯、可程序化邏輯、微碼等等)、軟件(例如在處理裝置上運行的指令)、或以上的組合。在一具體實施例中，方法300可由圖1的統(tǒng)計處理監(jiān)控設(shè)備105來執(zhí)行?，F(xiàn)參照圖3，方法300開始于處理邏輯偵測一錯誤(方塊305)。在一具體實施例中，基于從一個或多個制造機器、傳感器、處理控制器、以及一處理測量數(shù)據(jù)庫中接收的處理數(shù)據(jù)，來偵測該錯誤。在方塊310中，判定對該錯誤有貢獻的處理變量。如果超過一控制界限，一處理變量可對一錯誤有貢獻，否則其對一未預(yù)料及/或未期望的結(jié)果有貢獻。在方塊315,處理邏輯判定這些有貢獻的處理變量的相關(guān)貢獻。在一具體實施例中，處理邏輯按對偵測到的錯誤的各種貢獻的相關(guān)量的順序，對這些處理變量進行排名。偵測到的錯誤排名可包含或不包含這些處理變量的錯誤貢獻的數(shù)值。在一具體實施例中，經(jīng)偵測的錯誤排名僅為這些處理變量的順序列表。例如，如果對處理變量A、B、C、D及E的偵測的錯誤的該相關(guān)貢獻分別為0.6、0.9、0.5、0.4及0.1,然經(jīng)偵測的錯誤排名將為順序列表B、A、C、D、E。在一具體實施例中，處理邏輯也判定對該錯誤貢獻的顯著性界限以致使在該顯著性界限下的任何錯誤貢獻能夠被考慮到其微小性(及忽略)。具有小于該顯著性界限的一值的各處理變量可自該經(jīng)偵測錯誤排名排除或分配無或零的經(jīng)偵測的錯誤排名。在前段的范例中，如果錯誤貢獻的顯著性界限為0.2，接著該處理變量E將被排除，且該經(jīng)偵測錯誤排名應(yīng)為B、A、C、D。在方塊320，處理邏輯判定哪些錯誤特征符合該經(jīng)偵測錯誤。這將通過比較該經(jīng)偵測排名與各經(jīng)建立錯誤特征來達成。在一具體實施例中，如果該經(jīng)偵測錯誤排名完全符合這些錯誤特征之一，則經(jīng)偵測的錯誤被診斷為關(guān)于該錯誤特征的錯誤分類。當比較一經(jīng)偵測錯誤排名與一具有排名范圍的錯誤特征時，如果該經(jīng)偵測錯誤中的各處理變量的排名落入該錯誤特征中的相同處理變量的排名范圍內(nèi)，一確切符合發(fā)生。在一具體實施例中，一經(jīng)偵測錯誤可符合多重錯誤特征。在這樣的發(fā)生中，這些錯誤特征的被報告。如果在該目前錯誤的一錯誤排名及一現(xiàn)存錯誤特征的間偵測一符合，該方法前進至方塊325。如果以一現(xiàn)存錯誤特征無偵測到一符合，該方法前進至方塊340。在一具體實施例中，至少一個相符的錯誤特征為一混合錯誤特征。一混合錯誤特征為一包含被針對不同統(tǒng)計模型而獨立計算的各獨立的貢獻排名及/或排名范圍。例如，一混合錯誤特征的一第一處理變量或具有由一第一統(tǒng)計模型(例如一調(diào)適模型)而計算的為1的一貢獻排名以及具有由一第二統(tǒng)計模型(例如一靜力模型)而計算的為2的一貢獻排名。所以，在處理監(jiān)控期間，一經(jīng)偵測的錯誤貢獻將包含針對各處理變量的這些適當統(tǒng)計模型所決定的一獨立的排名。這將因為不同的統(tǒng)計模型可較精確決定響應(yīng)于不類型錯誤的這些處理變量的錯誤貢獻而有所幫助。<table>tableseeoriginaldocumentpage22</column></row><table>表5:混合式錯誤特征<table>tableseeoriginaldocumentpage23</column></row><table>表6:使用第一及第二統(tǒng)計模型的經(jīng)偵測的錯誤表5描述根據(jù)本發(fā)明的一具體實施例的一混合式錯誤特征的一范例。表6描述一根據(jù)本發(fā)明另具體實施例的具有同步使用兩模型所產(chǎn)生的一混合式錯誤排名的一經(jīng)偵測錯誤。如所示，使用兩不同模型而獨立決定該相同處理數(shù)據(jù)的排名范圍及/或貢獻排名可產(chǎn)生不同結(jié)果。該表5的錯誤特征顯示表6的該經(jīng)偵測錯誤的一切確符合，其因為各模型的各處理變量的表6中的該錯誤貢獻排名在表5的該混合式錯誤特征的模型及該相應(yīng)處理變量的排名范圍內(nèi)。在特定例證中，可由一第一模型偵測，但不由一第二模型。因此，該第二模型的該處理變量的錯誤貢獻可能為微小(例如低于該顯著性界限)，從而不有用于分類。在該案例中，處理邏輯可建立一混合式錯誤特征，其中該第二模型的每個處理變量具有一無(none)的排名范圍及/或貢獻排名。參照圖3，在方塊325中，處理邏輯識別與該相符的錯誤特征相關(guān)的錯誤分類。在一具體實施例中，各錯誤特征關(guān)聯(lián)于單一錯誤分類?；蛘?，多重錯誤分類可關(guān)聯(lián)于一錯誤特征。這將發(fā)生于兩個錯誤分類具有相同錯誤特征之處。在方塊330，處理邏輯判定任何相符的錯誤特征是否相關(guān)聯(lián)于多重錯誤分類。如果一錯誤特征相關(guān)聯(lián)于多重錯誤分類，該方法前進至方塊335。如果無錯誤特征相關(guān)聯(lián)于多重錯誤分類，該方法結(jié)束?；蛘?，該方法可因任何錯誤特征是否相關(guān)聯(lián)于多重錯誤分類而結(jié)束。在方塊335,報告一記錄(tally)，該記錄包含與該相符的錯誤特征相關(guān)的這些錯誤分類的數(shù)次的記錄是錯誤的實際起因。此將有用于協(xié)助一使用者識別一目前錯誤的實際起因。該記錄可被存儲在該錯誤診斷數(shù)據(jù)庫中。在一具體實施例中，在識別該目前錯誤的一實際起因后，該實際起因被輸入該錯誤診斷數(shù)據(jù)庫中的記錄。在方塊340,建立一新的錯誤分類。在方塊345，產(chǎn)生一新的錯誤特征，其可關(guān)聯(lián)于該新的錯誤分類。該新的錯誤分類及該新的錯誤特征可根據(jù)圖2的方法200而被產(chǎn)生?；蛘?，產(chǎn)生該新的錯誤分類及新的錯誤特征的其它方法也可使用。因此，當新的錯誤在實際處理產(chǎn)品期間遭遇時，可將新的錯誤分類及新的錯誤特征添加(例如至一多變量統(tǒng)計模型)。在一具體實施例中，僅一錯誤的一單一范例被需要來添加一新的錯誤分類及一相關(guān)新的錯誤特征。圖4描述通過使用錯誤特征的診斷錯誤的方法400的一具體實施例的流程圖。該方法可由處理邏輯執(zhí)行，該處理邏輯可包含硬件(例如電路、專用邏輯、可程序化邏輯、微碼等等)、軟件(例如在處理裝置上運行的指令)、或以上的組合。在一具體實施例中，方法400可由圖1的統(tǒng)計處理監(jiān)控設(shè)備105來執(zhí)行。參照圖4，方法400開始于處理邏輯偵測一錯誤(方塊405)。在方塊410，判定對該錯誤有貢獻的處理變量。在方塊415，判定該有貢獻的處理變量的相關(guān)貢獻。在方塊420，判定符合該錯誤的錯誤特征。在一具體實施例中，考慮完全符合該錯誤的錯誤特征?；蛘?，考慮部分符合一經(jīng)偵測錯誤的錯誤特征。例如，當同時發(fā)生多重錯誤時，這將為有用。在這樣的一案例中，雖然一個或多個錯誤特征可關(guān)聯(lián)于表示該經(jīng)偵測錯誤的實際起因的錯誤分類，無錯誤特征將完全符合該經(jīng)偵測的錯誤。在一具體實施例中，如果無發(fā)現(xiàn)完全符合，僅考慮到部份符合一經(jīng)偵測錯誤的錯誤特征?；蛘撸欠癜l(fā)現(xiàn)一完全符合，考慮部分符合。這將有益于例如確保一使用者提防與具有部分符合的錯誤特征相關(guān)的嚴重的錯誤(例如造成嚴重良率損失的錯誤)。在方塊425，針對該完全及/或部分相符的錯誤特征判定一相符接近得分(matchclosenessscore)。一相符接近得分表示一錯特征及一經(jīng)偵測錯誤間的一相似度。相符接近得分可以各種方式而被計算。在一具體實施例中，一相符接近得分通過針對各處理變量分配2值而判定，其中這些處理變量的經(jīng)偵測錯誤排名在一給定錯誤特征的一適當排名范圍內(nèi)，以及通過針對每個其它在該目前經(jīng)偵測錯誤的實際排名及該給定錯誤特征兩者中具有一顯著性錯誤貢獻(例如在該顯著性界限的上的一錯誤貢獻)的處理變量分配值1而判定。在其它具體實施例中，該先前值2及1被乘以一權(quán)重因子，該權(quán)重因子針對各處理變量的排名為較高者而為較高。在方塊430,舍棄具最低相符接近得分的錯誤特征。在一具體實施例中，除了具有該最高相符接近得分的X錯誤特征外，舍棄所有錯誤特征。在其它具體實施例中，舍棄具有低于一闊值的一錯誤貢獻的所有錯誤特征。在另一具體實施例中，沒有相符的錯誤特征被舍棄。在方塊435，識別相關(guān)于該相符的錯誤特征的錯誤分類。在方塊440，該經(jīng)識別的錯誤特征連帶針對各錯誤分類的錯誤嚴重程度值(faultseverityvalues)及符合得分而被報告。在一具體實施例中，各錯誤分類包含一錯誤嚴重程度值。具有一低錯誤嚴重程度值的錯誤分類可造成對一經(jīng)制造產(chǎn)品的小至沒有的損害，同時具有高嚴重程度值的錯誤分類或顯著地減低產(chǎn)品良率。因此，錯誤嚴重程度值能夠提示一使用者一錯誤的重要性為如何。例如，關(guān)于具有一高相符接近得分但一低錯誤嚴重程度值的一錯誤特征的一錯誤分類或不被關(guān)注。然而，關(guān)于具有一低相符接近得分但一高錯誤嚴重程度值的一錯誤特征的一錯誤分類將造成關(guān)注。獲取符合具有一排名范圍的一錯誤特征的各錯誤的新例證，其期望來劃分該錯誤特征而成多重錯誤特征。例如，如果與該錯誤特征相關(guān)的錯誤分類能夠被化分成較窄的錯誤分類，或如果發(fā)現(xiàn)到該原始錯誤特征產(chǎn)生能夠通過劃分該錯誤特征而被校正的一不正確的錯誤診斷，劃分一錯誤特征或可被期望。針對劃分一錯誤特征及/或錯誤分類的一方法的一具體實施例于下圖5中經(jīng)解釋。圖5描述通過使用錯誤特征的診斷錯誤的方法500的一具體實施例的流程圖。該方法可由處理邏輯執(zhí)行，該處理邏輯可包含硬件(例如電路、專用邏輯、可程序化邏輯、微碼等等)、軟件(例如在處理裝置上運行的指令)、或以上的組合。在一具體實施例中，方法500可由圖1的統(tǒng)計處理監(jiān)控設(shè)備105來執(zhí)行。參照圖5，方法500開始于處理邏輯偵測一錯誤(方塊505)。在方塊510，判定對該錯誤有貢獻的處理變量。在方塊515,判定該有貢獻的處理變量的相關(guān)貢獻。在方塊520，判定符合該錯誤的錯誤特征。在方塊525，處理邏輯判定該錯誤特征是否包含一相關(guān)貢獻范圍。如果這些錯誤特征的一確包含一相關(guān)貢獻范圍，該方法前進至方塊535。如果無錯誤特征包含一相關(guān)貢獻范圍，該方法前進至方塊530。在方塊530,識別關(guān)于該相符的錯誤特征的錯誤分類，該方法接著結(jié)束。在方法535，該經(jīng)判定的錯誤特征被化分成多重錯誤特征。例如，在一具體實施例中，該經(jīng)判定的錯誤特征被劃分成兩具區(qū)別性的錯誤特征。該兩具區(qū)別性的錯誤特征通過具有至少一個處理變量而為不同，其中該至少一個處理變量的在該兩新的錯誤特征中的個別排名范圍為在該原始錯誤特征中的該變量的排名范圍的不同子集，例如如表7、8、9中的范例所示。在方塊540，針對一個或多個多重錯誤特征添加一新的錯誤分類。該新的錯誤分類可為與被劃分的該原始錯誤特征相關(guān)的一錯誤分類的子集。例如，如果該原始錯誤分類為「缺陷靜電座(defectiveelectrostaticchuck)J，該新的錯誤分類將為「因為晶片背端上的灰塵的缺陷靜電座(defectiveelectrostaticchuckbecauseofparticlesonwaferbackside)」。在方塊545，該原始錯誤特征及其相關(guān)錯誤分類的至少一個經(jīng)更新。更新過程包含窄化一錯誤特征的一個或多個處理變量的排名范圍，以及窄化一錯誤分類描述。例如，如果該原始錯誤分類原始為缺陷靜電座，該原始錯誤分類或被窄化至因為殘余累積(residueaccumulation)的缺陷靜電座。其有用于劃分一錯誤成與最公通影響兩處理變量的一基本錯誤的一錯誤特征，其中輕微不同基本起因影響這兩個處理變量之一。一范例為共通用于保持在半導體處理室內(nèi)陰極上的半導體工作件的靜電座的不同錯誤模式。較佳被監(jiān)控以診斷靜電座中的各錯誤的兩處理變量為注入工作件及一座間的穴的氦流動速率，以及為表示在該陰極及RF電源供應(yīng)器間所連接的阻抗符合網(wǎng)絡(luò)中可調(diào)節(jié)調(diào)諧電容器的電容的處理控制參數(shù)值。由在該座上的過度殘余累積所造成的一錯誤一般將被關(guān)聯(lián)于這些處理變量兩者。然而，由該工作件的下面端上的微粒所造成的錯誤一般僅相關(guān)聯(lián)于該氦流動速率。所以，與定義為一缺陷靜電座的第一錯誤分類相關(guān)的第一錯誤特征將被化分成與定義為由該工作件的下端上的微粒所造成的缺陷靜電座的第二錯誤分類相關(guān)的第二錯誤特征。該第一錯誤分類將接著重新定義為由該座上的殘余累積所造成的缺陷靜電座。<table>tableseeoriginaldocumentpage27</column></row><table>表7:具排名范圍的原始錯誤特征<table>tableseeoriginaldocumentpage27</column></row><table>表8:基于錯誤特征劃分的新的錯誤特征<table>tableseeoriginaldocumentpage28</column></row><table>表9:基于錯誤特征劃分的經(jīng)更新的錯誤特征表7描述具有一排名范圍的錯誤特征。表8及表9描述根據(jù)圖5的方法500的通過劃分表7的錯誤特征而產(chǎn)生的兩個新的錯誤特征。在表7的原始錯誤特征中，處理變量A及B被分配一1-2的排名范圍，且該原始錯誤特征關(guān)聯(lián)于識別為X的一錯誤分類。表8的該新的錯誤特征關(guān)聯(lián)于一新的錯誤分類Y,且分別具有針對處理變量A及B的一貢獻排名1及2。表9的經(jīng)更新錯誤特征關(guān)聯(lián)于一經(jīng)更新錯誤分類X且分別具有針對處理變量A及B的一貢獻排名2及1。圖6描述一范例性形式的計算系統(tǒng)600中的一機器的圖式表示，其中具有一組指令可執(zhí)行且用以造成該機器執(zhí)行此中所討論的任何一或多種方法。在各替代式具體實施例中，可連接(例如網(wǎng)絡(luò)連接)該機器至一局域網(wǎng)絡(luò)、企業(yè)網(wǎng)絡(luò)、或因特網(wǎng)中的其它機器。該機器可操作在一客戶-伺服端網(wǎng)絡(luò)環(huán)境中的一服務(wù)器或一客戶端的能力，或操作為一點對點(或分布式)網(wǎng)絡(luò)環(huán)境中的一點(peer)機器。該機器可為一個人計算機、桌上型計算機、一機頂盒(set-topbox,STB)、個人數(shù)字助理PDA、行動電話、網(wǎng)絡(luò)應(yīng)用器、服務(wù)器、網(wǎng)絡(luò)路由器、切換器或橋接器、或任何能夠執(zhí)行指定由機器所采取的動作的一組指令(序列或非序列)的機器。再者，當僅描述單一機器時，該項目"機器"應(yīng)也可被采用以包含個別地或連接地執(zhí)行一組(多組)指令來執(zhí)行任合如此中所述的一個或多個方法的任何機器集合。該范例式計算機系統(tǒng)600包含一處理裝置(處理器)602、主要存儲器604(例如只讀存儲器、閃存、動態(tài)隨機存取存儲器(例如同步動態(tài)隨機存取存儲器、或Rambus動態(tài)隨機存取存儲器)等等)、靜態(tài)存儲器606(例如閃存、靜態(tài)隨機存取存儲器等等)、以及數(shù)據(jù)存儲裝置618,其透過總線630與其它者進行通信。處理器602表示一個或多個一般意圖的處理裝置(例如微處理器、中央處理單元等等)。特別來說，該處理器602可為一復雜指令集計算(CISC)微處理器、精簡指令集計算(RISC)微處理器、或超長指令字組(VLIW)微處理器、或可實作其它指令集的處理器或可實作一組合式指令集的處理器。該處理器602也可為一個或多個特定意圖的處理裝置(例如一專用集成電路(ASIC)、一現(xiàn)場可程序化邏輯門陣列、一數(shù)字信號處理器、網(wǎng)絡(luò)處理器、或以上類似者)。該處理器602被配置成執(zhí)行處理邏輯626以供執(zhí)行此中所述的操作及步驟。該計算機系統(tǒng)600更包含一網(wǎng)絡(luò)接口裝置608。該計算機系統(tǒng)600也包含一視訊顯示單元610(例如一液晶顯示(LCD)或陰極射線管(CRT))、字母與數(shù)字的輸入裝置612(例如鍵盤)、指針控制裝置(例如鼠標)、以及一信號產(chǎn)生裝置616(例如揚聲器)。該數(shù)據(jù)存儲裝置618可包含機器可存取存儲媒體631,其上可存儲一或多組可運用此中所述的任何一或多種方法或功能的指令。該軟件622也可在通過該計算機系統(tǒng)600執(zhí)行期間，被完全或至少部分地駐存在該主要存儲器604及/或處理器602內(nèi)，該主要存儲器604及該處理器602也可構(gòu)成機器可存取存儲媒體。該軟件622更可透過該網(wǎng)絡(luò)接口裝置608而在一網(wǎng)絡(luò)620上被傳輸及接收。該機器可存取媒體631也可用于存儲定義使用者使用者狀態(tài)的數(shù)據(jù)結(jié)構(gòu)集以及定義使用者目錄的使用者喜好。數(shù)據(jù)結(jié)構(gòu)集及使用者喜好也可被存儲在計算機系統(tǒng)600的其它區(qū)段，例如靜態(tài)存儲器606。當該機器可存取存儲媒體631在一范例性具體實施例中被顯示為一單一媒體，該項目"機器可存取存儲媒體"應(yīng)可被采用以包含可存儲一或多組指令的一單一媒體或多重媒體(例如一中央化或分布式數(shù)據(jù)庫、以及/或相關(guān)快取及服務(wù)器)。該項目"機器可存取存儲媒體"應(yīng)也可被采用以包含能夠存儲、編碼或承栽一組指令的人和媒體，用以執(zhí)行本發(fā)明的一個或多個方法。該項目"機器可存取存儲媒體"應(yīng)因此被采用以包含(但不限于)固態(tài)存儲器、光學及磁性媒體、及載波信號。應(yīng)可了解到以上的描述僅為說明意圖并不引以而作為限制。許多其它的具體實施例皆可在本領(lǐng)域普通技術(shù)人員閱讀及了解上述描述后而加以實作。因此，本發(fā)明的范疇應(yīng)該參照如下隨附的權(quán)利要求而被決定，并且本發(fā)明亦包含如這些權(quán)利要求的各均等物的所有范疇。權(quán)利要求1.一種診斷錯誤的方法，其包含偵測一錯誤；判定對該錯誤有貢獻的一個或多個處理變量；判定所述一個或多個處理變量中的每一個的相應(yīng)貢獻；及判定多個錯誤特征中的哪一個符合該錯誤，如果所述一個或多個處理變量的相應(yīng)貢獻在一個錯誤特征的相應(yīng)貢獻范圍內(nèi)，則該錯誤特征就符合該錯誤，每一個錯誤特征與至少一個錯誤分類相關(guān)聯(lián)。2.如權(quán)利要求1所述的方法，其更包含如果所述多個錯誤特征都不符合該錯誤，則添加針對該錯誤的新的錯誤特征。3.如權(quán)利要求2所述的方法，其更包含添加新的錯誤分類；及使所述新的錯誤特征與所述新的錯誤分類相關(guān)聯(lián)。4.如權(quán)利要求2所述的方法，其中所述新的錯誤特征是在所述錯誤發(fā)生單次之后被添加的。5.如權(quán)利要求1所述的方法，其更包含將第一錯誤特征劃分成多重錯誤特征，該第一錯誤特征包含針對第一處理變量的第一相應(yīng)貢獻范圍，所述多重錯誤特征中的每一個都具有第一處理變量的不同的相應(yīng)貢獻，且所述多重錯誤特征中的每一個都與不同的錯誤分類相關(guān)聯(lián)。6.如權(quán)利要求1所述的方法，其中多重錯誤分類與單一錯誤特征相關(guān)聯(lián)。7.如權(quán)利要求1所述的方法，其更包含記錄(tallying)每一個相關(guān)聯(lián)的錯誤分類被確認為特定錯誤特征的實際錯誤的次數(shù)。8.如權(quán)利要求1所述的方法，其更包含判定所述多個錯誤特征中的哪一個部分地符合該錯誤，如果所述一個或多個處理變量中的至少一個的相應(yīng)貢獻不在一錯誤特征的相應(yīng)貢獻范圍內(nèi)，則出現(xiàn)部分符合；及向所述多個錯誤特征中的一個或多個分配一相符接近得分(matchclossnsssscore)。9.如權(quán)利要求1所述的方法，其中所述多個錯誤特征中的至少一個是一組合式錯誤特征，該組合式錯誤特征具有基于第一統(tǒng)計模型的第一錯誤特征以及基于第二統(tǒng)計模型的第二錯誤特征。10.—種包含數(shù)據(jù)的機器可存取媒體，當被機器所存取時，使該機器執(zhí)4亍一種方法，該方法包含偵測一錯誤；判定對該錯誤有貢獻的一個或多個處理變量；判定所述一個或多個處理變量中的每一個的相應(yīng)貢獻；及判定多個錯誤特征中的哪一個符合該錯誤，如果所述一個或多個處理變量的相應(yīng)貢獻在一個錯誤特征的相應(yīng)貢獻范圍內(nèi)，則該錯誤特征符合該錯誤，其中每一個錯誤特征與至少一個錯誤分類相關(guān)聯(lián)。11.如權(quán)利要求10所述的機器可存取媒體，該方法更包含如果所述多個錯誤特征都不符合該錯誤，則添加一個針對該錯誤的新的錯誤特征。12.如權(quán)利要求11所述的機器可存取媒體，該方法更包含添加新的錯誤分類；及使該新的錯誤特征與該新的錯誤分類相關(guān)聯(lián)。13.如權(quán)利要求10所述的機器可存取媒體，該方法更包含將第一錯誤特征劃分成多重錯誤特征，該第一錯誤特征包含針對第一處理變量的第一相應(yīng)貢獻范圍，所述多重錯誤特征中的每一個都具有第一處理變量的不同的相應(yīng)貢獻，且所述多重錯誤特征中的每一個都與不同的錯誤分類相關(guān)聯(lián)。14.如權(quán)利要求10所述的機器可存取媒體，該方法更包含判定所述多個錯誤特征中的哪一個部分地符合該錯誤，如果所述一個或多個處理變量中的至少一個的相應(yīng)貢獻不在一錯誤特征的相應(yīng)貢獻范圍內(nèi)，則出現(xiàn)部分符合；及向所述多個錯誤特征中的一個或多個分配一相符接近得分。15.如權(quán)利要求10所述的機器可存取媒體，其中所述多個錯誤特征中的至少一個是一組合式錯誤特征，該組合式錯誤特征具有基于第一統(tǒng)計模型的第一錯誤特征以及基于第二統(tǒng)計模型的第二錯誤特征。16.—種統(tǒng)計處理監(jiān)控系統(tǒng)，其包含錯誤偵測器，它與至少一個制造機器相耦合，藉以接收來自所述至少一個制造機器的處理數(shù)據(jù)，并基于該處理數(shù)據(jù)而偵測一錯誤，該處理數(shù)據(jù)包含多個處理變量；數(shù)據(jù)庫，用以存儲多個錯誤特征，這些錯誤特征中的每一個與至少一個錯誤分類相關(guān)聯(lián)；及錯誤診斷器，它與該錯誤偵測器以及該數(shù)據(jù)庫相耦合，藉以判定對該錯誤有貢獻的多個處理變量中的一個或多個，判定所述一個或多個處理變量中的每一個的相應(yīng)貢獻，還判定所述多個錯誤特征中的哪一個符合該錯誤，如果所述一個或多個處理變量的相應(yīng)貢獻在一個錯誤特征的相應(yīng)貢獻范圍內(nèi)，則該錯誤特征就符合該錯誤。17.如權(quán)利要求16所述的統(tǒng)計處理監(jiān)控系統(tǒng)，其中如果所述多個錯誤特征都不符合該錯誤，則該錯誤診斷器用于將新的錯誤特征存儲到該數(shù)據(jù)庫中。18.如權(quán)利要求17所述的統(tǒng)計處理監(jiān)控系統(tǒng)，其中該錯誤診斷器用于將新的錯誤分類存儲到該數(shù)據(jù)庫中，并且使該新的錯誤特征與該新的錯誤分類相關(guān)聯(lián)。19.如權(quán)利要求16所述的統(tǒng)計處理監(jiān)控系統(tǒng)，其中該錯誤診斷器更用以判定所述多個錯誤特征中的哪一個部分地符合該錯誤，如果所述一個或多個處理變量中的至少一個的相應(yīng)貢獻不在一錯誤特征的相應(yīng)貢獻范圍內(nèi)，則出現(xiàn)部分符合，并且向所述多個錯誤特征中的一個或多個分配一相符接近得20.如權(quán)利要求16所述的統(tǒng)計處理監(jiān)控系統(tǒng)，其中所述多個錯誤特征中的至少一個是一組合式錯誤特征，該組合式錯誤特征具有基于第一統(tǒng)計模型的第一錯誤特征以及基于第二統(tǒng)計模型的第二錯誤特征。全文摘要揭示一種用于診斷錯誤的方法及設(shè)備。偵測一錯誤。判定對該錯誤有貢獻的一個或多個處理變量。判定一個或多個處理變量的相關(guān)貢獻。作出關(guān)于哪些錯誤特征符合該錯誤的決定，當一個或多個處理變量的相關(guān)貢獻在符合的錯誤特征的相關(guān)貢獻范圍內(nèi)時就出現(xiàn)該符合。各錯誤特征與至少一個錯誤分類相關(guān)聯(lián)。文檔編號G06F11/00GK101438249SQ200780016501公開日2009年5月20日申請日期2007年5月7日優(yōu)先權(quán)日2006年5月7日發(fā)明者A·T·施沃姆,L·J·小哈維申請人:應(yīng)用材料股份有限公司