淘宝|三个模块通过使用者界面提供数据

文章图片

文章图片

晶圆图是追溯半导体制造过程发生异常原因的重要线索，借由晶圆图的空间模型分析得以找出发生低良率可能的原因。目前半导体厂对于晶圆图的图形判断，大多以工程师目视判断的方式进行。但由于晶圆体积的增大和集成电路的微缩化，晶圆图图形在模具样式、晶圆旋转方式和失败模具密度等影响因素上的不一致，人工判断的信度和效度均难以满足要求。
【淘宝|三个模块通过使用者界面提供数据】

本案例整合了空间统计检定方法、细胞类神经网络调节共振理论类神经网络和不变矩方法，建构了晶圆图缺陷智慧诊断系统以期提高半导体晶圆制程的良率，该系统由三个模块组成：图象化使用者介面、晶圆图聚集解法和知识数据库。系统中存在控制流和数据流，控制流从客户端出发，对晶圆图聚集系统的参数进行控制并于客户介面取得晶圆图样型诊断知识，而数据流则反之表现数据流动的方向和路径。

三个模块通过图像化使用者界面提供数据，厂端工程师将有用的信息提取，进而支持制造策略决策，从而实现制造智慧。对晶圆图的聚集而言，数据库中的数据会进入到晶圆图样型聚集系统，聚集结果会总结成报告给使用者并且记录入知识库。基于专业知识和历史缺陷数据，案例使用纯度、多样性、特异性和有效性等四种表现指标对十二种晶圆图样进行模型对照校验。

对照实验方法包括华德法、非层次K-平均分群法、自我组织影像图、光谱分群法和分群法。实证分析中，通过噪声和图样不良率敏感度两个实验，发现所建构的方法在纯度上优于现有方法，多样性上则与其他三种方法无明显区别，唯其特异性不及沃德法和K-平均分群法。工程实务上纯度和多样性是图样检测的主要关注点，该方法在此两点能有效进行晶圆图缺陷诊断并且及时导入数据库中以进行后续知识管理与机器学习。

本案例利用感测器感测图形化数据，判断每件产品的精确程度，进而追溯制造过程中的异常原因，进行分析分类并总结，通过图像化使用者界面直观地进行表现与报告，并记录于知识库中以做为未来制造的参考依据。基于此人机交互的半自动化方式，有效提升厂端决策改善速度，并且逐步积累缺陷诊断的领域知识，待物联网软硬体技术成熟，即可升级为工业4.0智慧工厂，实现机器端产品的自我诊断。智慧生产是现有工业3.0和未来工业4.0之间混合策略，然而实务上很多工厂由于技术或成本原因无法实行，例如200毫米晶圆厂因厂房和设备老旧，并不具有前文所述的自动物料搬运系统，因此无法实施全自动化运输。