[发明专利]增加变量数量、获得其余的变量、维度鉴识与变量筛选的方法及系统

说明书

技术领域

本发明为一种系统模式维度鉴识与重要变量筛选的方法及系统，尤指一种用于模式建构时的系统模式维度鉴识与重要变量筛选的方法及系统。

背景技术

在变量分析与系统模式建构时，有两个因素非常的重要：系统自由度(degree of freedom)的推测及系统独立自变量，亦即重要变量的筛选。在真实系统中，变量的个数往往十分繁杂众多，加上时间序列数据项的拓展，将增加建立系统模式的困难度，以经验模式为例，过多的输入变量将导致对数据数据量的要求上升、增加建立时间、提高模式复杂度及浪费计算的资源等等问题，并进而影响到整体模式预测的表现。然而事实上，在系统模式中的变量，彼此间都存在某种程度的线性/非线性的相依关系，真正独立的自变量仅存在于其中的一小部分而已，所以在进行系统模式建立或错误分析之前，若能先针对数据进行变量分析与判定，则将可以有效减少因输入过多变量所造成的问题。在进行变量分析与判定的步骤上，首先，必须先推求系统的自由度(或者可以称之其独立维度(independent dimensions))以了解自变量的个数数量，接着再从众多的变量中挑选不少于此数目的合适者，在不过度失真的前提下，降低总变量维度，借以简化其所要处理的问题。

在业界上有两种方式可以获得上述的系统自由度的推测及系统独立自变量的筛选，第一个方式，是和具有专业经验的工程师或操作人员合作，通过工程师或操作人员多年累积的经验所形成的知识库，给予系统各种相关的信息与建议，来获得系统自由度及系统独立自变量。然而大部份专业人员所具有的知识是经由经验而获得的推测，并不一定能够全面与深入，也未必有充足的计算和分析，故所得到的结果常常是因人而异。

第二个方式，则是依赖一些基本的统计技巧，如主值分析法(PCA)，来对系统自由度做推测，并经由相关系数等比较方式来选取合适的变量，这样做的好处是可以较广泛且深入地探讨系统，分析变量彼此之间存在的各种关系，但问题在于主值分析法本身并不提供任何明确的系统自由度及重要变量信息，使用者仍需由主值分析法的结果自行做出判定，一般而言，由主值分析法的结果来判定系统自由度的通用准则是通过由使用者自订依系统特性及自身经验自订一特征值及系统变异解释程度的最小门槛值，满足此门槛值的最少主值个数即为推测的系统自由度，通用准则来做选择变量结论，然而此通用准则中门槛值的设定与系统本身的特性有十分密切的关系，不同的系统有不同的设定，除了依赖自身经验或通过试误法(trial and error)外，并没有其它比较明确有效的做法，除此之外主值分析法针对重要变量的筛选亦无明确提供任何有效的计算逻辑，因此对一般使用者而言，主值分析法在应用上并不方便，很难单纯依赖其做出决定性的结论，换言之，主值分析法的结果大多是与所应用的对象有关，主值分析法最后只会得到一组特征值与特征向量，但如何从中决定系统自由度与决定变量对象则仍旧有赖于经验与系统知识，因此使用时必须同时兼具两方面的知识才能做出判断，且其结果亦可能会因人而异。事实上，在大多数的状况下必须根据应用的领域与对象，结合相对的专业人员，给予统计分析人员建议的方式来进行分析。

目前有许多专利前案揭露利用主值分析法来执行各种领域的应用，如中国台湾专利公告号第1230263号“基于工具开发及控制目的之用以量化均一性类型并纳入专家知识的方法”，利用主值分析法收集、标定数量数据以描绘特征及分析半导体晶圆上不均匀性及提供回馈及控制以引导半导体制造过程。

又，如中国台湾专利公告号第1235311号“供数据分析用的专家知识方法与系统”，利用主值分析法以产生新数据组的一模型及多变量统计数，以分析在晶圆处理设备进行的晶圆处理操作的良窳的方法。

再，如中国台湾专利公告号第200515112号“利用自适应多变项分析法来诊断一处理系统的方法与系统”，利用主值分析法来诊断一处理系统的方法，尤其关于更新的PCA的运用。请参考图1，为半导体制造过程期间用以处理基板的处理系统的监测方法流程图，该方法包括自处理系统获得多个观察的数据(S100)，运用静态集中及比例系数建立主值分析模型(S102)，自处理系统得到其它数据(S104)，利用自适应集中及比例系数(S106)，由其它的数据及主值分析模型决定至少一个统计量(S108)，设定一控制界限(S110)，将至少一个统计量与控制界限作比较(S112)，侦测到处理系统的失误(S114)，及通知操作者(S116)。