[发明专利]用于检测工具性能降级和失配的方法和系统

权利要求书

一种自主的基于生物学的学习系统，包括：

选择与产生资产的设备的单元集相关联的变量集和数据的组件，其中所述变量集包括参考变量及其作用变量集；

目标学习引擎，其学习针对所选数据的所述参考变量和所述作用变量集之间的关系；以及

性能评估组件，其基于学习到的关系比较所述参考变量的测得值及其预测值，以确定所述设备中的所述单元集中至少一个单元的性能降级。

如权利要求1所述的系统，其特征在于，所述资产包括一个或多个半导体器件，所述半导体器件包括基于等离子体放电的平板显示器(FPD)、基于有机发光二级管(OLED)的FPD、基于液晶显示(LCD)的FPD、及其元件，所述元件包括薄膜晶体管有源矩阵阵列、滤色片、偏振器中的一个或多个。

如权利要求1所述的系统，其特征在于，所述性能评估组件基于所述关系比较所述参考变量的测得值及其预测值，以确定不同设备单元之间的性能失配。

如权利要求3所述的系统，其特征在于，所述数据包括制造运行数据、合成制造数据和测试制造数据中的至少一个。

如权利要求1所述的系统，其特征在于，所述数据选择器经由自动化分析或动作者输入中的至少一个选择所述参考变量。

如权利要求5所述的系统，其特征在于，所述自动化分析包括根据所述资产的制造过程中每个候选参考变量的变化大小来安排候选参考变量。

如权利要求6所述的系统，其特征在于，所述数据选择器选择小变化变量、中等变化变量和大变化变量中的至少一个。

如权利要求1所述的系统，其特征在于，所述数据选择器至少基于以下之一来选择作用变量集：通用选择、半通用选择、基于知识的选择、经验选择或动作者驱动选择。

如权利要求4所述的系统，其特征在于，所述数据选择器包括格式化器组件，其以矩阵表示传达所选数据。

如权利要求9所述的系统，其特征在于，所述矩阵表示包括参考变量和与所述参考变量相关联的所述作用变量集中的至少一个变量。

如权利要求10所述的系统，其特征在于，所述数据选择器包括从与产生资产的设备的单元集相关联的数据中选择参考数据的组件，所述参考数据是所述数据的至少一部分。

如权利要求11所述的系统，其特征在于，所述数据选择器经由动作者输入选择参考数据。

如权利要求12所述的系统，其特征在于，所述格式化器组件至少部分地基于所选的参考数据生成训练矩阵。

如权利要求13所述的系统，其特征在于，所述参考数据包括来自参考室单元、工具单元集、或以预定采样速率收集数据的测量单元中的至少一个的数据。

如权利要求14所述的系统，其特征在于，所述参考数据包括来自用以生产所述资产的制法中的单个步骤或多个步骤之一的数据，所述多个步骤可以是邻近的或分离的。

如权利要求15所述的系统，其特征在于，所述参考数据包括源于步骤级、晶片级、批次级、有源矩阵阵列制造、或湿清洁周期中的至少一个的平均数据。

如权利要求16所述的系统，其特征在于，所述参考数据包括源于用于制造资产的过程中的预定周期的平均数据，所述资产包括平板显示设备。

如权利要求13所述的系统，其特征在于，所述应用矩阵针对用于制造所述资产的过程的一个或多个实例生成，所述一个或多个实例包括所述过程制法中的步骤、工具集中的晶片运行、工具集中的批次运行、或所述过程内的周期集合中的至少一个。

如权利要求3所述的系统，其特征在于，对于所选数据的所述参考变量和所述作用变量集之间的所述关系是数学函数关系。

如权利要求19所述的系统，其特征在于，所述数学函数关系计算所述参考变量的测得值与其预测值之间的差值。

如权利要求20所述的系统，其特征在于，所述数学函数关系计算所述参考变量的测得值与其预测值之间的所述差值的变化。