[发明专利]辨识良率损失的根本原因的系统与方法

说明书

本发明实施例提供一种辨识良率损失的根本原因的系统与方法。通过双阶段处理过程，以寻找生产线的良率损失的根本原因。在第一阶段中，辨识出可能会引起良率损失的制程机台与其制程机台型式。在第二阶段中，在第一阶段所发现的机台型式中，辨识出可能会引起良率损失的制程参数。在每一个阶段中，可使用两个不同的演算法来产生一信赖指标，以评估其搜寻结果的可靠程度。本发明实施例可于短时间辨识出生产线上的良率损失的根本原因，并可有效地评估搜寻结果的可靠程度。

技术领域

本发明是有关于一种辨识良率损失的根本原因的系统与方法，且特别是有关于一种具有可靠度指标的辨识良率损失的根本原因的系统与方法，此可靠度指标是用以评估所辨识出的根本原因的可靠度。

背景技术

产品良率会直接影响生产成本。所有的制造者无不寻求在发展和大量生产阶段中迅速地提高产品良率。换言之，当良率损失发生时，必须在研发和大量生产阶段中快速地找出引起此良率损失的根本原因。当遭遇到良率损失时，已知的良率提升方法是收集所有生产相关数据来进行大数据分析，以找出造成良率损失的根本原因并改正这些根本原因。然而，生产相关数据常常是数量庞大且复杂的，因此非常难以从生产相关数据中寻找良率损失的根本原因。

随着半导体及薄膜晶体管液晶显示器(TFT-LCD)制造技术的进步，其制程变得愈来愈复杂。因此，如何维持这些复杂的制程的可行的良率便成为一必要的议题。良率管理系统的目标是在提升良率。然而，在研发和产量上升阶段中，工件数量少，使得良率管理系统难以在所有生产机台中找出缺陷的根本原因。因此，如何在有限数量的工件样本情况下于数量众多生产机台中，找出造成良率损失的不良制程机台的关键参数，便成为众所关心的议题。这种挑战即所谓的高维度变数选取(High Dimensional Variable Selection)问题，其亦标示为p>>n的问题，其中“p”代表半导体及TFT-LCD制程中的制程机台的解释制程相关参数的数量，而另一方面，“n”是半导体及TFT-LCD制程中的成品(被处理的工件)的采样数目。

发明内容

本发明的一目的是在提供一种可于短时间辨识出良率损失的根本原因的系统与方法。

本发明的又一目的是在提供一种信赖指标(RI_k)，以评估搜寻结果的可靠程度。

根据本发明上述目的，提出一种辨识良率损失的根本原因的方法。在此方法中，首先提供一生产线，此生产线包含多个制程站(Stages)，每一个制程站包含多个制程机台，这些制程机台分别属于多个制程机台型式，每一个制程机台包含至少一个制程装置，每一制程装置具有多个制程参数，这些制程参数是配置以处理多个工件其中一个工件。然后，根据多个生产路径分别处理工件，每一个生产路径指出在这些制程站中的这些制程机台的这些制程装置其中一个预设装置，用以处理这些工件其中一个工件。接着，对被对应的预设装置处理后的每一个工件进行量测，以获得对应至这些工件的多组线上量测值。然后，对通过生产线后的每一个工件进行至少一个良率测试，以获得分别对应至这些工件的多组最终检查值。接着，根据这些组最终检查值决定是否遭遇一良率测试失败。然后，当遭遇到良率测试失败时，进行一第一阶段，此第一阶段包含一第一根本原因寻找步骤。在第一根本原因寻找步骤中，首先基于一第一演算法来建立一第一搜寻模型，其中此第一演算法为三阶段正交贪婪演算法(Triple Phase Orthogonal greedy algorithm；TPOGA)、最小绝对压缩挑选机制(Least Absolute Shrinkage and Selection Operator；LASSO)演算法、或提高样本使用率的回归树(Sample-Efficient Regression Trees；SERT)演算法。接着，通过输入这些工件的这些组最终检查值、这些工件的这些组线上量测值和这些工件的这些生产路径至上述的第一搜寻模型中，以从在这些制程站的这些制程机台的这些制程装置中辨识出可能会造成良率测试失败的至少一个第一关键装置。