[发明专利]一种基于信息融合的良率损失根因分析方法

说明书

本发明公开了一种基于信息融合的良率损失根因分析方法，涉及OLED、显示器、面板及半导体制造业技术领域。本发明针对良率损失的根因分析，构建了一种基于信息融合的问题参数快速自动定位方法和因子水平自动划分方法，解决了传统分析方法自动化程度低，数据信息利用率低，问题定位精度低的问题。本发明对数据进行了标签化和分组，提高了数据的针对性，同时设计了不同的规则组合，融合了不良率数据和参数数据各方面的信息，综合而全面的考虑两者之间的关系，使得问题参数的定位分析更加准确，高效。同时，为了确定问题参数的异常波动范围，提出了基于聚类的参数水平划分方法，解决了现有划分方法速度慢精度低，不利于大数据分析的问题。

技术领域

本发明属于显示面板，OLED，TFT-LCD，半导体制造业技术领域，具体为一种基于信息融合的良率损失根因分析方法。

背景技术

半导体，面板领域的生产制造过程涉及的工艺复杂，制程繁多，每道工艺和制程涉及到不同的站点、机组、机台、工具等，而这些生产设备又对应很多相关的参数，一般可达上万个，且数据量巨大。当良率问题发生时，需要快速定位引起良率损失的机台及其对应的参数；对异常参数进行调整，保证机台正常运行，解决良率损失问题。目前，对良率问题的问题参数查找及分析方法，主要依赖于有经验的工程师从数据库中挑出问题产品的不良率数据及参数数据，进行参数相关性分析及问题排查，属于事后静态分析，自动化程度低，存在较大的时间滞后，定位精度较粗糙，且效率低下，费时费力。随着设备自动化程度的提高，各种生成过程参数的自动采集，上传和存储，利用大数据分析和数据挖掘算法，实现自动分析不良率数据和参数数据，快速准确定位问题参数，识别因子的异常波动水平，对于设备预测维护，缩短故障发生时排查时间，提高产品良率，降低生产成本，提高生产制造商的竞争力，具有非常现实的意义。

发明内容

(一)解决的技术问题

本发明的发明目的是：为了辅助人工实现快速自动查找和定位引起生产过程良率损失的异常参数因子及因子波动异常水平，提出了一种基于信息融合的良率损失根因分析方法。

(二)技术方案

本发明的技术方案为：一种基于信息融合的良率损失根因分析方法，包括以下步骤：

S1、获取产品不良率数据和参数数据；这里产品是指经整个生产制造过程加工后的输出单元，一般是单片glass、half-glass或single-cell，每个产品具有唯一的产品id以区别不同产品；不良率是产品生产完成后或生产过程中，对其尺寸上采样不同点位进行电学、光学、外观等性能测试，测试未通过点位数量同总的测试点位数量的比值。参数数据是产品流经整个生产制造过程中，各个站点、设备、工具、环境对应的各种参数数据。一笔数据由产品id、产品不良率、站点名、设备名、参数名及对应参数取值组成，是一个高维数据；获取产品数据由程序定时自动查取最近一段时间内生产的产品数据。

S2、对S1中获取的数据进行预处理，步骤包括数据中的缺失值的处理，其方法根据参数取值中数据缺失率不同区别处理，如果某个参数缺失率大于50％，则剔除该参数，否则采用插值的方式插入参数均值；对数据中冗余数据列进行剔除；对稳定值的处理，其方法通过计算参数取不同值的个数，如果参数只取得1个值，将该参数剔除；对参数离群值进行处理，其方法是计算参数取值的上限阈值，将超过上限阈值的参数剔除；对参数数据量进行控制，其方法是对某个参数，其数据量需要大于一定阈值，将小于阈值数量的参数剔除。

优选的，所述S2中对离群值的处理，其阈值公式为：

Bond＝Q3+20*IQR，IQR＝Q3-Q1

其中Bond为阈值，Q1，Q3分别为不良率取值的1/4和3/4分位数。

可选的，所述S2中参数数据量控制所采用的阈值设置为20。