[發明專利]測量抽樣方法

有效

• 申請號: 201410196529.5
• 申請日: 2014-05-09
• 公開（公告）號: CN104952753B
• 公開（公告）日: 2018-02-16
• 發明（設計）人: 鄭芳田;陳俊方;黃暄恒;吳竺潔
• 申請（專利權）人: 鄭芳田
• 主分類號: H01L21/66
• 分類號: H01L21/66
• 代理公司: 上海專利商標事務所有限公司31100
• 代理人: 駱希聰

1.一種測量抽樣方法，包含：

收集一制程機臺處理多個歷史工件所使用的多組歷史制程資料；

進行一建模步驟，包含：

根據該多組歷史制程資料來建立一制程資料品質指標模型和一整體相似度指標模型，并計算出一制程資料品質指標門檻值和一整體相似度指標門檻值；

進行一測量工件取樣步驟，包含：

提供一工件至該制程機臺，該制程機臺具有處理該工件的一組制程資料；

輸入該組制程資料至該制程資料品質指標模型和該整體相似度指標模型中，以獲得該工件的該組制程資料的一制程資料品質指標值和一整體相似度指標值；

當該工件的該制程資料品質指標值大于該制程資料品質指標門檻值時，不對該工件進行測量；

當該工件的該制程資料品質指標值小于或等于該制程資料品質指標門檻值時，檢查該工件是否為一預期被測量工件，并獲得一第一檢查結果；

當該第一檢查結果為是時，對該工件進行測量；

當該第一檢查結果為否時，檢查該整體相似度指標值是否小于或等于該整體相似度指標門檻值，并獲得一第二檢查結果；

當該第二檢查結果為是時，不對該工件進行測量。

2.如權利要求1所述的測量抽樣方法，還包含：

收集該多個歷史工件的對應至該多組歷史制程資料的多個歷史測量值；進行該建模步驟，還包含：

使用該多組歷史制程參數資料和該多個歷史測量值來建立一推估模型，其中該推估模型的建立是根據一推估演算法；

使用該多組歷史制程參數資料和該多個歷史測量資料來建立一參考模型，其中該參考模型的建立是根據一參考預測演算法，該推估演算法與該參考預測演算法不同；以及

根據該多個歷史測量值與最大可容許誤差上限來計算出一信心指標門檻值；

輸入該組制程資料至該推估模型，而計算出該工件的一虛擬測量值；

輸入該組制程參數資料至該參考模型，而計算出該工件的一參考預測值；

分別計算該工件的該虛擬測量值的分配與該參考預測值的分配之間的重疊面積而產生該工件的一信心指標值；

當該第一檢查結果為否時，進行一第三檢查步驟，以檢查該工件的該信心指標值是否大于或等于該信心指標門檻值，而獲得一第三檢查結果；

以及

當該第三檢查結果為是時，不對該工件進行測量。

3.如權利要求2所述的測量抽樣方法，其特征在于，當該第二檢查結果或該第三檢查結果為否、且該工件的前k個工件的整體相似度指標值大于該整體相似度指標門檻值或該工件的前k個工件的信心指標值小于該信心指標門檻值時，對該工件進行測量，k為正整數。

4.如權利要求1所述的測量抽樣方法，其特征在于，該整體相似度指標模型的建立是根據一馬氏距離演算法、一歐式距離演算法或一中心法，該制程資料品質指標模型的建立是根據一主成分分析法和一歐氏距離，該建模步驟包含：

以該多組歷史制程資料，并應用交互驗證中的留一法原理來重計算出該整體相似度指標門檻值；以及

以該多組歷史制程資料，并應用留一法原理于該制程資料品質指標模型，來計算出該制程資料品質指標門檻值。

5.如權利要求2所述的測量抽樣方法，其特征在于，該推估演算法和該參考預測演算法分別為一倒傳遞類神經網絡、一通用回歸類神經網絡、一徑向基底類神經網絡、一簡單回歸性網絡、一支持向量資料描述、一支持向量機、一復回歸演算法、一部分最小平方法、一非線性替代偏最小平方法或一廣義線性模式。