用于分析工艺数据的方法和设备以及计算机可读介质与流程

本公开的实施例一般地涉及芯片制造技术领域，并且更具体地涉及用于分析工艺设备收集的工艺数据的方法和设备以及计算机可读介质。

背景技术：

在芯片制造过程中，芯片的良率会受到各种因素的影响，例如先天设计缺陷、制造过程缺陷、电性测试误宰等。生产设备的异常波动、零部件异常等是造成良率损失的主要类型之一。因此，在芯片制造过程中，通过工艺设备的各种传感器实时收集大量的数据，例如电压、气压、气体流量、离子束能量等。随后，试图利用这些数据来监测、发现工艺生产设备的异常，减少或者避免良率损失的发生。这种方法论在半导体业界被称为故障检测和分类(fdc)，并且对应设备的传感器端收集的数据也被称为fdc数据或参数。

fdc的方法论由于其合理性受到了半导体业界广泛的认可，但是由于工艺设备类型繁杂、设备的传感器数量众多、并且fdc数据是实时采集的。因此，fdc数据的数目巨大、总体数据量也巨大，不同参数代表的意义对于普通用户也很难强记和解读。因此，如何很好地利用这些数据，真正做到帮助用户快速地侦测和发现工艺设备问题、解决问题、预测问题的发生，实际上成为所有fdc分析系统共同面临的难题。

技术实现要素：

本公开的实施例提供了用于分析工艺设备收集的工艺数据的方法和设备以及计算机可读介质。

在第一方面，提供了用于分析工艺设备收集的工艺数据的方法。该方法包括：基于与工艺数据和良率相关联的数据库，确定与工艺数据相关联的规格范围；将待处理工艺数据与所述规格范围进行比较；如果确定所述待处理工艺数据超出所述规格范围，确定与所述待处理工艺数据相对应的晶圆的良率是否正常；以及如果确定所述良率正常，更新所述数据库使得所述规格范围包括与所述待处理工艺数据相对应的范围。

在一些实施例中，所述方法进一步包括：基于所述数据库，确定与工艺数据相关联的第一基线；如果确定所述待处理工艺数据没有超出所述规格范围，将所述待处理工艺数据与所述第一基线进行比较；如果确定所述待处理工艺数据不符合所述第一基线的特征，确定与所述待处理工艺数据相对应的晶圆的良率是否正常；以及如果确定所述良率正常，更新所述数据库使得所述第一基线的特征包括与所述待处理工艺数据相对应的特征。

在一些实施例中，确定与工艺数据相关联的规格范围包括：在所述数据库中的与良率正常的晶圆相对应的多个工艺数据的按照大小的排列中，确定第一工艺数据和第二工艺数据作为分位点；以及基于所述分位点，确定与工艺数据相关联的规格范围。

在一些实施例中，确定与工艺数据相关联的基线包括：针对每个收集的批次确定与最高良率的晶圆相对应的工艺数据，或者从所述数据库中确定与良率高于参考值的多个晶圆相对应的工艺数据；将所确定的工艺数据按照批次的时间顺序排列，以形成第一趋势图；以及基于所述第一趋势图的特征，确定所述第一基线的特征值。

在一些实施例中，确定所述第一基线的特征值包括：基于所述第一趋势图的最大值、最小值、平均值、随机抖动还是随时间规律变化、前后两个值的差是否接近等中的至少一个特征，确定所述第一基线的特征值。

在一些实施例中，确定所述第一基线的特征值包括：计算与所述第一基线相对应的工艺数据的平均值，作为所述第一基线的第一特征值；在与所述第一基线相对应的工艺数据的排列之中，从第二个工艺数据开始依次计算与前一工艺数据之间的差值；计算所述差值的平均值，作为所述第一基线的第二特征值。

在一些实施例中，将所述待处理工艺数据与所述第一基线进行比较包括：针对与多个晶圆相对应的所述待处理工艺数据，计算第一平均值；在与多个晶圆相对应的所述待处理工艺数据的排列之中，从第二个工艺数据开始依次计算与前一工艺数据之间的差值；针对计算出的差值，计算第二平均值；将所述第一平均值和所述第二平均值分别与所述第一基线的所述第一特征值和所述第二特征值进行比较；以及如果确定所述第一平均值与所述第一特征值之差在预定范围内并且所述第二平均值与所述第二特征值之差在预定范围内，确定所述待处理工艺数据符合所述第一基线的特征。

在一些实施例中，更新所述数据库包括：将所述待处理工艺数据与良率正常的晶圆相关联地存储在所述数据库中。

在一些实施例中，所述方法进一步包括：如果确定所述待处理工艺数据符合所述第一基线的特征，确定与所述待处理工艺数据相对应的晶圆的良率是否正常；以及如果确定所述良率正常，将所述待处理工艺数据与良率正常的晶圆相关联地存储在所述数据库中。

在一些实施例中，所述方法进一步包括：如果确定所述良率不正常，将与良率不正常的晶圆相对应的工艺数据与所述第一基线相比较，以确定差异；以及将与所述差异相关联的特征附加到确定与工艺数据相关联的基线的条件中，使得与良率不正常的晶圆相对应的所述工艺数据的特征不符合所述第一基线的特征。

在一些实施例中，所述方法进一步包括：基于所述数据库，确定与工艺数据相关联的第二基线；如果确定所述待处理工艺数据超出所述规格范围，将所述待处理工艺数据与所述第二基线进行比较；以及如果确定所述待处理工艺数据符合所述第二基线的特征，触发暂停工艺过程的进程。

在一些实施例中，所述方法进一步包括：如果确定所述待处理工艺数据不符合所述第二基线的特征，确定与所述待处理工艺数据相对应的晶圆的良率是否正常。

在一些实施例中，其中确定与工艺数据相关联的第二基线包括：针对每个收集的批次，确定与低良率的晶圆相对应的工艺数据；将所确定的工艺数据按照批次的时间顺序排列，以形成第二趋势图；以及基于所述第二趋势图的特征，确定所述第二基线的特征值。

在一些实施例中，所述方法进一步包括：如果确定所述良率不正常，确定所述待处理工艺数据与良率的相关性。

在一些实施例中，所述方法进一步包括：将另外待处理工艺数据与更新后的所述规格范围进行比较；如果确定所述另外待处理工艺数据超出所述规格范围，确定与所述另外待处理工艺数据相对应的晶圆的良率是否正常；以及如果确定所述良率正常，更新所述数据库使得所述规格范围包括与所述另外待处理工艺数据相对应的范围。

在一些实施例中，所述方法进一步包括：如果确定所述另外待处理工艺数据没有超出所述规格范围，将所述另外待处理工艺数据与更新后的所述第一基线进行比较；如果确定所述另外待处理工艺数据不符合所述第一基线的特征，确定与所述另外待处理工艺数据相对应的晶圆的良率是否正常；以及如果确定所述良率正常，更新所述数据库使得所述第一基线的特征包括与所述另外待处理工艺数据相对应的特征。

在第二方面，提供了一种电子设备。该电子设备包括：处理单元；存储器，耦合至所述处理单元并且包括存储于其上的程序，所述程序在由所述处理单元执行时使所述电子设备执行所述方法。

在第三方面，提供了一种计算机可读存储介质。该计算机可读存储介质上存储有机器可执行指令，当所述机器可执行指令在被至少一个处理器执行时，使得所述至少一个处理器实现上述方法。

根据本公开的实施例的用于分析工艺数据的方案不依赖用户的响应，能够自动反馈和更新规格范围和基线的特征，保证了规格范围和基线的特征不断得到优化。以此方式，保证上下限规格和工艺数据的异常判断的合理性和准确性的不断及时优化，并且不依赖于用户而自动优化。

附图说明

通过结合附图对本公开示例性实施例进行更详细的描述，本公开的上述以及其他目的、特征和优势将变得更加明显，其中，在本公开示例性实施例中，相同的参考标号通常代表相同部件。

图1是示出根据本公开的实施例的用于分析工艺设备收集的工艺数据的方法的流程图；

图2是示出根据本公开的实施例的用于分析工艺设备收集的工艺数据的方法的流程图；

图3a和图3b是示出根据本公开的实施例的用于分析工艺数据的方法的示意图；

图4是示出根据本公开的实施例的用于分析工艺数据的方法的示意图；

图5a和图5b是示出根据本公开的实施例的用于分析工艺数据的方法的示意图；

图6a至图6c是示出根据本公开的实施例的用于分析工艺数据的方法的示意图；

图7是示出根据本公开的实施例的用于分析工艺设备收集的工艺数据的方法的流程图；以及

图8是示出用于实施本公开的实施例的电子设备的示意性框图。

具体实施方式

下面将参照附图更详细地描述本公开的优选实施例。虽然附图中示出了本公开的优选实施例，然而应该理解，本公开可以以各种形式实现而不应被这里阐述的实施例限制。相反，提供这些实施例是为了使本公开更加透彻和完整，并且能够将本公开的范围完整地传达给本领域的技术人员。

在本文中使用的术语“包括”及其变形表示开放性包括，即“包括但不限于”。除非特别申明，术语“或”表示“和/或”。术语“基于”表示“至少部分地基于”。术语“一个示例实施例”和“一个实施例”表示“至少一个示例实施例”。术语“另一实施例”表示“至少一个另外的实施例”。术语“第一”、“第二”等等可以指代不同的或相同的对象。下文还可能包括其他明确的和隐含的定义。

目前的传统fdc分析方法高度依靠良率损失已经形成之后的“事后分析”，并且高度依赖用户的经验和能力，从而无法达到自动监测、预测工艺设备异常的目的。传统方案主要分成两部分。在第一部分，当fdc数据收集到之后，将fdc数据与上下限规格进行比较。如果超出上下限，则会向用户报警。此时用户会进一步监测这片晶圆的良率，然后根据良率做出，报废、出货等决定。在第二部分，当出现低良率事件后，用户会把良率正常的晶圆列表和低良率的晶圆列表提供给fdc系统。在fdc系统中经过手动标记好坏晶圆组别后，对fdc系统中的所有参数进行对比，以找到某个fdc数据在好坏晶圆组的表现也有明显的差异。

fdc数据被导入fdc数据库，如果fdc数据超出上下限规格，则用户启动良率或缺陷与fdc数据的相关性分析。此外，良率、缺陷等数据被导入良率管理系统(yms)数据库，如果发生良率损失或缺陷颗数偏高的异常事件，则用户启动良率或缺陷与fdc数据的相关性分析。随后，确定fdc超规格是否会造成良率损失，并且确定良率损失或缺陷偏高是否与fdc相关。

传统方案存在如下缺点。fdc数据的上下限规格的设定，高度依赖用户的经验。而且，即使资深用户面对成千上万的参数，除极个别用户深度了解的参数外，绝大部分参数的上下限规格设定的合理性参差不齐，无法保证。另外，fdc数据的上下限不能根据最新数据，及时的、自动的更新。此外，有许多生产设备的异常是无法用设定上下限规格的方式来发现的。例如，参数值变化程度更加剧烈，或者参数值变化本应无序随机但实际变得有一定规律。又例如，当某参数偶尔有峰值超过某数值时不会造成问题，仅当有大量超限峰值出现后才会产生影响等。对于这种复杂的情况，传统fdc技术则更加缺乏应对。

至少为了解决上述问题，本公开的实施例提供了用于分析工艺设备收集的工艺数据的方案。该工艺数据可以是由工艺设备的传感器感测的fdc数据。根据一些实施例，基于fdc数据库和良率数据库中存储的历史数据，计算各个fdc数据的初始上下限规格，以及基于新收集的fdc数据与上下限规格的比较和对应的晶圆的良率，更新fdc数据的上下限规格。同时，基于fdc数据库和良率数据库中存储的历史数据，定义各个fdc数据的初始基线，以及基于新收集的fdc数据与基线的特征的比较和对应的晶圆的良率，更新fdc数据的基线的特征。以此方式，根据本公开的实施例的方案不依赖用户的响应，该方案能够自动反馈和更新规格和基线，保证规格和基线特征不断得到优化。

下文中将结合附图参考各种实施例来详细描述本公开的各种示例实施例。

图1是示出根据本公开的实施例的用于分析工艺设备收集的工艺数据的方法100的流程图。在一些实施例中，工艺数据为fdc数据。

在框102，基于与工艺数据和良率相关联的数据库，确定与工艺数据相关联的规格范围。

在一些实施例中，基于工艺数据和良率的整合数据库中存储的历史数据，利用数据库中的与良率正常的晶圆相对应的工艺数据来确定工艺数据的初始上下限规格。在一些实施例中，利用数据库中的与良率正常的晶圆相对应的工艺数据的分位点，确定规格范围的上限和下限。例如，p0.5分位点可以理解为在1000个数值从小到大依次排序时，第5个数值，并且p99.5分位点可以理解为在1000个数值从小到大依次排序时，第995个数值。在此情况下，下限为第5个数值，并且上限为第995个数值。在此描述的具体数值仅仅是示例。

在一些实施例中，与工艺数据和良率相关联的数据库包括与fdc相关联的工艺参数、以及与yms相关联的良率数据、缺陷数据、电性数据等中的至少一个。

根据本公开的实施例，在确定规格范围的上下限时，不直接使用已有工艺数据的最大值和最小值，从而保证有一定比例的晶圆会被拦截，并且针对该晶圆执行fdc数据和良率相关性分析。以此方式，能够确定工艺数据分析系统是否在正常运转。

在框104，将待处理工艺数据与规格范围进行比较。

在一些实施例中，将待分析的待处理工艺数据与确定的规格范围进行比较，以确定待处理工艺数据是否超出规格范围。在一些实施例中，将与待处理工艺数据相对应的数值与规格范围的上限或下限的数值进行比较。

在框106，如果确定待处理工艺数据超出规格范围，确定与待处理工艺数据相对应的晶圆的良率是否正常。

在一些实施例中，如果确定待处理工艺数据超出规格范围的下限或上限，则在晶圆生产完毕之后，确定与待处理工艺数据相对应的晶圆的良率是否正常。确定晶圆的良率是否正常可以通过本领域已知的任何方法来被执行。

在框108，如果确定良率正常，更新数据库使得规格范围包括与待处理工艺数据相对应的范围。

在一些实施例中，如果确定良率正常，则超出规格范围的待处理工艺数据不会引起对应的晶圆的良率异常。在此情况下，规格范围被更新，使得超出先前规格范围的待处理工艺数据在更新后的规格范围内。在一些实施例中，规格范围的上限或下限移动到新的上限或下限，以扩大规格范围，从而包括与待处理工艺数据相对应的范围。

在一些实施例中，更新数据库包括将待处理工艺数据与良率正常的晶圆相关联地存储在数据库中。这样，随着数据库中存储的数据的数目增加，根据数据库中的数据确定的规格范围的上限或下限可以被不断地优化。

在更新规格范围之后，工艺设备收集另外的新工艺数据。将另外待处理工艺数据与更新后的规格范围进行比较。如果确定另外待处理工艺数据超出规格范围，则确定与另外待处理工艺数据相对应的晶圆的良率是否正常。如果确定良率正常，则更新所述数据库使得规格范围包括与另外待处理工艺数据相对应的范围。

根据本公开的实施例，在确定规格范围的上下限之后，基于待处理工艺数据与上下限规格的比较和对应的晶圆的良率，更新工艺数据的上下限规格。以此方式，能够保证用于分析诸如fdc数据的工艺数据的工艺规格的可靠性。

图2是示出根据本公开的实施例的用于分析工艺设备收集的工艺数据的方法200的流程图。在一些实施例中，工艺数据为fdc数据。

在框202，基于与工艺数据和良率相关联的数据库，确定与工艺数据相关联的基线。

在一些实施例中，基于工艺数据和良率的整合数据库中存储的历史数据，利用数据库中的与良率正常的晶圆相对应的工艺数据来确定工艺数据的基线。在一些实施例中，确定基线可以包括提取或者定义基线的特征。

在一些实施例中，针对每个收集的晶圆的批次，确定与高良率的晶圆相对应的工艺数据。在一些实施例中，针对每个收集的晶圆的批次，确定与最高良率的晶圆相对应的工艺数据。在其他实施例中，从数据库中确定与良率高于参考值的多个晶圆相对应的工艺数据。

随后，将所确定的工艺数据按照批次的时间顺序排列，以形成线状趋势图。基于线状趋势图的特征，确定基线的特征值。确定基线的特征值可以是指提取基线的线状趋势图的特征并将其定义成数值。在一些实施例中，基于线状趋势图的最大值、最小值、平均值、随机抖动还是随时间规律变化、前后两个值的差是否接近等中的至少一个特征，确定基线的特征值。如此确定的基线的特征值可以用作与工艺数据相关联的基线。

在框204，如果确定待处理工艺数据没有超出规格范围，将待处理工艺数据与基线进行比较。

在一些实施例中，如果在参考图1描述的框104的比较结果为待处理工艺数据没有超出规格范围，则将待处理工艺数据与基线进行比较，以确定待处理工艺数据是否符合基线的特征。在一些实施例中，将待处理工艺数据与基线进行比较可以包括将与工艺数据相对应的数值与基线的特征值进行比较。

在框206，如果确定待处理工艺数据不符合基线的特征，确定与待处理工艺数据相对应的晶圆的良率是否正常。

在一些实施例中，如果确定待处理工艺数据不符合基线的特征，则在晶圆生产完毕之后，则确定与待处理工艺数据相对应的晶圆的良率是否正常。在一些实施例中，如果与待处理工艺数据相对应的数值不满足相对于基线的特征值的预定关系，则确定该工艺数据不符合基线的特征。

在框208，如果确定良率正常，更新数据库使得基线的特征包括与待处理工艺数据相对应的特征。

在一些实施例中，如果确定良率正常，则不符合基线的特征的待处理工艺数据不会引起对应的晶圆的良率异常。在此情况下，基线的特征被更新，使得不符合先前的基线的特征的待处理工艺数据与基线的特征相符合。在一些实施例中，基线的特征的定义范围被扩大，从而包括与待处理工艺数据相对应的特征范围。在一些实施例中，更新数据库包括将待处理工艺数据与良率正常的晶圆相关联地存储在所述数据库中。

在一些实施例中，如果确定待处理工艺数据符合基线的特征，则确定与待处理工艺数据相对应的晶圆的良率是否正常。随后，如果确定良率正常，则将待处理工艺数据与良率正常的晶圆相关联地存储在数据库中。

以此方式，随着数据库中存储的数据量的增加，基线的特征可以被不断地优化。

在更新规格范围之后，工艺设备收集另外的新工艺数据。如果确定另外待处理工艺数据没有超出规格范围，将另外待处理工艺数据与更新后的基线进行比较。如果确定另外待处理工艺数据不符合基线的特征，则确定与另外待处理工艺数据相对应的晶圆的良率是否正常。如果确定良率正常，则更新数据库使得基线的特征包括与所述另外待处理工艺数据相对应的特征。如果确定另外待处理工艺数据符合基线的特征并且确定与另外待处理工艺数据相对应的晶圆的良率正常，则将另外待处理工艺数据与良率正常的晶圆相关联地存储在数据库中，以更新数据库。

根据本公开的实施例，在确定基线之后，基于待处理工艺数据与基线的特征的比较和对应的晶圆的良率，更新工艺数据的基线的特征。以此方式，能够保证用于分析诸如fdc数据的工艺数据的工艺规格的可靠性。

根据本公开的实施例，当在工艺生产中有新的晶圆的工艺数据被收集到时，如果发现其数值超出规格或与基线的特征不相符，则将警报发送至用户。用户可以采取忽略、截停、报废等各种可能的动作。然而，根据本公开的实施例的用于分析工艺数据的方案不依赖用户的响应，能够自动反馈和更新规格范围和基线的特征，保证了规格范围和基线的特征不断得到优化。以此方式，保证上下限规格和工艺数据的异常判断的合理性和准确性的不断及时优化，并且不依赖于用户而自动优化。

根据本公开的实施例，基于严谨方法论并且利用历史数据，设定规格范围的上限和下限，并且判断待处理工艺数据是否代表工艺设备的异常，确定工艺数据的异常是否导致了良率的损失或者缺陷的增加。以此方式，摆脱了用户经验、能力、时间的限制。此外，利用“基线”这一理念，基于对基线的各种统计参数和特征的提取，通过将诸如fdc数据的工艺数据与基线相比较，可以解决那些利用上下限规格无法捕获的fdc数据的异常。

图3a和图3b是示出根据本公开的实施例的用于分析工艺数据的方法的示意图。在图3a和图3b中，横坐标表示各个晶圆按照时间顺序的排序，并且纵坐标表示与晶圆的诸如fdc数据的工艺数据相对应的值。

图3a示出了fdc数据的线状图和规格范围的上限和下限。通过参考图1描述的框102，利用fdc数据和良率的整合数据库中的历史数据，根据数据库中良率正常的晶圆的fdc数据算出规格范围的上限和下限。当新fdc数据被收集之后，通过参考图1描述的框104，将新fdc数据与规格范围的上限和下限进行比较。如图3a所示，在线状图中，与右半部分中的一部分的晶圆相对应的fdc数据超出了下限规格。

图3b示出了fdc数据的线状图和规格范围的更新后的上限和下限。通过参考图1描述的框106，在晶圆生产完毕之后，经过与正常良率标准比较，发现超出fdc数据的规格范围的晶圆的良率都是正常。随后，通过参考图1描述的框108，将规格范围的下限修改为向下移动，使得更新后的下限在超出先前下限的fdc数据的下方，并且该fdc数据被包括在更新后的规格范围内。

图4是示出根据本公开的实施例的用于分析工艺数据的方法的示意图。在图4中，横坐标表示与诸如fdc数据的工艺数据相对应的值，纵坐标表示晶圆的良率，并且各个点表示数据。

参考图4，在已有下限和已有上限之间，布置有多个fdc数据，并且已有下限和已有上限是基于该多个fdc数据来被确定的。当新的fdc数据被收集之后，有些fdc数据被包含在已有下限和已有上限之间的规格范围内，并且一部分fdc数据在该规格范围外。在确定与该部分的fdc数据相对应的晶圆的良率在良率标准线之上之后，确定该部分的fdc数据不会引起良率损失。因此，规格范围的下限被更新，以包含新增加的区域。新增加的区域包含了该部分的fdc数据。以此方式，当随后与该部分的fdc数据相似的新fdc数据再被接收时，新fdc数据会被确定为在规格范围内，并且直接确定与新fdc数据相对应的晶圆的良率是正常的。

在没有足够数据验证的情况下，根据经验或者已有fdc数据设置规格范围的初始上下限。在新fdc数据被接收之后，如果新fdc数据超出规格范围，则根据良率标准线判断与新fdc数据相对应的晶圆的良率是否达标。如果确定是好良率的晶圆，则先前设置的规格范围的上下限被自动调整到新的上下限。此外，如果新fdc数据没有超出规格范围，将新fdc数据与良率相关联地存储到数据库中，以更新数据库中的数据。这样，基于更新后的数据确定的规格范围的上下线随着数据量的增加而被更新。以此方式，能够以不断优化的规格范围来分析fdc数据。

图5a和图5b是示出根据本公开的实施例的用于分析工艺数据的方法的示意图。在图5a和图5b中，横坐标表示各个晶圆按照时间顺序的排序，并且纵坐标表示与晶圆的诸如fdc数据的工艺数据相对应的值。

图5a示出了作为基线的fdc数据的线状图。通过参考图2描述的框202，利用fdc数据和良率的整合数据库中的历史数据，确定要用作基线的fdc数据。在一些实施例中，在数据库中提取与良率靠前的晶圆相对应的fdc数据用作基线，并且利用提取的fdc数据按照时间顺序的排列，形成基线的线状图，如图5a所示。在一些实施例中，提取与良率前30％的晶圆相对应的fdc数据用作基线。

图5b示出了基线的线状图和被确定为好和坏的fdc数据的线状图。如图5b所示，用作基线的fdc数据和新fdc数据在规格范围内。在新fdc数据被收集之后，通过参考图2描述的框204，将新fdc数据与基线的线状图进行比较。作为比较的结果，新fdc数据被分类为好的fdc数据和坏的fdc数据。好的fdc数据的特征为随机波动，并且与基线的特征相符合。坏的fdc数据的特征为连续下降，并且与基线的特征不符合。本文中提到的坏的fdc数据指的是不良数据，其可以引起对应晶圆的良率异常。

图6a至图6c是示出根据本公开的实施例的用于分析工艺数据的方法的示意图。在图6a至图6c中，横坐标表示各个晶圆按照时间顺序的排序，并且纵坐标表示与晶圆的诸如fdc数据的工艺数据相对应的值。

图6a示出了作为基线的fdc数据的线状图。在一些实施例中，计算基线的线状图中的所有数据点的平均值(a)，以作为基线的特征值。在其他实施例中，从线状图中的第二个点开始计算每个点减去前一个点的值，并且计算其平均值(d)，以作为基线的特征值。该实施例能够判断fdc数据是否持续下行或上行。例如，图6a所示的基线的特征的a值是17.2，并且d值接近0。

对于如图6b所示的新收集的fdc数据的线状图，例如计算得到的a值是17.3，并且d值接近0。此外，对于如图6c所示的新收集的fdc数据的线状图，例如计算得到的a值是15，并且d值是负数。

在一些实施例中，将新收集的fdc数据与基线进行比较包括确定新收集的fdc数据的a值是否与基线的a值接近并且新收集的fdc数据的d值是否与基线的d值接近。在此描述的接近是指两者之差在预定范围内。作为针对上述两个条件的比较的结果，确定如图6b所示的新收集的fdc数据符合基线的特征，并且确定如图6c所示的新收集的fdc数据不符合基线的特征。因此，如图6b所示的新收集的fdc数据初步被确定为好的晶圆测试值，并且如图6c所示的新收集的fdc数据初步被确定为坏的晶圆测试值。

应当理解的是，是否与基线的特征相符合的条件不限于上述两个条件，并且具体数值不限于上述的值。随着数据量的增加，条件的数目和具体数值将被不断更新。

通过参考图2描述的框206，在晶圆生产完毕之后，将晶圆的良率与正常良率标准比较。如果确定与如图6b所示的新收集的fdc数据相对应的晶圆的良率是正常的，则将该fdc数据上传并且存储在数据库中。如果新存储的fdc数据满足作为基线的标准，则基线将被更新。此外，如果确定与如图6c所示的新收集的fdc数据相对应的晶圆的良率是异常的，则确定如图6c所示的新收集的fdc数据的异常导致良率的异常。

在一些实施例中，如果与先前基线的特征不相符的fdc数据相对应的晶圆的良率是正常的，则通过参考图2描述的框208，将基线的特征修改为包括该fdc数据的特征。在一些实施例中，该fdc数据的特征可以包括在最大值和最小值的特征或者随机抖动的特征。在此情况下，在确定基线的特征值时，将上述fdc数据的特征增加到基线的特征的定义范围中。此外，如果新收集的fdc数据符合基线的特征，将新fdc数据与良率相关联地存储到数据库中，以更新数据库中的数据。这样，基于更新后的数据确定的基线随着数据量的增加而被更新。以此方式，能够以不断优化的基线来分析fdc数据。

图7是示出根据本公开的实施例的用于分析工艺设备收集的工艺数据的方法700的流程图。在一些实施例中，工艺数据为fdc数据。

在框702，接收新的晶圆的fdc数据。在一些实施例中，fdc数据包括由工艺设备的传感器感测的电压、气压、气体流量、离子束能力等中的至少一个。

在框704，将新fdc数据与规格范围进行比较，以确定新fdc数据是否在规格范围内。在一些实施例中，该规格范围可以根据fdc和yms整合数据库中的历史数据来被确定。在一些实施例中，利用数据中的良率正常的晶圆的fdc数据值的合适分位点来确定规格范围的上限和下限。如果在框704确定新fdc数据在规格范围内，则过程进行到框706。如果在框704确定新fdc数据不在规格范围内，则过程进行到可选的框716或者框718。

在框706，将新fdc数据与基线进行比较，以确定新fdc数据是否符合基线的特征。在一些实施例中，基线可以根据fdc和yms整合数据库中的历史数据来被确定。在一些实施例中，利用数据中的良率较好的晶圆的fdc数据来确定基线的特征。如果在框706确定新fdc数据符合基线的特征，则过程进行到框708。如果在框706确定新fdc数据不符合基线的特征，则过程进行到框718。

在框708，确定与新fdc数据相对应的晶圆的良率是否正常。如果在框708确定良率正常，则将新晶圆的新fdc数据与良率正常的晶圆相关联地上传至fdc和yms整合数据库，并且过程进行到框710和框712。

在框710，利用数据库中的良率正常的fdc数据的合适分位点来确定规格范围的上限和下限。在一些实施例中，合适分位点可以包括p0.5和p99.5。由于数据库中的与良率正常的晶圆相对应的fdc数据被更新，规格范围的上限和下限将被更新和优化。

在框712，利用数据库中的良率较好的fdc数据来确定基线。在一些实施例中，利用每个批次的良率最好的前部分晶圆的fdc数据来确定基线。在一些实施例中，前部分可以包括前30％的部分。由于数据库中的与良率正常的晶圆相对应的fdc数据被更新，基线将被更新和优化。

如果在框708确定良率不正常，则将新fdc数据与基线进行比较，以确定不同点或差异。随后，将与该不同点相关联的特征附加到确定基线的条件中，使得与良率不正常的晶圆相对应的fdc数据的特征不符合基线的特征。例如，当良率不正常的晶圆的fdc数据具有某一特征时，将具有与该特征背离的特征的条件附加到确定基线的条件中。在一些实施例中，将新fdc数据与良率不正常的晶圆相关联地存储在fdc和yms整合数据库中。

在框714，利用数据库中与良率最差的后部分晶圆的fdc数据来确定坏基线的特征。随着数据库中与良率不正常的晶圆相对应的fdc数据的增加，该坏基线的特征也将被更新和优化。

在框716，将新fdc数据与坏基线进行比较，以确定新fdc数据是否符合坏基线的特征。如果在框716确定新fdc数据符合坏基线的特征，则过程进行到框724。如果在框716确定新fdc数据不符合坏基线的特征，则过程进行到框718。

在框718，向用户通知警告信息。整个过程不要求用户的响应，在通知之后过程自动进行到框720。

应当理解的是，框714、框716和框718是可选的。在其他实施例中，可以省略框714、框716和框718。

在框720，确定与新fdc数据相对应的晶圆的良率是否正常。如果在框720确定良率正常，则过程进行到框722。如果在框720确定良率不正常，则过程进行到框726。

在框722，确定不会引起良率异常的新fdc数据是超出规格范围还是不符合基线特征。如果确定新fdc数据超出规格范围，则将新fdc数据与良率正常的晶圆上传至fdc和yms数据库，以更新规格范围的上限和下限，使得该新fdc数据在更新后的规格范围内。如果确定新fdc数据不符合基线，则将新fdc数据与良率正常的晶圆上传至fdc和yms数据库，以更新基线，使得基线的特征包括与新fdc数据相对应的特征。由于数据库中的与良率正常的晶圆相对应的fdc数据被更新，规格范围和基线将被更新和优化。

在框724，如果确定新fdc数据符合坏基线的特征，则启动暂停生产程序。

在框726，如果确定与超出规格范围或不符合基线的新fdc数据相对应的良率不正常，则启动良率和fdc数据的相关性分析。在良率和fdc数据的相关性分析中，将晶圆标定为原因未知的良率异常是根据相关性分析的强弱标定的，而不是由用户手动标定。具体地，针对相关性分析所计算而得的相关性系数设定一个阈值，如果相关性系数超过这个阈值的，则被定义为强相关性，即该良率损失是由fdc数据异常所造成的。如果低于这个阈值，则为否。该阈值可允许用户根据经验进行优化、更改。相关性分析为工业界、学术界普遍采用的通用分析方法，此处不做赘述。

应当理解的是，在上述实施例中描述了工艺数据与良率损失，然而不公开不限于此。在其他实施例中，良率损失可以由缺陷数目来替换，良率可以表示缺陷数目，并且上述方法同样适用于工艺数据与缺陷数目的分析方案，此处不做赘述。

根据本公开的实施例，基于工艺数据和良率相关联的数据库，确定与工艺数据的数值相关联的规格范围和与良率较好的晶圆的工艺数据相关联的基线特征。此外，随着工艺数据与良率正常的晶圆相关联地在数据库中更新，规格范围和基线特征将被更新和优化。以此方式，用于分析工艺数据的方案并不依赖用户的响应，并且规格范围和基线特征的自动反馈和更新，保证了可靠并且方便的工艺数据分析。

图8是示出用于实施本公开的实施例的电子设备800的示意性框图。如图8所示，设备800包括中央处理单元(cpu)801，其可以根据存储在只读存储器(rom)802中的计算机程序指令或者从存储单元808加载到随机访问存储器(ram)803中的计算机程序指令，来执行各种适当的动作和处理。在ram803中，还可存储有设备800操作所需的各种程序和数据。cpu801、rom802以及ram803通过总线804彼此相连。输入/输出(i/o)接口805也连接至总线804。

设备800中的多个部件连接至i/o接口805，包括：输入单元806，例如键盘、鼠标等；输出单元807，例如各种类型的显示器、扬声器等；存储单元808，例如磁盘、光盘等；以及通信单元809，例如网卡、调制解调器、无线通信收发机等。通信单元809允许设备800通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。

上文所描述的各个过程和处理，例如方法100、200和700，可由处理单元801执行。例如，在一些实施例中，方法100、200和700可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元808。在一些实施例中，计算机程序的部分或者全部可以经由rom802和/或通信单元809而被载入和/或安装到设备800上。当计算机程序被加载到ram803并由cpu801执行时，可以执行上文描述的方法100、200和700的一个或多个步骤。

根据本公开的实施例的方案可以是方法、装置、系统和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于执行本公开的各个方面的计算机可读程序指令。计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。

以上已经描述了本公开的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。