专利名称：缺陷检测及分类系统的数据分析方法
技术领域：
本发明涉及一种半导体机台的缺陷检测及分类(fault detection andclassification，FDC)系统的数据分析方法，特别是涉及一种先分类缺陷检测及分类系统的输出数据再进行统计分析的数据分析方法。
背景技术：
在半导体制造工艺中，当晶片于半导体机台完成加工(例如蚀刻或沉积)后，半导体厂商会针对成品率(yield)损害的原因进行检测以改善半导体机台的制造工艺成品率。一般而言，造成成品率损害的原因有二，其中一原因为制造工艺微尘缺陷(particle defect)，而另一原因则为制造工艺机台的事故问题(event)。随着半导体制造工艺技术的日益发展，集成电路(integrated circuit，IC)的面积也因而大幅缩小，当制造工艺的边界(margin)越来越小时，半导体机台本身的事故问题便会对制造工艺成品率产生重大的损害。在现有技术中，半导体机台的管理者利用缺陷检测及分类(fault detection and classification，FDC)系统来分析半导体机台的输出数据以了解事故问题的产生原因，以便进一步地排除上述事故问题对于成品率的影响。
如业界所知，半导体机台所输出的数据项极为庞大且繁杂，所以现有统计方法便用来计算上述数据于各时间点的平均值以进行数据分析，亦即经由时间点的平均值来得知数据的变化情形，然而，使用平均值来执行统计分析则很容易将极大值或极小值正规化(normalized)，因此便不易发现事故问题的所在；另一方面，若以实时(real-time)方式来处理半导体机台所输出的大量数据项，则无法应用现有统计方法来进行数据分析。
一般而言，现有缺陷检测及分类系统主要运用推移图(trend chart)来检测半导体机台的问题，举例来说，推移图是以统计量(例如成品率)为纵轴，以及以日期/时间为横轴，因此便可依据日期/时间的顺序来显示统计量大小以达到掌握统计量的趋势变化的目的，然而，当数据项极为庞大且繁杂时，半导体机台的管理者需耗费大量时间来观察统计量的变化，因此造成控管半导体机台的效能不佳。
发明内容
因此本发明的主要目的是提供一种缺陷检测及分类系统的数据分析方法，以解决上述问题。
根据本发明的一种缺陷检测及分类系统的数据分析方法，其包含有从该缺陷检测及分类系统中撷取多个原始数据(raw data)，依据一预定筛选条件来分离(spare)该多个原始数据以产生一分类数据，以及使用一预定统计方法来分析该分类数据。
本发明的缺陷检测及分类系统的数据分析方法是从缺陷检测及分类系统所撷取的原始数据中先选取需要进行分析的数据，再进行统计分析并将统计结果以图表方式呈现于半导体机台的管理者。因此，管理者可针对特定的制造工艺步骤或特定范围的数据值来检测机台的事故问题，以减少比对庞大数据而花费的成本及复杂度。除此之外，某些极大值或极小值也不会因为使用平均值统计方法而被正规化以导致无法适时地发现事故问题。
图1为本发明缺陷检测及分类系统的数据分析方法的流程图。
图2为本发明产生分类数据的示意图。
附图符号说明100、102、104步骤具体实施方式
请参考图1，图1为本发明缺陷检测及分类系统的数据分析方法的流程图。数据分析方法的运作包含有下列步骤步骤100从缺陷检测及分类系统中撷取原始数据；步骤102依据一预定筛选条件来分离(spare)原始数据以产生一分类数据；以及步骤104使用一预定统计方法来分析分类数据。
半导体机台的管理者可实时(real-time)从一缺陷检测及分类系统撷取大量的原始数据(步骤100)。接着，根据一预定筛选条件来进一步地分离原始数据以产生一分类数据(步骤102)，例如，根据一特定晶片制造工艺步骤来选取相对于此晶片制造工艺步骤的原始数据(亦即半导体机台数据)，此外，还根据一临界值(threshold)来比较特定晶片制造工艺步骤中原始数据的数值以产生相对应的分类数据。最后，本实施例使用一预定统计方法来分析分类数据(步骤104)，其中预定统计方法可以是T测试(t-test)运算、单向变量分析(one-way analysis of variance)运算、鉴别度分析(discriminate analysis)运算、或数据挖掘(data mining)运算等等。利用T测试运算可检测二晶片之间的差异性，利用单向变量分析运算可检测机台之间的差异性，利用鉴别度分析运算可区分缺陷(fault)种类，而利用数据挖掘运算可找出造成各缺陷(fault)的根本原因(root cause)。
请参考图2，图2为本发明产生分类数据的示意图，其中横轴代表时间，而纵轴则代表原始数据的数据值。在时间S1时，原始数据有一最大数据值Vmax，机台管理者可撷取S1之后大于一临界值VTH的一段数据值来判断是否造成机台事故问题，即撷取时段S1、S2之间的原始数据作为上述的分类数据，再利用前述可应用的统计方法来分析分类数据，最后，所产生的分析结果可以一图表传送至远程的终端机，并呈现予半导体机台的管理者。因此，本实施例中，最大值Vmax不会被不当地正规化，因此本实施例不会因为正规化而导致机台管理者无法发现机台事故问题。
相较于现有技术，本发明缺陷检测及分类系统的数据分析方法是从缺陷检测及分类系统所撷取的原始数据中先选取需要进行分析的数据，再进行统计分析并将统计结果以图表方式呈现于半导体机台的管理者。因此，管理者可针对特定的制造工艺步骤或特定范围的数据值来检测机台的事故问题，以减少比对庞大数据而造成系统成本及系统复杂度增加。除此之外，对于本发明缺陷检测及分类系统的数据分析方法而言，半导体机台数据中的极大值或极小值也不会因为现有平均值统计方法而被不当正规化以致于无法发现事故问题。综上所述，本发明缺陷检测及分类系统的数据分析方法未采用现有平均值统计方法，因此可保有实时数据的内容以避免重要信息因为正规化而遗失，此外，本发明缺陷检测及分类系统的数据分析方法运用适当的筛选条件来自实时数据中筛选出所要分析的数据，并经由适当的统计分析方法来进一步处理上述筛选出的数据，因此可降低数据分析的复杂度，同时即减轻半导体机台的管理者分析输出结果的时间与人力，亦即本发明缺陷检测及分类系统的数据分析方法可大幅提升控管半导体机台的效能。
以上所述仅为本发明的较佳实施例，凡依本发明的权利要求所作的均等变化与修饰，皆应属本发明专利的涵盖范围。
权利要求
1.一种缺陷检测及分类系统的数据分析方法，其包含有(a)从该缺陷检测及分类系统中撷取多个原始数据；(b)依据一预定筛选条件来分离该多个原始数据以产生一分类数据；以及(c)使用一预定统计方法来分析该分类数据。
2.如权利要求1所述的数据分析方法，其中该预定筛选条件用来自该多个原始数据中选取对应一晶片制造工艺步骤的原始数据。
3.如权利要求2所述的数据分析方法，其中该预定筛选条件为对应该晶片制造工艺步骤的一临界值，且步骤(b)自该多个原始数据中选取符合该临界值的原始数据来产生该分类数据。
4.如权利要求1所述的数据分析方法，其中该预定统计方法为T测试运算、单向变量分析运算、数据挖掘运算或鉴别度分析运算。
全文摘要
本发明提供一种缺陷检测及分类系统的数据分析方法，其包含有从该缺陷检测及分类系统中撷取多个原始数据，依据一预定筛选条件来分离该多个原始数据以产生一分类数据，以及使用一预定统计方法来分析该分类数据。
文档编号H01L21/00GK1770417SQ20041008971
公开日2006年5月10日 申请日期2004年11月2日 优先权日2004年11月2日
发明者戴鸿恩, 罗皓觉 申请人:力晶半导体股份有限公司