CN117157541A - 一种检测参数分析方法及装置 - Google Patents
一种检测参数分析方法及装置 Download PDFInfo
- Publication number
- CN117157541A CN117157541A CN202280000628.4A CN202280000628A CN117157541A CN 117157541 A CN117157541 A CN 117157541A CN 202280000628 A CN202280000628 A CN 202280000628A CN 117157541 A CN117157541 A CN 117157541A
- Authority
- CN
- China
- Prior art keywords
- detection parameters
- detection
- parameter
- parameters
- groups
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 412
- 238000004458 analytical method Methods 0.000 title claims description 140
- 238000005259 measurement Methods 0.000 claims abstract description 171
- 238000012545 processing Methods 0.000 claims abstract description 100
- 238000000034 method Methods 0.000 claims abstract description 85
- 238000011156 evaluation Methods 0.000 claims abstract description 79
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 77
- 238000010219 correlation analysis Methods 0.000 claims abstract description 54
- 230000002776 aggregation Effects 0.000 claims description 43
- 238000004220 aggregation Methods 0.000 claims description 43
- 230000008569 process Effects 0.000 claims description 34
- 238000003860 storage Methods 0.000 claims description 20
- 238000004590 computer program Methods 0.000 claims description 17
- 238000012360 testing method Methods 0.000 claims description 15
- 238000004891 communication Methods 0.000 claims description 10
- 238000010220 Pearson correlation analysis Methods 0.000 claims description 8
- 230000003993 interaction Effects 0.000 claims description 5
- 238000005315 distribution function Methods 0.000 claims description 4
- 238000012313 Kruskal-Wallis test Methods 0.000 claims description 2
- 238000004519 manufacturing process Methods 0.000 description 28
- 230000015654 memory Effects 0.000 description 26
- 230000006870 function Effects 0.000 description 18
- 238000010586 diagram Methods 0.000 description 10
- 239000010408 film Substances 0.000 description 10
- 238000007689 inspection Methods 0.000 description 9
- 238000010998 test method Methods 0.000 description 9
- 230000007547 defect Effects 0.000 description 7
- 239000011521 glass Substances 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 6
- 239000004973 liquid crystal related substance Substances 0.000 description 6
- 230000006872 improvement Effects 0.000 description 5
- 238000012423 maintenance Methods 0.000 description 5
- 230000002950 deficient Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 238000012795 verification Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000012216 screening Methods 0.000 description 3
- 239000000758 substrate Substances 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 230000001174 ascending effect Effects 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000005065 mining Methods 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 238000011022 operating instruction Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000010409 thin film Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/28—Testing of electronic circuits, e.g. by signal tracer
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/18—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form
- G05B19/408—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form characterised by data handling or data format, e.g. reading, buffering or conversion of data
-
- G—PHYSICS
- G11—INFORMATION STORAGE
- G11C—STATIC STORES
- G11C7/00—Arrangements for writing information into, or reading information out from, a digital store
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Human Computer Interaction (AREA)
- Manufacturing & Machinery (AREA)
- Automation & Control Theory (AREA)
- General Engineering & Computer Science (AREA)
- Length Measuring Devices With Unspecified Measuring Means (AREA)
- Analysing Materials By The Use Of Radiation (AREA)
- Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)
- General Factory Administration (AREA)
Abstract
一种检测参数分析方法及装置,包括:获取产品的多组第一检测参数,所述第一检测参数包括多个测量点的检测参数,所述测量点为所述产品上的位置点;根据插值算法,对多组第一检测参数进行插值处理,确定多组第二检测参数,所述第二检测参数的数量与所述第一检测参数的数量相同;根据相关性分析算法,确定多组第二检测参数之间的相关性评估值,所述相关性评估值用于表征每个所述测量点对应的所述多组第二检测参数之间的相关性;输出多组第二检测参数之间的相关性评估值。
Description
本申请涉及数据分析领域,尤其涉及一种检测参数分析方法及装置。
在半导体和面板行业,由于各生产工序或设备的影响,会出现生产的产品上存在不良点的问题。目前,在做完Glass一些关键性的膜层以后,会通过人工检查方式对膜层的关键参数进行检测。
但是,由于检测的工序复杂、数据量庞大,单单依靠人工检查方式来定位不良原因,处理时效和准确率都及其受限,很难满足日益增长的生产需求。
发明内容
一方面,提供一种检测参数分析方法,该方法包括:获取产品的多组第一检测参数;所述第一检测参数包括多个测量点的检测参数,所述测量点为所述产品上的位置点;根据插值算法,对多组第一检测参数进行插值处理,确定多组第二检测参数;所述第二检测参数的组数与所述第一检测参数的组数相同;根据相关性分析算法,确定多组第二检测参数之间的相关性评估值;所述相关性评估值用于表征每个所述测量点对应的所述多组第二检测参数之间的相关性;输出多组第二检测参数之间的相关性评估值。
在一些实施例中,上述插值算法为Kriging插值法;根据插值算法,对多组第一检测参数进行插值处理,确定多组第二检测参数,包括:确定第一测量点和第二测量点之间的坐标距离以及半方差;第一测量点和第二测量点为同一组第一检测参数对应的多个测量点中的测量点;根据第一测量点和第二测量点之间的距离以及半方差,确定多个预测点的半方差;预测点为多组第一检测参数对应的多个测量点中,未在每一组第一检测参数中都具有对应的检测参数的测量点;根据多个预测点的半方差,确定权重系数;根据权重系数和多组第一检测参数,确定多个预测点的目标插值;根据多个预测点的目标插值,对多组第一检测参数进行插值处理,确定多组第二检测参数。
在一些实施例中,上述根据第一测量点和第二测量点之间的坐标距离以及半方差,确定多个预测点的半方差,包括:根据第一测量点和第二测量点之间的坐标距离以及半方差,确定半方差拟合曲线;根据半方差拟合曲线,确定多个预测点的半方差。
在一些实施例中,上述第一测量点和第二测量点之间的坐标距离满足以下公式:
其中,d
ij表示第一测量点和第二测量点之间的坐标距离,i表示第一测量点的编号,x
i表示第一测量点的横坐标,y
i表示第一测量点的纵坐标,j表示第二测量点的编号,x
j表示第二测量点的横坐标,y
j表示第二测量点的纵坐标。
第一测量点和第二测量点之间的半方差满足以下公式:
其中,r
ij表示第一测量点和第二测量点之间的半方差,E表示协方差,z
i表示第一测量点的检测参数,z
j表示第二测量点的检测参数。
多个预测点的目标插值满足以下公式:
其中,
表示多个预测点的目标插值,λ
k表示权重系数,z
k表示一个编号为k的测量点的检测参数。
在一些实施例中,上述相关性分析算法为皮尔逊Pearson相关性分析法,多组第二检测参数之间的相关性评估值满足以下公式:
其中,ρ表示相关性评估值,X、Y分别表示一种第二检测参数,μ
X表示第二检测参数X的平均镇,μ
Y表示第二检测参数Y的平均值,σ
X表示第二检测参数X的标准差,σ
Y表示第二检测参数Y的标准差。
在一些实施例中,上述相关性分析算法为克鲁斯卡尔-沃利斯Kruskal-Wallis检验法;根据相关性分析算法,确定多组第二检测参数之间的相关性评估值,包括:按照递增顺序,对多组第二检测参数进行排序;确定排序后的多组第二检测参数的秩;根据多组第二检测参数的秩,确定多组第二检测参数的统计量;根据多组第二检测参数的统计量,确定多组第二检测参数之间的相关性评估值。
在一些实施例中,上述多组第二检测参数的统计量满足以下公式:
其中,H表示多组第二检测参数的统计量,N表示多组第二检测参数中包括的检测参数的数量,n表示一个第二检测参数中包括的检测参数的数量,R
X表示第二检测参数X的秩的和,R
Y表示第二检测参数Y的秩的和。
多组第二检测参数之间的相关性评估值满足以下公式:
其中,P表示多组第二检测参数之间的相关性评估值,H表示多组第二检测参数的统计量,k表示第二检测参数的数量,Γ表示伽马分布函数。
在一些实施例中,该方法还包括:确定多组第二检测参数的等高线图;等高线图用于表征产品上各区域对应的检测参数的大小;输出多组第二检测参数的等高线图。
在一些实施例中,上述获取产品的第一检测参数,包括:确定统计聚合表;根据统计聚合表,获取产品的多组第一检测参数。
在一些实施例中,统计聚合表为海杜普数据库HBase统计聚合表,上述确定HBase统计聚合表,包括:根据海杜普数据库,从检测设备获取多个产品的第三检测参数;第三检测参数包括第一检测参数;根据结构化查询语言SQL对多个产品的第三检测参数进行数据聚合,确定HBase统计聚合表。
从检测设备获取多个产品的第三检测参数;第三检测参数包括第一检测参数;根据多个产品的第三检测参数,确定HBase统计聚合表;根据HBase统计聚合表,获取产品的第一检测参数。
在一些实施例中,上述多组第一检测参数包括关键工艺参数和电永磁铁EPM电性参数;关键工艺参数包括面电阻RS参数、对合精度TP参数、线宽CD参数、膜厚THK参数、以及套合精度OL参数中的至少一项;电性参数包括阈值电压VTH参数、迁移率MOB参数、工作电流ION参数、以及反向截止电流IOFF参数中的至少一项。
在一些实施例中,该方法还包括:在输出多组第二检测参数之间的相关性评估值之前,对多组第二检测参数之间的相关性评估值进行排序。
另一方面,提供一种参数分析装置,包括:获取单元、处理单元和输出单元;获取单元,被配置为获取产品的多组第一检测参数;第一检测参数包括多个测量点的检测参数,测量点为产品上的位置点;处理单元,被配置为根据插值算法,对多组第一检测参数进行插值处理,获取多组第二检测参数;第二检测参数的数量与第一检测参数的数量相同;处理单元,还被配置为根据相关性分析算法,确定多组第二检测参数之间的相关性评估值;相关性评估值用于表征每个测量点对应的多组第二检测参数之间的相关性;输出单元,被配置为输出多组第二检测参数的相关性评估值。
在一些实施例中,处理单元,还被配置为确定第一测量点和第二测量点之间的坐标距离以及半方差;第一测量点和第二测量点为多个测量点中的测量点;处理单元,还被配置为根据第一测量点和第二测量点之间的距离以及半方差,确定多个预测点的半方差;处理单元,还被配置为根据多个预测点的半方差,确定权重系数;处理单元,还被配置为根据权重系数和多组第一检测参数,确定多个预测点的目标插值;处理单元,还被配置为根据多个预测点的目标插值,对多组第一检测参数进行插值处理,确定多组第二检测参数。
在一些实施例中,处理单元,还被配置为根据第一测量点和第二测量点之间的坐标距离以及半方差,确定半方差拟合曲线;处理单元,还被配置为根据半方差拟合曲线,确定多个预测点的半方差。
在一些实施例中,第一测量点和第二测量点之间的坐标距离满足以下公式:
其中,d
ij表示第一测量点和第二测量点之间的坐标距离,i表示第一测量点的编号,x
i表示第一测量点的横坐标,y
i表示第一测量点的纵坐标,j表示第二测量点的编号,x
j表示第二测量点的横坐标,y
j表示第二测量点的纵坐标。
第一测量点和第二测量点之间的半方差满足以下公式:
其中,r
ij表示第一测量点和第二测量点之间的半方差,E表示协方差,z
i表示第一测量点的检测参数,z
j表示第二测量点的检测参数。
多个预测点的目标插值满足以下公式:
其中,
表示多个预测点的目标插值,λ
k表示权重系数,z
k表示一个编号为k的测量点的检测参数。
在一些实施例中,相关性分析算法为皮尔逊Pearson相关性分析法,多组第二检测参数之间的相关性评估值满足以下公式:
其中,ρ表示相关性评估值,X、Y分别表示一种第二检测参数,μ
X表示第二检测参数X的平均镇,μ
Y表示第二检测参数Y的平均值,σ
X表示第二检 测参数X的标准差,σ
Y表示第二检测参数Y的标准差。
在一些实施例中,处理单元,还被配置为按照递增顺序,对多组第二检测参数进行排序;处理单元,还被配置为确定排序后的多组第二检测参数的秩;处理单元,还被配置为根据多组第二检测参数的秩,确定多组第二检测参数的统计量;处理单元,还被配置为根据多组第二检测参数的统计量,确定多组第二检测参数之间的相关性评估值。
在一些实施例中,多组第二检测参数的统计量满足以下公式:
其中,H表示多组第二检测参数的统计量,N表示多组第二检测参数中包括的检测参数的数量,n表示一个第二检测参数中包括的检测参数的数量,R
X表示第二检测参数X的秩的和,R
Y表示第二检测参数Y的秩的和。
多组第二检测参数之间的相关性评估值满足以下公式:
其中,P表示多组第二检测参数之间的相关性评估值,H表示多组第二检测参数的统计量,k表示第二检测参数的数量,Γ表示伽马分布函数。
在一些实施例中,处理单元,还被配置为确定多组第二检测参数的等高线图;等高线图用于表征产品上各区域对应的检测参数的大小;输出单元,还被配置为输出多组第二检测参数的等高线图。
在一些实施例中,处理单元,还被配置为确定统计聚合表;获取单元,还被配置为根据统计聚合表,获取产品的多组第一检测参数。
在一些实施例中,获取单元,还被配置为根据海杜普数据库,从检测设备获取多个产品的第三检测参数;第三检测参数包括第一检测参数;处理单元,还被配置为根据结构化查询语言SQL对多个产品的第三检测参数进行数据聚合,确定HBase统计聚合表。
在一些实施例中,多组第一检测参数包括关键工艺参数和电永磁铁EPM电性参数;关键工艺参数包括面电阻RS参数、对合精度TP参数、线宽CD参数、膜厚THK参数、以及套合精度OL参数中的至少一项;电性参数包括阈值电压VTH参数、迁移率MOB参数、工作电流ION参数、以及反向截止电流IOFF参数中的至少一项。
在一些实施例中,处理单元,还被配置为在输出多组第二检测参数之间 的相关性评估值之前,对多组第二检测参数之间的相关性评估值进行排序。
再一方面,提供一种检测参数分析应用,其中,检测参数分析应用包括一种应用交互界面,当在应用交互界面执行预设操作时,使得检测参数分析应用执行如上述任一实施例所述的参数分析装置方法。
又一方面,提供一种计算机可读存储介质。所述计算机可读存储介质存储有计算机程序指令,所述计算机程序指令在计算机(例如,参数分析装置)上运行时,使得所述计算机执行如上述任一实施例所述的参数分析装置方法。
又一方面,提供一种计算机程序产品。所述计算机程序产品包括计算机程序指令,在计算机(例如,参数分析装置)上执行所述计算机程序指令时,所述计算机程序指令使计算机执行如上述任一实施例所述的参数分析装置方法。
又一方面,提供一种计算机程序。当所述计算机程序在计算机(例如,参数分析装置)上执行时,所述计算机程序使计算机执行如上述任一实施例所述的参数分析装置方法。
为了更清楚地说明本公开中的技术方案,下面将对本公开一些实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本公开的一些实施例的附图,对于本领域普通技术人员来讲,还可以根据这些附图获得其他的附图。此外,以下描述中的附图可以视作示意图,并非对本公开实施例所涉及的产品的实际尺寸、方法的实际流程、信号的实际时序等的限制。
图1为根据一些实施例提供的一种参数分析方法的应用场景示意图;
图2为根据一些实施例提供的一种参数分析方法的流程图;
图3为根据一些实施例提供的一种应用交互界面;
图4为根据一些实施例提供的一种相关性评估值的折线示意图;
图5为根据一些实施例提供的另一种参数分析方法的流程图;
图6为根据一些实施例提供的另一种参数分析方法的流程图;
图7为根据一些实施例提供的另一种参数分析方法的流程图;
图8为根据一些实施例提供的一种等高线图;
图9为根据一些实施例提供的另一种等高线图;
图10为根据一些实施例提供的一种参数分析装置的结构图;
图11为根据一些实施例提供的另一种参数分析装置的结构图。
下面将结合附图,对本公开一些实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本公开一部分实施例,而不是全部的实施例。基于本公开所提供的实施例,本领域普通技术人员所获得的所有其他实施例,都属于本公开保护的范围。
除非上下文另有要求,否则,在整个说明书和权利要求书中,术语“包括(comprise)”及其其他形式例如第三人称单数形式“包括(comprises)”和现在分词形式“包括(comprising)”被解释为开放、包含的意思,即为“包含,但不限于”。在说明书的描述中,术语“一个实施例(one embodiment)”、“一些实施例(some embodiments)”、“示例性实施例(exemplary embodiments)”、“示例(example)”、“特定示例(specific example)”或“一些示例(some examples)”等旨在表明与该实施例或示例相关的特定特征、结构、材料或特性包括在本公开的至少一个实施例或示例中。上述术语的示意性表示不一定是指同一实施例或示例。此外,所述的特定特征、结构、材料或特点可以以任何适当方式包括在任何一个或多个实施例或示例中。
以下,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本公开实施例的描述中,除非另有说明,“多个”的含义是两个或两个以上。
“A、B和C中的至少一个”与“A、B或C中的至少一个”具有相同含义,均包括以下A、B和C的组合:仅A,仅B,仅C,A和B的组合,A和C的组合,B和C的组合,及A、B和C的组合。
“A和/或B”,包括以下三种组合:仅A,仅B,及A和B的组合。
如本文中所使用,根据上下文,术语“如果”任选地被解释为意思是“当……时”或“在……时”或“响应于确定”或“响应于检测到”。类似地,根据上下文,短语“如果确定……”或“如果检测到[所陈述的条件或事件]”任选地被解释为是指“在确定……时”或“响应于确定……”或“在检测到[所陈述的条件或事件]时”或“响应于检测到[所陈述的条件或事件]”。
本文中“适用于”或“被配置为”的使用意味着开放和包容性的语言,其不排除适用于或被配置为执行额外任务或步骤的设备。
另外,“基于”的使用意味着开放和包容性,因为“基于”一个或多个所述条件或值的过程、步骤、计算或其他动作在实践中可以基于额外条件或超出所述的值。
如本文所使用的那样,“约”、“大致”或“近似”包括所阐述的值以 及处于特定值的可接受偏差范围内的平均值,其中所述可接受偏差范围如由本领域普通技术人员考虑到正在讨论的测量以及与特定量的测量相关的误差(即,测量***的局限性)所确定。
如本文所使用的那样,“平行”、“垂直”、“相等”包括所阐述的情况以及与所阐述的情况相近似的情况,该相近似的情况的范围处于可接受偏差范围内,其中所述可接受偏差范围如由本领域普通技术人员考虑到正在讨论的测量以及与特定量的测量相关的误差(即,测量***的局限性)所确定。例如,“平行”包括绝对平行和近似平行,其中近似平行的可接受偏差范围例如可以是5°以内偏差;“垂直”包括绝对垂直和近似垂直,其中近似垂直的可接受偏差范围例如也可以是5°以内偏差。“相等”包括绝对相等和近似相等,其中近似相等的可接受偏差范围内例如可以是相等的两者之间的差值小于或等于其中任一者的5%。
应当理解的是,当层或元件被称为在另一层或基板上时,可以是该层或元件直接在另一层或基板上,或者也可以是该层或元件与另一层或基板之间存在中间层。
以下,对本公开实施例涉及的名词进行解释,以方便读者理解。
(1)海杜普数据库(Hadoop database,HBase)统计聚合表
HBase是一种存储结构化数据的分布式存储***。HBase是一种分布式海量列示非关系型数据库,也即HBase中的数据是基于列族进行存储的,一个列族包含若干列。在需要实时读写、随机访问超大规模数据集时,可以使用HBase。
HBase统计聚合表,即为一种基于HBase中存储的数据集,利用结构化查询语言(structured query language,SQL)等成熟计算机语言进行聚合运算后得出的用于统计数据的表格。
相应的,基于数据来源的更新,HBase统计聚合表也可进行同步更新。示例性地,在本公开提供的一些实施例中,HBase统计聚合表中存储有从生产设备处获取的关于产品的各项检测参数,例如关键工艺参数和电永磁铁(electro permanent magnet,EPM)电性参数。关键工艺参数可包括:面电阻(resistance surface,RS)参数、对合精度(total pitch,TP)参数、线宽(criticlal dimension,CD)参数、膜厚(thickness,THK)参数、以及套合精度OL参数。EPM电性参数可包括:阈值电压(voltage of threshold,VTH)参数、迁移率(mobility,MOB)参数、工作电流(用ION表示)参数、以及反向截止电流(用IOFF表示)参数。并且,每隔一定预设时长(该预设时长可人为 设定)HBase统计聚合表都会根据生产设备的检测参数的更新,而更新自身所存储的检测参数。
(2)插值算法
插值算法,是离散函数逼近的重要方法,利用它可通过函数在有限个点处的取值状况,估算出函数在其他点处的近似值。
在数学领域中,插值是指在离散数据的基础上补插连续函数,使得这条连续曲线通过全部给定的离散数据点。插值是离散函数逼近的重要方法,利用它可通过函数在有限个点处的取值状况,估算出函数在其他点处的近似值。在图像领域中,插值被用来填充图像变换时像素之间的空隙。
例如,克里金(Kriging)插值法是数据分析领域中较为常用的一种插值算法。
示例性地,在本公开提供的一些实施例中,参数分析装置通过Kriging插值法,能够对从测量点获取到的多种不同类型的检测参数进行插值,保证这些多类别检测参数的统一性,以避免因为测量点分布和数量的不同,而对检测参数的相关性分析造成负面的影响。
(3)等高线图
等高线图,一般应用于地理勘探和地图绘制领域,就是将地表高度相同的点连成一环线直接投影到平面形成水平曲线,不同高度的环线不会相合。
一般在地理技术领域中,等高线图的应用较多。简单来说,等高线地图就是将地表高度相同的点连成一环线直接投影到平面形成水平曲线,不同高度的环线不会相合,除非地表显示悬崖或峭壁才能使某处线条太密集出现重叠现像,若地表出现平坦开阔的山坡,曲线间之距离就相当宽,而它的基准线是以海平面的平均海潮位线为准,每张地图下方皆有制作标示说明,让使用者方便使用,主要图示有比例尺、图号、图幅接合表、图例与方位偏角度。
在本公开提供的一些实施例中,参数分析装置基于在产品不同区域的测量点检测到的检测参数,在对这些检测参数进行插值处理后,会根据这些及检测参数来绘制等高线图,用于直观的表示产品不同区域的检测参数的大小情况,以辅助工作人员对检测参数的相关性分析结果的分析。
(4)相关性分析算法
相关性分析算法,是指对两个或多个具备相关性的变量元素进行分析,从而衡量两个变量因素的相关密切程度的算法。
相关性分析是指对两个或多个具备相关性的变量元素进行分析,从而衡量两个变量因素的相关密切程度。相关性的元素之间需要存在一定的联系或 者概率才可以进行相关性分析。相关性不等于因果性,也不是简单的个性化,相关性所涵盖的范围和领域几乎覆盖了我们所见到的方方面面,相关性在不同的学科里面的定义也有很大的差异。
相关性的元素之间需要存在一定的联系或者概率才可以进行相关性分析。
例如,皮尔逊(Pearson)算法、克鲁斯卡尔-沃利斯(Kruskal-Wallist,K-W)检验法和曼-惠特尼(Mann-Whitney,M-W)秩和检验法,是数据相关性分析领域中较为常用的算法。
示例性地,在本公开提供的一些实施例中,参数分析装置会根据Pearson算法和K-W检验法,对经过插值处理后的产品的多种类别的检测参数进行相关性分析,以使得工作人员根据相关性分析结果,来确定产品的不良区域,并进行工艺改进或设备排障。
以上对本公开实施例中涉及的名词进行了说明。
目前在半导体和面板行业,在膜晶体管液晶显示器(thin film transistor liquid crystal display,TFT-LCD)领域中,TFT-LCD类的产品在生产时,会出现不良的情况。不良的出现,可能是由整个生产线中的任何制造工序或设备导致的。产品的不良,通常能够根据该产品的一些关键参数体现出来。
因此,现阶段在产品的一些关键膜层制造完成后,会对产品的关键参数进行检测。工作人员通过人工检查方式对这些关键参数的分析来判断产品是否存在不良,和导致不良出现的原因,进而工作人员会针对不良出现的原因对制造工艺进行改进,或对制造设备进行故障排除。然而,由于产品的制造工序繁杂、数量庞大,依靠人工检查方式来对不良原因进行定位,时效性和准确率都极其受限,很难满足日益增长的生产需求。
现有技术中对于产品的不良原因分析方面,提供了两种方案:
方案一、一种基于不良Map图的缺陷模式分析方法(CN112184691A),此方案针对某种产品类型,将不同来源的同产品缺陷测量结果和产品的各种特性测量值按一定的标准整理为与显示面板Map坐标关联的坐标数据信息。以显示面板不良坐标位置信息为分析对象,为不同的产品类型建立不良数据信息与显示面板数据的密度聚类模型,其聚类的类别取决于对应显示面板生产工具的缺陷信息和产品特性与不良坐标的相关程度,通过密度聚类模型的相似系数判断各产品不良信息与对应密度聚类的类型之间的相似性,并筛选出有效的几种不良类型。总结来说,该方案将不良信息快速定位到不良类型中。
方案二、一种基于关联规则挖掘的不良根因路径分析方法及*** (CN111932394A),通过基于关联规则挖掘的不良根因路径分析方法及***可以快速自动过滤大量不具有可疑性的站点设备,自动缩小分析范围,无需额外输入经验知识人工干预;并且本发明遍历全部可能站点设备组合,按提升度降序排序,在大量可能路径组合中自动将最可疑组合靠前突出显示,能够辅助工作人员快速定位导致不良根因发生的站点设备路径。总结来说,该方案基于改良的关联规则挖掘算法,对所有可能设备路径组合进行遍历,自动快速定位不良根因。
由于液晶显示器(liquid crystal display,LCD)和有机发光二极管(organiclight-emitting diode,OLED)类产品的检测参数(比如电性参数和关键工艺参数)间相关性的异常会直接导致产品出现不良,并且检测参数间相关性的异常程度的不同,产品出现的不良的类型也不相同,因此将检测参数间的相关性量化成指标是极其必要的,可以快速定位到前序站点的不良根因,以便业务人员高效及时地调整检测参数进行验证测试及维修。然而,上述两种方案皆未涉及到检测参数之间的相关性,不能实现快速定位到前序站点的不良根因。
鉴于此,本公开提供一种参数分析方法及装置,用以解决现有技术中对产品进行检测参数的分析时,处理时限和准确率受限,难满足日益增长的生产需求的问题。本公开提供的方法还能够将参数间的相关性量化成指标,快速定位到前序站点的不良根因,以便业务人员高效及时地调整参数进行验证测试及维修。
需要指出的是,在本公开提供的参数分析方法中,执行主体是参数分析装置。该参数分析装置可以为服务器,也可以是耦合在服务器的一部分装置,例如服务器中的芯片***。该参数分析装置包括:
处理器,处理器可以是一个通用中央处理器(central processing unit,CPU),微处理器,特定应用集成电路(application-specific integrated circuit,ASIC),或一个或多个用于控制本公开方案程序执行的集成电路。
收发器,收发器可以是使用任何收发器一类的装置,用于与其他设备或通信网络通信,如以太网,无线接入网(radio access network,RAN),无线局域网(wireless local area networks,WLAN)等。
存储器,存储器可以是只读存储器(read-only memory,ROM)或可存储静态信息和指令的其他类型的静态存储设备,随机存取存储器(random access memory,RAM)或者可存储信息和指令的其他类型的动态存储设备,也可以是电可擦可编程只读存储器(electrically erasable programmable read-only memory,EEPROM)、只读光盘(compact disc read-only memory,CD-ROM)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质,但不限于此。存储器可以是独立存在,通过通信线路与处理器相连接。存储器也可以和处理器集成在一起。
需要指出的是,本公开各实施例之间可以相互借鉴或参考,例如,相同或相似的步骤,方法实施例、***实施例和装置实施例之间,均可以相互参考,不予限制。
下面将结合说明书附图,对本公开实施例的实施方式进行详细描述。
如图1所示,图1为根据一些实施例提供的一种参数分析方法的应用场景示意图。在图1的应用场景中,包括参数分析装置10和生产设备20。
其中,参数分析装置10用于从生产设备20处获取检测参数,并进行参数分析,以便业务人员根据参数分析的结果对生产设备20进行验证测试及维修。
生产设备20,用于生产产品。并且在生产设备20中,设置有多种类型的检测站。一种检测站用于对产品的一类检测参数进行测量。相应的,生产设备20根据自身设置的检测站获取到产品的检测参数后,将这些检测参数项参数分析装置10发送。
示例性地,在实际应用中,对于工厂中用于生产产品的生产线,参数分析装置10将生产线上设置的生产设备20设置的检测站收集的检测参数进行汇总,并进行参数分析并将参数分析结果输出,工作人员即可通过分析结果远程对产品出现不良的原因进行确定,进而对生产工艺进行改进或生产线上的生产设备20进行维修。
如图2所示,图2为根据一些实施例提供的一种参数分析方法,该方法包括以下步骤:
步骤201、参数分析装置获取产品的多组第一检测参数。
其中,产品可以是一种面板、平面模组或显示产品。当产品为显示产品时,显示产品可以包括玻璃屏(Class)、液晶屏(liquid crystal display,LCD)、等离子显示屏(plasma display panel,PDP)中的至少一种。
其中,产品的检测参数可分为关键工艺参数和EPM电性参数。关键工艺参数包括以下参数中的至少一项:面电阻RS参数、对合精度TP参数、线宽CD参数、膜厚THK参数、以及套合精度OL参数。EPM电性参数包括以下 参数中的至少一项:阈值电压VTH参数、迁移率MOB参数、工作电流ION参数、以及反向截止电流IOFF参数。相应的,第一检测参数包括关键工艺参数中的至少一种和EPM电性参数中的至少一种,也即一组第一检测参数包括同一种关键工艺参数或EPM电性参数。
例如,假设产品是玻璃屏(Class),该Class通过生产设备生产出后,其对应的关键工艺参数可包括:该Class的面电阻RS参数、对合精度TP参数、线宽CD参数、膜厚THK参数、以及套合精度OL参数,其对应的EPM电性参数可包括:该Class的阈值电压VTH参数、迁移率MOB参数、工作电流ION参数、以及反向截止电流IOFF参数。
示例性地,参数分析装置可以获取Class上不同测量点的反向截止电流IOFF参数和膜厚THK参数,将获取到的反向截止电流IOFF参数和膜厚THK参数作为Class的第一检测参数;或者,参数分析装置可以获取Class上不同测量点的反向截止电流IOFF参数和面电阻RS参数,将获取到的反向截止电流IOFF参数和面电阻RS参数作为Class的第一检测参数。
应理解,测量点即为参数分析装置在对产品进行检测参数的获取时,在产品上选取的用于测量检测参数的位置点。一般针对一片产品,测量点的数量在20至180个之间。
在一种可能的实现方式中,参数分析装置从统计聚合表处获取产品的多组第一检测参数。其中,如上所述,统计聚合表中包括:产品的RS参数、TP参数、CD参数、THK参数、OL参数、VTH参数、MOB参数、ION参数、和IOFF参数。可选地,参数分析装置从检测设备获取多个产品的第三检测参数,产品的第三检测参数包括产品的全部类型的关键工艺参数和EPM电性参数。
示例性地,上述统计聚合表为HBase统计聚合表。在统计聚合表为HBase统计聚合表时,参数分析装置可以根据HBase,从检测设备获取多个产品的第三检测参数。其中,检测设备即为产品的生产设备上设置的用于获取产品的检测参数的设备。
进一步的,参数分析装置根据SQL对多个产品的第三检测参数进行数据聚合,以表格形式进行存储,确定HBase统计聚合表。
其中,第三检测参数包括第一检测参数。进而,根据第三检测参数确定的HBase统计聚合表包括第一检测参数,参数分析装置根据用户的检测需求从HBase统计聚合表获取产品的第一检测参数。
其中,工作人员的检测需求可以用于指示用户检测所需的第一检测参数, 该检测需求包括待检测的第一检测参数的标识信息以及其他信息,比如第一检测参数的筛选条件等,符合这些筛选条件的第一检测参数才能被用来进行检测分析。可选的,工作人员可以通过应用交互界面将检测需求发送给参数分析装置,以便参数分析装置根据该检测需求从HBase统计聚合表获取产品的第一检测参数。
示例性地,如图3所示,参数分析装置提供一种应用交互界面,工作人员可在此应用交互界面上设定第一检测参数的获取条件,在第一检测参数的获取条件设定完毕后,工作人员进行确认操作,即可从HBase统计聚合表存储的数据中获取多组第一检测参数。例如,工作人员可设定获取2021年7月1日至2021年7月22日之间的、工厂编号为ARRAY的、型号为BNA650QU5V402的、ID为1的Class的、检测站点编号为990G和576K的、检测参数类型为IOFF1_20(也即IOFF参数)和THICKNESS(也即THK参数)的第一检测参数。
可选地,参数分析装置在根据工作人员设定的条件从HBase统计聚合表中获取到Glass的多组第一检测参数后,以表格的形式将多组第一检测参数进行存储,如下表1所示:
表1 所选Class ID1的IOFF参数与THK参数的数据表
其中,Step表示检测站的站点编号,Item表示检测参数的类型,x和y分别表示测量点的横坐标和纵坐标,Value表示检测参数具体的值。
步骤202、参数分析装置根据插值算法,对多组第一检测参数进行插值处理,确定多组第二检测参数。
其中,插值算法是插值算法。示例性地,该插值算法可以是Kriging插值法,也可以是其他插值算法,本公开不做具体限定。根据Kriging插值法对多组第一检测参数进行插值的具体实现过程,可参照下图5中所示,在此不再赘述。
需要说明的是,第二检测参数的组数与第一检测参数的组数是相同的。 也即,在插值处理前后,检测参数的类别数量不会发生改变,第二检测参数只是参数分析装置将其对应的第一检测参数,根据插值算法进行插值处理后得到的。相比于第一检测参数,第二检测参数中,新增了一些预测点的参数值。
其中,预测点为多组第一检测参数对应的全部测量点中,未在每一组第一检测参数中都具有对应的检测参数的测量点。示例性地,以第一检测参数有两组,分别为IOFF参数和THK参数为例,参数分析装置将Class划分为16*14的网格点,此时插值处理对应的位置点共有224个,也即插值处理的目标为使得IOFF参数和THK参数都具备224个相同位置点的参数值。
此时对于IOFF参数来说,预测点的选取情况可分为两种:
情况一、对于一些测量点,THK参数包括这些测量点的检测参数,并且IOFF参数未包括,则将这些测量点作为对IOFF参数进行插值处理时的预测点。
情况二、对于一些测量点,IOFF参数和THK参数都未包括这些测量点的检测参数,则将这些测量点作为对IOFF参数进行插值处理时的预测点。
同理,对于THK参数来说,预测点的选取情况也可分为两种:
情况三、对于一些测量点,IOFF参数包括这些测量点的检测参数,并且THK参数未包括,则将这些测量点作为对THK参数进行插值处理时的预测点。
情况四、对于一些测量点,THK参数和IOFF参数都未包括这些测量点的检测参数,则将这些测量点作为对THK参数进行插值处理时的预测点。
应理解,对于一组第一检测参数来说,预测点仅为插值算法针对此组第一检测参数选取的,要进行插值计算的位置点。这些预测点的参数值是根据插值算法计算的,参数分析装置并未在预测点对该组第一检测参数进行实际测量。
这样一来,新增的预测点的参数值,与第一检测参数中包括的对测量点进行真实检测后得到的参数值结合,组成第二检测参数。
示例性地,结合步骤201中的举例,参数分析装置将Class划分为16*14的网格点,一个网格点作为一个测量点或预测点,一个测量点或预测点对应一组或者多组检测参数。假设参数分析装置获取到Class的两组第一检测参数,分别为IOFF参数和THK参数。其中,IOFF参数的测量点有100个,也即IOFF参数共包括100个位置点的IOFF值。THK参数的测量点有140个,也即THK参数共包括140个位置点的THK值。IOFF参数和THK参数对应的测量点中,有些是相同的,有些是不同的。这时,就需要根据插值算法对IOFF参数和 THK参数进行插值处理,以保证IOFF和THK参数的统一性,便于后续相关性的分析。
进一步的,参数分析装置对两组第一检测参数:IOFF参数和THK参数进行插值处理后,IOFF参数包括224个位置点的IOFF值,其中,有100个位置点的IOFF值是真实检测的测量点的IOFF值,另外124个位置点的IOFF值是根据插值算法进行插值处理后新增的IOFF值。THK参数也是同理,进行插值处理后的THK参数中,有140个位置点的THK值是真实检测的测量点的IOFF值,另外84个位置点的THK值是根据插值算法进行插值处理后新增的THK值。在此之后,参数分析装置将经过插值处理后的各包括224个位置点的参数值的IOFF参数和THK参数作为多组第二检测参数。可以理解的是,此时对于两组第一检测参数包括的所有位置点(也即前文所述的224个位置点),每个位置点都有对应的IOFF参数值和THK参数值,因此进行插值处理后的两个第一检测参数的统一性得到了提高。
步骤203、参数分析装置根据相关性分析算法,确定多组第二检测参数之间的相关性评估值。
其中,相关性分析算法是相关性分析算法。多组第二检测参数之间的相关性评估值可以用于表征多组第二检测参数之间的相关程度。示例性地,相关性分析算法可以是Pearson算法和K-W检验法中的至少一种。Pearson算法的具体实现过程可按照下述公式(4)-公式(5)。K-W检验法的具体实现过程可参照下图6中所示,在此不再赘述。
需要说明的是,参数分析装置可同时根据多种相关性分析算法,确定多组第二检测参数之间的相关性评估值。相应的,每种相关性分析算法都有其对应的相关性评估值,工作人员能够根据多个算法各自得出的相关性评估值对Class的检测参数所体现出的工艺问题进行研究,相较于只根据一种算法得出的相关性评估值来评估Class的工艺问题,利用多种相关性评估算法评估Class的工艺问题更能够保障工艺改进或设备维修的精确度和效率。
示例性地,结合步骤202中的举例,第二检测参数包括IOFF参数和THK参数两种,IOFF参数和THK参数皆经过插值处理。参数分析装置根据相关性分析算法,对IOFF参数和THK参数进行相关性分析,得出IOFF参数和THK参数的相关性评估结果,对于每个测量点的IOFF参数值和THK参数值,都有一个相关性评估值来表征在此测量点之上IOFF参数和THK参数的相关程度。
步骤204、参数分析装置输出多组第二检测参数之间的相关性评估值。
可选地,参数分析装置可通过多种方式输出多组第二检测参数之间的相关性评估值。相关性评估值用于表征每个测量点对应的多组第二检测参数之间的相关性。
在一种可能的实现方式中,如图4所示,参数分析装置以折线图的形式输出多组第二检测参数之间的相关性评估值。
可选的,参数分析装置在输出多组第二检测参数之间的相关性评估值之前,对多组第二检测参数之间的相关性评估值进行排序,以使得工作人员能够直观的看出各个测量点对应的检测参数之间的相关性程度。
需要说明的是,工作人员在获取到参数分析装置输出的多组第二检测参数之间的相关性评估值后,能够根据相关性评估值来确定出产品的不良区域。
示例性的,工作人员将相关性评估值中反映的产品之上每个测量点的检测参数的相关性评估值,与预设阈值进行对比,确定测量点的工艺评估结果是良好还是不良。例如,当相关性分析算法为Pearson算法,预设阈值设为0.65时,假设某个测量点的IOFF参数和THK参数的相关性评估值为0.7,由于0.7大于0.65,则此测量点的工艺评估结果为良好。
在此之后,工作人员将工艺评估结果为不良的测量点的集合,确定为产品的工艺不良区域。
基于上述技术方案,本公开中参数分析装置通过获取产品的多种类型的检测参数,并通过插值算法对每一种类型的检测参数进行插值处理,以确定插值后的多种类型的检测参数,在经过插值处理能够保持每种检测参数之间的数据统一性,为后续的相关性分析提供支持;之后,参数分析装置再根据相关性分析算法,对插值后的多种类型的检测参数进行相关性评估,确定出具体的相关性评估值。由此对检测参数之间的相关性实现了量化,工作人员可以据此快速定位到检测站点的检测参数所反映出的不良区域,以便工作人员高效及时地调整参数进行验证测试及维修,有效提高了处理时效和准确率,能够满足日益增长的生产需求。
作为本公开的一种可能的实施例,结合图2,如图5所示,在插值算法为Kriging插值法时,上述步骤202具体包括以下步骤:
步骤501、参数分析装置确定第一测量点和第二测量点之间的坐标距离以及半方差。
需要说明的是,第一检测参数包括针对多个测量点的检测参数。示例性地,以产品为Class为例,第一检测参数包括IOFF参数和THK参数。此时,IOFF参数包括Class之上多个测量点的IOFF值,THK参数包括Class之上多 个测量点的THK值。
其中,第一测量点和第二测量点为同一组第一检测参数对应的多个测量点中的测量点。示例性地,第一检测参数包括IOFF参数和THK参数,则第一测量点和第二测量点为IOFF参数对应的任意二个测量点,或者第一测量点和第二测量点为THK参数对应的任意二个测量点。
在一种可能的实现方式中,参数分析装置首先确定第一测量点和第二测量点的坐标,之后再计算出第一测量点和第二测量点之间的距离。示例性地,计算第一测量点和第二测量点之间的距离满足以下公式1:
其中,d
ij表示第一测量点和第二测量点之间的坐标距离,i表示第一测量点的编号,x
i表示第一测量点的横坐标,y
i表示第一测量点的纵坐标,j表示第二测量点的编号,x
j表示第二测量点的横坐标,y
j表示第二测量点的纵坐标。
在一种可能的实现方式中,参数分析装置先计算第一测量点和第二测量点之间的协方差,并据此计算第一测量点和第二测量点之间的半方差。示例性地,计算第一测量点和第二测量点之间的半方差满足以下公式2:
其中,r
ij表示第一测量点和所述第二测量点之间的半方差,E表示协方差,z
i表示第一测量点的检测参数,z
j表示第二测量点的检测参数。
步骤502、参数分析装置根据第一测量点和所述第二测量点之间的距离以及半方差,确定多个预测点的半方差。
其中,参数分析装置将多组第一检测参数对应的测量点的特定邻域范围内的点位,或者特定数量的相邻点位,确定为多个预测点。
示例性地,对应于前述步骤202中的举例,现有两个第一检测参数,分别为IOFF参数和THK参数。其中,IOFF参数的测量点有100个,也即IOFF参数共包括100个点位的IOFF值,THK参数的测量点有140个,也即THK参数共包括140个点位的THK值。现在,需要对IOFF参数进行插值处理,使得IOFF参数包括224个点位的参数值,同理,THK参数值也是一样。则IOFF参数中新增的参数值所对应的124个点位,与THK参数中新增的参数值所对应的84个点位,即为预测点。
在一种可能的实现方式中,参数分析装置根据第一测量点和第二测量点之间的坐标距离以及半方差,确定半方差拟合曲线。在此之后,参数分析装置根据半方差拟合曲线,确定多个预测点的半方差。
需要说明的是,上述半方差拟合曲线,是参数分析装置在将多组第一检测参数对应的测量点中,所有可能的任意两点之间的距离和半方差计算完成后,将计算得到的所有测量点对应的距离和半方差绘制成散点图,并寻找一个最优的曲线进行拟合后得到的。
进一步的,参数分析装置可以得出半方差拟合曲线的函数表达式r=r(d)。可以理解的是,函数表达式r=r(d)的具体表达形式由拟合曲线决定,会根据多组第一检测函数的值的不同而不同,本实施例不再进行具体说明。由此,参数分析装置能够根据每个预测点的坐标,来确定该预测点对应的半方差。
步骤503、参数分析装置根据多个预测点的半方差,确定权重系数。
其中,权重系数用于对多组第一检测参数包括的所有测量点的参数值加权求和,以确定预测点的目标插值。此处的权重系数λ
k满足估计值
与真实值z
0的差最小的一套最优系数,即
同时满足无偏估计的条件
也即参数分析装置计算出的预测点的目标插值与该预测点的真实值的协方差为0。
需要说明的是,在Kriging插值法中,权重系数是由步骤502中的半方差拟合曲线的半方差函数r=r(d)确定的。具体根据半方差函数r=r(d)确定权重系数λ
k的方法具体可以参考Kriging插值法,本公开实施例不做赘述。
步骤504、参数分析装置根据权重系数和多组第一检测参数,确定多个预测点的目标插值。
可选地,参数分析装置在计算得出权重系数后,将多组第一检测参数中包括的每个测量点的检测参数与其对应的权重系数相乘并求和后,得出多个预测点的目标插值。
在一种可能的实现方式中,多个预测点的目标插值满足以下公式3:
其中,
表示所述多个预测点的目标插值,λ
k表示所述权重系数,z
k表示一个编号为k的所述测量点的检测参数。
步骤505、参数分析装置根据多个预测点的目标插值,对多组第一检测参数进行插值处理,确定多组第二检测参数。
示例性地,对应于前述步骤202中的举例,产品为Class,参数分析装置将Class划分为16*14的网格点,一个网格点作为一个测量点或预测点,对IOFF参数和THK参数进行插值处理。也即,在进行插值处理后,IOFF参数 包括224个点位的IOFF值,其中,有100个点位的IOFF值是真实检测的测量点的IOFF值,另外124个点位的IOFF值是参数分析装置根据多个预测点的目标插值,对IOFF参数进行插值处理后新增的IOFF值。THK参数也是同理,进行插值处理后的THK参数中,有140个点位的THK值是真实检测的测量点的IOFF值,另外84个点位的THK值是参数分析装置根据多个预测点的目标插值,对THK参数进行插值处理后后新增的THK值。
在此之后,参数分析装置将经过插值处理后的各包括224个点位的参数值的IOFF参数和THK参数作为多组第二检测参数。
基于上述技术方案,本公开中参数分析装置通过Kriging插值法对多种类型的检测参数进行插值处理,该步骤中的插值处理能够保持每种检测参数之间的数据统一性,以便于后续步骤中对产品的检测参数之间的相关性进行评估,提高相关性评估的准确率。
作为本公开的一种可能的实施例,相关性分析算法可以是Pearson相关性分析法。
Pearson相关性系数是衡量数据相似度的一种方法,用来描述两组数据的数据一同变化移动的趋势,是一个介于-1到1之间的值。当两组数据的线性关系增强时,相关系数趋于-1或1;当一个变量增大,另一个变量也增大时,表明它们之间是正相关的,相关系数大于0;当一个变量增大,另一个变量减小时,表明它们之间是负相关的,相关系数小于0;若相关系数等于0,表明它们之间不存在线性相关关系。
示例性地,Pearson相关性分析法的计算公式表示为两个变量的协方差除于两个变量的标准差。结合步骤202的举例,在本公开实施例中,多组第二检测参数之间的相关性评估值满足以下公式4:
其中,ρ表示相关性评估值,X、Y分别表示一种第二检测参数,μ
X表示第二检测参数X的平均镇,μ
Y表示第二检测参数Y的平均值,σ
X表示第二检测参数X的标准差,σ
Y表示第二检测参数Y的标准差。
在数学领域中,标准差的计算方法为公知常识,因此上述公式4又可转变为公式5:
结合步骤202的举例,X可表示为某张GLASS插值后的IOFF参数的n 个检测值(X
1,X
2,…,X
n),Y可表示为某张GLASS插值后的THK参数的n个检测值(Y
1,Y
2,…,Y
n)。
以上对相关性分析算法为Pearson相关性分析法时进行了介绍,通过该算法参数分析装置能够确定多组第二检测参数之间的相关性评估值,以使得工作人员根据相关性分析结果,来确定产品的不良区域,并进行工艺改进或设备排障。
作为本公开的一种可能的实施例,结合图2,如图6所示,在相关性分析算法是K-W检验法时,步骤203具体包括以下步骤:
步骤601、参数分析装置按照递增顺序,对多组第二检测参数进行排序。
示例性地,结合步骤202中的举例,现有两个第一检测参数,分别为IOFF参数和THK参数,用样本X表示IOFF参数,用样本Y表示THK参数,则样本X与样本Y都包括n个参数值,在本举例中,n=16*14=224。在此之后,参数分析装置对全部N(N=2*n)个参数值按照递增顺序排成一列。
步骤602、参数分析装置确定排序后的多组第二检测参数的秩。
可选地,参数分析装置在确定排序后的多组第二检测参数的秩后,对每个第二检测参数的秩进行求和。
示例性地,结合步骤601中的举例,以Rx表示IOFF参数在排序中的秩的和,以Ry表示THK参数在排序中的秩的和。
步骤603、参数分析装置根据多组第二检测参数的秩,确定多组第二检测参数的统计量。
示例性地,结合步骤602中的举例,统计量满足以下公式6:
其中,H表示多组第二检测参数的统计量,N表示多组第二检测参数中包括的检测参数的数量,n表示一个第二检测参数中包括的检测参数的数量,R
X表示第二检测参数X的秩的和,R
Y表示第二检测参数Y的秩的和。
步骤604、参数分析装置根据多组第二检测参数的统计量,确定多组第二检测参数之间的相关性评估值。
示例性地,结合步骤603中的举例,多组第二检测参数之间的相关性评估值满足以下公式7:
其中,P表示多组第二检测参数之间的相关性评估值,H表示多组第二检测参数的统计量,k表示第二检测参数的数量,Γ表示伽马分布函数。
可选地,一般在P的值小于0.05时,认为第二检测参数X和第二检测参数Y较为相关。
以上对相关性分析算法为K-W检验法时进行了介绍,通过该算法参数分析装置能够确定多组第二检测参数之间的相关性评估值,以使得工作人员根据相关性分析结果,来确定产品的不良区域,并进行工艺改进或设备排障。
作为本公开的一种可能的实施例,相关性分析算法可以是M-W秩和检验法。
M-W秩和检验法的主要思路为假设参与分析的两个参数样本,分别来自除了总体均值以外完全相同的两个总体,目的是检验这两个总体的均值是否有显著的差别。M-W秩和检验法具体的算法步骤如下:
第一步:将两组数据混合,并按照大小顺序编排等级。最小的数据等级为1,第二小的数据等级为2,以此类推(若有数据相等的情形,则取这几个数据排序的平均值作为其等级)。
第二步:分别求出两个样本的等级和W
1、W
2。
第三步:计算两个参数样本的M-W秩和检验统计量U
1和U
2。
示例性地,U
1满足以下公式8:
示例性地,U
2满足以下公式9:
其中,n
1为第一个样本的量,n
2为第二个样本的量。
进一步的,选择U
1和U
2中最小者与临界值U
a比较,当U<U
a时,认为两个参数样本之间较为相关;当U>U
a时,认为两个参数样本之间不相关。示例性地,U
a的值一般选取0.05。
以上对相关性分析算法为M-W秩和检验法时进行了介绍,通过该算法参数分析装置能够确定多组第二检测参数之间的相关性评估值,以使得工作人员根据相关性分析结果,来确定产品的不良区域,并进行工艺改进或设备排障。
需要说明的是,本公开实施例相关性分析算法还可以包括多种相关性分析算法,例如相关性分析算法可以同时包括Pearson相关性分析法、K-W检验法与M-W秩和检验法,也可以同时包括其他相关性分析算法。可以理解, 相关性分析算法包括多种相关性分析算法,即可得出多个相关性分析结果,由此能够为工作人员提供更多的佐证。
示例性地,在相关性分析算法同时包括Pearson相关性分析法和K-W检验法时,结合上述步骤201中的举例,在步骤204中参数分析装置可通过下表2的方式输出相关性分析结果。
表2 相关性分析结果表
其中,Step表示检测站的站点编号,Item表示检测参数的类型。
作为本公开的一种可能的实施例,结合图2,如图7所示,本公开提供的参数分析方法还包括以下步骤:
步骤701、参数分析装置确定多组第二检测参数的等高线图。
其中,等高线图用于表征产品上各区域对应的检测参数的大小。现阶段,等高线图一般应用于地理勘探和地图绘制领域,就是将地表高度相同的点连成一环线直接投影到平面形成水平曲线,不同高度的环线不会相合。而等高线图的这种特性,结合在本公开实施例中,能够直观的表示产品不同区域的检测参数的大小情况,以辅助工作人员对检测参数的相关性分析结果的分析。
步骤702、参数分析装置输出多组第二检测参数的等高线图。
可选地,参数分析装置可通过多种方式输出多组第二检测参数的等高线图。
在一种可能的实现方式中,结合步骤202中的举例,图8和图9示出了两幅等高线图,图8表示该片Glass中IOFF参数的等高线图,图9表示该片Glass中THK参数的等高线图。不难看出,越靠近Glass的中间区域,IOFF参数值越小,相反的是,THK参数越大。因此,工作人员能够明显的看出IOFF参数和THK参数之间存在负相关的关系。
本公开实施例可以根据上述方法示例对参数分析装置进行功能模块或者 功能单元的划分,例如,可以对应各个功能划分各个功能模块或者功能单元,也可以将两个或两个以上的功能集成在一个处理模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块或者功能单元的形式实现。其中,本公开实施例中对模块或者单元的划分是示意性的,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。
如图10所示,为根据一些实施例提供的一种参数分析装置1000的结构示意图,该装置包括:获取单元1001、处理单元1002和输出单元1003。
其中,获取单元1001,被配置为获取产品的第一检测参数。例如,结合图2,获取单元1001具体用于执行步骤201。
处理单元1002,被配置为根据插值算法,对第一检测参数进行插值处理,获取第二检测参数。例如,结合图2,处理单元1002具体用于执行步骤202。
处理单元1002,还被配置为根据相关性分析算法,确定第二检测参数之间的相关性评估值。例如,结合图2,处理单元1002具体用于执行步骤203。
输出单元1003,被配置为输出第二检测参数的相关性评估值。例如,结合图2,输出单元1003具体用于执行步骤204。
在一些实施例中,处理单元1002,还被配置为确定第一测量点和第二测量点之间的坐标距离以及半方差。例如,结合图5,处理单元1002具体用于执行步骤501。
在一些实施例中,处理单元1002,还被配置为根据第一测量点和第二测量点之间的距离以及半方差,确定多个预测点的半方差。例如,结合图5,处理单元1002具体用于执行步骤502。
在一些实施例中,处理单元1002,还被配置为根据多个预测点的半方差,确定权重系数。例如,结合图5,处理单元1002具体用于执行步骤503。
在一些实施例中,处理单元1002,还被配置为根据权重系数和多组第一检测参数,确定多个预测点的目标插值。例如,结合图5,处理单元1002具体用于执行步骤504。
在一些实施例中,处理单元1002,还被配置为根据多个预测点的目标插值,对多组第一检测参数进行插值处理,确定多组第二检测参数。例如,结合图5,处理单元1002具体用于执行步骤505。
在一些实施例中,处理单元1002,还被配置为根据第一测量点和第二测量点之间的坐标距离以及半方差,确定半方差拟合曲线。例如,结合图5,处理单元1002具体用于执行步骤502。
在一些实施例中,处理单元1002,还被配置为根据半方差拟合曲线,确 定多个预测点的半方差。例如,结合图5,处理单元1002具体用于执行步骤502。
在一些实施例中,处理单元1002,还被配置为按照递增顺序,对多组第二检测参数进行排序。例如,结合图6,处理单元1002具体用于执行步骤601。
在一些实施例中,处理单元1002,还被配置为确定排序后的多组第二检测参数的秩。例如,结合图6,处理单元1002具体用于执行步骤602。
在一些实施例中,处理单元1002,还被配置为根据多组第二检测参数的秩,确定多组第二检测参数的统计量。例如,结合图6,处理单元1002具体用于执行步骤603。
在一些实施例中,处理单元1002,还被配置为根据多组第二检测参数的统计量,确定多组第二检测参数之间的相关性评估值。例如,结合图6,处理单元1002具体用于执行步骤604。
在一些实施例中,处理单元1002,还被配置为确定多组第二检测参数的等高线图。例如,结合图7,处理单元1002具体用于执行步骤701。
在一些实施例中,输出单元1003,还被配置为输出多组第二检测参数的等高线图。例如,结合图6,输出单元1003具体用于执行步骤702。
在一些实施例中,处理单元1002,还被配置为确定统计聚合表。例如,结合图2,处理单元1002具体用于执行步骤201。
在一些实施例中,获取单元1001,还被配置为根据统计聚合表,获取产品的多组第一检测参数。例如,结合图2,获取单元1001具体用于执行步骤201。
在一些实施例中,获取单元1001,还被配置为根据海杜普数据库,从检测设备获取多个产品的第三检测参数。例如,结合图2,获取单元1001具体用于执行步骤201。
在一些实施例中,处理单元1002,还被配置为根据结构化查询语言SQL对所述多个产品的第三检测参数进行数据聚合,确定所述HBase统计聚合表。例如,结合图2,处理单元1002具体用于执行步骤201。
在一些实施例中,处理单元1002,还被配置为在输出多组第二检测参数之间的相关性评估值之前,对多组第二检测参数之间的相关性评估值进行排序。例如,结合图2,处理单元1002具体用于执行步骤204。
可选地,参数分析装置1000还可以包括存储单元(图10中以虚线框示出),该存储单元存储有程序或指令。当处理单元1002执行该程序或指令时,使得参数分析装置1000可以执行上述方法实施例所述的参数分析方法。
此外,图10所述的参数分析装置的技术效果可以参考上述实施例所述的参数分析方法的技术效果,此处不再赘述。
图11示出了上述实施例中所涉及的参数分析装置的又一种可能的结构示意图。该参数分析装置1100包括:处理器1102和通信接口1103。处理器1102被配置为对参数分析装置1100的动作进行控制管理,例如,执行上述获取单元1001、处理单元1002和输出单元1003执行的步骤,和/或被配置为执行本文所描述的技术的其它过程。通信接口1103被配置为支持参数分析装置1100与其他网络实体的通信。参数分析装置1100还可以包括存储器1101和总线1104,存储器1101被配置为存储参数分析装置1100的程序代码和数据。
其中,存储器1101可以是参数分析装置1100中的存储器等,该存储器可以包括易失性存储器,例如随机存取存储器;该存储器也可以包括非易失性存储器,例如只读存储器,快闪存储器,硬盘或固态硬盘;该存储器还可以包括上述种类的存储器的组合。
上述处理器1102可以是实现或执行结合本公开公开内容所描述的各种示例性地逻辑方框,模块和电路。该处理器可以是中央处理器,通用处理器,数字信号处理器,专用集成电路,现场可编程门阵列或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本公开公开内容所描述的各种示例性地逻辑方框,模块和电路。该处理器也可以是实现计算功能的组合,例如包含一个或多个微处理器组合,DSP和微处理器的组合等。
总线1104可以是扩展工业标准结构(Extended Industry Standard Architecture,EISA)总线等。总线1104可以分为地址总线、数据总线、控制总线等。为便于表示,图11中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
图11中的参数分析装置1100还可以为芯片。该芯片包括一个或两个以上(包括两个)处理器1102和通信接口1103。
可选地,该芯片还包括存储器1101,存储器1101可以包括只读存储器和随机存取存储器,并向处理器1102提供操作指令和数据。存储器1101的一部分还可以包括非易失性随机存取存储器(non-volatile random access memory,NVRAM)。
在一些实施方式中,存储器1101存储了如下的元素,执行模块或者数据结构,或者他们的子集,或者他们的扩展集。
在本公开实施例中,通过调用存储器1101存储的操作指令(该操作指令 可存储在操作***中),执行相应的操作。
通过以上的实施方式的描述,所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将装置的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。上述描述的***,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
本公开的一些实施例提供了一种计算机可读存储介质(例如,非暂态计算机可读存储介质),该计算机可读存储介质中存储有计算机程序指令,计算机程序指令在计算机(例如,参数分析装置)上运行时,使得计算机执行如上述实施例中任一实施例所述的参数分析方法。
示例性地,上述计算机可读存储介质可以包括,但不限于:磁存储器件(例如,硬盘、软盘或磁带等),光盘(例如,CD(Compact Disk,压缩盘)、DVD(Digital Versatile Disk,数字通用盘)等),智能卡和闪存器件(例如,EPROM(Erasable Programmable Read-Only Memory,可擦写可编程只读存储器)、卡、棒或钥匙驱动器等)。本公开描述的各种计算机可读存储介质可代表用于存储信息的一个或多个设备和/或其它机器可读存储介质。术语“机器可读存储介质”可包括但不限于,无线信道和能够存储、包含和/或承载指令和/或数据的各种其它介质。
本公开的一些实施例还提供了一种计算机程序产品,例如该计算机程序产品存储在非瞬时性的计算机可读存储介质上。该计算机程序产品包括计算机程序指令,在计算机(例如,参数分析装置)上执行该计算机程序指令时,该计算机程序指令使计算机执行如上述实施例所述的参数分析方法。
本公开的一些实施例还提供了一种计算机程序。当该计算机程序在计算机(例如,参数分析装置)上执行时,该计算机程序使计算机执行如上述实施例所述的参数分析方法。
上述计算机可读存储介质、计算机程序产品及计算机程序的有益效果和上述一些实施例所述的参数分析方法的有益效果相同,此处不再赘述。
在本公开所提供的几个实施例中,应该理解到,所揭露的***、设备和方法,可以通过其它的方式实现。例如,以上所描述的设备实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间 的耦合或直接耦合或通信连接可以是通过一些接口,设备或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本公开各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
以上所述,仅为本公开的具体实施方式,但本公开的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本公开揭露的技术范围内,想到变化或替换,都应涵盖在本公开的保护范围之内。因此,本公开的保护范围应以所述权利要求的保护范围为准。
Claims (18)
- 一种检测参数分析方法,包括:获取产品的多组第一检测参数;所述第一检测参数包括多个测量点的检测参数,所述测量点为所述产品上的位置点;根据插值算法,对所述多组第一检测参数进行插值处理,确定多组第二检测参数;所述第二检测参数的组数与所述第一检测参数的组数相同;根据相关性分析算法,确定所述多组第二检测参数之间的相关性评估值;所述相关性评估值用于表征每个所述测量点对应的所述多组第二检测参数之间的相关性;输出所述多组第二检测参数之间的相关性评估值。
- 根据权利要求1所述的方法,其中,所述插值算法为Kriging插值法;所述根据插值算法,对所述多组第一检测参数进行插值处理,确定多组第二检测参数,包括:确定第一测量点和第二测量点之间的坐标距离以及半方差;所述第一测量点和所述第二测量点为同一组所述第一检测参数对应的所述多个测量点中的测量点;根据所述第一测量点和所述第二测量点之间的距离以及半方差,确定多个预测点的半方差;所述预测点为所述多组第一检测参数对应的所述多个测量点中,未在每一组所述第一检测参数中都具有对应的检测参数的测量点;根据所述多个预测点的半方差,确定权重系数;根据所述权重系数和所述多组第一检测参数,确定所述多个预测点的目标插值;根据所述多个预测点的目标插值,对所述多组第一检测参数进行插值处理,确定所述多组第二检测参数。
- 根据权利要求2所述的方法,其中,所述根据所述第一测量点和所述第二测量点之间的坐标距离以及半方差,确定多个预测点的半方差,包括:根据所述第一测量点和所述第二测量点之间的坐标距离以及半方差,确定半方差拟合曲线;根据所述半方差拟合曲线,确定所述多个预测点的半方差。
- 根据权利要求2或3所述的方法,其中,所述第一测量点和所述第二测量点之间的坐标距离满足以下公式:其中,d ij表示所述第一测量点和所述第二测量点之间的坐标距离,i表示 所述第一测量点的编号,x i表示所述第一测量点的横坐标,y i表示所述第一测量点的纵坐标,j表示所述第二测量点的编号,x j表示所述第二测量点的横坐标,y j表示所述第二测量点的纵坐标;所述第一测量点和所述第二测量点之间的半方差满足以下公式:其中,r ij表示所述第一测量点和所述第二测量点之间的半方差,E表示协方差,z i表示所述第一测量点的检测参数,z j表示所述第二测量点的检测参数;所述多个预测点的目标插值满足以下公式:其中, 表示所述多个预测点的目标插值,λ k表示所述权重系数,z k表示一个编号为k的所述测量点的检测参数。
- 根据权利要求1所述的方法,其中,所述相关性分析算法为皮尔逊Pearson相关性分析法,所述多组第二检测参数之间的相关性评估值满足以下公式:其中,ρ表示所述相关性评估值,X、Y分别表示一种所述第二检测参数,μ X表示第二检测参数X的平均镇,μ Y表示第二检测参数Y的平均值,σ X表示所述第二检测参数X的标准差,σ Y表示所述第二检测参数Y的标准差。
- 根据权利要求1所述的方法,其中,所述相关性分析算法为克鲁斯卡尔-沃利斯Kruskal-Wallis检验法;所述根据相关性分析算法,确定所述多组第二检测参数之间的相关性评估值,包括:按照递增顺序,对所述多组第二检测参数进行排序;确定排序后的所述多组第二检测参数的秩;根据所述多组第二检测参数的秩,确定所述多组第二检测参数的统计量;根据所述多组第二检测参数的统计量,确定所述多组第二检测参数之间的相关性评估值。
- 根据权利要求6所述的方法,其中,所述多组第二检测参数的统计量满足以下公式:其中,H表示所述多组第二检测参数的统计量,N表示所述多组第二检测参数中包括的检测参数的数量,n表示一个所述第二检测参数中包括的检测参数的数量,R X表示第二检测参数X的秩的和,R Y表示第二检测参数Y的秩的和;所述多组第二检测参数之间的相关性评估值满足以下公式:其中,P表示多组第二检测参数之间的相关性评估值,H表示所述多组第二检测参数的统计量,k表示所述第二检测参数的数量,Γ表示伽马分布函数。
- 根据权利要求1-7任一项所述的方法,其中,还包括:确定所述多组第二检测参数的等高线图;所述等高线图用于表征所述产品上各区域对应的检测参数的大小;输出所述多组第二检测参数的等高线图。
- 根据权利要求1-8中任一项所述的方法,其中,所述获取产品的多组第一检测参数,包括:确定统计聚合表;根据所述统计聚合表,获取所述产品的所述多组第一检测参数。
- 根据权利要求9所述的方法,其中,所述统计聚合表为海杜普数据库HBase统计聚合表,所述确定HBase统计聚合表,包括:根据所述海杜普数据库,从检测设备获取多个产品的第三检测参数;所述第三检测参数包括所述第一检测参数;根据结构化查询语言SQL对所述多个产品的第三检测参数进行数据聚合,确定所述HBase统计聚合表。
- 根据权利要求1-10中任一项所述的方法,其中,所述多组第一检测参数包括关键工艺参数和电永磁铁EPM电性参数;所述关键工艺参数包括面电阻RS参数、对合精度TP参数、线宽CD参数、膜厚THK参数、以及套合精度OL参数中的至少一项;所述电性参数包括阈值电压VTH参数、迁移率MOB参数、工作电流ION参数、以及反向截止电流IOFF参数中的至少一项。
- 根据权利要求1-11中任一项所述的方法,其中,还包括:在输出所述多组第二检测参数之间的相关性评估值之前,对所述多组第 二检测参数之间的相关性评估值进行排序。
- 一种检测参数分析装置,包括:获取单元、处理单元和输出单元;所述获取单元,被配置为获取产品的多组第一检测参数;所述第一检测参数包括多个测量点的检测参数,所述测量点为所述产品上的位置点;所述处理单元,被配置为根据插值算法,对所述多组第一检测参数进行插值处理,确定多组第二检测参数;所述第二检测参数的数量与所述第一检测参数的数量相同;所述处理单元,还被配置为根据相关性分析算法,确定所述多组第二检测参数之间的相关性评估值;所述相关性评估值用于表征每个所述测量点对应的所述多组第二检测参数之间的相关性;所述输出单元,被配置为输出所述第二检测参数的相关性评估值。
- 一种检测参数分析装置,包括处理器和通信接口;所述通信接口和所述处理器耦合,所述处理器用于运行计算机程序或指令,以实现如权利要求1-12任一项所述的检测参数分析方法。
- 一种检测参数分析***,包括检测参数分析装置,所述检测器参数分析装置用于执行上述权利要求1-12任一项所述的检测参数分析方法。
- 一种检测参数分析应用,其中,所述检测参数分析应用包括一种应用交互界面,当在所述应用交互界面执行预设操作时,使得所述检测参数分析应用执行上述权利要求1-12任一项所述的检测参数分析方法。
- 一种非暂态计算机可读存储介质,其中,所述非暂态计算机可读存储介质中存储有指令,当计算机执行所述指令时,所述计算机执行上述权利要求1-12任一项所述的检测参数分析方法。
- 一种计算机程序产品,所述计算机程序产品包括计算机程序指令,在计算机上执行所述计算机程序指令时,所述计算机程序指令使计算机执行如权利要求1-12任一项所述的检测参数分析方法。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/CN2022/084212 WO2023184281A1 (zh) | 2022-03-30 | 2022-03-30 | 一种检测参数分析方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117157541A true CN117157541A (zh) | 2023-12-01 |
Family
ID=88198561
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202280000628.4A Pending CN117157541A (zh) | 2022-03-30 | 2022-03-30 | 一种检测参数分析方法及装置 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN117157541A (zh) |
WO (1) | WO2023184281A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117540258A (zh) * | 2024-01-10 | 2024-02-09 | 深圳市艾克姆科技发展有限公司 | 一种注塑生产监测方法、装置及*** |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004259894A (ja) * | 2003-02-25 | 2004-09-16 | Toshiba Corp | 半導体装置の解析方法、解析システム及びプログラム |
CN102608514A (zh) * | 2011-01-20 | 2012-07-25 | 中国科学院微电子研究所 | 器件电学特性相关性分析方法及器件结构优化方法 |
CN113176761B (zh) * | 2021-04-28 | 2022-09-06 | 西安电子科技大学 | 多加工特征薄板零件质量预测与工艺参数优化方法 |
-
2022
- 2022-03-30 CN CN202280000628.4A patent/CN117157541A/zh active Pending
- 2022-03-30 WO PCT/CN2022/084212 patent/WO2023184281A1/zh unknown
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117540258A (zh) * | 2024-01-10 | 2024-02-09 | 深圳市艾克姆科技发展有限公司 | 一种注塑生产监测方法、装置及*** |
CN117540258B (zh) * | 2024-01-10 | 2024-05-03 | 深圳市艾克姆科技发展有限公司 | 一种注塑生产监测方法、装置及*** |
Also Published As
Publication number | Publication date |
---|---|
WO2023184281A9 (zh) | 2024-01-11 |
WO2023184281A1 (zh) | 2023-10-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9361702B2 (en) | Image detection method and device | |
US8312401B2 (en) | Method for smart defect screen and sample | |
CN105488317B (zh) | 用于预测空气质量的***和方法 | |
TW201642147A (zh) | 具取樣率決定機制的量測抽樣方法 與其電腦程式產品 | |
US9626761B2 (en) | Sampling method and image processing apparatus of CS-RANSAC for estimating homography | |
TW201537360A (zh) | 量測抽樣方法與其電腦程式產品 | |
CN110536257B (zh) | 一种基于深度自适应网络的室内定位方法 | |
Biard et al. | Automated detection of weather fronts using a deep learning neural network | |
CN107239477B (zh) | 一种融合空间相关性的地理数据支持向量回归方法 | |
CN112860769B (zh) | 一种能源规划数据管理*** | |
CN117157541A (zh) | 一种检测参数分析方法及装置 | |
JP6943242B2 (ja) | 分析装置、分析方法、およびプログラム | |
CN114970621A (zh) | 异常聚集事件的检测方法、装置、电子设备和存储介质 | |
CN113344994B (zh) | 图像配准方法、装置、电子设备及存储介质 | |
CN112749035A (zh) | 异常检测方法、装置及计算机可读介质 | |
CN114118835B (zh) | 一种定量遥感反演预测结果评价方法及*** | |
CN113778042B (zh) | 基于信息化建模的工控设备指令模拟运行通信*** | |
Zhang et al. | A YOLOv3‐Based Industrial Instrument Classification and Reading Recognition Method | |
CN112528500B (zh) | 一种场景图构造模型的评估方法及评估设备 | |
US11372399B2 (en) | System section data management device and method thereof | |
CN113191017B (zh) | 虚拟量测模型构建方法、虚拟量测方法、***、电子设备及计算机可读存储介质 | |
CN109615412A (zh) | 小区均价预估方法、电子装置及存储介质 | |
CN113095691B (zh) | 地面观测站位势高度要素的数据质量评估方法和装置 | |
US9218582B2 (en) | Quantifying the quality of trend lines | |
Liu | Data analytics and smart city operations |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |