TWI756784B - 用於評估製造系統中的機器良率的裝置及方法 - Google Patents

用於評估製造系統中的機器良率的裝置及方法 Download PDF

Info

Publication number
TWI756784B
TWI756784B TW109128113A TW109128113A TWI756784B TW I756784 B TWI756784 B TW I756784B TW 109128113 A TW109128113 A TW 109128113A TW 109128113 A TW109128113 A TW 109128113A TW I756784 B TWI756784 B TW I756784B
Authority
TW
Taiwan
Prior art keywords
machine
yield
products
manufacturing
sum
Prior art date
Application number
TW109128113A
Other languages
English (en)
Other versions
TW202209029A (zh
Inventor
梁德容
張欽圳
Original Assignee
國立中央大學
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 國立中央大學 filed Critical 國立中央大學
Priority to TW109128113A priority Critical patent/TWI756784B/zh
Application granted granted Critical
Publication of TWI756784B publication Critical patent/TWI756784B/zh
Publication of TW202209029A publication Critical patent/TW202209029A/zh

Links

Images

Classifications

    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • General Factory Administration (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

一種用於包含複數個機器的製造系統的良率評估裝置及良率評估方法被揭露。各機器參與一批產品的複數個製造步驟中的一或多個。該良率評估裝置首先基於各機器的初始良率以及於該複數製造步驟中的最後一者結束後所偵測的損壞品數量，為各機器計算其所參與的各製造步驟中的損壞品期望值以及潛在損壞品數量。隨後，基於為各機器所計算的所有潛在損壞品數量的總和以及於該複數製造步驟中的最後一者結束後所偵測的良好品數量，為各機器計算良好品期望值。最後，根據為各機器所計算的良好品期望值以及所有損壞品期望值的總和，為各機器評估良率。

Description

用於評估製造系統中的機器良率的裝置及方法
本揭露是關於一種良率評估裝置以及良率評估方法。更具體而言，本揭露是關於一種用於不具有充足檢測機器的一製造系統的良率評估裝置以及良率評估方法。
於傳統的製造系統中，可在一產品線上透過傳統製造系統中的複數個機器執行多個製造步驟以製造一批產品。由於傳統的製造系統在大多數的情況下僅在意產品線的總體良率，故僅會將一檢測機器佈建於產品線末端附近，並用以計算正常產品（以下泛稱為「良好品」）的總數以及損壞產品（以下泛稱為「損壞品」）的總數。然而，由於在檢測機器數量不足的情況下無法獲得於各製造步驟中正常產品以及損壞產品的數量，故難以評估整個產品線上的各機器的相應良率。換言之，當產品線上出現損壞產品時，無法僅透過一台檢測機器而確定該損壞產品是由哪一台機器（於其參與的製造步驟中）所造成，此情況被稱為「隧道問題」。此外，即便於產品線上佈建更多的檢測機器來進行檢測，假如某些產品具有當下難以察覺的缺陷，其仍可能有辦法通過某些檢測機器的檢測，進而造成事後難以確定是哪一台機器造成了該缺陷，此情況被稱為「隱藏性缺失問題」。有鑑於上述情況，本揭露所屬技術領域亟需一種在不具充足檢測機器的情況下仍有辦法評估整個產品線上各機器的相應良率的良率評估方法。
為了至少解決上述問題，本揭露提供了一種用於一製造系統的良率評估裝置。該良率評估裝置可包含一儲存器以及與該儲存器電性連接的一處理器。該儲存器可用以儲存複數個機器的複數個初始良率，且各機器可參與該製造系統中的一批產品的複數個製造步驟中的一或多個。該處理器可用以基於各機器的一初始良率以及於該複數製造步驟中的最後一者結束時或結束後所偵測到的一損壞品數量，為各機器計算其所參與的各製造步驟中的一損壞品期望值以及一潛在損壞品數量。該處理器還可基於為各機器所計算的所有潛在損壞品數量的一總和以及於該複數製造步驟中的最後一者結束時或結束後所偵測到的一良好品數量，為各機器計算一良好品期望值。此外，該處理器還可根據為各機器所計算的良好品期望值以及所有損壞品期望值的一總和，為各機器評估一良率。
為了至少解決上述問題，本揭露還提供了一種用於一製造系統的良率評估方法。該製造系統可包含複數個機器，各機器參與一批產品的複數個製造步驟中的一或多個。該良率評估方法可包含： 由一計算機，基於各機器的一初始良率以及於該複數製造步驟中的最後一者結束時或結束後所偵測到的一損壞品數量，為各機器計算其所參與的各製造步驟中的一損壞品期望值以及一潛在損壞品數量； 由該計算機，基於為各機器所計算的所有潛在損壞品數量的一總和以及於該複數製造步驟中的最後一者結束時或結束後所偵測到的一良好品數量，為各機器計算一良好品期望值；以及 由該計算機，根據為各機器所計算的良好品期望值以及所有損壞品期望值的一總和，為各機器評估一良率。
本揭露的良率評估裝置及良率評估方法是基於為產品線上各機器所計算的良好品期望值和損壞品期望值來評估各機器的良率，且僅需要一台檢測機器便可進行上述良好品期望值與損壞品期望值的全部計算內容。因此，本揭露的良率評估裝置及良率評估方法可在不具充足檢測機器的情況下評估整個產品線上各機器的相應良率，進而解決了傳統製造系統所遭遇的上述技術問題。
發明內容整體地敘述了本揭露的核心概念，並涵蓋了本揭露可解決的問題、可採用的手段以及可達到的功效，以提供本揭露所屬技術領域中具有通常知識者對本揭露的基本理解。然而，應理解，發明內容並非有意概括本揭露的所有實施例，而僅是以一簡單形式來呈現本揭露的核心概念，以作為隨後詳細描述的一個引言。
以下所述各種實施例並非用以限制本揭露只能在所述的環境、應用、結構、流程或步驟方能實施。於圖式中，與本揭露非直接相關的元件皆已省略。於圖式中，各元件的尺寸以及各元件之間的比例僅是範例，而非用以限制本揭露。除了特別說明之外，在以下內容中，相同（或相近）的元件符號可對應至相同（或相近）的元件。
第1圖例示了根據本揭露的一或多個實施例的一種用於一製造系統的良率評估裝置。第1圖所示內容僅是為了說明本揭露的實施例，而非為了限制本揭露。
參照第1圖，一製造系統1可包含複數個機器211、212、213、214、...以及一良率評估裝置11。製造系統1旨在製造對應至一特定產品類型的至少一批產品。所述對應至一特定產品類型的產品於本文中被稱作一「目標產品」，且可為例如但不限於一陶瓷基板、一印刷電路板（printed circuit board，PCB）等等。在某些實施例中，製造系統1可在採用例如但不限於零工型（job shop）、流線型（flow shop）、混合型（hybrid shop）等多階作業流程形式的一工廠中被實作出。
於本文中，目標產品的複數個呈現順序性的製造步驟被稱為「製造流程」。各製造步驟可與由至少一機器提供的特定製造功能有關，且提供相似製造功能的複數個機器可組成一集合，稱之為「製造站點」。各製造步驟可對應至一製造站點中的一機器。在某些實施例中，機器211、212、213、214、...當中的每一者可參與製造系統1中一批目標產品的一或多個製造步驟。
良率評估裝置11可包含一儲存器111以及與儲存器111電性連接的一處理器112。儲存器111與處理器112之間的電性連接可以是直接連接（即沒有透過其他元件而彼此連接）或間接連接（即透過其他元件而彼此連接）。在某些實施例中，用於控制製造系統1中的機器的操作的一中控電腦可包含該良率評估裝置11。
儲存器111可用以儲存良率評估裝置11所產生的資料、外部裝置傳入的資料、或使用者自行輸入的資料。儲存器111可包含第一級記憶體（又稱主記憶體或內部記憶體），且處理器112可直接讀取儲存在第一級記憶體內的指令集，並在需要時執行這些指令集。儲存器111可選擇性地包含第二級記憶體（又稱外部記憶體或輔助記憶體），且此記憶體可透過資料緩衝器將儲存的資料傳送至第一級記憶體。舉例而言，第二級記憶體可以是但不限於：硬碟、光碟等。儲存器11可選擇性地包含第三級記憶體，亦即，可直接***或自電腦拔除的儲存裝置，例如隨身硬碟。在某些實施例中，儲存器111可用以儲存分別與機器211、212、213、214、…相應的複數個初始良率011、012、013、014、…。
處理器112可以是具備訊號處理功能的微處理器（microprocessor）或微控制器（microcontroller）等。微處理器或微控制器是一種可程式化的特殊積體電路，其具有運算、儲存、輸出／輸入等能力，且可接受並處理各種編碼指令，藉以進行各種邏輯運算與算術運算，並輸出相應的運算結果。處理器112可被編程以解釋各種指令，以處理良率評估裝置11中的資料並執行各項運算程序或程式。
在某些實施例中，處理器112可用以針對在多個產品線上運作的機器211、212、213、214、…的複數筆原始製造資料執行資料清理運算（即，前處理），而儲存器111可用以儲存經過前處理後的原始製造資料。接著，處理器112還可用以基於自各產品線上所偵測出的良好品數量以及損壞品數量而評估各產品線的一整體良率。舉例而言，各產品線的整體良率可表示為在各產品線上偵測到的良好品數量與在同一產品線上偵測到的良好品數量和損壞品數量之總和的一比值。隨後，處理器112可用以透過針對各機器211、212、213、214、...在產品線上的使用次數以及產品線的整體良率執行一最小平方法運算，以分別評估機器211、212、213、214、...的初始良率011、012、013、014、...。
第2圖例示了根據本揭露的一或多個實施例的一製造系統中的一產品線。第2圖所示內容僅是為了說明本揭露的實施例，而非為了限制本揭露。
同時參照第1圖以及第2圖，製造系統1可適用於一產品線PL1，且產品線PL1用於製造一批目標產品TP1。產品線PL1的運行可涉及分別對應至製造步驟S11、S12、S13、S14、...的機器211、212、213、214、...。首先，可將一批產品製造材料P10輸入至機器211中，進而自機器211獲得一批半成品P11。接下來，可將半成品P11輸入至機器212以獲得一批半成品P12，且可再將半成品P12進一步輸入至機器213以獲得一批半成品P13。同樣地，可將半成品P13輸入至機器214以獲得一批半成品P14，且製造步驟可如此繼續進行直到成功製造出一批目標產品TP1為止。
製造系統1可包含與良率評估裝置11電性連接的檢測機器200。檢測機器200可用以在製造步驟S11、S12、S13、S14、...中的任一製造步驟完成之後，檢測在該製造步驟當中或在該製造步驟之前所造成的各種缺陷。基於針對製造步驟S11、S12、S13、S14、...所檢測出的缺陷，檢測機器200還可在該製造步驟當中確認良好品數量與損壞品數量。舉例而言，檢測機器200可用以檢測在製造步驟S14當中或之前所造成的各種缺陷，然後在製造步驟S14完成時或完成後確認良好品數量與損壞品數量。檢測機器200可透過有線或無線的方式與良率評估裝置11通訊，以將檢測的結果發送至良率評估裝置11。儲存器111還可用以儲存檢測的結果。
於檢測之後，一旦檢測機器200偵測到任何損壞品，此便意味著已經完成其製造步驟的機器都是造成該損壞品的嫌疑者。舉例而言，機器211、212、213、214都是導致在製造步驟S14完成時或完成後所偵測到的損壞品的嫌疑機器。因此，處理器112可用以基於機器211、212、213、214各自的該初始良率以及該損壞品數量而為機器211、212、213、214各自計算在其對應的每個製造步驟中的一損壞品期望值以及一潛在損壞品數量。一製造步驟中的損壞品期望值是表示在該製造步驟中所產生的損壞品數量的一估計值，而一製造步驟中的潛在損壞品數量是表示通過該製造步驟並且將於之後轉為損壞狀態的產品／半成品的一估計數量。
更具體而言，在某些實施例中，處理器112可先根據以下第1a式來為機器211、212、213、214中的每一者在其對應的每個製造步驟中計算損壞品期望值：
Figure 02_image001
（第1a式） 其中： 「
Figure 02_image003
」表示在該批目標產品的該製造流程中，相應於第「
Figure 02_image005
」個製造步驟（
Figure 02_image007
）的機器在該製造步驟的損壞品期望值，且於該製造流程中，損壞品是在第「
Figure 02_image009
」個製造步驟完成時被觀察／偵測到； 「
Figure 02_image011
」表示在該批目標產品的該製造流程中，相應於第「
Figure 02_image005
」個製造步驟的機器（以下簡稱為第「
Figure 02_image005
」個機器）的良率；以及
Figure 02_image013
」表示在該製造流程中的第「
Figure 02_image009
」個製造步驟完成時所觀察／偵測到的損壞品的數量。
在第1a式中，由於「
Figure 02_image011
」為相應於第「
Figure 02_image005
」個製造步驟的機器的良率，故「
Figure 02_image015
」可表示在第「
Figure 02_image005
」個所對應的製造步驟中造成任何損壞品的機率值，而「
Figure 02_image017
」則可表示在該批產品的各製造步驟中造成任何損壞品的機率值的總和。因此，處理器112可透過將所偵測的該損壞品數量乘以一第一比值而為機器211、212、213、214中的每一者計算損壞品期望值。該第一比值等於將各機器於其所參與的各製造步驟中造成任何損壞品的一機率值除以在該批產品的各製造步驟中造成任何損壞品的一機率值的一總和的一結果。
茲以製造步驟S11、S12、S13、S14為例，倘若製造步驟S11、S12、S13、S14分別被標示為第一製造步驟、第二製造步驟、第三製造步驟、第四製造步驟，相應於各該製造步驟的機器211、212、213、214也可分別被標示為第一機器、第二機器、第三機器、第四機器。亦即，損壞品是在第四製造步驟結束時或結束後而被偵測出。在此情況下，處理器112可計算損壞品期望值「
Figure 02_image019
」、「
Figure 02_image021
」、「
Figure 02_image023
」、「
Figure 02_image025
」，亦即，為第一機器、第二機器、第三機器、第四機器中的每一者計算其在相應的製造步驟中的損壞品期望值。
在獲得損壞品期望值之後，處理器112可為機器211、機器212、機器213、機器214中的每一者計算其在相應的製造步驟中的潛在損壞品數量，以估算經過各該機器並且在其之後的製造步驟中才轉變為損壞品的半成品／產品的數量。更具體而言，潛在損壞品數量表示經過一機器在一特定製造步驟中的處理之後的良好品即將在之後的製造步驟中轉變為損壞品的一數量。
在某些實施例中，潛在損壞品數量可根據以下第2a式而計算出：
Figure 02_image027
（第2a式） 其中： 「
Figure 02_image029
」表示在該批目標產品的該製造流程中，相應於第「
Figure 02_image005
」個製造步驟（
Figure 02_image007
）的機器在該製造步驟的潛在損壞品數量，且於該製造流程中，損壞品是在第「
Figure 02_image009
」個製造步驟完成時被觀察／偵測到；以及 「
Figure 02_image031
」表示在該批目標產品的該製造流程中，相應於第「
Figure 02_image005
」個製造步驟（
Figure 02_image007
）的機器在該製造步驟的損壞品期望值，且於該製造流程中，損壞品是在第「
Figure 02_image009
」個製造步驟完成時被觀察／偵測到。
基於上述公式，處理器112可透過將下一製造步驟的潛在損壞品數量以及損壞品期望值相加，以為機器211、212、213、214中的每一者計算其在除了該複數個製造步驟中的最後一者（於本例中即為第四製造步驟）之外的其他相應的製造步驟中的潛在損壞品數量（即，處理器112可計算「
Figure 02_image033
」、「
Figure 02_image035
」、「
Figure 02_image037
」）。由於所有的潛在損壞品在該最後一個製造步驟結束時皆已轉變為被偵測出的損壞品，故在該最後一個製造步驟中的潛在損壞品數量（即「
Figure 02_image039
」）可為零。
在獲得機器211、212、213、214中的每一者在其相應的製造步驟中的損壞品期望值以及潛在損壞品數量之後，處理器112還可將機器211、212、213、214每一者的損壞品期望值以及潛在損壞品數量分別加總，以計算機器211、212、213、214每一者所造成的損壞品數量以及潛在損壞品數量的總和，如下方第3a式以及第4a式所示：
Figure 02_image041
（第3a式）
Figure 02_image043
（第4a式） 其中： 「
Figure 02_image029
」表示在該批目標產品的該製造流程中，相應於第「
Figure 02_image005
」個製造步驟（
Figure 02_image007
）的機器在該製造步驟的潛在損壞品數量，且於該製造流程中，損壞品是在第「
Figure 02_image009
」個製造步驟完成時被觀察／偵測到； 「
Figure 02_image045
」表示在該批目標產品的該製造流程中，相應於第「
Figure 02_image005
」個製造步驟（
Figure 02_image007
）的機器在該製造步驟的損壞品期望值，且於該製造流程中，損壞品是在第「
Figure 02_image009
」個製造步驟完成時被觀察／偵測到； 「
Figure 02_image047
」為指標參數，用以表示：在該批目標產品的該製造流程中相應於第「
Figure 02_image005
」個製造步驟的機器，以及於該製造流程中，損壞品是在第「
Figure 02_image009
」個製造步驟完成時被觀察／偵測到的； 「
Figure 02_image049
」表示與機器「
Figure 02_image051
」有關的指標參數「
Figure 02_image047
」所形成的集合； 「
Figure 02_image053
」表示在所有與機器「
Figure 02_image051
」相應的製造步驟中的潛在損壞品數量；以及 「
Figure 02_image055
」表示由機器「
Figure 02_image051
」在所有相應的製造步驟中所造成的損壞品的數量。
在計算出機器211、212、213、214每一者所有的潛在損壞品數量之後，處理器112還可基於各機器所有的潛在損壞品數量以及在該複數製造步驟中的最後一者（即，製造步驟S14）結束時所偵測出的一良好品數量來分別為各機器計算一良好品期望值。所述良好品期望值是表示經過該機器的良好品的估算數量。
在某些實施例中，良好品期望值可根據以下第5a式而計算出：
Figure 02_image057
（第5a式） 其中： 「
Figure 02_image059
」表示經過與機器「
Figure 02_image051
」相應的所有製造步驟的良好品的數量（亦即，良好品期望值）； 「
Figure 02_image053
」表示在所有與機器「
Figure 02_image051
」相應的製造步驟中的潛在損壞品數量； 「
Figure 02_image061
」表示在最後一個製造步驟結束時所偵測到的良好品數量；以及 「
Figure 02_image063
」表示機器「
Figure 02_image051
」的使用次數。
在此之後，處理器112可根據為機器211、212、213、214每一者所計算的良好品期望值以及其所有的損壞品期望值，分別為機器211、212、213、214每一者評估一良率。具體而言，一機器的良率可為使用該機器而獲得良好品的機率。在某些實施例中，機器的良率可根據以下第6式而評估出：
Figure 02_image065
（第6式） 其中： 「
Figure 02_image067
」表示機器「
Figure 02_image051
」的良率； 「
Figure 02_image059
」表示經過與機器「
Figure 02_image051
」相應的所有製造步驟的良好品的數量；以及 「
Figure 02_image055
」表示由機器「
Figure 02_image051
」在所有相應的製造步驟中所造成的損壞品數量。
在評估完機器211、212、213、214之後，處理器112可將所新評估的良率分別用以覆蓋機器211、212、213、214的初始良率011、012、013、014。在某些實施例中，上述評估良率的方式可在檢測機器200偵測出任何損壞品時而被執行，以使各機器的良率得以被持續地更新。
在某些實施例中，製造系統1可包含用於產品線PL1的複數個檢測機器，用以於不同的製造步驟結束後各自偵測是否出現損壞品。當任一檢測機器偵測出損壞品時，處理器112可根據上述第1a式、第2a式、第3a式、第4a式、第5a式而進行近似於如上所述的良率評估。
在某些實施例中，本揭露所提供的良率評估方式也可應用至複數個產品線，該複數產品線可以是用以製造複數批相同或不同產品類別的產品。在此情況下，處理器112可根據以下第1b式、第2b式、第3b式、第4b式、第5b式以及上述之第6式而評估機器良率：
Figure 02_image069
（第1b式） 其中： 「
Figure 02_image071
」表示在第「
Figure 02_image073
」批目標產品的製造流程中，相應於第「
Figure 02_image005
」個製造步驟（
Figure 02_image007
）的機器在該製造步驟的損壞品期望值，且於該製造流程中，損壞品是在第「
Figure 02_image009
」個製造步驟完成時被觀察／偵測到； 「
Figure 02_image075
」表示在第「
Figure 02_image073
」批目標產品的製造流程中，相應於第「
Figure 02_image005
」個製造步驟的機器的良率；以及
Figure 02_image077
」表示在第「
Figure 02_image073
」批目標產品的製造流程中的第「
Figure 02_image009
」個製造步驟完成時所觀察／偵測到的損壞品的數量。
Figure 02_image079
（第2b式） 其中： 「
Figure 02_image081
」表示在第「
Figure 02_image073
」批目標產品的製造流程中，相應於第「
Figure 02_image005
」個製造步驟（
Figure 02_image007
）的機器在該製造步驟的潛在損壞品數量，且於該製造流程中，損壞品是在第「
Figure 02_image009
」個製造步驟完成時被觀察／偵測到；以及 「
Figure 02_image083
」表示在第「
Figure 02_image073
」批目標產品的製造流程中，相應於第「
Figure 02_image005
」個製造步驟（
Figure 02_image007
）的機器在該製造步驟的損壞品期望值，且於該製造流程中，損壞品是在第「
Figure 02_image009
」個製造步驟完成時被觀察／偵測到。
Figure 02_image085
（第3b式）
Figure 02_image087
（第4b式） 其中： 「
Figure 02_image081
」表示在第「
Figure 02_image073
」批目標產品的製造流程中，相應於第「
Figure 02_image005
」個製造步驟（
Figure 02_image007
）的機器在該製造步驟的潛在損壞品數量，且於該製造流程中，損壞品是在第「
Figure 02_image009
」個製造步驟完成時被觀察／偵測到； 「
Figure 02_image083
」表示在第「
Figure 02_image073
」批目標產品的製造流程中，相應於第「
Figure 02_image005
」個製造步驟（
Figure 02_image007
）的機器在該製造步驟的損壞品期望值，且於該製造流程中，損壞品是在第「
Figure 02_image009
」個製造步驟完成時被觀察／偵測到； 「
Figure 02_image089
」為指標參數，用以表示：在第「
Figure 02_image073
」批目標產品的該製造流程中相應於第「
Figure 02_image005
」個製造步驟的機器，以及於該製造流程中，損壞品是在第「
Figure 02_image009
」個製造步驟完成時被觀察／偵測到的； 「
Figure 02_image049
」表示與機器「
Figure 02_image051
」有關的指標參數「
Figure 02_image089
」所形成的集合； 「
Figure 02_image053
」表示在所有與機器「
Figure 02_image051
」相應的製造步驟中的潛在損壞品數量；以及 「
Figure 02_image055
」表示由機器「
Figure 02_image051
」在所有相應的製造步驟中所造成的損壞品的數量。
Figure 02_image091
（第5b式） 其中： 「
Figure 02_image059
」表示經過與機器「
Figure 02_image051
」相應的所有製造步驟的良好品的數量； 「
Figure 02_image053
」表示在所有與機器「
Figure 02_image051
」相應的製造步驟中的潛在損壞品數量； 「
Figure 02_image093
」表示在第「
Figure 02_image073
」批目標產品的最後一個製造步驟結束時所偵測到的良好品數量；以及 「
Figure 02_image063
」表示機器「
Figure 02_image051
」的使用次數。
由於本揭露所屬技術領域中具有通常知識者基於上方關於一批產品的製造流程的良率評估方式的敘述內容可直接理解如何根據第1b式、第2b式、第3b式、第4b式、第5b式、第6式而實作出本揭露關於複數批產品的良率評估方式，故將不贅言。
第3圖例示了根據本揭露的一或多個實施例的一種用於一製造系統的良率評估方法。第3圖所示內容僅是為了說明本揭露的實施例，而非為了限制本揭露。
參照第3圖，其例示一種用於包含複數個機器的一製造系統的良率評估方法3。各機器參與一批產品的複數個製造步驟中的一或多個。良率評估方法3可包含以下步驟： 由一計算機，基於各機器的一初始良率以及於該複數製造步驟中的最後一者結束時或結束後所偵測到的一損壞品數量，為各機器計算其所參與的各製造步驟中的一損壞品期望值以及一潛在損壞品數量（標示為301）； 由該計算機，基於為各機器所計算的所有潛在損壞品數量的一總和以及於該複數製造步驟中的最後一者結束時或結束後所偵測到的一良好品數量，為各機器計算一良好品期望值（標示為302）；以及 由該計算機，根據為各機器所計算的良好品期望值以及所有損壞品期望值的一總和，為各機器評估一良率（標示為303）。
在某些實施例中，良率評估方法3還可包含以下步驟： 由該製造系統中的一檢測機器，於該批產品的該複數製造步驟中的最後一者結束時或結束後確認該損壞品數量以及該良好品數量。
在某些實施例中，關於良率評估方法3，各機器於其所參與的各製造步驟中的損壞品期望值可以是透過將所偵測的該損壞品數量乘以一第一比值而計算出。該第一比值等於將各機器於其所參與的各製造步驟中造成任何損壞品的一機率值除以在該批產品的各製造步驟中造成任何損壞品的一機率值的一總和的一結果。
在某些實施例中，關於良率評估方法3，除了該批產品的該等製造步驟的最後一者之外，其他每一個製造步驟所產生的潛在損壞品數量可以是其下一個製造步驟所產生的一潛在損壞品數量與一損壞品期望值的一總和。該批產品的該複數製造步驟的最後一者所產生的潛在損壞品數量可以是零。
在某些實施例中，關於良率評估方法3，為各機器所計算的良好品期望值可以是將一第一總和與一第一乘積二者相加的一結果。該第一總和可以是為該機器所計算的所有潛在損壞品數量的一總和，且該第一乘積可以是為該複數機器所計算的良好品數量與各機器於該製造系統中的一使用次數的一乘積。
在某些實施例中，關於良率評估方法3，為各機器所評估的良率可以是將為各機器所計算的良好品期望值除以一第一總和的一結果。該第一總和可以是將為各機器所計算的良好品期望值與一第二總和二者相加的一結果，且該第二總和可以是為各機器所計算的所有損壞品期望值的一總和。
在某些實施例中，良率評估方法3還可包含以下步驟： 由該計算機，透過針對各機器於不同的複數個產品線上的複數個使用次數以及於該複數產品線上的複數個整體良率應用一最小平方法，以計算各機器的初始良率。
在某些實施例中，良率評估方法3還可被實作於製造系統1當中。因此，僅根據上文針對製造系統1的說明，本揭露所屬技術領域中具有通常知識者即已能充分瞭解且實現良率評估方法3的所有相應的實施例，即使上文未針對良率評估方法3的每一個實施例進行詳述。
以上所揭露的實施例並非為了限制本揭露。針對以上所揭露的實施例的改變或調整，只要是本揭露所屬技術領域中具有通常知識者可輕易思及的，也都落於本揭露的範圍內。本揭露的範圍以申請專利範圍所載內容為準。
如下所示： 011、012、013、014：初始良率 1：製造系統 11：良率評估裝置 111：儲存器 112：處理器 200：檢測機器 211、212、213、214：機器 3：良率評估方法 301、302、303：步驟 P10：產品製造材料 P11、P12、P13、P14：半成品 PL1：產品線 S11、S12、S13、S14：製造步驟 TP1：目標產品
第1圖例示了根據本揭露的一或多個實施例的一種用於一製造系統的良率評估裝置。 第2圖例示了根據本揭露的一或多個實施例的一製造系統中的一產品線。 第3圖例示了根據本揭露的一或多個實施例的一種用於一製造系統的良率評估方法。
無。
3：良率評估方法 301、302、303：步驟

Claims (12)

  1. 一種用於包含複數個機器的一製造系統的良率評估方法，各機器參與一批產品的複數個製造步驟中的一或多個，該良率評估方法包含：由一計算機，透過針對各機器於不同的複數個產品線上的複數個使用次數以及於該複數產品線上的複數個整體良率應用一最小平方法，以計算各機器的一初始良率；由該計算機，基於各機器的該初始良率以及於該複數製造步驟中的最後一者結束時或結束後所偵測到的一損壞品數量，為各機器計算其所參與的各製造步驟中的一損壞品期望值以及一潛在損壞品數量；由該計算機，基於為各機器所計算的所有潛在損壞品數量的一總和以及於該複數製造步驟中的最後一者結束時或結束後所偵測到的一良好品數量，為各機器計算一良好品期望值；以及由該計算機，根據為各機器所計算的良好品期望值以及所有損壞品期望值的一總和，為各機器評估一良率。
  2. 如請求項1所述的良率評估方法，還包含：由該製造系統中的一檢測機器，於該批產品的該複數製造步驟中的最後一者結束時或結束後確認該損壞品數量以及該良好品數量。
  3. 如請求項1所述的良率評估方法，其中各機器於其所參與的各製造步驟中的損壞品期望值是透過將所偵測的該損壞品數量乘以一第一比值而計算出，該第一比值等於將各機器於其所參與的各製造步驟中造成任何損壞品的一機率值除以在該批產品的各製造步驟中造成任何損壞品的一機率值的一總和的一結果。
  4. 如請求項1所述的良率評估方法，其中除了該批產品的該等製造步驟的最後一者之外，其他每一個製造步驟所產生的潛在損壞品數量是其下 一個製造步驟所產生的一潛在損壞品數量與一損壞品期望值的一總和，而該批產品的該複數製造步驟的最後一者所產生的潛在損壞品數量是零。
  5. 如請求項1所述的良率評估方法，其中為各機器所計算的良好品期望值是將一第一總和與一第一乘積二者相加的一結果，該第一總和是為該機器所計算的所有潛在損壞品數量的一總和，且該第一乘積是為該複數機器所計算的良好品數量與各機器於該製造系統中的一使用次數的一乘積。
  6. 如請求項1所述的良率評估方法，其中為各機器所評估的良率是將為各機器所計算的良好品期望值除以一第一總和的一結果，該第一總和是將為各機器所計算的良好品期望值與一第二總和二者相加的一結果，該第二總和是為各機器所計算的所有損壞品期望值的一總和。
  7. 一種用於一製造系統的良率評估裝置，包含：一儲存器，用以儲存複數個機器的複數個初始良率，各機器參與該製造系統中的一批產品的複數個製造步驟中的一或多個；以及一處理器，與該儲存器電性連接，用以：透過針對各機器於不同的複數個產品線上的複數個使用次數以及於該複數產品線上的複數個整體良率應用一最小平方法，以計算各機器的一初始良率；基於各機器的該初始良率以及於該複數製造步驟中的最後一者結束時或結束後所偵測到的一損壞品數量，為各機器計算其所參與的各製造步驟中的一損壞品期望值以及一潛在損壞品數量；基於為各機器所計算的所有潛在損壞品數量的一總和以及於該複數製造步驟中的最後一者結束時或結束後所偵測到的一良好品數量，為各機器計算一良好品期望值；以及根據為各機器所計算的良好品期望值以及所有損壞品期望值的一總 和，為各機器評估一良率。
  8. 如請求項7所述的良率評估裝置，其中該損壞品數量以及該良好品數量是由該製造系統中的一檢測機器於該複數製造步驟中的最後一者結束時或結束後所確認。
  9. 如請求項7所述的良率評估裝置，各機器於其所參與的各製造步驟中的損壞品期望值是透過將所偵測的該損壞品數量乘以一第一比值而計算出，該第一比值等於將各機器於其所參與的各製造步驟中造成任何損壞品的一機率值除以在該批產品的各製造步驟中造成任何損壞品的一機率值的一總和的一結果。
  10. 如請求項7所述的良率評估裝置，其中除了該批產品的該等製造步驟的最後一者之外，其他每一個製造步驟所產生的潛在損壞品數量是其下一個製造步驟所產生的一潛在損壞品數量與一損壞品期望值的一總和，而該批產品的該複數製造步驟的最後一者所產生的潛在損壞品數量是零。
  11. 如請求項7所述的良率評估裝置，其中為各機器所計算的良好品期望值是將一第一總和與一第一乘積二者相加的一結果，該第一總和是為該機器所計算的所有潛在損壞品數量的一總和，且該第一乘積是為該複數機器所計算的良好品數量與各機器於該製造系統中的一使用次數的一乘積。
  12. 如請求項7所述的良率評估裝置，其中為各機器所評估的良率是將為各機器所計算的良好品期望值除以一第一總和的一結果，該第一總和是將為各機器所計算的良好品期望值與一第二總和二者相加的一結果，該第二總和是為各機器所計算的所有損壞品期望值的一總和。
TW109128113A 2020-08-18 2020-08-18 用於評估製造系統中的機器良率的裝置及方法 TWI756784B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
TW109128113A TWI756784B (zh) 2020-08-18 2020-08-18 用於評估製造系統中的機器良率的裝置及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
TW109128113A TWI756784B (zh) 2020-08-18 2020-08-18 用於評估製造系統中的機器良率的裝置及方法

Publications (2)

Publication Number Publication Date
TWI756784B true TWI756784B (zh) 2022-03-01
TW202209029A TW202209029A (zh) 2022-03-01

Family

ID=81710932

Family Applications (1)

Application Number Title Priority Date Filing Date
TW109128113A TWI756784B (zh) 2020-08-18 2020-08-18 用於評估製造系統中的機器良率的裝置及方法

Country Status (1)

Country Link
TW (1) TWI756784B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6496958B1 (en) * 1999-04-27 2002-12-17 Infineon Technologies Richmond, Lp Yield prediction and statistical process control using predicted defect related yield loss
TWI268529B (en) * 2001-10-19 2006-12-11 Taiwan Semiconductor Mfg Co Ltd Default yield expectation value producing system of semiconductor process including a default yield expectation value data base for collecting parameters
US20080294281A1 (en) * 2007-05-24 2008-11-27 Rinat Shimshi Dynamic inline yield analysis and prediction
US7962864B2 (en) * 2007-05-24 2011-06-14 Applied Materials, Inc. Stage yield prediction
TWI459469B (zh) * 2007-10-01 2014-11-01 Fairchild Semiconductor 用於將基板分割成個別裝置之方法和結構
TWI663569B (zh) * 2017-11-20 2019-06-21 財團法人資訊工業策進會 多工作站系統的品質預測方法及其系統

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6496958B1 (en) * 1999-04-27 2002-12-17 Infineon Technologies Richmond, Lp Yield prediction and statistical process control using predicted defect related yield loss
TWI268529B (en) * 2001-10-19 2006-12-11 Taiwan Semiconductor Mfg Co Ltd Default yield expectation value producing system of semiconductor process including a default yield expectation value data base for collecting parameters
US20080294281A1 (en) * 2007-05-24 2008-11-27 Rinat Shimshi Dynamic inline yield analysis and prediction
US7962864B2 (en) * 2007-05-24 2011-06-14 Applied Materials, Inc. Stage yield prediction
TWI459469B (zh) * 2007-10-01 2014-11-01 Fairchild Semiconductor 用於將基板分割成個別裝置之方法和結構
TWI663569B (zh) * 2017-11-20 2019-06-21 財團法人資訊工業策進會 多工作站系統的品質預測方法及其系統

Also Published As

Publication number Publication date
TW202209029A (zh) 2022-03-01

Similar Documents

Publication Publication Date Title
JP3870052B2 (ja) 半導体装置の製造方法及び欠陥検査データ処理方法
TWI503763B (zh) 半導體處理控制方法和電腦可讀取紀錄媒體
KR102094577B1 (ko) 프로그램된 결함을 사용한 웨이퍼 검사 프로세스의 설정
WO2019176990A1 (ja) 検査装置、画像識別装置、識別装置、検査方法、及び検査プログラム
JP2002527883A (ja) 半導体チップ欠陥に基づいた収率損失チップ数及び類型別の不良チップ数の測定方法
CN110503288A (zh) 考虑机台交互作用的辨识良率损失原因的***与方法
TW202104879A (zh) 影像辨識裝置、影像辨識方法及其電腦程式產品
JP2005092466A (ja) 診断プロセス支援方法とそのためのプログラム
JP5745981B2 (ja) 半導体チップテスト方法、半導体チップテスト装置
KR20200033724A (ko) 데이터 처리 방법, 데이터 처리 장치, 및 데이터 처리 프로그램을 기록한 컴퓨터 판독 가능한 기록 매체
TWI714371B (zh) 晶圓圖的辨識方法與電腦可讀取記錄媒體
TWI756784B (zh) 用於評估製造系統中的機器良率的裝置及方法
JP7056259B2 (ja) 検査システム、識別システム、及び識別器評価装置
TWI709833B (zh) 資料處理、資料處理裝置以及電腦可讀取記錄媒體
CN105789076B (zh) 点测机故障判别方法
JP4462037B2 (ja) 半導体ウェハ間の共通欠陥判別方法
JP6715705B2 (ja) 不良原因探索システム、及び不良要因探索方法
US11294362B2 (en) Apparatus and method for assessing yield rates of machines in a manufacture system
JP7430271B2 (ja) エラー要因の推定装置及び推定方法
JPS58165337A (ja) 半導体製造プラントにおける不良解析方法
JP2008117380A (ja) 診断プロセス支援方法とそのためのプログラム
CN108229586A (zh) 一种数据中的异常数据点的检测方法及***
JP7172919B2 (ja) 工程管理システム及び工程管理方法
CN117152157B (zh) 基于人工智能的电子元件识别方法
JP4538205B2 (ja) 検査データの解析プログラム、検査データ解析装置