專(zhuān)利名稱(chēng)：用于數(shù)據(jù)分析的專(zhuān)家知識(shí)方法和系統(tǒng)的制作方法
技術(shù)領(lǐng)域：
本發(fā)明通常涉及用于分析在晶片處理設(shè)備上進(jìn)行晶片處理操作的性能的方法，并且更具體地涉及用于識(shí)別引起統(tǒng)計(jì)控制之外的信號(hào)(out-of-statistical-control signal)的變量的方法和用于結(jié)合專(zhuān)家知識(shí)來(lái)確定這類(lèi)信號(hào)的重要性的技術(shù)。
背景技術(shù)：
為了量化和研究在晶片處理期間處理?xiàng)l件的影響，處理工程師承擔(dān)的任務(wù)是開(kāi)動(dòng)許多的處理、其中每個(gè)都有特別的集合變量，然后全面地研究結(jié)果。眾所周知，集合變量有許多。例如，變量可以包括腔室壓力、腔室溫度、輸出到一個(gè)或兩個(gè)電極的輸出功率、靜電卡盤(pán)箝位電壓(electrostatic chuck clampingvoltage)、氣體的種類(lèi)和流速等等。因此，實(shí)際上，在處理晶片時(shí)測(cè)量和記錄這類(lèi)變量的數(shù)據(jù)。創(chuàng)建數(shù)據(jù)庫(kù)是把這類(lèi)變量的數(shù)據(jù)組織起來(lái)。在分析這類(lèi)數(shù)據(jù)中，特別注意確定特殊變量的行為是否在可接受的范圍內(nèi)。
多變量統(tǒng)計(jì)過(guò)程控制工具有效地用于監(jiān)測(cè)在歷史處理運(yùn)轉(zhuǎn)和新處理運(yùn)轉(zhuǎn)之間的偏差。這些工具可以統(tǒng)計(jì)地定義基于歷史數(shù)據(jù)的處理中的正常操作行為?；诮y(tǒng)計(jì)預(yù)測(cè)的方法例如主元件分析(principal component analysis)(PCA)用來(lái)當(dāng)一變量被認(rèn)定是偏離了正常操作行為的范圍時(shí)產(chǎn)生統(tǒng)計(jì)控制之外的信號(hào)。
由于多變量統(tǒng)計(jì)過(guò)程控制工具對(duì)大量的變量進(jìn)行調(diào)節(jié)分析，所以結(jié)果模型是很敏感的、對(duì)于一些變量過(guò)于敏感。
與利用這些方法有關(guān)的另一個(gè)挑戰(zhàn)是確定基于專(zhuān)家知識(shí)超出范圍外的信號(hào)是否有意義。一些變量或變量值的范圍比其它的更關(guān)鍵。例如，一旦晶片被夾入位置，則箝位電壓會(huì)變化，然而還不認(rèn)為是故障或是系統(tǒng)中的錯(cuò)誤。一般地，當(dāng)變量的值變化太大以致超出了統(tǒng)計(jì)控制時(shí)產(chǎn)生故障。因此，如果記錄箝位電壓的值相對(duì)于系統(tǒng)中其他的變量超出了可接受的統(tǒng)計(jì)范圍，則其可被標(biāo)記成問(wèn)題并發(fā)送自動(dòng)故障碼停止晶片處理。
然而觀察到相同箝位電壓值的專(zhuān)家可能不會(huì)關(guān)心變量偏差。例如，雖然箝位電壓的值超出了可接受的統(tǒng)計(jì)范圍，但它仍會(huì)落在夾子適當(dāng)?shù)乇３志牟僮鞣秶鷥?nèi)。不幸地是，仍然登記有故障，即使專(zhuān)家知識(shí)會(huì)認(rèn)為超出范圍的信號(hào)是未批準(zhǔn)的故障。最終結(jié)果是對(duì)純數(shù)學(xué)的統(tǒng)計(jì)分析的依賴(lài)會(huì)導(dǎo)致錯(cuò)誤的故障報(bào)警。然而，在處理期間，每個(gè)故障通常都會(huì)導(dǎo)致晶片處理操作的中止，從而導(dǎo)致浪費(fèi)時(shí)間和金錢(qián)。
在基于統(tǒng)計(jì)預(yù)測(cè)的方法中產(chǎn)生的模型可通過(guò)結(jié)合用于特殊處理的大量數(shù)據(jù)和記錄的每個(gè)變量的詳細(xì)信息來(lái)更加穩(wěn)固。該方法的限制是在構(gòu)建模型期間變量并不總是可獲得大量的數(shù)據(jù)并且實(shí)驗(yàn)操作的成本可能是很不切實(shí)際的。
由上文看來(lái)，所需的是用于在晶片處理系統(tǒng)中結(jié)合專(zhuān)家知識(shí)來(lái)識(shí)別和減少錯(cuò)誤的故障報(bào)警的方法和系統(tǒng)。

發(fā)明內(nèi)容
概括地講，本發(fā)明通過(guò)提供在晶片處理系統(tǒng)中用于結(jié)合專(zhuān)家知識(shí)來(lái)識(shí)別不重要的統(tǒng)計(jì)控制之外的信號(hào)的方法和系統(tǒng)來(lái)滿(mǎn)足該需要。發(fā)明的幾個(gè)實(shí)施例描述如下。
在一實(shí)施例中，提供了用于調(diào)整數(shù)據(jù)集的方法，該數(shù)據(jù)集定義一組處理運(yùn)轉(zhuǎn)，擁有一組數(shù)據(jù)的每個(gè)處理運(yùn)轉(zhuǎn)對(duì)應(yīng)于用于晶片處理操作的一組變量。得到來(lái)源于數(shù)據(jù)集的模型。得到對(duì)應(yīng)于一個(gè)處理運(yùn)轉(zhuǎn)的新數(shù)據(jù)集。將新數(shù)據(jù)集投射模型。識(shí)別作為投射結(jié)果產(chǎn)生的界外值(outlier)數(shù)據(jù)點(diǎn)。識(shí)別對(duì)應(yīng)于一個(gè)界外值數(shù)據(jù)點(diǎn)的變量，被識(shí)別的變量顯示出高度的影響。識(shí)別來(lái)自新數(shù)據(jù)集的變量的值。確定變量的值是否不重要。利用隨機(jī)數(shù)據(jù)和來(lái)自每個(gè)新數(shù)據(jù)集和數(shù)據(jù)集的確定是不重要的變量，來(lái)創(chuàng)建標(biāo)準(zhǔn)化的數(shù)據(jù)矩陣。用標(biāo)準(zhǔn)化的數(shù)據(jù)矩陣更新數(shù)據(jù)集。
在另一個(gè)實(shí)施例中，給出了用于調(diào)整定義一組處理運(yùn)轉(zhuǎn)的數(shù)據(jù)集的方法，每個(gè)處理運(yùn)轉(zhuǎn)都具有一組數(shù)據(jù)，該組數(shù)據(jù)對(duì)應(yīng)于用于晶片處理操作的一組變量。得到來(lái)源于數(shù)據(jù)集的模型。得到新數(shù)據(jù)集。將新數(shù)據(jù)集投射模型。識(shí)別作為投射結(jié)果產(chǎn)生的界外值數(shù)據(jù)點(diǎn)。從界外值數(shù)據(jù)點(diǎn)中識(shí)別界外值數(shù)據(jù)點(diǎn)中的一個(gè)。識(shí)別對(duì)應(yīng)于一個(gè)界外值數(shù)據(jù)點(diǎn)的變量，被識(shí)別的變量顯示了高度的影響。確定該變量是否不重要。利用來(lái)自新數(shù)據(jù)和數(shù)據(jù)集的數(shù)據(jù)，創(chuàng)建標(biāo)準(zhǔn)化的數(shù)據(jù)矩陣，利用來(lái)自每個(gè)新數(shù)據(jù)和數(shù)據(jù)集確定不重要的變量，來(lái)創(chuàng)建標(biāo)準(zhǔn)化的數(shù)據(jù)矩陣。用標(biāo)準(zhǔn)化的數(shù)據(jù)矩陣更新數(shù)據(jù)集。
根據(jù)本發(fā)明的另一個(gè)方面，給出了用于更新定義一組處理運(yùn)轉(zhuǎn)的數(shù)據(jù)集的方法，每個(gè)處理運(yùn)轉(zhuǎn)都具有一組數(shù)據(jù)，該組數(shù)據(jù)對(duì)應(yīng)于用于晶片處理操作的一組變量。得到數(shù)據(jù)集。執(zhí)行定標(biāo)(Scaling)該數(shù)據(jù)集。對(duì)定標(biāo)數(shù)據(jù)集進(jìn)行主元件分析來(lái)產(chǎn)生模型。得到新數(shù)據(jù)集。將新數(shù)據(jù)投射到模型。識(shí)別基于投射的界外值數(shù)據(jù)點(diǎn)。檢查對(duì)應(yīng)于一個(gè)界外值數(shù)據(jù)點(diǎn)的影響曲線(contribution plot)。識(shí)別對(duì)應(yīng)于在影響曲線中給出高度影響的該一個(gè)界外值數(shù)據(jù)點(diǎn)的變量。確定該變量不重要?；跀?shù)據(jù)集的標(biāo)準(zhǔn)偏差和新數(shù)據(jù)的隨機(jī)化來(lái)創(chuàng)建對(duì)于變量的脫敏(desensitizing)數(shù)據(jù)集。用脫敏數(shù)據(jù)集來(lái)擴(kuò)大該數(shù)據(jù)集。
在一實(shí)施例中，給出了用于調(diào)整定義一組處理運(yùn)轉(zhuǎn)的數(shù)據(jù)矩陣的方法，每個(gè)處理運(yùn)轉(zhuǎn)都具有一組數(shù)據(jù)，該組數(shù)據(jù)對(duì)應(yīng)于用于晶片處理操作的一組變量。得到N行和M列的數(shù)據(jù)矩陣，其中N等于處理運(yùn)轉(zhuǎn)的數(shù)量，而M等于數(shù)據(jù)矩陣中的變量的數(shù)量。得到有M個(gè)變量的新數(shù)據(jù)集，其中至少一個(gè)變量對(duì)應(yīng)于一界外值并且基于專(zhuān)家輸入是不重要的。生成包含N-1行的正態(tài)分布的隨機(jī)向量。生成獨(dú)自包含N-1行的一個(gè)向量。確定對(duì)應(yīng)于數(shù)據(jù)矩陣中變量的數(shù)據(jù)的標(biāo)準(zhǔn)偏差。標(biāo)準(zhǔn)偏差乘以正態(tài)分布的隨機(jī)向量，生產(chǎn)第一向量。對(duì)應(yīng)于來(lái)自新數(shù)據(jù)的變量的數(shù)據(jù)乘以一個(gè)向量，生產(chǎn)第二向量。第一向量加上第二向量，生產(chǎn)第三向量。創(chuàng)建專(zhuān)家脫敏矩陣，其中第M列包含第三向量，而殘余的列由對(duì)應(yīng)于殘余變量的數(shù)據(jù)組成。創(chuàng)建新數(shù)據(jù)矩陣，其中通過(guò)專(zhuān)家脫敏矩陣來(lái)擴(kuò)大數(shù)據(jù)矩陣。
本發(fā)明的優(yōu)點(diǎn)有許多。本發(fā)明的一個(gè)顯著的好處和優(yōu)點(diǎn)是，晶片加工系統(tǒng)中處理運(yùn)轉(zhuǎn)的數(shù)據(jù)集可通過(guò)合并較小數(shù)量的數(shù)據(jù)，結(jié)合專(zhuān)家知識(shí)被脫敏成不重要的變量數(shù)據(jù)。
自下列詳細(xì)的描述并結(jié)合附圖，本發(fā)明的其他優(yōu)點(diǎn)將變得明白，其舉例來(lái)說(shuō)明本發(fā)明的原理。
應(yīng)理解上文的一般描述及其后的詳細(xì)描述僅是示范性的和解釋性的，并且不限制所要求的本發(fā)明。


附圖，其并入和組成該說(shuō)明書(shū)的一部分，圖解本發(fā)明的示范實(shí)施例并且和描述一起用于說(shuō)明本發(fā)明的原理。
圖1是流程表100，根據(jù)本發(fā)明的一個(gè)實(shí)施例，其說(shuō)明了用于晶片處理系統(tǒng)的執(zhí)行調(diào)整處理運(yùn)轉(zhuǎn)的數(shù)據(jù)集的操作方法。
圖2給出了根據(jù)本發(fā)明的一個(gè)實(shí)施例的殘余曲線和一條附隨的變量影響曲線。
圖3給出了根據(jù)本發(fā)明的一個(gè)實(shí)施例的兩條殘余曲線。
圖4給出了根據(jù)本發(fā)明的一個(gè)實(shí)施例的變量影響曲線。
圖5給出了根據(jù)本發(fā)明的一個(gè)實(shí)施例的相關(guān)系數(shù)圖表。
圖6給出了原始模型結(jié)構(gòu)和根據(jù)本發(fā)明的一個(gè)實(shí)施例的脫敏模型的比較。
具體實(shí)施例方式
參考附圖，現(xiàn)詳細(xì)描述本發(fā)明的幾個(gè)示范性的實(shí)施例。
圖1是流程表100，根據(jù)本發(fā)明的一實(shí)施例，其說(shuō)明了用于晶片處理系統(tǒng)的執(zhí)行調(diào)整處理運(yùn)轉(zhuǎn)的數(shù)據(jù)集的操作方法，該操作方法使數(shù)據(jù)集脫敏為界外值，該數(shù)據(jù)被認(rèn)作為不重要的變量數(shù)據(jù)。該方法開(kāi)始于操作110，在其中得到數(shù)據(jù)集。例如，跟蹤晶片處理系統(tǒng)中的許多參數(shù)或變量，例如，腔室壓力、腔室溫度、輸出到一個(gè)或兩個(gè)電極的功率、靜電卡盤(pán)的箝位電壓、氣體的種類(lèi)和流速等等。事實(shí)上，變量可以包括能被記錄的或由于硬件變化或軟件變化的影響而改變的任何變量。從而，變量可以表示定義用于執(zhí)行處理運(yùn)轉(zhuǎn)的設(shè)備的設(shè)計(jì)中的變化的變量的范圍。并且，當(dāng)一系列晶片中的每一個(gè)投入處理運(yùn)轉(zhuǎn)時(shí)，測(cè)量和記錄晶片處理系統(tǒng)中的每個(gè)變量的數(shù)據(jù)。在該實(shí)施例中，數(shù)據(jù)集涉及與晶片處理系統(tǒng)中一系列處理運(yùn)轉(zhuǎn)的變量集相對(duì)應(yīng)的數(shù)據(jù)。
一旦得到數(shù)據(jù)集，方法就前進(jìn)到操作112，其中對(duì)數(shù)據(jù)集執(zhí)行定標(biāo)。在一實(shí)施例中，可自動(dòng)定標(biāo)數(shù)據(jù)集以使每個(gè)變量都處于標(biāo)準(zhǔn)單位(即，有零平均值和單位標(biāo)準(zhǔn)差)來(lái)保證能跨越具有不同單位的變量比較數(shù)據(jù)。假定數(shù)據(jù)集已經(jīng)被定標(biāo)，則方法前進(jìn)到操作114。
在操作114中，對(duì)定標(biāo)數(shù)據(jù)集執(zhí)行主元件分析(PCA)以產(chǎn)生數(shù)據(jù)集的PCA模型和多變量統(tǒng)計(jì)的號(hào)碼(例如，Q-殘余，T2殘余)。多變量統(tǒng)計(jì)過(guò)程控制用于通過(guò)統(tǒng)計(jì)分析源自處理的數(shù)據(jù)來(lái)定義處理中正常的操作行為。主元件分析(PCA)是基于統(tǒng)計(jì)預(yù)測(cè)的技術(shù)，其能夠檢測(cè)處理中統(tǒng)計(jì)控制之外的信號(hào)。PCA給出了數(shù)據(jù)集的統(tǒng)計(jì)評(píng)價(jià)。除了PCA外，用于多變量統(tǒng)計(jì)過(guò)程控制的建模方法也可用在該步驟中。對(duì)定標(biāo)數(shù)據(jù)集執(zhí)行PCA將提供包括PCA模型的數(shù)據(jù)集的統(tǒng)計(jì)評(píng)價(jià)。
對(duì)定標(biāo)數(shù)據(jù)集執(zhí)行主元件分析之后，方法前進(jìn)到操作116。在操作116中得到模型。得到的模型是PCA模型，其是在操作塊114中對(duì)數(shù)據(jù)集執(zhí)行PCA操作的結(jié)果。一旦得到模型，方法就前進(jìn)到操作118。
在操作118中，得到新數(shù)據(jù)集。在操作118中得到的新數(shù)據(jù)集是和晶片處理系統(tǒng)中的一個(gè)處理運(yùn)轉(zhuǎn)相對(duì)應(yīng)的新數(shù)據(jù)，具有與操作110中得到的原始數(shù)據(jù)集相同的變量集。該方法還可用于由多于一個(gè)的處理運(yùn)轉(zhuǎn)組成的新數(shù)據(jù)集。一旦得到新數(shù)據(jù)集，方法就前進(jìn)到操作120。
在操作120中，定標(biāo)新數(shù)據(jù)集并投射到模型中。在圖1所示的實(shí)施例中，在新數(shù)據(jù)投射到模型上之前，用數(shù)據(jù)集變量的相同的平均數(shù)和標(biāo)準(zhǔn)偏差來(lái)定標(biāo)新數(shù)據(jù)集。
新數(shù)據(jù)集投射到模型將提供具有對(duì)應(yīng)變量影響曲線的殘余曲線。這些曲線給出了關(guān)于在來(lái)自操作118的新數(shù)據(jù)集和來(lái)自操作110的數(shù)據(jù)集之間關(guān)系的統(tǒng)計(jì)信息。殘余曲線將顯示出，來(lái)自操作塊118的新處理運(yùn)轉(zhuǎn)的新數(shù)據(jù)集是否符合相對(duì)于來(lái)自操作110的數(shù)據(jù)集的多變量平均數(shù)、多變量變化以及選擇的置信界限的統(tǒng)計(jì)界外值。在該實(shí)施例中，使用的殘余曲線是Q殘余曲線。在另一個(gè)實(shí)施例中，使用的殘余曲線是T2殘余曲線。
假定新數(shù)據(jù)已經(jīng)投射到模型，則方法前進(jìn)到操作122。在操作122中，檢查當(dāng)新數(shù)據(jù)集投射到模型時(shí)產(chǎn)生的殘余曲線，以確定是否有一個(gè)界外值數(shù)據(jù)點(diǎn)或多個(gè)界外值數(shù)據(jù)點(diǎn)存在。由于新數(shù)據(jù)集包含超過(guò)一個(gè)的處理運(yùn)轉(zhuǎn)，每個(gè)處理運(yùn)轉(zhuǎn)將相應(yīng)于殘余曲線上的單一數(shù)據(jù)點(diǎn)。如果新數(shù)據(jù)集點(diǎn)落在來(lái)自操作110的數(shù)據(jù)集的Q殘余的可接受的范圍之外(即，相對(duì)于模型置信界限超出了范圍)，則存在界外值。一旦作出界外值是否存在的確定，在界外值不存在時(shí)操作將進(jìn)行到操作塊124，在存在界外值時(shí)操作將進(jìn)行到操作塊126。
如果在操作塊122中檢查的殘余曲線不存在界外值，則方法前進(jìn)到操作124。在操作124中，新數(shù)據(jù)集與操作110中得到的數(shù)據(jù)集合并以創(chuàng)建擴(kuò)展數(shù)據(jù)集。然后將該擴(kuò)展數(shù)據(jù)集發(fā)送給操作塊110，并且該方法再次從操作塊110開(kāi)始。
如果在操作塊122中檢查的殘余曲線中不存在界外值，則方法前進(jìn)到操作塊126。在操作126中，對(duì)于有高度影響的變量因素檢查對(duì)應(yīng)于在操作122中識(shí)別出的界外值數(shù)據(jù)點(diǎn)的影響曲線。在操作120中新數(shù)據(jù)集投射到模型上之后產(chǎn)生的殘余曲線將包含新數(shù)據(jù)集的每個(gè)處理運(yùn)轉(zhuǎn)的一個(gè)數(shù)據(jù)點(diǎn)。殘余曲線上的每個(gè)數(shù)據(jù)點(diǎn)然后將依次和影響曲線關(guān)聯(lián)。每個(gè)影響曲線將顯示出每個(gè)變量的影響對(duì)Q殘余的相對(duì)影響。如果變量有高度的相對(duì)影響，那么它被確定為具有高度影響的變量因素。影響是否高是主觀確定的。對(duì)于該例子，我們將假定僅存在一個(gè)具有高度影響的變量因素。然而影響曲線可以有超過(guò)一個(gè)的變量因素并可使用將在下面討論的方法來(lái)調(diào)節(jié)。一旦檢查了影響曲線并且確定變量為具有高度影響，則方法前進(jìn)到操作塊128。
在操作128中，專(zhuān)家知識(shí)用來(lái)決定確定具有高度影響的變量或變量值是否認(rèn)為是不重要的。這里的專(zhuān)家知識(shí)是關(guān)于變量或變量值的信息。在該例子中，專(zhuān)家是關(guān)于每個(gè)變量的重要性有著廣泛的知識(shí)和經(jīng)驗(yàn)的工程師。從而，如果決定的變量因素是例如晶片箝位電壓變量，則專(zhuān)家可以認(rèn)為該變量是不重要的變量。
此外，專(zhuān)家知識(shí)會(huì)認(rèn)為用于晶片箝位電壓的某一范圍是可接受的，即使該值在可接受的統(tǒng)計(jì)界限之外。例如，晶片箝位電壓可在技術(shù)標(biāo)準(zhǔn)之內(nèi)。因此在基于晶片箝位電壓的給定值的系統(tǒng)中不稱(chēng)作是故障。在這種情況下，專(zhuān)家知識(shí)會(huì)將用于變量的特定值范圍標(biāo)記成不重要的。如果專(zhuān)家知識(shí)認(rèn)為變量的值實(shí)際上迫使產(chǎn)生故障，則在操作塊128之后，方法就會(huì)前進(jìn)到操作塊130。在操作塊130中，被檢測(cè)出在統(tǒng)計(jì)范圍之外的變量將觸發(fā)故障。可選地，如果專(zhuān)家知識(shí)標(biāo)記變量或變量的值為不重要的，那么方法將前進(jìn)到操作塊132。
在操作132中，將執(zhí)行專(zhuān)家隨機(jī)數(shù)發(fā)生器(ER)來(lái)創(chuàng)建脫敏矩陣，并且然后將脫敏矩陣增加到在操作塊110中最初得到的數(shù)據(jù)集。專(zhuān)家隨機(jī)數(shù)發(fā)生器通過(guò)利用正態(tài)分布的隨機(jī)數(shù)據(jù)和與來(lái)自新數(shù)據(jù)的變量數(shù)據(jù)一起的數(shù)據(jù)集的變量數(shù)據(jù)，來(lái)執(zhí)行標(biāo)準(zhǔn)化與變量相對(duì)應(yīng)的新數(shù)據(jù)的方法。在圖1所示的實(shí)施例中，數(shù)據(jù)集和新數(shù)據(jù)集分別表示操作塊110和118中得到的數(shù)據(jù)(即，在定標(biāo)之前)。使用隨機(jī)數(shù)據(jù)和變量數(shù)據(jù)(即，脫敏的變量值)來(lái)配置專(zhuān)家隨機(jī)數(shù)發(fā)生器，以產(chǎn)生正態(tài)分布的脫敏矩陣。然后將脫敏矩陣增加到操作塊110中得到的數(shù)據(jù)集。
脫敏矩陣將脫敏關(guān)于新數(shù)據(jù)中的變量值的數(shù)據(jù)集，使得如果在新數(shù)據(jù)的后來(lái)集合中看到同樣的變量數(shù)據(jù)，當(dāng)新數(shù)據(jù)投射到PCA模型上時(shí)，同樣的變量數(shù)據(jù)在殘余曲線中將不會(huì)引起界外值。利用本發(fā)明的教導(dǎo)顯著地改善了先有技術(shù)實(shí)施例，其通過(guò)分析，完全地除去促使數(shù)據(jù)成為界外值的一個(gè)變量或多個(gè)變量來(lái)進(jìn)行輕微的脫敏。這是重要的區(qū)別，由于除去變量消除了基于那些特殊變量連續(xù)檢測(cè)界外值的能力。根據(jù)本發(fā)明的教導(dǎo)，仍可在脫敏水平之上的偏差水平處檢測(cè)出這類(lèi)界外值，其仍然是很具有價(jià)值的。
用于故障檢測(cè)的多變量統(tǒng)計(jì)模型的強(qiáng)度中的一個(gè)是包括變量中相關(guān)變化的故障行為的量化。這些相關(guān)和它們對(duì)變量偏差的相對(duì)靈敏性被認(rèn)為是模型的″結(jié)構(gòu)″，其可通過(guò)比較模型中變量的負(fù)荷來(lái)真實(shí)地評(píng)定。本發(fā)明的方法中內(nèi)在的另一個(gè)優(yōu)點(diǎn)是，在一個(gè)變量或多個(gè)變量中將模型脫敏到偏差而不毀壞模型的結(jié)構(gòu)，其可以在圖6中見(jiàn)到。結(jié)果，保持原始的多變量模型的優(yōu)點(diǎn)來(lái)檢測(cè)變量中同樣類(lèi)型的相關(guān)變化。專(zhuān)家隨機(jī)數(shù)發(fā)生器是標(biāo)準(zhǔn)化變量數(shù)據(jù)的方法實(shí)施例。專(zhuān)家隨機(jī)數(shù)發(fā)生器的更多細(xì)節(jié)將在下面給出。
在通過(guò)脫敏矩陣將操作塊110中最初得到數(shù)據(jù)集增加之后，發(fā)送得到的數(shù)據(jù)矩陣到操作塊110以使在必要時(shí)再次開(kāi)始該方法。
參考圖2，將接著論述說(shuō)明將上述方法應(yīng)用到具有多于一個(gè)處理運(yùn)轉(zhuǎn)的新數(shù)據(jù)集的例子。在該例子中，原始數(shù)據(jù)，即在操作塊110中得到的數(shù)據(jù)集，包含45個(gè)樣本(即，處理運(yùn)轉(zhuǎn))，每個(gè)有29個(gè)變量。新數(shù)據(jù)，即在操作塊118中得到的新數(shù)據(jù)集包含44個(gè)樣本，每個(gè)有29個(gè)變量。假定正確地定標(biāo)數(shù)據(jù)集，進(jìn)行主元件分析來(lái)創(chuàng)建模型。接下來(lái)，將新數(shù)據(jù)集投射到模型。在將新數(shù)據(jù)集投射到模型之后產(chǎn)生了殘余曲線，并且從殘余曲線可確定新數(shù)據(jù)中提供的44個(gè)處理運(yùn)轉(zhuǎn)之一是否引起了界外值。
如圖2所示，給出了根據(jù)本發(fā)明一個(gè)實(shí)施例的殘余曲線和一條伴隨的變量影響曲線。如上所述，圖2給出了與投射44個(gè)處理運(yùn)轉(zhuǎn)的新數(shù)據(jù)集(每個(gè)有29個(gè)變量)到PCA模型有關(guān)的殘余曲線140和相應(yīng)于示范性的44th處理運(yùn)轉(zhuǎn)的變量影響繪圖170。水平的短劃線150貫穿原點(diǎn)代表由原始數(shù)據(jù)集確定的模型的置信界限。以線貫穿顯示的圓為代表的線155代表新數(shù)據(jù)的44個(gè)處理運(yùn)轉(zhuǎn)的Q殘值。如殘余曲線140所示，新數(shù)據(jù)集的所有44個(gè)處理運(yùn)轉(zhuǎn)相對(duì)于數(shù)據(jù)集是界外值。
示范性的44th處理運(yùn)轉(zhuǎn)的變量影響示于變量影響曲線170中。變量四(4)175的相對(duì)影響是高的。對(duì)于該例子只有一個(gè)具有高度影響的變量，但是在其他實(shí)施例中可能有超過(guò)一個(gè)的有高度影響的變量。在影響曲線170中識(shí)別變量四為具有高度影響之后，以專(zhuān)家輸入來(lái)設(shè)法確定變量四是否是不重要的(即，如果變量四的值，雖然引起界外值，但仍然是可接受的并且不會(huì)被標(biāo)為故障)。假如基于專(zhuān)家知識(shí)變量四被認(rèn)為是不重要的，將標(biāo)準(zhǔn)化新數(shù)據(jù)集。這里，專(zhuān)家隨機(jī)數(shù)發(fā)生器用來(lái)調(diào)整新數(shù)據(jù)集。下面將更詳細(xì)地給出專(zhuān)家隨機(jī)數(shù)發(fā)生器的一個(gè)實(shí)施例。
一旦應(yīng)用專(zhuān)家隨機(jī)數(shù)發(fā)生器來(lái)創(chuàng)建脫敏矩陣并且用這個(gè)脫敏矩陣來(lái)增加數(shù)據(jù)集，就可以以增加的數(shù)據(jù)集再次運(yùn)行該方法。如果以具有和上述討論到的第一新數(shù)據(jù)相同值的新數(shù)據(jù)集再次運(yùn)行該方法，則變量四數(shù)據(jù)將不會(huì)引起界外值。將變量四的界外行為從數(shù)據(jù)集中脫敏出去。使用以脫敏矩陣增加的數(shù)據(jù)集再次運(yùn)行該方法和引入與上面使用的44個(gè)處理運(yùn)轉(zhuǎn)的數(shù)據(jù)集相同的新數(shù)據(jù)集的結(jié)果將在并列的殘余曲線中示出。
根據(jù)本發(fā)明的一個(gè)實(shí)施例，圖3給出了兩條殘余曲線。圖3給出了從圖2在圖形的0到44的樣本號(hào)側(cè)的殘余曲線，其中樣本號(hào)表示處理運(yùn)轉(zhuǎn)。圖的殘余部分給出了由第二次執(zhí)行方法引起的殘余曲線。在方法的第二執(zhí)行中數(shù)據(jù)集用脫敏矩陣來(lái)增加并且使用的新數(shù)據(jù)集與上面用的44個(gè)處理運(yùn)轉(zhuǎn)的數(shù)據(jù)集一致。比較圖形的左邊側(cè)面，顯示了代表沒(méi)有專(zhuān)家知識(shí)的新數(shù)據(jù)的殘余曲線，圖形的右側(cè)面顯示了代表已經(jīng)通過(guò)脫敏矩陣執(zhí)行專(zhuān)家知識(shí)之后的新數(shù)據(jù)的殘余曲線，它表明已經(jīng)顯著地減少了數(shù)據(jù)的44樣本集的殘余并顯著地脫敏了分析?，F(xiàn)在第二數(shù)據(jù)運(yùn)轉(zhuǎn)位于模型置信界限內(nèi)。模型置信界限與圖2中的水平短劃線150相同，代表PCA模型投射上的數(shù)據(jù)集。
根據(jù)本發(fā)明的一實(shí)施例，圖4給出了變量影響曲線。圖4中的變量影響曲線代表伴隨著殘余曲線的44th樣本，其由使用以脫敏矩陣增加的數(shù)據(jù)集來(lái)運(yùn)行方法引起，然后引入和最初使用的44處理運(yùn)轉(zhuǎn)數(shù)據(jù)集一致的新數(shù)據(jù)集。如圖4所示，變量四不再是具有高度影響的因素。因此專(zhuān)家隨機(jī)數(shù)發(fā)生器決定數(shù)據(jù)集以便使最初引起界外值的變量四現(xiàn)在被認(rèn)為是統(tǒng)計(jì)正常的。
如果變量不一致，例如上面的變量四，在處理運(yùn)轉(zhuǎn)中不和其它變量強(qiáng)相關(guān)，本發(fā)明的實(shí)施例則更有效運(yùn)轉(zhuǎn)。借助于相關(guān)系數(shù)圖表可以檢查貫穿變量的相關(guān)性。相關(guān)系數(shù)圖表是為圖2和3中討論的例子提供的?？捎肞CA的應(yīng)用產(chǎn)生相關(guān)系數(shù)圖表。
根據(jù)本發(fā)明的一實(shí)施例，圖5給出了相關(guān)系數(shù)圖表。如圖5所示，變量四不與在處理運(yùn)轉(zhuǎn)中樣本44的其它28個(gè)變量強(qiáng)相關(guān)。如果在變量四和其他變量之間的相關(guān)性是強(qiáng)的，那么可能更難應(yīng)用該方法。當(dāng)將專(zhuān)家隨機(jī)數(shù)發(fā)生器應(yīng)用到一個(gè)關(guān)心的變量時(shí)，如果其它變量與關(guān)心的變量是強(qiáng)關(guān)聯(lián)的，則在某種程度上也將它們脫敏。因此，如果有和關(guān)心的變量強(qiáng)相關(guān)的變量并且將不會(huì)脫敏這些變量，則該專(zhuān)家隨機(jī)數(shù)發(fā)生器的有效性將減少。因此在該專(zhuān)家隨機(jī)數(shù)發(fā)生器被用于新數(shù)據(jù)集之前，審閱關(guān)心的變量與數(shù)據(jù)集中的剩余變量如何相互關(guān)聯(lián)的相關(guān)圖是重要的。
用于專(zhuān)家隨機(jī)數(shù)發(fā)生器的示范代碼在下列表中給出。在下面的表1中，該代碼提供了用于當(dāng)新數(shù)據(jù)集由一個(gè)樣本即一個(gè)處理運(yùn)轉(zhuǎn)組成時(shí)的情況。下面的表2提供了用于當(dāng)新數(shù)據(jù)集由多個(gè)樣本即多于一個(gè)的處理運(yùn)轉(zhuǎn)組成時(shí)的情況。表1和表2都提供了用于當(dāng)一或多個(gè)變量在新數(shù)據(jù)的單個(gè)處理運(yùn)轉(zhuǎn)內(nèi)被識(shí)別脫敏時(shí)的情況。在注釋部分中提供了matlab變量的定義。注意雖然使用了matlab，但執(zhí)行功能的任何合適的軟件語(yǔ)言都可用于創(chuàng)建專(zhuān)家隨機(jī)數(shù)發(fā)生器。
表1注釋Data包含輸入的原始數(shù)據(jù)的矩陣m原文數(shù)據(jù)中的樣本數(shù)n原始數(shù)據(jù)中的變量數(shù)x包含輸入的新數(shù)據(jù)的矩陣mm新數(shù)據(jù)中有相同數(shù)量的變量(n)的樣本數(shù)p確定為不重要的并且有高度影響的變量的索引kn丟棄的不與其它變量強(qiáng)相關(guān)的變量數(shù)km＝1，丟棄向量的行數(shù)s輸入的原始數(shù)據(jù)中變量的標(biāo)準(zhǔn)偏差NDR正態(tài)分布隨機(jī)向量的大小m乘1
O一向量的大小m乘1r基于專(zhuān)家知識(shí)計(jì)算的列向量ED專(zhuān)家數(shù)據(jù)矩陣專(zhuān)家隨機(jī)數(shù)發(fā)生器的matlab子程序示例1新數(shù)據(jù)的一示例的示范性代碼ED＝zeros(m，n)；％賦值/初始化ED為大小是m乘n的零矩陣ED(1，)＝x；％賦值ED的1st行作為新的樣本for j＝1kn％為每個(gè)變量脫敏開(kāi)始循環(huán)產(chǎn)生專(zhuān)家數(shù)據(jù)矩陣NDR＝randn(m-1，1)；％產(chǎn)生正態(tài)分布的隨機(jī)列向量O＝ones(m-1，1)；％為計(jì)算產(chǎn)生獨(dú)自的列-向量r(j)＝s(1，p(j))*NDR+x(mm，p(j))*O；％計(jì)算基于專(zhuān)家知識(shí)脫敏變量的新數(shù)值ifp(km，j)＞1％檢測(cè)丟棄的變量是否不是在矩陣中的第一變量for i＝2m％為復(fù)制樣本循環(huán)ED(i，1p(j)-1)＝x(mm，1p(j)-1)；ED(i，p(j)+1end)＝x(mm，p(j)+1end)；endelsei fp(km，j)＝1％檢測(cè)丟棄的變量是否是在矩陣中的第一變量for i＝2mED(i，p(j)+1end)＝x(mm，p(j)+1end)；％賦值未被脫敏的變量值endendendfor pp＝1knED(2m，p(pp))＝r(，pp)；％賦值脫敏的變量值endData＝[Data；ED]；％增加原始數(shù)據(jù)矩陣以包括新的矩陣表2注釋
Data包含輸入的原始數(shù)據(jù)的矩陣m原始數(shù)據(jù)中的樣本數(shù)n原始數(shù)據(jù)中的變量數(shù)x包含新數(shù)據(jù)的矩陣mm新數(shù)據(jù)中有相同數(shù)量的變量(n)的樣本數(shù)p確定為不重要的并且有高度影響的變量的索引kn丟棄的不與其它變量強(qiáng)相關(guān)的變量數(shù)km＝1，丟棄向量的行數(shù)s輸入的原始數(shù)據(jù)中變量的標(biāo)準(zhǔn)偏差NDR正態(tài)分布隨機(jī)向量的大小m乘1O一個(gè)向量的大小m乘1r基于專(zhuān)家工程師知識(shí)計(jì)算的列向量ED專(zhuān)家數(shù)據(jù)矩陣專(zhuān)家隨機(jī)數(shù)發(fā)生器matlab子程序示例2用于新數(shù)據(jù)的任何樣本數(shù)的示范代碼。
ED＝zeros(2*mm，nn)；％賦值/初始化ED為大小是m×n的零矩陣ED(1mm，1nn)＝x；％賦值ED的第一行作為新的樣本for j＝1kn％為每個(gè)變量脫敏開(kāi)始循環(huán)產(chǎn)生專(zhuān)家數(shù)據(jù)矩陣NDR＝randn(mm，1)；％產(chǎn)生正態(tài)分布的隨機(jī)列向量O＝ones(mm，1)；％為計(jì)算產(chǎn)生獨(dú)自的列-向量r(，j)＝s(1，p(j))*NDR+x(mm，p(j))*O；％計(jì)算基于專(zhuān)家知識(shí)脫敏變量的新數(shù)值if p(km，j)＞1％檢測(cè)丟棄的變量是否不是在矩陣中的第一變量for i＝mm+12*mm％為復(fù)制樣本循環(huán)ED(i，1p(j)-1)＝x(i-mm，1p(j)-1)；ED(i，p(j)+1end)＝x(i-mm，p(j)+1end)；endelseif p(km，j)＝1％檢測(cè)丟棄的變量是否是在矩陣中的第一變量for i＝mm+12*mmED(i，p(j)+1end)＝x(i-mm，p(j)+1end)；％賦值未被脫敏的變量值
endendendfor pp＝1knED(mm+12*mm，p(pp))＝r(，pp)；％賦值脫敏的變量值endData＝[Data；ED]；％增加原始數(shù)據(jù)矩陣以包括新的矩陣下面給出的是描述表1中給出的專(zhuān)家隨機(jī)數(shù)發(fā)生器matlab子程序執(zhí)行的例子。在該例子中，新數(shù)據(jù)集包括一個(gè)樣本(即，處理運(yùn)轉(zhuǎn))。在該例子中僅脫敏一個(gè)變量。該例子是一般化給出的并且對(duì)表1中給出的專(zhuān)家隨機(jī)數(shù)發(fā)生器matlab子程序中執(zhí)行的操作步驟全面理解。該例子可以不包括代碼的每個(gè)操作的描述。
步驟1由輸入數(shù)據(jù)來(lái)賦值給某些matlab變量(初始化沒(méi)有全部示于代碼中)。數(shù)據(jù)是包含晶片加工系統(tǒng)的原始數(shù)據(jù)的matlab變量?；谙嗤脑O(shè)備上的相同處理的前一運(yùn)轉(zhuǎn)，原始數(shù)據(jù)的值是已知的。原始數(shù)據(jù)輸入matlab以用于計(jì)算。在該例子中，Data的值如下Data＝列1 2 3行1 10.0 200.0 3.2行2 10.1 200.1 3.2行3 9.8199.8 3.1行4 10.0 200.2 3.1由m(＝4)行和n(＝3)列的矩陣來(lái)表示數(shù)據(jù)。每個(gè)列代表晶片處理系統(tǒng)中的變量(即，在該例子中有3個(gè)變量)。每行代表一樣本(即，處理運(yùn)轉(zhuǎn))。
步驟2
由matlab變量x代表新數(shù)據(jù)。新數(shù)據(jù)必須包含和該原始數(shù)據(jù)一樣數(shù)量的變量(n＝3)。新數(shù)據(jù)輸入到matlab中并且被初始化。對(duì)于該例子，每個(gè)變量/列的新數(shù)據(jù)的值是x＝10 200 3初始化專(zhuān)家隨機(jī)數(shù)發(fā)生器之前，已經(jīng)確定x是界外值(當(dāng)和原始數(shù)據(jù)比較時(shí)，‘Data’)。并且，對(duì)于這些例子，已經(jīng)假定第三變量為高度影響并且基于工程師知識(shí)已經(jīng)標(biāo)記為不重要的。
步驟3ED被初始化具有和Data矩陣(步驟1)一樣大小，其中每個(gè)元素賦值0。
ED＝zeros(m，n)對(duì)于該步驟，ED的值為ED＝0 0 00 0 00 0 00 0 0步驟4ED的第一行賦值為來(lái)自新樣本的值，x對(duì)于該步驟，ED的值為ED＝10 200 30 0 00 0 00 0 0步驟5計(jì)算Data的標(biāo)準(zhǔn)偏差。標(biāo)準(zhǔn)偏差將用來(lái)產(chǎn)生專(zhuān)家隨機(jī)數(shù)發(fā)生器。
s＝std(Data)std是matlab命令，其計(jì)算矩陣的標(biāo)準(zhǔn)偏差。
因此s的值顯示如下s＝0.13 0.17 0.06
s向量中的每個(gè)數(shù)表示Data矩陣中變量的標(biāo)準(zhǔn)偏差。
步驟6接下來(lái)，產(chǎn)生3行的正態(tài)分布的隨機(jī)向量。
NDR＝randn(3，1)，其中randn是標(biāo)準(zhǔn)的matlab命令，其產(chǎn)生隨機(jī)數(shù)。
NDR的值顯示如下NDR＝0.71191.29020.6686步驟7產(chǎn)生標(biāo)記為O的向量。O向量包含ones并且具有和NDR相同的行數(shù)。該向量用來(lái)促進(jìn)矩陣計(jì)算。
O＝ones(3，1)，其中`ones`是標(biāo)準(zhǔn)的matlab命令O的值顯示如下O＝111步驟8在該步驟中，來(lái)自Data(即，s(1，3))的第三變量的標(biāo)準(zhǔn)偏差乘以NDR。該結(jié)果值加上來(lái)自新的data(x(1，3))的第三變量的值。
r＝s(1，3)*NDR+x(1，3)*O這給出r＝3.04113.07453.0386步驟9制造新數(shù)據(jù)的多個(gè)拷貝，其未被脫敏，并且賦給ED矩陣的第二、第三和第四行
ED＝10 200 310 200 010 200 010 200 0步驟10r的值賦給ED矩陣的第三列的行2到4。
ED(24，3)＝r因此，ED＝10 200 3.000010 200 3.041110 200 3.074510 200 3.0386步驟11最后，ED增加到Data矩陣。該新的矩陣代替Data。
Data＝[Data；ED]因此，Data＝10.0 200.0 3.200010.1 200.1 3.20009.8 199.8 3.100010.0 200.2 3.100010.0 200.0 3.000010.0 200.0 3.041110.0 200.0 3.074510.0 200.0 3.0386如描述所示，專(zhuān)家隨機(jī)數(shù)發(fā)生器提供了用于調(diào)整新數(shù)據(jù)集的方法，該數(shù)據(jù)集有界外值、高度影響，并且上述討論到專(zhuān)家知識(shí)標(biāo)準(zhǔn)根據(jù)原始數(shù)據(jù)集標(biāo)準(zhǔn)化新數(shù)據(jù)。然后增加標(biāo)準(zhǔn)化的數(shù)據(jù)到原始數(shù)據(jù)集。因此，脫敏增加的數(shù)據(jù)成最初引起界外值的變量數(shù)據(jù)。
成為本發(fā)明的一部分的在此描述的任何操作都是有用的機(jī)器操作。本發(fā)明還涉及執(zhí)行這些操作的設(shè)備或裝置?？蔀樗枰哪康奶貏e地構(gòu)造裝置，或可以是由計(jì)算機(jī)中存儲(chǔ)的計(jì)算機(jī)程序選擇地啟動(dòng)或配置的通用計(jì)算機(jī)。特別地，可以以寫(xiě)入與此處教導(dǎo)相一致的計(jì)算機(jī)程序來(lái)使用各種各樣的通用機(jī)器，或可更方便地構(gòu)造專(zhuān)門(mén)的裝置來(lái)執(zhí)行所要求的操作。
本發(fā)明還可具體化為計(jì)算機(jī)可讀媒介上的計(jì)算機(jī)可讀取的代碼。計(jì)算機(jī)可讀媒介是任何的數(shù)據(jù)存儲(chǔ)設(shè)備，其可以?xún)?chǔ)存其后能被計(jì)算機(jī)系統(tǒng)讀取的數(shù)據(jù)。計(jì)算機(jī)可讀媒介的例子包括硬盤(pán)、連接網(wǎng)絡(luò)的存儲(chǔ)器(NAS)、只讀存儲(chǔ)器、隨機(jī)存取存儲(chǔ)器、CD-ROM、CD-R、CD-RW、磁帶、及其它光學(xué)或非光學(xué)數(shù)據(jù)存儲(chǔ)器裝置。計(jì)算機(jī)可讀媒介還可以分布在網(wǎng)絡(luò)耦合的計(jì)算機(jī)系統(tǒng)，以便以分布式方式來(lái)存儲(chǔ)和執(zhí)行計(jì)算機(jī)可讀代碼。
應(yīng)更進(jìn)一步理解圖1中的由操作代表的指令不要求按說(shuō)明的順序執(zhí)行，并且由操作代表的全部處理可以對(duì)實(shí)現(xiàn)本發(fā)明不是必需的。更進(jìn)一步，還可以在存儲(chǔ)在RAM、ROM或硬盤(pán)驅(qū)動(dòng)器中任何一個(gè)或結(jié)合中的軟件中執(zhí)行圖1描述的處理。
總之，本發(fā)明的實(shí)施例提供了在晶片處理系統(tǒng)中用于結(jié)合專(zhuān)家知識(shí)來(lái)識(shí)別不重要的統(tǒng)計(jì)控制之外的信號(hào)的方法。在此根據(jù)幾個(gè)示范的實(shí)施例已經(jīng)描述了本發(fā)明。本發(fā)明的其他實(shí)施例從考慮本說(shuō)明書(shū)和本發(fā)明的實(shí)踐對(duì)于那些本領(lǐng)域技術(shù)人員將是顯而易見(jiàn)。對(duì)本實(shí)施例和上述優(yōu)選的特征應(yīng)認(rèn)為是示范的，本發(fā)明通過(guò)所附的權(quán)利要求和等同物來(lái)定義。
權(quán)利要求
1.一種用于調(diào)整定義一組處理運(yùn)轉(zhuǎn)的數(shù)據(jù)集的方法，，每個(gè)處理運(yùn)轉(zhuǎn)具有對(duì)應(yīng)于用于晶片處理操作的一組變量的一組數(shù)據(jù)，包括得到來(lái)源于數(shù)據(jù)集的模型；得到相應(yīng)于一個(gè)處理運(yùn)轉(zhuǎn)的新數(shù)據(jù)集；將新數(shù)據(jù)集投射到模型；識(shí)別作為投射結(jié)果產(chǎn)生的界外值數(shù)據(jù)點(diǎn)；識(shí)別對(duì)應(yīng)于一個(gè)界外值數(shù)據(jù)點(diǎn)的變量，被識(shí)別的變量顯示出高度影響；識(shí)別來(lái)自新數(shù)據(jù)集的變量的值；確定變量的值是否是不重要的；創(chuàng)建標(biāo)準(zhǔn)化的數(shù)據(jù)矩陣，使用隨機(jī)數(shù)據(jù)和從新數(shù)據(jù)集和數(shù)據(jù)集中的每一個(gè)中確定是不重要的變量；和用標(biāo)準(zhǔn)化的數(shù)據(jù)矩陣來(lái)更新該數(shù)據(jù)集。
2.如權(quán)利要求1的方法，進(jìn)一步包括得到來(lái)源于更新數(shù)據(jù)集的第二模型。
3.如權(quán)利要求2的方法，進(jìn)一步包括得到新數(shù)據(jù)集；和將新數(shù)據(jù)集投射到第二模型。
4.如權(quán)利要求3的方法，進(jìn)一步包括確定一個(gè)界外值數(shù)據(jù)點(diǎn)是否仍是界外值。
5.如權(quán)利要求1的方法，其中變量集包括至少一個(gè)或多個(gè)代表腔室壓力、腔室溫度、到至少一個(gè)電極的輸出功率、靜電卡盤(pán)箝位電壓、至少一個(gè)氣體流速、可記錄的過(guò)程變量、過(guò)程參數(shù)中的變化、和軟件設(shè)置過(guò)程參數(shù)中的變化的變量。
6.如權(quán)利要求1的方法，其中以專(zhuān)家知識(shí)執(zhí)行確定變量的值是否是不重要的。
7.如權(quán)利要求6的方法，其中專(zhuān)家知識(shí)是對(duì)變量行為的認(rèn)識(shí)。
8.如權(quán)利要求1的方法，其中如果值在晶片處理操作中不需要稱(chēng)作故障，則變量的值是不重要的。
9.如權(quán)利要求1的方法，進(jìn)一步包括在確定變量的值是否是不重要的之后，確定變量是否與來(lái)自變量集的剩余變量強(qiáng)相關(guān)。
10.一種用于調(diào)整定義一組處理運(yùn)轉(zhuǎn)的數(shù)據(jù)集的方法，每個(gè)處理運(yùn)轉(zhuǎn)都具有對(duì)應(yīng)于用于晶片處理操作的一組變量的一組數(shù)據(jù)，包括(a)得到來(lái)源于數(shù)據(jù)集的模型；(b)得到新數(shù)據(jù)集；(c)將新數(shù)據(jù)集投射到模型；(d)識(shí)別作為投射結(jié)果產(chǎn)生的界外值數(shù)據(jù)點(diǎn)；(e)從界外值數(shù)據(jù)點(diǎn)中識(shí)別界外值數(shù)據(jù)點(diǎn)中的一個(gè)；(f)識(shí)別對(duì)應(yīng)于一個(gè)界外值數(shù)據(jù)點(diǎn)的變量，被識(shí)別的變量顯示出高度影響；(g)確定變量的值是否是不重要的；(h)使用來(lái)自新數(shù)據(jù)和數(shù)據(jù)集的數(shù)據(jù)，創(chuàng)建標(biāo)準(zhǔn)化的數(shù)據(jù)矩陣，創(chuàng)建的標(biāo)準(zhǔn)化數(shù)據(jù)矩陣使用從新數(shù)據(jù)和數(shù)據(jù)集的每一個(gè)中確定為不重要的變量；和(i)用標(biāo)準(zhǔn)化的數(shù)據(jù)矩陣來(lái)更新數(shù)據(jù)集。
11.如權(quán)利要求10的方法，進(jìn)一步包括為每個(gè)界外值數(shù)據(jù)點(diǎn)執(zhí)行步驟(e)-(i)一次。
12.如權(quán)利要求10的方法，其中以專(zhuān)家知識(shí)執(zhí)行確定變量的值是否是不重要的。
13.如權(quán)利要求10的方法，其中專(zhuān)家知識(shí)是對(duì)變量行為的認(rèn)識(shí)。
14.一種用于更新定義一組處理運(yùn)轉(zhuǎn)的數(shù)據(jù)集的方法，每個(gè)處理運(yùn)轉(zhuǎn)具有對(duì)應(yīng)于用于晶片處理操作的一組變量的一組數(shù)據(jù)，包括得到數(shù)據(jù)集；執(zhí)行定標(biāo)數(shù)據(jù)集；對(duì)定標(biāo)的數(shù)據(jù)集執(zhí)行主元件分析來(lái)產(chǎn)生模型；得到新數(shù)據(jù)；將新數(shù)據(jù)投射到模型；基于投射識(shí)別界外值數(shù)據(jù)點(diǎn)；檢查對(duì)應(yīng)于界外值數(shù)據(jù)點(diǎn)中的一個(gè)的影響曲線；識(shí)別對(duì)應(yīng)于在影響曲線中提供高度影響的一個(gè)界外值數(shù)據(jù)點(diǎn)的變量；確定該變量是不重要的；基于數(shù)據(jù)集的標(biāo)準(zhǔn)偏差和新數(shù)據(jù)的隨機(jī)化來(lái)創(chuàng)建變量的脫敏數(shù)據(jù)集；和將數(shù)據(jù)集增加到數(shù)據(jù)集。
15.權(quán)利要求14的方法，其中以專(zhuān)家知識(shí)執(zhí)行確定變量的值是否是不重要的。
16.如權(quán)利要求15的方法，其中專(zhuān)家知識(shí)是對(duì)變量行為的認(rèn)識(shí)。
17.一種用于調(diào)整定義一組處理運(yùn)轉(zhuǎn)的數(shù)據(jù)矩陣的方法，每個(gè)處理運(yùn)轉(zhuǎn)都具有對(duì)應(yīng)于用于晶片處理操作的一組變量的一組數(shù)據(jù)，包括得到N行和M列的數(shù)據(jù)矩陣，其中N等于處理運(yùn)轉(zhuǎn)的數(shù)量，而M等于數(shù)據(jù)矩陣中的變量的數(shù)量；得到有M個(gè)變量的新數(shù)據(jù)集，其中至少一個(gè)變量對(duì)應(yīng)于一界外值并且基于專(zhuān)家輸入是不重要的；產(chǎn)生成包含N-1行的正態(tài)分布隨機(jī)向量；產(chǎn)生獨(dú)自包含N-1行的一個(gè)向量；確定對(duì)應(yīng)于數(shù)據(jù)矩陣中變量的數(shù)據(jù)的標(biāo)準(zhǔn)偏差；標(biāo)準(zhǔn)偏差乘以正態(tài)分布的隨機(jī)向量，生成第一向量；對(duì)應(yīng)于來(lái)自新數(shù)據(jù)的變量的數(shù)據(jù)乘以一個(gè)向量，生成第二向量；第一向量加上第二向量，生成第三向量；創(chuàng)建專(zhuān)家脫敏矩陣，其中第M列包含第三向量，而剩余的列由對(duì)應(yīng)于剩余變量的數(shù)據(jù)組成；和創(chuàng)建新數(shù)據(jù)矩陣，其中通過(guò)專(zhuān)家脫敏矩陣來(lái)增加數(shù)據(jù)矩陣。
18.一種用于脫敏與晶片處理操作有關(guān)的處理變量的方法，設(shè)置脫敏來(lái)防止處理變量引起錯(cuò)誤的正面故障，該正面故障會(huì)引起晶片處理操作中止，該方法包括參考表示處理操作的原始模型；運(yùn)行新處理操作來(lái)產(chǎn)生表示新處理操作的數(shù)據(jù)；將數(shù)據(jù)投射到原始模型上；檢查作為投射結(jié)果的被識(shí)別成界外值的數(shù)據(jù)點(diǎn)，指示故障的界外值將使處理中止；應(yīng)用專(zhuān)家知識(shí)確定引起數(shù)據(jù)點(diǎn)成為界外值的處理變量是否是不重要的；產(chǎn)生脫敏數(shù)據(jù)；和用脫敏數(shù)據(jù)增加用于產(chǎn)生原始模型的數(shù)據(jù)，設(shè)置增加來(lái)防止處理變量引起數(shù)據(jù)點(diǎn)在后續(xù)處理操作中被錯(cuò)誤地識(shí)別為界外值。
19.如權(quán)利要求18所述的用于脫敏與晶片處理操作有關(guān)的處理變量的方法，其中增加不改變?cè)寄Ｐ偷慕Y(jié)構(gòu)。
20.如權(quán)利要求18所述的用于脫敏與晶片處理操作有關(guān)的處理變量的方法，其中增加能精確地識(shí)別真故障。
21.一種基于工程師知識(shí)的用于脫敏變量的專(zhuān)家系統(tǒng)，包括包括處理運(yùn)轉(zhuǎn)的數(shù)據(jù)的第一數(shù)據(jù)庫(kù)；包括數(shù)據(jù)的相應(yīng)模型的第二數(shù)據(jù)庫(kù)；與第一和第二數(shù)據(jù)庫(kù)連接的處理器；和識(shí)別界外值和引起界外值的變量影響的邏輯，該邏輯被進(jìn)一步設(shè)置成在變量影響的檢查中結(jié)合專(zhuān)家工程師知識(shí)，該邏輯調(diào)整數(shù)據(jù)是以便將來(lái)的處理運(yùn)轉(zhuǎn)適當(dāng)?shù)刈R(shí)別得到的界外值作為故障。
22.如權(quán)利要求21所述的基于工程師知識(shí)的用于脫敏變量的專(zhuān)家系統(tǒng)，其中由于能引起錯(cuò)誤的正面故障的變量影響的脫敏，專(zhuān)家系統(tǒng)能正確地檢測(cè)故障。
23.如權(quán)利要求21所述的基于工程師知識(shí)的用于脫敏變量的專(zhuān)家系統(tǒng)，其中變量代表定義在用于執(zhí)行處理運(yùn)轉(zhuǎn)的設(shè)備的設(shè)計(jì)中的變化的變量范圍。
全文摘要
給出了用于調(diào)整定義一組處理運(yùn)轉(zhuǎn)的數(shù)據(jù)矩陣的方法，每個(gè)處理運(yùn)轉(zhuǎn)都具有對(duì)應(yīng)于用于晶片處理操作的一組變量的一組數(shù)據(jù)。得到來(lái)源于數(shù)據(jù)集的模型(116)。得到對(duì)應(yīng)于一個(gè)處理運(yùn)轉(zhuǎn)的新數(shù)據(jù)集(118)。將新數(shù)據(jù)集投射到模型(120)。識(shí)別作為投射結(jié)果產(chǎn)生的界外值數(shù)據(jù)點(diǎn)(122)。識(shí)別對(duì)應(yīng)于一個(gè)界外值數(shù)據(jù)點(diǎn)的變量，被識(shí)別變量顯示了高度影響(126)。識(shí)別來(lái)自新數(shù)據(jù)集的變量的值。確定變量的值是否是不重要的(128)。使用隨機(jī)數(shù)據(jù)和來(lái)自新數(shù)據(jù)集和數(shù)據(jù)集的每一個(gè)中的確定不重要的變量，創(chuàng)建標(biāo)準(zhǔn)化的數(shù)據(jù)矩陣(132)。用標(biāo)準(zhǔn)化的數(shù)據(jù)矩陣更新數(shù)據(jù)集。
文檔編號(hào)H01L21/66GK1701430SQ03825317
公開(kāi)日2005年11月23日 申請(qǐng)日期2003年9月26日 優(yōu)先權(quán)日2002年9月26日
發(fā)明者P·亞達(dá)夫, A·D·拜利三世 申請(qǐng)人:蘭姆研究有限公司