[go: up one dir, main page]
More Web Proxy on the site http://driver.im/

DE10015286A1 - System, Verfahren und Produkt mit Computerbefehlssatz zum automatischen Abschätzen experimenteller Ergebnisse - Google Patents

System, Verfahren und Produkt mit Computerbefehlssatz zum automatischen Abschätzen experimenteller Ergebnisse

Info

Publication number
DE10015286A1
DE10015286A1 DE10015286A DE10015286A DE10015286A1 DE 10015286 A1 DE10015286 A1 DE 10015286A1 DE 10015286 A DE10015286 A DE 10015286A DE 10015286 A DE10015286 A DE 10015286A DE 10015286 A1 DE10015286 A1 DE 10015286A1
Authority
DE
Germany
Prior art keywords
attributes
database
experimental data
control variable
knowledge base
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.)
Ceased
Application number
DE10015286A
Other languages
English (en)
Inventor
Chris Tasi
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Qimonda AG
Mosel Vitelic Inc
Promos Technologies Inc
Original Assignee
MOSEL VITELIC Inc HSINCHU
Siemens AG
Mosel Vitelic Inc
Promos Technologies Inc
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
Priority to JP2000049828A priority Critical patent/JP2001244162A/ja
Priority to TW089103792A priority patent/TW439108B/zh
Priority to US09/525,555 priority patent/US6615157B1/en
Application filed by MOSEL VITELIC Inc HSINCHU, Siemens AG, Mosel Vitelic Inc, Promos Technologies Inc filed Critical MOSEL VITELIC Inc HSINCHU
Priority to DE10015286A priority patent/DE10015286A1/de
Publication of DE10015286A1 publication Critical patent/DE10015286A1/de
Ceased legal-status Critical Current

Links

Classifications

    • HELECTRICITY
    • H01ELECTRIC ELEMENTS
    • H01LSEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L22/00Testing or measuring during manufacture or treatment; Reliability measurements, i.e. testing of parts without further processing to modify the parts as such; Structural arrangements therefor
    • H01L22/20Sequence of activities consisting of a plurality of measurements, corrections, marking or sorting steps

Landscapes

  • Engineering & Computer Science (AREA)
  • Manufacturing & Machinery (AREA)
  • Computer Hardware Design (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Power Engineering (AREA)
  • General Factory Administration (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Drying Of Semiconductors (AREA)

Abstract

Es werden Systeme, Verfahren und Produkte mit Computerbefehlssatz zum Analysieren experimenteller Ergebnisse, die in einem Prozess erhalten wurden, bereitgestellt. Der Prozess wird separat in einem ersten und zweiten Zustand einer Steuervariablen ausgeführt, um jeweils eine erste und eine zweite Vielzahl experimenteller Daten zu erzeugen. Die experimentellen Daten entsprechen einer Vielzahl von Attributen des Prozesses. In den Systemen ist ein Prozessor enthalten, der die erste und zweite Vielzahl experimenteller Daten vergleicht und Attribute identifiziert bzw. erkennt, die einen statistisch signifikanten Unterschied in ihren entsprechenden experimentellen Daten aufweisen, die in dem ersten und zweiten Zustand des Prozesses erhalten wurden. Die erkannten Attribute werden dann mit Attributen verglichen, von denen erwartet wird, dass sie von Änderungen in der Steuervariablen beeinflusst werden, wobei diese in einer Sachwissendatenbank enthalten sind, um dann eine Übereinstimmungsdatenbank und eine Nichtübereinstimmungsdatenbank zu erzeugen.

Description

GEBIET DER ERFINDUNG
Diese Erfindung betrifft im allgemeinen Systeme, Verfahren und Produkte für Compu­ terinstruktionen zum Abschätzen experimenteller Ergebnisse und betrifft insbesondere Systeme, Verfahren und Produkte mit Computerbefehlssatz zum Analysieren von in ei­ nem Herstellungsprozess gewonnener experimenteller Ergebnisse, um die Wirkung ei­ ner Steuervariablen auf verschiedene Eigenschaften des Herstellungsprozesses zu bestimmen.
HINTERGRUND DER ERFINDUNG
Großhersteller kommerzieller Produkte haben üblicherweise ein standardisiertes Her­ stellungsprotokoll für jede Art von Produkten. Beispielsweise besitzt ein Halbleiter- Chiphersteller von dynamischen Speicher mit wahlfreiem Zugriff (DRAM) mit 16 Megabit und 64 Megabit ein separates Protokoll für jede der beiden Chiparten. Gewöhnlich wird das standardisierte Protokoll ständig modifiziert, um die Herstellungseffizienz zu steigern und die Produktqualität zu verbessern.
Zum Zwecke des Modifizierens werden üblicherweise viele Experimente unter Verwen­ dung des Standardprotokolls durchgeführt, in denen eine oder mehrere Steuervariablen eingestellt und die experimentellen Ergebnisse untersucht werden. Üblicherweise gibt es viele Arten von Steuervariablen in einem Herstellungsprozess, die zu justieren sind. Bei­ spielsweise umfasst ein Halbleiterherstellungsprozess typischerweise Steuervariablen wie etwa kritische Chipabmessungen, Dicke einer speziellen Metallschicht, Überätzzeit einer speziellen Schicht und dergleichen. Jede Steuervariable kann in vielen verschie­ denen Zuständen bzw. Werten festgelegt werden. Typischerweise werden zwei parallele Experimentiervorgänge in zwei verschiedenen Zuständen einer speziellen Steuervari­ ablen ausgeführt, wobei die anderen Steuervariablen in den beiden Prozessen unver­ ändert bleiben. Während und/oder nach den Prozessen werden die experimentellen Ergebnisse aufgezeichnet und untersucht. Um beispielsweise den Einfluss der kritischen Chipabmessungen in einem Verarbeitungsprozess eines 16 MB-DRAM-Chips zu unter­ suchen werden zwei parallele Prozesse ausgeführt. Die einzige, in den beiden Prozes­ sen unterschiedlich belegte Steuervariable kann der Betrag bzw. die Intensität der Be­ lichtung der Chips während der fotolithografischen Strukturierung sein. Nachdem der Vorgang abgeschlossen ist, werden die experimentellen Ergebnisse einschließlich einer Vielzahl experimenteller Daten, die einer Vielzahl an Eigenschaften wie etwa Wider­ standswerte, Kapazitätswerte, Ausbeute oder dergleichen, entsprechen, erhalten. Die experimentellen Daten werden analysiert und die Analyseergebnisse werden als Grundlage zur Modifizierung des standardisierten Herstellungsprotokolls verwendet.
Für gewöhnlich wird eine große Menge experimenteller Daten analysiert, um Auswer­ tungsfehler zu vermeiden. In konventionellen Verfahren werden die experimentellen Daten in Tabellen organisiert, in denen die statistischen Analyseergebnisse für gewisse Eigenschaften aufgezeigt sind. Beispielsweise können die experimentellen Daten analy­ siert werden, um den maximalen Wert, den minimalen Wert, den Mittelwert und den ma­ ximalen Differenzwert entsprechend einer gewissen Eigenschaft zu bestimmen. Die In­ formationen sind in Tabellen enthalten. Anschließend untersuchen Ingenieure jede Ta­ belle einzeln nacheinander. Für gewöhnlich wird eine große Anzahl an Tabellen erzeugt und die Ingenieure haben nicht immer Zeit, alle Tabellen zu untersuchen und verlassen sich auf persönliche Erfahrung, um einen relevanten Teil der Tabellen zu untersuchen. Beispielsweise wird ein erfahrener Ingenieur die Einflüsse des Einstellens der polykri­ stallinen Siliciumfotolithografie auf die experimentellen Daten des NMOS- und PMOS- Prozesses berücksichtigen. Daher werden sie die den NMOS- und PMOS-Prozess betreffenden Tabellen untersuchen, aber die experimentellen Daten, die sich auf andere Eigenschaften, beispielsweise der Widerstandswert des N-Potentialtopfs, von denen nicht erwartet wird, dass sie von der polykristallen Siliciumfotolithografie beeinflusst werden, ignorieren.
Herkömmliche Verfahren verlassen sich vollständig auf ein manuelles Sichten und Ana­ lysieren experimenteller Daten und sind damit äußerst zeitaufwendig. Ferner hängen herkömmliche Verfahren typischerweise von der persönlichen Erfahrung ab und für ge­ wöhnlich kann nur ein Teil der experimentellen Daten untersucht und analysiert werden. Unerwartete Effekte werden oft übersehen. Dieses Problem fällt besonders bei unerfah­ renen Ingenieuren ins Gewicht. Daraus ergibt sich eine unangemessene Einschätzung der experimentellen Daten und es folgenden fehlerhafte Entscheidungen im gesamten Herstellungsprozess, die oft zu deutlichen Einbussen führen. Dieses Problem wird noch verschärft, indem oft viele (andere) Steuervariablen in einem einzelnen Experiment ein­ gestellt werden und Wechselwirkungen zwischen den beiden Steuervariablen zu unter­ suchen sind. Herkömmliche Verfahren mittels manueller Analyse sind nicht in der Lage, die experimentellen Daten in derartigen komplexen Situationen zu handhaben.
ÜBERBLICK ÜBER DIE ERFINDUNG
Die Systeme, Verfahren und Produkte mit Computerbefehlssatz dieser Erfindung kön­ nen in wirkungsvoller Weise experimentelle Ergebnisse analysieren, insbesondere in komplexen Situationen, in denen eine große Anzahl von Steuervariablen eingestellt werden und eine große Menge experimenteller Daten analysiert werden müssen. Ge­ mäß dem ersten Gesichtspunkt der Erfindung wird ein System zur Analyse experimen­ teller Ergebnisse einer Vielzahl von Eigenschaften in einem Prozess, der eine Steuerva­ riable besitzt, bereitgestellt. Das System umfasst einen Prozessor, der die experimen­ tellen Ergebnisse mit einer Datenbank mit Sachwissen, die über Eigenschaften verfügt, von denen erwartet wird, dass diese von Änderungen in der Steuervariablen betroffen werden, vergleicht. In einer Ausführungsform werden zwei parallele experimentelle Pro­ zesse mit zwei verschiedenen Zuständen einer speziellen Steuervariablen ausgeführt, während die anderen Steuervariablen in den beiden Prozessen gleich bleiben. Die aus den beiden Prozessen gewonnenen experimentellen Ergebnisse werden von einem Prozessor, der in dem System beinhaltet ist, analysiert. Der Prozessor vergleicht die experimentellen Daten der beiden Prozesse und identifiziert jene Eigenschaften, die einen statistisch signifikanten Unterschied in ihren entsprechenden experimentellen Daten haben, die in den zwei Prozessen gewonnen wurden. Derartige Eigenschaften können in einer Beurteilungsdatenbank organisiert sein. Vorzugsweise vergleicht der Prozessor die identifizierten Eigenschaften, die vorzugsweise in einer Abschätzungsda­ tenbank enthalten sind, mit einer Datenbank mit Sachwissen (z. B. eine Korrelationsta­ belle, die von Prozessexperten bereitgestellt wird und die die Korrelation zwischen ge­ wissen Steuervariablen und Eigenschaften, von denen erwartet wird, dass sie durch Einstellen der Steuervariablen beeinflusst werden, kennzeichnet). Anschließend erzeugt der Prozessor eine Übereinstimmungsdatenbank, die übereinstimmende Eigenschaften enthält, d. h. jene Eigenschaften bzw. Attribute, die sich so verhalten, wie in der Datenbank mit Sachwissen vorausgesagt wurde. Ebenso wird eine Nichtübereinstimmungs­ datenbank mit nicht übereinstimmenden Eigenschaften bzw. Attributen erzeugt, d. h. mit jenen Eigenschaften, bei denen die Wirkung der Änderung der Steuervariablen nicht die gleiche ist, die in der Datenbank mit Sachwissen vorausgesagt ist.
Wenn die Nichtübereinstimmungsdatenbank keine Attribute enthält, dann liegen alle Attribute, für die es Unterschiede gibt, innerhalb des erwarteten Bereichs. Die Tatsache, dass zumindest ein Attribut in der Nichtübereinstimmungsdatenbank auftritt, würde an­ deuten, dass entweder eine bislang noch unentdeckte Eigenschaft in dem Prozess ge­ funden wurde, oder ein Fehler im Experiment aufgetreten ist.
Das System kann ebenfalls ein Speicherelement enthalten. Numerische Darstellungen von experimentellen Daten, Analyseergebnissen und/oder den Datenbanken für das Sachwissen, der Übereinstimmung und der Nichtübereinstimmung können in dem Spei­ cherelement gespeichert sein. Alternativ können die numerischen Darstellungen, falls gewünscht, irgendwo anders gespeichert sein, beispielsweise innerhalb des Prozessors.
Gemäß einem zweiten Aspekt dieser Erfindung wird ein Produkt mit Computerbefehls­ satz bereitgestellt. Das Produkt mit Computerbefehlssatz umfasst ein computerlesbares Speichermedium mit einer computerlesbaren Instruktionscodeeinrichtung, die in dem Medium ausgebildet ist. Die computerlesbare Instruktionscodeeinrichtung umfasst eine Computerbefehlseinrichtung zum Vergleichen einer ersten und zweiten Vielzahl experi­ menteller Daten, um eine Abschätzungsdatenbank zu erzeugen. Attribute mit einem statistisch signifikanten Unterschied in ihren entsprechenden experimentellen Daten in den ersten und zweiten experimentellen Ergebnissen werden in der Abschätzungsda­ tenbank identifiziert. Ferner ist die Computerbefehlseinrichtung vorgesehen zum Ver­ gleichen der Abschätzungsdatenbank mit einer Datenbank mit Sachwissen, um eine Übereinstimmungsdatenbank und eine Nichtübereinstimmungsdatenbank zu erzeugen.
Das computerlesbare Speichermedium kann ein Teil des Speicherelementes sein, und im Betrieb kann der Prozessor der vorliegenden Erfindung die computerlesbare Instruk­ tionscodeeinrichtung implementieren, um eine erste und zweite Vielzahl experimenteller Daten zur Erzeugung einer Abschätzungsdatenbank zu vergleichen, um Attribute mit einem statistisch signifikanten Unterschied in ihren entsprechenden experimentellen Daten in den ersten und zweiten experimentellen Ergebnissen in der Abschätzungsda­ tenbank zu identifizieren, und um die Abschätzungsdatenbank mit einer Sachwissenda­ tenbank zu vergleichen, um eine Übereinstimmungsdatenbank und eine Nichtüberein­ stimmungsdatenbank zu erzeugen.
Folglich werden wirkungsvolle Systeme, Verfahren und Computerprodukte zur Analyse komplexer experimenteller Ergebnisse bereitgestellt. Es wird ein Prozessor verwendet, um diverse Datenbanken zu erzeugen und die Datenbanken zu vergleichen. Unerwar­ tete experimentelle Ergebnisse unter einer großen Anzahl experimenteller Daten können für den Anwender genau und effizient analysiert und identifiziert werden.
Dieses und weitere Vorteile werden aus der folgenden Beschreibung und mit Bezug zu den begleitenden Zeichnungen, in denen bevorzugte Ausführungsformen der Erfindung gezeigt sind, deutlicher hervorgehen. Diese Erfindung kann jedoch in vielen verschiede­ nen Formen verwirklicht werden und sollte nicht auf die anschließenden Ausführungs­ formen beschränkt betrachtet werden; diese Ausführungsformen werden vielmehr be­ reitgestellt, sodass diese Offenbarung schlüssig und vollständig ist und für den Fach­ mann auf diesem Gebiet vollständig den Schutzbereich der Erfindung aufzeigt. Gleiche Bezugszeichen beziehen sich durchwegs auf gleiche Elemente.
KURZE BESCHREIBUNG DER ZEICHNUNGEN
Fig. 1 ist eine Darstellung der experimentellen Abläufe und Herstellungspro­ zesse einer Ausführungsform dieser Erfindung;
Fig. 2 zeigt das Resultat des ersten Zustandes und das Resultat des zweiten Zustandes einer Ausführungsform dieser Erfindung;
Fig. 3 ist ein Flussdiagramm für einen experimentellen Ablauf und ein Fluss­ diagramm für die Verarbeitungsverfahren einer Ausführungsform dieser Erfindung;
Fig. 4 zeigt ein Typ einer Sachwissendatenbank für eine Ausführungsform dieser Erfindung;
Fig. 5 zeigt eine Verteilung der experimentellen Daten für das erste experi­ mentelle Ergebnis und die experimentellen Daten für das zweite expe­ rimentelle Ergebnis für ein Attribut bzw. eine Eigenschaft;
Fig. 6 stellt einen Typ einer Abschätzungsdatenbank einer Ausführungsform dieser Erfindung dar; und
Fig. 7A und 7B sind jeweils Darstellungen einer Übereinstimmungsdatenbank und ei­ ner Nichtübereinstimmungsdatenbank einer Ausführungsform dieser Erfindung.
DETAILLIERTE BESCHREIBUNG DER BEVORZUGTEN AUSFÜHRUNGSFORMEN
Im folgenden Beispiel wird ein Halbleiterchip-Fertigungsprozess verwendet, um die Verfahren und Systeme der vorliegenden Erfindung darzustellen. Es ist jedoch selbst­ verständlich, dass die Erfindung nicht auf das Experimentieren in einem Chipherstel­ lungsprozess beschränkt ist. Die vorliegende Erfindung kann vielmehr in Verbindung mit vielen anderen Herstellungsprozessen verwendet werden.
Fig. 1 zeigt einen experimentellen Herstellungsprozess. Der Herstellungsvorgang um­ fasst viele Steuervariablen, die alle Parameter im Herstellungsprozess sind und einge­ stellt werden können. Beispielsweise umfasst ein Halbleiterherstellungsprozess 10 eine Vielzahl von Stationen, beispielsweise 12a bis 12c, wobei jede Station für das Erfüllen einer speziellen funktionellen Aufgabe für den Chip verantwortlich ist. Beispielsweise zeigt die "n-Potential-Mikrobild"-Station an, dass eine Fotolackschicht mit einem n- Potentialtopf-Muster auf dem Chip gebildet wird, während die "n-Potential- Ionenabscheide"-Station anzeigt, dass eine Ionenimplantation auf dem Chip durchge­ führt wird, um die n-Potentialtöpfe herzustellen. Nachdem eine Station die beabsichtigte Aufgabe ausgeführt hat, wird der Chip zur nächsten Station weitergeleitet. Jede der Sta­ tionen besitzt viele einstellbare Steuervariablen, beispielsweise die Art des Fotolacks, die Dicke der Fotolackschicht, die Ausbackzeit, die Länge und Höhe der Belichtung, der Focus, die Bildfehljustierung und andere Steuervariablen. Mit dem Begriff "Steuervari­ ablen" ist es beabsichtigt, jegliche einstellbaren Parameter in dem Prozess zu bezeichnen, wobei die Ergebnisse verglichen werden können. Folglich sind geeignete Steuerva­ riablen nicht auf jene innerhalb einer gewissen Station beschränkt. Beispielsweise kann die Zeitdauer zwischen zwei Stationen eine Steuervariable sein, die in einem experi­ mentellen Prozess eingestellt wird. Beim Ausführen von Experimenten zu dem Fotoli­ thografieschritt hinsichtlich des polykristallinen Siliciums kann die Auswirkung von Ände­ rungen in der Fotolithografie bezüglich des polykristallinen Siliciums auf das Produkt und die Komponenten überwacht werden. Somit werden für gewöhnlich mindestens zwei Chips gleichzeitig prozessiert, wobei eine Steuervariable in den parallelen Prozessen geändert ist. Wenn diese beispielsweise an einer "polykristallinen Silicium-Mikrobild"- Station prozessiert werden, ist die Länge und Höhe der Belichtung der beiden Chips für die beiden Chips unterschiedlich festgelegt, um zwei unterschiedliche Arten an Fotoli­ thografie für das polykristalline Silicium zu erhalten.
Ferner umfasst der Herstellungsprozess mehrere Sammelstationen für experimentelle Daten, sodass experimentelle Daten gesammelt werden können, die viele Eigenschaf­ ten bzw. Attribute repräsentieren. Beispielsweise kann eine Waferakzeptanztest- (WAT)station experimentelle Daten wie Stromwerte und Kapazitätswerte bereitstellen. Somit durchlaufen zwei Chips, die den kompletten Herstellungsprozess absolviert ha­ ben, eine Reihe von Sammelstationen 14 für experimentelle Daten, sodass ein erstes Zustandsergebnis 16a einschließlich einer Vielzahl experimenteller Daten und ein zwei­ tes Zustandsergebnis 16b einschließlich einer Vielzahl experimenteller Daten gewonnen werden, wie dies in Fig. 1 dargestellt ist.
Fig. 2 ist eine Darstellung des ersten Zustandsergebnisses und des zweiten Zustands­ ergebnisses in dieser Erfindung. Bei der Herstellung eines Halbleiterchips können Attri­ bute in Gruppen eingeteilt werden, beispielsweise in Herstellungsverfahrensattribute, elektrische Attribute und Produkt-Attribute. Herstellungsverfahrensattribute stellen die repräsentativen physikalischen Testergebnisse, die im Herstellungsverfahren gemessen wurden, wie beispielsweise oxidierte Schichtdicke, Zeitpunkt des Endes des Ätzens, etc., dar. Elektrische Attribute repräsentieren experimentelle Daten, die die Eigenschaf­ ten der Komponenten in WAT-Messungen, wie beispielsweise Widerstand, Kapazität, etc., erhalten wurden. Produkt-Attribute repräsentieren experimentelle Daten, die beim Messen des Produkts erhalten wurden, wie etwa Zahl der Chips mit offenen Ein/Ausgängen, Zahl der Chips mit kurzgeschlossenen Ein/Ausgängen, etc.. Das erste Zustandsergebnis 16a und das zweite Zustandsergebnis 16b können experimentelle Daten für eine oder mehrere Gruppen der Attribute umfassen. Vergleiche dazu Fig. 2.
Fig. 3 ist ein Flussdiagramm, das die Systeme und Verfahren der vorliegenden Erfin­ dung darstellt. Es wird ein experimenteller Aufbau 20 bereitgestellt. Es wird ein experi­ menteller Prozess wie in 22 ausgeführt, und in Schritt 24 werden experimentelle Ergeb­ nisse erhalten. Anschließend werden die experimentellen Ergebnisse analysiert (30); dies geschieht typischerweise durch ein System, das einen Prozessor und optional ein damit verknüpftes Speicherelement umfasst. Ein Beispiel des Systems ist ein Computer für allgemeine Verwendbarkeit mit einem Prozessor, der auf eine computerlesbare In­ struktionscodeeinrichtung mit einer Befehlseinrichtung reagiert.
Der Prozessor kann aus einer beliebigen Anzahl an Geräten bestehen, einschließlich aber nicht darauf beschränkt eines Datenverarbeitungsgeräts wie etwa einem Mikropro­ zessor oder Mikrokontroller oder einer zentralen Recheneinheit, oder einer anderen Lo­ gikeinheit wie etwa einem DMA-(Direktspeicherzugriffs-)Prozessor, einem integrierten Kommunikationsprozessor, einem handelsüblichen VLSI(sehr hohe Integrationsdichte)- Gerät oder einem ASIC(anwendungsspezifischer integrierter Schaltkreis)-Gerät. Der Prozessor kann ebenfalls ein anderer Typ eines analogen oder digitalen Schaltkreises sein, der ausgebildet ist, die obenbeschriebenen Verarbeitungsfunktionen auszuführen.
Wie anschließend detailliert beschrieben wird, ist Fig. 3 ein Flussdiagramm, das die er­ findungsgemäßen Verfahren, Systeme und Computerbefehlssatz darstellt. Es ist klar, dass jeder Block oder Schritt des Flussdiagramms sowie Kombinationen der Blöcke durch Computeranweisungen implementiert sein kann. Es kann eine automatische Ma­ schine hergestellt werden, indem die Computerinstruktionen in einen Computer oder ein anderes programmierbares Gerät eingeladen werden, so dass die Anweisungen in dem Computer oder dem anderen programmierbaren Gerät ausgeführt werden und Einrich­ tungen zur Implementierungen der in dem Blockdiagramm oder dem Flussdiagramm spezifizierten Funktionen erzeugt werden. Alternativ können die in den Computer oder das andere programmierbare Gerät eingeladenen Computerinstruktionen eine Serie von Betriebsablaufschritten bewirken, die im Computer oder dem anderen programmierba­ ren Gerät auszuführen sind. Das heißt, eine in den Blöcken des Blockdiagramms oder Flussdiagramms spezifizierte Funktion kann schrittweise implementiert sein. Die Computeranweisungen können ebenfalls in einem computerlesbaren Speichergerät gespei­ chert sein, so dass ein Computer oder anderes programmierbares Gerät angewiesen wird, in einer speziellen Weise zu arbeiten, um die im Flussdiagramm bzw. Blockdia­ gramm spezifizierte Funktion zu implementieren.
Numerische Darstellungen von experimentellen Daten, Analyseergebnissen und/oder Datenbanken können in einem Speicherelement, das mit dem Prozessor verknüpft ist oder im Prozessor selbst gespeichert sein. Alternativ können numerische Darstellungen irgendwo anders gespeichert sein, beispielsweise im Prozessor, falls dies gewünscht ist. Daten mit bekannten Steuervariablen und jenen Attributen, von denen man weiß, dass sie von den Steuervariablen bestimmt oder beeinflusst werden, werden in das System beispielsweise als numerische Darstellungen in einer Sachwissendatenbank (Block 32) eingespeist und im Speicherelement oder irgendwo anders gespeichert.
Die Sachwissendatenbank wird typischerweise auf der Basis des existierenden Wissens oder vorhergehenden Experimenten bereitgestellt. Wenn sich beispielsweise ein erfah­ rener Ingenieur darüber klar ist, dass die zu erwartenden Änderungen in der Fotolitho­ grafie hinsichtlich des polykristallinen Siliciums eine Auswirkung auf experimentelle Er­ gebnisse im NMOS-Strom und im PMOS-Strom haben, dann zeigt, wie in Fig. 4 darge­ stellt ist, die Sachwissendatenbank 40 die Abhängigkeit bzw. die Korrelation zwischen der Fotolithografie hinsichtlich des polykristallinen Siliciums (als eine Steuervariable) und den Attributen NMOS-Strom und PMOS-Strom. Ferner kann mit zunehmender Er­ fahrung die Sachwissendatenbank ergänzt und modifiziert werden, um die Abhängigkeit bzw. Korrelation zwischen anderen Steuervariablen und den entsprechenden Attributen miteinzuschließen. Beispielsweise kann die Dicke des polykristallinen Siliciums den Wi­ derstand des polykristallinen Siliciums beeinflussen, wie dies in Fig. 4 dargestellt ist.
Anschließend werden die experimentellen Daten der ersten und zweiten Zustandser­ gebnisse entsprechend jedem Attribut im erfindungsgemäßen System verglichen, um eine Abschätzungsdatenbank (Block 34) zu erzeugen. Attribute mit Unterschieden zwi­ schen den experimentellen Daten aus dem ersten Zustandsergebnis und dem zweiten Zustandsergebnis werden dabei erkannt. Typischerweise werden Unterschiede zwi­ schen den experimentellen Daten lediglich für statistisch signifikante Unterschiede er­ fasst, d. h. größere Abweichungen, in denen ein statistisches Maß wie etwa Mittelwert, Standardabweichung oder dergleichen einen vorbestimmten Schwellwert überschreiten, im Gegensatz zu sehr geringen, unwesentlichen Schwankungen. Beispielsweise können ANOVA- und GLM-Statistikverfahren verwendet werden, um die Unterschiede in jedem Attribut in den experimentellen Daten im ersten Zustandsergebnis und zweiten Zu­ standsergebnis zu vergleichen. Fig. 5 ist ein Verteilungsdiagramm für die experimentel­ len Daten aus dem ersten Zustandsergebnis und den experimentellen Daten aus dem zweiten Zustandsergebnis für ein spezielles Attribut. Alle experimentellen Daten für je­ des Attribut in jedem experimentellen Ergebnis können als ein Datenpunkt bzw. Bei­ spielspunkt in einer Verteilung betrachtet werden; diese können neu verteilt werden, indem lediglich eine ausreichende Anzahl von Datenpunkten gewählt wird, die ebenfalls weitere mögliche Werte für ein Attribut in einem experimentellen Ergebnis sind. Bei­ spielsweise haben die experimentellen Daten für ein Attribut im ersten Zustandsergebnis einen Mittelwert m1 und eine Standardabweichung σ1, während die experimentellen Daten für ein Attribut im zweiten Zustandsergebnis einen Mittelwert m2 und eine Stan­ dardabweichung σ2 besitzen, wie dies in Fig. 5 dargestellt ist. Die Korrelation der expe­ rimentellen Daten im ersten Zustandsergebnis und im zweiten Zustandsergebnis können für jedes Attribut durch statistische Verfahren wie etwa ANOVA oder GLM berechnet werden. Es wird ein Wahrscheinlichkeitswert für jedes Attribut verwendet, um das Maß des Unterschieds in der Statistik für die experimentellen Daten für ein Attribut im ersten Zustandsergebnis und im zweiten Zustandsergebnis aufzuzeigen. Allgemein wird ein Produkt mit Computeranweisungen mit einer computerlesbaren Instruktionscodeein­ richtung in der statistischen Analyse der experimentellen Daten verwendet. Die compu­ terlesbare Instruktionscodeeinrichtung kann in einen Computer oder ein anderes pro­ grammierbares Gerät eingeladen werden, so dass die Anweisungen im Computer oder dem anderen programmierbaren Gerät abgearbeitet werden und Einrichtungen zum Analysieren und Vergleichen der ersten Zustandsdaten und der zweiten Zustandsdaten für jedes Attribut erzeugt werden.
Fig. 6 zeigt eine Abschätzungsdatenbank in dieser Erfindung. In dieser Abschätzungs­ datenbank 38 sind die Unterschiede in den Mittelwerten, der Mittelwert für das erste Zu­ standsergebnis, der Mittelwert für das zweite Zustandsergebnis und der Wahrschein­ lichkeitswert für jedes Attribut gezeigt. Typischerweise wird von dem Produkt mit Com­ puterbefehlssatz ein Signifikanzpegel vorgegeben. Wenn der tatsächliche Wahrschein­ lichkeitswert für ein Attribut kleiner als der vorbestimmte Signifikanzpegel ist, erkennt das erfindungsgemäße System dieses Attribut. Wenn beispielsweise der Signifikanzpe­ gel gleich 0.1 ist, d. h. der vorbestimmte Schwellwert, dann werden die Attribute des NMOS-Stroms, des NMOS-Schwellwerts (VT), des PMOS-Stroms und des PMOS VT mit einem Wahrscheinlichkeitswert von kleiner als 0.1 in der Abschätzungsdatenbank erkannt.
Die Abschätzungsdatenbank wird mit der Sachwissendatenbank verglichen, um eine Übereinstimmungsdatenbank und eine Nichtübereinstimmungsdatenbank zu erzeugen. Im allgemeinen wird ein Produkt mit Computerinstruktionen, das eine computerlesbare Instruktionscodeeinrichtung aufweist, zum Vergleichen verwendet. Die computerlesbare Instruktionscodeeinrichtung kann in einen Computer oder in ein anderes programmier­ bares Gerät eingeladen werden, sodass die Anweisungen in der computerlesbaren In­ struktionscodeeinrichtung auf dem Computer oder dem anderen programmierbaren Ge­ rät abgearbeitet werden, wobei eine Einrichtung zum Analysieren und Vergleichen der Abschätzungsdatenbank mit der Sachwissendatenbank erzeugt wird, um eine Überein­ stimmungsdatenbank und eine Nichtübereinstimmungsdatenbank zu generieren.
Fig. 7A und Fig. 7B zeigen jeweils eine Übereinstimmungsdatenbank 42 und eine Nicht­ übereinstimmungsdatenbank 44. Die Übereinstimmungsdatenbank 42 enthält die Attri­ bute in der Abschätzungsdatenbank 38, die in der Sachwissentabelle 40 aufgetreten sind, d. h. die Attribute, die in den Experimenten eine erwartete Wirkung entfalteten. Aus der Sachwissendatenbank 40 in Fig. 4 und der Abschätzungsdatenbank 38 in Fig. 6 geht beispielsweise in klarer Weise hervor, dass sowohl von dem NMOS-Strom als auch dem PMOS-Strom erwartet wird, beeinflusst zu werden, und diese werden tatsächlich in den experimentellen Vorgang durch Änderungen in der Fotolithografie hinsichtlich der polykristallinen Siliciums beeinflusst. Daher werden der NMOS-Strom und der PMOS- Strom in die Übereinstimmungsdatenbank 42 aufgenommen. Die Nichtübereinstim­ mungsdatenbank 44 umfasst Attribute, die in der Abschätzungsdatenbank 38 gekenn­ zeichnet sind, und die nicht in der Sachwissendatenbank 40 in Erscheinung getreten sind, wodurch angedeutet wird, dass von diesen nicht erwartet wurde, beeinflusst zu werden, die aber tatsächlich von der Steuervariablen im Experiment beeinflusst werden. Beispielsweise geht aus der Sachwissendatenbank 40 in Fig. 4 und der Abschätzungs­ datenbank 38 in Fig. 6 eindeutig hervor, dass die NMOS VT- und PMOS VT-Attribute mit Sicherheit durch Änderungen in der Fotolithografie bezüglich des polykristallinen Siliciums beeinflusst werden, was aber von erfahrenen Ingenieuren nicht erwartet wurde und daher als solche nicht in die Sachwissendatenbank 40 mit aufgenommen wurde. Somit wird eine spezielle Nichtübereinstimmungsdatenbank 44 erzeugt.
Die Übereinstimmungsdatenbank 42 und die Nichtübereinstimmungsdatenbank 44 ver­ sorgen Ingenieure mit einfacher, genauer und intuitiver Information auf der Grundlage der Entscheidungen, welche Untersuchungen weiterhin veranlasst werden sollen. Es sind eine Reihe von Möglichkeiten vorhanden, die zu einem Eintrag in einer Nichtüber­ einstimmungsdatenbank 44 führen. Das Aufnehmen einer Eigenschaft in die Nichtüber­ einstimmungsdatenbank kann aus Fehlern oder Nichtübereinstimmung mit Standard­ protokollen im Herstellungsprozess herrühren. Beispielsweise kann dies dadurch auf­ treten, dass zwei Halbleiterchips, an denen das Experiment durchgeführt wird, nicht von einer Station gleichzeitig bearbeitet oder nicht gleichzeitig in die gleiche Maschine ein­ geführt wurden und somit einige Attribute unerwartet geändert wurden. Alternativ kann die Attributänderung eine innere Eigenschaft des Prozesses sein, die zuvor nicht ver­ standen wurde. Eine weitere Untersuchung des Grundes der Nichtübereinstimmung ist zwingend zur Gewährleistung der Produktqualität und zum Aufnehmen notwendiger Än­ derungen zu Verbesserungen im Prozessprotokoll erforderlich.
Die Sachwissendatenbank kann eine oder mehrere Steuervariablen und jene Attribute enthalten, von denen erwartet wird, dass sie von der einen oder mehreren Steuervari­ ablen beeinflusst werden. Wenn die Sachwissendatenbank mehrere Steuervariablen enthält und die Experimente lediglich eine der mehreren Steuervariablen betreffen, wer­ den für gewöhnlich Attribute, von denen erwartet wird, dass sie durch andere Steuerva­ riablen, die in der Sachwissendatenbank aufgeführt sind, aber nicht von der eingestell­ ten Steuervariablen in dem Experiment beeinflusst wird, in die Übereinstimmungsdaten­ bank aufgenommen.
Die Sachwissendatenbank 40 kann ferner auf der Grundlage der experimentellen Er­ gebnisse korrigiert, modifiziert und erweitert werden. In dem obigen Beispiel sollte der NMOS VT und der PMOS VT als zusätzliche Attribute, von denen erwartet wird, dass sie durch Änderungen in der Fotolithografie bezüglich des polykristallinen Siliciums be­ einflusst werden, zu der Sachwissendatenbank 40 hinzugefügt werden. Attribute, die durch Änderungen in anderen Steuervariablen beeinflusst werden, können ebenfalls hinzugefügt werden. Die aktualisierte Sachwissendatenbank 40 kann im Computer oder einem damit verknüpften Speicherelement gespeichert werden und kann vom Anwender befragt werden und kann ebenfalls als Ausbildungsmaterial für einen neuen Ingenieur verwendet werden.
Das erfindungsgemäße Verarbeitungsverfahren ist ebenfalls für Experimente geeignet, in denen mehr als zwei Arten von Zuständen für eine Steuervariable bestimmt sind, um die Wirkung auf experimentelle Ergebnisse mit einem unterschiedlichen Maß an Ände­ rung in den Steuervariablen zu untersuchen. Das erfindungsgemäße Verfahren ist e­ benfalls zum Experimentieren geeignet, wobei zwei oder mehr Steuervariablen einge­ stellt werden, um die Wechselwirkung zwischen den zwei oder den mehreren Variablen zu untersuchen. Einfach ausgedrückt, mit dem ersten bis n-ten experimentellen Ergeb­ nissen (n ≧ 2) repräsentiert jedes experimentelle Ergebnis eine Art der experimentellen Bedingungen. Sodann werden statistische Verfahren angewendet, um nach Attributen mit einem Wahrscheinlichkeitswert zu suchen, der kleiner als ein vorbestimmter Signifi­ kanzpegel sind, d. h. nach Werten mit einem signifikanten Unterschied zwischen den Ergebnissen in den n-Experimenten. Anschließend werden die experimentellen Ergeb­ nisse mit einer Sachwissendatenbank verglichen, um eine Nichtübereinstimmungsda­ tenbank und eine Übereinstimmungsdatenbank zu erzeugen. Dies ermöglicht es, die Auswirkungen auf die experimentellen Ergebnisse, die durch verschiedene experimen­ telle Bedingungen erzeugt wurden, mit hoher Effizienz und Genauigkeit zu bestimmen.
In den erfindungsgemäßen Systemen, Verfahren und Produkten mit Computerbefehls­ satz kann eine Experimentanalyse innerhalb einer kurzen Zeitdauer erhalten werden. Mehrere Steuervariablen können unter hoher Genauigkeit gleichzeitig experimentell untersucht werden. Ferner kann die Sachwissendatenbank modifiziert und erweitert und in einem Computer lesbaren Medium gespeichert oder von diesem abrufbar sein, wo­ durch ein einfacher Zugriff auf die Datenbank von Ingenieuren und Technikern möglich ist. Somit stellt die vorliegende Erfindung genaue, effiziente, vielseitige Systeme, Verfah­ ren und Produkte mit Computerbefehlssatz zum Analysieren experimenteller Daten in einem Herstellungsprozess bereit.
Viele Modifikationen und andere Ausführungsformen der Erfindung liegen im Bereich des Fachwissens des Fachmannes, für den die Beschreibung gedacht ist, sobald er im Besitz der Vorteile der Lehre ist, die in der vorhergehenden Beschreibung und den be­ gleitenden Zeichnungen dargeboten wurde. Es ist daher selbstverständlich, dass die Erfindung nicht auf die speziellen, offenbarten Ausführungsformen beschränkt ist und dass es beabsichtigt ist, Modifikationen und weitere Ausführungsformen durch den Schutzbereich der angefügten Ansprüche miteinzubeziehen. Obwohl darin spezielle Begriffe verwendet werden, sind diese lediglich in allgemeiner und beschreibender Wei­ se und nicht im beschränkenden Sinne verwendet.
Figurenbeschreibung
Fig.
1
12
a Station
1
12
b Station
2
12
c Station n
14
Sammel­ station
16
a Erster Zustand
16
b Zweiter Zustand
Fig.
2
1
Experimentelle Daten
2
Herstellungsattribute
3
Elektrische Attribute
4
Produkt-Attribute
5
Dicken messung
6
Endzeit­ punkt
7
Widerstands­ wert
8
Kapazitäts­ wert
9
Ausbeute
10
Elemente­ schema
11
Erstes Zustands­ ergebnis
12
Zweites Zustands­ ergebnis
Fig.
3
20
Experimentplanung
22
Experimentdurchführung
24
Erhalten der experimen­ tellen Daten
32
Bereitstellen der Sach­ wissendatenbank
36
Erzeugen der Überein­ stimmungs- und Nichtüber­ einstimmungsdatenbank
34
Erzeugen der Ab­ schätzungsdatenbank
Fig.
4
1
Steuervariablen
2
Polysiliciumätzen
3
Fotolithografie für Polysilicium
4
Dicke des Polysiliciums
5
Attribut
6
NMOS-Strom, PMOS-Strom
7
NMOS-Strom
8
Widerstand des polykristallinen Siliciums
Fig.
6
1
Attribut
2
Mittlere Abweichung
3
Erstes Zustandsergebnis Mittelwert
4
Zweites Zustandsergebnis Mittelwert
5
Wahrscheinlichkeitswert
6
NNMOS-Strom
7
NMOS Vt
8
PMOS-Strom
9
PMOS Vt
10
N+ Widerstand
Fig.
7
A
1
Übereinstimmungsdatenbank für Fotolithografie bei polykristallinem Silicium
2
Steuervariable
3
Fotolithografie polykristallines Silicium
4
Attribut
5
NMOS-Strom PMOS-Strom
Fig.
7
B
1
Nichtübereinstimmungsdatenbank für Fotolithografie bei polykristallinem Silicium

Claims (16)

1. System zum Analysieren experimenteller Ergebnisse einer Vielzahl von Attribu­ ten in einem Prozess, wobei der Prozess eine Steuervariable beinhaltet, und wo­ bei das System umfasst:
ein Speicherelement zum Speichern einer Sachwissendatenbank mit Attributen, von denen erwartet wird, dass sie von Änderungen in der Steuervariable beein­ flusst werden; und
einen Prozessor, der die experimentellen Daten mit der Sachwissendatenbank vergleicht und jene Attribute erkennt, die in Übereinstimmung mit der Sachwis­ sendatenbank sind, indem diese durch Änderungen in der Steuervariablen wie erwartet beeinflusst werden, und jene Attribute erkennt, die nicht in Übereinstim­ mung mit der Sachwissendatenbank sind, indem diese durch Änderungen in der Steuervariablen nicht wie erwartet beeinflusst werden.
2. Das System aus Anspruch 1, wobei die experimentellen Ergebnisse umfassen: eine erste Vielzahl experimenteller Daten, die in dem Prozess in einem ersten Zustand der Steuervariablen ausgeführt sind, und eine zweite Vielzahl experi­ menteller Daten, die in dem Prozess in einem zweiten Zustand der Steuervari­ able ausgeführt sind, wobei die erste und zweite Vielzahl experimenteller Daten einer Vielzahl an Attributen des Prozesses entsprechen und wobei der Prozessor die erste und zweite Vielzahl experimenteller Daten vergleicht, um eine Abschät­ zungsdatenbank zu erzeugen, und die Abschätzungsdatenbank mit der Sachwis­ sendatenbank vergleicht.
3. Das System nach Anspruch 2, wobei die Abschätzungsdatenbank identifizierte Attribute enthält, die einen statistisch signifikanten Unterschied in ihren entspre­ chenden experimentellen Daten aufweisen, die in dem Prozess, der im ersten und zweiten Zustand der Steuervariablen durchgeführt wurde, erhalten werden.
4. Das System nach Anspruch 1, wobei die Sachwissendatenbank weiterhin Attri­ bute enthält, von denen erwartet wird, dass sie von Änderungen in einer zweiten Steuervariable beeinflusst werden.
5. Das System nach Anspruch 1, wobei die in dem Speicherelement gespeicherte Sachwissendatenbank elektrische Attribute, prozesstechnische Attribute und Produktattribute aufweist.
6. Verfahren zur Analyse von in einem Herstellungsprozess erhaltener experimen­ teller Ergebnisse, wobei der Prozess eine Steuervariable umfasst und wobei das Verfahren umfasst:
Ausführen des Prozesses in einem ersten Zustand der Steuervariable, um eine erste Vielzahl experimenteller Daten entsprechend einer Vielzahl von Attributen des Prozesses zu erhalten;
Ausführen des Prozesses in einem zweiten Zustand der Steuervariablen, um ei­ ne zweite Vielzahl experimenteller Daten entsprechend der Vielzahl der Attribute zu erhalten;
Vergleichen der ersten und zweiten Vielzahl experimenteller Daten, um eine Ab­ schätzungsdatenbank zu erzeugen; und
Vergleichen der Abschätzungsdatenbank mit einer Sachwissendatenbank, um eine Übereinstimmungsdatenbank und eine Nichtübereinstimmungsdatenbank zu erzeugen.
7. Das Verfahren nach Anspruch 6, wobei die Vielzahl der Attribute elektrische Att­ ribute, Herstellungsattribute und Produktattribute umfasst.
8. Das Verfahren nach Anspruch 6, wobei die Sachwissendatenbank Attribute ent­ hält, von denen erwartet wird, dass sie von Änderungen der Steuervariablen be­ einflusst werden.
9. Das Verfahren nach Anspruch 6, wobei die Sachwissendatenbank weiterhin Att­ ribute enthält, von denen erwartet wird, dass sie durch Änderungen in einer zweiten Steuervariablen beeinflusst werden.
10. Das Verfahren nach Anspruch 6, wobei das Vergleichen der ersten und zweiten Vielzahl experimenteller Daten das Identifizieren von Attributen einschließt, die einen statistisch signifikanten Unterschied in ihren entsprechenden experimen­ tellen Daten, die in dem in dem ersten und zweiten Zustand ausgeführten Pro­ zess erhalten wurden, aufweisen.
11. Produkt mit Computerbefehlssatz zum Analysieren von experimentellen Ergeb­ nissen, die in einem Herstellungsprozess mit einer ersten Steuervariablen erhal­ ten werden, mit:
einem Computer-lesbaren Speichermedium mit einer Computer-lesbaren Instruk­ tionscodeeinrichtung, die in dem Medium ausgebildet ist, wobei die Computer lesbare Instruktionscodeeinrichtung eine Computerbefehlseinrichtung zum Ver­ gleichen der experimentellen Daten mit einer Sachwissendatenbank enthält, die Attribute aufweist, von denen erwartet wird, von Änderungen in der ersten Steu­ ervariablen beeinflusst zu werden, und zum Erkennen jener Attribute, die in Ü­ bereinstimmung mit der Sachwissendatenbank sind, indem die Attribute wie er­ wartet von Änderungen in der Steuervariablen beeinflusst werden, und von jenen Attributen, die nicht in Übereinstimmung mit der Sachwissendatenbank sind, in­ dem die Attribute nicht von Änderungen in der Steuervariablen wie erwartet be­ einflusst werden.
12. Das Produkt für Computerbefehlssatz nach Anspruch 11, wobei die Sachwissen­ datenbank ferner Attribute enthält, von denen erwartet wird, dass sie von Ände­ rungen in einer zweiten Steuervariablen beeinflusst werden.
13. Das Produkt für Computerbefehlssatz nach Anspruch 11, wobei die experimen­ tellen Ergebnisse eine erste Vielzahl experimenteller Daten, die in dem in einem ersten Zustand der ersten Steuervariablen ausgeführten Prozess erzeugt wur­ den, und eine zweite Vielzahl experimenteller Daten, die in dem in einem zweiten Zustand der ersten Steuervariablen ausgeführten Prozess erzeugt wurden, um­ fasst, wobei die erste und zweite Vielzahl experimenteller Daten eine Vielzahl an Attributen des Prozesses entsprechen, und wobei die Computer- Befehlseinrichtung die erste und zweite Vielzahl experimenteller Daten vergleicht, um eine Abschätzungsdatenbank zu erzeugen, und die Abschätzungsdatenbank mit der Sachwissendatenbank vergleicht.
14. Das Produkt mit Computerbefehlssatz nach Anspruch 13, wobei die Abschät­ zungsdatenbank erkannte Attribute enthält, die einen statistisch signifikanten Unterschied in ihren entsprechenden experimentellen Daten, die in dem in dem ersten und zweiten Zustand der Steuervariablen ausgeführten Prozess erhalten wurden, aufweisen.
15. Das Produkt mit Computerbefehlssatz nach Anspruch 13, das weiterhin eine zweite Computer-Befehlsanweisungseinrichtung zum Sammeln der ersten und zweiten Vielzahl experimenteller Daten umfasst.
16. Das Produkt mit Computerbefehlssatz nach Anspruch 13, wobei die Computer- Befehlseinrichtung zum Vergleichen der ersten und zweiten Vielzahl experimen­ teller Daten eine Computer-Befehlseinrichtung zum Identifizieren von Attributen, die einen statistisch signifikanten Unterschied in ihren entsprechenden experi­ mentellen Daten in der ersten und zweiten Vielzahl experimenteller Daten auf­ weist, umfasst.
DE10015286A 2000-02-25 2000-03-28 System, Verfahren und Produkt mit Computerbefehlssatz zum automatischen Abschätzen experimenteller Ergebnisse Ceased DE10015286A1 (de)

Priority Applications (4)

Application Number Priority Date Filing Date Title
JP2000049828A JP2001244162A (ja) 2000-02-25 2000-02-25 実験結果を自動的に評価する方法
TW089103792A TW439108B (en) 2000-02-25 2000-03-03 Method for automatically evaluating the experiment result
US09/525,555 US6615157B1 (en) 2000-02-25 2000-03-15 System method and computer program product for automatically assessing experiment results
DE10015286A DE10015286A1 (de) 2000-02-25 2000-03-28 System, Verfahren und Produkt mit Computerbefehlssatz zum automatischen Abschätzen experimenteller Ergebnisse

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
JP2000049828A JP2001244162A (ja) 2000-02-25 2000-02-25 実験結果を自動的に評価する方法
TW089103792A TW439108B (en) 2000-02-25 2000-03-03 Method for automatically evaluating the experiment result
US09/525,555 US6615157B1 (en) 2000-02-25 2000-03-15 System method and computer program product for automatically assessing experiment results
DE10015286A DE10015286A1 (de) 2000-02-25 2000-03-28 System, Verfahren und Produkt mit Computerbefehlssatz zum automatischen Abschätzen experimenteller Ergebnisse

Publications (1)

Publication Number Publication Date
DE10015286A1 true DE10015286A1 (de) 2001-10-04

Family

ID=29554292

Family Applications (1)

Application Number Title Priority Date Filing Date
DE10015286A Ceased DE10015286A1 (de) 2000-02-25 2000-03-28 System, Verfahren und Produkt mit Computerbefehlssatz zum automatischen Abschätzen experimenteller Ergebnisse

Country Status (4)

Country Link
US (1) US6615157B1 (de)
JP (1) JP2001244162A (de)
DE (1) DE10015286A1 (de)
TW (1) TW439108B (de)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE10160961A1 (de) * 2001-07-26 2003-06-26 Promos Technologies Inc Verfahren und Vorrichtung zur Anlagenanpassung für einen Halbleiterherstellungsprozess

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6981246B2 (en) * 2001-05-15 2005-12-27 Sun Microsystems, Inc. Method and apparatus for automatic accessibility assessment
US6929962B1 (en) * 2004-03-26 2005-08-16 Taiwan Semiconductor Manufacturing Co., Ltd. System and method for wafer acceptance test configuration
US20090138415A1 (en) * 2007-11-02 2009-05-28 James Justin Lancaster Automated research systems and methods for researching systems
TW200929412A (en) * 2007-12-18 2009-07-01 Airoha Tech Corp Model modification method for a semiconductor device
US20110093226A1 (en) * 2008-07-04 2011-04-21 Inotera Memories, Inc. Fault detection and classification method for wafer acceptance test parameters
TWI447605B (zh) * 2011-06-22 2014-08-01 Inotera Memories Inc 半導體製程之失效偵測方法及執行此方法之系統架構
EP2814202A1 (de) * 2013-06-14 2014-12-17 OpenTV Europe SAS Fernwartungssystem und -methode für Benutzereinheiten
CN111223030A (zh) * 2018-11-27 2020-06-02 奇酷互联网络科技(深圳)有限公司 实验修正方法、智能终端及可读存储介质
CN111639145A (zh) * 2020-06-19 2020-09-08 国电锅炉压力容器检验有限公司 一种燃气轮机热端动叶片寿命评估方法

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2987032B2 (ja) * 1993-03-18 1999-12-06 株式会社日立製作所 製品設計仕様評価システム及び製品設計仕様評価方法
US5946220A (en) * 1993-08-25 1999-08-31 Lemelson; Jerome H. Computer operated material processing systems and method
JPH08287154A (ja) * 1995-04-17 1996-11-01 Hitachi Ltd 製造不良解析システム、方法およびこれに関連したデータベースの生成方法
US6389380B1 (en) * 1997-09-16 2002-05-14 Evolving Logic Associates System and method for performing compound computational experiments
CN1299226C (zh) * 1997-09-17 2007-02-07 东京电子株式会社 用于监视和控制气体等离子体处理的系统和方法
US6141608A (en) * 1997-10-28 2000-10-31 Snap-On Tools Company System for dynamic diagnosis of apparatus operating conditions
US6359251B1 (en) * 2000-04-10 2002-03-19 Hypertherm, Inc. Centralized control architecture for a plasma arc system

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE10160961A1 (de) * 2001-07-26 2003-06-26 Promos Technologies Inc Verfahren und Vorrichtung zur Anlagenanpassung für einen Halbleiterherstellungsprozess
DE10160961B4 (de) * 2001-07-26 2007-06-14 Promos Technologies, Inc. Verfahren zur Anlagenanpassung für einen Halbleiterherstellungsprozess

Also Published As

Publication number Publication date
TW439108B (en) 2001-06-07
JP2001244162A (ja) 2001-09-07
US6615157B1 (en) 2003-09-02

Similar Documents

Publication Publication Date Title
DE102008038347B4 (de) System zur analyse der leistungscharakteristik einer gasturbine
DE69431822T2 (de) Vorrichtung und Verfahren für eine modellbasierende Prozesssteuerung
DE102008021558A1 (de) Verfahren und System für die Halbleiterprozesssteuerung und Überwachung unter Verwendung von PCA-Modellen mit reduzierter Grösse
DE102018117836A1 (de) Verfahren zum Herstellen von Halbleitern und Verwendung von Ätzeffektvorhersagen und Verfahren zum Bestimmen von Eingabeparametern für die Halbleiterherstellung
DE10014492A1 (de) Prüfverfahren für Halbleiterwafer
DE112017001244T5 (de) Analysemethode für Herstellungsprozesse
DE10039538A1 (de) Vorrichtung und Methode zum Analysieren der Leistung eines Computerprogramms
DE60219376T2 (de) System zur adaptiven Plasma-Charakterisierung
DE10015286A1 (de) System, Verfahren und Produkt mit Computerbefehlssatz zum automatischen Abschätzen experimenteller Ergebnisse
EP1145088B1 (de) Qualitatsüberwachung bei einer fertigung
EP4435690A2 (de) Bearbeitungsverfahren, datenbankserver, system und verfahren zum teilen von daten für bearbeitungs- vorrichtungen mittels datenfernübertragung
EP2433185B1 (de) Vorrichtung und verfahren zum bearbeiten einer prozesssimulationsdatenbasis eines prozesses
DE10219363B4 (de) Verfahren für eine fortschrittliche Prozesssteuerung für einen Herstellungsvorgang für mehrere Produkte mit minimierter Steuerungsbeeinträchtigung nach erneuter Initialisierung bei Auftreten von Resetereignissen
DE102006040767A1 (de) System und Verfahren für die standardisierte Prozessüberwachung in einer komplexen Fertigungsumgebung
DE69802372T2 (de) Klassifizierungssystem und -verfahren mit N-Tuple- oder RAM-basiertem neuronalem Netzwerk
DE19963123B4 (de) Analytisches Informationssystem
EP1157317B1 (de) Verfahren und anordnung zur reduktion einer anzahl von messwerten eines technischen systems
DE102022208394A1 (de) Verfahren und Vorrichtung zum Identifizieren von Variablen aus einer Mehrzahl von Variablen, die eine Abhängigkeit von einer vorgegebenen Variable aus der Mehrzahl der Variablen aufweisen
EP3945423B1 (de) Verfahren zur detektion von anomalen betriebszuständen eines computersystems
DE102004002901A1 (de) Verfahren zur Fehleranalyse einer Halbleiterbaugruppe
DE69734123T2 (de) Verfahren zur erzeugung eines klassifikationsmodells
DE10054145A1 (de) Verfahren zum Identifizieren des besten Werkzeugs in einem Halbleiterherstellungsprozess
EP4130656B1 (de) Vorbereitung der auswertung von stichproben von messwerten einer messgrösse aus einer vermessung einer vielzahl von werkstücken durch ein oder mehrere koordinatenmessgeräte
EP1254415A1 (de) Vorrichtung, speichermedium und verfahren zum ermitteln von objekten mit grossen ähnlichkeit zu einem vorgegebenen objekt
DE102016113310A1 (de) Verfahren zur Bewertung von Aussagen einer Mehrzahl von Quellen zu einer Mehrzahl von Fakten

Legal Events

Date Code Title Description
OP8 Request for examination as to paragraph 44 patent law
8131 Rejection
8127 New person/name/address of the applicant

Owner name: QIMONDA AG, 81739 MUENCHEN, DE

Owner name: PROMOS TECHNOLOGIES, INC., HSINCHU, TW

Owner name: MOSEL VITELIC INC., HSINCHU, TW