以小波轉換與類神經網路方法建構半導體晶圓圖樣辨識系統

Using Wavelet Transform and Neural Network Approach to Develop a Wafer Bin Map Pattern Recognition Model

鐘安勝(An-Sheng Zhong)

指導教授 ： 陳飛龍 ； 劉淑範

國立清華大學/工學院/工業工程與工程管理學系/碩士(2007年)

摘要

在近年來半導體產業已經成為國內資本與技術相當密集的工業，其中以晶圓製造過程最為精密且複雜，往往包含了數百道製造程序，構成了相當高的生產成本，因此製造過程中良率的維持與提升便成了企業重要的議題。晶圓圖是提供追溯產品發生異常原因的重要線索，藉由晶圓圖的分析得以找出可能發生問題的機台或者是製程步驟，目前國內晶圓廠對於晶圓圖的圖像辨識大多是以人工目視的方式來進行，但由於晶圓圖分佈的情況雜亂，並且可能因為員工的身體狀況、經驗和主觀因素而不能達到快速、精準與客觀的要求，因此建立一個能偵測異常圖樣並做出合理的分類的系統，是一項十分重要的工作。因此，本研究提出一套結合二階段空間圖樣分析、小波轉換和類神經網路之方法發展出一套自動化晶圓圖故障辨識系統，針對中心群聚、邊緣失效故障、區域性故障、環狀故障4種主要故障之圖樣類型進行辨識，其目的為建構晶圓辨識之自動化系統，以提升半導體良率。本研究以實際晶圓廠之晶圓圖相關資料，以建立系統驗證所提出之方法進行分析，而實證分析結果顯示，系統可以成功的區分出隨機性故障圖樣，並且消除系統性故障圖樣上的雜訊，再以小波轉換後的小波係數建立類神經網路，辨識的測試樣本數量為17筆，共有16筆樣本辨識正確，辨識率達94.12%。

關鍵字

半導體 ； 晶圓圖 ； 小波轉換 ； 類神經網路

參考文獻

葉怡成，應用類神經網路，儒林圖書，2002。

林穎駿，「應用小波轉換與類神經網路於電力品質事故之監測與辨識」，碩士論文，私立中原大學電機工程研究所，2002。

魏連均，「應用類神經網路建構晶圓圖故障圖樣辨識模式」，碩士論文，國立清華大學工業工程與工程管理學系研究所，2006。

Chen, F. L. and Lin, S. C., “LOGIC Product Yield Analysis by Wafer Bin Map Pattern Recognition Supervised Neural Network,” IEEE Transactions on Semiconductor Manufacturing, pp. 501-504, Oct. 2003.

Chien, C. F., Lin, T. H. and Liu, Q. W., “Developing A Data Mining Method for Wafer Binmap Clustering and An Empirical Study in A Semiconductor Manufacturing FAB,” Journal of the Chinese Institute of Industrial Engineers, Vol. 19, No. 2, 2002.