079_093-040AP-TW
發佈日期 :
2009-04-29
| I267012 | |||||||||||||||||||||||||||||
| 生產製程之品質預測系統與方法(全文下載) QUALITY PROGNOSTICS SYSTEM AND METHOD FOR MANUFACTURING PROCESSES |
|||||||||||||||||||||||||||||
| 2006/11/21 | |||||||||||||||||||||||||||||
| I267012 | |||||||||||||||||||||||||||||
| 2004/06/03 | |||||||||||||||||||||||||||||
| 093115993 | |||||||||||||||||||||||||||||
| G06F-019/00(2006.01);H01L-021/66(2006.01) | |||||||||||||||||||||||||||||
| 33-33 | |||||||||||||||||||||||||||||
| 蔡坤財 | |||||||||||||||||||||||||||||
| 一種生產製程之品質預測系統與方法，係利用生產機台正在加工過程中的製程參數，加上最近數次的產品實際檢測值，以預測出未來生產的產品品質。本發明主要係 由推估模式與預測模式兩個裝置(Means)所組成，其推估方法和預測方法可根據實際生產機台的特性來選擇，推估模式裝置更可當作虛擬量測用。此外，本發 明更包含自我搜尋裝置與自我調適裝置，以挑選出演算法所須之最佳參數與函數組合；及修正並滿足新的生產機台特性與推估/預測準確度的要求。 | |||||||||||||||||||||||||||||
| 1.一種生產製程之品質預測系統,至少包括: 一推估模式裝置(Means),係利用一生產機台的一組輸入資料來推估獲得正在該生產機台生產之一批產品的一推估品質値,其中該推估模式裝置係由一推估方法所建立,而該推估方法係選自由一第一類神經網路、一模糊理論、一資料探勘和其他具推估能力之技術所組成之一族群;以及 一 預測模式裝置,係利用目前推估出來之該批產品的該推估品質,加上至少一前批產品的至少一實際品質檢測値,來預測出下一批產品的一預測品質値,其中該預測模 式裝置係由一預測方法所建立,而該預測方法係選自由一權重移動平均、一第二類神經網路和其他具預測能力之演算法所組成之一族群。 2.如申請專利範圍第1項所述之生產製程之品質預測系統,更至少包括: 一原始資料前處理裝置,用以將由該生產機台所輸入之一組原始資料轉換為具有一特定資料格式的該組輸入資料。 3.如申請專利範圍第1項所述之生產製程之品質預測系統,更至少包括: 一自我搜尋裝置,用以於剛選定該推估方法或該預測方法並設定相關的初始値時,挑選出該推估方法或該預測方法所需之一組最佳參數與函數的組合,以增加推估/預測準確度。 4.如申請專利範圍第1項所述之生產製程之品質預測系統,更至少包括: 一自我調適裝置,其中在該生產機台運轉一段時間後,如推估/預測準確度降低於一預設準確度時,或因定期檢修與更換零件而導致該生產機台之特性改變時,該自我調適機制就會啓動,以修正並且滿足新的該生產機台之特性及推估/預測準確度要求。 5.如申請專利範圍第1項所述之生產製程之品質預測系統,更至少包括: 一選擇與設定介面,用以協助選擇適當的該推估方法或該預測方法,並設定相關的初始値。 6.如申請專利範圍第1項所述之生產製程之品質預測系統,其中該推估模式裝置具備虛擬量測(Virtual Metrology)的功能。 7.如申請專利範圍第1項所述之生產製程之品質預測系統,更至少包括: 一評估指標,用以評估該生產製程之品質預測系統的準確率。 8.如申請專利範圍第7所述之生產製程之品質預測系統,其中該評估指標係選自由平均絕對百分比誤差(MAPE)、和最大誤差(MaxError)所組成之一族群。 9.一種生產製程之品質預測方法,至少包括: 提供一推估模式步驟,藉以利用一生產機台的一組輸入資料來推估獲得正在該生產機台生產之一批產品的一推估品質値,其中該推估模式步驟係使用一推估方法,而該推估方法係選自由一第一類神經網路、一模糊理論、一資料探勘和其他具推估能力之技術所組成之一族群;以及 提 供一預測模式步驟,藉以利用目前推估出來之該批產品的該推估品質値,加上至少一前批產品的至少一實際品質檢測値,來預測出下一批產品的一預測品質値,其中 該預測模式步驟係使用一預測方法,而該預測方法係選自由一權重移動平均、一第二類神經網路和其他具預測能力之演算法所組成之一族群。 10.如申請專利範圍第9項所述之生產製程之品質預測方法,更至少包括: 進行一原始資料前處理步驟,藉以將由該生產機台所輸入之一組原始資料轉換為具有一特定資料格式的該組輸入資料。 11.如申請專利範圍第9項所述之生產製程之品質預測方法,更至少包括: 進行一自我搜尋步驟,藉以於剛選定該推估方法或該預測方法並設定相關的初始値時,挑選出該推估方法或該預測方法所需之一組最佳參數與函數的組合,以增加推估/預測準確度。 12.如申請專利範圍第9項所述之生產製程之品質預測方法,其中該推估模式步驟具備虛擬量測的功能。 13.如申請專利範圍第9項所述之生產製程之品質預測方法,更至少包括: 提供一評估指標,藉以以評估該生產製程之品質預測系統的準確率。 14.如申請專利範圍第13所述之生產製程之品質預測方法,其中該評估指標係選自由平均絕對百分比誤差、和最大誤差所組成之一族群。 15.如申請專利範圍第9項所述之生產製程之品質預測方法,其中該推估方法係使用該類神經網路、該推估模式步驟更至少包括: 收集該生產機台之感測器資訊,並選擇複數個輸入參數; 選擇一隱藏層層數、一節點數範圍與一轉移函數; 選擇複數個訓練資料集和複數個測試資料集; 進行資料前處理,以在進行該類神經網路訓練前,對該感測器資訊和該些輸入參數進行正規化(Normalize),並在該類神經網路訓練完成後,對利用該類神經網路所推得的輸出値進行反正規化; 設定該類神經網路的訓練終止條件; 設定該類神經網路的一初始權重; 執行該類神經網路; 計算一推估輸出與一資際輸出的一誤差; 檢查一終止條件是否成立,其中該終止條件為訓練次數達到一預設次數値,或當該誤差低於一預設誤差値,若該終止條件成立,則停止該類神經網路的訓練; 該終止條件不成立,則進行回傳該誤差以調整該初始權重的步驟,再進行該執行該類神經網路的步驟; 檢查是否完成自我搜尋,並產生一檢查結果; 若該檢查結果為否,則選擇一新隱藏層層數、一新節點數個數或一新轉移函數;以及 若該檢查結果為是,則選擇該初始權重、該隱藏層層數、該節點數範圍與該轉移函數為一最佳組合,並完成該推估模式步驟的建立。 16. 如申請專利範圍第9項所述之生產製程之品質預測方法,其中該預測方法係使用該權重移動平均,該權重移動平均是採用由一量測機台所得到的前兩批產品之該些實 際品質檢測値(yi-1, yi-2),再加上該推估品質値(^yi),來預測出該下一批產品該預測品質値(~yi+1),該權重移動平均的公式為:~yi+1=wi~yi+wi- 1yi-1+wi-2yi-2其中wi, wi-1, wi-2為權重値。 17.如申請專利範圍第9項所述之生產製程之品質預測方法,更至少包括: 進行一自我調適裝置步驟,藉以在該生產機台運轉一段時間後,如推估/預測準確度降低至小於一預設下限値時,或因定期檢修與更換零件而導致該生產機台之特性改變時,修正並且滿足新的該生產機台之特性及推估/預測準確度要求。 18.如申請專利範圍第17項所述之生產製程之品質預測方法,其中該自我調適裝置步驟更至少包括: 收集該生產機台之感測器資訊,並選擇複數個輸入參數; 執行該推估/或預測模式步驟,以獲得該下一批產品的該推估/或預測品質値; 計算該推估/或預測品質値的一推估/或預測準確率,其中使用該推估/或預測品質値與一實際品質檢測値來計算出該推估/或預測準確率; 判斷該推估/或預測準確率是否連續一預設次數低於該預設下限値,並產生一判斷結果;以及 若該判斷結果為是,則選擇新的訓練資料集與測試資料集,再重新建立該推估/或預測模式步驟,然後繼續進行下一批產品的品質推估/預測。 19.如申請專利範圍第18項所述之生產製程之品質預測方法,其中該預設次數係介於1次至5次之間。 20.如申請專利範圍第18項所述之生產製程之品質預測方法,其中該預設下限値係介於90%至99%之間。 21.如申請專利範圍第18項所述之生產製程之品質預測方法,其中若該判斷結果為否,則繼續進行下一批產品的品質推估/預測。 圖式簡單說明: 第1圖為繪示本發明之生產製程之品質預測系統的主要結構示意圖。 第2圖為繪示本發明之具有自我搜尋裝置與自我調適機制裝置之品質預測系統的結構示意圖。 第3圖為繪示本發明之應用實例之TFT-LCD廠之濺鍍機的設備示意圖。 第4圖為繪示本應用實例之品質預測流程示意圖。 第5圖為繪示本應用實例之推估模式裝置的建構步驟。 第6圖列出一個模組的部分製程參數資料與產品檢測値。 第7圖為繪示本應用實例之預測結果。 第8圖為繪示本發明之推估/預測模式自我調適機制(裝置)的運作流程示意圖。 第9圖為繪示使用類神經網路之推估模式裝置,進行自我調適前與自我調適後的結果比較曲線。 第10圖為繪示根據本發明之另一實施例之合併後之單一類神經網路模式之品質預測系統的結構示意圖。 |
|||||||||||||||||||||||||||||
| 專利權異動 |
|
||||||||||||||||||||||||||||
| 申請案件狀態 |
|
 |
 |
 |
 |
 |
 |
瀏覽數:
分享