全自動虛擬量測
102/10/09
瀏覽次數
11765
鄭芳田｜
成功大學製造資訊與系統研究所
半導體、面板顯示器與太陽能產業是我國目前極重要的3項高科技產業。這3項產業投資規模龐大，各家廠商比的是量產規模，產能越大越具生產效益。因此，在如此高的投資成本之下，如何讓生產設備保持每天24小時不間斷地正常運轉且維持高產品良率，就顯得十分重要。
虛擬量測的必要性
良率低代表的是產能的損失與資本的浪費，因此提高產品良率實是高科技產業獲利的關鍵因素。為達成這目標，就必須在生產過程中對所有半成品及成品進行全檢。然而為達成全檢的目標，就必須購置大量的量測機臺，且須耗費大量的生產時間。
為節省成本，目前業界採取以抽檢的方式來進行品質監測，但如此並無法達到全方位品管。為能經濟實惠地達到全檢的目標，就必須研發虛擬量測技術。虛擬量測可在如半導體、面板或太陽能產業的產品尚未或無法進行實際量測的情況下，利用生產機臺參數推估其所生產產品的品質，以進行線上且即時的產品品質預測（以達到生產片全檢的效果）、機臺效能監控及生產製程改善；如此可即時發現異常，避免重大損失。
產業界對虛擬量測的期待
2008年在歐洲舉行的先進機臺控制與先進製程控制國際研討會中，在國際半導體技術發展藍圖中把虛擬量測列為未來工廠資訊與控制系統內的一項重要技術。2009年在美國舉行的先進機臺控制與先進製程控制國際研討會中，IBM公司在題目為「Solar APC」的演講中也表示，虛擬量測可協助太陽能產業提升製造過程的良率。
臺積電在2013年臺灣歐盟資通訊科技合作策略會議內有關下世代（即18英寸或450毫米）晶圓的議題所發表的「450毫米晶圓轉型：挑戰與期望（The 450 mm Transition: Challenges and Expectations）」演講中表示，可藉虛擬量測技術使下世代450毫米生產機臺具有現場自我監測、自我控制和減少監控晶圓消耗等的能力。
傳統虛擬量測架構的問題
傳統的虛擬量測架構有下列問題：
（1）無法兼顧立即性與準確性，也就是如欲即時輸出虛擬量測值，則其虛擬量測值準確性不高；在另一方面，如欲確保虛擬量測值的準確性，則無法即時輸出。
（2）僅能預測虛擬量測值，但無法提供這預測值的信心指標，令使用者不敢貿然採用（因不知這預測的虛擬量測值可不可靠）。
（3）應用虛擬量測時，由於同一類型或同一機臺內各個反應室（製程裝置）的物理特性不盡相同，為維持虛擬量測的估測精度，就必須根據機臺內各個不同反應室的特性資料來建構其預測模型。如欲把虛擬量測導入全廠各個機臺，習知技術需建構每一個機臺內各個反應室的預測模型，使得全廠的模型數量會隨機臺的種類及數量的增加而越趨龐大。若仍採用習知技術對每一個機臺內各個反應室分開各自建模的方式，必須擷取大量的歷史資料來對每一個機臺內各個反應室一一建模，如此會耗費極龐大的人力資源與成本，使全廠導入虛擬量測幾乎成為一個不可能的任務。因此，需要發展一種全自動化型虛擬量測的伺服器、系統與方法，以解決上述全廠導入虛擬量測的問題。
（4）習知技術尚未具有對收集到的製程資料或實際量測資料進行線上與即時的品質評估能力。若其中製程或量測資料發生異常，習知技術仍會使用異常的製程或量測資料來調整虛擬量測模型，因而會影響預測的準確度。此外，為了解決全廠導入虛擬量測於各個生產機臺的製程裝置時，可能產生的大量建模所需的資料品質評估與篩選問題，也必須具備能夠線上即時且自動地評估與篩選製程和量測資料品質的能力，以便能全自動地排除異常的製程及實際量測資料，節省大量的人力與時間。因此，需要發展具自動評估與篩選能力的資料品質指標，以適用於虛擬量測。
全自動虛擬量測可解決上述問題
本全自動虛擬量測（automatic virtual metrology, AVM）技術能解決上述四大問題：
（1）本AVM技術藉產生雙階段虛擬量測值來兼顧立即性與準確性。其中，第一階段推估步驟是在某一工件的製程參數資料一收集完成，便立即計算這工件的第一階段虛擬量測值（VMI），以滿足立即性的需求；第二階段推估步驟是在取得被抽測工件的實際量測值後（用以重新訓練或調校），才重新計算這被抽測工件所屬卡匣內所有工件的第二階段虛擬量測值（VMII），以滿足準確性的需求。
（2）本AVM技術也產生第一階段虛擬量測值和第二階段虛擬量測值的信心指標（reliance index, RI）和整體相似度指標（global similarity index, GSI），以量化預測的虛擬量測值的可靠度，令使用者可安心採用。
（3）本AVM技術提供一種全自動化型虛擬量測的伺服器、系統與方法，藉以提供虛擬量測模型自動移植（automatic fanning out）與自動換模（automatic model refreshing）的技術，來大量節省導入虛擬量測至其他同型機臺或同一機臺各反應室的時間，並維持虛擬量測應有的精度。
（4）本AVM技術針對製程資料和實際量測資料，提供具自動評估與篩選能力的資料品質評估指標。
AVM系統架構與特性
全自動虛擬量測（AVM）系統中最關鍵的AVM伺服器架構包含下列模組，茲分別說明如下：
資料前處理 在AVM伺服器進行預測值（ŷ）及信心指標（RI）和製程參數整體相似度指標（GSI）等運算前，須進行資料前處理，藉以針對製程資料（X）和實際量測資料（y），提供具自動評估與篩選能力的製程資料品質評估指標（DQIX）和實際量測資料品質評估指標（DQIy），以確保資料品質及高預測精度。
預測模型 AVM伺服器的預測模型選用類神經網路及複迴歸，做為建構虛擬量測預測模型的演算法。
雙階段虛擬量測演算法 雙階段虛擬量測演算法的第一階段是當完成每片晶圓或玻璃的製程資料接收後，立即計算出其預測值／信心指標／製程參數整體相似度指標（ŷ／RI／GSI），由於耗費時間少於1秒，因此符合即時預測需求；第二階段則是當完成量測資料接收，並與製程資料比對其序號，當二者序號比對成功之後，這組製程及量測資料則做為調校或再訓練預測模型後提供預測值。
當進行調校或再訓練之後，會更新預測值／信心指標／製程參數整體相似度指標模型，且會重新計算整個卡匣內的每片晶圓或玻璃的預測值／信心指標／製程參數整體相似度指標值，而更新後的模型則用來計算新進晶圓或玻璃的第一階段的虛擬量測值。在雙階段虛擬量測架構中，第一階段強調快速算出虛擬量測值，而第二階段則為提升虛擬量測值的精度而設，這架構也適用於逐片檢測先進製程控制。
信心指標（RI） 信心指標表示虛擬量測預測值準確度的可信度。信心指標的目的是藉由分析生產機臺的製程參數資料，計算出一個介於0與1之間的信心值，以判斷虛擬量測預測結果是否可信賴。
它的原理是運用製程參數資料並利用類神經網路與複迴歸預測值及其分配，再利用上述二個分配的覆蓋率求出RI值；其次，運用最大可容忍誤差上限（EL）所對應的RI值，求得信心指標門檻值（RIT），若RI值大於RIT時，代表這預測值可被信賴；反之，當RI值低於RIT時，則發出警訊，提供予設備工程師進行機臺檢查或製程工程師進行參數調校，以確認製程是否穩定。
製程參數相似度指標（SI） 製程參數相似度指標的主要目的，是比較預測段與建模段製程參數資料的相似程度。這指標包含二部分，其一是前述的製程參數整體相似度指標（GSI），其二是製程參數個體相似度指標（ISI）。GSI是預測段的製程參數與建模段所有參數的相似程度。ISI則是預測段任一製程參數與建模段該參數所有樣本經標準化後的絕對相似程度，這SI是做為輔助信心指標的判斷。
由於半導體及TFT-LCD廠都採抽測晶圓或玻璃的方式以監測其產品品質，大多數晶圓及玻璃都無量測值，因此無法評估虛擬量測預測值的準確度。本AVM技術提出有效評估預測值信心度的方法，這方法藉由分析生產設備的製程參數資料，計算出一個介於0與1之間的信心值，以判斷預測結果是否可信賴。
另製程參數相似度指標可輔助信心指標的判斷及找出異常的製程參數。這指標分為整體及個體相似性指標，其中整體相似度指標是判斷生產機臺是否異常；當該指標顯示異常時，個體相似性指標可顯示異常的參數名稱，這時系統發出警訊通知設備工程師進行機臺檢查或製程工程師進行參數調校，如此可降低機臺故障率並提升製程穩定性，有效提高半導體及TFT-LCD廠晶圓及玻璃的生產良率，進而增加其獲利。因此，本AVM技術所提出的信心指標及製程參數相似度指標，可有效解決虛擬量測系統的可製造性問題。
有效提升產業技術水準
本AVM系統可在如半導體、面板或太陽能產業的產品尚未或無法進行實際量測的情況下，利用生產機臺參數推估其產品品質，以進行線上且即時的產品品質預測（以達到生產片全檢的效果）、機臺效能監控及生產製程改善；如此可即時發現異常，避免發生重大損失。本AVM技術也可用來取代部分實際量測、實現逐片檢測模式的先進製程控制，以及減少監控片的消耗量。
虛擬量測的自動化層級共可分成Level 0至3四級。一般的研究單位或業界所具備的層級僅到Level 1或Level 2；而本AVM系統已達Level 3的最高層級；也就是至目前為止，僅有本AVM系統具有全自動暨可全廠導入的能力。
本AVM技術同時榮獲中華民國、美國、日本、韓國、大陸等多國發明專利，且已成功技轉給半導體產業、面板產業與太陽能產業使用。本「全自動化型虛擬量測的伺服器、系統與方法」也榮獲中華民國「101年國家發明創作獎」的發明金牌獎，以及國際電機電子工程師協會機器人與自動化分會所頒發的2013 IEEE Inaba 創新引導生產科技獎（Technical Award for Innovation Leading to Production）等國內外重要獎項。
AVM技術的創新性與改革性
本AVM技術可把傳統的離線且具延遲特性的品質抽檢，改成線上即時的品質全檢。除了提供虛擬量測值外，本AVM系統也可產生信心指標，讓使用者了解這虛擬量測值是否可靠，進而安心採用。
本AVM系統採用雙階段運算機制，可進一步提升預測精度及執行線上即時模型更新；也具有虛擬量測模型自動移植與自動換模的能力，可大量節省導入虛擬量測至其他同型機臺或同一機臺各反應室的時間，並維持虛擬量測應有的精度。
除此之外，本AVM技術也可針對製程資料和實際量測資料，提供具自動評估與篩選能力的資料品質評估指標，加速製程品質預測，並降低產品製程時間。本AVM技術更可支援並實現逐片檢測模式的先進製程控制，且可減少（或免除）日常測機監控片的消耗量，並提升機臺可生產時間。
