[发明专利]新增生产工具的合格检验方法和检验系统

权利要求书

1.一种新增生产工具的合格检验方法，其特征在于，包括：

提供线上新装的新的生产工具以及线上已有的旧的生产工具；

提供若干检测晶圆，所述若干检测晶圆分为第一部分晶圆和第二部分晶圆；

将所述第一部分晶圆在所述新的生产工具中进行相应的工艺处理；

将所述第二部分晶圆在所述旧的生产工具中进行相应的工艺处理；

对所述在新的生产工具中进行工艺处理后的第一部分晶圆进行良率测量，获得若干新工具良率数据；

对所述在旧的生产工具中进行工艺处理后工艺处理后的第二部分晶圆进行良率测量，获得若干旧工具良率数据；

对所述若干新工具良率数据和旧工具良率数据进行数据分析，判断所述若干新工具良率数据和旧工具良率数据是否属于高良率类别或偏高良率类别，若“属于”，则剔除相应的新工具良率数据和旧工具良率数据，剩余的新工具良率数据和旧工具良率数据作为筛选后的新工具良率数据和旧工具良率数据；

基于所述筛选后的新工具良率数据和旧工具良率数据，判断所述新的生产工具是否合格。

2.如权利要求1所述的新增生产工具的合格检验方法，其特征在于，所述若干待检测晶圆为若干批待检测晶圆，相应的将每一批中的第奇数片晶圆作为第一部分晶圆，第偶数片晶圆作为第二部分晶圆，或者相应的将每一批中的第偶数片晶圆作为第一部分晶圆，第奇数片晶圆作为第二部分晶圆。

3.如权利要求1所述的新增生产工具的合格检验方法，其特征在于，对所述若干新工具良率数据和旧工具良率数据进行数据分析的方法采用基于模糊系统模型的数据分析方法。

4.如权利要求2所述的新增生产工具的合格检验方法，其特征在于，对所述若干新工具良率数据和旧工具良率数据进行数据分析，判断所述若干新工具良率数据和旧工具良率数据是否属于高良率类别或偏高良率类别的过程包括：将所述若干旧工具良率数据分成若干集群；根据所述若干集群，构建模糊系统模型，所述模糊系统模型中包括符合集群特征分布的类别归属和对应的分布函数，所述模糊系统模型为α模型、β模型或γ模型中的一种，所述α模型包括三个类别归属和对应的三个分布函数，所述三个类别归属为低良率类别、中等良率类别和高良率类别，所述β模型包括两个类别归属和对应的两个分布函数，所述两个类别归属为偏低良率类别和偏高良率类别，所述γ模型包括一个类别归属和对应的一个分布函数，所述一个类别归属为整体良率类别；将若干新工具良率数据和旧工具良率数据分别投射到所述模糊系统模型中，获得每一个新工具良率数据和旧工具良率数据对应的类别归属；根据所述每一个新工具良率数据和旧工具良率数据对应的类别归属，判断所述若干新工具良率数据和旧工具良率数据是否属于高良率类别或偏高良率类别。

5.如权利要求3所述的新增生产工具的合格检验方法，其特征在于，将所述若干旧工具良率数据分成若干集群采用K-Means聚类算法。

6.如权利要求5所述的新增生产工具的合格检验方法，其特征在于，将所述若干旧工具良率数据分成若干集群之前还包括步骤：判断所述新工具良率数据和旧工具良率数据的数量是否皆大于10，若“是”，则进行将所述若干旧工具良率数据分成若干集群的步骤，若“否”，则结束检验流程。