應用於錯誤診斷與分類之自動瑕疵圖形辨識系統

Abstract

晶圓圖是半導體產業中提供追溯產品發生異常原因的重要線索，利用晶圓圖分析能得到許多資訊，若我們能解讀晶圓缺陷圖並匯整所得的資訊，必能快速的排除問題，進而改善晶圓製程的作業效率。 本論文中，我們結合圖形識別與統計方法，發展出一自動瑕疵辨識器，共可辨識七類晶圓瑕疵種類。自動瑕疵辨識器中，首先，我們藉由觀察晶圓瑕疵圖發展特徵，晶圓瑕疵圖經過特徵抽取與特徵選擇後，再將選擇過的特徵送入七個獨立的分類器中得到辨識結果。在實驗結果中，我們共採用線性區別分析、樸素的貝式分類法與K-最鄰近分類法，其中利用距離加權的K-最鄰近法有最佳的辨識效果，交互驗證的平均辨識率高達98.8%。