極座標影像表述與山峰群聚應用於半導體圖形辨識

Abstract

晶圓製造中, 良率的提升與各晶圓製程步驟息息相關, 晶圓在各測試良率的過程後, 便 會產生一晶圓圖。晶圓圖提供了追溯異常發生的線索, 由於不同原因的異常將會造成晶 圓圖不同的圖樣, 因此便可利用晶圓圖樣特徵, 以判斷製造流程的異常點。但今天晶圓 圖樣的判別分類仍然是以人工目視方式進行, 如此不僅不符合成本效益, 且由於各人判 別的標準不一致, 或因為目視疲勞等原因, 都可能降低晶圓圖判別的正確率。本論文著 重於特徵抽取, 考慮到各晶圓錯誤圖樣特徵差異, 對錯誤圖樣抽取共通性和不變性之特 徵, 並試圖使用最簡單的分類法則, 建構各晶圓錯誤圖樣之分類系統。經過此研究實驗, 各錯誤圖樣建立分類樹的準確率分別是: 中心錯誤94.74% 、邊緣錯誤97.18% 、環 狀錯誤95.91% 以及區塊錯誤87.06% 。