以模型為基的特徵萃取法提升虛擬量測精度

Abstract

虛擬量測(Virtual Metrology VM)技術利用工件的歷史製程資料和與其相對應的量測資料來建立推估模型，如此可將離線且具延遲特性的品質抽檢改為線上且即時之品質全檢。目前大部分的虛擬量測系統所採用的建模參數組合，是擷取自該製程某時間區段相對應的歷史製程與量測資料，以『資料導向(Data Driven)』分析法挑選出建模參數。 資料導向在決策中仰賴歷史數據的品質、資料集的大小和所在時間區間，挑選出的參數集合好壞常受到以上因素所侷限，例如：不同時間區間的資料變異程度大，最後使得統計分析所得的參數集合會隨著上述限制因素的不同而改變。如此，將無法穩定地選到符合該製程的所有重要參數組合，致預測模型與精度將難以維護。 資料導向所導致的限制使得研究者常需要多次試誤與依賴工程師廠內經驗來提升預測精度；再者，研究經驗中發現，有時候具統計意義之結果，並不能完全代表實際運作之物理現象。綜合以上狀況，將難以說服生產單位接受並使用之。 為解決上述問題，本論文提出一套適用於虛擬量測系統的特徵篩選法。其作法為首先採取基於物理與化學的製程領域原理即所謂模型為基(Model-based)的特徵萃取 方法來挑選主要參數(Primary Parameters)；然後，再採用基於統計與資料探勘等數學工具的資料導向(Data Driven)方法來挑選次要參數(Secondary Parameters)。由範例可得知，本論文所採用的方法，可妥當地挑選出固定的參數組合，且可改善虛擬量測的預測精度。

Date of Award	2015 Aug 26
Original language	Chinese
Supervisor	Fan-Tien Cheng (Supervisor)