简介
INF-WPA是一款Wafer Map 图形分析的产品，利用多种前沿的机器学习技术，根据Wafer上数据的分布，实现异常图形的特征提取，识别产品质量异常问题，协助工程师进行下一步的分析，如快速定位线上生产机台异常，确认工艺过程波动，分析制程的工艺窗口以及薄弱点，有效减少成品的良率损失，降低生产成本，提高生产效率。
INF-WPA
智能高效的晶圆缺陷图案分析系统
简介
线上DefectCase的处理在很⼤程度上依赖⼯程师的经验，数据的捞取和整理也需投⼊⼤量的人力。bv1946伟德官网DE-iCASE深度融合AI模型，结合Case知识库，可实现异常状态的⾃动溯源。DE-iCASE提供了告警，分析，追踪，归档的全流程服务，Case匹配耗时仅为秒级。
设计优势
INF-WPA帮助Fab⼯程师快速进⾏Pattern汇总分析，并将分析的结果和良率管理系统关联，实现各种Pattern的⻓期趋势的监控，如根据Pattern分类结果做共同机台分析，根据⾃定义的Pattern利⽤机器学习算法查找类似Pattern Wafer等。
|
|
|
设计优势
-(2).png)
功能模块
Wafer Pattern Classification
Wafer Map Pattern分类准确度高（>98%），可自定义类别对Pattern的Map归类汇总。Wafer Map Pattern 与其形成的根因具有强相关性，可以帮助用户快速对低良率Wafer 归类分析并缩短Root Cause 排查时间，提高工程师工作效率。同时，Wafer Pattern与Fab生产异常、晶圆测试问题互相佐证，相得益彰。
Wafer Pattern Match
支持用户根据失效的Wafer 以及关注的Bin ⾃定义Fail Pattern，通过Pattern Match 计算所有的Wafer 和⾃定义Pattern 的相似度，通过关联生产及测试过程数据，准确定位Commonality，缩短根因调查时间，为客户提供强有力的数据⽀撑并及时止损；平台巨量Wafer Pattern 数据为用户建立强大的数据库，实现历史问题回溯。
Wafer Pattern Cluster
Wafer Pattern Cluster 利⽤无监督深度学习方法对所有参数根据失效的 Map 分布进⾏快速高效聚类，⽅便用户对不良问题进⾏快速分解，准确定位，逐⼀攻破，加快良率提升的速度。
Wafer Pattern Measure
通过智能特征参数提取，高效确认中心 Cluster 范围、刮伤半径、角度等特征图形尺⼨，通过对比机台尺寸特征参数数据库，结合 WIP 数据，快速定位生产过程中的异常设备。
Wafer Ink
通过 Pattern 识别并基于特定 Rule，对 Pattern Path 区域内存在 Reliability 风险的芯片进行Ink 操作，避免有问题的芯片流入后续⼯艺造成重大的质量问题，节约成本的同时提高终端产品的安全性等。
功能模块
Alarm System
同步MES
独立告警
诊断历史Lot
Tracking System
持续跟踪异常Lot
支持工程师的日常交接
Analysis System
丰富的交互式图表
全面分析Lot Process History
自动汇总异常信号
秒级匹配历史Case
Case Library
灵活的Case Search
详尽的Case知识库
持续的Impact跟踪
长期的Case Summary
Defect Notice
大模型知识问答
