阅读说明：本技术 基于半导体量测参数的评估方法、装置和终端设备 (Evaluation method and device based on semiconductor measurement parameters and terminal equipment ) 是由 林家圣 于 2018-08-31 设计创作，主要内容包括：本发明提出一种基于半导体量测参数的评估方法、装置和终端设备,其中,所述方法包括：获取多台生产设备的产品样本数据,产品样本数据基于同一半导体量测参数；根据生产设备的产品样本数据,计算生产设备的每一个产品样本数据所对应的机率分布分位数和机率分布百分比；根据计算得到的数据,绘制生产设备差异分析图；其中,生产设备差异分析图包括第一横轴、第一纵轴和第二纵轴；第一横轴表示产品样本数据,第一纵轴表示产品样本数据对应的机率分布百分比,第二纵轴表示产品样本数据对应的机率分布分位数；以及根据生产设备差异分析图,评估多台生产设备之间的差异。采用本发明,能够基于同一半导体量测参数评估多台生产设备之间的差异。(The invention provides an evaluation method, an evaluation device and terminal equipment based on semiconductor measurement parameters, wherein the method comprises the following steps: obtaining product sample data of a plurality of production devices, wherein the product sample data is based on the same semiconductor measurement parameter; calculating probability distribution quantiles and probability distribution percentages corresponding to each product sample data of the production equipment according to the product sample data of the production equipment; drawing a production equipment difference analysis chart according to the calculated data; the production equipment difference analysis diagram comprises a first horizontal axis, a first vertical axis and a second vertical axis; the first horizontal axis represents the product sample data, the first vertical axis represents the probability distribution percentage corresponding to the product sample data, and the second vertical axis represents the probability distribution quantile corresponding to the product sample data; and evaluating the difference among the plurality of production devices according to the production device difference analysis chart. By adopting the invention, the difference among a plurality of production devices can be evaluated based on the same semiconductor measurement parameter.)

基于半导体量测参数的评估方法、装置和终端设备

技术领域

本发明涉及计算机技术领域，尤其涉及一种基于半导体量测参数的评估方法、装置和终端设备。

背景技术

在生产制造领域中，生成产品的过程包括多个制程站点。在批量生成产品时，每个制程站点可以采用多个的机器(又称为机台或设备)进行批量生产。

在对同一制程站点的多个设备进行差异性数据分析时，一般会通过特殊的图表来比较预设机率分布下的设备之间的差异，有助于在设备匹配时方便快速地获知设备之间的差异。例如，如图1所示，其表示当半导体器件处于制程站点M时，执行制程站点M的工作的机台1至机台5生成的半导体器件的膜厚度分布的箱线图。如图2所示，其表示半导体器件处于制程站点N时，执行制程站点N的工作的机台1至机台6生成的半导体器件的蚀刻深度分布的箱线图。通过箱线图提供的数据可以粗略地比较不同设备之间生成的半导体器件的膜厚度或蚀刻深度之间的差异，从而，了解不同的设备对产品的质量的影响。

传统的基于产品样本数据所制作成的分析图一般包括以下几种：箱线图、直方图、经验分布图、分位数-分位数图或百分位-百分位图。如图3-1至图3-3和图4-1至图4-5所示，图3-1至图3-3分别采用了箱线图和分位数-分位数图这两种形式，用于描述同一机台的不同量测参数(图中的类别)对应的产品样本数据的分布情况。图3-2和3-2的横轴表示样本数据的理论分位数(Theoretical Quantiles)，纵轴表示样本数据的样本分位数(SampleQuantiles)。图4-1至图4-5分别采用了直方图、箱线图、经验分布图、分位数-分位数图以及百分位-百分位图这五种图，用于描述某个机台的某个量测参数的产品样本数据的分布情况。图4-1的横轴表示样本数据(Sample Data)，纵轴表示频数(Frequency)。图4-2表示样本舒张压(diastolic blood pressure)的箱线图，包括：最大值(Maximum)、上四分位数Q3(3^rdQuantiles)、中位数(Median)、下四分位数Q1(1^rd Quantiles)和最小值(Minimum)。图4-4的横轴表示样本数据的理论分位数(Theoretical Quantiles)，纵轴表示样本数据的样本分位数(Sample Quantiles)。图4-5的横轴表示样本数据的理论百分位(TheoreticalProbability)，纵轴表示样本数据的期望百分位(Expected Probability)。

但是，上述的分析图存在有以下缺陷：对于箱线图或直方图来说，仅能粗略地比较不同机台或不同量测参数之间的产品样本数据之间的差异，难以了解产品样本数据是否为常态分布以及分布的情况。对于经验分布图来说，其采用折线的方式表示产品样本数据的分布情况，不便于采用一个图来分析多个生产设备的产品样本数据之间差异。对于分位数-分位数图或百分位-百分位图，即使能判别产品样本数据是否符合常态分布以及分布的情况，但无法了解不同机台或不同量测参数的产品样本数据的具体数值的差异。

发明内容

本发明实施例提供一种基于半导体量测参数的评估方法、装置、存储介质和终端设备，以解决或缓解现有技术中的以上一个或多个技术问题。

第一方面，本发明实施例提供了一种基于半导体量测参数的评估方法，包括：

获取多台生产设备的产品样本数据，所述产品样本数据取自于同一半导体量测参数；对于每一台所述生产设备，根据所述生产设备的产品样本数据，计算所述生产设备的每一个产品样本数据所对应的机率分布分位数和机率分布百分比；根据每一个所述产品样本数据、以及所述产品样本数据所对应的所述机率分布分位数和所述机率分布百分比，绘制生产设备差异分析图；其中，所述生产设备差异分析图包括第一横轴、第一纵轴和第二纵轴；所述第一横轴表示所述产品样本数据的数值，所述第一纵轴表示所述产品样本数据对应的所述机率分布百分比的数值，所述第二纵轴表示所述产品样本数据对应的所述机率分布分位数的数值；以及根据所述生产设备差异分析图，评估所述多台生产设备之间的差异。

在一种可能的实现方式中，所述机率分布分位数包括常态分布分位数，所述机率分布百分比包括常态分布百分比，所述评估方法还包括：获取所述多台生产设备的历史产品数据，所述历史产品数据取自于所述半导体量测参数；对于每一台所述生产设备，根据所述生产设备的历史产品数据，计算所述生产设备的历史产品数据的平均值和标准差；以及根据每一台所述生产设备的历史产品数据的平均值和标准差，绘制常态分布直线在生产设备差异分析图中。

在一种可能的实现方式中，在计算所述生产设备的历史产品数据的平均值和标准差的步骤中，包括：根据所述生产设备的历史产品数据的标准差，确定所述生产设备所对应的所述常态分布直线的斜率；以及根据所述生产设备的历史产品数据的平均值，确定所述第一横轴与所述生产设备所对应的所述常态分布直线相交的位置。

在一种可能的实现方式中，在评估所述多台生产设备之间的差异的步骤中，包括以下任一种：评估每一台所述生产设备的产品样本数据是否符合常态分布；评估在同一机率分布分位数的情况下所述多台生产设备的产品样本数据之间的差异；评估在同一机率分布百分比的情况下所述多台生产设备的产品样本数据之间的差异；评估在同一产品样本数据的情况下所述多台生产设备的所述同一产品样本数据所对应的机率分布分位数之间的差异；以及评估在同一产品样本数据的情况下所述多台生产设备的所述同一产品样本数据所对应的机率分布百分比之间的差异。

在一种可能的实现方式中，所述评估方法还包括：根据所述差异，查找所述多台生产设备存在所述差异的原因。

在一种可能的实现方式中，所述生产设备差异分析图还包括密度分布条，所述评估方法还包括：对于每一台所述生产设备，根据预设的产品样本数据的数值区间，统计所述生产设备的产品样本数据落在所述数值区间中的样本数量；以及根据所述生产设备的产品样本数据落在所述数值区间中的样本数量，在所述生产设备对应的密度分布条的所述数值区间中绘制颜色；其中，落在所述数值区间内的样本数量越多，所述数值区间的颜色越深。

在一种可能的实现方式中，所述生产设备差异分析图包括第二横轴；所述密度分布条平行所述第二横轴且位于所述第二横轴的上方，所述第二横轴用于表示所述密度分布条上的产品样本数据的分布。

在一种可能的实现方式中，所述密度分布条平行所述第一横轴且位于所述第一横轴的下方。

在一种可能的实现方式中，所述评估方法还包括：根据所述生产设备差异分析图，计算每一台所述生产设备的产品样本参数满足条件假设的统计检验概率；以及，所述统计检验概率设在所述生产设备差异分析图中，用于根据所述统计检验概率，判断每个所述生产设备的产品样本参数是否满足所述条件假设。

在一种可能的实现方式中，所述生产设备包括集成电路存储器生产设备。

第二方面，本发明实施例还提供一种基于半导体量测参数的评估装置，包括：样本数据获取模块，用于获取多台生产设备的产品样本数据，所述产品样本数据基于同一半导体量测参数；机率分布计算模块，用于对于每一台所述生产设备，根据所述生产设备的产品样本数据，计算所述生产设备的每一个产品样本数据所对应的机率分布分位数和机率分布百分比；分析图绘制模块，用于根据每一个所述产品样本数据、以及所述产品样本数据所对应的所述机率分布分位数和所述机率分布百分比，绘制生产设备差异分析图；其中，所述生产设备差异分析图包括第一横轴、第一纵轴和第二纵轴；所述第一横轴表示所述产品样本数据的数值，所述第一纵轴表示所述产品样本数据对应的所述机率分布百分比的数值，所述第二纵轴表示所述产品样本数据对应的所述机率分布分位数的数值；以及差异评估模块，用于根据所述生产设备差异分析图，评估所述多台生产设备之间的差异。

所述装置的功能可以通过硬件实现，也可以通过硬件执行相应的软件实现。所述硬件或软件包括一个或多个与上述功能相对应的模块。

在一个可能的设计中，基于半导体量测参数的评估结构中包括处理器和存储器，所述存储器用于基于半导体量测参数的评估装置执行上述第一方面中基于半导体量测参数的评估程序，所述处理器被配置为用于执行所述存储器中存储的程序。所述基于半导体量测参数的评估装置还可以包括通信接口，用于基于半导体量测参数的评估装置与其他设备或通信网络通信。

第三方面，本发明实施例还提供一种计算机可读存储介质，用于存储基于半导体量测参数的评估装置所用的计算机软件指令，其中包括用于执行上述第一方面的基于半导体量测参数的评估方法所涉及的程序。

上述技术方案中的任一个技术方案具有如下优点或有益效果：

本发明实施例可以根据多台生产设备的基于同一半导体量测参数的产品样本数据，绘制每台生产设备的产品样本数据、以及产品样本数据所对应的机率分布分位数和机率分布百分比于生产设备差异分析图，从而可以根据生产设备差异分析图的样本数据之间的差异，来评估所述多台生产设备之间的差异

上述概述仅仅是为了说明书的目的，并不意图以任何方式进行限制。除上述描述的示意性的方面、实施方式和特征之外，通过参考附图和以下的详细描述，本发明进一步的方面、实施方式和特征将会是容易明白的。

附图说明

在附图中，除非另外规定，否则贯穿多个附图相同的附图标记表示相同或相似的部件或元素。这些附图不一定是按照比例绘制的。应该理解，这些附图仅描绘了根据本发明公开的一些实施方式，而不应将其视为是对本发明范围的限制。

图1是现有技术提供的在制程站点M中机台1至机台五生产的产品的膜厚度分布情况的箱线图；

图2是现有技术提供的在制程站点N中机台1至机台6生产的产品的蚀刻深度分布情况的箱线图；

图3-1是现有技术提供的同一机台基于五个类别(量测参数)的产品样本数据的分布情况的箱线图；

图3-2是现有技术提供的同一机台分别基于四个类别(量测参数)的产品样本数据的分布情况的四个分位数-分位数图；

图3-3是现有技术提供的同一机台基于三个类别(量测参数)的产品样本数据的分布情况的分位数-分位数图；

图4-1～图4-5分别是现有技术提供的描述产品样本数据的分布情况的直方图、箱线图、经验分布图、分位数-分位数图以及百分位-百分位图；

图5-1是本发明提供的基于半导体量测参数的评估方法的一个实施例的流程示意图；

图5-2是本发明提供的生产设备与终端设备之间的关系一个实施例的结构示意图；

图5-3是本发明提供的产品样本数据的应用示例的表格示意图；

图5-4是本发明提供的历史产品数据的应用示例的表格示意图；

图5-5是本发明提供的基于半导体量测参数的评估方法的另一个实施例的流程示意图；

图5-6是本发明提供的基于半导体量测参数的评估方法的又一个实施例的流程示意图；

图5-7是本发明提供的基于半导体量测参数的评估方法的再一个实施例的流程示意图；

图6是本发明提供的生产设备差异分析图的一个实施例的示意图；

图7是本发明提供的基于不同的半导体量测参数分别分析多个机台设备之间的差异的示意图；

图8-1是本发明提供的基于半导体量测参数的评估方法的另一个实施例的流程示意图；

图8-2是本发明提供的常态分布直线确定的方法的一个实施例的流程示意图；

图9是本发明提供的生产设备差异分析图的另一个实施例的示意图；

图10是本发明提供的评估在同一机率分布百分比的情况下多台生产设备的产品样本数据之间的差异的示意图；

图11是本发明提供的评估在同一机率分布分位数的情况下多台生产设备的产品样本数据之间的差异的示意图；

图12是本发明提供的评估在同一产品样本数据的情况下多台生产设备所对应的机率分布百分比之间的差异；

图13是本发明提供的评估在同一产品样本数据的情况下多台生产设备所对应的机率分布分位数之间的差异；

图14是本明提供的基于半导体量测参数的评估装置的一个实施例的结构示意图；

图15是本发明提供的终端设备的一个实施例的结构示意图。

附图标记

20-终端设备

X1-第一横轴；Y1-第一纵轴；Y2-第一纵轴；X2，第二横轴；

L1-生产设备class1对应的常态分布直线；

L2-生产设备class2对应的常态分布直线；

L3-生产设备class3对应的常态分布直线；

K-密度分布条；K1～K4-密度分布条的4个数值区间；

100-样本数据获取模块；200-机率分布计算模块；300-分析图绘制模块；

400-差异评估模块；

21-存储器；22-处理器；23-通信接口。

具体实施方式

在下文中，仅简单地描述了某些示例性实施例。正如本领域技术人员可认识到的那样，在不脱离本发明的精神或范围的情况下，可通过各种不同方式修改所描述的实施例。因此，附图和描述被认为本质上是示例性的而非限制性的。

请参阅图5-1，本发明实施例提供了一种基于半导体量测参数的评估方法，可以应用于终端设备，例如，计算机、平板电脑等。本实施例可以基于同一半导体量测参数评估多台生产设备之间的差异，包括步骤S100至步骤S400，具体如下：

步骤S100，获取多台生产设备的产品样本数据，产品样本数据取自于同一半导体量测参数。如图5-2所示，终端设备20可以分别从生产设备class1、生产设备class2和生产设备class3中获取相应的产品样本数据。

在本实施例中，生产设备可以包括但不限于用于制作半导体、电路板等电子器件的设备，例如，集成电路存储器生产设备。生产一个产品的过程包括多个制程，在批量生产时，一个制程可以采用多台生产设备生产产品。例如，在刻蚀某一种半导体器件的一个特定沟槽的制程中，多台生产设备生产的半导体器件的沟槽的刻蚀深度或刻蚀宽度的分布可以存在误差，在一种具体示例中，量测参数可以包括刻蚀深度。例如，产品样本数据可以以图5-3中表格中的数据为例。

步骤S200，对于每一个生产设备，均根据生产设备的产品样本数据，计算该生产设备的每一个产品样本数据所对应的机率分布分位数和机率分布百分比。

在本实施例中，机率分布的类型可以包括二项分布、泊松分布或常态分布(又称正态分布)等，例如图6的常态分布。图6是本发明实施例提供的生产设备差异分析图。

示例性地，以常态分布为例，对某个生产设备生产的一个产品的产品样本数据data1，可以计算出产品本样数据的平均值dataμ和标准差dataσ，Z＝(data1-dataμ)/dataσ。然后，根据数值Z查找标准正态分布下的面积，找到的面积即为产品样本数据data1的常态分布百分比。进而，根据常态分布百分比与机率分布分位数之间的转换关系，计算出产品样本数据data1的常态分布分位数。

步骤S300，根据每一个产品样本数据、以及产品样本数据所对应的机率分布分位数和机率分布百分比，绘制生产设备差异分析图；其中，生产设备差异分析图包括第一横轴X1、第一纵轴Y1和第二纵轴Y2。第一横轴X1表示产品样本数据的数值轴，例如，图6、图9、图10、图11、图12以及图13中X1轴的Sample Data(数值轴)。第一纵轴Y1表示产品样本数据对应的机率分布百分比，例如，图6、图9、图10、图11、图12以及图13中Y1轴的TheoreticalProbability(理论百分比)。第二纵轴Y2表示产品样本数据对应的机率分布分位数，例如，图6、图9、图10、图11、图12以及图13中Y2轴的Theoretical Quantile(理论分位数)。

示例性地，图6包括用于表示生产设备class1、class2、class3的产品样本数据、以及产品样本数据所对应的常态分布分位数和常态分布百分比的离散点。例如，图6、图9、图10、图11、图12以及图13中的三条密集排列的离散点集合分别表示生产设备class1、class2和class3的数据。其中，与x轴形成的夹角处于中间的密集排列的离散点集合对应于生产设备class1，与x轴形成的夹角最小的密集排列的离散点集合对应于生产设备class2，与x轴形成的夹角最大的密集排列的离散点集合对应于生产设备class3。每一个离散点表示一个产品样本数据以及产品样本数据所对应的常态分布分位数和常态分布百分比。

步骤S400，根据生产设备差异分析图，评估多台生产设备之间的差异。

在本实施例中，生产某个产品包括多个制程，甚至数百个制程站。例如制程A，可以采用多个生产设备(机台)来完成产品的制程A，产品在制程A中包括多个量测参数，每个量测参数用于描述产品的一个性能或具体特征。制程量测参数是在工艺过程中几百个站点中量测得到的，也就是图7中的“某个制程站”代表的是实际有几百相同的制程站进行量测得到的制程量测参数。例如：前述半导体的刻蚀深度、膜的厚度等。图7中的“某个量测站”代表的是有几百相同的量测站对完成制造后的半导体量测得到的量测参数。如图7所示，WAT(wafer acceptance test，晶圆合格测试)是一种测试种类的泛称，可以涉及很多参数。CP(Circuit Probing，电路测试)也是晶圆测试的一种泛称。可以在晶圆的制程结束后利用WAT量测站和CP测试站对晶圆进行量测。量测站的量测到的产品的量测参数可以包括WAT量测参数、CP量测参数等。以WAT量测参数为例，可以利用WAT量测站测量产品的WAT量测参数的数值，可以获得多台生产设备的产品样本数据，产品样本数据包括多个产品的WAT量测参数的数值。然后，根据此产品样本数据绘制生产设备差异分析图，并根据此差异分析图来分析此多台生产设备的差异情况。再如，以CP量测参数为例，可以利用CP测试站测量产品的CP量测参数的数值，可以获得多台生产设备的产品样本数据，产品样本数据包括多个产品的CP量测参数的数值。然后，根据此产品样本数据绘制生产设备差异分析图，并根据此差异分析图来分析此多台生产设备的差异情况。

在本实施例中，多台生产设备存在的差异包括但不限于：设备的生产厂家、类型或型号、构成零件，设备在完成该制程的制程配方或方法、所采用的气源等。在评估多台生产设备之间的差异之后，如图5-5所示，本实施例提供的评估方法还包括：步骤S401，根据多台生产设备之间的差异，查找多台生产设备存在差异的原因。例如，根据图10至图13中任一个生产设备差异分析图上的每台生产设备之间存在的数据差异，可以查找生产设备的哪一个或哪一些差异导致了该数据差异的产生，进而消除查找出的生产设备的差异。

在本实施例中，比较机台(equipment)之间的差异，从广义上来看，不仅包括机台本身设备，还包括机台内部的构成以及机台生产的产品的产品数据的差异。

在一种可能的实现方式中，本实施例可以在生产设备差异分析图中显示每一台生产设备的常态分布直线，便于评估图中每一台生产设备的产品样本数据是否符合常态分布。如此，如图8-1所示，本实施例的方法还包括：

步骤S500，获取多台生产设备的历史产品数据，以及历史产品数据取自于同一半导体量测参数。例如，对于同一生产设备差异分析图来说，产品样本数据基于晶圆的刻蚀深度，历史产品数据也是基于晶圆的刻蚀深度。对应图5-3提供的产品样本数据，历史产品数据可以以图5-3中表格中的数据为例。

步骤S600，对于每一台生产设备，根据生产设备的历史产品数据，计算该生产设备的历史产品数据的平均值和标准差。

基于前述举例，对某个生产设备生产的一个产品的产品样本数据data1，可以计算出产品本样数据的平均值dataμ和标准差dataσ，Z＝(data1-dataμ)/dataσ。然后，根据数值Z查找标准正态分布下的面积，找到的面积即为产品样本数据data1的常态分布百分比。那么，将公式Z＝(data1-dataμ)/dataσ反过来，可以得到data1＝(dataσ)×Z+dataμ，其中，Z值可以转换成相应的常态分布百分比或常态分布分位数。因而，当以产品样本数据作为第一横轴时，常态分布百分比或常态分布分位数作为纵轴时，则理论上，产品样本数据中的标准差dataσ与常态分布直线投影在第一横轴上的范围大小有关，进而可以依此确定常态分布直线的斜率，以及依据产品样本数据中的平均值dataμ确定常态分布直线与第一横轴的相交的位置。

具体地，如图8-2所示，本步骤S600可以包括步骤S601和步骤S602：

步骤S601，根据生产设备的历史产品数据的标准差，确定生产设备所对应的常态分布直线的斜率。

如图6所示，以生产设备class1为例，生产设备class1的历史产品数据的平均值为μ1，生产设备class1的历史产品数据的标准差为σ1。本实施例可以根据历史产品数据的标准差为σ1，确定生产设备class1的常态分布直线L1的斜率。

步骤S602，根据生产设备的历史产品数据的平均值，确定第一横轴与生产设备所对应的常态分布直线相交的位置。

接上例，如图6所示，可以根据历史产品数据的平均值为μ1，确定生产设备class1的常态分布直线L1与第一横轴X1相交的位置。以图6示例，可以将常态分布直线L1延伸出去与第一横轴X1相交，即可以获得该位置，在图6不再具体示例该位置。基于上述步骤，可以确定常态分布直线在生产设备差异分析图中的分布。

步骤S700，根据每一台生产设备的历史产品数据的平均值和标准差，绘制每一台生产设备对应的常态分布直线在生产设备差异分析图中。例如，图6、图9、图10、图11以及图12中分别包括三条常态分布直线(L1、L2和L3)。其中，斜率处于中间值的直线为生产设备class1的常态分布直线L1；斜率最小的直线为生产设备class2的常态分布直线L2；斜率最大的直线为生产设备class3的常态分布直线L3。

在一种可能的实现方式中，评估多台生产设备之间的差异的评估方式包括以下任一种：

其一，评估每一台生产设备的产品样本数据是否符合常态分布。例如，可以通过设备差异分析图上相应的常态分布直线来评估，便于直观快速地评估。以图6为例，生产设备class1对应的密集排列的离散点均分布在生产设备class1的常态分布直线L1之上或附近，说明生产设备class1的产品样本数据为常态分布。生产设备class2对应的密集排列的离散点均分布在生产设备class2的常态分布直线L2之上或附近，说明生产设备class2的产品样本数据为常态分布。生产设备class3对应的密集排列的离散点不全分布在生产设备class3的常态分布直线L3之上或附近，说明生产设备class3的产品样本数据为非常态分布。

其二，评估在同一机率分布百分比的情况下，多台生产设备的产品样本数据之间的差异。例如，当取机率分布百分比的数值为0.5时，可以代表生产设备的产品样本数据的平均数或中位数。如图10所示，当机率分布百分比的数值为0.5时，可以根据图中的虚线，比较生产设备class1、class2和class3三者的产品样本数据的数值差异。

其三，评估在同一机率分布分位数的情况下，多台生产设备的产品样本数据之间的差异。例如，当取机率分布分位数为1.64时，可以代表生产设备的产品样本数据的正向两个标准差对应的数值。如图11所示，当取机率分布分位数为1.64时，可以根据图中的虚线，比较生产设备class1、class2和class3三者的产品样本数据的数值差异。

其四，评估在同一产品样本数据的情况下多台生产设备的同一产品样本数据所对应的机率分布分位数或机率分布百分比之间的差异。例如，当取产品样本数据为某一具体数值时，可以比较该数值在每一台生产设备的产品样本数据中所代表的机率分布百分比。同理，也可以比较机率分布分位数。如图12所示，当取产品样本数据的数值为11.66时，可以根据图中的虚线，比较该数值11.66在生产设备class1、class2和class3的产品样本数据中分别代表的机率分布百分比，例如，0.4、0.77和0.96。如图13所示，当取产品样本数据的数值为11.66时，可以根据图中的虚线，比较该数值11.66在生产设备class1、class2和class3的产品样本数据中分别代表的机率分布分位数。

本发明实施例可以比较产品样本数据在不同生产设备之间数值上的差异，以及可以比较不同生产设备之间的机率分布分位数和/或机率分布百分比之间的差异。

在一种可能的实现方式中，本实施例还可以在生产设备差异分析图中绘制每一台生产设备的产品样本数据的分布密度。例如，采用密度分布条进行绘制。随产品样本数据的数据轴上的数值变化，在密度分布条上划分若干个数值区间，如图6所示的数值区间K1至K4。产品样本数据分布在某一数值区间的样本数量越多，该数值区间所显示的颜色越深，例如，如图6所示。密度分布条K可以位于生产设备差异分析图的第二横轴的正上方，平行于第二横轴X2，且第二横轴X2与第一横轴X1的定义一致，均用于表示产品样本数据的数值轴，以衡量密度分布条的数值区间的数值分布。在另一种实施方式中，如图9所示，密度分布条K可以位于生产设备差异分析图的第一横轴X1的正下方，平行第一横轴X1。例如，密度分布条K的两个数值区间之间的交界位置表示的数值与第一横轴X1表示的数值相同。从而，本实施例可以对每台生产设备的产品样本数据的分布密度进行比较，一目了然，优于普通的直方图。

在本实施例中，生产设备差异分析图中的密度分布条的绘制方法可以包括：首先，根据预设的产品样本数据的数值区间，统计生产设备的产品样本数据落在相应数值区间中的样本数量；然后，根据生产设备的产品样本数据落在数值区间中的样本数量，在生产设备对应的密度分布条的相应的数值区间中绘制相应的颜色。

在一种可能的实现方式中，本实施例可以在生产设备差异分析图显示统计检验概率，例如，本发明实施例提供的图中的Statistical Difference Test(统计检验测试)的P-value(统计检验概率)。本实施例的统计检验概率可以采用任意设定检定方法进行统计，以及可以应用于任一种制程的任一量测参数。从而，本实施例可以根据生产设备差异分析图中显示的统计检验概率，判断每一台生产设备的产品样本参数是否满足条件假设。如图5-6所示，可以在步骤S400中，根据生产设备差异分析图显示的统计检验概率，来评估多台生产设备之间的差异是否符合统计检测的设定。如图5-7所示，本实施例的统计检验概率的方法还可以包括步骤S402：根据生产设备差异分析图的数据，计算每一台生产设备的产品样本参数满足条件假设的统计检验概率。

在本实施例中，条件假设可以根据具体情况进行预设。假设条件假设为“生产设备class1、class2和class3的平均值是相等”，当计算出来的P-value小于0.05时，可以说明生产设备class1、class2和class3的平均值有明显的差异。再如，假设条件假设为“生产设备class1、class2和class3的标准差是相等”，当计算出来的P-value小于0.05时，可以说明生产设备class1、class2和class3的标准差有明显的差异。例如，图中P-value为0.65，数值大于0.05，可以说明条件假设成立。

如图14所示，本发明实施例还提供一种基于半导体量测参数的评估装置，包括：样本数据获取模块100，用于获取多台生产设备在同一半导体制程下的产品样本数据，所述产品样本数据基于同一半导体量测参数；机率分布计算模块200，用于对于每一台所述生产设备，根据所述生产设备的产品样本数据，计算所述生产设备的每一个产品样本数据所对应的机率分布分位数和机率分布百分比；分析图绘制模块300，用于根据每一个所述产品样本数据、以及所述产品样本数据所对应的所述机率分布分位数和所述机率分布百分比，绘制生产设备差异分析图；其中，所述生产设备差异分析图包括第一横轴X1、第一纵轴Y1和第二纵轴Y2；所述第一横轴X1表示所述产品样本数据，所述第一纵轴Y1表示所述产品样本数据对应的所述机率分布分位数，所述第二纵轴Y2表示所述产品样本数据对应的所述机率分布百分比；以及差异评估模块400，用于根据所述生产设备差异分析图，评估所述多台生产设备之间的差异。

所述装置的功能可以通过硬件实现，也可以通过硬件执行相应的软件实现。所述硬件或软件包括一个或多个与上述功能相对应的模块。

在一个可能的设计中，基于半导体量测参数的评估结构中包括处理器和存储器，所述存储器用于基于半导体量测参数的评估装置执行上述第一方面中基于半导体量测参数的评估程序，所述处理器被配置为用于执行所述存储器中存储的程序。所述基于半导体量测参数的评估装置还可以包括通信接口，用于基于半导体量测参数的评估装置与其他设备或通信网络通信。

本发明实施例还提供一种终端设备，如图15所示，该设备包括：存储器21和处理器22，存储器21内存储有可在处理器22上的计算机程序。处理器22执行计算机程序时实现上述实施例中的基于半导体量测参数的评估方法。存储器21和处理器22的数量可以为一个或多个。

该设备还包括：

通信接口23，用于处理器22与外部设备之间的通信。

存储器21可能包含高速RAM存储器，也可能还包括非易失性存储器(non-volatilememory)，例如至少一个磁盘存储器。

如果存储器21、处理器22和通信接口23独立实现，则存储器21、处理器22和通信接口23可以通过总线相互连接并完成相互间的通信。总线可以是工业标准体系结构(ISA，Industry Standard Architecture)总线、外部设备互连(PCI，Peripheral Component)总线或扩展工业标准体系结构(EISA，Extended Industry Standard Component)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示，图15中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。

可选的，在具体实现上，如果存储器21、处理器22及通信接口23集成在一块芯片上，则存储器21、处理器22及通信接口23可以通过内部接口完成相互间的通信。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。

此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或隐含地包括至少一个该特征。在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。

流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本发明的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本发明的实施例所属技术领域的技术人员所理解。

在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。

本发明实施例的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质的更具体的示例至少(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式只读存储器(CDROM)。另外，计算机可读存储介质甚至可以是可在其上打印程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得程序，然后将其存储在计算机存储器中。

在本发明实施例中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于指令执行系统、输入法或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、射频(Radio Frequency，RF)等等，或者上述的任意合适的组合。

应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。

本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成的程序，该程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。

此外，在本发明各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读存储介质中。存储介质可以是只读存储器，磁盘或光盘等。

以上，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到其各种变化或替换，这些都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。