1.一種辨識(shí)良率損失的根本原因的方法，其特征在于，包含：
提供一生產(chǎn)線，該生產(chǎn)線包含多個(gè)制程站，每一所述制程站包含多個(gè)制程機(jī)臺(tái)，所述多個(gè)制程機(jī)臺(tái)分別屬于多個(gè)制程機(jī)臺(tái)型式，每一所述制程機(jī)臺(tái)包含至少一制程裝置，每一該至少一制程裝置具有多個(gè)制程參數(shù)，所述多個(gè)制程參數(shù)是配置以處理多個(gè)工件其中一者；
根據(jù)多個(gè)生產(chǎn)路徑分別處理所述多個(gè)工件，每一所述生產(chǎn)路徑指出在所述多個(gè)制程站中的所述多個(gè)制程機(jī)臺(tái)的所述制程裝置其中一預(yù)設(shè)裝置，用以處理所述多個(gè)工件其中一者；
對(duì)被對(duì)應(yīng)的預(yù)設(shè)裝置處理后的每一所述工件進(jìn)行量測(cè)，以獲得對(duì)應(yīng)至所述多個(gè)工件的多組線上量測(cè)值；
對(duì)通過該生產(chǎn)線后的每一所述工件進(jìn)行至少一良率測(cè)試，以獲得分別對(duì)應(yīng)至所述多個(gè)工件的多組最終檢查值；
根據(jù)所述多組最終檢查值決定是否遭遇一良率測(cè)試失??；以及
當(dāng)遭遇到該良率測(cè)試失敗時(shí)，進(jìn)行一第一階段，該第一階段包含一第一根本原因?qū)ふ也襟E，該第一根本原因?qū)ふ也襟E包含：
基于一第一演算法來建立一第一搜尋模型，其中該第一演算法為一三階段正交貪婪演算法、一最小絕對(duì)壓縮挑選機(jī)制演算法、或一提高樣本使用率的回歸樹演算法；以及
通過輸入所述多個(gè)工件的所述多組最終檢查值、所述多個(gè)工件的所述多組線上量測(cè)值和所述多個(gè)工件的所述生產(chǎn)路徑至該第一搜尋模型中，以從在所述多個(gè)制程站的所述多個(gè)制程機(jī)臺(tái)的所述制程裝置中辨識(shí)出可能會(huì)造成該良率測(cè)試失敗的至少一第一關(guān)鍵裝置。
2.根據(jù)權(quán)利要求1所述的辨識(shí)良率損失的根本原因的方法，其特征在于，該第一階段還包含：
基于一第二演算法來建立一第二搜尋模型，其中該第二演算法與該第一演算法不相同，該第二演算法為該三階段正交貪婪演算法、該最小絕對(duì)壓縮挑選機(jī)制演算法、或該提高樣本使用率的回歸樹演算法；以及
通過輸入所述多個(gè)工件的所述多組最終檢查值、所述多個(gè)工件的所述多組線上量測(cè)值和所述多個(gè)工件的所述生產(chǎn)路徑至該第二搜尋模型中，以從在所述多個(gè)制程站的所述多個(gè)制程機(jī)臺(tái)的所述制程裝置中辨識(shí)出可能會(huì)造成該良率測(cè)試失敗的至少一第二關(guān)鍵裝置；
對(duì)該至少一第一關(guān)鍵裝置進(jìn)行排名與評(píng)分；
對(duì)該至少一第二關(guān)鍵裝置進(jìn)行排名與評(píng)分；以及
比較該至少一第一關(guān)鍵裝置和該至少一第二關(guān)鍵裝置間的排名的相似度，以獲得一第一信心指標(biāo)，來評(píng)估該至少一第一關(guān)鍵裝置和該至少一第二關(guān)鍵裝置的辨識(shí)結(jié)果的可靠程度。
3.根據(jù)權(quán)利要求1所述的辨識(shí)良率損失的根本原因的方法，其特征在于，還包含：
在該第一階段后，進(jìn)行一第二階段，該第二階段包含一第二根本原因?qū)ふ也襟E，該第二根本原因?qū)ふ也襟E包含：
選擇該至少一第一關(guān)鍵裝置的一者，其中該至少一第一關(guān)鍵裝置的該者是屬于所述多個(gè)制程機(jī)臺(tái)型式的一關(guān)鍵制程機(jī)臺(tái)型式；以及
通過輸入所述多個(gè)工件的所述多組最終檢查值、和在全部的所述多個(gè)制程站上屬于該關(guān)鍵制程機(jī)臺(tái)型式的所述制程機(jī)臺(tái)的所述制程裝置的全部所述制程參數(shù)的數(shù)值至該第一搜尋模型中，以辨識(shí)出可能會(huì)造成該良率測(cè)試失敗的多個(gè)第一關(guān)鍵制程參數(shù)。
4.根據(jù)權(quán)利要求3所述的辨識(shí)良率損失的根本原因的方法，其特征在于，該第二階段還包含：
通過輸入所述多個(gè)工件的所述多組最終檢查值、和在全部的所述多個(gè)制程站上屬于該關(guān)鍵制程機(jī)臺(tái)型式的所述制程機(jī)臺(tái)的所述制程裝置的全部所述制程參數(shù)的數(shù)值至該第二搜尋模型中，以辨識(shí)出可能會(huì)造成該良率測(cè)試失敗的多個(gè)第二關(guān)鍵制程參數(shù)；
對(duì)所述多個(gè)第一關(guān)鍵制程參數(shù)進(jìn)行排名與評(píng)分；
對(duì)所述多個(gè)第二關(guān)鍵制程參數(shù)進(jìn)行排名與評(píng)分；以及
比較所述多個(gè)第一關(guān)鍵制程參數(shù)和所述多個(gè)第二關(guān)鍵制程參數(shù)間的排名的相似度，以獲得一第二信心指標(biāo)，來評(píng)估所述多個(gè)第一關(guān)鍵制程參數(shù)和所述多個(gè)第二關(guān)鍵制程參數(shù)的辨識(shí)結(jié)果的可靠程度。
5.根據(jù)權(quán)利要求1所述的辨識(shí)良率損失的根本原因的方法，其特征在于，對(duì)被對(duì)應(yīng)的預(yù)設(shè)裝置處理后的每一所述工件進(jìn)行量測(cè)的步驟還包含：對(duì)每一所述工件進(jìn)行虛擬量測(cè)。
6.根據(jù)權(quán)利要求1所述的辨識(shí)良率損失的根本原因的方法，其特征在于，該最小絕對(duì)壓縮挑選機(jī)制演算法包含一自動(dòng)調(diào)整懲罰系數(shù)值的方法。
7.一種辨識(shí)良率損失的根本原因的方法，其特征在于，該良率損失是發(fā)生在一生產(chǎn)線上，該生產(chǎn)線包含多個(gè)制程站，每一所述制程站包含至少一制程機(jī)臺(tái)，該至少一制程機(jī)臺(tái)屬于至少一制程機(jī)臺(tái)型式其中一者，每一該至少一制程機(jī)臺(tái)包含至少一制程裝置，每一該至少一制程裝置具有多個(gè)制程參數(shù)，所述制程參數(shù)是配置以處理多個(gè)工件其中一者，辨識(shí)良率損失的根本原因的方法包含：
獲得多個(gè)生產(chǎn)路徑，每一所述生產(chǎn)路徑指出在所述多個(gè)制程站中的所述制程機(jī)臺(tái)的所述制程裝置其中一預(yù)設(shè)裝置，用以處理所述多個(gè)工件其中一者；
接收所述多個(gè)工件的多組線上量測(cè)值，其中所述多組線上量測(cè)值是通過對(duì)被預(yù)設(shè)裝置處理后的所述多個(gè)工件進(jìn)行量測(cè)來獲得；
接收對(duì)應(yīng)至所述多個(gè)工件的多組最終檢查值，其中所述多組最終檢查值是通過對(duì)通過該生產(chǎn)線后的每一所述工件進(jìn)行至少一良率測(cè)試來獲得；
根據(jù)所述多組最終檢查值決定是否遭遇一良率測(cè)試失??；以及
當(dāng)遭遇到該良率測(cè)試失敗時(shí)，進(jìn)行一第一階段，該第一階段包含一第一根本原因?qū)ふ也襟E，該第一根本原因?qū)ふ也襟E包含：
基于一第一演算法來建立一第一搜尋模型，其中該第一演算法為一三階段正交貪婪演算法、一最小絕對(duì)壓縮挑選機(jī)制演算法、或一提高樣本使用率的回歸樹演算法；以及
通過輸入所述多個(gè)工件的所述多組最終檢查值、所述多個(gè)工件的所述多組線上量測(cè)值和所述多個(gè)工件的所述生產(chǎn)路徑至該第一搜尋模型中，以從在所述多個(gè)制程站的所述制程機(jī)臺(tái)的所述制程裝置中辨識(shí)出可能會(huì)造成該良率測(cè)試失敗的至少一第一關(guān)鍵裝置。
8.根據(jù)權(quán)利要求7所述的辨識(shí)良率損失的根本原因的方法，其特征在于，該第一階段還包含：
基于一第二演算法來建立一第二搜尋模型，其中該第二演算法與該第一演算法不相同，該第二演算法為該三階段正交貪婪演算法、該最小絕對(duì)壓縮挑選機(jī)制演算法、或該提高樣本使用率的回歸樹演算法；以及
通過輸入所述多個(gè)工件的所述多組最終檢查值、所述多個(gè)工件的所述多組線上量測(cè)值和所述多個(gè)工件的所述生產(chǎn)路徑至該第二搜尋模型中，以從在所述多個(gè)制程站的所述制程機(jī)臺(tái)的所述制程裝置中辨識(shí)出可能會(huì)造成該良率測(cè)試失敗的至少一第二關(guān)鍵裝置；
對(duì)該至少一第一關(guān)鍵裝置進(jìn)行排名與評(píng)分；
對(duì)該至少一第二關(guān)鍵裝置進(jìn)行排名與評(píng)分；以及
比較該至少一第一關(guān)鍵裝置和該至少一第二關(guān)鍵裝置間的排名的相似度，以獲得一第一信心指標(biāo)，來評(píng)估該至少一第一關(guān)鍵裝置和該至少一第二關(guān)鍵裝置的辨識(shí)結(jié)果的可靠程度。
9.根據(jù)權(quán)利要求7所述的辨識(shí)良率損失的根本原因的方法，其特征在于，還包含：
在該第一階段后，進(jìn)行一第二階段，該第二階段包含一第二根本原因?qū)ふ也襟E，該第二根本原因?qū)ふ也襟E包含：
選擇該至少一第一關(guān)鍵裝置的一者，其中該至少一第一關(guān)鍵裝置的該者是屬于所述多個(gè)制程機(jī)臺(tái)型式的一關(guān)鍵制程機(jī)臺(tái)型式；以及
通過輸入所述多個(gè)工件的所述多組最終檢查值、和在全部的所述多個(gè)制程站上屬于該關(guān)鍵制程機(jī)臺(tái)型式的所述制程機(jī)臺(tái)的所述制程裝置的全部所述制程參數(shù)的數(shù)值至該第一搜尋模型中，以辨識(shí)出可能會(huì)造成該良率測(cè)試失敗的多個(gè)第一關(guān)鍵制程參數(shù)。
10.根據(jù)權(quán)利要求9所述的辨識(shí)良率損失的根本原因的方法，其特征在于，該第二階段還包含：
通過輸入所述多個(gè)工件的所述多組最終檢查值、和在全部的所述多個(gè)制程站上屬于該關(guān)鍵制程機(jī)臺(tái)型式的所述制程機(jī)臺(tái)的所述制程裝置的全部所述制程參數(shù)的數(shù)值至該第二搜尋模型中，以辨識(shí)出可能會(huì)造成該良率測(cè)試失敗的多個(gè)第二關(guān)鍵制程參數(shù)；
對(duì)所述多個(gè)第一關(guān)鍵制程參數(shù)進(jìn)行排名與評(píng)分；
對(duì)所述多個(gè)第二關(guān)鍵制程參數(shù)進(jìn)行排名與評(píng)分；以及
比較所述多個(gè)第一關(guān)鍵制程參數(shù)和所述多個(gè)第二關(guān)鍵制程參數(shù)間的排名的相似度，以獲得一第二信心指標(biāo)，來評(píng)估所述多個(gè)第一關(guān)鍵制程參數(shù)和所述多個(gè)第二關(guān)鍵制程參數(shù)的辨識(shí)結(jié)果的可靠程度。
11.一種辨識(shí)良率損失的根本原因的系統(tǒng)，其特征在于，該良率損失是發(fā)生在一生產(chǎn)線上，該生產(chǎn)線包含多個(gè)制程站，每一所述制程站包含至少一制程機(jī)臺(tái)，該至少一制程機(jī)臺(tái)屬于至少一制程機(jī)臺(tái)型式其中一者，每一該至少一制程機(jī)臺(tái)包含至少一制程裝置，每一該至少一制程裝置具有多個(gè)制程參數(shù)，所述多個(gè)制程參數(shù)是配置以處理多個(gè)工件其中一者，辨識(shí)良率損失的根本原因的系統(tǒng)包含：
一記憶體，其儲(chǔ)存有一生產(chǎn)信息和對(duì)應(yīng)至所述多個(gè)工件的多組最終檢查值，該生產(chǎn)信息包含多個(gè)生產(chǎn)路徑、所述多個(gè)工件的所述多個(gè)制程參數(shù)的數(shù)值、和所述多個(gè)工件的多組線上量測(cè)值，其中每一所述生產(chǎn)路徑指出在所述多個(gè)制程站中的所述制程機(jī)臺(tái)的所述制程裝置其中一預(yù)設(shè)裝置，用以處理所述多個(gè)工件其中一者，所述多組線上量測(cè)值是通過對(duì)被預(yù)設(shè)裝置處理后的所述多個(gè)工件進(jìn)行量測(cè)來獲得，所述多組最終檢查值是通過對(duì)通過該生產(chǎn)線后的每一所述工件進(jìn)行至少一良率測(cè)試來獲得；以及
一處理器，配置以
根據(jù)所述多組最終檢查值決定是否遭遇一良率測(cè)試失敗；
當(dāng)遭遇到該良率測(cè)試失敗時(shí)，進(jìn)行一第一階段，該第一階段包含一第一根本原因?qū)ふ也襟E，該第一根本原因?qū)ふ也襟E包含：
基于一第一演算法來建立一第一搜尋模型，其中該第一演算法為一三階段正交貪婪演算法、一最小絕對(duì)壓縮挑選機(jī)制演算法、或一提高樣本使用率的回歸樹演算法；以及
通過輸入所述多個(gè)工件的所述多組最終檢查值、所述多個(gè)工件的所述多組線上量測(cè)值和所述多個(gè)工件的所述生產(chǎn)路徑至該第一搜尋模型中，以從在所述多個(gè)制程站的所述制程機(jī)臺(tái)的所述制程裝置中辨識(shí)出可能會(huì)造成該良率測(cè)試失敗的至少一第一關(guān)鍵裝置。
12.根據(jù)權(quán)利要求11所述的辨識(shí)良率損失的根本原因的系統(tǒng)，其特征在于，該第一階段還包含：
基于一第二演算法來建立一第二搜尋模型，其中該第二演算法與該第一演算法不相同，該第二演算法為該三階段正交貪婪演算法、該最小絕對(duì)壓縮挑選機(jī)制演算法、或該提高樣本使用率的回歸樹演算法；以及
通過輸入所述多個(gè)工件的所述多組最終檢查值、所述多個(gè)工件的所述多組線上量測(cè)值和所述多個(gè)工件的所述生產(chǎn)路徑至該第二搜尋模型中，以從在所述多個(gè)制程站的所述制程機(jī)臺(tái)的所述制程裝置中辨識(shí)出可能會(huì)造成該良率測(cè)試失敗的至少一第二關(guān)鍵裝置；
對(duì)該至少一第一關(guān)鍵裝置進(jìn)行排名與評(píng)分；
對(duì)該至少一第二關(guān)鍵裝置進(jìn)行排名與評(píng)分；以及
比較該至少一第一關(guān)鍵裝置和該至少一第二關(guān)鍵裝置間的排名的相似度，以獲得一第一信心指標(biāo)，來評(píng)估該至少一第一關(guān)鍵裝置和該至少一第二關(guān)鍵裝置的辨識(shí)結(jié)果的可靠程度。
13.根據(jù)權(quán)利要求11所述的辨識(shí)良率損失的根本原因的系統(tǒng)，其特征在于，在該第一階段后，該處理器是配置以進(jìn)行一第二階段，該第二階段包含一第二根本原因?qū)ふ也襟E，該第二根本原因?qū)ふ也襟E包含：
選擇該至少一第一關(guān)鍵裝置的一者，其中該至少一第一關(guān)鍵裝置的該者是屬于所述多個(gè)制程機(jī)臺(tái)型式的一關(guān)鍵制程機(jī)臺(tái)型式；以及
通過輸入所述多個(gè)工件的所述多組最終檢查值、和在全部的所述多個(gè)制程站上屬于該關(guān)鍵制程機(jī)臺(tái)型式的所述制程機(jī)臺(tái)的所述制程裝置的全部所述制程參數(shù)的數(shù)值至該第一搜尋模型中，以辨識(shí)出可能會(huì)造成該良率測(cè)試失敗的多個(gè)第一關(guān)鍵制程參數(shù)。
14.據(jù)權(quán)利要求13所述的辨識(shí)良率損失的根本原因的系統(tǒng)，其特征在于，該第二階段還包含：
通過輸入所述多個(gè)工件的所述多組最終檢查值、和在全部的所述多個(gè)制程站上屬于該關(guān)鍵制程機(jī)臺(tái)型式的所述制程機(jī)臺(tái)的所述制程裝置的全部所述制程參數(shù)的數(shù)值至該第二搜尋模型中，以辨識(shí)出可能會(huì)造成該良率測(cè)試失敗的多個(gè)第二關(guān)鍵制程參數(shù)；
對(duì)所述多個(gè)第一關(guān)鍵制程參數(shù)進(jìn)行排名與評(píng)分；
對(duì)所述多個(gè)第二關(guān)鍵制程參數(shù)進(jìn)行排名與評(píng)分；以及
比較所述多個(gè)第一關(guān)鍵制程參數(shù)和所述多個(gè)第二關(guān)鍵制程參數(shù)間的排名的相似度，以獲得一第二信心指標(biāo)，來評(píng)估所述多個(gè)第一關(guān)鍵制程參數(shù)和所述多個(gè)第二關(guān)鍵制程參數(shù)的辨識(shí)結(jié)果的可靠程度。