426657_zh-CN

liliconcom

随时间循环 x,y 位置

你好，

 

我是 jmp 的新手（目前使用 jmp 16）并且对以下场景有疑问。 我有一个 csv 文件，每个缺陷都有以下列：

- 时间戳、序列号、x 位置、y 位置、缺陷大小（以毫米为单位）

 

我在清洁过程中工作，检查工具会提供当天每一个缺陷的信息。 我需要跟踪几件事：

1) 处理特定序列 ID 的次数，并确定它是第一次被清理，还是第二次、第三次等。

2) 如果序列 ID 被清洗了不止一次，那么我需要知道每次清洗后 (x,y) 位置的任何组合是否仍然在同一个位置

 

绘制 x 和 y 位置图，然后按时间过滤我可以得到答案 2)，但这是一个非常手动的步骤。 我希望找到一个使用 jsl 的解决方案，它可以自动化我需要跟踪的信息。

视窗回复：随时间循环 x,y 位置

@Craige_Hales我肯定会将 KDTable() << kNearestRows( ) 添加到我的工具箱中。 我不知道这存在并且很高兴得知它确实存在。

回复：随时间循环 x,y 位置

@ngambles哇！ 我应该将 tabulate 和 dt<@DonMcCormack

 

 

回复：随时间循环 x,y 位置

 

我喜欢克雷格黑尔斯解决方案，但我也想提供我的解决方案，因为我过去曾面临过类似的任务。

 

我的方法是使用可用数据计算附加信息，将其添加到数据表中，然后我能够生成显示最终结果的报告（图形生成器、表格等）。

 

在您的请求中，您希望能够计算特定序列号的处理次数。我还发现创建一个指示器列非常有用，该指示器列可识别来自晶圆的最后/最终处理的数据条目。

 

基于来自“mock data.PNG”的示例数据，我将执行以下操作：

• 计算每次处理晶圆的顺序号
• 计算每个晶圆的最终处理时间
• 根据大致位置按名称识别缺陷位置
• 计算每个晶圆的每个位置名称被识别的次数

为此，我使用制表法生成了几个临时数据表，添加了一些公式以获得我想要的答案，然后将它们合并回原始数据表。  

 

JSL 代码看起来像这样

 

names default to here(1);
/////////// make example data table /////////////////////
dt = New Table( "example data set",
 Add Rows( 13 ),
 New Column( "Time",
  Numeric,
  "Nominal",
  Format( "Best", 12 ),
  Set Values( [1, 1, 1, 1, 1, 2, 2, 2, 3, 3, 4, 4, 4] )
 ),
 New Column( "WaferID",
  Numeric,
  "Nominal",
  Format( "Best", 12 ),
  Set Values( [1, 1, 1, 1, 1, 2, 2, 2, 3, 3, 1, 1, 1] )
 ),
 New Column( "X location",
  Numeric,
  continuous,
  Format( "Best", 12 ),
  Set Values(
   [2.745, 1.566, -28.143, -4.793, -29.251, 19.527, 6.581, 29.37, 4.907,
   21.699, 2.745, -4.793, 6.581]
  )
 ),
 New Column( "Y location",
  Numeric,
  continuous,
  Format( "Best", 12 ),
  Set Values(
   [44.164, 61.915, -42.954, -38.091, -46.659, 32.201, -24.715, 41.533,
   60.217, -60.26, 44.164, -38.091, -24.715]
  )
 ),
 New Column( "Size",
  Numeric,
  "Continuous",
  Format( "Best", 12 ),
  Set Values(
   [0.164, 0.136, 0.125, 0.122, 0.122, 0.036, 0.035, 0.035, 0.035, 0.034,
   0.164, 0.122, 0.035]
  )
 )
);
//dt = current data table();

/////////// create temporary data table to determine Clean Count and Final Clean /////////////////
tab = dt << Tabulate(
 Show Control Panel( 0 ),
 Full Path Column Name( 1 ),
 Add Table( Row Table( Grouping Columns( :WaferID, :Time ) ) )
);
dtx = tab << make into data table();
tab << close window();
dtx << New Column("Wafer Clean Count", Numeric, "Nominal", Formula(Col Rank(:Time, :WaferID)));
dtx << New Column("Final Wafer Clean", Numeric, "Nominal", Formula(If(:Time == Col Maximum(:Time, :WaferID), 1, 0)));
dtx << delete Column("N");
///////// move Clean Count and Final Clean information back to original data table //////////////
dt << Update(
 With( dtx ),
 Match Columns( :WaferID = :WaferID, :Time = :Time ),
 Add Columns from Update Table( :Wafer Clean Count, :Final Wafer Clean ),
 Replace Columns in Main Table( :Wafer Clean Count, :Final Wafer Clean )
);
//////// close data table //////////////////////////////////////////////////////
close(dtx, no save);
//////// modify X & Y values to allow variation in measurements////////////////
dt << new column("X_Temp", numeric, continuous, formula(round(:X location, 1)));
dt << new column("Y_Temp", numeric, continuous, formula(round(:Y location, 1)));
/////// create temporary data table to name defect locations ///////////////
tab = dt << Tabulate(
 Show Control Panel( 0 ),
 Include missing for grouping columns( 1 ),
 Full Path Column Name( 1 ),
 Add Table( Row Table( Grouping Columns( :X_Temp, :Y_Temp ) ) )
);
dtx = tab << make into data table();
tab << close window();
dtx << new column("Location", character, nominal, formula("L" || char(row())));
dtx << delete column("N");
//////// move Location information back to original data table ////////////////
dt << Update(
 With( dtx ),
 Match Columns( :X_Temp = :X_Temp, :Y_Temp = :Y_Temp ),
 Add Columns from Update Table( :Location ),
 Replace Columns in Main Table( :Location )
);
/////// clean up /////////////////////////
close(dtx, no save);
dt << delete columns(
 {
  "X_Temp",
  "Y_Temp"
 }
);
/////// calculate the number of times a defect location occured on a given wafer ////////
dt << new column("Wafer Location Count", numeric, nominal, formula(Col Rank( :Time, :Location, :WaferID )));


/////// make some reports /////////////
nw = new window("results",
 h list box(
  gb = dt << Graph Builder(
   Show Control Panel( 0 ),
   Variables(
    X( :X location ),
    Y( :Y location ),
    Group X( :Wafer Clean Count ),
    Group Y( :WaferID ),
    Color( :Wafer Location Count )
   ),
   Elements( Points( X, Y, Legend( 7 ) ) )
  ),
  tab = dt << Tabulate(
   Show Control Panel( 0 ),
   Include missing for grouping columns( 1 ),
   Full Path Column Name( 1 ),
   Add Table(
    Column Table( Statistics( Max ), Analysis Columns( :Wafer Location Count ) ),
    Row Table( Grouping Columns( :WaferID, :X location, :Y location ) )
   ),
   Local Data Filter(
    Add Filter(
     columns( :Final Wafer Clean ),
     Where( :Final Wafer Clean == 1 )
    )
   )
  )
 )
);

在命名缺陷位置时，我将 x 坐标和 y 坐标四舍五入到小数点后一位，以允许位置测量值发生一些变化。 这可能会或可能不会满足您的需求，但这种方法允许您修改 X_Temp 和 Y_Temp 的公式，其余的仍将按预期工作。

 

生成的数据表包含以下附加列：

• 晶圆清洁计数
  • 包含在晶圆上执行的清洁次数的序号
• 最终晶圆清洁
  • 如果条目不是最后一次处理晶圆，则指示器列为零，如果是最后一次处理晶圆，则为一
• 地点
  • 分配给大致缺陷位置的名称
• 晶圆位置计数
  • 包含此缺陷位置名称在任何给定晶圆上出现的连续次数

 

使用生成的数据表，可以解决您提出的问题等等。 可以调查的一些可能问题包括但不限于：

• 多个清洁周期后哪些缺陷位置仍然存在
• 第一次晶圆清洗周期后的整体缺陷率是多少
• 执行所有清洁周期后的总体缺陷率是多少
• 每个晶圆的平均清洁周期数是多少
• 是否有区域始终存在需要清洁的缺陷区域

 

我希望这有帮助。

 

 

回复：随时间循环 x,y 位置

这是一些入门代码。 您需要对其进行研究以确保它符合您的预期。 输出在日志窗口中。 （我会附上一个文件。下面的代码可能会搞砸，因为该网站删除了一些“无效的 html”。 )

// synthesize some data
radius = 1;

dt = New Table( "Untitled",
    Add Rows( 1000 ), // <<<<<<<<<<<<<< change number of rows here
    New Column( "time", Numeric, "Continuous", Format( "Best", 12 ) ),
    New Column( "waferID", Numeric, "Continuous", Format( "Best", 12 ) ),
    New Column( "xLocation", Numeric, "Continuous", Format( "Best", 12 ) ),
    New Column( "yLocation", Numeric, "Continuous", Format( "Best", 12 ) )
);
here:time = 0; // for this synth data, time just increments by 1
here:waferID = 0; // and the waferID is random 0-9
For( row = 1, row <= N Rows( dt ), row += 1,
    If( Random Uniform() > .8, // determines how many points in a cleaning, before time changes and wafer re-randomizes
        here:time += 1;
        here:waferID = Random Integer( 0, 9 );
    );
    dt:time[row] = here:time;
    dt:waferID[row] = here:waferID;
    dt:xLocation[row] = Round( Random Uniform( -radius, radius ), 2 );
    dt:yLocation[row] = Round( Random Uniform( -radius, radius ), 2 );
);




// find the unique waferIDs using summary
dtWafer = dt << Summary( Group( :waferID ), Link to original data table( 1 ) );
dtWaferTime = dt << Summary( Group( :waferID, :time ) );
dtNWafer = dtWaferTime << Summary( Group( :waferID ) ); //number of distinct times for this wafer is number of cleanings

close = .03; // <<< this determines how close makes a hit

// produce a report for each waferID that shows up in the cleaning data...
For( iWafer = 1, iWafer <= N Rows( dtWafer ), iWafer += 1,
    dtWafer << clear select << selectrows( iWafer ); // dtWafer selection also selects rows in dt because linked
    rows = dt << get selected rows; // all the rows for this wafer, across all times
    // rows is a 1-column matrix of row numbers in dt for this wafer. the argument to KDTable
    // is all the locations over all cleanings for this wafer.
    kdt = KDTable( dt[rows, {xLocation, yLocation}] );
    // report header for each waferID... the report might have no lines below the header, or a bunch... Not indented.
    Write( Eval Insert( "\!n\!nprocessing waferID=^dtWafer:waferID[iWafer]^, ^nrows(rows)^ points during ^dtNWafer:nrows[iWafer]^ cleanings" ) );
    For( irow = 1, irow <= N Rows( rows ), irow += 1, // the rows should be ascending time
        row = rows[irow]; // row (singular) is an index to dt
        // find rows {up to this many,up to this far} near irow
        {index, distance} = kdt << kNearestRows( {dtWafer:NRows[iWafer], close}, irow );
        // above, index is into the 1-column matrix of row numbers. below, it becomes index into dt
        index = rows[index];
        printedHeader = 0; // don't print this header unless there are duplicates to go with it
        // distance[] and index[] have same number of rows; index is indexes to near neighbors and distance is to the neighbor
        For( idistance = 1, idistance <= N Items( distance ), idistance += 1,
            If( dt:waferID[index[idistance]] != dt:waferID[row] | dt:waferID[row] != dtWafer:waferID[iWafer],
                Throw( "wafer mismatch" )
            );// sanity check
            If( distance[idistance] <= close, // typically there is one item with a bigger distance than we care about, must be ignored by else-break below.
                If( !printedHeader, // a little indented...
                    Write(
                        Eval Insert(
                            "\!n  matches for row ^row^ time ^dt:time[row]^ loc [^char(dt:xLocation[row],7,3)^,^char(dt:yLocation[row],7,3)^]"
                        )
                    );
                    printedHeader = 1;
                );
                // there can be more than one subsequent cleaning, indented more...
                Write( Eval Insert( "\!n              row ^index[idistance]^ time ^dt:time[index[idistance]]^ " ) );
                Write( Eval Insert( "[^char(dt:xLocation[index[idistance]],7,3)^,^char(dt:yLocation[index[idistance]],7,3)^]) " ) );
                Write( Eval Insert( "dist(^distance[idistance]^)" ) );
            , //else
                Break()
            );
        );
        kdt << removerows( irow ); // never look back at this row from future rows
    );
);

// a graph to examine the rows found to be close.
dt << Graph Builder(
    Size( 867, 787 ),
    Show Control Panel( 0 ),
    Variables( X( :xLocation ), Y( :yLocation ) ),
    Elements( Points( X, Y, Legend( 5 ) ) ),
    Local Data Filter( Add Filter( columns( :waferID ), Modeling Type( :waferID, Nominal ), Display( :waferID, N Items( 14 ) ) ) )
);

 

 

回复：随时间循环 x,y 位置

你好蒂埃里，

 

我附上了模拟数据的屏幕截图。如您所见，每个 ID 都会在同一时间戳中获得多次命中，因为所有缺陷都会同时写入，主要区别在于 x、y 位置和大小。 另请注意，此示例仅是第一次清洁。 第二次，相同的 ID 可能会出现更多或更少的行，这就是我想确定它是否重复并且还能够识别它的第二个、第三个等清洁循环的时候。

 

在对序列号进行多次清理后，我想捕获所有事件中的位置是否相同

回复：随时间循环 x,y 位置

 

你好克雷格

 

x 和 y 位置在小数点后 3 位。 只要它们位于同一位置的 3% 以内，就会被视为重复缺陷。 大小与重叠没有任何关系。 过去所做的是，一旦它被绘制出来，第一个循环就被指定为一种颜色的圆圈，第二个循环被指定为另一种颜色的“x”。 一旦它们重叠，在视觉上很容易看出它是否在同一位置。

 

就行而言，它可能会达到数千行，具体取决于一天的运行量。它从来没有超过数百万，尽管如果我们一次看很长一段时间，它是有可能的。

 

 

回复：随时间循环 x,y 位置

你好，

您能否通过分享示例帮助我们更好地理解您的数据结构（模拟数据可以正常工作）？ 根据您的描述，我推测每个清洁事件都可以通过时间戳和序列号的唯一组合来识别。 此外，您的数据是否包含任何重复信息（即具有相同时间戳和序列号组合的行？ 如果是这样，它将使该过程更加苛刻。 最后，在为序列 ID 识别多个清洁事件后，您是否有兴趣只捕获所有事件的位置是否相同、任何两个事件之间是否相同或其他什么？

最好，

TS

  

回复：随时间循环 x,y 位置

你好@赛格

1：尝试使用Table<<汇总平台。在那里，只需将序列号、x 位置和 y 位置放入组中。

这将为您提供单独的一行，用于三者的每个独特组合。

绘制这个新的汇总表会很有用，只需使用 N 列作为颜色或大小

2：一次生成图形后，在左上角的红色三角下可以选择将脚本保存到数据表或脚本窗口。 jmp 刚刚为您编写了脚本。

如果您使用的是 jmp 16，请单击查看>>日志，您将获得一个包含当前会话中所有操作的脚本。

让我们知道是否有帮助。

罗恩

 

回复：随时间循环 x,y 位置

x,y 位置有什么样的分辨率？ 例如，它们可能始终是从 1 到 100 的整数，或者它们可能是从 0 到 100 的浮点值，四舍五入到最接近的 .01，或者它们可能是没有明显分辨率限制的浮点数。 x,y 对必须有多接近才能重复？ 缺陷的大小与 x,y 重叠有什么关系吗？ 或者尺寸总是小于 x,y 网格并被忽略？

 

如果只有 100 个 x 和 100 个 y 值，并且大小不感兴趣，那么我会将 x 和 y 值组合成一个键，也许是 x*100+y，这样可以更容易地测试重复. 圆形浮点数可能相同，最多约 6 位有效数字。

但如果大小很重要，或者必须测试距离，我可能会使用 KDTable。

 

还有，多少行？少于几千个可能不需要任何特定的优化。 超过一百万可能需要一个深思熟虑的算法。 （在一千行以下，每一行都可以考虑每隔一行，只有 1,000,000 次比较，但大小加倍，比较四倍。）