426657_zh-TW

liliconcom

隨時間循環 x,y 位置

你好，

 

我是 jmp 的新手（目前使用 jmp 16）並且對以下場景有疑問。 我有一個 csv 文件，每個缺陷都有以下列：

- 時間戳、序列號、x 位置、y 位置、缺陷大小（以毫米為單位）

 

我在清潔過程中工作，檢查工具會提供當天每一個缺陷的信息。 我需要跟踪幾件事：

1) 處理特定序列 ID 的次數，並確定它是第一次被清理，還是第二次、第三次等。

2) 如果序列 ID 被清洗了不止一次，那麼我需要知道每次清洗後 (x,y) 位置的任何組合是否仍然在同一個位置

 

繪製 x 和 y 位置圖，然後按時間過濾我可以得到答案 2)，但這是一個非常手動的步驟。 我希望找到一個使用 jsl 的解決方案，它可以自動化我需要跟踪的信息。

視窗回复：隨時間循環 x,y 位置

@Craige_Hales我肯定會將 KDTable() << kNearestRows( ) 添加到我的工具箱中。 我不知道這存在並且很高興得知它確實存在。

回复：隨時間循環 x,y 位置

@ngambles哇！ 我應該將 tabulate 和 dt<@DonMcCormack

 

 

回复：隨時間循環 x,y 位置

 

我喜歡克雷格黑爾斯解決方案，但我也想提供我的解決方案，因為我過去曾面臨過類似的任務。

 

我的方法是使用可用數據計算附加信息，將其添加到數據表中，然後我能夠生成顯示最終結果的報告（圖形生成器、表格等）。

 

在您的請求中，您希望能夠計算特定序列號的處理次數。我還發現創建一個指示器列非常有用，該指示器列可識別來自晶圓的最後/最終處理的數據條目。

 

基於來自“mock data.PNG”的示例數據，我將執行以下操作：

• 計算每次處理晶圓的順序號
• 計算每個晶圓的最終處理時間
• 根據大致位置按名稱識別缺陷位置
• 計算每個晶圓的每個位置名稱被識別的次數

為此，我使用製表法生成了幾個臨時數據表，添加了一些公式以獲得我想要的答案，然後將它們合併回原始數據表。  

 

JSL 代碼看起來像這樣

 

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 )
    )
   )
  )
 )
);

在命名缺陷位置時，我將 x 坐標和 y 坐標四捨五入到小數點後一位，以允許位置測量值發生一些變化。 這可能會或可能不會滿足您的需求，但這種方法允許您修改 X_Temp 和 Y_Temp 的公式，其餘的仍將按預期工作。

 

生成的數據表包含以下附加列：

• 晶圓清潔計數
  • 包含在晶圓上執行的清潔次數的序號
• 最終晶圓清潔
  • 如果條目不是最後一次處理晶圓，則指示器列為零，如果是最後一次處理晶圓，則為一
• 地點
  • 分配給大致缺陷位置的名稱
• 晶圓位置計數
  • 包含此缺陷位置名稱在任何給定晶圓上出現的連續次數

 

使用生成的數據表，可以解決您提出的問題等等。 可以調查的一些可能問題包括但不限於：

• 多個清潔週期後哪些缺陷位置仍然存在
• 第一次晶圓清洗週期後的整體缺陷率是多少
• 執行所有清潔週期後的總體缺陷率是多少
• 每個晶圓的平均清潔週期數是多少
• 是否有區域始終存在需要清潔的缺陷區域

 

我希望這有幫助。

 

 

回复：隨時間循環 x,y 位置

這是一些入門代碼。 您需要對其進行研究以確保它符合您的預期。 輸出在日誌窗口中。 （我會附上一個文件。下面的代碼可能會搞砸，因為該網站刪除了一些“無效的 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：隨時間循環 x,y 位置

你好蒂埃里，

 

我附上了模擬數據的屏幕截圖。如您所見，每個 ID 都會在同一時間戳中獲得多次命中，因為所有缺陷都會同時寫入，主要區別在於 x、y 位置和大小。 另請注意，此示例僅是第一次清潔。 第二次，相同的 ID 可能會出現更多或更少的行，這就是我想確定它是否重複並且還能夠識別它的第二個、第三個等清潔循環的時候。

 

在對序列號進行多次清理後，我想捕獲所有事件中的位置是否相同

回复：隨時間循環 x,y 位置

 

你好克雷格

 

x 和 y 位置在小數點後 3 位。 只要它們位於同一位置的 3% 以內，就會被視為重複缺陷。 大小與重疊沒有任何關係。 過去所做的是，一旦它被繪製出來，第一個循環就被指定為一種顏色的圓圈，第二個循環被指定為另一種顏色的“x”。 一旦它們重疊，在視覺上很容易看出它是否在同一位置。

 

就行而言，它可能會達到數千行，具體取決於一天的運行量。它從來沒有超過數百萬，儘管如果我們一次看很長一段時間，它是有可能的。

 

 

回复：隨時間循環 x,y 位置

你好，

您能否通過分享示例幫助我們更好地理解您的數據結構（模擬數據可以正常工作）？ 根據您的描述，我推測每個清潔事件都可以通過時間戳和序列號的唯一組合來識別。 此外，您的數據是否包含任何重複信息（即具有相同時間戳和序列號組合的行？ 如果是這樣，它將使該過程更加苛刻。 最後，在為序列 ID 識別多個清潔事件後，您是否有興趣只捕獲所有事件的位置是否相同、任何兩個事件之間是否相同或其他什麼？

最好，

TS

  

回复：隨時間循環 x,y 位置

你好@賽格

1：嘗試使用Table<<匯總平台。在那裡，只需將序列號、x 位置和 y 位置放入組中。

這將為您提供單獨的一行，用於三者的每個獨特組合。

繪製這個新的匯總表會很有用，只需使用 N 列作為顏色或大小

2：一次生成圖形後，在左上角的紅色三角下可以選擇將腳本保存到數據表或腳本窗口。 jmp 剛剛為您編寫了腳本。

如果您使用的是 jmp 16，請單擊查看>>日誌，您將獲得一個包含當前會話中所有操作的腳本。

讓我們知道是否有幫助。

羅恩

 

回复：隨時間循環 x,y 位置

x,y 位置有什麼樣的分辨率？ 例如，它們可能始終是從 1 到 100 的整數，或者它們可能是從 0 到 100 的浮點值，四捨五入到最接近的 .01，或者它們可能是沒有明顯分辨率限制的浮點數。 x,y 對必須有多接近才能重複？ 缺陷的大小與 x,y 重疊有什麼關係嗎？ 或者尺寸總是小於 x,y 網格並被忽略？

 

如果只有 100 個 x 和 100 個 y 值，並且大小不感興趣，那麼我會將 x 和 y 值組合成一個鍵，也許是 x*100+y，這樣可以更容易地測試重複. 圓形浮點數可能相同，最多約 6 位有效數字。

但如果大小很重要，或者必須測試距離，我可能會使用 KDTable。

 

還有，多少行？少於幾千個可能不需要任何特定的優化。 超過一百萬可能需要一個深思熟慮的算法。 （在一千行以下，每一行都可以考慮每隔一行，只有 1,000,000 次比較，但大小加倍，比較四倍。）