[發(fā)明專利]一種基于集成學習建模技術(shù)的半導(dǎo)體過程監(jiān)測方法

無效

• 申請?zhí)枺?/td>: 201310299200.7
• 申請日: 2013-07-15
• 公開（公告）號: CN103376795A
• 公開（公告）日: 2013-10-30
• 發(fā)明（設(shè)計）人: 葛志強;宋執(zhí)環(huán)
• 申請（專利權(quán)）人: 浙江大學
• 主分類號: G05B19/418
• 分類號: G05B19/418
• 代理公司: 杭州求是專利事務(wù)所有限公司 33200
• 代理人: 周烽

1.一種基于支持向量數(shù)據(jù)描述和集成學習建模技術(shù)的半導(dǎo)體過程監(jiān)測方法，其特征在于，包括以下步驟：?

（1）利用集散控制系統(tǒng)收集半導(dǎo)體過程各個正常工況的數(shù)據(jù)組成建模用的三維訓(xùn)練樣本集：X∈R^I×J×K，其中I為總的批次數(shù)目，J為變量個數(shù)，K為每個批次的采樣數(shù)據(jù)點數(shù)。分別將這些數(shù)據(jù)存入歷史數(shù)據(jù)庫。?

（2）將三維過程數(shù)據(jù)沿著批次方向展開為I×JK二維數(shù)據(jù)矩陣，對其進行預(yù)處理和歸一化，即使得各個過程變量的均值為零，方差為1，得到新的數(shù)據(jù)矩陣為?

（3）重新沿著時間點方向?qū)γ恳粋€數(shù)據(jù)矩陣進行排列，得到新的數(shù)據(jù)矩陣為?

（4）針對新的二維數(shù)據(jù)矩陣，在樣本方向上進行隨機采樣，獲取多個二維獨立數(shù)據(jù)矩陣其中b=1,2,…,B,B為二維獨立數(shù)據(jù)矩陣個數(shù)。?

（5）分別針對每一個二維獨立數(shù)據(jù)矩陣，建立支持向量數(shù)據(jù)描述模型，在高維特征空間中確定超球體的球心位置和半徑大小。?

（6）將建模數(shù)據(jù)和各個模型參數(shù)存入歷史數(shù)據(jù)庫和實時數(shù)據(jù)庫中備用。?

（7）收集新的過程數(shù)據(jù)，并對其進行預(yù)處理和歸一化。?

（8）分別采用不同的支持向量數(shù)據(jù)描述模型對其進行監(jiān)測，獲得單個模型的監(jiān)測結(jié)果。?

（9）通過貝葉斯推理方法對各個支持向量數(shù)據(jù)描述模型的結(jié)果進行綜合，在概率框架下，計算當前數(shù)據(jù)的故障概率值，構(gòu)造新的統(tǒng)計量對半導(dǎo)體過程進行監(jiān)測。?

2.根據(jù)權(quán)利要求1所述基于支持向量數(shù)據(jù)描述和集成學習建模技術(shù)的半導(dǎo)體過程監(jiān)測方法，其特征在于，所述步驟（5）具體為：針對每一個二維獨立采樣數(shù)據(jù)矩陣建立支持向量數(shù)據(jù)描述分析模型。首先利用非線性函數(shù)將過程數(shù)據(jù)投影到高維特征空間中，即支持向量數(shù)據(jù)描述方法通過求解下面的優(yōu)化命題建立模型：?

s.t.||Φ(x_i)-a||²≤R²+ξ_i,ξ_i≥0i=1,2,…,n?

其中，R和a分別是高維特征空間中超球體的半徑和球心，Φ(x)為非線性投影函數(shù)，C為單類支持向量機調(diào)節(jié)參數(shù)，通過選取此參數(shù)，單類支持向量機會再超球體的體積和樣本的錯分率之間取得平衡，ξ為每個樣本的松弛變量。在實際的求解過程中，通常采用以下的對偶命題來求解支持向量數(shù)據(jù)描述模型，即?

其中，K(x_i,x_j)=Φ(x_i),Φ(x_j)是核函數(shù)，通常選取為高斯核的形式，α為每個樣本對應(yīng)的拉格朗日乘子。單類支持向量機的建模結(jié)果是：大部分樣本對應(yīng)的α值為零，只有小部分關(guān)鍵樣本對應(yīng)的α值不為零，這些樣本被稱為支持向量。在高維空間中，超球體的球心和半徑確定為?

。

3.根據(jù)權(quán)利要求1所述基于支持向量數(shù)據(jù)描述和集成學習建模技術(shù)的半導(dǎo)體過程監(jiān)測方法，其特征在于，所述步驟（7）和（8）具體為：針對新采集到的過程數(shù)據(jù)，首先利用每一個支持向量數(shù)據(jù)描述模型參數(shù)對其進行歸一化處理，即?

其中，b=1,2,…,B，為建模數(shù)據(jù)的均值，為建模數(shù)據(jù)的標準差，通過上式，新的過程數(shù)據(jù)被歸一化為均值為零，方差為1的標準數(shù)據(jù)。然后，同樣利用非線性函數(shù)將新的數(shù)據(jù)投影到高維特征空間中，并計算其與超球體球心之間的距離，定義如下的距離因子作為半導(dǎo)體過程的監(jiān)測統(tǒng)計量：?

其中，D_lim,b為第b個監(jiān)測統(tǒng)計量D_b的統(tǒng)計限，和相應(yīng)的超球體半徑相等。?

4.根據(jù)權(quán)利要求1所述基于支持向量數(shù)據(jù)描述和集成學習建模技術(shù)的半導(dǎo)體過程監(jiān)測方法，其特征在于，所述步驟（9）具體為：得到各個獨立的支持向量數(shù)據(jù)描述模型監(jiān)測結(jié)果之后，利用貝葉斯推理策略對不同的監(jiān)測結(jié)果進行綜合，得到最后的全局監(jiān)測結(jié)構(gòu)。首先，分別定義正常和故障條件下當前數(shù)據(jù)的概率分布，即?

先驗概率分別選為故障的誤分類率和漏報率，即其中ν為故障錯分率。基于貝葉斯推理方法，當年樣本的故障概率計算如下：?

其中，b=1,2,…,B，‘F’和‘N’分別代表故障和正常工況條件。最后，通過對各個獨立的支持向量數(shù)據(jù)描述模型監(jiān)測結(jié)果取平均值，得到全局監(jiān)測結(jié)果如下?

其中，P_D(F|x_new)即為新的全局監(jiān)測統(tǒng)計量，其監(jiān)測統(tǒng)計限為ν。?