[發明專利]一種半導體制造過程的多性能預測方法

有效

• 申請號: 201410005327.8
• 申請日: 2014-01-06
• 公開（公告）號: CN103745273B
• 公開（公告）日: 2017-01-18
• 發明（設計）人: 曹政才;劉雪蓮;劉民;李博;王炅;邱明輝
• 申請（專利權）人: 北京化工大學
• 主分類號: G06F17/10
• 分類號: G06F17/10
• 代理公司: 北京思海天達知識產權代理有限公司11203
• 代理人: 張慧

技術領域

本發明屬于先進制造技術領域，涉及一種利用貝葉斯神經網絡的半導體制造過程多性能預測方法。

背景技術

半導體制造業作為國民經濟的支柱產業之一，對我國的經濟發展有著重要的戰略意義。如何提高半導體制造系統的性能和生產效益，是半導體制造業的關注重點。半導體制造系統是當前最復雜的制造系統之一，具有高度不確定性、多重入、多目標等特點，要改善其性能、提高生產效益，需研究如何快速獲取最優動態調度方案。這是目前半導體優化調度領域研究的一大難題。

半導體制造過程動態調度方案優劣的評判，一般用半導體生產線的性能指標進行衡量。半導體生產線的重要性能指標有：平均加工周期、設備利用率。對于資本密集的半導體產業，設備投資多，運行成本高，提高設備利用率、減少設備空閑狀態對提高效益非常重要；平均加工周期的長短對產品的成本控制起著至關重要的作用，是半導體企業保持市場競爭力的關鍵。由此可知，對半導體生產線平均加工周期和設備利用率的預測非常重要，對這兩個性能指標重要影響因素的分析可以為獲取最優動態調度方案提供思路。因此，半導體生產線性能預測及其關鍵影響因素的分析，成為了半導體調度研究中的熱點之一。

Yair?Meidan等在2011年IEEE?Transactions?on?Semiconductor?Manufacturing上采用綜合filter和wrapper的方法對工件加工周期的關鍵影響因子進行識別并預測，但若用該方法對多性能指標預測建模，存在著預測模型結構過于復雜難以控制的問題，且沒有考慮多個性能間的相關性；申請號為201310239501.0的專利公開了一種用于半導體生產線動態調度的性能預測方法，應用極限學習機進行預測建模，可為動態實時調度提供基礎，但該方法尚未分析所預測性能的關鍵影響因素，從而可能存在由于可調參數過多而無法準確并及時的獲取最優調度方案的問題。

發明內容

本發明的目的在于通過提供一種利用貝葉斯神經網絡的半導體制造過程多性能預測方法，重點對工件平均加工周期和設備利用率性能進行預測，并分析影響這兩個性能的重要因素，實現半導體制造過程多性能預測和分析，可以指導動態調度，改善半導體生產線性能。

為達到上述目的，本發明采用以下技術方案。

一種半導體制造過程的多性能預測方法，包括以下步驟：

步驟1，確定需預測的性能指標及半導體制造過程中影響性能指標的因素。

需預測的性能指標包括工件平均加工周期和設備利用率；影響性能指標的因素包括在制品水平、設備參數和工件參數。

步驟2，從半導體生產線采集步驟1中所述預測性能指標及影響因素的相關數據，然后對采集的樣本數據進行預處理。預處理方法如下：

步驟2.1，采用PCA（principal?components?analysis，主成分分析）方法剔除樣本數據中的冗余信息，降低輸入數據維數。

用向量x＝(x₁,x₂,...,x_n)^T表示性能指標影響因素，n為向量x中變量的個數。若x＝(x₁,x₂,...,x_n)^T的協方差陣的n個特征根為λ₁,λ₂,...,λ_n，λ₁≥λ₂≥...≥λ_n＞0，計算特征根對應性能指標影響參數的累計貢獻率d：