[發明專利]基于機器學習的半導體制造良率預測系統和方法

在審

• 申請號: 201780074324.1
• 申請日: 2017-11-29
• 公開（公告）號: CN110024097A
• 公開（公告）日: 2019-07-16
• 發明（設計）人: 鄭恒德;文镕湜;孫明昇;李玟煥;樸俊澤
• 申請（專利權）人: SK株式會社
• 主分類號: H01L21/66
• 分類號: H01L21/66;G05B15/02;G05B17/02
• 代理公司: 北京銘碩知識產權代理有限公司 11286
• 代理人: 劉燦強;姜長星

1.一種結果預測方法，包括：

提取不同類型的數據；

通過按類型對提取的數據進行分類并將分類的數據輸入到不同的神經網絡模型，來訓練神經網絡模型；

接收不同類型的數據的輸入；以及

通過按類型對輸入的數據進行分類并將分類的數據輸入到不同的神經網絡模型，來預測結果值。

2.根據權利要求1所述的結果預測方法，其中，不同類型的數據是在半導體制造工藝期間生成的數據，并且結果值是半導體制造良率。

3.根據權利要求2所述的結果預測方法，其中，數據被分類為生產相關的數據、設備相關的數據、缺陷數據和測量數據之中的至少兩種類型的數據。

4.根據權利要求3所述的結果預測方法，其中，缺陷數據和測量數據中的一個是圖像化數據。

5.根據權利要求3所述的結果預測方法，其中，輸入數據的類型的數量小于提取的數據的類型的數量。

6.根據權利要求1所述的結果預測方法，其中，接收輸入的步驟包括：從請求結果值的預測的系統接收不同類型的數據的輸入。

7.根據權利要求6所述的結果預測方法，其中，提取的步驟包括：周期性地提取數據，

其中，接收輸入的步驟包括：實時接收數據的輸入。

8.根據權利要求7所述的結果預測方法，還包括：

將提取的數據累積在基于存儲的數據庫中；以及

將輸入的數據累積在基于內存的數據庫中，

其中，訓練的步驟包括：按類型對在基于存儲的數據庫中累積的數據進行分類，并將分類的數據輸入到不同的神經網絡模型，

其中，預測的步驟包括：按時間對在基于內存的數據庫中累積的數據進行分類，并將分類的數據輸入到不同的神經網絡模型。

9.根據權利要求1所述的結果預測方法，其中，預測的步驟包括：通過將不同的神經網絡模型的結果值進行套袋或提升來計算預測值。

10.根據權利要求1所述的結果預測方法，還包括：

選擇訓練的神經網絡模型的多個原因值中的一些原因值；以及

生成接收選擇的原因值的輸入的集成的神經網絡模型。

11.根據權利要求10所述的結果預測方法，其中，選擇的步驟包括：基于與訓練的神經網絡模型的結果值的相關性來選擇所述多個原因值中的一些原因值。

12.根據權利要求1所述的結果預測方法，還包括：通過使用訓練的神經網絡模型和集成的神經網絡模型中的至少一個來基于輸入的數據預測結果值。

13.一種結果預測系統，包括：

提取單元，被配置為提取不同類型的數據；

學習單元，被配置為通過按類型對提取的數據進行分類并將分類的數據輸入到不同的神經網絡模型，來訓練神經網絡模型；以及

預測單元，被配置為接收不同類型的數據的輸入，并通過按類型對輸入的數據進行分類并將分類的數據輸入到不同的神經網絡模型，來預測結果值。