面向半導體制造過程動態(tài)調度的關鍵參數預測模型研究.pdf

1、在半導體市場需求快速變化和行業(yè)競爭白熱化的背景之下，縮短產品的加工周期、提高設備利用率和產品質量，是企業(yè)保持盈利和較強市場競爭力的重要手段。而要改善半導體生產線的性能，提高生產效益，需對半導體制造過程動態(tài)調度的關鍵性能指標進行預測研究，通過分析性能指標的影響因子，找到可調控的影響參數來實現優(yōu)化目標。本課題主要針對加工周期、設備利用率以及成品率這三個關鍵性能指標進行研究，通過建立多性能指標同步預測模型來實現對加工周期和設備利用率的同步預測

2、及分析，利用半導體生產線獲取的晶圓缺陷數據來完成品圓缺陷聚集特性分析和對成品率的預測研究。本文圍繞半導體制造過程動態(tài)調度的關鍵參數預測模型開展了如下的研究:
　　1、針對半導體生產線動態(tài)環(huán)境下的加工周期和設備利用率的預測問題，研究一種基于貝葉斯神經網絡的多性能指標同步預測模型，并構建了一種閉環(huán)修正模型結構。此外，利用貝葉斯神經網絡可根據輸入對輸出的重要性來調整網絡權值的特性，設計一種權值分析法，來識別加工周期和設備利用率的關鍵影響

3、因子。
　　2、針對晶圓缺陷問題，研究一種缺陷數據驅動的半導體成品率預測方法，利用基于密度的聚類方法對晶圓缺陷聚集特性進行分析，并給出一種模糊支持向量機方法來構建成品率的預測模型。
　　將本文提出的兩種預測模型應用到半導體制造過程關鍵性能指標的預測中，通過仿真結果和分析表明，這兩種預測模型能夠很好的實現對加工周期、設備利用率和成品率的預測和分析，為解決半導體制造過程動態(tài)調度問題提供了指導，為實現半導體生產線多目標優(yōu)化奠定了基