[发明专利]一种半导体制造过程的多性能预测方法

说明书

技术领域

本发明属于先进制造技术领域，涉及一种利用贝叶斯神经网络的半导体制造过程多性能预测方法。

背景技术

半导体制造业作为国民经济的支柱产业之一，对我国的经济发展有着重要的战略意义。如何提高半导体制造系统的性能和生产效益，是半导体制造业的关注重点。半导体制造系统是当前最复杂的制造系统之一，具有高度不确定性、多重入、多目标等特点，要改善其性能、提高生产效益，需研究如何快速获取最优动态调度方案。这是目前半导体优化调度领域研究的一大难题。

半导体制造过程动态调度方案优劣的评判，一般用半导体生产线的性能指标进行衡量。半导体生产线的重要性能指标有：平均加工周期、设备利用率。对于资本密集的半导体产业，设备投资多，运行成本高，提高设备利用率、减少设备空闲状态对提高效益非常重要；平均加工周期的长短对产品的成本控制起着至关重要的作用，是半导体企业保持市场竞争力的关键。由此可知，对半导体生产线平均加工周期和设备利用率的预测非常重要，对这两个性能指标重要影响因素的分析可以为获取最优动态调度方案提供思路。因此，半导体生产线性能预测及其关键影响因素的分析，成为了半导体调度研究中的热点之一。

Yair Meidan等在2011年IEEE Transactions on Semiconductor Manufacturing上采用综合filter和wrapper的方法对工件加工周期的关键影响因子进行识别并预测，但若用该方法对多性能指标预测建模，存在着预测模型结构过于复杂难以控制的问题，且没有考虑多个性能间的相关性；申请号为201310239501.0的专利公开了一种用于半导体生产线动态调度的性能预测方法，应用极限学习机进行预测建模，可为动态实时调度提供基础，但该方法尚未分析所预测性能的关键影响因素，从而可能存在由于可调参数过多而无法准确并及时的获取最优调度方案的问题。

发明内容

本发明的目的在于通过提供一种利用贝叶斯神经网络的半导体制造过程多性能预测方法，重点对工件平均加工周期和设备利用率性能进行预测，并分析影响这两个性能的重要因素，实现半导体制造过程多性能预测和分析，可以指导动态调度，改善半导体生产线性能。

为达到上述目的，本发明采用以下技术方案。

一种半导体制造过程的多性能预测方法，包括以下步骤：

步骤1，确定需预测的性能指标及半导体制造过程中影响性能指标的因素。

需预测的性能指标包括工件平均加工周期和设备利用率；影响性能指标的因素包括在制品水平、设备参数和工件参数。

步骤2，从半导体生产线采集步骤1中所述预测性能指标及影响因素的相关数据，然后对采集的样本数据进行预处理。预处理方法如下：

步骤2.1，采用PCA（principal components analysis，主成分分析）方法剔除样本数据中的冗余信息，降低输入数据维数。

用向量x＝(x₁,x₂,...,x_n)^T表示性能指标影响因素，n为向量x中变量的个数。若x＝(x₁,x₂,...,x_n)^T的协方差阵的n个特征根为λ₁,λ₂,...,λ_n，λ₁≥λ₂≥...≥λ_n＞0，计算特征根对应性能指标影响参数的累计贡献率d：