[发明专利]一种半导体制造设备和工艺的智能控制系统有效

专利信息
申请号: 201810270121.6 申请日: 2018-03-29
公开(公告)号: CN108470699B 公开(公告)日: 2019-12-06
发明(设计)人: 李健斌 申请(专利权)人: 新沂市瓦窑工业园区有限公司
主分类号: H01L21/67 分类号: H01L21/67;G06K9/62
代理公司: 11530 北京华识知识产权代理有限公司 代理人: 乔浩刚<国际申请>=<国际公布>=<进入
地址: 221400 江苏*** 国省代码: 江苏;32
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 离群点检测 预处理模块 半导体制造设备 数据预处理单元 预处理 聚类处理模块 智能控制系统 聚类处理 支持向量机训练 均值聚类算法 智能监控单元 导体制造 数据采集 学习单元 点集 采集 全局
【说明书】:

发明提供了一种半导体制造设备和工艺的智能控制系统,包括数据预处理单元、离群点检测单元、支持向量机训练单元、智能监控单元和持续学习单元;其中数据预处理单元包括预处理模块和聚类处理模块,预处理模块用于对半导体制造设备和工艺采集的数据采集的数据进行预处理,聚类处理模块通过全局K‑均值聚类算法对预处理模块预处理后的数据进行聚类处理;离群点检测单元对聚类处理后的数据进行离群点检测,得到离群点集。

技术领域

本发明涉及半导体制造设备和工艺控制技术领域,具体涉及一种半导体制造设备和工艺的智能控制系统。

背景技术

在半导体制造和生产过程中,半导体器件的质量异常问题很难与半导体制造设备和工艺的行为直接建立联系,现有技术中,通常只能在半导体器件的质量出现异常后由技术人员检查与判断后制定下一步的处理措施,每一次检查与判断半导体器件的异常都是一个推测、验证的迭代过程,并且技术人员仅仅在半导体器件的质量发生异常时才查阅有关的半导体制造设备和工艺测量数据,找出问题原因,这种模式造成以下问题:

(1)人为因素影响大:在上述模式下,导体制造设备和工艺的检测数据的使用方法和效果由技术人员本身熟知的经验及判断而决定的,因此造成异常事件发生后的工艺结果差异非常大,且不同的工程师彼此亦存在不同的差异,特别是经验较浅与经验较深的工程师之间的工艺结果差异非常大;

(2)缺乏连贯学习机制:每一次异常事件的处理也是一个学习机会,可以为未来处理相关事件提供帮助,但是由于缺乏系统支持,每一次异常事件处理的历史数据,包括异常事件现象分析、处理意见和执行效果分散在不同的空间,不能形成持续学习的机制;

(3)手动处理数据耗费时间长:技术人员在一适当控制参数的决定上可能要花费数小时的时间,严重降低产能;

(4)没有异常行为预测功能:只有当半导体材料和器件出现问题和偏离时才启动问题检测模式,不能在问题出现的初期,采取预防,从而避免产品质量问题。

发明内容

针对上述问题,本发明提供一种半导体制造设备和工艺的智能控制系统。

本发明的目的采用以下技术方案来实现:

提供了一种半导体制造设备和工艺的智能控制系统,包括数据预处理单元、离群点检测单元、支持向量机训练单元、智能监控单元和持续学习单元;

数据预处理单元包括预处理模块和聚类处理模块,预处理模块用于对半导体制造设备和工艺采集的数据采集的数据进行预处理,聚类处理模块通过全局K-均值聚类算法对预处理模块预处理后的数据进行聚类处理;

离群点检测单元对聚类处理后的数据进行离群点检测,得到离群点集;

支持向量机训练单元将离群点集划分为训练样本集和测试样本集,并利用训练样本集对支持向量机进行训练,并通过查看测试样本集对支持向量机验证的结果来完成支持向量机的训练与测试验证;若验证结果不符合要求,则调整支持向量机参数,再通过迭代计算,直到验证结果符合要求,输出最终数据训练参数给智能监控单元;

所述智能监控单元用于利用支持向量机训练单元输出的最终数据训练参数监测和控制半导体制造设备和工艺;

所述持续学习单元用于当智能监控单元监测到半导体制造设备和工艺发生异常行为时,将新发现的异常行为数据及其前后相邻的正常数据组成新训练样本数据集并进行标注,利用新样本数据集对支持向量机进行训练,输出新训练参数给智能监控单元,对智能监控单元进行参数更新。

优选地,所述半导体制造设备和工艺采集的数据包括在半导体材料和器件制造过程中半导体制造设备检测和控制的宏观参数和微观参数。

优选地,所述宏观参数包括温度、压力、流量、化学成分参数,所述微观参数包括物理过程与化学过程的参数。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于新沂市瓦窑工业园区有限公司,未经新沂市瓦窑工业园区有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201810270121.6/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top