[发明专利]一种半导体制造设备和工艺的智能控制系统

摘要

本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。

主权项

1.一种半导体制造设备和工艺的智能控制系统，其特征是，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；/n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；/n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；/n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；/n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；/n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，利用新训练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；/n所述的全局K-均值聚类算法为改进的全局K-均值聚类算法，该改进的全局K-均值聚类算法具体包括：/n(1)提取预处理后的设定时间段的数据作为一个数据集，设为Y；/n(2)将数据集Y中的数据按照从小到大进行排序，选取其中的中位数作为数据集Y的聚类中心且令λ＝1；/n(3)令λ＝λ+1，若λ>M，M为设定的迭代次数阈值，则算法终止；/n(4)取前λ-1次的初始聚类中心Q₁,Q₂,…,Q_λ-1，并取数据集中的数据y_i作为第λ个初始聚类中心，y_i∈Y,i＝1,…,N，N为数据集Y具有的数据量，按照下列公式计算H_i，选择使得H_i取值最大的一组聚类中心作为最优初始聚类中心：/n /n式中，y_j∈Y，H_i用于测量在y_i处加入一个聚类中心后聚类误差减少的量，表示y_j到在Q₁,Q₂,…,Q_λ-1中距离最近的初始聚类中心的距离平方；/n(5)对最优初始聚类中心应用K-均值算法进行聚类，并保存聚类结果，记它们的初始聚类中心为Z₁,Z₂,…,Z_λ；/n(6)若得到的聚类结果有只包含一个数据的簇，则令此簇对应的H_i为0，转到(4)；否则转到(7)；/n(7)令Q_k＝Z_k,k＝1,…,λ，转步骤(3)。/n