数据智能驱动的晶圆制造工期自适应预测方法研究

The accurate cycle-time forecasting of wafer lots can provide a predictive indicator for production control, which is critical for the operation of semiconductor wafer fabrication systems (SWFSs). The SWFSs are featured with the large-scale, complicated process route, and dynamic, which substantialize the complexity of the cycle-time prediction of wafer lots. This project enriches the paradigm of data science: “data-feature-semantics-intelligence”, and aiming to propose the data intelligent analytics for adaptive cycle-time prediction of wafer lots. First, the data correlation analyze method is designed to obtain the key factors with high direct correlation. Then, the convolution neural networks under different system status are constructed, and the key neural circuits are mined from the constructed neural networks. Next, the dynamic behaviours of the neural circuits are analyzed and the function of neural circuits are inferred through semantic analysis. Finally, the network fusion method is studied to connect the appropriate neural circuits together and adjust the parameters in the network, which can adaptively modify the prediction model to achieve higher accuracy in the dynamic SWFSs.

晶圆制造工期的精准预测可为生产调度中分派规则的选择提供依据，进而提升调度决策的准确性，正逐渐成为晶圆制造系统运行控制的必要手段。为了提升工期预测方法在复杂动态环境下的适应性，本项目在“数据-特征-语义-智能”的数据科学范式下，研究数据智能驱动的晶圆工期自适应预测方法。研究工期预测数据关联分析方法，识别影响工期波动的关键参数，实现工期预测神经网络输入神经元的编码；研究工期预测特征挖掘方法，提取工期预测神经环路，揭示工期预测神经网络的联接机理；研究工期预测神经环路功能语义解析方法，揭示车间状态变化下工期预测神经网络的演化规律；研究晶圆工期预测神经网络融合方法，实现系统状态变化下神经网络的自组织优化。通过本项目的研究，可丰富晶圆工期预测理论与方法，改善工期预测方法对动态环境的适应性和预测精度，对提高晶圆制造系统的性能具有重要的理论意义和实际应用价值。

晶圆制造工期的精准预测可为生产调度中分派规则的选择提供依据，进而提升调度决策的准确性，正逐渐成为晶圆制造系统运行控制的必要手段。为了提升工期预测方法在复杂动态环境下的适应性，本项目在“数据-特征-语义-智能”的数据科学范式下，提出了数据智能驱动的晶圆工期自适应预测方法，挖掘工期预测模型在系统状态动态变化下的演化规律，以模型自组织的方式实现了动态环境下的工期智能预测。具体而言，本项目提出了晶圆工期预测数据关联分析方法，挖掘不同系统状态下的预测数据变动规律；提出了晶圆工期预测数据特征挖掘方法，获取影响工期的关键参数，实现输入神经元的编码；提出了晶圆工期预测神经网络解析方法，在不同系统状态下，解析晶圆工期预测神经网络结构；提出了晶圆工期预测神经网络融合方法，在系统状态动态变化下，实现预测模型结构与参数的自适应调整，最终实现了晶圆制造工期的自适应预测。在上述理论研究基础上，项目组以某晶圆制造企业应用需求为背景，设计开发晶圆制造工期自适应预测原型系统，并结合上海某企业晶圆制造厂300mm晶圆生产线的实际运行数据对本文的主要研究内容和方法予以验证。本文研究成果为晶圆制造工期的自适应预测提供了数据智能驱动的方法体系，对提升晶圆制造系统生产运行优化的智能化水平具有重要的工程价值。