基于2-D空间离散数据的质量与产出的预测方法研究

In real production management practice, precise prediction of product quality and process yield is key to efficient production planning, resource optimization, cost reduction and efficiency improvement. In high-tech manufacturing systems for semiconductor, solar cell and carbon- nano-tube production, product quality is characterized by two-dimensional (2-D) spatial discrete data. Current prediction methods designed for non-spatial continuous variables cannot be directly or accurately implemented in such systems. This proposal focuses on the prediction of product quality and process yield using 2-D spatial discrete datasets. Considering the randomness and clustering effect of 2-D spatial data, we propose to build a two-layer Gaussian Process model for characterizing the variation patterns and spatial correlations of 2-D spatial defects, modify the generalized linear model to incorporate process variables and 2-D spatial continuous inputs for prediction, and use partially measured 2-D spatial discrete data to improve prediction accuracy. This research demonstrates the successful use of rich production data for scientific and quantitative management. The output of this research will contribute to the academia with systematic models for quality analysis and yield prediction using 2-D spatial data, and to the practitioners with effective prediction methods for production planning.

准确的质量和产出的预测对制定生产计划、优化配置生产资源、节约生产成本和提高管理效率具有重要的现实意义。在半导体、太阳能和碳纳米管等高技术生产领域，产品质量是由具有2-D结构的空间离散数据所刻画。现有的预测方法和模型通常针对不具有空间结构的连续数据所设计，无法直接或准确的应用到具有2-D空间离散数据的生产场景。 本项目研究基于2-D空间离散数据进行产品质量和过程产出的预测问题。考虑到2-D空间离散数据随机分布但具有空间聚集性的特点，本研究提出建立基于高斯过程的双层模型来刻画2-D缺陷的波动规律和空间相关性，修改广义线性模型将2-D空间离散输出与过程参数和2-D空间连续输入相关联，利用部分采样信息提高2-D空间离散质量输出的预测精度。本研究对基于生产系统丰富数据进行科学定量管理具有重要意义，将为基于2-D空间离散数据进行质量分析和预测提供完整的理论模型，并为实际生产计划提供有效的预测方法。

在很多高技术生产系统中，例如半导体、太阳能电池片和碳纳米管等，对产品质量的衡量是基于具有二维（2-D）结构的空间离散数据所刻画的。空间数据具有独特的空间结构，并具有诸如相关性、聚集性等特点。在生产实际中，通常需要对质量和产出进行准确的预测，以便优化配置生产资源，节约生产成本和提高管理效率。而现有的很多方法通常无法直接或准确的应用到具有2-D空间离散数据的生产场景。..从实际需求出发，本项目围绕基于2-D质量离散数据的分析和产出预测展开研究。研究旨在回答如下问题：如何建立合适的统计模型，描述和刻画具有空间相关性的2-D离散数据；如何把质量数据和过程变量相关联以建立统计预测模型；如何基于2-D空间连续数据的过程输入信息，对2-D空间离散质量和产出进行预测；如何基于不同的采样信息和过程变量信息，对2-D空间离散数据的质量和产出进行预测等。这四个问题也是本项目申请书所定义的问题。..经过项目研究，主要完成的内容包括：.1.基于2-D空间数据的质量波动建模分析。通过考虑空间相关性以及平滑性的统计模型，较好的刻画数据的波动形态，从而为质量分析打下基础；.2.2-D空间数据输入输出建模，以及基于模型的输出质量形貌控制。通过稳健控制等算法设计，将现有的单变量或多变量质量控制算法扩展到了曲面形貌的控制；.3.2-D空间质量数据产出预测。改进统计模型，将工程知识与统计方法相融合，能够更准确的对2-D质量产出进行预测；.4.2-D空间质量数据的异常监视和预警。在2-D质量数据的水平或聚集情况发生变化的情况下，进行提前预警，从而为质量改进提供信息。..上述完成的研究工作，为基于2-D离散数据进行质量分析、诊断和控制提供了系统的理论方法和实践工具。所研究方法有望在半导体实际生产过程中进行利用。