状态参数驱动的晶圆制造系统建模与性能预测方法研究

Various state parameters in the wafer fabrication system res ult in the changing of system performance complex, non-linear and dynamic. This project analyzes the state parameters in wafer fabrication system from different dimensions, establishes the model of multi-dimension state parameters. By analyzing the characteristic of scale-free of the wafer fabricaiton system, this project constructs the scale-free networks model and reveals the relationships between state parameters. Based on the model, the project uses System Dynamics to investigate the relationships between the state parameters and system performance. In order to realize the multi-objective prediction, the project develops an approach to determine the system boundaries. Against the non-linear feature, a heredity algorithm on basis of Newton interpolation is designed. Furthermore, the mechanism for dissemination of the uncertainties in wafer fabrication system is studied and an improved method for performance prediction is proposed. This research enriches the theory of models and methodologies for wafer fabrication system. It makes the contribution to the improvement of system response and overall equipment effectiveness, which has important theoretical significance and practical value.

半导体晶圆制造系统内部状态参数繁多、杂乱，其互相影响和共同作用使得整个系统性能演化呈现出复杂、非线性、动态等特征。本项目以状态参数为核心，从多维度对晶圆制造系统状态参数进行分析，建立晶圆制造系统的多维状态参数模型，分析晶圆制造系统的无尺度特性，建立晶圆制造系统无尺度网络之模型，可重入流在无尺度网络中的映射方法，揭示晶圆制造系统状态参数之间的关联关系。利用系统动力学方法研究晶圆制造系统状态参数与系统性能之间的关系，构建晶圆制造系统多目标预测模型边界；提出基于牛顿插值的承袭性算法建立流图结构模型中的表函数；研究不确定性因素在晶圆制造系统性能预测过程中的传播机制，提出基于误差反馈的改进预测方法。开发晶圆制造系统模型仿真平台，对项目提出的建模和性能预测方法进行验证。本项目的研究，对丰富晶圆制造系统建模理论和方法体系，帮助提高晶圆制造系统的快速响应能力和整体效率，具有重要的理论意义和实际应用价值。

本项目针对晶圆制造系统内部状态参数繁多杂乱、系统性能指标分类多样、两者存在相互影响等特征，从系统建模、性能预测、硬件仿真和原型系统开发等方面展开了一系列相关研究工作。.在系统建模方面，从多个维度对晶圆制造系统内任务、资源相关状态参数进行分析，建立晶圆制造系统的多维状态参数模型，分析晶圆制造系统的无尺度特性，利用晶圆制造系统与复杂网络之间的拓扑结构相似性，建立两者之间的映射方法，特别是可重入流在复杂网络模型中的映射方法，揭示晶圆制造系统状态参数之间的关联关系。.在性能预测方面，基于晶圆制造系统状态参数关系网络模型，应用数据驱动的思想，分别针对交货期和良率两个最重要的性能指标预测问题开展研究。针对交货期预测问题，提出了一种基于数据挖掘的两阶段交货期预测方法，设计了一种单步回归算法从大量候选变量中自动选择强相关变量，并采用基于案例推理的方法来寻找最匹配的历史数据并预测订单交货期。针对良率预测问题，综合考虑晶圆物理特性参数、晶圆缺陷特性参数以及晶圆电子测量参数等系统状态参数，设计了基于模糊神经网络的晶圆良率预测方法。.在晶圆制造系统仿真平台和性能预测原型系统方面，建立了硬件系统与软件系统的数据通讯和处理协议，实现了两者之间的数据可靠、高效的通讯和处理；设计了硬件系统与软件仿真平台的信息实时同步机制，实现了硬件系统与软件仿真平台信息的同步映射；利用VS.net和eM-plant等开发工具，开发了晶圆制造系统性能指标预测系统，并构建了软硬件集成的硬件在环仿真系统，用于验证了本项目提出的建模和性能预测方法。.以上研究工作为提高晶圆制造系统的交货期满足率和良率等重要性能指标提供了理论和方法基础，在晶圆制造实际生产过程中存在着较为广泛的应用价值。