[发明专利]一种基于单类支持向量机的半导体过程监测方法

说明书

技术领域

本发明属于半导体工业过程质量控制领域，特别涉及一种基于单类支持向量机的过程监测方法。

背景技术

随着电子与信息产业的迅速发展，半导体工业也不断地发展壮大，以质量控制为主导的半导体过程监测问题越来越得到工业界和学术界的重视。由于半导体工业过程本身对产品质量的要求极高，如何有效地防止过程产生劣质或者不合格的产品是迫切需要解决的问题。另一方面，对半导体过程进行监测获得的结果还可以反过来指导生产过程和生产工艺的改进。作为一种典型的间歇生产过程，传统的半导体过程监测方法除了基于机理模型的方法外，目前大多采用基于数据的多元统计分析方法，比如多向主元分析方法（MPCA）和多向偏最小二乘方法（MPLS）等。在机理模型难以获取的情况下，基于数据驱动的多元统计分析方法已经成为半导体过程监测的主流方法。但是，传统的多元统计分析方法无法有效地处理半导体过程数据常见的非线性和非高斯特性。另外，由于半导体过程产品的多样化，该过程也通常运行在不同的操作工况下。传统的监测方法假设过程运行在单一工况下，往往无法满足半导体过程的监测要求。因此，我们需要引入新的方法，对传统半导体过程监测系统需要进行改善，否则将不利于半导体过程的自动化实施。

发明内容

本发明的目的在于针对现有技术的不足，提供一种基于单类支持向量机的半导体过程监测方法。

本发明的目的是通过以下技术方案来实现的：

一种基于单类支持向量机的半导体过程监测方法，包括以下步骤：

（1）利用集散控制系统收集半导体过程各个正常工况的数据组成建模用的三维训练样本集：                                                。其中，为对应于过程工况的数据矩阵，为该工况下的批次数目，为变量个数，为每个批次的采样数据点数，为总的样本个数。分别将这些数据存入历史数据库。

（2）分别将不同工况下的数据沿着各自的批次方向展开为二维数据矩阵，对其进行预处理和归一化，即使得各个过程变量的均值为零，方差为1，得到新的数据矩阵集为。

（3）重新沿着时间点方向对每一个数据矩阵进行排列，得到新的数据矩阵为。

（4）对来自不同工况的半导体过程数据进行融合，组成新的混合数据矩阵为，其中。

（5）针对新的二维混合数据矩阵，采用单类支持向量机方法对其进行建模，在高维空间内确定超球体的球心和半径。

（6）将建模数据和各个模型参数存入历史数据库和实时数据库中备用。

（7）收集新的过程数据，并对其进行预处理和归一化。

（8）将新的数据投影到高维空间，计算其与超球体球心之间的距离，并与半径相比较，判断当前过程的运行状态。

本发明的有益效果是：本发明通过引入单类支持向量机，将半导体过程的监测问题当做一个单类数据分类问题来处理。由于单类支持向量机方法本身具有很强的非线性和非高斯数据处理能力，而且在高维特征空间上又具有良好多工况数据的建模性能，非常适合复杂半导体过程的在线监测。相比目前的其它半导体过程监测方法，本发明不仅可以大大提高半导体过程的监测效果，而且在很大程度上降低了半导体过程监测的复杂性，更加有利于半导体过程的工业自动化。

附图说明

图1是本发明方法对对半导体过程数据的高斯性检验结果；

图2是单类支持向量机方法对半导体过程正常批次数据的监测结果；

图3是主元分析方法对半导体过程正常批次数据的监测结果；

图4是单类支持向量机方法对半导体过程故障批次数据的监测结果；

图5是主元分析方法对半导体过程故障批次数据的监测结果。

具体实施方式

本发明针对半导体过程的监测问题，首先利用集散控制系统(Distributed Control System, DCS)收集不同操作工况下的正常批次数据，对其进行必要的预处理和归一化，在高维特征空间中建立单类支持向量机数据模型，确定超球体的球心和半径。之后将所有单类支持向量机相关的模型参数都存入历史数据库中备用。对新的批次数据进行监测的时候，首先利用建模数据的均值和标准差对其进行归一化处理，得到标准数据之后，再利用单类支持向量机模型，在高维特征空间中计算新的数据里超球体球心的距离，实现对半导体过程的在线监测，获取相应的监测结果。

本发明采用的技术方案的主要步骤分别如下：