[发明专利]缺陷率预测模型的训练方法、装置及系统

权利要求书

1.一种用于改进半导体芯片的缺陷率的方法，包括：

利用缺陷率预测模型来预测位于第一半导体芯片生产装置下游的一个或多个第二半导体芯片生产装置所生产出的半导体芯片的缺陷率是否超过预定阈值；以及

在预测出所生产出的半导体芯片的缺陷率超过所述预定阈值时，对所述第一半导体芯片生产装置进行缺陷维护处理，

其中，所述缺陷率预测模型是利用如下训练过程来训练的：

采用逻辑回归模型来从所述第一半导体芯片生产装置的历史半导体芯片样本数据集中的样本数据的参数集中选择出一种或多种最适合预测参数；以及

使用所述历史半导体芯片样本数据集中的样本数据的所选择出的一种或多种最适合预测参数的参数值来训练所述缺陷率预测模型，所述缺陷率预测模型用于预测位于所述第一半导体芯片生产装置下游的一个或多个第二半导体芯片生产装置所生产出的半导体芯片的缺陷率。

2.如权利要求1所述的方法，其中，所述第一半导体芯片生产装置是半导体芯片贴装装置，所述一个或多个第二半导体芯片生产装置是环氧固化装置，以及所述半导体芯片的缺陷率是表面突起缺陷率。

3.如权利要求1或2所述的方法，其中，在使用所述历史半导体芯片样本数据集中的样本数据的所选择出的一种或多种最适合预测参数的参数值来训练所述缺陷率预测模型之前，基于所述第一半导体芯片生产装置的历史半导体芯片样本数据集训练所述缺陷率预测模型还包括：

对所述历史半导体芯片样本数据集中的样本数据进行数据预处理；以及

使用所述历史半导体芯片样本数据集中的样本数据的所选择出的一种或多种最适合预测参数的参数值来训练所述缺陷率预测模型包括：

使用经过数据预处理后的历史半导体芯片样本数据集中的样本数据的所选择出的一种或多种最适合预测参数的参数值来训练所述缺陷率预测模型。

4.如权利要求1所述的方法，其中，采用逻辑回归模型来从样本数据的参数集中选择出一种或多种最适合预测参数包括：

采用L1正则化逻辑回归模型和L2正则化逻辑回归模型的组合来从样本数据的参数集中选择出一种或多种最适合预测参数。

5.如权利要求1所述的方法，其中，在使用所述历史半导体芯片样本数据集中的样本数据的所选择出的一种或多种最适合预测参数的参数值来训练所述缺陷率预测模型之前，基于所述第一半导体芯片生产装置的历史半导体芯片样本数据集训练所述缺陷率预测模型还包括：

对所述历史半导体芯片样本数据集中的样本数据进行随机化处理，以及

使用所述历史半导体芯片样本数据集中的样本数据的所选择出的一种或多种最适合预测参数的参数值来训练所述缺陷率预测模型包括：

使用经过随机化处理后的历史半导体芯片样本数据集中的样本数据的所选择出的一种或多种最适合预测参数的参数值来训练所述缺陷率预测模型。

6.如权利要求3所述的方法，其中，对所述历史半导体芯片样本数据集中的样本数据进行数据预处理包括：

对所述历史半导体芯片样本数据集中的坏样本数据进行过采样处理，以对所述历史半导体芯片数据集中的坏样本数据进行扩充。

7.如权利要求5所述的方法，其中，对所述历史半导体芯片样本数据集中的样本数据进行随机化处理包括：

对所述历史半导体芯片样本数据集中的样本数据进行重洗牌；

将重洗牌后的样本数据分离为多个子集合；以及

从每个子集合中选择出预定比例的样本数据组成测试样本集，并且将剩余的样本数据组成训练样本集。