[发明专利]基于现场数据的半导体生产质量预测方法及系统

说明书

本发明提供基于现场数据的半导体生产质量预测方法及系统，包括以下步骤：S100、获取半导体生产设备生产过程中的现场数据，并存储；数据至少包括机台字段、时间字符串值、多种工况参数及产品质量数据；S200、对获取的现场数据进行处理；S300、回归建模，使用不同算法建立两个模型，然后对两个模型进行融合；使用融合后的模型对测试集预测质量，利用预测结果与实际质检结果的偏差，反馈优化回归模型，直至得到目标模型；S400、预测质量，利用目标模型预测实时生产数据的质量。与现有技术相比，该方法能适应半导体生产工艺复杂的特点；利用生产过程中数据对产品质量进行预测，预测结果较准确，能快速发现不良问题，协助调整生产工艺，并有效节约检测资源。

技术领域

本发明涉及半导体的生产与质检技术领域，具体来说是一种基于现场数据的半导体生产质量预测方法及系统。

背景技术

半导体生产过程复杂，包含上千道工序，每道工序都有可能对产品品质产生影响。传统的质检方式是：生产完成后，对产品质量做非全面的抽测，这样有两个缺点：1、存在漏检风险；2、不能及时得知质量好坏，当发现残次品时，修正工艺参数为时已晚。因此，基于生产过程参数，建立质量预测模型，可以快速发现不良问题，协助调整生产工艺，并有效节约检测资源。

现有技术中并没有针对半导体的生产质量预测的相关技术。经过检索，关于“生产质量预测”的专利公开文件有：

申请号为：CN201610373992.1的专利(有权)，基于现场数据的产品工艺质量预测模型的建立方法及系统，公开了基于现场数据的产品工艺质量预测模型的建立方法及系统，包括以下步骤：获取卷烟设备的现场数据并将获取的数据存储至数据库中；对卷烟设备的现场数据进行处理，卷烟设备的现场数据包括卷烟机停机数据、剔除数据、产量数据及产品质量数据；建立产品工艺质量神经网络预测模型；建立设备故障树；输入卷烟设备实时数据至产品工艺质量神经网络预测模型得到预测产品质量数据，结合设备故障树对卷烟设备进行控制。该本发明能够避免数据统计分析方法的单一性，将卷烟设备数据有效结合，建立数据综合分析模型，预测下一时间段内的产品质量情况，防止问题产品的产出，做到以产品质量为导向指导设备管理。

申请号为：CN201811418409.X的专利(审中)，基于随机森林的化工产品的质量预测方法及系统,公开了一种基于随机森林的化工产品的质量预测方法及系统，该方法包括：目标化工产品反应过程中，每间隔预设的时长获取与所述目标化工产品质量存在关联的各个影响因子的生产数据；依据各个生产数据，确定所述目标化工厂品从开始反应到当前时刻的目标有效数据；将所述目标有效数据传递给采用预设的训练方法训练得到的目标质量预测模型中，得到所述目标化工产品的目标质量预测结果。上述的方法，可以在生产过程中获取生产数据，依据生产数据直接对当前时刻产品的质量进行预测，避免了由于无法实时预测当前生产过程的产品质量，会造成良率不高等负面影响的问题。

但是由于半导体生产工艺复杂，工序达上千道，基于现有技术难以适用。

发明内容

本发明要解决的技术问题是利用半导体生产过程数据，预测产品质量。

本发明通过以下技术方案来解决上述技术问题：

基于现场数据的半导体生产质量预测方法，包括以下步骤：

S100、获取半导体生产设备生产过程中的现场数据，并存储；数据至少包括机台字段、时间字符串值、多种工况参数及产品质量数据；

S200、对获取的现场数据进行处理，具体包括：先将数据分为测试集和训练集；

201)参数异常值处理：

当测试集和训练集中的工况参数为缺失值0值时，对测试集和训练集该工况参数分别进行排序，排序后最小值为min，最大值为mix，若min≤0≤max，认为此0值正常，否则，认为其为缺失值，用缺失值NaN替换，等待下一步填充；