[发明专利]一种基于遗传算法模型的数据分析方法及装置

说明书

本申请公开了一种基于遗传算法模型的数据分析方法及装置，该方法包括：获取预设时段内至少一个晶圆产品的输入数据；调用遗传算法模型对所述至少一个晶圆产品的输入数据进行特定方向的进化和预测分析，得到所述晶圆产品的输出数据，所述输出数据包括以下中的至少一项：所述晶圆产品的特征上限值、特征下限值、最优过货路径或者问题机台。通过实施本申请，能解决现有方案中存在的无法预估特征值的上限、耗时较长及精度不高等问题。

技术领域

本申请涉及工业大数据技术领域，涉及基于遗传算法模型在集成电路制造产业中的应用，特别是涉及一种基于遗传算法模型的数据分析方法及装置。

背景技术

对于成熟的半导体工艺制程而言，产品质量如良率(Circuit Probing，CP)或终测(Final Test，FT)主要取决于工艺机台的性能表现和其过货路径。通常评估机台好坏的方法是分析上述某一类数据，通过共通性(commonality)以及工程师的经验来判定机台表现的好坏差异。

例如，过货某一机台的一批晶圆产品的CP值相对于其他机台明显偏低，则认为该机台性能表现较差，对该机台进行突出(highlight)，调配工程师进行应对、微调处理事件(case)，从而使产品质量稳定，并不能得出产品的一个最优路径(golden path)。且上述所有评估以及处理动作都是基于工程师具备一定处理问题的能力，存在一定的主观性和片面性。同时，对于一个产品而言，工程师所做的是通过各种方法提高良率CP(即特征值)，但截至目前并没有任何方法可以预估其特征值上限是多少，且寻找问题机台是由工程师一系列的数据分析及综合经验判断得出，耗时较长、分析精度不高。此外对处理问题的工程师有很高的要求，时间和人力成本投入较大，且问题复杂时效率明显下降厉害。

发明内容

为克服上述现有技术存在的不足，本申请之目的在于提供一种基于遗传算法模型的数据分析方法及装置，能解决现有方案中存在的无法预估特征值的上限、耗时较长及精度不高等问题。

为达上述及其它目的，本申请提出一种基于遗传算法模型的数据分析方法，包括如下步骤：

获取预设时段内至少一个晶圆产品的输入数据，所述输入数据包括所述晶圆产品的初始过货路径、机台数据及特征值，所述初始过货路径指半导体生产过程中，所述晶圆产品经过所有生产机台所形成的路径；

调用遗传算法模型对所述至少一个晶圆产品的输入数据进行特定方向的进化和预测分析，得到所述晶圆产品的输出数据；

其中，所述输出数据包括以下中的至少一项：所述晶圆产品的特征上限值、特征下限值、最优过货路径或者问题机台。

可选的，所述调用遗传算法模型对所述至少一个晶圆产品的输入数据进行特定方向的进化和预测分析，得到所述晶圆产品的输出数据包括：

调用遗传算法模型对所述至少一个晶圆产品的初始过货路径和特征值进行正向进化，调整选择最优机台过货使得所述晶圆产品的特征值趋于稳定，输出此时所述晶圆产品的特征上限值。

可选的，所述调用遗传算法模型对所述至少一个晶圆产品的输入数据进行特定方向的进化和预测分析，得到所述晶圆产品的输出数据包括：

调用遗传算法模型对所述至少一个晶圆产品的初始过货路径和特征值进行正向进化，调整选择最优机台过货使得所述晶圆产品的特征值趋于稳定，输出此时所述晶圆产品的最优过货路径。

可选的，所述调用遗传算法模型对所述至少一个晶圆产品的输入数据进行特定方向的进化和预测分析，得到所述晶圆产品的输出数据包括：

调用遗传算法模型对所述至少一个晶圆产品的初始过货路径、机台数据及特征值进行正向进化，并对特征值低于预设值的机台进行进化分析，预测输出被突出的问题机台。

可选的，所述调用遗传算法模型对所述至少一个晶圆产品的输入数据进行特定方向的进化和预测分析，得到所述晶圆产品的输出数据包括：