数据驱动半导体生产线多性能指标预测方法

摘要

作为信息技术产业基石的半导体制造系统，由于其自身市场需求瞬息万变和竞争高度激烈的行业特性，了解掌控实时生产线状态信息是有效提升产品质量、保证生产效益、控制成本预算的重要手段。制造系统的多项性能指标能够反映生产线加工状态，可从分析预测性能指标着手，实现生产性能的改善，同时也给随后的优化调度目标提供参数支持。因此，本课题选择生产线中成品率、产出率、在制品三项重要指标，分析各指标特性，且利用数据驱动的方法构建各自对应的预测模型。具体开展的研究内容如下所示:
　　1、针对现有成品率预测多需要大量训练数据且对范围考虑欠缺的情况，探究一种多智能体模糊协同的方法对成品率进行预测，将多智能体取代专家意见，基于已有的成品率学习模型，结合线性规划方法求解模糊成品率模型参数，根据模糊规则聚合多个成品率模型求解出的范围预测结果，再通过支持向量回归对聚合结果逆模糊化处理，从而同步实现成品率最小范围与确切值的预测。
　　2、针对半导体生产线产出率相关影响因子的分析，研究一种反向传播神经网络(back propagation network，BPN)与数学规划结合预测的方法，利用主元分析法选定关键性能参数并以此构造半导体产出率多元线性方程;将该回归表达式代入到数学规划模型中，同时利用数学规划方法对BPN参数进行调节，通过改进的网络模型对产出率分析预测。
　　3、针对半导体生产线在制品的动态时间序列分析，研究一种基于回声网络的在制品预测思想，利用泄露积分回声状态网络对半导体的在制品时间序列进行分析，改善在制品预测的速度与精确度。
　　仿真实验与结果分析显示，这三种预测方法可较好地实现对成品率、产出率和在制品的分析与预测，预测结果精确度较高，可以为生产线的调度方案提供参数支持。

目录

声明

摘要

第一章 绪论

1．1 研究背景与意义

1．2 半导体生产工艺描述

1．3 半导体制造系统特性

1．4 半导体生产线关键参数预测研究现状

1．4．1 成品率研究现状

1．4．2 产出率研究现状

1．4．3 在制品研究现状

1．5 论文结构安排

第二章 基于多智能体模糊协同的半导体成品率预测方法

2．1 引言

2．2 多智能体模糊协同预测模型

2．2．1 成品率学习模型

2．2．2 学习模型参数求解

2．2．3 模糊聚合

2．2．4 SVR逆模糊化

2．3 仿真实验与分析

2．3．1 预测范围分析

2．3．2 预测性能分析

2．4 本章小结

第三章 基于数学规划与BPN相融合的半导体产出率预测方法

3．1 引言

3．2 产出率预测模型

3．2．1 多元线性回归模型

3．2．2 线性规划模型求解预测范围

3．2．3 BP神经网络初始化

3．2．4 BP神经网络参数调整

3．3 仿真实验及分析

3．3．1 预测范围分析

3．3．2 预测性能分析

3．4 本章小结

第四章 基于回声网络的半导体在制品预测方法

4．1 引言

4．2 时序预测

4．3 回声状态网络预测方法

4．3．1 基本回声网络

4．3．2 泄露积分型回声网络

4．4仿真结果与分析

4．5 本章小结

第五章 总结与展望

5．1 总结

5．2 展望

参考文献

致谢

研究成果及发表的学术论文

作者和导师简介