[发明专利]基于聚类和多任务学习的化学机械研磨时间设定方法

说明书

技术领域

本发明属于自动控制、信息技术和先进制造领域。为解决现代微电子生产制造中多品种混合生产模式下人工设定化学机械研磨时间所导致的返工率高，整条生产线的生产效率偏低的问题，本发明采用基于逆向模型的优化设定方法，将工艺指标及产品状态作为输入，影响工艺指标的关键因素一研磨时间作为输出建立逆向模型用于对研磨时间进行优化设定。针对生产数据中所存在的产品品种多且单个品种数据量少的问题，提出一种基于聚类和多任务学习的化学机械研磨时间设定方法，可实现对化学机械研磨时间的优化设定，提高化学机械研磨工序的生产效率。

背景技术

化学机械研磨是微电子制造过程中的关键工序，影响着整条生产线的生产效率。由于现代微电子制造业多品种小批量的生产特点，企业常采用多品种混合生产的模式。在这种混合生产模式下，传统的Run-to-Run(RtR)优化控制方法难以取得理想效果。RtR的主要思想是利用上一批次乃至几批次的生产信息指导新来批次的生产，一般假设相同品种的产品在一台设备上连续加工或假设若干台设备有规律的循环加工少量品种。但由于多品种混合生产下若干台设备可能连续加工任意品种的产品，不同品种和设备间存在差异，传统RtR方法效果较差。因此，目前研磨时间仍然依靠人工经验设定及先行片测试，一旦出现不合格产品，整个批次都要进行返工，难以实现较高的生产效率，亟需对化学机械研磨的加工时间进行优化设定。传统的操作参数优化设定方法需要首先对工艺指标进行建模，然后在指标模型的基础上优化操作参数。工艺指标模型是以产品状态及操作参数为输入、工艺指标为输出的正向模型，可是在数据较少的时候，很难准确建立指标模型，导致操作优化效果不佳。借鉴RtR中用历史批次指导未来生产的想法，针对化学机械研磨数据品种多、每个品种中数据少的特点，本发明将工艺指标及产品状态作为输入，影响工艺指标的关键因素-研磨时间作为输出建立逆向模型用于对研磨时间进行优化设定，基于此提出一种基于聚类和多任务学习的化学机械研磨时间设定方法。

发明内容

为解决多品种混合生产环境下的化学机械研磨时间优化设定问题，本发明将工艺指标及产品状态作为输入，影响工艺指标的关键因素-研磨时间作为输出建立逆向模型用于对研磨时间进行优化设定，基于此提出一种基于聚类和多任务学习的化学机械研磨时间设定方法。为处理实际生产数据中产品品种多，每个品种数据少的问题，提出一种基于聚类和多任务学习的两步建模方法，将传统聚类多任务学习中的聚类过程和参数学习过程分开考虑。品种聚类过程假设每个品种中的数据符合一个多维高斯分布，采用最大似然估计对多维高斯分布的均值向量和方差矩阵进行估计。根据估计结果，采用巴氏距离表示两个多维高斯分布的相似度。通过计算不同品种概率分布之间的相似度得到相似度矩阵。以相似度矩阵作为输入采用仿射传播算法完成品种聚类。同时为了保证小样本下聚类所得的结果中每个类别中的样本数量都足够大，将每个品种的样本数量作为一种先验知识嵌入到品种聚类过程中。

在每个类别中采用所提出的基于共有参数提取的多任务学习算法计算模型参数。为了解决单个任务中样本数量少的问题，所提出的基于共有参数提取的多任务学习算法将模型参数分解为共有部分和私有部分并同时学习这两部分。共有部分可以弥补样本数据不足带来的模型偏差。

基于聚类和多任务学习的化学机械研磨时间设定方法，其特征在于，所述方法是在计算机上依次按以下步骤实现的：

步骤(1)：数据整理

本方法中所建立的优化设定模型以4项工艺指标及产品状态组成模型输入行向量x，其中包括：研磨材料去除速率、来片厚度、抽测先行片出片厚度和lot抽测出片厚度，以化学机械研磨时间为模型输出y；假设模型输入输出之间的关系满足下式：

y＝xw+δ

其中列向量w表示待确定的模型参数，δ为噪声。