[发明专利]一种基于关键工序的砷化镓质量一致性控制方法及系统

说明书

一种基于关键工序的砷化镓质量一致性控制方法，采用步骤如下，步骤一：通过工艺过程参数和工艺结果数据的相关性，量化出关键工序的工艺过程参数权重；步骤二：对关键工序的过程参数利用人工神经网络建成工艺质量一致性模型；步骤三：通过产品已完成关键工序的工艺结果数据作为输入，利用工艺质量一致性模型预测本道工序的工艺过程参数和工艺结果数据。本发明可以对多个参数进行综合分析，数据处理能力强大，结果更加精准；可以在生产前提前预测生产的结果并进行反馈，保证生产的质量，降低了生产风险；可以依据预期的生产结果预测合适的工艺参数，具有前瞻性，简化了生产技术。

技术领域

本发明涉及产品质量控制技术领域，具体涉及基于关键工序的砷化镓质量一致性控制方法及系统。

背景技术

砷化镓微波器件和集成电路生产具有工艺过程复杂、多品种小批量生产、一致性要求高、产品供货期短和质量等级要求高等特点。

目前砷化镓微波器件和集成电路生产过程中对工艺质量控制的手段均是通过实验结果推断的方法，基本采用如下方法：

1.正交实验法,基本思想为通过实验验证相关因子(工艺过程参数)的影响关系。由于因子过多，如果对每个因子的所有变化都进行实验，则实验量非常巨大，正交实验法通过设计有效的正交表大幅度的降低试验次数而且并不会降低试验可行度的方法。

2.PFMEA(制程失效模式及影响分析)，其基本步骤如下,

(1)确定与工艺生产或产品制造过程相关的潜在失效模式与起因；

(2)评价失效对产品质量和顾客的潜在影响；

(3)找出减少失效发生或失效条件的过程控制变量，并制定纠正和预防措施；

(4)编制潜在失效模式分级表，确保严重的失效模式得到优先控制；

(5)跟踪控制措施的实施情况，更新失效模式分级表。

现有技术在对新产线调试测试时是非常高效和稳定的，但在砷化镓微波器件和集成电路生产线长期的运行后，产生了大量的工艺过程数据和工艺结果数据，在利用这些数据对工艺进行进一步优化方面则存在明显的不足，上述两种方法适用于实验和理论方面。

发明内容

本发明针对现有技术的不足，提出一种对利用砷化镓微波器件和集成电路生产过程的关键工序，通过研究砷化镓生产线影响产品质量的重点工艺过程，找到关键控制点，研究工艺过程运行参数与工艺检验结果参数之间的相关性，在此基础上根据实际工序特征建立工艺质量一致性控制的数学模型，过模型调整关键工序的工艺过程参数，降低工艺质量的偏差从而达到工艺优化的目的，有效提升了工艺结果数据的CPK和CA,提升了工序的能力指数，具体技术方案如下：

一种基于关键工序的砷化镓质量一致性控制方法，采用步骤如下，

步骤一：通过工艺过程参数和工艺结果数据的相关性，量化出关键工序的工艺过程参数权重；

步骤二：对关键工序的过程参数利用人工神经网络建成工艺质量一致性模型；

步骤三：通过产品已完成关键工序的工艺结果数据作为输入，利用工艺质量一致性模型预测本道工序的工艺过程参数和工艺结果数据。

为更好的实现本发明，进一步为：

还设置步骤四，在产品加工完成后，将预测的工艺过程参数和工艺结果数据与实际的工艺过程参数和工艺结果数据比对，判断误差，重新调整工艺质量一致性控制模型的参数，达到自学习的能力。

所述步骤二具体为，

2.1在建模前依据主成分分析(PCA)方法对工艺过程参数进行降维；

2.2对关键工序的控制参数做归一化处理，公式如下：