[发明专利]产品品质预测方法、装置、电子设备及存储介质

说明书

本公开提供了产品品质预测方法、装置、电子设备及存储介质。采用随机森林模型作为产品预测模型，随机森林模型中的多个决策树模型分别进行独立预测结果，并且最终将所有决策树模型的预测值平均作为预测产品信息，其不仅可自动进行参数筛选，无回归中的共线性问题，并且可避免因为单一模型产生过度配适(overfitting)，可以增加预测准确度。采用孤立森林模型作为工艺参数异常判定模型，根据数据的离散程度检测出异常点，异常点通常会离群，使其在孤立树中的深度较浅，很快就会被检测孤立出来，并且孤立森林模型中的多个孤立树分别进行独立异常判定结果，并由模型投票机制最终得到异常判定结果，相对比统计以单变量判定为基础更加客观。

技术领域

本公开涉及半导体技术领域，具体涉及产品品质预测方法、装置、电子设备及存储介质。

背景技术

半导体产业的投资规模庞大，必须大量生产才能提高经济效益，因此如何让生产设备每天24小时正常地运转和提高产品良率，成为业界获利的主要关键。若要完成全检之目标，就必须购置大量的量测设备，且须耗费大量的量测时间。一般为节省成本，可能采取抽检的方式来进行质量监测，无法达到全方位品质管控。

为达到全面质量管控目标，就必须研发虚拟量测技术，虚拟量测技术可大致上分为产品质量预测模型与工艺参数异常检测模型两个部分，现有的产品质量预测模型为单一统计回归预测模型及简单类神经网络，其中统计回归模型需先进行工艺参数筛选，而工艺参数间若具有高度相关性会产生共线性(collinearity)导致预测值发散，产生预测值失准的现象。简单类神经网络为了使训练模型预测误差最小化，产生过度配适(overfitting)现象，导致预测失准。现有的工艺参数异常检测模型以统计为基础进行，对于多个工艺参数同时发生的微变化敏感性低。

发明内容

本公开提出了产品品质预测方法、装置、电子设备及存储介质。

第一方面，本公开提供了一种产品品质预测方法，该方法包括：

获取至少一个待预测工艺参数信息，所述待预测工艺参数信息包括工艺参数及参数值；

将所述至少一个待预测工艺参数信息输入预先设置的产品预测模型，得到按照所述待预测工艺参数信息制备出的产品的预测产品信息；

将所述至少一个待预测工艺参数信息输入预先设置的工艺参数异常判定模型，得到用于指示所述至少一个待预测工艺参数信息是否异常的异常判定结果；

基于所述预测产品信息和所述异常判定结果，确定按照所述至少一个待预测工艺参数信息制备出的产品的品质预测结果。

在一些可选的实现方式中，所述产品预测模型为随机森林模型，所述随机森林模型包括至少两棵决策树；以及

所述将所述至少一个待预测工艺参数信息输入预先设置的产品预测模型，得到按照所述待预测工艺参数信息制备出的产品的预测产品信息，包括：

将所述至少一个待预测工艺参数信息输入每棵决策树，分别得到对应的预测产品输出结果；

将与各所述决策树对应的预测产品参数输出结果的预测值均值作为所述预测产品信息。

在一些可选的实现方式中，所述工艺参数异常判定模型为孤立森林模型，所述孤立森林模型包括至少两棵孤立树；以及

所述将所述至少一个待预测工艺参数信息输入预先设置的工艺参数异常判定模型，得到用于指示所述至少一个待预测工艺参数信息是否异常的异常判定结果，包括：

将所述至少一个待预测工艺参数信息输入每棵孤立树，分别得到对应的异常判定输出结果；

将与各所述孤立树对应的异常判定输出结果的众数作为所述异常判定结果。

在一些可选的实现方式中，所述产品预测模型是通过如下第一训练步骤预先训练得到的：