[发明专利]一种半导体生产排程方法、系统、设备及存储介质

权利要求书

1.一种半导体生产排程方法，其特征在于，包括：

形成初始排程，所述初始排程中n个待加工晶圆的任意加工工序均对应有目标机台；

不断调整初始排程中n个待加工晶圆的任意加工工序对应的目标机台，形成多个调整排程；

计算初始排程和多个调整排程中所有机台的平均产能及良率；

基于约束条件和所有机台的平均产能及良率，从初始排程和调整排程中筛选出产能及良率最大的最优排程。

2.根据权利要求1所述的半导体生产排程方法，其特征在于，所述形成初始排程包括：

获取待加工晶圆的数目n；

确定n个待加工晶圆的作业类型；

根据n个待加工晶圆的作业类型确定晶圆加工工序；

根据每道晶圆加工工序确定晶圆加工机台的类型，以及每一类型晶圆加工机台的数目m，m台晶圆加工机台即为目标机台；

将n个待加工晶圆随机排列在任意一目标机台的队列中，至n个待加工晶圆的任意加工工序均对应有目标机台，形成初始排程。

3.根据权利要求1或2所述的半导体生产排程方法，其特征在于，所述不断调整初始排程中n个待加工晶圆的任意加工工序对应的目标机台，形成多个调整排程包括：

基于晶圆加工参数，通过多目标优化算法调整初始排程中n个待加工晶圆的任意加工工序对应的排队机台；

初始排程中n个待加工晶圆的任意加工工序对应的排队机台变化后记为一个调整排程，以此获得多个调整排程。

4.根据权利要求1所述的半导体生产排程方法，其特征在于，所述计算初始排程和多个调整排程中所有机台的平均产能及良率包括：

建立并训练融合特征神经网络，得到训练后的融合特征神经网络；

获取初始排程和多个调整排程中的当前机台加工因素和当前机台环境因素；

将所述当前机台加工因素和当前机台环境因素输入至训练后的融合特征神经网络，获取初始排程和多个调整排程中所有机台的平均产能及良率。

5.根据权利要求4所述的半导体生产排程方法，其特征在于，所述建立并训练融合特征神经网络，得到训练后的融合特征神经网络包括：

根据历史数据获取机台晶圆缺陷率、机台加工因素、机台环境因素以及机台历史加工状态、产能和良率，所述历史数据包括晶圆缺陷图片和文本数据；

融合所述机台晶圆缺陷率、机台加工因素和机台环境因素形成融合因素组；

基于融合因素组与机台历史加工状态、产能和良率之间的映射关系训练所述融合特征神经网络，得到训练后的融合特征神经网络。

6.根据权利要求5所述的半导体生产排程方法，其特征在于，根据历史数据获取机台晶圆缺陷率包括：

构建图片特征提取模型；

通过晶圆缺陷图片对所述图片特征提取模型进行训练，形成训练后的图片特征提取模型；

将机台晶圆图片输入至训练后的图片特征提取模型；

通过所述训练后的图片特征提取模型识别机台晶圆图片，获取机台晶圆缺陷率。

7.根据权利要求5所述的半导体生产排程方法，其特征在于，所述文本数据包括加工因素组以及机台加工状态、产能和良率；所述加工因素组包括加工时间、加工参数、加工路线、机台保养时程和机台数量。

8.根据权利要求3所述的半导体生产排程方法，其特征在于，

晶圆加工参数包括：待加工晶圆数量、晶圆加工工序、加工工序对应的机台类型、每一机台类型对应的机台数量以及每一机台的加工时间列表；

其中，每一机台加工时间列表为待加工晶圆的排队时间，根据机台当前工作时的融合因素组，确定机台当前加工产能，根据当前加工产能确定待加工晶圆的排队时间。