[发明专利]芯片制造特殊站点产能达成预测方法及系统

说明书

本发明提供了一种芯片制造特殊站点产能达成预测方法及系统，所述芯片制造特殊站点产能达成预测方法包括：采集特殊站点的历史数据；对所述历史数据进行预处理；基于随机森林算法对预处理后的数据进行模型训练，构建并优化随机森林模型；对设定的产能目标进行预处理后输入所述随机森林模型，输出预测结果。本发明通过采集特殊站点的历史数据进行预处理以及基于随机森林算法构建随机森林模型，然后对设定的产能目标能否完成进行预测，辅助决策者适时调整产能目标，能够减少人为经验依赖，以及减少对特殊站点产能因人为干预而造成的影响。

技术领域

本发明涉及半导体制造技术领域，尤其涉及一种芯片制造特殊站点产能达成预测方法及系统。

背景技术

先进芯片制造工厂不仅体现在工艺级别等级，工厂自动化水平，产线在制品合理化分布，也体现在各个站点预设产能的设定。产能达成与否的关键点在于消除芯片制造工厂的各个瓶颈点或尽量减少瓶颈点对工厂预设产能目标的影响，故判断预设产能目标在各特殊站点(包括瓶颈站点)能否达成是管控工程师对产线管控的一个重要考量。

传统芯片制造工厂产能评估范围不够精细化，往往只对整体进行评估，而缺少更为细节的评估，特别是特殊站点的产能评估；同时也缺少对机台状况，前后站点在制品数量，区域内等待时间等影响因素的实时考虑。对于产能爬坡阶段的芯片制造厂来说，首要任务是最大化工厂各种资源以求得最大化的产能。因此，产线管控工程师每日就必须要设定特殊站点产能达成目标(Special Target)，以确保站点产能最大化，Special Target目标设定的范围则是量产品或重点批晶圆(Kye Lot)过工艺线的某道站点(Stage)或工艺(Capability)的产能。

产线工程师和设备工程师每日要努力实现预设的产能目标，其将相互配合，共同担当。但目标的设定很大程度上依赖管控工程师的经验，且决策的考虑因素较为复杂。管控工程师的经验行为从决策过程上来说较为单一，稳定性较弱。

发明内容

本发明的目的在于提供一种芯片制造特殊站点产能达成预测方法及系统，至少解决了现有技术或相关技术中特殊站点产能达成预测中存在的技术问题之一。

为达到上述目的，本发明提供一种芯片制造特殊站点产能达成预测方法，包括：

采集特殊站点的历史数据；

对所述历史数据进行预处理；

基于随机森林算法对预处理后的数据进行模型训练，构建并优化随机森林模型；

对设定的产能目标进行预处理后输入所述随机森林模型，输出预测结果。

可选的，对所述历史数据进行预处理的步骤具体包括：

对所述历史数据进行汇总计算；

将汇总计算后的数据进行特征化处理，得到模型输入特征。

可选的，对所述历史数据进行汇总计算包括缺失值处理，异常值处理和标准化处理。

可选的，将汇总计算后的数据进行特征化处理的步骤具体包括：

将汇总计算后的数据转换为数值特征；

采用主成分分析法对所述数值特征进行降维处理；

对降维处理后的数值特征进行再选择，得到所述模型输入特征。

可选的，采用过滤式、嵌入式或包裹式的方法对降维处理后的数值特征进行再选择。

可选的，根据所述数值特征之间的关联性对所述模型输入特征进行加权处理。

可选的，基于随机森林算法对预处理后的数据进行模型训练的步骤具体包括：

对预处理后的数据进行集中随机抽样，构成若干个不同的样本数据集，按照预设比例划分训练集与测试集；