[发明专利]大规模半导体制造过程的状态监控与故障诊断方法

摘要

本发明涉及一种大规模半导体制造过程的状态监控与故障诊断方法。本方法的操作步骤为：第一步，多批次过程数据解封：把三维数据集（即变量个数、抽样时间和生产批次）解封成二维数据集；第二步，数据集冗余信息消除；第三步，数据集特征提取；第四步：基于高斯混合模型的制造过程状态建模；第五步：制造过程状态监控；第六步：制造过程故障诊断，本发明能够实现对大规模半导体制造过程的过程状态监控与故障诊断，从而提高半导体制造系统的运行可靠性和输出晶圆的质量，进一步降低生产运作成本。

主权项

1.一种大规模半导体制造过程的状态监控与故障诊断方法，其特征在于，操作步骤如下：第一步骤，多批次数据解封：收集从设备上采集到的多批次多路传感信号数据，把三维数据集解封成二维数据集，便以后续建模，为变量个数、为抽样时间为产品批次；第二步骤，数据集冗余信息消除：由于半导体批过程引起的数据集尺度的大规模性，采用主元分析方法对第一步骤产生的数据集进行维度缩减和信息提取，降低原始数据集维度和消除冗余信息，并提取真正能表达制造过程状态的特征信息；第三步骤，数据集特征提取：在离线状态下，采用局部保持投影算法对第二步骤的主元分析方法抽取的数据集进行特征提取，仅保留保持大部分局部信息的特征；第四步骤，制造过程状态建模：在离线状态下，采用高斯混合GMM模型对局部保持投影算法提取后的在控特征信息进行信息融合建模，获取能表达过程在控状态下数据空间分布的基准GMM模型；对各种历史故障样本经过第一至第三步骤处理后，对每种过程故障，采用GMM对故障分布状态进行描述建模，并形成一个对应各种故障建模的GMM模型诊断库；第五步骤，制造过程状态监控：在线上采集样本通过第一到第三步骤的处理，抽取的特征输入到第四步骤构建的基准GMM模型，通过计算负似然概论值和马氏距离实现对过程状态的监控；第六步骤，制造过程故障诊断：在线上被基准GMM模型报道为过程失控的状态下，信号进一步输送到第四步骤构建的GMM模型诊断库，通过比较各个GMM模型输出的似然概论值大小比较进行故障模式识别，完成故障诊断。