[发明专利]一种基于集成学习建模技术的半导体过程监测方法

摘要

本发明公开了一种基于集成学习建模技术的半导体过程监测方法，该方法在支持向量数据描述算法的基础上，引入集成学习建模技术，通过对不同支持向量数据描述模型的结果进行集成，提升半导体过程的监测性能。集成学习建模过程中，一个很重要的部分是选取合适的集成策略，本发明采用先进的贝叶斯推理策略对不同支持向量数据描述模型进行集成，有效地利用了各个模型的优点。最后，通过构造一个全局统计量对半导体过程进行监测。相比基于单一模型的监测方法，本发明大大提升了支持向量数据描述模型的建模性能，有效改善了半导体过程的监测效果。

主权项

1.一种基于支持向量数据描述和集成学习建模技术的半导体过程监测方法，其特征在于，包括以下步骤： （1）利用集散控制系统收集半导体过程各个正常工况的数据组成建模用的三维训练样本集：X∈R^I×J×K，其中I为总的批次数目，J为变量个数，K为每个批次的采样数据点数。分别将这些数据存入历史数据库。 （2）将三维过程数据沿着批次方向展开为I×JK二维数据矩阵，对其进行预处理和归一化，即使得各个过程变量的均值为零，方差为1，得到新的数据矩阵为（3）重新沿着时间点方向对每一个数据矩阵进行排列，得到新的数据矩阵为（4）针对新的二维数据矩阵，在样本方向上进行随机采样，获取多个二维独立数据矩阵其中b=1,2,…,B,B为二维独立数据矩阵个数。（5）分别针对每一个二维独立数据矩阵，建立支持向量数据描述模型，在高维特征空间中确定超球体的球心位置和半径大小。 （6）将建模数据和各个模型参数存入历史数据库和实时数据库中备用。 （7）收集新的过程数据，并对其进行预处理和归一化。 （8）分别采用不同的支持向量数据描述模型对其进行监测，获得单个模型的监测结果。 （9）通过贝叶斯推理方法对各个支持向量数据描述模型的结果进行综合，在概率框架下，计算当前数据的故障概率值，构造新的统计量对半导体过程进行监测。