半导体制造系统的日产出量预测系统技术方案

一种半导体制造领域的半导体制造系统的日产出量预测系统，本发明专利技术中，ＧＵＩ模块负责与用户和其他模块进行交互；日产出量时间序列的相空间重构模块获得日产出量时间序列，对日产出量时间序列进行预处理后，将经过重构处理的日产出量时间序列输出给ＧＵＩ模块和神经网络模块；神经网络模块进行日产出量时间序列的预测处理，并将预测处理结果输出到神经网络的参数训练处理模块和ＧＵＩ模块；神经网络参数的训练处理模块对神经网络模块中的隐含层和输出层权值参数进行训练处理。本发明专利技术提高了半导体生产线的日产出量预测的准确性和精度。

A daily output forecasting system for semiconductor manufacturing systems

Semiconductor manufacturing system for semiconductor manufacturing in the field of the production forecast system, the present invention, the GUI module is responsible for interacting with users and other modules; Nissan modules for phase space reconstruction of time series to obtain a time series of Nissan, Nissan volume time series after pretreatment by reconstruction. Nissan volume time series output to the GUI module and neural network module; neural network module Nissan prediction processing volume time series, and the prediction process parameter training processing module and the GUI module output to the neural network training module; the parameters of neural network training on neural network module in the hidden layer and the weights of output layer parameters. The invention improves the accuracy and accuracy of the daily output forecast of the semiconductor production line.

【技术实现步骤摘要】

本专利技术涉及一种半导体制造
的信息处理系统，具体是一种半导体 制造系统的日产出量预测系统。技术背景由于半导体生产线属于混合加工模式，其加工工艺流程复杂，在制品品种 多、数量大，生产过程存在各种离散、动态、不确定性事件，产品的平均加工 周期较长，导致半导体制造系统生产作业计划和调度制定困难，且可行性较低。 而通过在半导体制造系统的控制系统中加入生产预测控制手段来辅助以上问题 的解决，可以有效提高半导体制造系统的生产作业计划和控制的精度和可行性。 半导体制造系统日产出预测过程就是根据可重入生产线的日产量历史数据，通 过一定的方法去发现其中隐藏的规律，以指导和辅助半导体制造系统的生产作 业计划与调度制定，提高生产作业计划与调度的可行性和准确性。基于半导体生产线或加工单元产出量预测的系统被越来越多的用于晶圆加 工的生产作业计划以及晶圆调度派发过程。经对现有技术文献的检索发现，C.-L. HUANG等在{International Journal of Production Research》(生产研究国际杂志)(1999年37巻6期)1387-1402 页上发表的"The construction of production performance prediction system for semiconductor manufacturing with art迅cial neural networks"(基于人工神经网 络的半导体制造生产性能指标预测系统研究)，该文中提出了采用BP神经网络 方法用于半导体制造系统加工单元的在制品(WIP， Work In Process)和产出 量的预测。建模过程中，将当前加工单元和前一个加工单元的过去几天的WIP 和产出量等性能数据作为BP神经网络模型的输入，对当前加工单元的未来一天 的WIP和产出量指标进行预测。由于半导体制造系统属于大规模复杂的制造系 统，晶圆加工过程中受到生产线的生产作业计划、调度策略、不确定干扰等各 种因素的影响，系统的产出量等性能指标变化表现出随机性。基于人工神经网络的方法用于产出量的预测，预测模型的输入维数选取随机性较大，主要通过 枚举试验的方法，预测模型的适应性差；基于人工神经网络方法通常将过去连 续数天的历史数据作为预测模型的输入，没有对产出量等性能指标的历史数据 变化的特性和规律进行深入分析，导致模型预测的精度较差；同时BP神经网络 方法参数训练过程的容易陷入局部优化，因此不适应于大规模复杂的半导体加 工的产出量预测的环境。
技术实现思路
本专利技术的目的是针对上述现有技术的不足，提出一种半导体制造系统的曰 产出量预测系统，使其具有半导体制造系统的日产出量预测的功能，且能够提 高半导体制造系统的日产出量预测精度和水平，为半导体制造系统的生产作业 计划与调度提供支持。本专利技术是通过以下技术方案实现的，本专利技术包括GUI模块、日产出量时 间序列的相空间重构模块、神经网络模块和神经网络参数的训练模块，其中GUI模块接收用户输入的日产出量时间序列信息和神经网络训练的初始化 参数设定值信息，分别将其输出给日产出量时间序列的相空间重构模块和神经 网络的参数训练处理模块；闩产出量时间序列的相空间重构模块获得日产出量时间序列，对日产出量 时间序列进行预处理后，将经过重构处理的日产出量时间序列输出给GUI模块 和神经网络模块，其中，预处理包括时间延迟识别处理、嵌入维数识别处理 和相空间重构处理，针对日产出时间序列；神经网络模块一方面从日产出量时间序列的相空间重构模块获得重构后的 日产出量时间序列数据，另一方面从神经网络参数的训练模块获得优化的隐含 层和输出层权值参数，进行日产出量时间序列的预测处理，并将预测处理结果 输出到神经网络的参数训练处理模块和GUI模块；神经网络参数的训练处理模块一方面接收日产出量时间序列的相空间重构 模块的日产出量时间序列的预处理结果信息， 一方面从GUI模块接收神经网络 训练的初始化参数设定值信息，对神经网络模块中的隐含层和输出层权值参数 进行训练处理，将优化的隐含层和输出层权值参数传输给神经网络模块，并传 输给GUI模块。所述日产出量时间序列的相空间重构模块，包括三个子模块时间延迟处 理子模块、嵌入维数处理子模块和相空间重构子模块，其中时间延迟子处理模块负责对日产出量时间序列进行时间延迟信息的识别处 理，时间延迟处理子模块从GUI模块获得日产出量时间序列数据，采用去偏自 相关函数方法计算不同时间延时情况下时间序列的关联系数，随着时间延迟变 量的增大，关联系数单调递减，当关联系数降到初始值的l-(l/e)时，所对应 的时间延迟变量即为获得的当前日产出量时间序列的时间延迟信息，并将日产 出时间序列的时间延迟信息传输给嵌入维数处理子模块和相空间重构子模块；嵌入维数处理子模块负责对日产出量时间序列进行嵌入维数信息m的识别 处理，嵌入维数处理子模块读取时间延迟信息，并从GUI模块获得日产出量时 间序列数据，采用格劳斯伯格-布朗西尔(Grassberger-Procaccia)方法计算日 产出量时间序列的嵌入维数，首先，设定初始的嵌入维数值为1，计算日产出时 间序列数据的关联积分函数，随着嵌入维数值增加时，关联积分函数值变化率 增大，当关联积分函数值变化率不随嵌入维数值的增加而增加时，对应的嵌入 维数值为当前日产出量时间序列的嵌入维数值信息，并将日产出量时间序列的 嵌入维数信息m传输给相空间重构子模块；相空间重构子模块负责对FI产出量时间序列进行相空间重构处理，相空间 重构子模块读取时间延迟信息和嵌入维数信息，并从GUI模块获得日产出量时 间序列数据，在延迟函数和嵌入维数的基础上，采用相空间重构方法的时间序 列变换规则，将N行X l列的日产出量时间序列变换成(N-m)行Xm列的日产 出量时间序列，从而实现日产出量时间序列的相空间重构处理。所述的神经网络模块，包括输入层处理子模块、隐含层处理子模块、输 出层处理子模块和预测输出子模块，其中输入层处理子模块负责对相空间重构处理的日产出量时间序列进行输入层 函数变换处理，在对相空间重构处理的日产出量时间序列进行分析的基础上， 对曰产出量时间序列的m列，采用m个tansig函数作为输入函数，对日产出量 时间序列进行输入层函数变换处理；隐含层处理子模块负责将输入层处理子模块的输出数据进行加权和函数变 换处理，针对输入层处理子模块的m列输出时间序列数据，将其与从神经网络参数的训练模块获得的隐含层的训练权值参数相乘并进行加权，加权的结果采 用k个tansig函数进行隐含层函数变换处理，以实现隐含层处理子模块的加权 和函数变换处理；输出层处理子模块负责将隐含层处理子模块的输出数据进行加权和输出函 数变换处理，针对隐含层处理子模块的k列输出时间序列数据，将其与从神经 网络参数的训练模块获得的输出层的训练权值参数相乘并进行加权，加权的结 果采用1个tansig函数进行输出层函数变换处理，以实现输出层处理子模块的 加权和函数变换处理；预测输出子模块负责从输出层处理子模块获取预测值，并将预测值输出到 GUI模块。所述神经网络参数的训练模块，包括初始化参数获取子模块、训练参数 向量优化选择子模块、信本文档来自技高网...

【技术保护点】
一种半导体制造系统的日产出量预测系统，其特征在于，包括：ＧＵＩ模块、日产出量时间序列的相空间重构模块、神经网络模块和神经网络参数的训练模块，其中：　ＧＵＩ模块接收用户输入的日产出量时间序列信息和神经网络训练的初始化参数设定值信息，分别 将其输出给日产出量时间序列的相空间重构模块和神经网络的参数训练处理模块；　日产出量时间序列的相空间重构模块获得日产出量时间序列，对日产出量时间序列进行预处理后，将经过重构处理的日产出量时间序列输出给ＧＵＩ模块和神经网络模块，其中，预处 理包括：时间延迟识别处理、嵌入维数识别处理和相空间重构处理，针对日产出时间序列；　神经网络模块一方面从日产出量时间序列的相空间重构模块获得重构后的日产出量时间序列数据，另一方面从神经网络参数的训练模块获得优化的隐含层和输出层权值参数， 进行日产出量时间序列的预测处理，并将预测处理结果输出到神经网络参数的训练处理模块和ＧＵＩ模块；　神经网络参数的训练处理模块一方面接收日产出量时间序列的相空间重构模块的日产出量时间序列的预处理结果信息，一方面从ＧＵＩ模块接收神经网络训练 的初始化参数设定值信息，对神经网络模块中的隐含层和输出层权值参数进行训练处理，将优化的隐含层和输出层权值参数传输给神经网络模块，并传输给ＧＵＩ模块。...

【技术特征摘要】

【专利技术属性】
技术研发人员：张洁，吴立辉，张功，朱琼，
申请(专利权)人：上海交通大学，
类型：发明
国别省市：31[中国|上海]