【技术实现步骤摘要】
本专利技术属于半导体金属刻蚀工艺过程与过程超精密控制交叉领域，涉及一种基于故障特征优化的度量网络少样本故障诊断方法。
技术介绍
1、在半导体制造领域，铝堆叠刻蚀工艺是一种关键的制造步骤，广泛应用于创建复杂的电路结构。lam 9600等离子刻蚀工具是行业内广泛使用的高性能设备，专门用于执行这一关键工艺。铝堆叠刻蚀工艺涉及对由钛氮化物(tin)/铝(al-0.5％cu)/钛氮化物(tin)/氧化物层组成的多层结构进行刻蚀，采用感应耦合的氯化硼(bcl3)/氯气(cl2)等离子体作为刻蚀介质，通过精确控制等离子体的参数来实现对不同层的选择性刻蚀。由于刻蚀工艺的复杂性和精度要求，高效的故障检测方法至关重要。
2、在实际场景中，一旦故障发生，半导体金属刻蚀工艺过程可能会在短时间内停机以防止进一步损坏，从而导致故障数据的稀缺，降低诊断模型的性能。同样地，半导体刻蚀工艺中的故障诊断也存在着少样本问题。元学习方法被用于解决少样本学习场景，与传统为特定任务训练的机器学习模型不同，元学习模型旨在理解学习过程本身，使其能够在有限的数据下快速适应新...
【技术保护点】
1.一种基于故障特征优化的度量网络少样本故障诊断方法，其特征在于，其用于半导体铝堆叠刻蚀过程故障诊断；包括以下步骤：
2.根据权利要求1所述的度量网络少样本故障诊断方法，其特征在于，步骤1)中，标准化预处理后的各维数据具有均值为0，方差为1的特性，对于一个经过处理后的数据X∈Rn×m，其中n为样本数量，m为一个样本中的变量数量，标准化预处理表示为：
3.根据权利要求1所述的度量网络少样本故障诊断方法，其特征在于，步骤1)中，不同故障类型的机器状态传感器数据包括18个全局变量：BCl3流量、Cl2流量、氦气压力、腔室压力、阀门、RF底部功率、RF...
【技术特征摘要】
1.一种基于故障特征优化的度量网络少样本故障诊断方法，其特征在于，其用于半导体铝堆叠刻蚀过程故障诊断；包括以下步骤：
2.根据权利要求1所述的度量网络少样本故障诊断方法，其特征在于，步骤1)中，标准化预处理后的各维数据具有均值为0，方差为1的特性，对于一个经过处理后的数据x∈rn×m，其中n为样本数量，m为一个样本中的变量数量，标准化预处理表示为：
3.根据权利要求1所述的度量网络少样本故障诊断方法，其特征在于，步骤1)中，不同故障类型的机器状态传感器数据包括18个全局变量：bcl3流量、cl2流量、氦气压力、腔室压力、阀门、rf底部功率、rfb反射功率、rf调谐器、rf负载、相位误差、rf功率、rf阻抗、tcp调谐器、tcp相位误差、tcp阻抗、tcp...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。