专利名称：一种基于单类支持向量机的半导体过程监测方法
技术领域：
本发明属于半导体工业过程质量控制领域，特别涉及一种基于单类支持向量机的过程监测方法。
背景技术：
随着电子与信息产业的迅速发展，半导体工业也不断地发展壮大，以质量控制为主导的半导体过程监测问题越来越得到工业界和学术界的重视。由于半导体工业过程本身对产品质量的要求极高，如何有效地防止过程产生劣质或者不合格的产品是迫切需要解决的问题。另一方面，对半导体过程进行监测获得的结果还可以反过来指导生产过程和生产工艺的改进。作为一种典型的间歇生产过程，传统的半导体过程监测方法除了基于机理模型的方法外，目前大多采用基于数据的多元统计分析方法，比如多向主元分析方法(MPCA) 和多向偏最小二乘方法(MPLS)等。在机理模型难以获取的情况下，基于数据驱动的多元统计分析方法已经成为半导体过程监测的主流方法。但是，传统的多元统计分析方法无法有效地处理半导体过程数据常见的非线性和非高斯特性。另外，由于半导体过程产品的多样化，该过程也通常运行在不同的操作工况下。传统的监测方法假设过程运行在单一工况下， 往往无法满足半导体过程的监测要求。因此，我们需要引入新的方法，对传统半导体过程监测系统需要进行改善，否则将不利于半导体过程的自动化实施。
发明内容
本发明的目的在于针对现有技术的不足，提供一种基于单类支持向量机的半导体过程监测方法。本发明的目的是通过以下技术方案来实现的
一种基于单类支持向量机的半导体过程监测方法，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 = [X1;3C2;--,Xe]。其中，X￡eR^K,c = X2,-,C为对应于过程工况e的数据矩
阵，4为该工况下的批次数目，J为变量个数，Z为每个批次的采样数据点数，I为总的样本个数。分别将这些数据存入历史数据库。(2)分别将不同工况下的数据沿着各自的批次方向展开为A XJf 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，得到新的数据矩阵集为孓e RWx。(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 % e Ricixj。(4)对来自不同工况的半导体过程数据进行融合，组成新的混合数据矩阵为
(5)针对新的二维混合数据矩阵！ ，采用单类支持向量机方法对其进行建模，在高维空间内确定超球体的球心和半径。(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)将新的数据投影到高维空间，计算其与超球体球心之间的距离，并与半径相比较，判断当前过程的运行状态。本发明的有益效果是本发明通过引入单类支持向量机，将半导体过程的监测问题当做一个单类数据分类问题来处理。由于单类支持向量机方法本身具有很强的非线性和非高斯数据处理能力，而且在高维特征空间上又具有良好多工况数据的建模性能，非常适合复杂半导体过程的在线监测。相比目前的其它半导体过程监测方法，本发明不仅可以大大提高半导体过程的监测效果，而且在很大程度上降低了半导体过程监测的复杂性，更加有利于半导体过程的工业自动化。
图1是本发明方法对对半导体过程数据的高斯性检验结果；
图2是单类支持向量机方法对半导体过程正常批次数据的监测结果； 图3是主元分析方法对半导体过程正常批次数据的监测结果； 图4是单类支持向量机方法对半导体过程故障批次数据的监测结果； 图5是主元分析方法对半导体过程故障批次数据的监测结果。
具体实施例方式本发明针对半导体过程的监测问题，首先利用集散控制系统(Distributed Control System, DCS)收集不同操作工况下的正常批次数据，对其进行必要的预处理和归一化，在高维特征空间中建立单类支持向量机数据模型，确定超球体的球心和半径。之后将所有单类支持向量机相关的模型参数都存入历史数据库中备用。对新的批次数据进行监测的时候，首先利用建模数据的均值和标准差对其进行归一化处理，得到标准数据之后，再利用单类支持向量机模型，在高维特征空间中计算新的数据里超球体球心的距离，实现对半导体过程的在线监测，获取相应的监测结果。本发明采用的技术方案的主要步骤分别如下
第一步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 = [xi;:x2;…，Xe]。其中，XjH^feir,C = UrJ为对应于过程工况e的数
据矩阵，4为该工况下的批次数目，J为变量个数，T为每个批次的采样数据点数，I为总的样本个数。分别将这些数据存入历史数据库；
第二步分别将不同工况下的数据沿着各自的批次方向展开为二维数据矩阵， 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，得到新的数据矩阵集为 te Rixs ；
在历史数据库中对采集到的过程数据进行预处理，剔除野值点和明显的粗糙误差数据，为了使得过程数据的尺度不会影响到监测的结果，对不同变量的数据分别进行归一化处理，即各个变量的均值为零，方差为1。这样，不同过程变量的数据就处在相同的尺度之下，既而不会影响到后续的监控效果。第三步重新沿着时间点方向对每一个数据矩阵进行排列，得到新的数据矩阵集中为t, 6及4:<1 ；
传统的半导体过程监测方法在监测新的批次数据时，需要对未知值进行预测。为了避免这个问题，我们对数据矩阵进行了重新排列。这样，监测样本就由原来的整个批次数据变为单个采样数据点，较好地避免了对批次未知值的预测问题。第四步对来自不同工况的半导体过程数据进行融合，组成新的混合数据矩阵为
权利要求
1.一种基于单类支持向量机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 = [X1:,X2；…，Xe]；其中，Xtr eil。M C = UrJ为对应于过程工况e的数据矩阵，4为该工况下的批次数目力变量个数，T为每个批次的采样数据点数，I为总的样本个数；分别将这些数据存入历史数据库；(2)将不同工况下的数据沿着各自的批次方向展开为x/f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，得到新的数据矩阵集为 Xi e R^xm ；(3)重新沿着时间点方向对每一个数据矩阵进行排列，得到数据矩阵为ei^A·7；(4)对来自不同工况的半导体过程数据进行融合，组成新的混合数据矩阵为量
2.根据权利要求1所述基于单类支持向量机的半导体过程监测方法，其特征在于，所述步骤(5)具体为针对二维混合数据矩阵f ,建立单类支持向量机数据分析模型；首先利用非线性函数将过程数据投影到高维特征空间中，即,单类支持向量机通过求解下面的优化命题建立模型
3.根据权利要求1所述基于单类支持向量机的半导体过程监测方法，其特征在于，所述步骤(7)和(8)具体为针对新采集到的过程数据，首先对其进行必要的归一化处理， 即其中，为建模数据的均值，σφ为建模数据的标准差，通过上式，新的过程数据被归一化为均值为零，方差为1的标准数据，与单类支持向量机的建模数据保持一致；然后，同样利用非线性函数将新的数据投影到高维特征空间中，并计算其与超球体球心之间的距离，定义如下的距离因子作为半导体过程的监测统计量其中，Aa为监测统计量1}的统计限，和超球体的半径相等t
全文摘要
本发明公开了一种基于单类支持向量机的半导体过程监测方法，本发明采用单类支持向量机方法，利用其优越的单类数据分类性能，对半导体过程进行监测。相比目前的其它方法，本发明方法不仅可以大大提高半导体过程的监测效果，而且在很大程度上降低了半导体过程监测的复杂性，更加有利于半导体过程的工业自动化。
文档编号G05B19/418GK102566554SQ201210032489
公开日2012年7月11日 申请日期2012年2月14日 优先权日2012年2月14日
发明者宋执环, 葛志强 申请人:浙江大学