半導體混合制程的狀態(tài)估計算法研究.pdf

1、半導體制造業(yè)是目前世界上發(fā)展最為迅速的產(chǎn)業(yè)之一。隨著元件特征尺寸的日益縮小，晶圓尺寸的逐漸增大，對制造流程中的精密控制提出了嚴苛的要求;其次，由于資金的高投入，對生產(chǎn)設(shè)備的利用率有著很高的要求，因此，同一生產(chǎn)機臺需要同時加工多種不同規(guī)格的產(chǎn)品，而同一規(guī)格的產(chǎn)品又會出現(xiàn)在不同的機臺，這就行成了產(chǎn)品高度混合的生產(chǎn)模式，亦即:混合制程，進而對半導體制程的控制提出了新的挑戰(zhàn)。本文從混合制程的特點出發(fā)，在批間控制的框架下，基于Bayesian理論

2、，提出混合制程的狀態(tài)估計算法，以期提高產(chǎn)品的良率，主要工作如下:
　　1.非線程指數(shù)加權(quán)滑動平均算法為混合制程的狀態(tài)估計提供了一種解決方案，但其觀測矩陣具有奇異性，且在線計算量較大。為此，本文提出了一種基于ANOVA模型的迭代Bayesian狀態(tài)估計方法。首先，引入IMA(1，1)干擾模型，并采用滾動時間窗口的觀測形式，得到相鄰殘差的分布滯后模型協(xié)方差矩陣;其次，利用ANOVA方法，建立混合制程的狀態(tài)空間模型;再結(jié)合分布滯后模型的

3、協(xié)方差矩陣與Bayesian方法，迭代求解，估算出各線程的狀態(tài)，避免了觀測矩陣求解的奇異性問題。數(shù)值仿真表明，本文算法能夠很好的估計出機臺發(fā)生偏移、漂移，以及產(chǎn)品上線/下線等加工中常見的故障;同時，與文獻中的控制算法對比，論證了在產(chǎn)品在少量多樣及模型不匹配情況下，本文算法的控制效果最優(yōu)。最后，以光刻制程的逆向工程驗證了本文算法的控制性能。
　　2.半導體生產(chǎn)過程中普遍存在模型不匹配的現(xiàn)象，其惡化了批間控制的性能。為克服這個問題，本