基于RBF神經(jīng)網(wǎng)絡(luò)JK750機過濾器流量的預(yù)測.pdf

1、在半導體制成工藝中，不論早期的250nm制成技術(shù)，還是現(xiàn)在主流的28nm制成技術(shù)，濕法清洗技術(shù)都扮演著極為重要的角色;而清洗機化學品的流量和濃度控制又是濕法清洗技術(shù)的重中之重。過濾器的更換控制在對化學品的流量和濃度控制中是或不可缺的。本學位論文的研究涉及半導體后道工藝(BEOL)中晶圓清洗機(JK750)化學品槽過濾器生命周期內(nèi)的流量預(yù)測和基于預(yù)測優(yōu)化過濾器更換的應(yīng)用，主要解決過早過濾器更換中的成本浪費和杜絕該設(shè)備的過濾器流量EP(Ex

2、cursion Prevention)報警時對正生產(chǎn)產(chǎn)品成品率的影響，最終完成降低產(chǎn)品生產(chǎn)成本的目的。本文的主要研究工作概述如下:
　　(1)列出了JK750機過濾器流量預(yù)測應(yīng)用的背景和它的應(yīng)用價值，介紹了國內(nèi)外各大半導體制造企業(yè)在過濾器更換控制中的方法和措施;簡單地分析了非線性系統(tǒng)的各類典型神經(jīng)網(wǎng)絡(luò)預(yù)測模型的結(jié)構(gòu)、優(yōu)缺點以及前人們的應(yīng)用成果。
　　(2)研究了JK750機過濾器的工作原理和過濾器更換對流量的變化，提出了JK

3、750機過濾器流量的預(yù)測模型確立的技術(shù)路線和技術(shù)措施。
　　(3)討論了基于RBF神經(jīng)網(wǎng)絡(luò)JK750機過濾器流量的預(yù)測模型中，輸入量與輸出量的自相關(guān)系數(shù)，梯度下降算法以及不同神經(jīng)元個數(shù)時的預(yù)測結(jié)果。通過對其預(yù)測模型的理論分析和仿真研究，為本論文涉及的預(yù)測建模提供了理論依據(jù)。
　　(4)為了提高預(yù)測模型的辨識精度以及減少誤差，文中針對RBF網(wǎng)絡(luò)預(yù)測模型的結(jié)構(gòu)進行了一定改進，同時通過帶有有效準則的模糊聚類算法研究和應(yīng)用，確立了最

4、佳聚類數(shù)，即神經(jīng)元的個數(shù)。通過仿真計算，獲得了該模型的各類參數(shù);最后利用仿真實驗，表明該模型的預(yù)測效果十分良好。
　　(5)以JK750機實時的輸出流量作為被控對象，通過將PC和在PC中Matlab軟件作為軟硬件預(yù)測實踐平臺，并將改進的RBF網(wǎng)絡(luò)預(yù)測模型以及模糊聚類算法應(yīng)用到該實驗平臺中去。實驗實踐結(jié)果表明，文中所提出的改進型RBF神經(jīng)網(wǎng)絡(luò)的預(yù)測模型，能夠有效地精準地預(yù)測下一時刻的流量變化，優(yōu)化了過濾器的更化，即節(jié)約成本。