《半導體製造中的高級統計過程控制算法研究》是依託清華大學，由王凱波擔任項目負責人的面上項目。
基本介紹
- 中文名：半導體製造中的高級統計過程控制算法研究
- 外文名：Research on advanced statistical process control algorithm in semiconductor manufacturing
- 依託單位：清華大學
- 項目負責人：王凱波
- 項目類別：面上項目
項目摘要,結題摘要,
項目摘要
質量已經成為中國製造業快速發展大環境下的戰略重點之一。作為科學質量管理和改善的重要工具之一，統計過程控制(SPC)方法已經被證明在防止次品擴散、控制產品質量等方面具有重要的作用。本項目以半導體製造中矽片產品的統計過程控制為例，著重研究兩個問題。第一，產品多個質量參數相互關聯，如何在多變數環境下提高對過程均值和協方差矩陣的監視能力，以及提高故障報警後的根源診斷能力？第二，針對二維平面型質量數據，如何有效監視產品質量波動？本項目在已有研究的基礎上，提出基於變數選擇和懲罰因子的SPC算法，有效利用歷史數據，綜合對均值和協方差矩陣的監視，並能完成對二維平面類型數據的監視。新算法有望提高對過程狀態估計的準確性、降低變數維度，從而提高統計過程控制性能，並能在失控信號發出的同時提供輔助診斷信息。該項目所開發的高級統計過程控制算法能夠推廣套用到一般多變數生產系統以及具有表面質量參數的生產系統中去。
結題摘要
質量已經成為中國製造業快速發展大環境下的戰略重點之一。作為科學質量管理和改善的重要工具之一，統計過程控制(SPC)方法已經被證明在防止次品擴散、控制產品質量等方面具有重要的作用。本項目以半導體製造中矽片產品的統計過程控制為例，完成了下面幾個方面的研究工作：第一，針對多變數過程的均值偏移監視問題，提出了基於變數選擇和歷史數據累計的SPC方法，提高監視性能；第二，針對多變數方差偏移的監視問題，分別在樣本量大於變數個數以及只有單獨觀測值的情況下，開發了基於懲罰因子進行失效變數識別和統計監視的算法；第三，針對多變數過程均值和方差同時偏移的問題，開發了基於新的統計控制算法；第四，針對二維平面型質量數據，考慮質量失效模式具有聚集效應的結構信息，提出了基於變數選擇和融合的懲罰因子設計，並開發了新的控制圖算法。新的算法提高了對過程狀態估計的準確性、降低了變數維度，從而提高統計過程控制性能，並能在失控信號發出的同時提供輔助診斷信息。該項目所開發的高級統計過程控制算法能夠推廣套用到一般多變數生產系統以及具有表面質量參數的生產系統中去。
