基于厂务数据的晶圆良率控制方法、装置、设备及介质与流程

本申请涉及半导体制造，尤其涉及一种基于厂务数据的晶圆良率控制方法、装置、设备及介质。

背景技术：

1、近年来，随着科技水平的迅速发展，半导体制造业也在飞速发展。晶圆作为制作硅半导体芯片的基础材料，其制造技术已经成为制约半导体发展的基础和核心竞争力之一。

2、晶圆的制造过程非常繁杂，包括薄膜沉积、光刻胶涂敷、光刻显影、刻蚀、量测、清洗以及离子注入等诸多过程。晶圆制造厂商为晶圆制造提供良好的生产环境及水、电、气化的供应。其主要包括无尘室系统、冷冻水系统、工艺冷却水系统、空压系统、真空系统、大宗气体系统、特气系统、热水系统、纯水系统、废水系统、废气系统、化学品系统以及电力监控系统等等。

3、但是目前，尚无对于厂务数据对良率的影响分析。比如某机台生产设备不同的气体参数可能导致的晶圆良率就会不同，因此需要找到一种智能方法，去挖掘厂务数据对良率的归因，是本领域技术人员亟待解决的技术问题。

技术实现思路

1、本申请的目的是提供一种基于厂务数据的晶圆良率控制方法、装置、设备及介质，至少用以解决分析厂务数据对于晶圆良率是否存在影响的问题。本申请的目的在于：提供了一种新的基于厂务数据的晶圆良率控制方法。该方法采用预先训练好的机器学习模型，能够从常规的厂务数据中挖掘出与晶圆良率有关的关键厂务数据，并基于关键厂务数据对于当前制造的晶圆良率是否符合标准进行预测，以实现对于厂务数据的控制，提升晶圆良率，避免产生晶圆制造存在良率较低，且无法分析影响晶圆良率的成因的问题。

2、为实现上述目的，本申请的一些实施例提供了以下几个方面：

3、第一方面，本申请的一些实施例还提供了一种基于厂务数据的晶圆良率控制方法，所述方法包括：

4、获取当前制造的晶圆的基础厂务数据；其中，所述基础厂务数据包括晶圆制造过程中的水课参数、电课参数以及气化课参数中的至少一种；

5、基于预先构建的机器学习模型从基础厂务数据中确定与晶圆良率相关联的关键厂务数据；

6、将所述关键厂务数据输入至所述机器学习模型，确定当前制造的晶圆预估良率是否达到预设阈值；

7、若未达到预设阈值，则生成对所述关键厂务数据进行调整的指令。

8、第二方面，本申请的一些实施例还提供了一种基于厂务数据的晶圆良率控制装置，所述装置包括：

9、基础厂务数据获取模块，用于获取当前制造的晶圆的基础厂务数据；其中，所述基础厂务数据包括晶圆制造过程中的水课参数、电课参数以及气化课参数中的至少一种；

10、关键厂务数据确定模块，用于基于预先构建的机器学习模型从基础厂务数据中确定与晶圆良率相关联的关键厂务数据；

11、晶圆良率预测模块，用于将所述关键厂务数据输入至所述机器学习模型，确定当前制造的晶圆预估良率是否达到预设阈值；

12、厂务数据调整模块，用于若未达到预设阈值，则生成对所述关键厂务数据进行调整的指令。

13、第三方面，本申请的一些实施例还提供了一种计算机设备，所述设备包括：

14、一个或多个处理器；以及

15、存储有计算机程序指令的存储器，所述计算机程序指令在被执行时使所述处理器执行如上所述的基于厂务数据的晶圆良率控制方法。

16、第四方面，本申请的一些实施例还提供了一种计算机可读介质，其上存储有计算机程序指令，所述计算机程序指令可被处理器执行以实现如上所述的基于厂务数据的晶圆良率控制方法。

17、相较于现有技术，本申请实施例提供的方案中，通过获取当前制造的晶圆的基础厂务数据；其中，所述基础厂务数据包括晶圆制造过程中的水课参数、电课参数以及气化课参数中的至少一种；基于预先构建的机器学习模型从基础厂务数据中确定与晶圆良率相关联的关键厂务数据；将所述关键厂务数据输入至所述机器学习模型，确定当前制造的晶圆预估良率是否达到预设阈值；若未达到预设阈值，则生成对所述关键厂务数据进行调整的指令。本方案通过对于厂务数据的控制，提升晶圆良率，避免产生晶圆制造存在良率较低，且无法分析影响晶圆良率的成因的问题。

技术特征：

1.一种基于厂务数据的晶圆良率控制方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述机器学习模型的训练过程，包括：

3.根据权利要求1所述的方法，其特征在于，基于预先构建的机器学习模型从基础厂务数据中确定与晶圆良率相关联的关键厂务数据，包括：

4.根据权利要求3所述的方法，其特征在于，根据所述重要性指标和/或所述相关性指标，从基础厂务数据中确定关键厂务数据，包括：

5.根据权利要求1所述的方法，其特征在于，在若未达到预设阈值，则生成对所述关键厂务数据进行调整的指令之后，所述方法还包括：

6.根据权利要求1所述的方法，其特征在于，在将所述关键厂务数据输入至所述机器学习模型，确定当前制造的晶圆预估良率是否达到预设阈值之后，所述方法还包括：

7.根据权利要求1-6中任一项所述的方法，其特征在于，所述机器学习模型为lightgbm回归预测模型。

8.一种基于厂务数据的晶圆良率控制装置，其特征在于，所述装置包括：

9.一种计算机设备，其特征在于，所述设备包括：

10.一种计算机可读介质，其特征在于，其上存储有计算机程序指令，所述计算机程序指令可被处理器执行以实现如权利要求1-7中任意一项所述的基于厂务数据的晶圆良率控制方法。

技术总结
本申请提供了一种基于厂务数据的晶圆良率控制方法、装置、设备及介质。该方法包括：获取当前制造的晶圆的基础厂务数据；其中，所述基础厂务数据包括晶圆制造过程中的水课参数、电课参数以及气化课参数中的至少一种；基于预先构建的机器学习模型从基础厂务数据中确定与晶圆良率相关联的关键厂务数据；所述关键厂务数据输入至所述机器学习模型，确定当前制造的晶圆预估良率是否达到预设阈值；若未达到预设阈值，则生成对所述关键厂务数据进行调整的指令。本技术方案，对于厂务数据的控制，提升晶圆良率，避免产生晶圆制造存在良率较低，且无法分析影响晶圆良率的成因的问题。

技术研发人员：蒋越,张强
受保护的技术使用者：上海朋熙半导体有限公司
技术研发日：
技术公布日：2024/2/1