【技術實現步驟摘要】
本申請涉及工藝優(yōu)化，具體涉及一種工藝優(yōu)化方法、裝置、設備及系統。
技術介紹
1、晶片切割作為晶片制造領域的核心環(huán)節(jié)，其工藝參數的精確控制會直接影響產品的質量與成本。由于工藝參數優(yōu)化需要綜合考慮的維度眾多，多個維度的參數之間還會互相影響，并且參數空間數量龐大難以驗證，因此找到使質量最優(yōu)的參數組合的難度較大。
技術實現思路
1、本申請的實施例提供一種工藝優(yōu)化方法、裝置、設備及系統，以獲得優(yōu)化參數組合并用于進行工藝優(yōu)化。
2、為了解決上述技術問題，本申請的實施例公開了如下技術方案：
3、第一方面，提供了一種工藝優(yōu)化方法，包括：
4、獲取用戶的輸入數據，所述輸入數據包括工藝邊界條件；
5、基于所述輸入數據，通過預設的正交試驗設計方法生成正交試驗方案，所述正交試驗方案包括多個正交試驗樣本；
6、基于多個所述正交試驗樣本和預測模型確定備選參數組合，所述預測模型是基于隨機森林回歸模型構建的；
7、將所述備選參數組合確定為模擬退火算法的初始解，并通過所述模擬退火算法獲取優(yōu)化參數組合，所述優(yōu)化參數組合用于進行工藝優(yōu)化。
8、在一些實施例中，基于所述輸入數據，通過預設的正交試驗設計方法生成正交試驗方案，包括：
9、基于所述工藝邊界條件確定正交試驗的因素和水平，其中所述因素為各個待優(yōu)化的工藝參數，所述水平為所述工藝參數的取值范圍；
10、基于所述正交試驗的因素和水平，采用拉丁超立方抽樣方法選擇多個
11、在一些實施例中，所述預測模型用于表征制程數據、工藝參數和生產過程影響數據與總片厚方差之間的映射關系；基于多個所述正交試驗樣本和預測模型確定備選參數組合，包括：
12、將每個所述正交試驗樣本輸入所述預測模型，得到每個所述正交試驗樣本對應的總片厚方差預測值；
13、基于每個所述正交試驗樣本對應的總片厚方差預測值，確定每個因素在每個水平下的總片厚方差總和及總片厚方差平均值；
14、基于每個所述因素在每個所述水平下的總片厚方差平均值，確定每個所述因素的極差；
15、按照極差從大到小的順序，依次確定每個所述因素下總片厚方差總和最小的備選水平，并將每個所述因素的所述備選水平構成的第一參數組合確定為所述備選參數組合。
16、在一些實施例中，所述基于每個所述因素在每個所述水平下的總片厚方差平均值，確定每個所述因素的極差，包括：
17、基于每個所述因素在每個所述水平下的總片厚方差平均值，確定每個所述因素中總片厚方差平均值的最大值和最小值；
18、將所述最大值和所述最小值的差值，確定為對應所述因素的極差。
19、在一些實施例中，通過所述模擬退火算法獲取優(yōu)化參數組合，包括：
20、定義解的鄰域結構，并將候選參數組合確定為候選解中的一者，將所述候選解的總片厚方差預測值確定為適應度，所述候選參數組合是所述第一參數組合和第二參數組合中總片厚方差預測值較小的一者，所述第二參數組合是所有所述正交試驗樣本中總片厚方差預測值最小的正交試驗樣本；
21、在每次迭代中，基于麥特羅波利斯準則以預設概率接受適應度較差的候選解作為新的當前解；
22、按照設定的冷卻速率降低溫度，以使迭代結果收斂到最優(yōu)解或次優(yōu)解，其中，所述預設概率隨著所述溫度的降低而降低；
23、在迭代達到預設結束條件的情況下結束迭代，將所述最優(yōu)解或所述次優(yōu)解確定為所述優(yōu)化參數組合。
24、在一些實施例中，所述預測模型是基于歷史制程數據、歷史工藝參數、歷史生產過程影響數據和歷史檢驗數據完成訓練的；所述預測模型的獲取步驟包括：
25、基于所述隨機森林回歸模型構建所述預測模型；
26、基于所述歷史制程數據、所述歷史工藝參數、所述歷史生產過程影響數據和所述歷史檢驗數據，獲取訓練樣本；
27、基于所述訓練樣本對所述預測模型進行訓練和驗證，獲取訓練后的所述預測模型。
28、在一些實施例中，獲取所述訓練樣本的步驟包括：
29、對所述歷史制程數據、所述歷史工藝參數、所述歷史生產過程影響數據和所述歷史檢驗數據進行預處理，得到預處理后的數據；
30、從預處理后的歷史制程數據、歷史工藝參數、歷史生產過程影響數據中選取對總片厚方差的影響程度滿足預設條件的特征，得到初始特征集；
31、對所述初始特征集進行特征提取和歸一化處理，得到訓練特征集；
32、基于所述訓練特征集和預處理后的歷史檢驗數據，得到所述訓練樣本。
33、在一些實施例中，基于所述訓練樣本對所述預測模型進行訓練和驗證，獲取訓練后的所述預測模型，包括：
34、基于所述訓練樣本，采用k折交叉驗證的方法對所述預測模型進行訓練和驗證，獲取訓練后的所述預測模型。
35、在一些實施例中，所述制程數據包括生產設備在制程過程中的各項觀測參數及狀態(tài)，所述工藝參數包括影響產品質量的各種工藝設定條件，所述生產過程影響數據包括人機料法環(huán)測數據，所述檢驗數據包括總片厚方差檢測值。
36、在一些實施例中，在通過所述模擬退火算法獲取優(yōu)化參數組合之后，所述方法還包括：
37、基于預設顯示形式在用戶界面上顯示所述優(yōu)化參數組合，所述預設顯示形式包括圖表、文本中的至少一者。
38、第二方面，提供了一種工藝優(yōu)化裝置，包括：
39、數據交互模塊，用于獲取用戶的輸入數據，所述輸入數據包括工藝邊界條件；
40、正交設計模塊，用于基于所述輸入數據，通過預設的正交試驗設計方法生成正交試驗方案，所述正交試驗方案包括多個正交試驗樣本；
41、參數預測模塊，用于基于多個所述正交試驗樣本和預測模型確定備選參數組合，所述預測模型是基于隨機森林回歸模型構建的；
42、參數優(yōu)化模塊，用于將所述備選參數組合確定為模擬退火算法的初始解，并通過所述模擬退火算法獲取優(yōu)化參數組合，所述優(yōu)化參數組合用于進行工藝優(yōu)化。
43、第三方面，提供了一種電子設備，所述電子設備包括處理器和存儲器；所述存儲器中存儲有計算機程序，所述處理器用于執(zhí)行所述存儲器中存儲的所述計算機程序，以實現如第一方面任一項所述的工藝優(yōu)化方法。
44、第四方面，提供了一種工藝優(yōu)化系統，包括：
45、設備層，所述設備層用于生成及獲取制程數據、工藝參數、生產過程影響數據和檢驗數據；
46、數據層，所述數據層用于處理所述設備層獲取的數據；
47、模型層，所述模型層用于執(zhí)行如第一方面任一項所述的工藝優(yōu)化方法；
48、應用層，所述應用層用于與用戶交互，以獲取輸入數據，以及基于預設顯示形式顯示優(yōu)化參數組合。
49、本申請的一種工藝優(yōu)化方法，包括獲取用戶的輸入數據，輸入數據包括工藝邊界條件；基于輸入數據，通過預設的正本文檔來自技高網...
【技術保護點】
1.一種工藝優(yōu)化方法，其特征在于，包括：
2.根據權利要求1所述的工藝優(yōu)化方法，其特征在于，基于所述輸入數據，通過預設的正交試驗設計方法生成正交試驗方案，包括：
3.根據權利要求1所述的工藝優(yōu)化方法，其特征在于，所述預測模型用于表征制程數據、工藝參數和生產過程影響數據與總片厚方差之間的映射關系；基于多個所述正交試驗樣本和預測模型確定備選參數組合，包括：
4.根據權利要求3所述的工藝優(yōu)化方法，其特征在于，所述基于每個所述因素在每個所述水平下的總片厚方差平均值，確定每個所述因素的極差，包括：
5.根據權利要求3所述的工藝優(yōu)化方法，其特征在于，通過所述模擬退火算法獲取優(yōu)化參數組合，包括：
6.根據權利要求1所述的工藝優(yōu)化方法，其特征在于，所述預測模型是基于歷史制程數據、歷史工藝參數、歷史生產過程影響數據和歷史檢驗數據完成訓練的；所述預測模型的獲取步驟包括：
7.根據權利要求6所述的工藝優(yōu)化方法，其特征在于，獲取所述訓練樣本的步驟包括：
8.根據權利要求6所述的工藝優(yōu)化方法，其特征在于，基于所述訓練樣本對
9.根據權利要求6所述的工藝優(yōu)化方法，其特征在于，所述制程數據包括生產設備在制程過程中的各項觀測參數及狀態(tài)，所述工藝參數包括影響產品質量的各種工藝設定條件，所述生產過程影響數據包括人機料法環(huán)測數據，所述檢驗數據包括總片厚方差檢測值。
10.根據權利要求1所述的工藝優(yōu)化方法，其特征在于，在通過所述模擬退火算法獲取優(yōu)化參數組合之后，所述方法還包括：
11.一種工藝優(yōu)化裝置，其特征在于，包括：
12.一種電子設備，其特征在于，所述電子設備包括處理器和存儲器；所述存儲器中存儲有計算機程序，所述處理器用于執(zhí)行所述存儲器中存儲的所述計算機程序，以實現如權利要求1至10中任一項所述的工藝優(yōu)化方法。
13.一種工藝優(yōu)化系統，其特征在于，包括：
...【技術特征摘要】
1.一種工藝優(yōu)化方法，其特征在于，包括：
2.根據權利要求1所述的工藝優(yōu)化方法，其特征在于，基于所述輸入數據，通過預設的正交試驗設計方法生成正交試驗方案，包括：
3.根據權利要求1所述的工藝優(yōu)化方法，其特征在于，所述預測模型用于表征制程數據、工藝參數和生產過程影響數據與總片厚方差之間的映射關系；基于多個所述正交試驗樣本和預測模型確定備選參數組合，包括：
4.根據權利要求3所述的工藝優(yōu)化方法，其特征在于，所述基于每個所述因素在每個所述水平下的總片厚方差平均值，確定每個所述因素的極差，包括：
5.根據權利要求3所述的工藝優(yōu)化方法，其特征在于，通過所述模擬退火算法獲取優(yōu)化參數組合，包括：
6.根據權利要求1所述的工藝優(yōu)化方法，其特征在于，所述預測模型是基于歷史制程數據、歷史工藝參數、歷史生產過程影響數據和歷史檢驗數據完成訓練的；所述預測模型的獲取步驟包括：
7.根據權利要求6所述的工藝優(yōu)化方法，其特...
【專利技術屬性】
技術研發(fā)人員：南華，武治軍，充豪健，
申請(專利權)人：天津市環(huán)智新能源技術有限公司，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。