CN115994457A - 一种半导体工艺产线设备配置方法及装置 - Google Patents
一种半导体工艺产线设备配置方法及装置 Download PDFInfo
- Publication number
- CN115994457A CN115994457A CN202310285804.XA CN202310285804A CN115994457A CN 115994457 A CN115994457 A CN 115994457A CN 202310285804 A CN202310285804 A CN 202310285804A CN 115994457 A CN115994457 A CN 115994457A
- Authority
- CN
- China
- Prior art keywords
- equipment
- target
- semiconductor
- database
- production line
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 266
- 230000008569 process Effects 0.000 title claims abstract description 214
- 239000004065 semiconductor Substances 0.000 title claims abstract description 116
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 92
- 238000011156 evaluation Methods 0.000 claims abstract description 21
- 238000013209 evaluation strategy Methods 0.000 claims abstract description 12
- 238000010276 construction Methods 0.000 claims abstract description 11
- 238000012216 screening Methods 0.000 claims description 29
- 238000013475 authorization Methods 0.000 claims description 14
- 238000004458 analytical method Methods 0.000 claims description 11
- 230000002159 abnormal effect Effects 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 10
- 230000006978 adaptation Effects 0.000 claims description 6
- 238000012790 confirmation Methods 0.000 claims description 3
- 238000005457 optimization Methods 0.000 abstract description 7
- 235000012431 wafers Nutrition 0.000 description 5
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000004140 cleaning Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 238000005468 ion implantation Methods 0.000 description 3
- 238000000206 photolithography Methods 0.000 description 3
- 230000004075 alteration Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000001259 photo etching Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000005229 chemical vapour deposition Methods 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000005530 etching Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- General Factory Administration (AREA)
Abstract
本发明公开了一种半导体工艺产线设备配置方法及装置，方法具体包括如下步骤：构建半导体工艺产线的数据库，并对数据库设置使用权限；基于数据库使用权限，确定工艺制程路线；根据确定的工艺制程路线，给出设备配置清单；结合设备配置清单，通过设备选型模型遍历设备子库中对应的设备，给出目标设备集，并配置目标设备的生产能力和可用率；基于半导体工艺产线的评价策略，确定目标设备的数量，完成半导体工艺产线设备配置。本发明可对半导体工艺产线进行智能设备选型、产线优化评价以及跨平台联动，形成更科学、更合理和更全面的半导体生产线建设项目数据，且提高半导体制造过程的运作效率。
Description
技术领域
本发明属于半导体布局设计技术领域，具体涉及一种半导体工艺产线设备配置方法及装置。
背景技术
半导体工艺产业具有制造技术复杂，生产过程离散，制造周期长和生产工艺精细等特点，其过程中产生的数据对后续分析策划具有很大参考性。目前，半导体工艺产线优化配置主要依靠客户经验，当客户在项目建设初期工艺技术需求条件经验不足时，会导致投资决策阶段缺少科学合理的方案支撑，无法精准反映后续项目的实际建设和运营投资。
因此，研发多企业间可跨平台协同制造的资源服务化合作模式。如专利CN115202311A给出一种半导体生产排程方法、系统、设备及存储介质，方法包括：形成初始排程，初始排程中n个待加工晶圆的任意加工工序均对应有目标机台；不断调整初始排程中n个待加工晶圆的任意加工工序对应的目标机台，形成多个调整排程；计算初始排程和多个调整排程中所有机台的平均产能及良率；基于约束条件和所有机台的平均产能及良率，从初始排程和调整排程中筛选出产能及良率最大的最优排程。该方案通过在数据收集端实时量化数据，可以更为便利地利用大量的侦测数据。对获取的大量数据进行分类处理，使得对所有侦测数据进行准确、高效的内容捕捉，提高了数据的综合利用效率，节省了人力。
构建的半导体工艺产线设备配置系统，可帮助半导体设备资源进行智能选型检索、产线优化评价、跨平台联动，形成更科学、更合理和更全面的半导体生产线建设项目数据，且提高半导体制造过程的运作效率。半导体数据库的设计在整个系统的构建过程中是必不可少的一个环节，其设计的优劣不仅对系统的功能的正常使用和运行效率产生影响，也会影响到后期的数据更新维护和性能扩展。
因此，如何针对半导体产品以及工艺类型，以实现对半导体工艺产线的设备精准配置是本领域技术人员亟待解决的问题。
发明内容
针对上述现有技术中存在的缺陷，本发明提供了一种半导体工艺产线设备配置方法及装置，构建存在使用权限的半导体工艺产线的数据库，在工艺子库中获取目标半导体的工艺类型，确定工艺制程路线，在制程子库中获取每步工艺制程对应的设备类型，通过设备选型模型遍历设备子库中对应的设备，给出目标设备集，并配置目标设备的生产能力和可用率，基于半导体工艺产线的评价策略，确定目标设备的数量。本发明可对半导体工艺产线进行智能设备选型、产线优化评价以及跨平台联动，形成更科学、更合理和更全面的半导体生产线建设项目数据，且提高半导体制造过程的运作效率。
第一方面，本发明提供一种半导体工艺产线设备配置方法，具体包括如下步骤：
构建半导体工艺产线的数据库，并对数据库设置使用权限，其中，数据库包括工艺子库、制程子库和设备子库；
基于数据库使用权限，在工艺子库中获取目标半导体的工艺类型，确定工艺制程路线；
解析确定的工艺制程路线，在制程子库中获取每步工艺制程对应的设备类型，并给出设备配置清单，其中，设备配置清单为各个设备类型的设备信息，包括主工艺设备信息、附属设备信息及设备对比信息的至少一种；
基于设备配置清单，通过设备选型模型遍历设备子库中对应的设备，给出目标设备集，并配置目标设备的生产能力和可用率；
基于半导体工艺产线的评价策略，确定各目标设备的数量，完成半导体工艺产线设备配置。
进一步的，构建半导体工艺产线的数据库，具体包括如下步骤：
获取半导体工艺产线的源数据，识别源数据中的缺失值和异常值；
判定缺失值和异常值的数据类型，并进行筛分，其中，数据类型分为目标参数字段和非目标参数字段；
对源数据中目标参数字段的缺失值和异常值进行归零处理，得到预处理数据源；
将预处理数据源进行标准化格式处理后，对应录入数据库的工艺子库、制程子库及设备子库。
进一步的，对数据库设置使用权限包括：划分对数据库使用的权限类型，以及与权限类型对应的用户权限，其中，权限类型包括读取、添加、更新以及删除中的至少一种。
进一步的，基于数据库使用权限，具体包括如下步骤：
数据库接收到用户的请求后，识别用户信息，搜索用户的授权记录；
基于用户的授权记录，分析并确定用户权限；
根据确定的用户权限，给出对应于数据库使用权限的执行信号；
其中，基于用户的授权记录，分析并确定用户权限，具体包括：
若用户存在授权记录，再检索用户权限的更新信息，有更新信息，则依据更新信息，确定用户权限，无更新信息则依据最新的授权记录，确定用户权限；
若用户不存在授权记录，则用户没有数据库使用权限。
进一步的，在制程子库中获取每步工艺制程对应的设备类型，具体包括如下步骤：
获取制程子库中预先设定的工艺制程与设备类型适配关系；
基于制程子库和工艺制程路线，确定每个工艺制程对应的设备类型；
其中，预先设定的工艺制程与设备类型适配关系中各步工艺制程均对应至少一种设备类型，设备类型包括主工艺设备和附属设备；
基于设备配置清单，通过设备选型模型遍历设备子库中对应的设备，给出目标设备集，并配置目标设备的生产能力和可用率，具体包括如下步骤：
以设备配置清单为依据，根据设备配置清单中各个设备类型的设备信息，对设备子库进行初次筛选，得到初筛设备清单；
基于目标半导体的基础属性，以及对应工艺制程的权重，对初筛设备清单进行二次筛选，给出初始目标设备清单；
根据构建的设备选型模型，遍历初始目标设备清单，给出目标设备集；
配置给出各目标设备的生产能力和可用率。
进一步的，目标半导体的基础属性包括目标半导体的型号和尺寸的至少一种。
进一步的，根据构建的设备选型模型，遍历初始目标设备清单，给出目标设备集，具体包括如下步骤：
获取每步工艺制程的属性，形成工艺制程属性集合U，U={U1，U2，U3，……，Un}；
遍历并分析初始目标设备清单，获取多组初始目标设备的要求属性，形成初始目标设备要求属性集合J，J={J11，J12，J13，……，J1m，……，Jp1，Jp2，Jp3，……Jpm}；
分析工艺制程属性集合与各组初始目标设备要求属性集合的关联程度，并给出关联度集合，关联度集合具体表示为：
其中，为工艺制程属性集合与初始目标设备要求属性集合的关联度集合，Ui为第i个工艺制程属性的抽象数值，n为工艺制程属性的总数，J1j为第1组中第j个初始目标设备要求属性的抽象数值，Jpj为第p组中第j个初始目标设备要求属性的抽象数值，p为初始目标设备的组数，m为每组初始目标设备要求属性的总数；
基于对关联度集合的分析，给出目标设备集。
进一步的，基于对关联度集合的分析，给出目标设备集，具体包括如下步骤：
分析比对关联度集合中各个关联度与预设关联度范围，对初始目标设备清单中的各组初始目标设备进行筛选；
对初始目标设备清单中筛选出的各组初始目标设备进行排序；
依据预设的关联度门槛值和筛选出的各组初始目标设备的关联度，剔除未达到关联度门槛值的初始目标设备；
在剩余的各组初始目标设备中确定各组目标设备，给出目标设备集。
进一步的，基于半导体工艺产线的评价策略，确定各目标设备的数量，具体包括如下步骤：
根据目标半导体的型号和/或尺寸，对各目标设备赋予评价系数；
利用生产能力和可用率，对所有目标设备进行可行评价；
根据可行评价结果，确定各目标设备的数量。
第二方面，本发明还提供一种半导体工艺产线设备配置装置，采用如上述半导体工艺产线设备配置方法，包括：
构建模块，构建半导体工艺产线的数据库，并对数据库设置使用权限；
搜索模块，基于数据库使用权限，在工艺子库中获取目标半导体的工艺类型，确定工艺制程路线，解析确定的工艺制程路线，在制程子库中获取每步工艺制程对应的设备类型，并给出设备配置清单，基于设备配置清单，通过设备选型模型遍历设备子库中对应的设备，给出目标设备集，并配置目标设备的生产能力和可用率；
分析确认模块，基于半导体工艺产线的评价策略，确定各目标设备的数量，完成半导体工艺产线设备配置。
本发明提供的一种半导体工艺产线设备配置方法及装置，至少包括如下有益效果：
（1）本发明可对半导体工艺产线进行智能设备选型、产线优化评价以及跨平台联动，形成更科学、更合理和更全面的半导体生产线建设项目数据，且提高半导体制造过程的运作效率。
（2）本发明解决了跨系统的权限管理问题，达到了可共享一套权限管理的目的。解决了现有的系统无法实现多系统数据的跨平台共享，无法满足各领域专业人员的数据需求，多平台间的操作机制单一、数据库授权机制不清晰，限制了不同企业之间用户对数据库的操作权限等问题。
（3）构建的设备选型模型能有效降低工艺制程、目标设备之间预测值和真实值的偏差，并由计算出的关联度取值范围判断工艺制程和目标设备变量的关联程度，从而倾向于给出更好的设备选型配置结果。
（4）半导体产线的优化评估，在继承了多种设备排布、面积规划、先进性评价等基础上，对各个目标设备赋值评价系数，能够快速确定所需目标设备的数量，实现在多维层面的设备配置优化。
附图说明
图1为本发明提供的一种半导体工艺产线设备配置方法流程图；
图2为本发明提供的某一实施例的构建半导体工艺产线数据库的流程示意图；
图3为本发明提供的某一实施例的设备选型模型确定目标设备集的流程示意图；
图4为本发明提供的一种半导体工艺产线设备配置装置示意图。
具体实施方式
为了更好的理解上述技术方案，下面将结合说明书附图以及具体的实施方式对上述技术方案做详细的说明。显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
在本发明实施例中使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本发明。在本发明实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义，“多种”一般包含至少两种。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的商品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种商品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的商品或者装置中还存在另外的相同要素。
如图1所示，本发明提供一种半导体工艺产线设备配置方法，具体包括如下步骤：
构建半导体工艺产线的数据库，并对数据库设置使用权限，其中，数据库包括工艺子库、制程子库和设备子库；
基于数据库使用权限，在工艺子库中获取目标半导体的工艺类型，确定工艺制程路线；
解析确定的工艺制程路线，在制程子库中获取每步工艺制程对应的设备类型，并给出设备配置清单，其中，设备配置清单为各个设备类型的设备信息，包括主工艺设备信息、附属设备信息及设备对比信息的至少一种；
基于设备配置清单，通过设备选型模型遍历设备子库中对应的设备，给出目标设备集，并配置目标设备的生产能力和可用率；
基于半导体工艺产线的评价策略，确定各目标设备的数量，完成半导体工艺产线设备配置。
工艺子库又可以称为工艺组线库，工艺子库中包括各个半导体产品工艺类型及对应的工艺制程路线，在工艺子库中搜索指定的目标半导体产品的工艺类型，可以导出所对应的完整工艺制程路线。制程子库包括各个半导体产品的每一步工艺制程，以及与工艺制程对应的工艺设备类型。设备子库包括每种工艺设备类型对应的各个设备，也包括每台设备生产能力、可用率以及每台设备的占地面积以及对洁净室环境需求等等。
如图2所示，构建半导体工艺产线的数据库，具体包括如下步骤：
获取半导体工艺产线的源数据，识别源数据中的缺失值和异常值；
判定缺失值和异常值的数据类型，并进行筛分，其中，数据类型分为目标参数字段和非目标参数字段；
对源数据中目标参数字段的缺失值和异常值进行归零处理，得到预处理数据源；
将预处理数据源进行标准化格式处理后，对应录入数据库的工艺子库、制程子库及设备子库。
半导体工艺产线的源数据包括各种类型的信息，例如，与半导体产品部分相关的参数信息包括：工厂名称、产品类型、产品尺寸型号、特征线宽、堆叠厚度、堆栈层数等等；与工艺制程路线部分相关的信息，主要选择规划产线产品类型、晶圆尺寸、特征线宽、月产能、其它参数、技术路线六类技术指标，可输出生产设备配置清单（设备种类、型号、数量）、生产设备动力用量总表（电、水、气等使用总量）、生产设备动力用量详表（各系统各规格用量详细情况）、洁净室规划表（各区域洁净等级、温湿度需求、面积等）等。完整项目的源数据可以是Excel的表格，先对原始数据进行缺失值的处理，涉及到的目标参数字段信息为空的缺失值和异常值使用0进行填充，未涉及到的目标参数字段无需进行录入，得到录入数据库中的标准化数据格式。录入的数据划分到工艺子库、制程子库及设备子库中的一个或者多个。
对数据库设置使用权限包括：划分对数据库使用的权限类型，以及与权限类型对应的用户权限，其中，权限类型包括读取、添加、更新以及删除中的至少一种。
其中，基于数据库使用权限，具体包括如下步骤：
数据库接收到用户的请求后，识别用户信息，搜索用户的授权记录；
基于用户的授权记录，分析并确定用户权限；
根据确定的用户权限，给出对应于数据库使用权限的执行信号；
其中，基于用户的授权记录，分析并确定用户权限，具体包括：
若用户存在授权记录，再检索用户权限的更新信息，有更新信息，则依据更新信息，确定用户权限，无更新信息则依据最新的授权记录，确定用户权限；
若用户不存在授权记录，则用户没有数据库使用权限。
在进行设备配置的设计时，所有的用户在菜单权限或者操作权限上或可以相同，也可以不同，单独为每个用户授予权限无疑是很麻烦的。本发明是将所有用户按照权限相同的规则划分为多个角色，再指明每个角色应该被授予的权限，有些用户可能有多个角色。当有新的用户注册时，分配给该用户对应权限的角色即可。
当进行配置操作的用户提交查询或更新时，先执行基于该用户曾获得过的权限，检查此查询或更新是否是授权过的。如果没有经过授权，那么将被拒绝执行。拒绝执行后，也可以设置提醒用户注册的内容，当然不是所有注册的用户都能获得使用权限，某些注册用户的授权是空的。
在制程子库中获取每步工艺制程对应的设备类型，具体包括如下步骤：
获取制程子库中预先设定的工艺制程与设备类型适配关系；
基于制程子库和工艺制程路线，确定每个工艺制程对应的设备类型；
其中，预先设定的工艺制程与设备类型适配关系中各步工艺制程均对应至少一种设备类型，设备类型包括主工艺设备和附属设备；
例如，目标半导体的产品为3D NAND，工艺制程包括Wet clean-BSB、CVD-SiOx-Hard mask、Litho、Dry etch-STI以及Spin-On–oxide等，每步工艺制程均对应至少一种设备类型，Wet clean-BSB对应的设备类型为WET类型。
如图3所示，结合设备配置清单，通过设备选型模型遍历设备子库中对应的设备，给出目标设备集，并配置目标设备的生产能力和可用率，具体包括如下步骤：
以设备配置清单为依据，根据设备配置清单中各个设备类型的设备信息，对设备子库进行初次筛选，得到初筛设备清单；
基于目标半导体的基础属性，以及对应工艺制程的权重，对初筛设备清单进行二次筛选，给出初始目标设备清单；
根据构建的设备选型模型，遍历初始目标设备清单，给出目标设备集；
配置给出各目标设备的生产能力和可用率。
根据设备清单中的主工艺设备信息或者附属设备信息，以及可能存在的设备对比信息，在设备子库中进行初步筛选，把基本符合的设备选出，形成初筛设备清单。当然，初筛设备清单的数据量较大，在此基础上再对初筛设备清单进行二次筛选，二次筛选所依据的条件可以是目标半导体的基础属性，也可以再包括对应每步工艺制程在整个目标半导体工艺制程路线中的权重系数（例如，某个步骤的工艺制程权重系数大，相对整个工艺制程路线更为重要，则需要选择性能更加稳定、参数控制更为精确的设备，并筛除匹配程度一般、性能一般的设备）。二次筛选后，会得到初始目标设备清单。之后，再对初始目标设备清单通过设备选型模型进行最终筛选确定。
其中，目标半导体的基础属性包括目标半导体的型号和尺寸的至少一种。
在以上的初次筛选和二次筛选后，得到的初始目标设备清单更偏向于注重半导体产品和设备对应属性的匹配情况。本发明还继续考虑到半导体产品和设备两者交叉属性间的潜在关系。通常来说，工艺制程可适用于多种设备，一种设备也会被多个工艺制程所选择，属于多对多的关系，为此，可以通过分析交互数据来探索工艺制程的多种类型与设备属性之间的潜在偏好关系。
根据构建的设备选型模型，遍历初始目标设备清单，给出目标设备集，具体包括如下步骤：
获取每步工艺制程的属性，形成工艺制程属性集合U，U={U1，U2，U3，……，Un}；工艺制程的属性即为该工艺制程的操作步骤，例如光刻、显影、化学气相沉积、刻蚀、清洗、离子注入等等；
遍历并分析初始目标设备清单，获取多组初始目标设备的要求属性，形成初始目标设备要求属性集合，J={J11，J12，J13，……，J1m，……，Jp1，Jp2，Jp3，……Jpm}；初始目标设备要求属性则对应设备的型号、厂商、适用领域等等。设备型号可以为93nm光刻机、134nm光刻机等。初始目标设备清单可以组成p组初始目标设备，每组初始目标设备有m个初始目标设备要求属性。
分析工艺制程属性集合与各组初始目标设备要求属性集合的关联程度，并给出关联度集合，关联度集合具体表示为：
其中，为工艺制程属性集合与初始目标设备要求属性集合的关联度集合，Ui为第i个工艺制程属性的抽象数值，n为工艺制程属性的总数，J1j为第1组中第j个初始目标设备要求属性的抽象数值，Jpj为第p组中第j个初始目标设备要求属性的抽象数值，p为初始目标设备的组数，m为每组初始目标设备要求属性的总数；
基于对关联度集合的分析，给出目标设备集。
U1，U2，U3，……，Un等，分别代表每个工艺制程属性所抽象的数值，用以表示此工艺制程在整个工艺组线中所占比例的大小（此处用0...1之间的数字表示），例如，光刻在工艺制程中是重要阶段并且会重复多次，用0至1中的数值表示为0.5；清洗在工艺制程中是次要阶段，用数值表示为0.3；离子注入在工艺制程中占有比例次之，数值属性定为0.15等。J11，J12，J13，……，J1m，……，Jp1，Jp2，Jp3，……Jpm等，分别代表每个初始目标设备要求属性所抽象的数值，对于设备要求属性而言，例如，对于加工12英寸晶圆的设备包含光刻机、离子注入、清洗设备等，它们在同一时间段内加工的晶圆片数就是一种属性信息（可以抽象为一个数值），那么此工艺制程内多个设备的就构成一个加工效率属性的集合。
将工艺制程属性与每组初始目标设备要求属性进行关联度的计算分析，从初始目标设备清单所有的可能性组合中选出最终的目标设备集。相较现有技术中的关联计算和评价，可以消除多个变量之间的冗余影响，使用了设备和工艺制程的真实抽象信息，可以确定不同因素之间的相关度关系。根据相关度中正相关、负相关，或不相关以及相关程度的大小，减少了冗余评价指标的选择，更加客观合理。
基于对关联度集合的分析，给出目标设备集，具体包括如下步骤：
分析比对关联度集合中各个关联度与预设关联度范围，对初始目标设备清单中的各组初始目标设备进行筛选；
对初始目标设备清单中筛选出的各组初始目标设备进行排序；
依据预设的关联度门槛值和筛选出的各组初始目标设备的关联度，剔除未达到关联度门槛值的初始目标设备；
在剩余的各组初始目标设备中确定各组目标设备，给出目标设备集。
关联度集合中关联度的数值越小，说明工艺制程与初始目标设备关联程度越小。关联度的取值范围以及关联度门槛值可以进行预设，预设的数值需要根据具体的应用场景进行确定。确定关联度的取值范围可以筛选出明显不符合的初始目标设备，再对剩余的初始目标设备进行排序。依据关联度门槛值从已排序的初始目标设备清单中确定最终的目标设备，最终给出由各组目标设备组成的目标设备集。
进一步的，基于半导体工艺产线的评价策略，确定各目标设备的数量，具体包括如下步骤：
根据目标半导体的、尺寸，对各目标设备赋予评价系数；
利用生产能力和可用率，对所有目标设备进行可行评价；
根据可行评价结果，确定各目标设备的数量。
获得目标设备集后，最终目标设备的数量确定则需要考虑产线配置的优劣性。产线配置优劣性主要是通过生产能力、可用率等指标进行衡量。各个目标设备对整个目标半导体工艺的重要程度不行，进行评价时需要对目标设备设置不同数值的评价系数，再根据要求的整个产线生产能力和可用率进行评价，从而最终确定各个目标设备的数量。
如图4所示，本发明还提供一种半导体工艺产线设备配置装置，采用如上述半导体工艺产线设备配置方法，包括：
构建模块，构建半导体工艺产线的数据库，并对数据库设置使用权限；
搜索模块，基于数据库使用权限，在工艺子库中获取目标半导体的工艺类型，确定工艺制程路线，解析确定的工艺制程路线，在制程子库中获取每步工艺制程对应的设备类型，并给出设备配置清单，基于设备配置清单，通过设备选型模型遍历设备子库中对应的设备，给出目标设备集，并配置目标设备的生产能力和可用率；
分析确认模块，基于半导体工艺产线的评价策略，确定各目标设备的数量，完成半导体工艺产线设备配置。
本发明通过构建存在使用权限的半导体工艺产线的数据库，在工艺子库中获取目标半导体的工艺类型，确定工艺制程路线，在制程子库中获取每步工艺制程对应的设备类型，通过设备选型模型遍历设备子库中对应的设备，给出目标设备集，并配置目标设备的生产能力和可用率，基于半导体工艺产线的评价策略，确定目标设备的数量。可对半导体工艺产线进行智能设备选型、产线优化评价以及跨平台联动，形成更科学、更合理和更全面的半导体生产线建设项目数据，且提高半导体制造过程的运作效率。
尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
Claims (10)
1.一种半导体工艺产线设备配置方法，其特征在于，具体包括如下步骤：
构建半导体工艺产线的数据库，并对数据库设置使用权限，其中，数据库包括工艺子库、制程子库和设备子库；
基于数据库使用权限，在工艺子库中获取目标半导体的工艺类型，确定工艺制程路线；
解析确定的工艺制程路线，在制程子库中获取每步工艺制程对应的设备类型，并给出设备配置清单，其中，设备配置清单为各个设备类型的设备信息，包括主工艺设备信息、附属设备信息及设备对比信息的至少一种；
基于设备配置清单，通过设备选型模型遍历设备子库中对应的设备，给出目标设备集，并配置目标设备的生产能力和可用率；
基于半导体工艺产线的评价策略，确定各目标设备的数量，完成半导体工艺产线设备配置。
2.如权利要求1所述半导体工艺产线设备配置方法，其特征在于，构建半导体工艺产线的数据库，具体包括如下步骤：
获取半导体工艺产线的源数据，识别源数据中的缺失值和异常值；
判定缺失值和异常值的数据类型，并进行筛分，其中，数据类型分为目标参数字段和非目标参数字段；
对源数据中目标参数字段的缺失值和异常值进行归零处理，得到预处理数据源；
将预处理数据源进行标准化格式处理后，对应录入数据库的工艺子库、制程子库及设备子库。
3.如权利要求1所述半导体工艺产线设备配置方法，其特征在于，对数据库设置使用权限包括：划分对数据库使用的权限类型，以及与权限类型对应的用户权限，其中，权限类型包括读取、添加、更新以及删除中的至少一种。
4.如权利要求3所述半导体工艺产线设备配置方法，其特征在于，基于数据库使用权限，具体包括如下步骤：
数据库接收到用户的请求后，识别用户信息，搜索用户的授权记录；
基于用户的授权记录，分析并确定用户权限；
根据确定的用户权限，给出对应于数据库使用权限的执行信号；
其中，基于用户的授权记录，分析并确定用户权限，具体包括：
若用户存在授权记录，再检索用户权限的更新信息，有更新信息，则依据更新信息，确定用户权限，无更新信息则依据最新的授权记录，确定用户权限；
若用户不存在授权记录，则用户没有数据库使用权限。
5.如权利要求1所述半导体工艺产线设备配置方法，其特征在于，在制程子库中获取每步工艺制程对应的设备类型，具体包括如下步骤：
获取制程子库中预先设定的工艺制程与设备类型适配关系；
基于制程子库和工艺制程路线，确定每个工艺制程对应的设备类型；
其中，预先设定的工艺制程与设备类型适配关系中各步工艺制程均对应至少一种设备类型，设备类型包括主工艺设备和附属设备；
基于设备配置清单，通过设备选型模型遍历设备子库中对应的设备，给出目标设备集，并配置目标设备的生产能力和可用率，具体包括如下步骤：
以设备配置清单为依据，根据设备配置清单中各个设备类型的设备信息，对设备子库进行初次筛选，得到初筛设备清单；
基于目标半导体的基础属性，以及对应工艺制程的权重，对初筛设备清单进行二次筛选，给出初始目标设备清单；
根据构建的设备选型模型，遍历初始目标设备清单，给出目标设备集；
配置给出各目标设备的生产能力和可用率。
6.如权利要求5所述半导体工艺产线设备配置方法，其特征在于，目标半导体的基础属性包括目标半导体的型号和尺寸的至少一种。
7.如权利要求5所述半导体工艺产线设备配置方法，其特征在于，根据构建的设备选型模型，遍历初始目标设备清单，给出目标设备集，具体包括如下步骤：
获取每步工艺制程的属性，形成工艺制程属性集合，U={U1，U2，U3，……，Un}；
遍历并分析初始目标设备清单，获取多组初始目标设备的要求属性，形成初始目标设备要求属性集合J，J={J11，J12，J13，……，J1m，……，Jp1，Jp2，Jp3，……Jpm}；
分析工艺制程属性集合与各组初始目标设备要求属性集合的关联程度，并给出关联度集合，关联度集合具体表示为：
；
其中，为工艺制程属性集合与初始目标设备要求属性集合的关联度集合，Ui为第i个工艺制程属性的抽象数值，n为工艺制程属性的总数，J1j为第1组中第j个初始目标设备要求属性的抽象数值，Jpj为第p组中第j个初始目标设备要求属性的抽象数值，p为初始目标设备的组数，m为每组初始目标设备要求属性的总数；
基于对关联度集合的分析，给出目标设备集。
8.如权利要求7所述半导体工艺产线设备配置方法，其特征在于，基于对关联度集合的分析，给出目标设备集，具体包括如下步骤：
分析比对关联度集合中各个关联度与预设关联度范围，对初始目标设备清单中的各组初始目标设备进行筛选；
对初始目标设备清单中筛选出的各组初始目标设备进行排序；
依据预设的关联度门槛值和筛选出的各组初始目标设备的关联度，剔除未达到关联度门槛值的初始目标设备；
在剩余的各组初始目标设备中确定各组目标设备，给出目标设备集。
9.如权利要求1所述半导体工艺产线设备配置方法，其特征在于，基于半导体工艺产线的评价策略，确定各目标设备的数量，具体包括如下步骤：
根据目标半导体的型号和/或尺寸，对各目标设备赋予评价系数；
利用生产能力和可用率，对所有目标设备进行可行评价；
根据可行评价结果，确定各目标设备的数量。
10.一种半导体工艺产线设备配置装置，其特征在于，采用如权利要求1-9任一所述半导体工艺产线设备配置方法，包括：
构建模块，构建半导体工艺产线的数据库，并对数据库设置使用权限；
搜索模块，基于数据库使用权限，在工艺子库中获取目标半导体的工艺类型，确定工艺制程路线，解析确定的工艺制程路线，在制程子库中获取每步工艺制程对应的设备类型，并给出设备配置清单，基于设备配置清单，通过设备选型模型遍历设备子库中对应的设备，给出目标设备集，并配置目标设备的生产能力和可用率；
分析确认模块，基于半导体工艺产线的评价策略，确定各目标设备的数量，完成半导体工艺产线设备配置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310285804.XA CN115994457B (zh) | 2023-03-22 | 2023-03-22 | 一种半导体工艺产线设备配置方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310285804.XA CN115994457B (zh) | 2023-03-22 | 2023-03-22 | 一种半导体工艺产线设备配置方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115994457A true CN115994457A (zh) | 2023-04-21 |
| CN115994457B CN115994457B (zh) | 2023-06-09 |
Family
ID=85993801
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310285804.XA Active CN115994457B (zh) | 2023-03-22 | 2023-03-22 | 一种半导体工艺产线设备配置方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115994457B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117077458A (zh) * | 2023-10-17 | 2023-11-17 | 中国电子工程设计院股份有限公司 | 一种电子产品生产线的动态仿真模型构建方法及装置 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20120102441A1 (en) * | 2010-10-21 | 2012-04-26 | Texas Instruments Incorporated | Marker layer to facilitate mask build with interactive layers |
| CN113868484A (zh) * | 2021-08-30 | 2021-12-31 | 北京北方华创微电子装备有限公司 | 一种半导体工艺设备数据采集方法、装置和系统 |
| CN114386092A (zh) * | 2021-12-20 | 2022-04-22 | 西安北方华创微电子装备有限公司 | 应用于半导体工艺设备的权限控制方法和半导体工艺设备 |
| CN114462973A (zh) * | 2022-02-10 | 2022-05-10 | 中国电子工程设计院有限公司 | 一种集成电路工厂项目投资生成方法及系统 |
| CN114741844A (zh) * | 2022-03-11 | 2022-07-12 | 兰斌 | 静设备腐蚀监控方法、装置、设备及存储介质 |
| CN115202311A (zh) * | 2022-08-30 | 2022-10-18 | 长鑫存储技术有限公司 | 一种半导体生产排程方法、系统、设备及存储介质 |
| CN115826548A (zh) * | 2023-02-22 | 2023-03-21 | 中国电子工程设计院有限公司 | 一种动态模拟半导体生产系统废气处理的方法及装置 |
-
2023
- 2023-03-22 CN CN202310285804.XA patent/CN115994457B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20120102441A1 (en) * | 2010-10-21 | 2012-04-26 | Texas Instruments Incorporated | Marker layer to facilitate mask build with interactive layers |
| CN113868484A (zh) * | 2021-08-30 | 2021-12-31 | 北京北方华创微电子装备有限公司 | 一种半导体工艺设备数据采集方法、装置和系统 |
| CN114386092A (zh) * | 2021-12-20 | 2022-04-22 | 西安北方华创微电子装备有限公司 | 应用于半导体工艺设备的权限控制方法和半导体工艺设备 |
| CN114462973A (zh) * | 2022-02-10 | 2022-05-10 | 中国电子工程设计院有限公司 | 一种集成电路工厂项目投资生成方法及系统 |
| CN114741844A (zh) * | 2022-03-11 | 2022-07-12 | 兰斌 | 静设备腐蚀监控方法、装置、设备及存储介质 |
| CN115202311A (zh) * | 2022-08-30 | 2022-10-18 | 长鑫存储技术有限公司 | 一种半导体生产排程方法、系统、设备及存储介质 |
| CN115826548A (zh) * | 2023-02-22 | 2023-03-21 | 中国电子工程设计院有限公司 | 一种动态模拟半导体生产系统废气处理的方法及装置 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117077458A (zh) * | 2023-10-17 | 2023-11-17 | 中国电子工程设计院股份有限公司 | 一种电子产品生产线的动态仿真模型构建方法及装置 |
| CN117077458B (zh) * | 2023-10-17 | 2024-02-13 | 中国电子工程设计院股份有限公司 | 一种电子产品生产线的动态仿真模型构建方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115994457B (zh) | 2023-06-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Negahban et al. | Simulation for manufacturing system design and operation: Literature review and analysis | |
| Lin et al. | Considering stockers in reentrant hybrid flow shop scheduling with limited buffer capacity | |
| CN110163429B (zh) | 一种基于相似日优化筛选的短期负荷预测方法 | |
| CN115994457B (zh) | 一种半导体工艺产线设备配置方法及装置 | |
| CN107479509A (zh) | 用于控制设备工程系统的良品率预测反馈 | |
| KR102003961B1 (ko) | 수율 손실의 근원 파악 시스템 및 방법 | |
| Xu et al. | Hybrid feature selection for wafer acceptance test parameters in semiconductor manufacturing | |
| GB2585890A (en) | System for distributed data processing using clustering | |
| TWI724365B (zh) | 基於製程參數來標示基板之方法 | |
| US11320743B2 (en) | Method to label substrates based on process parameters | |
| CN115796372A (zh) | 一种基于scor的供应链管理优化方法及系统 | |
| Karimi-Mamaghan et al. | A learning-based metaheuristic for a multi-objective agile inspection planning model under uncertainty | |
| Chien et al. | Tool allocation to smooth work-in-process for cycle time reduction and an empirical study | |
| JP2023511464A (ja) | 製品不良要因を分析するシステム及び方法、コンピュータ可読媒体 | |
| Lin et al. | A simulation-based optimization approach for a semiconductor photobay with automated material handling system | |
| CN115600774A (zh) | 一种装配式建筑构件产线的多目标生产调度优化方法 | |
| Su et al. | Intelligent scheduling controller for shop floor control systems: a hybrid genetic algorithm/decision tree learning approach | |
| CN108921324A (zh) | 基于配变聚类的台区短期负荷预测方法 | |
| CN109241190A (zh) | 电力大数据混合计算架构 | |
| Li et al. | Using intelligent technology and real-time feedback algorithm to improve manufacturing process in IoT semiconductor industry | |
| Horng et al. | Apply ordinal optimization to optimize the job-shop scheduling under uncertain processing times | |
| Seok et al. | Hierarchical aggregation/disaggregation for adaptive abstraction-level conversion in digital twin-based smart semiconductor manufacturing | |
| Li et al. | An efficient adaptive dispatching method for semiconductor wafer fabrication facility | |
| Ren et al. | Multi-criterion decision making for disassembly line balancing problem | |
| Gaiardelli et al. | Dynamic Job and Conveyor-Based Transport Joint Scheduling in Flexible Manufacturing Systems |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CP03 | Change of name, title or address |
Address after: No. 160, West Fourth Ring North Road, Haidian District, Beijing Patentee after: China Electronics Engineering Design Institute Co.,Ltd. Country or region after: China Address before: No. 160, West Fourth Ring North Road, Haidian District, Beijing Patentee before: CHINA ELECTRONICS ENGINEERING DESIGN INSTITUTE Co.,Ltd. Country or region before: China |
|
| CP03 | Change of name, title or address |