CN116913815B - 一种高温cvd生产制程的控制方法、装置及存储介质 - Google Patents
一种高温cvd生产制程的控制方法、装置及存储介质 Download PDFInfo
- Publication number
- CN116913815B CN116913815B CN202310923795.2A CN202310923795A CN116913815B CN 116913815 B CN116913815 B CN 116913815B CN 202310923795 A CN202310923795 A CN 202310923795A CN 116913815 B CN116913815 B CN 116913815B
- Authority
- CN
- China
- Prior art keywords
- sample data
- data sets
- intercept
- value
- ewma
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 80
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 28
- 238000003860 storage Methods 0.000 title claims abstract description 13
- 238000001514 detection method Methods 0.000 claims abstract description 69
- 230000008569 process Effects 0.000 claims abstract description 56
- 230000009471 action Effects 0.000 claims description 10
- 238000005259 measurement Methods 0.000 claims description 6
- 238000006116 polymerization reaction Methods 0.000 claims description 6
- 230000000750 progressive effect Effects 0.000 claims description 6
- 230000000379 polymerizing effect Effects 0.000 abstract 1
- 238000013461 design Methods 0.000 description 20
- 235000012431 wafers Nutrition 0.000 description 10
- 238000004891 communication Methods 0.000 description 7
- 238000000151 deposition Methods 0.000 description 5
- 230000008021 deposition Effects 0.000 description 5
- 238000005234 chemical deposition Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 239000004065 semiconductor Substances 0.000 description 3
- 238000005229 chemical vapour deposition Methods 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 238000012417 linear regression Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 239000000047 product Substances 0.000 description 2
- 238000004220 aggregation Methods 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000012467 final product Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000004801 process automation Methods 0.000 description 1
- 238000004886 process control Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
- H01L21/00—Processes or apparatus adapted for the manufacture or treatment of semiconductor or solid state devices or of parts thereof
- H01L21/67—Apparatus specially adapted for handling semiconductor or electric solid state devices during manufacture or treatment thereof; Apparatus specially adapted for handling wafers during manufacture or treatment of semiconductor or electric solid state devices or components ; Apparatus not specifically provided for elsewhere
- H01L21/67005—Apparatus not specifically provided for elsewhere
- H01L21/67242—Apparatus for monitoring, sorting or marking
- H01L21/67253—Process monitoring, e.g. flow or thickness monitoring
-
- C—CHEMISTRY; METALLURGY
- C23—COATING METALLIC MATERIAL; COATING MATERIAL WITH METALLIC MATERIAL; CHEMICAL SURFACE TREATMENT; DIFFUSION TREATMENT OF METALLIC MATERIAL; COATING BY VACUUM EVAPORATION, BY SPUTTERING, BY ION IMPLANTATION OR BY CHEMICAL VAPOUR DEPOSITION, IN GENERAL; INHIBITING CORROSION OF METALLIC MATERIAL OR INCRUSTATION IN GENERAL
- C23C—COATING METALLIC MATERIAL; COATING MATERIAL WITH METALLIC MATERIAL; SURFACE TREATMENT OF METALLIC MATERIAL BY DIFFUSION INTO THE SURFACE, BY CHEMICAL CONVERSION OR SUBSTITUTION; COATING BY VACUUM EVAPORATION, BY SPUTTERING, BY ION IMPLANTATION OR BY CHEMICAL VAPOUR DEPOSITION, IN GENERAL
- C23C16/00—Chemical coating by decomposition of gaseous compounds, without leaving reaction products of surface material in the coating, i.e. chemical vapour deposition [CVD] processes
- C23C16/44—Chemical coating by decomposition of gaseous compounds, without leaving reaction products of surface material in the coating, i.e. chemical vapour deposition [CVD] processes characterised by the method of coating
- C23C16/52—Controlling or regulating the coating process
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
- H01L21/00—Processes or apparatus adapted for the manufacture or treatment of semiconductor or solid state devices or of parts thereof
- H01L21/67—Apparatus specially adapted for handling semiconductor or electric solid state devices during manufacture or treatment thereof; Apparatus specially adapted for handling wafers during manufacture or treatment of semiconductor or electric solid state devices or components ; Apparatus not specifically provided for elsewhere
- H01L21/67005—Apparatus not specifically provided for elsewhere
- H01L21/67011—Apparatus for manufacture or treatment
- H01L21/67017—Apparatus for fluid treatment
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
- H01L21/00—Processes or apparatus adapted for the manufacture or treatment of semiconductor or solid state devices or of parts thereof
- H01L21/67—Apparatus specially adapted for handling semiconductor or electric solid state devices during manufacture or treatment thereof; Apparatus specially adapted for handling wafers during manufacture or treatment of semiconductor or electric solid state devices or components ; Apparatus not specifically provided for elsewhere
- H01L21/67005—Apparatus not specifically provided for elsewhere
- H01L21/67242—Apparatus for monitoring, sorting or marking
- H01L21/67276—Production flow monitoring, e.g. for increasing throughput
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
- H01L22/00—Testing or measuring during manufacture or treatment; Reliability measurements, i.e. testing of parts without further processing to modify the parts as such; Structural arrangements therefor
- H01L22/10—Measuring as part of the manufacturing process
- H01L22/12—Measuring as part of the manufacturing process for structural parameters, e.g. thickness, line width, refractive index, temperature, warp, bond strength, defects, optical inspection, electrical measurement of structural dimensions, metallurgic measurement of diffusions
-
- 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
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Abstract
本发明公开了一种高温CVD生产制程的控制方法、装置及存储介质，用于在高温CVD生产制程中提高控制器的鲁棒性和适用性，该方法包括：基于高温CVD工艺机台的检测维度，将其在生产制程中检测到的膜厚数据分割为若干个样本数据集再分别聚合成设定阈值，获得并将若干个设定阈值分别对应作为控制器的若干个EWMA控制回路的受控目标反馈值；若确定任一EWMA控制回路首次运行，则基于其对应的受控目标反馈值，初始化其截距，并跳过当前批次的调整；或者，若确定任一EWMA控制回路非首次运行，则采用模糊控制方式更新其截距，以使其预测值始终能够收敛回控制范围内；基于截距确定并将控制器的输出值返给高温CVD工艺机台。
Description
技术领域
本发明涉及光伏/半导体过程控制与自动化技术领域，特别是涉及一种高温CVD生产制程的控制方法、装置及存储介质。
背景技术
随着光伏/半导体行业的不断发展，系统集成度不断提高、晶元尺寸不断增大，生产过程复杂化、精细化，对自动化水平提出了更高的要求。近年来，Run-to-Run(R2R)控制即批次控制逐渐在光伏/半导体领域得到应用，其对于提升产品质量一致性、提高产品良率有重要意义。
指数加权移动平均(Exponentially Weighted Moving Average，EWMA)控制算法是应用最广泛的一种R2R控制算法。但是，传统的EWMA算法大多是“单入单出”(Single-in-Single-out，SISO)模型，无法满足多输入场景的控制需求，如在高温化学气相沉积(Chemical Vapor Deposition，CVD)过程中，沉积温度、沉积时间、气体流量等均会影响最终的沉积厚度。另外，实际生产过程存在检测误差，但由于传统的EWMA算法大多是精确控制算法，容易导致控制器对误差产生响应，造成不必要的调整。
综上，有必要设计一种在高温CVD生产制程中可以提高控制器的鲁棒性和适用性的控制方案。
发明内容
基于此，本发明的目的在于提供一种高温CVD生产制程的控制方法、装置及存储介质，用于在高温CVD生产制程中提高控制器的鲁棒性和适用性。具体地，本发明在传统EWMA算法的基础上，提出一种改进的EWMA算法，通过应用多变量回归模型实现前馈控制功能，以及通过应用模糊控制理念提升控制器的鲁棒性和适用性。
第一方面，本发明提供了一种高温CVD生产制程的控制方法，包括：
获取高温CVD工艺机台在生产制程中检测到的膜厚数据；
基于所述高温CVD工艺机台的检测维度，将所述膜厚数据分割为若干个样本数据集，并分别将若干个所述样本数据集聚合成设定阈值，获得若干个设定阈值；
将若干个所述设定阈值分别对应作为控制器的若干个EWMA控制回路的受控目标反馈值；
若确定任一所述EWMA控制回路首次运行，则基于任一所述EWMA控制回路对应的受控目标反馈值，初始化任一所述EWMA控制回路的截距，并跳过当前批次的调整；或者，
若确定任一所述EWMA控制回路非首次运行，则采用模糊控制方式更新任一所述EWMA控制回路的截距，以使任一所述EWMA控制回路的预测值始终能够收敛回所述控制范围内；基于所述截距确定所述控制器的输出值，并将所述输出值返给所述高温CVD工艺机台。
在一种可能的设计中，所述检测维度包括依次递进的第1级检测子维度至第N级检测子维度，N为大于1的整数；基于所述高温CVD工艺机台的检测维度，将所述膜厚数据分割为若干个样本数据集，包括：
若N等于2，先基于所述第1级检测子维度，将所述膜厚数据分割成M个第一级样本数据集；再基于所述第N级检测子维度，将任一所述第一级样本数据集分割成L个第二级样本数据集，获得若干个所述样本数据集；或者，
若N大于2，先基于所述第1级检测子维度，将所述膜厚数据分割成M个第一级样本数据集；再基于第2级检测子维度，将任一所述第一级样本数据集分割成L个第二级样本数据集，以此类推，最后基于所述第N级检测子维度，将任一第N-1级样本数据集分割成H个第N级样本数据集，获得若干个所述样本数据集。
在一种可能的设计中，所述设定阈值为平均值、标准变差、最大值和最小值中的一种。
在一种可能的设计中，基于任一所述EWMA控制回路对应的受控目标反馈值，初始化任一所述EWMA控制回路的截距，包括：
基于任一所述EWMA控制回路对应的受控目标反馈值，按照如下截距初始化公式初始化任一所述EWMA控制回路的截距；
所述截距初始化公式表示为：
C(i-1)＝yi-Axi+AF,ixF,i
其中，C(i-1)当前表示为初始化截距，yi表示为所述受控目标反馈值，xi表示为第i个过程输入，A表示为增益，AF,i表示为xi对应的前馈增益，xF,i表示为xi对应的前馈变量。
在一种可能的设计中，任一所述EWMA控制回路的控制逻辑公式为：
Y(i)＝Ax(i)+AF,ixFi+C(i-1)
其中，Y(i)表示为任一所述EWMA控制回路的预测值，A表示为增益，xi表示为第i个过程输入，AF,i表示为xi对应的前馈增益，xF,i表示为xi对应的前馈变量，C(i-1)当前表示为上一执行周期的截距。
在一种可能的设计中，采用模糊控制方式更新任一所述EWMA控制回路的截距，以使任一所述EWMA控制回路的预测值收敛回所述控制范围内，包括：
基于预设更新公式，采用模糊控制方式更新任一所述EWMA控制回路的截距，以使所述预测值收敛回所述控制范围内；
其中，所述预设更新公式表示为：
C(i)＝w×[Y(i)-Ax(i)-AF,ixF,i]+(1-w)×C(i-1)
其中，C(i)表示为当前执行周期的截距，w表示为指数加权系数。
在一种可能的设计中，基于预设更新公式，采用模糊控制方式更新任一所述EWMA控制回路的截距，以使所述预测值收敛回所述控制范围内，包括：
若确定所述预测值位于测量误差允许范围[M-a,M+a]内，所述控制器不执行控制动作，更新所述截距；或者，
若确定所述预测值位于内控允许范围[M-b,M+b]内，从第一取值范围内选取出第一指数加权平均系数，并基于所述第一指数加权平均系数和所述基于预设更新公式更新所述截距；或者，
若确定所述预测值位于流通限范围[M-c,M-b]或[M+b,M+c]内，从第二取值范围内选取出第二指数加权平均系数，并基于所述第二指数加权平均系数和所述基于预设更新公式更新所述截距；
其中，所述第二取值范围的最小取值大于所述第一取值范围的最大取值，M为任一所述EWMA控制回路控制中心值，a、b、c为常数，a<b<c。
第二方面，本发明还提供了一种计算机装置，包括：
多维聚合单元，用于获取高温CVD工艺机台在生产制程中检测到的膜厚数据；基于所述高温CVD工艺机台的检测维度，将所述膜厚数据分割为若干个样本数据集，并分别将若干个所述样本数据集聚合成设定阈值，获得若干个设定阈值；将若干个所述设定阈值分别对应作为控制器的若干个EWMA控制回路的受控目标反馈值；
控制单元，用于若确定任一所述EWMA控制回路首次运行，则基于任一所述EWMA控制回路对应的受控目标反馈值，初始化任一所述EWMA控制回路的截距，并跳过当前批次的调整；或者，若确定任一所述EWMA控制回路非首次运行，则采用模糊控制方式更新任一所述EWMA控制回路的截距，以使任一所述EWMA控制回路的预测值始终能够收敛回所述控制范围内；基于所述截距确定所述控制器的输出值，并将所述输出值返给所述高温CVD工艺机台。
在一种可能的设计中，所述检测维度包括依次递进的第1级检测子维度至第N级检测子维度，N为大于1的整数；所述多维聚合单元具体用于：
若N等于2，先基于所述第1级检测子维度，将所述膜厚数据分割成M个第一级样本数据集；再基于所述第N级检测子维度，将任一所述第一级样本数据集分割成L个第二级样本数据集，获得若干个所述样本数据集；或者，
若N大于2，先基于所述第1级检测子维度，将所述膜厚数据分割成M个第一级样本数据集；再基于第2级检测子维度，将任一所述第一级样本数据集分割成L个第二级样本数据集，以此类推，最后基于所述第N级检测子维度，将任一第N-1级样本数据集分割成H个第N级样本数据集，获得若干个所述样本数据集。
在一种可能的设计中，所述设定阈值为平均值、标准变差、最大值和最小值中的一种。
在一种可能的设计中，所述控制单元具体用于：
基于任一所述EWMA控制回路对应的受控目标反馈值，按照如下截距初始化公式初始化任一所述EWMA控制回路的截距；
所述截距初始化公式表示为：
C(i-1)＝yi-Axi+AF,ixF,i
其中，C(i-1)当前表示为初始化截距，yi表示为所述受控目标反馈值，xi表示为第i个过程输入，A表示为增益，AF,i表示为xi对应的前馈增益，xF,i表示为xi对应的前馈变量。
在一种可能的设计中，任一所述EWMA控制回路的控制逻辑公式为：
Y(i)＝Ax(i)+AF,ixFi+C(i-1)
其中，Y(i)表示为任一所述EWMA控制回路的预测值，A表示为增益，xi表示为第i个过程输入，AF,i表示为xi对应的前馈增益，xF,i表示为xi对应的前馈变量，C(i-1)当前表示为上一执行周期的截距。
在一种可能的设计中，所述控制单元具体用于：
基于预设更新公式，采用模糊控制方式更新任一所述EWMA控制回路的截距，以使所述预测值收敛回所述控制范围内；
其中，所述预设更新公式表示为：
C(i)＝w×[Y(i)-Ax(i)-AF,ixF,i]+(1-w)×C(i-1)
其中，C(i)表示为当前执行周期的截距，w表示为指数加权系数。
在一种可能的设计中，所述控制单元具体用于：
若确定所述预测值位于测量误差允许范围[M-a,M+a]内，所述控制器不执行控制动作，更新所述截距；或者，
若确定所述预测值位于内控允许范围[M-b,M+b]内，从第一取值范围内选取出第一指数加权平均系数，并基于所述第一指数加权平均系数和所述基于预设更新公式更新所述截距；或者，
若确定所述预测值位于流通限范围[M-c,M-b]或[M+b,M+c]内，从第二取值范围内选取出第二指数加权平均系数，并基于所述第二指数加权平均系数和所述基于预设更新公式更新所述截距；
其中，所述第二取值范围的最小取值大于所述第一取值范围的最大取值，M为任一所述EWMA控制回路控制中心值，a、b、c为常数，a<b<c。
第三方面，本发明还提供了一种计算机装置，包括：至少一个存储器和至少一个处理器；
所述至少一个存储器用于存储一个或多个程序；
当所述一个或多个程序被所述至少一个处理器执行时，实现上述第一方面任一种可能设计所涉及的方法。
第四方面，本发明还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有至少一个程序；当所述至少一个程序被处理器执行时，实现上述第一方面任一种可能设计所涉及的方法。
本发明的有益效果如下：
相较于现有技术而言，本发明通过将高温CVD工艺机台在生产制程中检测到的膜厚数据按照检测维度进行分割再进行聚合，再将若干个设定阈值分别对应作为控制器的若干个EWMA控制回路的受控目标反馈值，可以方便实现各个子区域的精细控制，有助于提高控制器的鲁棒性和适用性。进一步的，通过在任一EWMA控制回路首次运行的过程中，采全置信方式，用当前的设定阈值来实现截距的初始化，从而可以在任一EWMA控制回路首次运行的过程中，提高控制器的鲁棒性和适用性。进一步的，通过在任一EWMA控制回路非首次运行的过程中，采用模糊控制方式更新任一EWMA控制回路的截距，可以采用不同的控制强度进行控制调整，有助于实现高温CVD过程的膜厚指标的自动优化调节，相比传统的EWMA算法而言，可以提高控制器的鲁棒性和适用性。
为了更好地理解和实施，下面结合附图详细说明本发明。
附图说明
图1为本发明提供的一种高温CVD生产制程的控制方法的流程示意图；
图2为本发明提供的一种膜厚数据分割聚合的示意图；
图3为本发明提供的一种EWMA控制路逻辑的示意图；
图4为本发明提供的一种计算机装置的结构示意图；
图5为本发明提供的另一种计算机装置的结构示意图。
具体实施方式
在本说明书中提到或者可能提到的上、下、左、右、前、后、正面、背面、顶部、底部等方位用语是相对于其构造进行定义的，它们是相对的概念。因此，有可能会根据其所处不同位置、不同使用状态而进行相应地变化。所以，也不应当将这些或者其他的方位用语解释为限制性用语。
以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反，它们仅是与本发明的一些方面相一致的实施方式的例子。
在本说明书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。在本说明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。还应当理解，本说明书中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
除非有相反的说明，本说明书中提及的“第一”、“第二”等序数词用于对多个对象进行区分，不用于限定多个对象的顺序、时序、优先级或者重要程度。
下面将结合附图对本发明的技术方案进行详细介绍。
请参考图1所示，本发明提供的高温CVD生产制程的控制方法，可以包括如下步骤：
S11、获取高温CVD工艺机台在生产制程中检测到的膜厚数据。
作为一种示例，在一台高温气相化学沉积工艺机台中，可能包含多根管式炉，每根管式炉又可以分为多个控制区段，每个控制区段还可能进一步分为数个子区域。不同的子区域可能都包含一定数量的晶圆。在高温气相化学沉积工艺机台的下料端配置一台膜厚检测设备，负责检测所有晶圆，则高温气相化学沉积工艺机台的每一个检测结果都可以包含管号/区段号/区域号/片位等信号，即膜厚数据可以包含管号/区段号/区域号/片位等信号。
S12、基于高温CVD工艺机台的检测维度，将膜厚数据分割为若干个样本数据集，并分别将若干个样本数据集聚合成设定阈值，获得若干个设定阈值。
作为一种示例，由于在一台高温气相化学沉积工艺机台中，可能包含多根管式炉，每根管式炉又可以分为多个控制区段，每个控制区段还可能进一步分为数个子区域，不同的子区域可能都包含一定数量的晶圆，基于此，高温CVD工艺机台的检测维度可以包含依次递进的第1级检测子维度至第N级检测子维度，N为大于1的整数。比如，第1级检测子维度为管式炉，第2级检测子维度为控制区段，第3级检测子维度为子区域，第4级检测子维度为晶圆。
在具体实施时，若N等于2，可以先基于第1级检测子维度，将膜厚数据分割成M个第一级样本数据集，再基于第N级检测子维度，将任一第一级样本数据集分割成L个第二级样本数据集，即可获得若干个所述样本数据集。或者，若N大于2，可以先基于第1级检测子维度，将膜厚数据分割成M个第一级样本数据集，再基于第2级检测子维度，将任一第一级样本数据集分割成L个第二级样本数据集，以此类推，最后基于第N级检测子维度，将任一第N-1级样本数据集分割成H个第N级样本数据集，即可获得若干个所述样本数据集。
比如，若N等于2，高温CVD工艺机台的检测维度可以设置为管式炉和控制区段，此时，可以先基于管式炉，将膜厚数据分割成与管式炉对应的M个第一级样本数据集，再基于控制区段，将任一第一级样本数据集分割成与控制区段对应的L个第二级样本数据集，即可获得若干个样本数据集，换言之，若干个样本数据集包括任一第一级样本数据分割成的L个第二级样本数据集。
再比如，若N大于2，高温CVD工艺机台的检测维度可以设置为管式炉、控制区段、子区域和晶圆，此时，可以先基于管式炉，将膜厚数据分割成与管式炉对应的M个第一级样本数据集，再基于控制区段，将任一第一级样本数据集分割成与控制区段对应的L个第二级样本数据集，以此类推，最后基于晶圆将任一级第三级样本数据集分割成与晶圆对应的H个第四级样本数据集，即可获得若干个样本数据集，换言之，若干个样本数据集包括任一第三级样本数据集分割成的H个第四级样本数据集。
在具体实施时，如图2所示，可以分别将若干个样本数据集聚合成设定阈值，获得若干个设定阈值。其中，该设定阈值可以为平均值、标准变差、最大值和最小值等值中的一种。
在本发明中，通过将高温CVD工艺机台在生产制程中检测到的膜厚数据按照检测维度进行分割再进行聚合，可以方便实现各个子区域的精细控制，有助于提高控制器的鲁棒性和适用性。
S13、将若干个设定阈值分别对应作为控制器的若干个EWMA控制回路的受控目标反馈值。
即一个设定阈值作为一个EWMA控制回路的受控目标反馈值。
在本发明中，通过将若干个设定阈值分别对应作为控制器的若干个EWMA控制回路的受控目标反馈值，可以实现各个子区域的精细控制，有助于提高控制器的鲁棒性和适用性。
S14、判断任一EWMA控制回路是否首次运行。若确定任一EWMA控制回路首次运行，则执行步骤S15，或者，若确定任一EWMA控制回路非首次运行，则执行步骤S16。
在具体实施时，若确定任一EWMA控制回路首次运行，不会存在截距C(i-1)，即上一执行周期的截距C(i)，基于此，如图3所示，则可以采全置信方式，用当前的设定阈值来实现截距的初始化，即执行步骤S15。
在具体实施时，若确定任一EWMA控制回路非首次运行，则会存在上一执行周期的截距C(i-1)，此时，如图3所示，可以执行步骤S16，以控制任一EWMA控制回路的预测值收敛到控制范围内。
S15、基于任一EWMA控制回路对应的受控目标反馈值，初始化任一EWMA控制回路的截距，并跳过当前批次的调整。
在具体实施时，可以基于任一EWMA控制回路对应的受控目标反馈值，按照截距初始化公式初始化任一EWMA控制回路的截距。
示例性的，该截距初始化公式(1)可以表示为：
C(i-1)＝yi-Axi+AF,ixF,i (1)
其中，C(i-1)当前表示为初始化截距，yi表示为受控目标反馈值，xi表示为第i个过程输入(如沉积温度、沉积时间、气体流量等)，A表示为增益，AF,i表示为xi对应的前馈增益，xF,i表示为xi对应的前馈变量。
在具体实施时，初始化任一EWMA控制回路的截距后，可以跳过当前批次的调整，控制器无需执行调整动作。
在本发明中，通过执行步骤S14和步骤S15，可以在任一EWMA控制回路首次运行的过程中，提高控制器的鲁棒性和适用性。
S16、采用模糊控制方式更新任一EWMA控制回路的截距，以使预测值始终能够收敛回控制范围内。
在具体实施时，任一EWMA控制回路的控制逻辑公式(2)可以为：
Y(i)＝Ax(i)+AF,ixFi+C(i-1) (2)
其中，Y(i)表示为任一EWMA控制回路的预测值，A表示为增益，xi表示为第i个过程输入，AF,i表示为xi对应的前馈增益，xF,i表示为xi对应的前馈变量，C(i-1)当前表示为上一执行周期的截距。
相较于传统的的EWMA算法采用如下线性回归预测模型(3)而言，本发明使用的EWMA算法引用了AF,i前馈增益，xF,i前馈变量，当xi对应的前馈变量发生变化时，任一EWMA控制回路输出的预测值将会发生变化，将该预测值偏移控制范围时，当前执行周期的截距C(i)将被更新，使得任一EWMA控制回路输出的预测值可以始终能够收敛回控制范围内，从而可以避免出现控制器容易对误差产生响应，造成不必要的调整的现象，有助于提高控制器的鲁棒性和适用性。
其中，线性回归预测模型表示为：
Y(i)＝Ax(i)+C(i-1) (3)
在具体实施时，可以基于预设更新公式(4)，采用模糊控制方式更新任一EWMA控制回路的截距，以使预测值收敛回所述控制范围内。
其中，该预设更新公式可以表示为：
C(i)＝w×[Y(i)-Ax(i)-AF,ixF,i]+(1-w)×C(i-1) (4)
其中，C(i)表示为当前执行周期的截距，w表示为指数加权系数。
在具体实施时，当Y(i)作为反馈值输入到控制器中时，可以依据上述预设更新公式(4)更新当前执行周期的截距C(i)。其中，在上述预设更新公式(4)中，指数加权系数w会影响新的Y(i)对C(i)更新的影响大小，w越大，则Y(i)对C(i)的影响越大，其中，指数加权系数w是一个由工程师设定的权重项，其表示对最新一批检测结果的置信程度。若w设定为一个较小值，则C(i)的更新也较缓慢，对应控制器输出值x(i)的调整也较缓和，反之，则控制器的响应较为激进。
在具体实施时，可以采用模糊控制方式将任一EWMA控制回路的目标值控制分解成3个模型控制区域，以采用不同的控制强度进行控制调整，即每个模型控制区域可以采取不同的控制强度。
比如，若确定预测值位于测量误差允许范围[M-a,M+a]内，控制器不执行控制动作，并采用上述预设更新公式(4)更新截距。或者，若确定预测值位于内控允许范围[M-b,M+b]内，从第一取值范围内选取出第一指数加权平均系数，并基于第一指数加权平均系数和基于预设更新公式更新截距。或者，若确定预测值位于流通限范围[M-c,M-b]或[M+b,M+c]内，从第二取值范围内选取出第二指数加权平均系数，并基于第二指数加权平均系数和基于预设更新公式更新截距；其中，第二取值范围的最小取值大于第一取值范围的最大取值，M为任一EWMA控制回路控制中心值，a、b、c为常数，a<b<c。
即在上述范围内[M-a,M+a]，可以认为受控指标良好，数据的波动主要由测量误差导致，不需要进行调节，控制器可以不执行控制动作，只需更新截距。在上述范围[M-b,M+b]内，可以认为控指标有些许偏离，但仍在内控内，此时控制器可采取小幅动作提前调节，第一指数加权平均系数w1从第一取值范围(即0<w1<0.3)内取一较小值，控制器的C(i)更新速度较为缓和，则控制器将采取较缓和的调整动作。即在上述范围[M-c,M-b]或[M+b,M+c]内，可以认为控指标偏离较大，即将超出流通限，此时可采取较大的调整动作进行一定的超调，第二指数加权平均系数w2从第二取值范围(即0.3<w2<1)内取一较大值。在更新过程中，第一指数加权平均系数w1和第二指数加权平均系数w2可以替换上述预设更新公式(4)中的w进行计算。
S17、基于更新后的截距确定控制器的输出值，并将输出值返给高温CVD工艺机台。
在具体实施时，更新截距后，可以按照如下计算公式(5)计算控制器的输出值。
其中，x(i)表示为控制器的输出值，T表示为任一EWMA控制回路的控制目标值。在具体实施时，T可以由工程师给定。
在具体实施时，x(i)还可以采用如下计算公式(6)计算。
其中，ΔxF,i表示为前馈变量差值，如当前批次的前馈变量与上一批次的前馈变量之间的差值。
通过以上描述可知，相较于现有技术而言，本发明通过将高温CVD工艺机台在生产制程中检测到的膜厚数据按照检测维度进行分割再进行聚合，再将若干个设定阈值分别对应作为控制器的若干个EWMA控制回路的受控目标反馈值，可以方便实现各个子区域的精细控制，有助于提高控制器的鲁棒性和适用性。进一步的，通过在任一EWMA控制回路首次运行的过程中，采全置信方式，用当前的设定阈值来实现截距的初始化，从而可以在任一EWMA控制回路首次运行的过程中，提高控制器的鲁棒性和适用性。进一步的，通过在任一EWMA控制回路非首次运行的过程中，采用模糊控制方式更新任一EWMA控制回路的截距，可以采用不同的控制强度进行控制调整，有助于实现高温CVD过程的膜厚指标的自动优化调节，相比传统的EWMA算法而言，可以提高控制器的鲁棒性和适用性。
在实际应用上，可以使得最终产品CPK可提升30％～150％不等，显著减少了次品率，提高了生产效率。
基于同一发明构思，本发明实施例还提供了一种计算机装置，如图4所示，计算机装置可以包括：
多维聚合单元21，用于获取高温CVD工艺机台在生产制程中检测到的膜厚数据；基于所述高温CVD工艺机台的检测维度，将所述膜厚数据分割为若干个样本数据集，并分别将若干个所述样本数据集聚合成设定阈值，获得若干个设定阈值；将若干个所述设定阈值分别对应作为控制器的若干个EWMA控制回路的受控目标反馈值；
控制单元22，用于若确定任一所述EWMA控制回路首次运行，则基于任一所述EWMA控制回路对应的受控目标反馈值，初始化任一所述EWMA控制回路的截距，并跳过当前批次的调整；或者，若确定任一所述EWMA控制回路非首次运行，则采用模糊控制方式更新任一所述EWMA控制回路的截距，以使任一所述EWMA控制回路的预测值始终能够收敛回所述控制范围内；基于所述截距确定所述控制器的输出值，并将所述输出值返给所述高温CVD工艺机台。
在一种可能的设计中，所述检测维度包括依次递进的第1级检测子维度至第N级检测子维度，N为大于1的整数；所述多维聚合单元21具体用于：
若N等于2，先基于所述第1级检测子维度，将所述膜厚数据分割成M个第一级样本数据集；再基于所述第N级检测子维度，将任一所述第一级样本数据集分割成L个第二级样本数据集，获得若干个所述样本数据集；或者，
若N大于2，先基于所述第1级检测子维度，将所述膜厚数据分割成M个第一级样本数据集；再基于第2级检测子维度，将任一所述第一级样本数据集分割成L个第二级样本数据集，以此类推，最后基于所述第N级检测子维度，将任一第N-1级样本数据集分割成H个第N级样本数据集，获得若干个所述样本数据集。
在一种可能的设计中，所述设定阈值为平均值、标准变差、最大值和最小值中的一种。
在一种可能的设计中，所述控制单元22具体用于：
基于任一所述EWMA控制回路对应的受控目标反馈值，按照如下截距初始化公式初始化任一所述EWMA控制回路的截距；
所述截距初始化公式表示为：
C(i-1)＝yi-Axi+AF,ixF,i
其中，C(i-1)当前表示为初始化截距，yi表示为所述受控目标反馈值，xi表示为第i个过程输入，A表示为增益，AF,i表示为xi对应的前馈增益，xF,i表示为xi对应的前馈变量。
在一种可能的设计中，任一所述EWMA控制回路的控制逻辑公式为：
Y(i)＝Ax(i)+AF,ixFi+C(i-1)
其中，Y(i)表示为任一所述EWMA控制回路的预测值，A表示为增益，xi表示为第i个过程输入，AF,i表示为xi对应的前馈增益，xF,i表示为xi对应的前馈变量，C(i-1)当前表示为上一执行周期的截距。
在一种可能的设计中，所述控制单元22具体用于：
基于预设更新公式，采用模糊控制方式更新任一所述EWMA控制回路的截距，以使所述预测值收敛回所述控制范围内；
其中，所述预设更新公式表示为：
C(i)＝w×[Y(i)-Ax(i)-AF,ixF,i]+(1-w)×C(i-1)
其中，C(i)表示为当前执行周期的截距，w表示为指数加权系数。
在一种可能的设计中，所述控制单元具22体用于：
若确定所述预测值位于测量误差允许范围[M-a,M+a]内，所述控制器不执行控制动作，更新所述截距；或者，
若确定所述预测值位于内控允许范围[M-b,M+b]内，从第一取值范围内选取出第一指数加权平均系数，并基于所述第一指数加权平均系数和所述基于预设更新公式更新所述截距；或者，
若确定所述预测值位于流通限范围[M-c,M-b]或[M+b,M+c]内，从第二取值范围内选取出第二指数加权平均系数，并基于所述第二指数加权平均系数和所述基于预设更新公式更新所述截距；
其中，所述第二取值范围的最小取值大于所述第一取值范围的最大取值，M为任一所述EWMA控制回路控制中心值，a、b、c为常数，a<b<c。
本发明实施例中的计算机装置与上述图1所示的高温CVD生产制程的控制方法是基于同一构思下的发明，通过前述对高温CVD生产制程的控制方法的详细描述，本领域技术人员可以清楚的了解本实施例中计算机装置的实施过程，所以为了说明书的简洁，在此不再赘述。
基于同一发明构思，本发明实施例还提供了一种计算机装置，如图5所示，计算机装置可以包括：至少一个存储器31和至少一个处理器32。其中：
至少一个存储器31用于存储一个或多个程序。
当一个或多个程序被至少一个处理器32执行时，实现上述图1所示的高温CVD生产制程的控制方法。
计算机装置还可以可选地包括通信接口，通信接口用于与外部设备进行通信和数据交互传输。
需要说明的是，存储器31可能包含高速RAM存储器，也可能还包括非易失性存储器(nonvolatile memory)，例如至少一个磁盘存储器。
在具体的实现过程中，如果存储器31、处理器32及通信接口集成在一块芯片上，则存储器31、处理器32及通信接口可以通过内部接口完成相互间的通信。如果存储器31、处理器32和通信接口独立实现，则存储器31、处理器32和通信接口可以通过总线相互连接并完成相互间的通信。
基于同一发明构思，本发明实施例还提供了一种计算机可读存储介质，该计算机可读存储介质可以存储有至少一个程序，当至少一个程序被处理器执行时，实现上述图1所示的高温CVD生产制程的控制方法。
应当理解，计算机可读存储介质为可存储数据或程序的任何数据存储设备，数据或程序其后可由计算机系统读取。计算机可读存储介质的示例包括：只读存储器、随机存取存储器、CD-ROM、HDD、DVD、磁带和光学数据存储设备等。
计算机可读存储介质还可分布在网络耦接的计算机系统中使得计算机可读代码以分布式方式来存储和执行。
计算机可读存储介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、射频(Radio Frequency，RF)等，或者上述的任意合适的组合。
以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。
Claims (8)
1.一种高温CVD生产制程的控制方法，其特征在于，包括：
获取高温CVD工艺机台在生产制程中检测到的膜厚数据；
基于所述高温CVD工艺机台的检测维度，将所述膜厚数据分割为若干个样本数据集，并分别将若干个所述样本数据集聚合成设定阈值，获得若干个设定阈值，所述设定阈值为平均值、标准变差、最大值和最小值中的一种；
将若干个所述设定阈值分别对应作为控制器的若干个EWMA控制回路的受控目标反馈值；
若确定任一所述EWMA控制回路首次运行，则基于任一所述EWMA控制回路对应的受控目标反馈值，初始化任一所述EWMA控制回路的截距，并跳过当前批次的调整；或者，
若确定任一所述EWMA控制回路非首次运行，则采用模糊控制方式更新任一所述EWMA控制回路的截距，以使任一所述EWMA控制回路的预测值始终能够收敛回控制范围内；基于所述截距确定所述控制器的输出值，并将所述输出值返给所述高温CVD工艺机台；
其中，所述检测维度包含依次递进的第1级检测子维度至第N级检测子维度，N为大于1的整数，所述检测维度设置为管式炉、控制区段、子区域和晶圆；
基于所述高温CVD工艺机台的检测维度，将所述膜厚数据分割为若干个样本数据集包括：
若N等于2，先基于所述第1级检测子维度，将所述膜厚数据分割成M个第一级样本数据集；再基于所述第N级检测子维度，将任一所述第一级样本数据集分割成L个第二级样本数据集，获得若干个所述样本数据集；或者，
若N大于2，先基于所述第1级检测子维度，将所述膜厚数据分割成M个第一级样本数据集；再基于第2级检测子维度，将任一所述第一级样本数据集分割成L个第二级样本数据集，以此类推，最后基于所述第N级检测子维度，将任一第N-1级样本数据集分割成H个第N级样本数据集，获得若干个所述样本数据集。
2.如权利要求1所述的方法，其特征在于，基于任一所述EWMA控制回路对应的受控目标反馈值，初始化任一所述EWMA控制回路的截距，包括：
基于任一所述EWMA控制回路对应的受控目标反馈值，按照如下截距初始化公式初始化任一所述EWMA控制回路的截距；
所述截距初始化公式表示为：
C(i-1)＝yi-Axi+AF,ixF,i
其中，C(i-1)当前表示为初始化截距，yi表示为所述受控目标反馈值，xi表示为第i个过程输入，A表示为增益，AF,i表示为xi对应的前馈增益，xF,i表示为xi对应的前馈变量。
3.如权利要求1或2所述的方法，其特征在于，任一所述EWMA控制回路的控制逻辑公式为：
Y(i)＝Ax(i)+AF,ixFi+C(i-1)
其中，Y(i)表示为任一所述EWMA控制回路的预测值，A表示为增益，xi表示为第i个过程输入，AF,i表示为xi对应的前馈增益，xF,i表示为xi对应的前馈变量，C(i-1)当前表示为上一执行周期的截距。
4.如权利要求3所述的方法，其特征在于，采用模糊控制方式更新任一所述EWMA控制回路的截距，以使任一所述EWMA控制回路的预测值收敛回控制范围内，包括：
基于预设更新公式，采用模糊控制方式更新任一所述EWMA控制回路的截距，以使所述预测值收敛回所述控制范围内；
其中，所述预设更新公式表示为：
C(i)＝w×[Y(i)-Ax(i)-AF,ixF,i]+(1-w)×C(i-1)
其中，C(i)表示为当前执行周期的截距，w表示为指数加权系数。
5.如权利要求4所述的方法，其特征在于，基于预设更新公式，采用模糊控制方式更新任一所述EWMA控制回路的截距，以使所述预测值收敛回所述控制范围内，包括：
若确定所述预测值位于测量误差允许范围[M-a,M+a]内，所述控制器不执行控制动作，更新所述截距；或者，
若确定所述预测值位于内控允许范围[M-b,M+b]内，从第一取值范围内选取出第一指数加权平均系数，并基于所述第一指数加权平均系数和所述基于预设更新公式更新所述截距；或者，
若确定所述预测值位于流通限范围[M-c,M-b]或[M+b,M+c]内，从第二取值范围内选取出第二指数加权平均系数，并基于所述第二指数加权平均系数和所述基于预设更新公式更新所述截距；
其中，所述第二取值范围的最小取值大于所述第一取值范围的最大取值，M为任一所述EWMA控制回路控制中心值，a、b、c为常数，a<b<c。
6.一种计算机装置，其特征在于，包括：
多维聚合单元，用于获取高温CVD工艺机台在生产制程中检测到的膜厚数据；基于所述高温CVD工艺机台的检测维度，将所述膜厚数据分割为若干个样本数据集，并分别将若干个所述样本数据集聚合成设定阈值，获得若干个设定阈值，所述设定阈值为平均值、标准变差、最大值和最小值中的一种；将若干个所述设定阈值分别对应作为控制器的若干个EWMA控制回路的受控目标反馈值；
控制单元，用于若确定任一所述EWMA控制回路首次运行，则基于任一所述EWMA控制回路对应的受控目标反馈值，初始化任一所述EWMA控制回路的截距，并跳过当前批次的调整；或者，若确定任一所述EWMA控制回路非首次运行，则采用模糊控制方式更新任一所述EWMA控制回路的截距，以使任一所述EWMA控制回路的预测值始终能够收敛回控制范围内；基于所述截距确定所述控制器的输出值，并将所述输出值返给所述高温CVD工艺机台；
其中，所述检测维度包含依次递进的第1级检测子维度至第N级检测子维度，N为大于1的整数，所述检测维度设置为管式炉、控制区段、子区域和晶圆；
所述多维聚合单元在用于基于所述高温CVD工艺机台的检测维度，将所述膜厚数据分割为若干个样本数据集时，具体用于：
若N等于2，先基于所述第1级检测子维度，将所述膜厚数据分割成M个第一级样本数据集；再基于所述第N级检测子维度，将任一所述第一级样本数据集分割成L个第二级样本数据集，获得若干个所述样本数据集；或者，
若N大于2，先基于所述第1级检测子维度，将所述膜厚数据分割成M个第一级样本数据集；再基于第2级检测子维度，将任一所述第一级样本数据集分割成L个第二级样本数据集，以此类推，最后基于所述第N级检测子维度，将任一第N-1级样本数据集分割成H个第N级样本数据集，获得若干个所述样本数据集。
7.一种计算机装置，其特征在于，包括：至少一个存储器和至少一个处理器；
所述至少一个存储器用于存储一个或多个程序；
当所述一个或多个程序被所述至少一个处理器执行时，实现如权利要求1-5任一项所述的方法。
8.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有至少一个程序；当所述至少一个程序被处理器执行时，实现如权利要求1-5任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310923795.2A CN116913815B (zh) | 2023-07-26 | 2023-07-26 | 一种高温cvd生产制程的控制方法、装置及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310923795.2A CN116913815B (zh) | 2023-07-26 | 2023-07-26 | 一种高温cvd生产制程的控制方法、装置及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116913815A CN116913815A (zh) | 2023-10-20 |
| CN116913815B true CN116913815B (zh) | 2024-02-23 |
Family
ID=88357946
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310923795.2A Active CN116913815B (zh) | 2023-07-26 | 2023-07-26 | 一种高温cvd生产制程的控制方法、装置及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116913815B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1782932A (zh) * | 2004-12-02 | 2006-06-07 | 台湾积体电路制造股份有限公司 | 热制程控制方法以及热制程系统 |
| CN101446804A (zh) * | 2007-11-26 | 2009-06-03 | 北京北方微电子基地设备工艺研究中心有限责任公司 | 一种工艺控制方法和装置 |
| JP2014099437A (ja) * | 2012-11-13 | 2014-05-29 | Renesas Electronics Corp | 半導体装置の製造方法 |
| CN104199417A (zh) * | 2014-09-11 | 2014-12-10 | 沈阳中科博微自动化技术有限公司 | 一种半导体镀膜工艺的统计过程监控方法 |
| TW201514641A (zh) * | 2013-10-14 | 2015-04-16 | Applied Materials Inc | 用於製程之改良匹配的匹配製程控制器 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9240360B2 (en) * | 2012-07-25 | 2016-01-19 | International Business Machines Corporation | Run-to-run control utilizing virtual metrology in semiconductor manufacturing |
| US20220207223A1 (en) * | 2020-12-31 | 2022-06-30 | Applied Materials, Inc. | Systems and methods for predicting film thickness using virtual metrology |
-
2023
- 2023-07-26 CN CN202310923795.2A patent/CN116913815B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1782932A (zh) * | 2004-12-02 | 2006-06-07 | 台湾积体电路制造股份有限公司 | 热制程控制方法以及热制程系统 |
| CN101446804A (zh) * | 2007-11-26 | 2009-06-03 | 北京北方微电子基地设备工艺研究中心有限责任公司 | 一种工艺控制方法和装置 |
| JP2014099437A (ja) * | 2012-11-13 | 2014-05-29 | Renesas Electronics Corp | 半導体装置の製造方法 |
| TW201514641A (zh) * | 2013-10-14 | 2015-04-16 | Applied Materials Inc | 用於製程之改良匹配的匹配製程控制器 |
| CN104199417A (zh) * | 2014-09-11 | 2014-12-10 | 沈阳中科博微自动化技术有限公司 | 一种半导体镀膜工艺的统计过程监控方法 |
Non-Patent Citations (2)
| Title |
|---|
| 批间控制器性能评估算法研究;万莉;《信息科技》;全文 * |
| 采用指数加权平均控制器的半导体生产过程的稳定性与性能分析;艾兵;《信息科技》;全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116913815A (zh) | 2023-10-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109696827B (zh) | 惯性权重余弦调整粒子群优化算法的pid参数整定方法 | |
| US8473079B2 (en) | Fast algorithm for model predictive control | |
| WO2016195117A1 (en) | Method and system for controlling operation of machine | |
| CN112686383B (zh) | 一种通信并行的分布式随机梯度下降的方法、系统及装置 | |
| CN112305907A (zh) | 自适应pid温度控制方法、装置及设备 | |
| CN112433472B (zh) | 半导体生产控制方法及控制系统 | |
| CN116913815B (zh) | 一种高温cvd生产制程的控制方法、装置及存储介质 | |
| CN110579970A (zh) | 一种2d滚动优化下间歇过程终端约束预测控制方法 | |
| US11449026B2 (en) | Variable loop control feature | |
| US8346704B2 (en) | Controlled constraint sharing in parallel problem solvers | |
| CN110398942A (zh) | 一种用于工业生产过程控制的参数辨识方法 | |
| WO2010088421A2 (en) | Method and system for estimating context offsets for run-to-run control in a semiconductor fabrication facility | |
| US20140224767A1 (en) | Automated algorithm for tuning of feedforward control parameters in plasma processing system | |
| WO2021214638A1 (en) | Asynchronous quantum information processing | |
| CN105787154A (zh) | 一种多尺度量子谐振子优化系统及方法 | |
| CN109814388B (zh) | 参数自整定的miso异因子偏格式无模型控制方法 | |
| WO2024070233A1 (ja) | 学習装置、情報処理装置、基板処理装置、基板処理システム、学習方法および処理条件決定方法 | |
| WO2023223535A1 (ja) | 探索装置および探索方法並びに半導体装置製造システム | |
| CN117215249B (zh) | 可重入制造系统的动态调控方法及相关产品 | |
| US20230195072A1 (en) | Disturbance compensation for substrate processing recipes | |
| Tian et al. | An improved differential evolution with a novel restart mechanism | |
| CN117235654B (zh) | 一种人工智能的数据智能处理方法及系统 | |
| KR102546528B1 (ko) | 반도체 제조 파라미터 설정 방법 및 이를 수행하기 위한 컴퓨팅 장치 | |
| CN114311574B (zh) | 一种注塑机注射速度的优化控制方法、系统及装置 | |
| CN115659202A (zh) | 一种基于改进初始质心选择的k均值聚类方法 |
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 |