CN117225659A - 一种芯片工艺偏差自动识别矫正方法及系统 - Google Patents

Abstract

本发明提供了一种芯片工艺偏差自动识别矫正方法及系统，涉及数据处理技术领域，该方法包括：获取芯片的待涂胶表面以及预设涂胶厚度；生成多次涂胶工序；对多次涂胶工序中每次涂胶工序进行实时监测，获取多组实时监测数据集，每组实时监测数据集包括平台转速监测数据、滴胶速度监测数据以及滴胶量监测数据；建立偏差影响识别网络层，获取第一偏差影响指标；基于所述第一偏差影响指标生成调节数据集，用于对下一涂胶工序的涂胶控制参数进行校正，解决了现有技术中存在由于对涂胶质量的监测不准确，导致芯片表面涂胶均匀性不佳的技术问题，达到提升芯片涂胶均匀性，进而保证芯片使用寿命的技术效果。

Description

一种芯片工艺偏差自动识别矫正方法及系统

技术领域

本发明涉及数据处理技术领域，具体涉及一种芯片工艺偏差自动识别矫正方法及系统。

背景技术

在进行芯片生产时，芯片表面一般会有环氧胶、UV胶、导热胶等胶水涂抹、灌封、填充、滴胶，起到加固、密封、绝缘等作用，更好地保护芯片，延长使用寿命。但是现有的芯片涂胶工艺，由于对涂胶质量的监测不准确，导致芯片表面涂胶均匀性不佳，进而降低芯片使用寿命。

综上，现有技术中存在由于对涂胶质量的监测不准确，导致芯片表面涂胶均匀性不佳的技术问题。

发明内容

本发明提供了一种芯片工艺偏差自动识别矫正方法及系统，用以解决现有技术中存在由于对涂胶质量的监测不准确，导致芯片表面涂胶均匀性不佳的技术问题。

根据本发明的第一方面，提供了一种芯片工艺偏差自动识别矫正方法，包括：获取芯片的待涂胶表面以及预设涂胶厚度；基于所述预设涂胶厚度进行单次涂胶厚度分解，生成多次涂胶工序，其中，每次涂胶工序以单次涂胶厚度为目标控制涂胶机；将所述芯片固定于所述涂胶机的放置台上，对所述多次涂胶工序中每次涂胶工序进行实时监测，获取多组实时监测数据集，其中，每组实时监测数据集包括平台转速监测数据、滴胶速度监测数据以及滴胶量监测数据；以所述平台转速监测数据、滴胶速度监测数据以及滴胶量监测数据建立偏差影响识别网络层，根据所述偏差影响识别网络层对每组实时监测数据集进行偏差影响识别，获取第一偏差影响指标，其中，所述第一偏差影响指标为偏差数据造成光刻胶单次均匀度受到影响的程度；基于所述第一偏差影响指标生成调节数据集，用于对下一涂胶工序的涂胶控制参数进行校正。

根据本发明的第二方面，提供了一种芯片工艺偏差自动识别矫正系统，包括：待涂胶信息获取模块，所述待涂胶信息获取模块用于获取芯片的待涂胶表面以及预设涂胶厚度；单次涂胶厚度分解模块，所述单次涂胶厚度分解模块用于基于所述预设涂胶厚度进行单次涂胶厚度分解，生成多次涂胶工序，其中，每次涂胶工序以单次涂胶厚度为目标控制涂胶机；涂胶工序监测模块，所述涂胶工序监测模块用于将所述芯片固定于所述涂胶机的放置台上，对所述多次涂胶工序中每次涂胶工序进行实时监测，获取多组实时监测数据集，其中，每组实时监测数据集包括平台转速监测数据、滴胶速度监测数据以及滴胶量监测数据；偏差影响识别模块，所述偏差影响识别模块用于以所述平台转速监测数据、滴胶速度监测数据以及滴胶量监测数据建立偏差影响识别网络层，根据所述偏差影响识别网络层对每组实时监测数据集进行偏差影响识别，获取第一偏差影响指标，其中，所述第一偏差影响指标为偏差数据造成光刻胶单次均匀度受到影响的程度；参数校正模块，所述参数校正模块用于基于所述第一偏差影响指标生成调节数据集，用于对下一涂胶工序的涂胶控制参数进行校正。

根据本发明采用的一个或多个技术方案，可达到的有益效果如下：

获取芯片的待涂胶表面以及预设涂胶厚度，基于预设涂胶厚度进行单次涂胶厚度分解，生成多次涂胶工序，其中，每次涂胶工序以单次涂胶厚度为目标控制涂胶机，将芯片固定于涂胶机的放置台上，对多次涂胶工序中每次涂胶工序进行实时监测，获取多组实时监测数据集，其中，每组实时监测数据集包括平台转速监测数据、滴胶速度监测数据以及滴胶量监测数据，以平台转速监测数据、滴胶速度监测数据以及滴胶量监测数据建立偏差影响识别网络层，根据偏差影响识别网络层对每组实时监测数据集进行偏差影响识别，获取第一偏差影响指标，其中，第一偏差影响指标为偏差数据造成光刻胶单次均匀度受到影响的程度，基于第一偏差影响指标生成调节数据集，用于对下一涂胶工序的涂胶控制参数进行校正。由此通过对多次涂胶工序进行偏差校正，达到提升芯片涂胶均匀性，进而提升芯片涂胶工艺质量，保证使用寿命的技术效果。

附图说明

为了更清楚地说明本发明或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍。构成本发明的一部分的附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。

图1为本发明实施例提供的一种芯片工艺偏差自动识别矫正方法的流程示意图；

图2为本发明实施例提供的一种芯片工艺偏差自动识别矫正系统的结构示意图。

附图标记说明：待涂胶信息获取模块11，单次涂胶厚度分解模块12，涂胶工序监测模块13，偏差影响识别模块14，参数校正模块15。

具体实施方式

为了使得本发明的目的、技术方案和优点更为明显，下面将参照附图详细描述本发明的示例实施例。显然，所描述的实施例仅仅是本发明的一部分实施例，而不是本发明的全部实施例，应理解，本发明不受这里描述的示例实施例的限制。

说明书中使用的术语用于描述实施例，而不是限制本发明。如在说明书中所使用的，单数术语“一”“一个”和“该”旨在也包括复数形式，除非上下文另有清楚指示。当在说明书中使用时，术语“包括”和/或“包含”指定了步骤、操作、元件和/或组件的存在，但是不排除一个或多个其他步骤、操作、元件、组件和/或其组的存在或添加。

除非另有定义，本说明书中使用的所有术语(包括技术和科学术语)应具有与本发明所属领域的技术人员通常理解的相同含义。术语，如常用词典中定义的术语，不应以理想化或过于正式的意义来解释，除非在此明确定义。在整个说明书中，相同的附图标记表示相同的元件。

需要说明的是，本发明所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于展示的数据、分析的数据等)，均为经用户授权或者经过各方充分授权的信息和数据。

实施例一

如图1所示，本发明实施例提供了一种芯片工艺偏差自动识别矫正方法，所述方法包括：

获取芯片的待涂胶表面以及预设涂胶厚度；

本发明实施例提供的一种芯片工艺偏差自动识别矫正方法，主要用于对芯片的涂胶工艺参数进行校正。芯片表面一般会有环氧胶、UV胶、导热胶等胶水涂抹、灌封、填充、滴胶，起到加固、密封、绝缘等作用，更好地保护芯片，延长使用寿命，因此，对于涂胶工艺参数进行校正。

待涂胶表面以及预设涂胶厚度均有工作人员根据实际情况预先设定，一般会由本领域的专业技术人员制定不同芯片对应的涂胶位置区域作为待涂胶表面，需求的涂胶厚度作为预设涂胶厚度。简单来说，待涂胶表面以及预设涂胶厚度均由本领域专业技术人员设置，用户可通过用户端上传。

基于所述预设涂胶厚度进行单次涂胶厚度分解，生成多次涂胶工序，其中，每次涂胶工序以单次涂胶厚度为目标控制涂胶机；

具体来说，为了保证涂胶均匀性，基于所述预设涂胶厚度进行单次涂胶厚度分解，生成多次涂胶工序，就是说，多次涂胶工序的单次涂胶厚度之和与预设涂胶厚度相同，这样在某一次工序出现偏差时，可通过下一次工序进行偏差的校正，从而提升涂胶均匀性。每次涂胶工序以单次涂胶厚度为目标控制涂胶机，即每一次控制涂胶机完成单次涂胶厚度的作业。

在一个优选实施例中，还包括：

获取所述芯片的光刻胶属性信息；根据所述光刻胶属性信息，获取胶质固化指标以及所述胶质固化指标对应的固化时长；基于所述固化时长为总时长对所述预设涂胶厚度进行单次涂胶厚度分解寻优，输出寻优结果，其中，所述寻优结果为所述多次涂胶工序。

获取所述芯片的光刻胶属性信息，光刻胶是指用于进行涂胶的环氧胶、UV胶、导热胶等任意类型的胶水，需根据实际情况确定，光刻胶属性信息即为光刻胶的属性是指光刻胶的类型，比如环氧胶、导热胶等，需结合实际确定。根据所述光刻胶属性信息，获取胶质固化指标以及所述胶质固化指标对应的固化时长，胶质固化指标是指影响光刻胶固化时长的因素，举例如，光刻胶固化时可能需要通过紫外光照射，同时温度也会影响固化时长，那么紫外光强度和温度即为胶质固化指标。具体来说，可基于现有技术，通过数据挖掘技术从大量的历史涂胶记录数据中筛选出不同类型的光刻胶的固化时长影响因素（胶质固化指标），并获取固化时长随固化时长影响因素的变化关系组成胶质固化数据库。进而获取当前进行涂胶的胶质固化指标参数，并在胶质固化数据库中进行匹配，获取对应的固化时长。

进一步基于所述固化时长为总时长对所述预设涂胶厚度进行单次涂胶厚度分解寻优，输出寻优结果，其中，所述寻优结果为所述多次涂胶工序，就是说，每次涂胶工序对应的涂胶时长应该小于总时长，防止光刻胶完成固化，导致出现涂胶分层现象，导致涂胶不均匀，且多次涂胶工序的总厚度应该与预设涂胶厚度相同，具体寻优过程如下详述。

在一个优选实施例中，还包括：

以单次涂胶厚度为优化变量，建立基于单次涂胶厚度的时长预测函数，以所述预设涂胶厚度为第一约束条件，以所述固化时长为第二约束条件对所述时长预测函数进行分解寻优，输出所述寻优结果，其中，分解寻优的表达式如下：；

其中，为分解次数，/>为基于预设涂胶厚度的第一约束条件，，/>为基于固化时长的第二约束条件，/>；/>为以单次涂胶厚度建立的时长预测函数，/>为所述第一约束条件的误差，/>为所述第二约束条件的误差。

以单次涂胶厚度为优化变量，建立基于单次涂胶厚度的时长预测函数，以所述预设涂胶厚度为第一约束条件，以所述固化时长为第二约束条件对所述时长预测函数进行分解寻优，输出所述寻优结果，其中，分解寻优的表达式如下：；

其中，为分解次数，即多次涂胶工序的总数量，/>为分解次数，即多次涂胶工序的总数量，/>，其中，/>为预设涂胶厚度，/>则为分解出的多次涂胶工序分别对应的单次涂胶厚度的总和，理想情况下，两者应相同，即/>的最小值应为0，但是实际操作会有误差，因此只需进行误差最小化，多次涂胶工序分别对应的单次涂胶厚度相同，在分解寻优过程中，通过进行多次分解迭代，筛选出最小值对应的单次涂胶厚度。为基于固化时长的第二约束条件，/>，/>为每一次涂胶工序对应的时长，其包括涂胶作业时长以及等待进行下一次涂胶工序的等待时长，需要保证涂胶工序对应的时长之和小于总时长，/>为总时长。/>为以单次涂胶厚度建立的时长预测函数，即不同的涂胶厚度对应不同的涂胶时长，具体来说，可根据单次涂胶厚度建立时长预测函数，就是说，将光刻胶滴至芯片表面后，随着放置平台的旋转，将光刻胶均匀涂至芯片表面，涂胶厚度不同，其需要的时间也不同，基于此，可调取历史时间下的不同涂胶厚度对应的涂胶时间，建立涂胶时间随涂胶厚度的变化曲线作为时长预测函数。/>为所述第一约束条件的误差，即预设涂胶厚度与分解出的多次涂胶工序分别对应的单次涂胶厚度的总和之间的偏差，/>为所述第二约束条件的误差，即多次涂胶工序分别对应的时长之和与总时长的偏差。

由此，通过最小化和/>，获得最佳分解次数以及对应的单次涂胶厚度，即可得到多次涂胶工序。由此，为后续的涂胶工艺校正提供支持，可以有效提升涂胶均匀性。

将所述芯片固定于所述涂胶机的放置台上，对所述多次涂胶工序中每次涂胶工序进行实时监测，获取多组实时监测数据集，其中，每组实时监测数据集包括平台转速监测数据、滴胶速度监测数据以及滴胶量监测数据；

将所述芯片固定于所述涂胶机的放置台上，按照多次涂胶工序控制涂胶机进行多次涂胶作业，并对所述多次涂胶工序中每次涂胶工序进行实时监测，获取多组实时监测数据集，其中，每组实时监测数据集包括平台转速监测数据、滴胶速度监测数据以及滴胶量监测数据，就是说，将所述芯片固定于所述涂胶机的放置台，放置台会进行离心旋转，从而保证光刻胶可以均匀涂到芯片表面，如果放置台的旋转速度、涂胶机的滴胶速度和滴胶量产生偏差，就会导致涂胶不均匀。因此，可通过在涂胶机的放置台上安装转速传感器实时采集获取平台转速监测数据，平台转速监测数据即为放置台的旋转速度；滴胶速度是指单位时间内滴落的光刻胶的滴数，滴胶量则是指每次滴落的光刻胶的质量，可通过在涂胶机的滴头处安装速度和质量传感器获取。

以所述平台转速监测数据、滴胶速度监测数据以及滴胶量监测数据建立偏差影响识别网络层，根据所述偏差影响识别网络层对每组实时监测数据集进行偏差影响识别，获取第一偏差影响指标，其中，所述第一偏差影响指标为偏差数据造成光刻胶单次均匀度受到影响的程度；

以所述平台转速监测数据、滴胶速度监测数据以及滴胶量监测数据建立偏差影响识别网络层，偏差影响识别网络层包括转速-影响监测通道、滴胶速度-影响监测通道以及滴胶量-影响监测通道，用于对转速、滴胶速度、滴胶量进行偏差影响分析，就是说，多次涂胶工序中每一次的涂胶厚度是相同的，那么对应的平台转速、滴胶速度、滴胶量均应该相同，否则会导致涂胶不均匀，从而根据当前涂胶工序与上一次涂胶工序在转速、滴胶速度、滴胶量的差异进行涂胶均匀度的影响分析，便于下一次涂胶工序进行参数调节，对不均匀涂胶进行改善，提升最终的涂胶质量。根据所述偏差影响识别网络层对每组实时监测数据集进行偏差影响识别，获取第一偏差影响指标，其中，所述第一偏差影响指标为偏差数据造成光刻胶单次均匀度受到影响的程度。

在一个优选实施例中，还包括：

建立偏差影响识别网络层，其中，所述偏差影响识别网络层包括转速-影响监测通道、滴胶速度-影响监测通道以及滴胶量-影响监测通道；利用所述转速-影响监测通道、所述滴胶速度-影响监测通道以及所述滴胶量-影响监测通道进行光刻胶单次均匀度影响权重因子训练，当误差趋于收敛时停止训练，输出所述偏差影响识别网络层。

建立偏差影响识别网络层，其中，所述偏差影响识别网络层包括转速-影响监测通道、滴胶速度-影响监测通道以及滴胶量-影响监测通道，转速-影响监测通道、滴胶速度-影响监测通道以及滴胶量-影响监测通道是分别用于计算当前涂胶工序与上一次涂胶工序的转速偏差、滴胶速度偏差、滴胶量偏差的通道，利用所述转速-影响监测通道、所述滴胶速度-影响监测通道以及所述滴胶量-影响监测通道进行光刻胶单次均匀度影响权重因子训练，当误差趋于收敛时停止训练，输出所述偏差影响识别网络层。具体来说，所述偏差影响识别网络层是机器学习中的神经网络模型，可调取芯片的历史涂胶质量监测数据，历史涂胶质量监测数据包括里历史平台转速记录、历史涂胶速度记录、历史涂胶量记录和对应的历史涂胶均匀度记录，所述转速-影响监测通道、所述滴胶速度-影响监测通道以及所述滴胶量-影响监测通道对历史平台转速记录、历史涂胶速度记录、历史涂胶量记录进行偏差分析，即计算历史中前一次转速、滴胶速度、滴胶量与下一次转速、滴胶速度和滴胶量的偏差，同时利用前一次工序对应的历史涂胶均匀度与下一次历史涂胶均匀度进行偏差分析，获取均匀度变化程度，可用1减去下一次历史涂胶均匀度与上一次历史涂胶均匀度的比值作为历史均匀度影响程度。

进一步通过现有的权重分析法，利用所述转速-影响监测通道、所述滴胶速度-影响监测通道以及所述滴胶量-影响监测通道进行光刻胶单次均匀度影响权重因子训练，当误差趋于收敛时停止训练，输出所述偏差影响识别网络层，即通过历史平台转速记录、历史涂胶速度记录、历史涂胶量记录分别计算获取历史平台转速误差、历史滴胶速度误差和历史滴胶量误差，以及对应的历史均匀度影响程度，进行光刻胶单次均匀度影响权重因子训练，也就是说，转速、滴胶速度和滴胶量对涂胶均匀度的影响程度不同，通过多次更改偏差影响识别网络层中对三者的权重设置，获取输出的均匀度影响程度，比对均匀度影响程度与历史均匀度影响程度，直至连续多次训练后的均匀度影响程度与历史均匀度影响程度的偏差程度处于预设误差范围，比如0.1%以内，可认为误差趋于收敛，此时停止训练，即可得到训练完成的偏差影响识别网络层，从而为后续的偏差校正提供模型基础。

在一个优选实施例中，还包括：

根据所述偏差影响识别网络层比对当前组的实时监测数据集与上一组的实时监测数据集，获取异常转速、异常滴胶速度以及异常滴胶量；基于所述异常转速、所述异常滴胶速度以及所述异常滴胶量的偏差数据大小和偏差持续时长，建立三组异常偏差向量；按照所述三组异常偏差向量进行识别，获取第一偏差影响指标。

根据所述偏差影响识别网络层对每组实时监测数据集进行偏差影响识别的过程如下：根据所述偏差影响识别网络层比对当前组的实时监测数据集与上一组的实时监测数据集，就是计算连续两次涂胶工序在转速、滴胶速度和滴胶量上的差异，得到异常转速、异常滴胶速度以及异常滴胶量，异常转速、异常滴胶速度以及异常滴胶量即为当前组的实时监测数据集与上一组的实时监测数据集中的转速偏差、滴胶速度偏差和滴胶量偏差，同时还包括偏差时长，就是说，一次涂胶工序中，可能不是一直存在偏差，只是某一时间存在偏差。基于所述异常转速、所述异常滴胶速度以及所述异常滴胶量的偏差数据大小和偏差持续时长，建立三组异常偏差向量，就是说，当前组的实时监测数据集中的数据可能大于或者小于上一组的实时监测数据集，大于或者小于均存在偏差，因此，以偏差数据大小和偏差持续时长作为一组异常偏差向量，从而得到基于平台转速、滴胶速度和滴胶量的三组异常偏差向量。然后利用训练完成的所述偏差影响识别网络层对三组异常偏差向量进行分析，输出第一偏差影响指标，第一偏差影响指标为偏差数据造成光刻胶单次均匀度受到影响的程度。为后续的偏差校正提供基础，提升涂胶均匀性。

在一个优选实施例中，还包括：

获取所述涂胶机进行涂胶的工作环境参数；根据所述工作环境参数建立扰动指标矩阵，并根据各个扰动因子建立扰动影响矩阵，其中，所述扰动指标矩阵和所述扰动影响矩阵相对应；通过灰度关联计算获取扰动影响指标，基于所述扰动影响指标对所述第一偏差影响指标进行调整。

获取所述涂胶机进行涂胶的工作环境参数，工作环境参数包括工作环境的温度、湿度、风速等，可在工作环境空间内设置对应的温度、湿度、风速传感器采集获取，就是说，工作环境也会对光刻胶的涂胶均匀度产生影响。根据所述工作环境参数建立扰动指标矩阵，就是将工作环境参数中的参数类型进行规则地排列作为扰动指标矩阵，比如[温度，湿度、风速]，并根据各个扰动因子建立扰动影响矩阵，扰动因子即为扰动指标矩阵中的参数类型，扰动影响矩阵则是指由扰动指标矩阵中的参数类型对应的实际参数值组成的矩阵，其中，所述扰动指标矩阵和所述扰动影响矩阵相对应。

通过灰度关联计算获取扰动影响指标，基于所述扰动影响指标对所述第一偏差影响指标进行调整。灰度关联是现有技术中常用的关联度分析方法，即分析扰动影响矩阵中的参数对光刻胶的均匀性的影响程度，具体来说，可通过采集获取与扰动指标矩阵相对应的大量历史数据，并调取对应的历史均匀性影响程度数据，通过灰色关联计算获取扰动指标矩阵中的各个参数类型对历史均匀性的影响程度，然后对扰动影响矩阵中的参数和各个参数类型对历史均匀性的影响程度进行乘积计算，即可得到扰动影响指标，扰动影响指标即为工作环境对涂胶均匀度的影响程度，灰色关联计算是本领域技术人员常用技术手段，故在此不进行赘述。基于所述扰动影响指标对所述第一偏差影响指标进行调整，就是将扰动影响指标与第一偏差影响指标进行叠加计算，对第一偏差影响指标进行更新校正，从而提升涂胶均匀性。

基于所述第一偏差影响指标生成调节数据集，用于对下一涂胶工序的涂胶控制参数进行校正。

基于所述第一偏差影响指标生成调节数据集，用于对下一涂胶工序的涂胶控制参数进行校正，就是说，第一偏差影响指标为偏差数据造成光刻胶单次均匀度受到影响的程度，基于此，对下一涂胶工序的涂胶控制参数进行校正，对当前进行的涂胶工序产生的误差进行修正，即通过调节平台转速、滴胶速度和滴胶量，对上一次涂胶工序造成的不均匀问题进行修正，从而保证涂胶均匀性，调节数据集是指调节后的平台转速、滴胶速度和滴胶量。通过调节数据集对下一涂胶工序的涂胶控制参数进行校正，使得涂胶时的转速、滴胶速度和滴胶量与调节数据集相一致。即第一偏差影响指标作为校正时的参考数据，可通过第一偏差影响指标对下一涂胶工序的平台转速、滴胶速度和滴胶量进行反向调节，通过对第一偏差影响指标对下一涂胶工序的涂胶控制参数进行校正，提高后期涂胶的均匀性。然后重复进行下一次的涂胶工序的校正，直至完成全部涂胶工序。

在一个优选实施例中，还包括：

当所述涂胶机的放置台进行离心旋转时，根据振动传感模块获取所述放置台的振动传感数据集，其中，所述振动传感模块与振动传感器连接，用于接收所述振动传感器的数据，所述振动传感器设置于所述放置台的转轴杆上；以所述振动传感数据集进行振动指标识别，输出放置台振动指标，当所述振动指标大于预设振动指标，生成第一提醒信息，用于提醒所述放置台异常振动。

所述涂胶机的放置台上设有振动传感模块，所述振动传感模块是用于对放置台进行振动数据采集的功能模块，当所述涂胶机的放置台进行离心旋转时，根据振动传感模块采集获取所述放置台的振动传感数据集，振动传感数据集包括振动频率，其中，所述振动传感模块与振动传感器连接，用于接收所述振动传感器的数据，本实施例对振动传感器的型号不做限制，可基于实际情况自行确定。所述振动传感器设置于所述放置台的转轴杆上，转轴杆用于控制放置平台的旋转速度。以所述振动传感数据集进行振动指标识别，就是进行振动频率识别，输出放置台振动指标，放置台振动指标即为振动频率，当所述振动指标大于预设振动指标，生成第一提醒信息，用于提醒所述放置台异常振动，具体来说，预设振动指标是指放置台按照多次涂胶工序进行涂胶作业时的正常振动频率，可调取历史涂胶作业过程中，与涂胶工序相同的且没有出现涂胶质量偏差的振动频率作为预设振动指标。所述振动指标大于预设振动指标，说明放置台振动出现异常，生成第一提醒信息，用于提醒所述放置台异常振动，提醒工作人员及时对放置台进行故障检测排查，防止涂胶质量受到影响，导致涂胶不均匀，由此提高芯片涂胶质量。

基于上述分析可知，本发明提供的一个或多个技术方案，可达到的有益效果如下：

获取芯片的待涂胶表面以及预设涂胶厚度，基于预设涂胶厚度进行单次涂胶厚度分解，生成多次涂胶工序，其中，每次涂胶工序以单次涂胶厚度为目标控制涂胶机，将芯片固定于涂胶机的放置台上，对多次涂胶工序中每次涂胶工序进行实时监测，获取多组实时监测数据集，其中，每组实时监测数据集包括平台转速监测数据、滴胶速度监测数据以及滴胶量监测数据，以平台转速监测数据、滴胶速度监测数据以及滴胶量监测数据建立偏差影响识别网络层，根据偏差影响识别网络层对每组实时监测数据集进行偏差影响识别，获取第一偏差影响指标，其中，第一偏差影响指标为偏差数据造成光刻胶单次均匀度受到影响的程度，基于第一偏差影响指标生成调节数据集，用于对下一涂胶工序的涂胶控制参数进行校正。由此通过对多次涂胶工序进行偏差校正，达到提升芯片涂胶均匀性，进而提升芯片涂胶工艺质量，保证使用寿命的技术效果。

实施例二

基于与前述实施例中一种芯片工艺偏差自动识别矫正方法同样的发明构思，如图2所示，本发明还提供了一种芯片工艺偏差自动识别矫正系统，所述系统包括：

待涂胶信息获取模块11，所述待涂胶信息获取模块11用于获取芯片的待涂胶表面以及预设涂胶厚度；

单次涂胶厚度分解模块12，所述单次涂胶厚度分解模块12用于基于所述预设涂胶厚度进行单次涂胶厚度分解，生成多次涂胶工序，其中，每次涂胶工序以单次涂胶厚度为目标控制涂胶机；

涂胶工序监测模块13，所述涂胶工序监测模块13用于将所述芯片固定于所述涂胶机的放置台上，对所述多次涂胶工序中每次涂胶工序进行实时监测，获取多组实时监测数据集，其中，每组实时监测数据集包括平台转速监测数据、滴胶速度监测数据以及滴胶量监测数据；

偏差影响识别模块14，所述偏差影响识别模块14用于以所述平台转速监测数据、滴胶速度监测数据以及滴胶量监测数据建立偏差影响识别网络层，根据所述偏差影响识别网络层对每组实时监测数据集进行偏差影响识别，获取第一偏差影响指标，其中，所述第一偏差影响指标为偏差数据造成光刻胶单次均匀度受到影响的程度；

参数校正模块15，所述参数校正模块15用于基于所述第一偏差影响指标生成调节数据集，用于对下一涂胶工序的涂胶控制参数进行校正。

进一步而言，所述系统还包括异常振动提醒模块，所述异常振动提醒模块用于：

当所述涂胶机的放置台进行离心旋转时，根据振动传感模块获取所述放置台的振动传感数据集，其中，所述振动传感模块与振动传感器连接，用于接收所述振动传感器的数据，所述振动传感器设置于所述放置台的转轴杆上；

以所述振动传感数据集进行振动指标识别，输出放置台振动指标，当所述振动指标大于预设振动指标，生成第一提醒信息，用于提醒所述放置台异常振动。

进一步而言，所述偏差影响识别模块14还用于：

建立偏差影响识别网络层，其中，所述偏差影响识别网络层包括转速-影响监测通道、滴胶速度-影响监测通道以及滴胶量-影响监测通道；

利用所述转速-影响监测通道、所述滴胶速度-影响监测通道以及所述滴胶量-影响监测通道进行光刻胶单次均匀度影响权重因子训练，当误差趋于收敛时停止训练，输出所述偏差影响识别网络层。

进一步而言，所述偏差影响识别模块14还用于：

根据所述偏差影响识别网络层比对当前组的实时监测数据集与上一组的实时监测数据集，获取异常转速、异常滴胶速度以及异常滴胶量；

基于所述异常转速、所述异常滴胶速度以及所述异常滴胶量的偏差数据大小和偏差持续时长，建立三组异常偏差向量；

按照所述三组异常偏差向量进行识别，获取第一偏差影响指标。

进一步而言，所述涂胶工序监测模块13还用于：

获取所述芯片的光刻胶属性信息；

根据所述光刻胶属性信息，获取胶质固化指标以及所述胶质固化指标对应的固化时长；

基于所述固化时长为总时长对所述预设涂胶厚度进行单次涂胶厚度分解寻优，输出寻优结果，其中，所述寻优结果为所述多次涂胶工序。

进一步而言，所述涂胶工序监测模块13还用于：

以单次涂胶厚度为优化变量，建立基于单次涂胶厚度的时长预测函数，以所述预设涂胶厚度为第一约束条件，以所述固化时长为第二约束条件对所述时长预测函数进行分解寻优，输出所述寻优结果，其中，分解寻优的表达式如下：；

其中，为分解次数，/>为基于预设涂胶厚度的第一约束条件，，/>为基于固化时长的第二约束条件，/>；/>为以单次涂胶厚度建立的时长预测函数，/>为所述第一约束条件的误差，/>为所述第二约束条件的误差。

进一步而言，所述系统还包括指标调整模块，所述指标调整模块用于：

获取所述涂胶机进行涂胶的工作环境参数；

根据所述工作环境参数建立扰动指标矩阵，并根据各个扰动因子建立扰动影响矩阵，其中，所述扰动指标矩阵和所述扰动影响矩阵相对应；

通过灰度关联计算获取扰动影响指标，基于所述扰动影响指标对所述第一偏差影响指标进行调整。

前述实施例一中的一种芯片工艺偏差自动识别矫正方法具体实例同样适用于本实施例的一种芯片工艺偏差自动识别矫正系统，通过前述对一种芯片工艺偏差自动识别矫正方法的详细描述，本领域技术人员可以清楚地知道本实施例中一种芯片工艺偏差自动识别矫正系统，所以为了说明书的简洁，在此不再详述。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤，只要能够实现本发明公开的技术方案所期望的结果，本文在此不进行限制。

注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。

Claims (8)

1.一种芯片工艺偏差自动识别矫正方法，其特征在于，所述方法包括：

获取芯片的待涂胶表面以及预设涂胶厚度；

基于所述预设涂胶厚度进行单次涂胶厚度分解，生成多次涂胶工序，其中，每次涂胶工序以单次涂胶厚度为目标控制涂胶机；

将所述芯片固定于所述涂胶机的放置台上，对所述多次涂胶工序中每次涂胶工序进行实时监测，获取多组实时监测数据集，其中，每组实时监测数据集包括平台转速监测数据、滴胶速度监测数据以及滴胶量监测数据；

以所述平台转速监测数据、滴胶速度监测数据以及滴胶量监测数据建立偏差影响识别网络层，根据所述偏差影响识别网络层对每组实时监测数据集进行偏差影响识别，获取第一偏差影响指标，其中，所述第一偏差影响指标为偏差数据造成光刻胶单次均匀度受到影响的程度；

基于所述第一偏差影响指标生成调节数据集，用于对下一涂胶工序的涂胶控制参数进行校正。

2.如权利要求1所述的方法，其特征在于，所述方法还包括：

当所述涂胶机的放置台进行离心旋转时，根据振动传感模块获取所述放置台的振动传感数据集，其中，所述振动传感模块与振动传感器连接，用于接收所述振动传感器的数据，所述振动传感器设置于所述放置台的转轴杆上；

以所述振动传感数据集进行振动指标识别，输出放置台振动指标，当所述振动指标大于预设振动指标，生成第一提醒信息，用于提醒所述放置台异常振动。

3.如权利要求1所述的方法，其特征在于，以所述平台转速监测数据、滴胶速度监测数据以及滴胶量监测数据建立偏差影响识别网络层，方法还包括：

建立偏差影响识别网络层，其中，所述偏差影响识别网络层包括转速-影响监测通道、滴胶速度-影响监测通道以及滴胶量-影响监测通道；

利用所述转速-影响监测通道、所述滴胶速度-影响监测通道以及所述滴胶量-影响监测通道进行光刻胶单次均匀度影响权重因子训练，当误差趋于收敛时停止训练，输出所述偏差影响识别网络层。

4.如权利要求3所述的方法，其特征在于，根据所述偏差影响识别网络层对每组实时监测数据集进行偏差影响识别，方法还包括：

根据所述偏差影响识别网络层比对当前组的实时监测数据集与上一组的实时监测数据集，获取异常转速、异常滴胶速度以及异常滴胶量；

基于所述异常转速、所述异常滴胶速度以及所述异常滴胶量的偏差数据大小和偏差持续时长，建立三组异常偏差向量；

按照所述三组异常偏差向量进行识别，获取第一偏差影响指标。

5.如权利要求1所述的方法，其特征在于，基于所述预设涂胶厚度进行单次涂胶厚度分解，方法包括：

获取所述芯片的光刻胶属性信息；

根据所述光刻胶属性信息，获取胶质固化指标以及所述胶质固化指标对应的固化时长；

基于所述固化时长为总时长对所述预设涂胶厚度进行单次涂胶厚度分解寻优，输出寻优结果，其中，所述寻优结果为所述多次涂胶工序。

6.如权利要求5所述的方法，其特征在于，所述方法还包括：

以单次涂胶厚度为优化变量，建立基于单次涂胶厚度的时长预测函数，以所述预设涂胶厚度为第一约束条件，以所述固化时长为第二约束条件对所述时长预测函数进行分解寻优，输出所述寻优结果，其中，分解寻优的表达式如下：

；

其中，为分解次数，/>为基于预设涂胶厚度的第一约束条件，/>，为基于固化时长的第二约束条件，/>；/>为以单次涂胶厚度建立的时长预测函数，/>为所述第一约束条件的误差，/>为所述第二约束条件的误差。

7.如权利要求1所述的方法，其特征在于，所述方法还包括：

获取所述涂胶机进行涂胶的工作环境参数；

根据所述工作环境参数建立扰动指标矩阵，并根据各个扰动因子建立扰动影响矩阵，其中，所述扰动指标矩阵和所述扰动影响矩阵相对应；

通过灰度关联计算获取扰动影响指标，基于所述扰动影响指标对所述第一偏差影响指标进行调整。

8.一种芯片工艺偏差自动识别矫正系统，其特征在于，用于执行权利要求1至7所述的一种芯片工艺偏差自动识别矫正方法中任意一项方法的步骤，所述系统包括：

待涂胶信息获取模块，所述待涂胶信息获取模块用于获取芯片的待涂胶表面以及预设涂胶厚度；

单次涂胶厚度分解模块，所述单次涂胶厚度分解模块用于基于所述预设涂胶厚度进行单次涂胶厚度分解，生成多次涂胶工序，其中，每次涂胶工序以单次涂胶厚度为目标控制涂胶机；

涂胶工序监测模块，所述涂胶工序监测模块用于将所述芯片固定于所述涂胶机的放置台上，对所述多次涂胶工序中每次涂胶工序进行实时监测，获取多组实时监测数据集，其中，每组实时监测数据集包括平台转速监测数据、滴胶速度监测数据以及滴胶量监测数据；

偏差影响识别模块，所述偏差影响识别模块用于以所述平台转速监测数据、滴胶速度监测数据以及滴胶量监测数据建立偏差影响识别网络层，根据所述偏差影响识别网络层对每组实时监测数据集进行偏差影响识别，获取第一偏差影响指标，其中，所述第一偏差影响指标为偏差数据造成光刻胶单次均匀度受到影响的程度；

参数校正模块，所述参数校正模块用于基于所述第一偏差影响指标生成调节数据集，用于对下一涂胶工序的涂胶控制参数进行校正。