公开(公告)号：CN116720599A

公开(公告)日：2023-09-08

申请号：CN202310267177.7

申请日：2023-03-20

Applicant: 南京航空航天大学

Inventor： 张丹 ,  艾文浩 ,  符伟东 ,  周航 ,  左敦稳

IPC: G06Q10/04 ,  H01L21/67 ,  G06Q10/0631 ,  G06Q50/04 ,  G06N3/0442 ,  G06N3/045 ,  G06N3/048 ,  G06N3/08

Abstract: 一种基于理论模型与数据驱动融合的碳化硅晶片加工生产线性能预测方法，其特征是：首先对碳化硅晶片加工生产线加工过程中的各项时序数据进行统计和预处理；然后基于排队论对生产线进行建模获得理论模型，并对特征参数进行降维处理；对降维后特征参数的输入数据和输出数据进行归一化处理；选择合适的记忆步长和预测步长构建时间序列数据集；构建基于双向长短期记忆神经网络的碳化硅晶片加工生产线性能预测模型，通过网格化搜索的方法寻找最优超参数；最终基于该模型对碳化硅晶片加工生产线的性能进行预测。本发明精确预测出的性能指标可以用来优化生产排产，提供调度方案的参考指标，从而科学的指导生产，具有实际的应用价值。

公开(公告)号：CN116061013A

公开(公告)日：2023-05-05

申请号：CN202310241390.0

申请日：2023-03-14

Applicant: 南京航空航天大学

Inventor： 张丹 ,  朱锡生 ,  符伟东 ,  徐海涛 ,  左敦稳

IPC: B24B1/00 ,  B24B37/08

Abstract: 一种碳化硅晶圆基片研抛加工的上料组批优化方法，其特征在于，包括以下步骤：步骤1：通过灰色关联分析法对碳化硅晶片研抛加工工序历史加工数据进行分析，获取与该工序成品率具有强关联的晶片组表面质量参数的一致性作为加工质量预测模型的输入参数，输出参数为对该工序成品率的预测值；步骤2：基于碳化硅晶片生产线采集所得研抛工序历史加工数据建立碳化硅晶片加工质量预测模型；步骤3：通过表面质量检测获得缓冲区所有待加工晶片的表面质量参数，建立该批加工工序缓冲区晶片上料组批优化问题模型；步骤4：采用优化算法对缓冲区碳化硅晶片上料组批优化问题进行求解，获得优化后的晶片组批生产方案。本发明能有效地提高具有单品种、大批量特点的碳化硅生产线多片加工工序的成品率，降低产出损失。