姚晓童,李 林

（上海理工大学 管理学院，上海 200093）

成品率是半导体制造过程中一项重要的工艺性能指标，精准预测晶圆成品率对于改进生产工艺、减少晶圆制造损失具有重要意义。

目前成品率建模大多基于影响成品率的关键参数，如缺陷数量、大小、电性参数等。文献[1]考虑缺陷概率密度分布建立了经典的泊松成品率预测模型，由于模型结构简单，应用最为广泛，但预测准确度较低。文献[2]考虑缺陷分布存在过度分散性，对文献[1]进行了改进，建立了广义泊松分布模型预测晶圆成品率，提高了成品率的预测精度。文献[3]基于缺陷类型、大小、位置等基本信息建立因果统计模型，进行成品率的预测，并提出了成品率优化策略，但由于缺陷数据量庞大，模型求解困难。文献[4 -5]考虑晶圆电性测试的关键参数，以最小化测试参数和预测误差为目标，选取显著特征向量，进而预测晶圆成品率，但电气参数数据对象多，对象间关联性强，导致模型预测准确度较低。文献[6]基于成品率历史数据提出一种混合聚合–熵–共识的模糊协同智能算法，首先得到成品率预测区间，然后用反向传播网络去模糊化得到成品率的预测值，具有较好的预测精度。影响晶圆成品率因素众多，数据量大且关系复杂，但缺陷数据仍然是成品率建模最具影响力的因素[7]。

为提高预测精度以及确定晶圆缺陷来源，部分学者考虑晶圆缺陷的聚集性建立成品率预测模型。文献[8]考虑晶圆缺陷的邻近效应，利用缺陷模式建立成品率模型，具有较高的预测精度。……