学位论文 > 优秀研究生学位论文题录展示

基于Kohonen神经网络的晶圆光刻流程动态调度方法

作　者: 蒋舒宇
导　师: 周炳海
学　校: 上海交通大学
专　业: 管理科学与工程
关键词: 半导体晶圆制造系统光刻 Kohonen网络动态调度
分类号: TN304.05
类　型: 硕士论文
年　份: 2009年
下　载: 83次
引　用: 0次
阅　读: 论文下载

内容摘要

为了使半导体企业在激烈的市场竞争中占据有利地位,要求其不断提高产能降低制造周期来适应需求。在整个半导体晶圆制造系统中,光刻区是重入次数最多的区域,光刻设备被认为是利用率最高的瓶颈设备,并在很大程度上控制着整个晶圆制造厂的系统绩效。本文结合国内外已有的研究成果,对光刻流程动态调度问题进行了系统和深入的研究。本文所做的主要工作为:(1)针对光刻区的不同状态,提出了基于Kohonen神经网络的晶圆光刻流程动态调度方法,以适应生产过程中的复杂变化。以此提高光刻区绩效指标值,从而达到改善制造系统整体绩效的目的。(2)将基于Kohonen神经网络的晶圆光刻流程动态调度方法集成为一套动态调度系统,主体是由仿真样本生成模块,学习模块、数据库模块、预测模块、控制模块五部分组成。其整体构思为:仿真样本生成模块通过模拟真实晶圆制造系统收集仿真样本;学习模块利用Kohonen神经网络对仿真样本进行学习,选择出每种状态下能够使光刻区取得较好绩效的调度规则;在获得了学习的结果之后,控制模块将利用预测模块和数据库模块对实际的晶圆制造系统实施周期性动态调度策略,即每隔固定的时间,为光刻区选择适宜的调度规则。(3)为了证明该方法的有效性和高效性,在以上工作的基础上,对基于Kohonen神经网络的晶圆光刻流程动态调度方法在半导体晶圆制造系统中的应用进行了仿真实验,实验按照系统投料规则的不同划分为闭环投料规则和开环投料规两种情况,实验结果表明本文所提出的调度方法是有效可行的。

全文目录

摘要  5-7
ABSTRACT  7-11
第一章绪论  11-25
  1.1 课题背景和研究意义  11-13
  1.2 半导体晶圆制造流程  13-18
    1.2.1 半导体晶圆制造工艺  13-15
    1.2.2 光刻流程介绍  15-16
    1.2.3 光刻流程调度的重要性  16-18
  1.3 国内外研究现状分析  18-24
    1.3.1 基于简单规则的动态调度  18-20
    1.3.2 基于数学规划方法的动态调度  20-21
    1.3.3 基于仿真的动态调度  21-22
    1.3.4 基于人工智能的动态调度  22-23
    1.3.5 研究现状总结  23-24
  1.4 章节安排  24-25
第二章神经网络  25-34
  2.1 神经网络概述  25-27
  2.2 神经网络比较  27-31
    2.2.1 前馈网络  27-29
    2.2.2 反馈网络  29-30
    2.2.3 自组织竞争神经网络  30-31
  2.3 Kohonen 神经网络  31-33
  本章小结  33-34
第三章基于Kohonen 神经网络的动态调度方法  34-46
  3.1 动态调度系统概述  34-39
    3.1.1 动态调度的对象  34-35
    3.1.2 动态调度的策略  35-36
    3.1.3 动态调度的依据  36-37
    3.1.4 动态调度的目标  37-39
  3.2 系统模块描述  39-45
    3.2.1 仿真样本生成模块  39-41
    3.2.2 学习模块  41-44
    3.2.3 数据库模块  44-45
    3.2.4 预测模块  45
    3.2.5 控制模块  45
  本章小结  45-46
第四章开环投料规则  46-68
  4.1 仿真基本数据设计  46-49
    4.1.1 设备数据  46-48
    4.1.2 产品数据  48-49
  4.2 光刻区调度规则设计  49-52
    4.2.1 设备上料规则  49-50
    4.2.2 检查频率  50-51
    4.2.3 检查规则  51-52
  4.3 仿真指标设计  52-56
    4.3.1 绩效指标值  52
    4.3.2 状态指标值  52-54
    4.3.3 性能评价指标值  54-56
  4.4 样本收集及学习  56-61
    4.4.1 仿真样本收集  56-58
    4.4.2 学习  58-61
  4.5 动态调度过程模拟  61
  4.6 调度结果比较  61-67
  本章小结  67-68
第五章闭环投料规则  68-80
  5.1 计算WIP 数量  68-74
    5.1.1 模型描述  68-70
    5.1.2 求解策略  70
    5.1.3 启发式算法  70-74
  5.2 仿真  74-79
    5.2.1 学习  74-75
    5.2.2 调度结果数据比较  75-79
  本章小结  79-80
第六章结论与展望  80-82
  6.1 结论  80
  6.2 展望  80-82
参考文献  82-88
致谢  88-89
攻读学位期间发表的学术论文目录  89-90
上海交通大学学位论文答辩决议书  90

基于Kohonen神经网络的晶圆光刻流程动态调度方法

内容摘要

全文目录

相似论文