摘 要
在半导体制作过程中，晶圆制造是整个过程中最耗时间、耗精力、耗资金制作的一道工序。本文针对晶圆制造过程中大量制造过程数据没有被利用的问题，使用数据挖掘技术进行制造工艺数据分析，从中找到影响半导体产品成品率的问题点，为提高成品率提供决策支持。
本文研究的方法是利用BP神经网络方法，在众多的数据中挖掘出对使用者有利的信息，同时查找出一定的规律。使得产品的数据分析就能做得更到位，更仔细，建立起以该技术为基础的半导体工程数据分析平台。具体方法包括：对数据进行更细致的收集，确保数据的完整性和可靠性，这样做的目的就是确保该项工作的第一步能顺利进行；成功建立三个应用系统：监控与报警系统，此系统的运行步骤即对不合理的数据进行有效监督，并向使用者进行报警以确保及时发现问题，及时进行处理；交互式数据分析系统，即操作者利用应用方差、参数相关性分析等具体数据分析法，来及时发现问题，找出问题出现在哪；数据规格自动计算系统，确保数据的精准度和可靠性。
通过本文提出的方法，结合某企业的实际情况，将原型系统进行了实例应用，获得了较好的效果，验证了本文理论研究和实现方法的可行性，应用系统具有良好的工程应用前景。
关键字：数据挖掘；半导体；工程数据分析；良率分析
ABSTRACT
In the process of semiconductor fabrication, wafer fabrication is the most time-consuming, energy consuming and cost - consuming process in the whole process. Based on wafer manufacturing process to manufacture large quantities of data is not being used in the process of problem, using data mining technology for manufacturing process data analysis, find problem of semiconductor products yield point, provide decision support to improve the yield.
In this paper, the method of BP neural network is used to find out the information which is beneficial to the user and find out certain rules in the data. The data analysis of the product can be done more accurately and carefully, and the semiconductor engineering data analysis platform based on this technology is established. Specific methods include: to collect data more carefully, to ensure the integrity and reliability of data, so as to ensure that the first step of the work can be carried out smoothly; Successfully established three applications: monitoring and alarm system, the system operation steps to effective supervision, namely the unreasonable data and alarm to the user to ensure the timely discovery problem, timely processing; Interactive data analysis system, i.e., operators use specific data analysis methods such as application variance and parameter correlation analysis to identify problems in time and find out where the problems occur. Data specification automatic computing system to ensure the accuracy and reliability of data.
Through the method proposed in this paper, combining with the actual situation of an enterprise, application is made for the prototype system, obtained the good effect, verified the feasibility of the theory and realization method, application system has a good prospect of engineering application.
Keywords：Data mining；Semiconductor；Engineering data analysis；Yield analysis
目 录
摘 要 V
ABSTRACT 1
第一章 绪论 1
1.1 研究背景 1
1.2 研究目的及意义 2
1.3 论文主要工作 3
1.4 论文章节安排 4
第二章 相关研究现状 5
2.1 数据仓库 5
2.2 数据挖掘 6
2.3 半导体工程数据分析 7
2.3.1 半导体工程数据分析概述 7
2.3.2 系统化工程数据分析要求 9
2.3.3 数据挖掘技术的应用于半导体工程数据分析 10
第三章 半导体工程数据分析系统的设计 17
3.1 系统的功能需求 17
3.1.1 交互式工程数据分析需求 17
3.1.2 数据监控报警需求 19
3.1.3 数据规格自动计算需求 20
3.2 系统总体设计 21
3.2.1 系统组成 21
3.2.2 系统架构 24
3.2.3 数据仓库模型 24
3.3 数据ETL 34
3.4 工程数据分析应用系统 35
3.4.1 交互式工程数据分析 35
3.4.2 数据监控报警 37
3.4.3 数据规格自动计算 38
第四章 BP神经网络的半导体产品合格率预测 39
4.1 人工神经网络 39
4.1.1 人工神经网络概述 39
4.1.2 BP神经网络 40
4.2 BP神经网络的设计 41
4.2.1 样本量 41
4.2.2 隐含层层数 42
4.2.3 隐含层节点数 42
4.2.4 转移函数 42
4.3 基于BP神经网络的产品合格率预测方法 43
4.3.1 总体框架设计 43
4.3.2 数据预处理设计 43
4.3.3 BP神经网络结构设计 44
4.4 仿真实验分析 46
4.4.1 样本量 46
4.4.2 隐含层层数 48
4.4.3 隐含层节点数 50
4.4.4 转移函数 52
4.5 本章小结 53
第五章 总结与展望 54
5.1 总结 54
5.2 展望 54
参考文献 55
第一章 绪论
1.1 研究背景
当下的市场不同以往的市场，越来越受到需求的影响，需求导致竞争，一切以质量为优先衡量标准。因此可以看出，质量要求对一个企业是有多重要，它直接关乎着该企业的生死存亡。美国有位著名质量管理学家说过，20世纪将会是一个“生产力的世纪”；21世纪则是“质量的世纪”。当下，质量即企业发展的关键[1]。
当今信息社会，光电子技术可以说是支柱性产业，它涉面广，例如国防工业、化工、建筑等都离不开它。要想机器设备有一个好的运作模式，光电子元器件的质量一定要确保。由此看来，光电子元器件的质量是至关重要的，要时刻确保光电子元器件企业的质量管理水平，才更加确保使用该器件的相关企业能得到更好的发展。
R公司作为一家天津地区的全日本独资的海外公司，是一家光电子半导体生产企业。生产出的产品返销回日本，再向全世界发售。半导体生产制造具有产品种类多样、工艺流程复杂、生产规模大、质量以及精度要求高等特点。随着世界经济的疲软与制造业竞争的加剧，要求企业不断提高管理水平并节省成本以面对严峻的挑战。本文将以R公司为例，围绕半导体(激光二极管)生产工艺流程、设备特点以及产品质量管理来进行分析与阐述。
R公司的半导体制造过程相当复杂，其中包括几十道甚至于上百道工艺，从总体上把握可以分成两个大的部分，产品发光芯片也就是晶圆的生产和芯片的组装主要包括DB（Die Bond芯片粘合）和WB（Wire Bond线路连接）两大主要部分。芯片晶圆的质量直接决定的最终完成品的质量，晶圆可能由于制造工艺的技术问题或者机台污染的问题在晶圆表面产生缺陷，从而影响生产良率。大多时候在产品出现质量问题的时候我们可以从过一些简单的检测很容易得出结论，不良品的发生是因为材料（芯片晶圆）要因或是组立（DB WB）要因产生的。组立要因因为通常都可以通过外观比较发现异常，比较好解决。材料要因则比较困难，良品的芯片晶圆和不良的芯片晶圆在外观上通常都是一样的，只是可能在晶圆生成的时候可能由于压力，温
