半导体制造系统的日产出量预测系统

摘要

一种半导体制造领域的半导体制造系统的日产出量预测系统，本发明中，GUI模块负责与用户和其他模块进行交互；日产出量时间序列的相空间重构模块获得日产出量时间序列，对日产出量时间序列进行预处理后，将经过重构处理的日产出量时间序列输出给GUI模块和神经网络模块；神经网络模块进行日产出量时间序列的预测处理，并将预测处理结果输出到神经网络的参数训练处理模块和GUI模块；神经网络参数的训练处理模块对神经网络模块中的隐含层和输出层权值参数进行训练处理。本发明提高了半导体生产线的日产出量预测的准确性和精度。

主权项

一种半导体制造系统的日产出量预测系统，其特征在于，包括：GUI模块、日产出量时间序列的相空间重构模块、神经网络模块和神经网络参数的训练模块，其中：GUI模块接收用户输入的日产出量时间序列信息和神经网络训练的初始化参数设定值信息，分别将其输出给日产出量时间序列的相空间重构模块和神经网络的参数训练模块；日产出量时间序列的相空间重构模块获得日产出量时间序列，对日产出量时间序列进行预处理后，将经过重构处理的日产出量时间序列输出给GUI模块和神经网络模块，其中，预处理包括：时间延迟识别处理、嵌入维数识别处理和相空间重构处理，针对日产出量时间序列；神经网络模块一方面从日产出量时间序列的相空间重构模块获得重构后的日产出量时间序列数据，另一方面从神经网络参数的训练模块获得优化的隐含层和输出层权值参数，进行日产出量时间序列的预测处理，并将预测处理结果输出到神经网络参数的训练模块和GUI模块；神经网络参数的训练模块一方面接收日产出量时间序列的相空间重构模块的日产出量时间序列的预处理结果信息，一方面从GUI模块接收神经网络训练的初始化参数设定值信息，对神经网络模块中的隐含层和输出层权值参数进行训练处理，将优化的隐含层和输出层权值参数传输给神经网络模块，并传输给GUI模块；所述日产出量时间序列的相空间重构模块，包括三个子模块：时间延迟处理子模块、嵌入维数处理子模块和相空间重构子模块，其中：时间延迟处理子模块负责对日产出量时间序列进行时间延迟信息的识别处理，时间延迟处理子模块从GUI模块获得日产出量时间序列数据，采用去偏自相关函数方法计算不同时间延时情况下时间序列的关联系数，随着时间延迟变量的增大，关联系数单调递减，当关联系数降到初始值的1‑(1/e)时，所对应的时间延迟变量即为获得的当前日产出量时间序列的时间延迟信息，并将日产出量时间序列的时间延迟信息传输给嵌入维数处理子模块和相空间重构子模块；嵌入维数处理子模块负责对日产出量时间序列进行嵌入维数信息m的识别处理，嵌入维数处理子模块读取时间延迟信息，并从GUI模块获得日产出量时间序列数据，采用格劳斯伯格‑布朗西尔方法计算日产出量时间序列的嵌入维数，首先，设定初始的嵌入维数值为1，计算日产出量时间序列数据的关联积分函数，随着嵌入维数值增加时，关联积分函数值变化率增大，当关联积分函数值变化率不随嵌入维数值的增加而增加时，对应的嵌入维数值为当前日产出量时间序列的嵌入维数值信息，并将日产出量时间序列的嵌入维数信息m传输给相空间重构子模块；相空间重构子模块负责对日产出量时间序列进行相空间重构处理，相空间重构子模块读取时间延迟信息和嵌入维数信息，并从GUI模块获得日产出量时间序列数据，在延迟函数和嵌入维数的基础上，采用相空间重构方法的时间序列变换规则，将以N为天数的N行×1列的日产出量时间序列变换成(N‑m)行×m列的日产出量时间序列，从而实现日产出量时间序列的相空间重构处理；所述的神经网络模块，包括：输入层处理子模块、隐含层处理子模块、输出层处理子模块和预测输出子模块，其中：输入层处理子模块负责对相空间重构处理的日产出量时间序列进行输入层函数变换处理，在对相空间重构处理的日产出量时间序列进行分析的基础上，对日产出量时间序列的m列，采用m个tansig函数作为输入函数，对日产出量时间序列进行输入层函数变换处理；隐含层处理子模块负责将输入层处理子模块的输出数据进行加权和函数变换处理，针对输入层处理子模块的m列输出时间序列数据，将其与从神经网络参数的训练模块获得的隐含层的训练权值参数相乘并进行加权，加权的结果采用k个tansig函数进行隐含层函数变换处理，k为隐含层处理子模块的输出时间序列数据的列数，以实现隐含层处理子模块的加权和函数变换处理；输出层处理子模块负责将隐含层处理子模块的输出数据进行加权和输出函数变换处理，针对隐含层处理子模块的k列输出时间序列数据，将其与从神经网络参数的训练模块获得的输出层的训练权值参数相乘并进行加权，加权的结果采用1个tansig函数进行输出层函数变换处理，以实现输出层处理子模块的加权和函数变换处理；预测输出子模块负责从输出层处理子模块获取预测值，并将预测值输出到GUI模块；所述神经网络参数的训练模块，包括：初始化参数获取子模块、训练参数向量优化选择子模块、信息素数量更新子模块，其中：初始化参数获取子模块从GUI模块获取信息素增加数量的设定值，输出到信息素数量更新子模块；同时初始化参数子模块从GUI模块获得训练参数向量的数量、神经网络的隐含层和输出层的权值参数取值范围等参数的设定值，并从日产出量时间序列的相空间重构模块获得日产出量时间序列数据，输出到训练参数向量优化选择子模块；训练参数向量优化选择子模块负责神经网络的隐含层和输出层的权值参数的优化选择处理，根据信息素量较大优先规则，从神经网络的隐含层和输出层的权值参数集合中选择P组隐含层和输出层的权值参数向量，计算P组权值参数向量的输出误差，输出到信息素数量更新子模块，同时从信息素数量更新子模块获取权值参数集合对应的信息素数量，优先选用信息素含量最高的一组隐含层和输出层的权值参数，并输出到神经网络模块的隐含层处理子模块、输出层处理子模块和GUI模块；信息素数量更新子模块从初始化参数获取子模块获得信息素增加数量的设定值信息，并从训练参数向量优化选择子模块获得权值参数向量的输出误差值，对神经网络的隐含层和输出层的权值参数集合的信息素量的更新处理，通过根据P组权值参数向量的输出误差值倒数的大小和设定的信息素增加数量参数来增加相应隐含层和输出层的权值参数的信息素量的方法，对信息素量进行更新。