项目信息：
申报院校：同济大学
项目名称：半导体制造全自动虚拟量测系统
项目简介：
半导体生产目前通常采取物理检测方式对产品进行质量抽检，时间和经济成本高昂;晶圆缺陷分析依赖人工经验；检测或分析过程暂停生产，降低产能。本成果基于大数据与人工智能技术，研发了知识数据混合驱动的半导体制造全自动虚拟量测系统(AVM)，实现产品质量实时监控预警、质量问题快速准确追溯与产能充分利用。
所属类别：先进制造与自动化
技术特点：
技术创新点:
(1)工业数据建模算法自适应选择方法。提出基于元学习的算法选择框架和算法综合评估框架，可根据相关数据特征推荐算法并确定算法需改进的参数，解决了工业数据难以运用于缺陷识别和质量检测的问题。
(2)高维工业数据高效学习算法。基于可信度理论提出自适应卡尔曼滤波方法处理高维不确定信息，解决了工业高维数据驱动建模与预测难点。
(3)知识数据混合驱动预测性维护理论。建立具有预测和自我优化能力的预测性维护框架,实现设备可解释健康评估，解决了生产过程中的产品质量保障与设备产能利用的协同优化问题。
(4)全自动虚拟量测工业软件原型系统。基于因果推断识别质量相关特征信息，监测状态参数预测质量异常；基于联合数据分析，追溯质量缺陷并及时干预;实现设备预测性维护,提升企业产品质量与生产效率。
市场前景:
技术成熟度：实验室技术
本项目研发的AVM可以应用但不限于半导体、光电、能源、化工行业，方便用户迅速扩散至各厂与各制程机台，针对不同制程形态均具备解决方案，应用后可以取得的成效包括:1)将抽样检测率由原来<30%提升至100%,做到产品全覆盖量测,预测质量异常，发现质量问题及时处理，减少产品报废率，提高最终出货良率;2)对产品的量测平均值与各点位量测值均可准确预估，并可改善产品均匀度与提升毛利率，可降低3%以上的周期时间和50%以上的机台监测频率;3)减少对物理检测设备依赖，传统测量设备占总设备价格的1/10以上，可以将大量昂贵的检测设备替换为生产过程中瓶颈设备,缩短生产周期，提高工厂效率和产能；4)可以将人机比降低至原1/5，减少人工成本。
项目需求：技术许可 技术转让 作价投资
合作咨询请联系赵先生：18201800528
