一种多管路液体流量控制方法及系统与流程

本发明涉及属于半导体制造，尤其涉及一种多管路液体流量控制方法及系统。

背景技术：

1、在半导体制造工艺中，如化学机械抛光（cmp）、湿法清洗、光刻胶涂布及显影、电化学沉积（ecd）等关键环节，均涉及多管路、高精度的液体输送与分配系统。这些系统通常需要同时向多个工艺腔室或工位提供超纯水、化学试剂、光刻胶、研磨液或电镀液等多种流体。各管路的流量、压力及温度的稳定性直接决定了晶圆表面反应的均匀性、特征尺寸的精确控制以及最终芯片的良率。

2、现有的半导体制造过程中，针对多管路流量异常监测与流程控制的技术，普遍采用基于经验规则的异常检测或固定阈值预警。这种方法难以适应不同管路之间因介质种类、流动状态、环境温度与压力变化等造成的工况多样性。此外，对于多路流量系统中典型的交互影响（如一管异常导致多管联动异常），现有系统缺乏对异常演化趋势的动态捕捉和协同响应能力，往往只能在异常发生后被动响应，而不能提前预判与主动干预。同时，异常检测过程中对于离散异常事件与持续、趋势性异常的区分能力有限，容易造成漏报或误报，影响系统运行的安全性与稳定性。

3、因此，需要对半导体制造过程中的多管路流量管控技术进行改进，以克服现有技术的缺陷。

技术实现思路

1、为克服相关技术中存在的问题，本发明的目的之一是提供一种多管路液体流量控制方法，该方法用于半导体制造的多管路流量管控中，能够实现多管路异常的精准判别与来源归因，通过高灵敏异常检测与精准干预，可有效减少因供液波动导致的晶圆缺陷，提升生产良率。

2、一种多管路液体流量控制方法，包括：

3、获取多个管路不同位置的流量、温度、压力、阀门状态、环境变量、产线工艺安排、人工操作记录及外部事件的上下文因子，构建多维时序原始数据集；

4、对多维时序原始数据集执行多尺度时序窗口切分处理，基于滑动窗口技术分别在秒级、分钟级、小时级及工艺周期级尺度上提取流量波动、压力变化、温度偏移的时序特征；

5、将多尺度时序特征输入小波变换或多尺度聚类模型，获取瞬变异常与趋势异常因子，以识别流量及相关参数在各尺度下的突发与渐变异动；

6、基于上下文因子记录，采用上下文因子解析算法对产线工艺周期、外部事件、设备状态进行权重化标签处理，并动态调整上下文因子权重，将上下文因子权重与瞬变异常因子联合输入流量异常检测模型，实现多维环境诱因解析；

7、利用流量异常检测模型输出的瞬变异常因子与上下文因子权重，采用多管路协同耦合建模方法，分析多管路联合状态下的流量异常事件，判别异常现象为单路异常还是耦合异常，并据此区分外部诱发与内部异常来源；

8、判断多管路协同耦合模型输出的异常级别及其耦合关系，依据上下文因子动态权重，生成关断、降压、流量减载或预警待观察的分级干预措施；

9、基于干预等级指令自动触发执行器，对管路流量、系统压力进行实时调整。

10、在本发明较佳的技术方案中，对管路流量、系统压力进行实时调整时，还包括：

11、同步记录执行过程中的环境变量及上下文因子变化；

12、将干预执行后的流量响应曲线、异常链条变化及上下文因子权重变动归档于全局特征库，通过自学习算法持续优化多尺度异动检测、上下文因子解析与干预策略。

13、在本发明较佳的技术方案中，构建多维时序原始数据集，包括：

14、对传感器采集的流量、温度、压力信号进行时间同步化处理，消除通信延迟导致的时间戳偏移，获得时间对齐的原始传感数据序列；

15、对接收的阀门状态、设备启停信号及人工操作日志进行结构化解码，提取离散型控制动作事件及其发生时刻，生成标准化的操作事件记录集。

16、在本发明较佳的技术方案中，构建多维时序原始数据集还包括：获取产线调度系统的工艺任务安排表，并结合外部事件上报通道接收的维护通知、电力波动记录，执行事件标签标注处理，形成带有时序对齐标记的外部上下文事件序列。

17、在本发明较佳的技术方案中，构建多维时序原始数据集包括：将时间对齐后的传感数据序列、标准化的操作事件记录集和带有时序对齐标记的外部上下文事件序列进行时空维度融合，基于统一时间轴构建包含物理量、操作量与环境量的多维时序原始数据集。

18、在本发明较佳的技术方案中，对多维时序原始数据集执行多尺度时序窗口切分处理，基于滑动窗口技术分别在秒级、分钟级、小时级及工艺周期级尺度上提取流量波动、压力变化、温度偏移的时序特征，包括：

19、对多维时序原始数据集中的每一维变量进行归一化处理，基于最小-最大缩放算法将不同量纲的数据映射至区间，获得归一化的时序输入序列；

20、并定义秒级、分钟级、小时级及工艺周期级四类滑动窗口，对归一化时序输入序列进行分层切片，生成覆盖不同时间跨度的子序列集合。

21、在本发明较佳的技术方案中，获取瞬变异常与趋势异常因子包括：

22、构建非下采样双树复小波变换模型，对多尺度时序特征矩阵中的高频细节分量进行逐层分解，获得多层小波系数张量，并对各层细节系数执行自适应sure阈值量化处理，提取显著突变能量区段，生成瞬变异常响应图谱；

23、构建基于动态时间规整距离的多尺度层次聚类模型，对小时级与工艺周期级特征向量进行相似性度量，识别偏离正常簇的孤立样本点，获得趋势漂移异常候选集，并通过斜率持续性检验与置信区间边界穿越分析确认趋势异常因子序列。

24、在本发明较佳的技术方案中，所述多管路协同耦合建模方法包括：构建基于图神经网络的多管路拓扑建模框架，将每条管路作为节点，依据物理连接关系与流体动力学耦合强度建立有向边，生成管路耦合拓扑图，并将瞬变异常因子与上下文因子权重作为节点属性输入，通过图卷积操作聚合邻域信息，生成节点级耦合状态嵌入向量，用于异常类型判别与来源归因。

25、在本发明较佳的技术方案中，分级干预措施中：

26、当异常严重度为极高危时触发关断指令；高危时执行降压调节；中危时实施流量减载；低危时仅生成预警待观察指令；

27、所述异常严重度基于瞬变异常因子幅值、趋势异常因子持续时间及耦合管路节点数量综合评分生成；

28、自学习算法包括：将干预执行后的流量响应曲线与异常链条变化作为反馈样本，更新全局特征库中的正常工况基准与异常模式模板，并采用增量学习或在线贝叶斯更新方式，调整多尺度异动检测的阈值参数、上下文因子解析的权重分布以及干预策略的决策规则。

29、本技术的目的之二是提供一种多管路液体流量控制系统，该系统用于实施如上所述的多管路液体流量控制方法。

30、本发明的有益效果为：

31、本发明提供的一种多管路液体流量控制方法及系统，该方法过在秒级、分钟级、小时级及工艺周期级四个尺度上分别提取流量、压力、温度特征，能够同时捕捉毫秒级的瞬态脉冲（如阀门快速启闭引起的水锤效应）和小时级/批次级的渐进漂移（如过滤器缓慢堵塞、研磨液泵性能衰减）。克服了传统单一阈值或固定采样频率方法难以区分工艺切换扰动与真实故障的缺陷。通过多尺度聚类识别瞬态与趋势异常，可有效识别趋势漂移可在无先验标签下自动分离未知故障形态，在复杂噪声背景下保持高鲁棒性，从而显著降低半导体产线因正常工艺波动导致的误报警，同时避免对缓慢恶化故障的漏报。而将基于上下文因子记录的处理纳入统一数据体系，并采用注意力机制与在线贝叶斯更新动态调整各因子的权重。系统能够理解当前工况背景，这有效解决了静态权重或固定规则无法适应临时工艺变更、外部扰动的问题，大幅提升了异常诊断的合理性。将每条管路作为节点、流体动力学耦合强度作为边权重，构建管路耦合拓扑图。通过图卷积聚合邻域信息，能够准确识别异常是局限于单路内部还是由多路耦合引起。结合外部事件权重，进一步区分是外部诱发（如厂务扰动）还是内部结构性故障。该功能克服了传统单管路监控无法定位异常传播路径的弊端，显著提高了故障溯源效率，避免不必要的全面停机。