本發(fā)明涉及半導(dǎo)體，特別是涉及一種用于fab系統(tǒng)的ai邊緣計算平臺、方法、終端及系統(tǒng)。

背景技術(shù)：

1、隨著大數(shù)據(jù)、ai技術(shù)的發(fā)展，半導(dǎo)體行業(yè)已開始進(jìn)入大數(shù)據(jù)以及ai技術(shù)的應(yīng)用階段,?結(jié)合企業(yè)業(yè)務(wù)系統(tǒng)及業(yè)務(wù)數(shù)據(jù)在多個場景的ai應(yīng)用起到降本增效。國內(nèi)的晶圓廠日益增多，對于fab系統(tǒng)上線后處理數(shù)據(jù)的效率要求更高，需第一時間進(jìn)行計算并得出相應(yīng)結(jié)果。目前，大部分國內(nèi)晶圓制造廠的fab系統(tǒng)都是將海量數(shù)據(jù)上傳至云數(shù)據(jù)中心進(jìn)行處理，并將結(jié)果返回給用戶。盡管傳統(tǒng)云計算范式下的fab系統(tǒng)可以滿足基本業(yè)務(wù)數(shù)據(jù)上傳至云數(shù)據(jù)中心進(jìn)行處理的需求，但是隨著個別時延敏感型業(yè)務(wù)如人工智能應(yīng)用程序的不斷開發(fā)與更新，對于數(shù)據(jù)量、時延以及數(shù)據(jù)的可控性和安全性更高的要求難以滿足。

技術(shù)實(shí)現(xiàn)思路

1、鑒于以上所述現(xiàn)有技術(shù)的缺點(diǎn)，本發(fā)明的目的在于提供一種用于fab系統(tǒng)的ai邊緣計算平臺、方法、終端及系統(tǒng)，用于解決現(xiàn)有技術(shù)隨著個別時延敏感型業(yè)務(wù)如人工智能應(yīng)用程序的不斷開發(fā)與更新，對于數(shù)據(jù)量、時延以及數(shù)據(jù)的可控性和安全性更高的要求難以滿足的技術(shù)問題。

2、為實(shí)現(xiàn)上述目的及其他相關(guān)目的，本發(fā)明提供一種用于fab系統(tǒng)的ai邊緣計算平臺基于fab系統(tǒng)中業(yè)務(wù)數(shù)據(jù)處理需求開發(fā)，部署于晶圓制造廠的多個機(jī)臺設(shè)備的邊緣側(cè)，并與各機(jī)臺設(shè)備通信連接，所述平臺包括：機(jī)臺數(shù)據(jù)采集模塊，用于根據(jù)用戶參數(shù)需求采集各機(jī)臺設(shè)備的工藝參數(shù)值，并篩選屬于正常晶圓生產(chǎn)環(huán)節(jié)且符合高質(zhì)量晶圓標(biāo)準(zhǔn)的數(shù)據(jù)；數(shù)據(jù)分析模塊，連接所述機(jī)臺數(shù)據(jù)采集模塊，用于利用由所述數(shù)據(jù)分析模塊需要分析處理的數(shù)據(jù)量選擇的具有fab系統(tǒng)業(yè)務(wù)數(shù)據(jù)處理功能的算法模型對所述機(jī)臺數(shù)據(jù)采集模塊輸出的數(shù)據(jù)進(jìn)行分析處理，獲得分析結(jié)果；?數(shù)據(jù)優(yōu)化模塊，連接所述數(shù)據(jù)分析模塊，用于利用所述數(shù)據(jù)分析模塊輸出的分析結(jié)果動態(tài)調(diào)整各機(jī)臺設(shè)備的工藝參數(shù)值以及補(bǔ)償fab系統(tǒng)指數(shù)，以供將調(diào)整后的各工藝參數(shù)值反饋給用戶優(yōu)化機(jī)臺設(shè)備的性能與生產(chǎn)流程，并采用補(bǔ)償?shù)膄ab系統(tǒng)指數(shù)優(yōu)化所述數(shù)據(jù)分析模塊中的算法模型的模型參數(shù)；還用于基于所述數(shù)據(jù)分析模塊需處理的數(shù)據(jù)量調(diào)整所述數(shù)據(jù)分析模塊所利用的算法模型的類型。

3、于本發(fā)明的一實(shí)施例中，所述機(jī)臺數(shù)據(jù)采集模塊包括：用戶需求數(shù)據(jù)采集單元，用于確定用戶參數(shù)需求，并基于用戶參數(shù)需求采集各機(jī)臺設(shè)備的工藝參數(shù)值；其中，所述工藝參數(shù)值包括：機(jī)臺腔體的溫濕度、液體流速以及氣體濃度中的一種或多種；正常晶圓生產(chǎn)環(huán)節(jié)篩選單元，連接所述用戶需求數(shù)據(jù)采集單元，用于篩選采集的數(shù)據(jù)中正常晶圓生產(chǎn)環(huán)節(jié)的數(shù)據(jù)，以剔除研發(fā)測試環(huán)節(jié)的數(shù)據(jù)；高質(zhì)量數(shù)據(jù)篩選單元，連接所述正常晶圓生產(chǎn)環(huán)節(jié)篩選單元，用于在篩選的正常晶圓生產(chǎn)環(huán)節(jié)的數(shù)據(jù)中篩選未出現(xiàn)工藝問題的數(shù)據(jù)作為符合高質(zhì)量標(biāo)準(zhǔn)的數(shù)據(jù)；數(shù)據(jù)儲存單元，連接所述高質(zhì)量數(shù)據(jù)篩選單元，用于儲存由高質(zhì)量數(shù)據(jù)篩選單元篩選的符合高質(zhì)量標(biāo)準(zhǔn)的數(shù)據(jù)。

4、于本發(fā)明的一實(shí)施例中，所述數(shù)據(jù)分析模塊用于利用由所述數(shù)據(jù)分析模塊需分析的數(shù)據(jù)量選擇的具有fab各系統(tǒng)業(yè)務(wù)數(shù)據(jù)處理功能的機(jī)器學(xué)習(xí)模型或深度學(xué)習(xí)模型對所述機(jī)臺數(shù)據(jù)采集模塊輸出的數(shù)據(jù)進(jìn)行關(guān)鍵參數(shù)分析，獲得對應(yīng)的分析結(jié)果；其中，fab各系統(tǒng)包括：?yms系統(tǒng)、apc系統(tǒng)、fdc系統(tǒng)、mes系統(tǒng)以及spc系統(tǒng)。

5、于本發(fā)明的一實(shí)施例中，所述數(shù)據(jù)分析模塊包括：機(jī)器學(xué)習(xí)模型預(yù)測單元，用于在需分析的數(shù)據(jù)量在標(biāo)準(zhǔn)數(shù)據(jù)量范圍內(nèi)的情況下，通過訓(xùn)練的機(jī)器學(xué)習(xí)算法模型根據(jù)所述機(jī)臺數(shù)據(jù)采集模塊輸出的數(shù)據(jù)輸出預(yù)測的分析結(jié)果；其中，機(jī)器學(xué)習(xí)算法模型采用決策樹模型；深度學(xué)習(xí)模型預(yù)測單元，用于在需分析的數(shù)據(jù)量在超過標(biāo)準(zhǔn)數(shù)據(jù)量范圍的情況下，通過訓(xùn)練的深度學(xué)習(xí)算法模型根據(jù)所述機(jī)臺數(shù)據(jù)采集模塊輸出的數(shù)據(jù)輸出預(yù)測的分析結(jié)果。

6、于本發(fā)明的一實(shí)施例中，所述機(jī)器學(xué)習(xí)算法模型采用的策樹模型的類型包括：catboost模型以及xgboost模型；所述深度學(xué)習(xí)算法模型的類型包括：cnn以及dnn模型。

7、于本發(fā)明的一實(shí)施例中，所述數(shù)據(jù)優(yōu)化模塊包括：參數(shù)調(diào)整補(bǔ)償單元，用于利用所述分析結(jié)果動態(tài)調(diào)整工藝參數(shù)值以及補(bǔ)償fab系統(tǒng)指數(shù)，并將調(diào)整后的各工藝參數(shù)值反饋給用戶以優(yōu)化機(jī)臺設(shè)備的性能與生產(chǎn)流程且利用fab系統(tǒng)指數(shù)優(yōu)化算法模型的模型參數(shù)；模型調(diào)整單元，用于監(jiān)測所述數(shù)據(jù)分析模塊輸入的數(shù)據(jù)量，并在數(shù)據(jù)量在標(biāo)準(zhǔn)數(shù)據(jù)量范圍內(nèi)時控制數(shù)據(jù)分析模塊利用機(jī)器學(xué)習(xí)模型對數(shù)據(jù)進(jìn)行處理以及在數(shù)據(jù)量超過標(biāo)準(zhǔn)數(shù)據(jù)量范圍時控制數(shù)據(jù)分析模塊利用深度學(xué)習(xí)算法模型對數(shù)據(jù)進(jìn)行處理。

8、于本發(fā)明的一實(shí)施例中，所述平臺的開發(fā)流程包括：用戶確定相關(guān)參數(shù)，在ai邊緣計算平臺的通訊以及傳統(tǒng)開發(fā)模式中的各項(xiàng)測試完成后根據(jù)所需的fab各系統(tǒng)中業(yè)務(wù)數(shù)據(jù)處理任務(wù)的類型以及規(guī)模確定ai邊緣計算平臺所需的?ai?算力需求，并配置出對應(yīng)合適的邊緣計算硬件規(guī)格，通過將云服務(wù)器的計算、網(wǎng)絡(luò)及存儲資源部署到各機(jī)臺設(shè)備的邊緣側(cè)，并且在邊緣服務(wù)器上構(gòu)建算法模型并部署ai應(yīng)用。

9、為實(shí)現(xiàn)上述目的及其他相關(guān)目的，本發(fā)明提供一種用于fab系統(tǒng)的ai邊緣計算方法，應(yīng)用于fab系統(tǒng)的ai邊緣計算平臺，該平臺基于fab各系統(tǒng)中業(yè)務(wù)數(shù)據(jù)處理需求開發(fā)，部署于晶圓制造廠的多個機(jī)臺設(shè)備的邊緣側(cè)，并與各機(jī)臺設(shè)備通信連接，所述方法包括：根據(jù)用戶參數(shù)需求采集各機(jī)臺設(shè)備的工藝參數(shù)值，并篩選屬于正常晶圓生產(chǎn)環(huán)節(jié)且符合高質(zhì)量晶圓標(biāo)準(zhǔn)的數(shù)據(jù)；利用由需要分析處理的數(shù)據(jù)量選擇的具有fab系統(tǒng)業(yè)務(wù)數(shù)據(jù)處理功能的算法模型對篩選的數(shù)據(jù)進(jìn)行分析處理，獲得分析結(jié)果；利用所述分析結(jié)果動態(tài)調(diào)整各機(jī)臺設(shè)備的工藝參數(shù)值以及補(bǔ)償fab系統(tǒng)指數(shù)，以供將調(diào)整后的各工藝參數(shù)值反饋給用戶優(yōu)化機(jī)臺設(shè)備的性能與生產(chǎn)流程，并采用補(bǔ)償?shù)膄ab系統(tǒng)指數(shù)優(yōu)化所述算法模型的模型參數(shù)。

10、為實(shí)現(xiàn)上述目的及其他相關(guān)目的，本發(fā)明提供一種電子終端，包括：一或多個存儲器及一或多個處理器；所述一或多個存儲器，用于存儲計算機(jī)程序；所述一或多個處理器，連接所述存儲器，用于運(yùn)行所述計算機(jī)程序以執(zhí)行所述用于fab系統(tǒng)的ai邊緣計算方法。

11、為實(shí)現(xiàn)上述目的及其他相關(guān)目的，本發(fā)明提供一種ai邊緣計算系統(tǒng)，所述系統(tǒng)包括：云服務(wù)器以及一或多個ai邊緣計算子系統(tǒng)；其中，每個ai邊緣計算子系統(tǒng)包括：一機(jī)臺組，由晶圓制造廠的多個機(jī)臺設(shè)備組成；其中，每個機(jī)臺組由晶圓制造廠的各機(jī)臺設(shè)備分組得到；在所述機(jī)臺組邊緣側(cè)對應(yīng)部署的一所述的用于fab系統(tǒng)的ai邊緣計算平臺；所述用于fab系統(tǒng)的ai邊緣計算平臺通信連接于對應(yīng)機(jī)臺組的各機(jī)臺設(shè)備與云服務(wù)器之間。

12、如上所述，本發(fā)明是一種用于fab系統(tǒng)的ai邊緣計算平臺、方法、終端及系統(tǒng)，具有以下有益效果：本發(fā)明提供一種專為fab系統(tǒng)設(shè)計的ai邊緣計算平臺，該平臺根據(jù)fab各系統(tǒng)中業(yè)務(wù)數(shù)據(jù)處理任務(wù)需求定制開發(fā)，部署于晶圓制造廠多個機(jī)臺設(shè)備的邊緣側(cè)，并與各機(jī)臺設(shè)備通信連接。所述平臺能夠采集并篩選符合高質(zhì)量晶圓標(biāo)準(zhǔn)的工藝參數(shù)數(shù)據(jù)，利用特定算法模型進(jìn)行分析處理，根據(jù)分析結(jié)果動態(tài)調(diào)整機(jī)臺設(shè)備工藝參數(shù)并補(bǔ)償fab系統(tǒng)指數(shù)，優(yōu)化機(jī)臺設(shè)備性能與生產(chǎn)流程以及算法模型。通過結(jié)合邊緣計算與ai技術(shù)，本發(fā)明實(shí)現(xiàn)了對半導(dǎo)體制造設(shè)備工藝參數(shù)的低時延處理和實(shí)時分析，提升了系統(tǒng)處理效率和響應(yīng)速度，同時集成了設(shè)備數(shù)據(jù)處理的全流程自動化管理，降低了人工干預(yù)需求，減輕了開發(fā)人員工作負(fù)擔(dān)。