划片机刀具寿命预测方法研究

作     者：张妍妍 

作者单位：郑州轻工业大学 

学位级别：硕士

导师姓名：李清波;石军

授予年度：2023年

学科分类：080903[工学-微电子学与固体电子学] 0809[工学-电子科学与技术（可授工学、理学学位）] 08[工学] 

主      题：砂轮划片机 刀具寿命预测 优化算法 BP神经网络 

摘      要：划片机作为半导体制造过程中的重要设备之一,主要用于将晶圆切割成一定尺寸的芯片。随着芯片制造工艺的不断优化和芯片尺寸的不断缩小,对划片机切割的要求也越来越高。刀具作为切割过程中的关键部件,它的状态直接影响切割质量。为了提高划片机的切割质量和制造效率,需要对划片机的刀具剩余使用寿命进行预测。预测剩余使用寿命可以帮助生产管理人员及时更换刀具,避免由于刀具磨损导致的生产停滞和质量问题,从而提高生产效率和芯片质量。本文主要工作如下:(1)针对DISCO公司ZH-05系列刀具,选取了以色列ADT公司的8230全自动双轴划片机记录的切割数据进行刀具寿命预测研究。根据影响刀具磨损的程度选取了刀具暴露量,刀具厚度,切割速度,进刀速度,主轴转速,切割深度这六个特征作为刀具预测模型的输入。(2)针对传统BP神经网络预测模型在实际的划片机刀具寿命预测中存在预测准确率低和易陷入局部最优值的问题,本文提出了利用粒子群算法(PSO)和遗传算法(GA)的全局优化能力和自适应特征来提高预测模型性能的方法。(3)针对划片机刀具寿命问题,本文建立了三个预测模型:基于BP、基于PSO-BP和基于GA-BP神经网络的预测模型。基于8230全自动双轴划片机记录的切割数据,进行了划片机刀具寿命预测实验。通过将提出的预测模型与BP预测模型进行实验比较,基于15个测试集样本,提出的PSO-BP预测模型的准确率比BP预测模型提高了2.7%,GA-BP预测模型比BP预测模型提高了4%。基于50个测试集样本,提出的PSO-BP预测模型的准确率比BP预测模型提高了1.9%,GA-BP预测模型比BP预测模型提高了3.5%。这表明PSO和GA利用自身全局寻优能力和自适应性的特点解决了BP神经网络预测模型原本存在的问题,并证明了本文提出的两种预测方法在切割机刀具寿命预测方面具有较好的应用价值。