【技术实现步骤摘要】
本专利技术涉及芯片智能生产控制，具体是多功能燃油惰化测氧传感器芯片的集成化生产方法及芯片。
技术介绍
1、多功能燃油惰化测氧传感器芯片的主要作用是用于汽车尾气中残留氧气的测量和监测。
2、在多功能燃油惰化测氧传感器芯片的集成化生产过程中，需要涉及到若干个步骤，包括硅基底制备、光刻腐蚀、离子注入、绝缘层沉积、金属电极制备和器件制程，每个步骤的环境参数和设备参数的设置均会影响到多功能燃油惰化测氧传感器芯片最终的质量，从而影响到每一批次的良品率，因此，需要对每个步骤的环境参数和设备参数进行智能化控制，以提高良品率；
3、然而当前的生产方法往往是依赖人工经验操作的，很多工序参数的调节和控制依赖于作业人员的主观经验，而人为操作存在一定的不确定性和不一致性，会导致最终芯片产品质量的参差不齐，无法达到预期的良品率；
4、为此，本专利技术提出多功能燃油惰化测氧传感器芯片的集成化生产方法及芯片。
技术实现思路
1、本专利技术旨在至少解决现有技术中存在的技术问题之一。为此，本专利技术提出多功能燃油惰化测氧传感器芯片的集成化生产方法及芯片，提高了对测氧传感器芯片生产过程的智能化控制和产品质量把控效率。
2、为实现上述目的，本专利技术提出多功能燃油惰化测氧传感器芯片的集成化生产方法，包括以下步骤：
3、步骤一：预先收集生产工序集合；
4、步骤二：选择n批次测试测氧传感器芯片，并收集每批次测试测氧传感器芯片在各个生产工序中的工序环境样本
5、步骤三：将生产工序的编号标记为i，对于第i+1个生产工序，以第i+1个生产工序的工序环境样本向量和第i个生产工序的工序结果标签向量作为输入，以第i+1个生产工序的工序结果标签向量作为预测目标，训练第i+1个生产工序的工序结果预测模型；
6、步骤四：对于每批次测试测氧传感器芯片，将其所有生产工序的工序结果标签向量组成品质输入样本向量，以品质输入样本向量为输入，以品质标签为预测目标，训练品质预测模型；
7、步骤五：对于待生产测氧传感器芯片，为每个生产工序预设工序环境向量；并收集待生产测氧传感器芯片在每个生产工序结束后的工序结果向量；
8、步骤六：对于任意第i个生产工序，使用上一个生产工序的工序结果向量、后续所有生产工序的工序结果预测模型和工序环境向量、品质预测模型，获得第i个生产工序的实际使用的工序环境向量；
9、所述生产工序集合中的生产工序类型包括硅基底制备、光刻腐蚀、离子注入、绝缘层沉积、金属电极制备和器件制程；
10、所述选择n批次测试测氧传感器芯片的方式为：
11、在测试环境中，每次生产一批次多功能燃油惰化测氧传感器芯片时，人工手动控制各个生产工序中的工序环境参数，将生产出的测氧传感器芯片作为一批次测试测氧传感器芯片；
12、每个生产工序的所述工序环境参数包括该生产工序的生产环境参数和设备运行参数；
13、所述收集每批次测试测氧传感器芯片在各个生产工序中的工序环境样本向量和工序结果标签向量，并收集每批次测试测氧传感器芯片生产后的品质标签的方式为：
14、将测试测氧传感器芯片的批次编号标记为n，n＝1，2，3...n；
15、对于第n批次的测试测氧传感器芯片的第i个生产工序，将其对应的生产环境参数和设备运行参数所组成的向量作为工序环境样本向量；
16、对于第n批次的测试测氧传感器芯片的第i个生产工序，采集经过该生产工序后，该批次的各个测试测氧传感器芯片的各项工序结果参数的平均值；
17、所述工序结果参数为每个生产工序对应的能够体现出测氧传感器芯片中间产品质量的结果参数；
18、对于第n批次的测试测氧传感器芯片，第i个生产工序的各项工序结果参数组成该生产工序的一组工序结果标签向量；
19、对于第n批次的测试测氧传感器芯片，人工统计该批次测氧传感器芯片的良品率，并将统计出的良品率作为该批次的测试测氧传感器芯片的品质标签；
20、所述训练第i+1个生产工序的工序结果预测模型的方式为：
21、对于任意的i≥0，对第i+1个生产工序执行以下步骤：
22、步骤11：将第i+1个生产工序的工序环境样本向量和第i个生产工序的工序结果标签向量组成一组工序结果输入向量；
23、步骤12：采用向量到向量的编码器-解码器架构，进行工序结果预测模型建模；
24、步骤13：在解码器输出端构建m(i+1)个输出头，并联合学习m(i+1)种预测任务；m(i+1)为第i+1个生产工序的工序结果参数的数量；
25、步骤14：设置工序结果预测模型的综合损失函数；
26、所述综合损失函数的设置方式为：
27、对于每个工序结果参数，使用平方损失函数衡量实际值与预测值的差异；
28、将各个工序结果参数的平方损失函数加权求和，作为工序结果预测模型的综合损失函数；
29、步骤15：以每组工序结果输入向量作为工序结果预测模型的输入，对工序结果预测模型进行训练，直至工序结果预测模型的综合损失函数达到收敛；
30、所述训练品质预测模型的方式为：
31、将每批次测试测氧传感器芯片对应的品质输入样本向量作为品质预测模型的输入，所述品质预测模型以该批次测试测氧传感器芯片的良品率的预测值作为输出，以该批次测试测氧传感器芯片对应的良品率标签作为预测目标，以良品率的预测值和良品率标签之间的差值平方作为预测误差，以最小化所有批次测试测氧传感器芯片的预测误差之和作为训练目标；对品质预测模型进行训练，直至预测误差之和达到收敛时停止训练，所述品质预测模型是多项式回归模型；所述预测误差之和是均方误差；
32、所述获得第i个生产工序的实际使用的工序环境向量包括以下步骤：
33、步骤21：将第i个生产工序预设的工序环境向量标记为li；
34、将第i-1个生产工序结束后收集的工序结果向量标记为r(i-1)；
35、步骤22：将工序环境向量li和工序结果向量r(i-1)作为第i个生产工序的工序结果预测模型的输入，获得第i个生产工序预期的工序结果向量ri；
36、步骤23：将工序环境向量l(i+1)和工序结果向量ri作为第i+1个生产工序的工序结果预测模型的输入，获得第i+1个生产工序预期的工序结果向量r(i+1)，依次类推，循环执行步骤23，直至获得第i个生产工序的工序结果向量ri；i为所有生产工序的数量；
37、步骤24：将品质预测模型所对应的多项式函数标记为f(r1，...，ri，...ri)；其中，ri对应了第i个生产工序的工序结果向量的变量；ri对应了第i个生产工序的工序结果向量的变量；
38、将所有工序结果本文档来自技高网...
【技术保护点】
1.多功能燃油惰化测氧传感器芯片的集成化生产方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的多功能燃油惰化测氧传感器芯片的集成化生产方法，其特征在于，所述生产工序集合中的生产工序类型包括硅基底制备、光刻腐蚀、离子注入、绝缘层沉积、金属电极制备和器件制程。
3.根据权利要求2所述的多功能燃油惰化测氧传感器芯片的集成化生产方法，其特征在于，所述选择N批次测试测氧传感器芯片的方式为：
4.根据权利要求3所述的多功能燃油惰化测氧传感器芯片的集成化生产方法，其特征在于，所述收集每批次测试测氧传感器芯片在各个生产工序中的工序环境样本向量和工序结果标签向量，并收集每批次测试测氧传感器芯片生产后的品质标签的方式为：
5.根据权利要求4所述的多功能燃油惰化测氧传感器芯片的集成化生产方法，其特征在于，所述训练第i+1个生产工序的工序结果预测模型的方式为：
6.根据权利要求5所述的多功能燃油惰化测氧传感器芯片的集成化生产方法，其特征在于，所述训练品质预测模型的方式为：
7.根据权利要求6所述的多功能燃油惰化测氧传感器芯片
8.一种芯片，其特征在于，其由权利要求1-7中任意一项所述的多功能燃油惰化测氧传感器芯片的集成化生产方法所生产获得。
9.一种电子设备，其特征在于，包括：处理器和存储器，其中，
10.一种计算机可读存储介质，其特征在于，其上存储有可擦写的计算机程序；
...【技术特征摘要】
1.多功能燃油惰化测氧传感器芯片的集成化生产方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的多功能燃油惰化测氧传感器芯片的集成化生产方法，其特征在于，所述生产工序集合中的生产工序类型包括硅基底制备、光刻腐蚀、离子注入、绝缘层沉积、金属电极制备和器件制程。
3.根据权利要求2所述的多功能燃油惰化测氧传感器芯片的集成化生产方法，其特征在于，所述选择n批次测试测氧传感器芯片的方式为：
4.根据权利要求3所述的多功能燃油惰化测氧传感器芯片的集成化生产方法，其特征在于，所述收集每批次测试测氧传感器芯片在各个生产工序中的工序环境样本向量和工序结果标签向量，并收集每批次测试测氧传感器芯片生产后的品质标签的方式为：
5.根据权利要求4所...
【专利技术属性】
技术研发人员：金波，陆燕青，金萌，靳淞，李湾湾，
申请(专利权)人：湖北天瑞电子股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。