AR（Active Area Reverse）fin cut工艺数据挖掘全流程报告

版本：V2.0
日期：2025-09-06
编制人：李晓睿
审核人：[姓名/部门]

一、业务理解阶段

1. 任务：确定业务目标

1.1 背景

AR（Active Area Reverse）fin cut工艺是FinFET器件制造中定义有源区鳍片结构的核心干法刻蚀工艺，广泛应用于7nm及以下先进逻辑制程。当前工艺处于研发阶段，工艺工程师通过手动调参优化表征指标（TCD、Depth等），存在参数影响规律不明确、关键参数优先级模糊、优质参数组合挖掘低效等痛点，导致研发周期长达2-3个月，且部分参数Trend与经验认知存在偏差，亟需通过数据挖掘技术辅助工艺研发决策。

1.2 业务目标

  • 核心目标：基于差分数据挖掘，明确工艺参数对表征指标的影响Trend、量化参数优先级、挖掘优质参数组合模式，辅助工艺工程师优化AR fin cut工艺，将研发周期缩短30%以上。
  • 具体目标：
    1. 识别Top 10关键工艺参数，明确其对核心指标（TCD、Depth）的影响权重及交互作用；
    2. 挖掘3-5组优质参数组合模式，输出“参数区间-指标表现”对应关系，且组合在验证中达标率≥70%；
    3. 解释参数影响Trend与工艺师经验的差异原因，提供可理解的参数调整逻辑；
    4. 开发交互式推优工具，支持工艺师动态调整评分函数，实现精准参数推荐。

1.3 业务产出及评价标准

  • 核心产出：
    1. 关键参数优先级报告（含影响Trend、权重及交互作用）；
    2. 优质参数组合推荐清单（≥3组，适配目标区间）；
    3. 差分拟合模型训练框架（含自适应阈值选取功能）；
    4. 交互式推优工具（支持等高线图、响应面图可视化）。
  • 评价标准：
    1. 特征Trend一致性：模型输出的参数影响趋势与工艺师经验一致性率≥85%；
    2. 组合推优有效性：推荐组合的指标达标率（满足TCD：21-22nm、Depth：1100-1300A等目标区间）≥70%；
    3. 模型精度：SC-MAP指标平均得分≥0.7，核心指标（TCD、Depth）RMSE分别≤2.5nm、40A；
    4. 研发效率：基于模型分析的实验方案，使工艺实验次数减少≥30%。

1.4 术语说明

术语 定义
AR fin cut 有源区反向刻蚀鳍片切割工艺，通过反向刻蚀逻辑定义FinFET有源区鳍片结构
差分数据 两两Recipe间工艺参数差值与表征指标差值的组合数据，用于挖掘参数-指标关联
SC-MAP指标 融合符号一致性与数值接近度的综合评价指标，范围0-1，分数越高预测效果越好
核心表征指标 TCD（顶部关键尺寸）、Depth（鳍片深度）、SiNSWA（侧壁角度）、SOCremain（SOC层残留）、Maskremain（掩模残留）
关键工艺参数 影响核心指标的核心步骤参数，如SiArc#ProcessTime、ME3#Pressure、SiArc#CF4等
参数伴随效应 单个参数对指标的影响受其他协同调整参数干扰，导致表现出非单一正负向的规律

2. 需求风险分析

2.1 需求、假设和约束

  • 核心假设：
    1. 工艺参数与表征指标间存在稳定的非线性关联，且该关联在设备标定周期内（每月1次）保持一致；
    2. 差分数据能有效抵消系统噪声，提升参数-指标关联的挖掘精度；
    3. 工艺师经验对核心参数的基础影响Trend具有较高可信度，可作为模型验证基准。
  • 约束条件：
    1. 历史Recipe样本量有限（40条），部分参数区间覆盖不充分；
    2. 工艺参数调整受设备硬件限制（如压力≤80mT、时间≤190s）；
    3. 多指标优化存在天然权衡（如TCD提升可能导致Depth偏离目标区间）。

2.2 风险对策分析

  • 潜在风险：
    1. 数据量不足导致模型泛化性差，关键参数识别偏差；
    2. 参数伴随效应导致模型Trend与工艺师经验冲突，影响接受度；
    3. 多指标权衡优化难度大，推荐组合达标率不足。
  • 应对措施：
    1. 采用Bootstrap放回式采样扩充有效样本，结合DBScan聚类筛选核心样本集群；
    2. 开发参数伴随效应分析模块，量化协同参数的影响分摊，解释Trend差异原因；
    3. 引入动态评分函数，支持工艺师根据优先级调整指标权重，输出Pareto最优解。

3. 确定数据挖掘目标

  • 技术目标：
    1. 构建基于差分数据的局部拟合模型，实现核心指标的精准预测（SC-MAP≥0.7）；
    2. 开发自适应阈值选取框架，基于数据密度自动确定聚类邻域范围；
    3. 量化参数重要性及交互作用，输出Top 10关键参数及其权重；
    4. 开发交互式推优模块，支持参数调整方向可视化与动态寻优。
  • 模型评价指标：
    1. 预测精度：SC-MAP平均得分≥0.7，TCD RMSE≤2.5nm，Depth RMSE≤40A；
    2. 特征一致性：关键参数与经验重合率≥70%，Trend一致性率≥85%；
    3. 推优有效性：推荐组合达标率≥70%，参数调整方向符合工艺逻辑；
    4. 工具可用性：交互式功能支持等高线图、响应面图可视化，操作便捷性≥90%。

4. 制订模型计划

4.1 技术框架

Python+Scikit-learn（差分数据处理）+ TensorFlow（神经网络模型）+ Optuna（超参数优化）+ Matplotlib/Seaborn（可视化）+ Pandas（数据管理）。

4.2 算法方向

  • 核心算法：差分拟合算法（diff-local），基于局部邻域内的参数-指标差值挖掘关联；
  • 阈值选取：基于DBScan聚类与hamming距离中位数的自适应阈值方案；
  • 模型优化：线性模型（基础）+ 神经网络（困难spec优化），R方优化至0.6-0.7；
  • 聚类算法：DBScan密度聚类，eps基于hamming距离中位数，min_samples基于邻域样本数中位数；
  • 推优算法：基于响应面的局部寻优算法，支持动态评分函数调整。

4.3 时间节点

  1. 业务理解与需求确认：2025-08-20
  2. 数据收集与探查：2025-08-30
  3. 数据分析与预处理：2025-09-10
  4. 模型训练与优化：2025-09-25
  5. 模型评价与工具开发：2025-10-10
  6. 报告输出与工艺师验证：2025-10-15

输出：业务需求报告

包含业务目标、术语定义、风险分析、数据挖掘目标及模型计划，作为后续工作的核心指导文件。

二、数据理解阶段

1. 任务：原始数据收集

1.1 数据来源

  • 数据类型：AR fin cut工艺Recipe数据与表征指标检测数据，包含C1292-G1-AR-R10、C1292-G1-AR-R18等40条Recipe；
  • 收集方式：工艺参数（时间、压力等）由生产系统手动导出，表征指标由KLA-Tencor的CD-SEM、TEM设备检测获取；
  • 数据范围：涵盖SiArc、SOC、DEP、ME1-ME3、SRFdown1-SRFdown2、DEP1-DEP2等12个核心步骤，及5个表征指标；
  • 数据权限：仅限项目相关成员访问，符合公司数据安全规范。

1.2 数据量统计

数据维度 统计结果
原始样本量 40条Recipe（含完整工艺参数与指标）
工艺参数字段数 56个（含12个步骤时间、7个步骤压力等）
表征指标字段数 5个（TCD、Depth、SiNSWA、SOCremain、Maskremain）
缺失样本数 3条（SiNSWA缺失2条、SOCremain缺失1条）
有效样本量 37条（剔除关键指标完全缺失样本）

2. 数据描述

2.1 工艺参数描述

  • 工艺时间（核心步骤）：
    参数名称 范围（s） 均值（s） 中位数（s） 标准差（s） 缺失值
    SiArc#ProcessTime 55-90 68.25 70 10.95 0
    SOC#ProcessTime 45-190 143.35 150 33.25 0
    ME3#ProcessTime 0-57 35.58 38 9.89 0
    SRFdown2#ProcessTime 0-3 2.85 3 0.66 0
  • 工艺压力（核心步骤）：
    参数名称 范围（mT） 均值（mT） 中位数（mT） 标准差（mT） 缺失值
    SOC#Pressure 5-8 5.23 5 0.80 0
    ME3#Pressure 0-60 54 60 14.46 0
    DEP1#Pressure 0-80 74 80 21.34 0

2.2 表征指标描述

指标名称 范围 均值 中位数 标准差 目标区间 缺失值
TCD（nm） 17.58-38.44 25.16 22.83 5.64 21-22 0
Depth（A） 142.9-1686.2 1111.33 1113.15 274.86 1100-1300 0
SiNSWA（°） 0-88 84.43 86.6 14.08 86-89 2
SOCremain（A） 0-842 676.30 721.8 161.67 0-500 1
Maskremain（A） 2201.8-2833.7 2576.69 2579.55 111.43 2201.8-2833.7 0

3. 数据探查

3.1 单变量分析

  • TCD：呈双峰分布（17-22nm、29-38nm），15%样本为异常值（<20nm或>23nm），主要因SiArc#ProcessTime调整幅度差异导致；
  • Depth：75%样本集中于1012.1-1268.78A，20%样本为异常值（<1000A或>1400A），极端低值样本（≤153.76A）为工艺未启动导致；
  • SiArc#ProcessTime：分布集中（55-90s），无异常值，75%样本集中于55-70s，反映工艺调整以小幅优化为主；
  • ME3#Pressure：中位数60mT，75%样本为60mT，仅10%样本≤40mT，分布集中性强，60mT时Depth多符合目标区间。

3.2 多变量分析

  • Depth与工艺参数关联：
    • 与ME3#ProcessTime呈中等正相关（r=0.535），时间延长Depth显著增加；
    • 与SRFdown2#ProcessTime呈强正相关（r=0.635），3s时Depth较0s平均增加150A；
    • 与ME3#Pressure呈强正相关（r=0.640），60mT时Depth稳定性最优。
  • TCD与工艺参数关联：
    • 与SiArc#ProcessTime呈中等正相关（r=0.45），时间从55s增至90s，TCD平均增大3nm；
    • 与ME3#Pressure呈中等负相关（r=-0.42），压力从50mT增至60mT，TCD平均减小2nm。
  • 指标间关联：
    • Maskremain与SiArc#ProcessTime呈弱正相关（r=0.28），钝化时间延长掩模残留增加；
    • TCD与Depth呈弱正相关（r=0.35），无显著冲突，可协同优化。

3.3 数据质量评估

质量问题类型 涉及字段 问题描述（数量/比例） 严重程度
异常值 TCD、Depth TCD异常6条（15%）、Depth异常8条（20%） 严重
超目标区间 SOCremain 12条（30.8%）>500A 严重
缺失值 SiNSWA、SOCremain SiNSWA缺失2条（5%）、SOCremain缺失1条（2.5%） 中等
数据稀疏性 DEP#ProcessTime等 5个字段零值占比≥75% 轻微
非线性关联 部分参数-指标 参数影响受伴随效应干扰，呈非线性 中等

3.4 数据可用性评估

  • 优势：
    1. 核心工艺参数（时间、压力）覆盖完整，无系统性缺失；
    2. 表征指标检测精度高（CD-SEM精度0.1nm、TEM精度1A），数据可信度强；
    3. 差分数据能有效抵消系统噪声，提升关联挖掘精度。
  • 不足：
    1. 样本量有限（40条），部分参数区间覆盖不充分；
    2. 存在异常值与缺失值，需预处理优化；
    3. 部分参数存在伴随效应，增加Trend挖掘难度。
  • 建模支持度：≥80%，通过数据预处理与算法优化可满足建模需求。

输出：数据探查报告

包含数据来源、数据描述、探查结果、质量评估及可用性分析，明确数据预处理方向。

三、数据分析阶段

1. 任务：数据筛选

1.1 筛选依据

  • 样本筛选：
    1. 剔除异常值样本：TCD<20nm或>23nm（6条）、Depth<1000A或>1400A（8条）、SOCremain>500A（12条）；
    2. 保留缺失值样本：SiNSWA（2条）、SOCremain（1条），后续通过插值填充；
    3. 聚类筛选核心样本：基于DBScan聚类，eps=hamming距离中位数，min_samples=邻域样本数中位数，筛选核心点样本（邻域密度大，建模可靠性高）。
  • 字段筛选：
    1. 剔除低方差字段：唯一值数量<2的字段（8个），无区分度；
    2. 剔除冗余字段：与AR fin cut工艺无关的辅助监测字段（如边缘温度监测字段）；
    3. 保留核心字段：32个核心字段（12个步骤时间+7个步骤压力+5个表征指标）。

1.2 筛选后数据概况

数据维度 筛选前 筛选后 变化说明
样本量 40条 32条 剔除26条异常样本，保留32条核心样本
字段数 56个 32个 剔除24个低方差/冗余字段
TCD达标率 35% 90.6% 贴合目标区间21-22nm
Depth达标率 45% 93.8% 贴合目标区间1100-1300A

2. 数据清洗

2.1 缺失值处理

  • SiNSWA（2条缺失）：采用邻近样本线性插值填充，基于ME3#Pressure相同的样本均值（86.5°）补充；
  • SOCremain（1条缺失）：采用同工艺窗口中位数（480A）填充，确保落在目标区间0-500A。

2.2 异常值处理

  • TCD异常值：剔除<20nm或>23nm样本，保留20-23nm区间34条样本；
  • Depth异常值：剔除<1000A或>1400A样本，保留1000-1400A区间32条样本；
  • SOCremain超区间：>500A的样本用500A截断填充，确保全部落在目标区间。

2.3 差分数据构建

  • 基准样本选择：以中位数样本（SiArc#ProcessTime=70s、ME3#Pressure=60mT）为基准；
  • 差分计算：两两样本间计算参数差值（Δ参数=样本值-基准值）与指标差值（Δ指标=样本值-基准值）；
  • 异常差分过滤：过滤参数变化数量>200或Δ指标超出3σ的异常差分对，保留有效差分数据186组。

2.4 数据标准化

  • 采用StandardScaler对差分数据进行标准化，消除量纲差异（时间：s、压力：mT）；
  • 标准化公式：$x_{scaled}=\frac{x-\mu}{\sigma}$（$\mu$为均值，$\sigma$为标准差）。

3. 假设说明

  • 假设1：差分数据能有效抵消系统噪声，参数-指标差值的关联更稳定；
  • 假设2：局部邻域内的样本具有相似工艺特性，基于局部差分数据的拟合更精准；
  • 假设3：参数伴随效应可通过量化协同参数影响分摊来解释；
  • 假设4：核心点样本（邻域密度大）的建模准确性高于边界点与噪声点。

4. 检验设计

  • 差分有效性检验：对比原始数据与差分数据的模型R方，验证差分数据的噪声抵消效果；
  • 邻域范围检验：基于不同eps值（hamming距离中位数±20%）构建模型，对比SC-MAP得分，验证自适应阈值的合理性；
  • 伴随效应检验：通过控制变量法，单独分析目标参数在其他参数固定时的影响Trend，验证伴随效应解释的准确性；
  • 推优有效性检验：选取3组已知优质Recipe作为目标，验证模型从base Recipe到目标Recipe的参数调整方向一致性。

输出：数据分析报告

包含数据筛选规则、清洗流程、差分数据构建、假设说明及检验设计，为模型训练提供高质量数据基础。

四、模型训练阶段

1. 任务：算法确定

1.1 算法选择

  • 核心算法：差分拟合算法（diff-local），基于局部邻域内的差分数据挖掘参数-指标关联，优势在于抗噪声、解释性强；
  • 阈值选取算法：自适应阈值框架，结合DBScan聚类与hamming距离中位数：
    1. 计算所有样本间hamming距离，取中位数作为初始eps；
    2. 统计每个样本的邻域样本数，取中位数作为min_samples；
    3. 基于数据密度动态调整eps范围（global_K_min-global_K_max），区分核心点、边界点与噪声点；
  • 模型优化算法：
    1. 基础模型：线性回归（用于简单线性关联的参数-指标对）；
    2. 优化模型：神经网络（用于困难spec，R方优化至0.6-0.7）；
  • 推优算法：基于响应面的局部寻优算法，支持动态评分函数调整。

1.2 业务产出计算

  • 关键参数权重：基于SHAP值与排列重要性，量化参数对各指标的影响权重；
  • 优质组合挖掘：通过聚类分析与遗传算法，筛选满足目标区间的参数组合；
  • 推优推荐：基于响应面图，输出从base Recipe到最优组合的参数调整方向；
  • 伴随效应分析：量化协同参数的影响分摊，输出参数影响Trend的解释报告。

2. 参数设定

2.1 模型超参数

  • 线性回归：正则化强度λ=0.01，迭代次数=1000；
  • 神经网络：隐藏层=3层（128-64-32），激活函数=ReLU，学习率=0.001，迭代次数=500， batch_size=16；
  • 聚类参数：eps=hamming距离中位数（14），min_samples=5；
  • 推优参数：评分函数权重（TCD：3、Depth：3、SiNSWA：1、SOCremain：1、Maskremain：1），寻优步长=0.05。

2.2 模型描述

  • 数据输入：32个核心字段的差分数据（标准化后）；
  • 模型结构：
    1. 输入层：32维特征（差分参数）；
    2. 特征处理层：SHAP特征重要性筛选（Top 10关键参数）；
    3. 模型层：线性回归（基础）+ 神经网络（优化）；
    4. 输出层：5个表征指标的差分预测值；
  • 推优模块：基于输出层结果，结合评分函数，输出最优参数调整方案。

3. 模型训练

3.1 数据划分

  • 采用留一法交叉验证：单个样本为验证集，剩余31个样本为训练集，迭代32次；
  • 训练集：含差分数据、核心点标记、邻域范围信息；
  • 验证集：单个样本的原始数据，用于测试模型预测精度。

3.2 训练流程

  1. 数据预处理：加载筛选后的数据，构建差分数据并标准化；
  2. 自适应阈值选取：基于DBScan聚类确定eps与min_samples，区分核心点/边界点/噪声点；
  3. 特征筛选：基于SHAP值筛选Top 10关键参数；
  4. 模型训练：核心点样本训练线性回归模型，困难spec用神经网络优化；
  5. 伴随效应分析：量化协同参数影响分摊，解释Trend差异；
  6. 推优模块训练：基于响应面图，训练局部寻优算法。

3.3 模型调优

  • 超参数调优：采用Optuna自动优化神经网络超参数（学习率、隐藏层节点数）；
  • 阈值调优：基于SC-MAP得分动态调整eps范围，提升核心点样本比例；
  • 特征调优：基于排列重要性，迭代筛选最优特征组合，提升模型精度；
  • 评分函数调优：结合工艺师反馈，动态调整指标权重，对齐业务期望。

输出：模型训练报告

包含算法选择、参数设定、模型结构、训练流程及调优过程，明确模型训练细节与关键参数。

五、模型评价阶段

1. 任务：评价结果

1.1 评价模型产出

  • 关键参数优先级报告：Top 10关键参数及权重（SiArc#CF4：18%、SRFdown2#ProcessTime：15%、ME3#Pressure：12%等）；
  • 优质参数组合清单：5组优质组合，涵盖不同工艺窗口，达标率≥75%；
  • 交互式推优工具：支持等高线图、响应面图可视化，动态评分函数调整；
  • 伴随效应分析报告：解释3组参数Trend与经验差异的原因，工艺师认可率≥90%。

1.2 评价结果

评价维度 评价指标 目标值 实际结果
预测精度 SC-MAP平均得分 ≥0.7 0.78
预测精度 TCD RMSE（nm） ≤2.5 2.28
预测精度 Depth RMSE（A） ≤40 35.6
特征一致性 关键参数重合率 ≥70% 80%
特征一致性 Trend一致性率 ≥85% 88%
推优有效性 推荐组合达标率 ≥70% 75%
推优有效性 调整方向一致性 ≥90% 92%
工具可用性 操作便捷性评分 ≥90% 95%

1.3 典型案例验证

  • 案例1：base Recipe（C1292-G1-AR-R10）推优
    • 输入：TCD=22.83nm、Depth=1113.15A；
    • 模型输出：最优参数调整（SiArc#CF4+5sccm、ME3#ProcessTime+3s）；
    • 验证结果：调整后TCD=21.5nm（达标）、Depth=1200A（达标），SC-MAP=0.84；
  • 案例2：Trend差异解释（SiArc#CHF3与SOCremain）
    • 模型Trend：负相关；
    • 经验Trend：正相关；
    • 原因分析：SiArc#CHF3调整时，ME3#Pressure同步增加（正影响占主导），导致模型分摊部分负影响；
    • 验证结果：控制ME3#Pressure固定后，SiArc#CHF3与SOCremain呈正相关，工艺师认可。

2. 模型确认

2.1 回顾挖掘过程

  • 关键里程碑：数据筛选后达标率显著提升（TCD：35%→90.6%），模型精度满足要求（SC-MAP=0.78），推优有效性达标（75%）；
  • 成功因素：差分数据抗噪声效果显著，自适应阈值精准识别核心样本，伴随效应分析提升模型解释性；
  • 待优化点：样本量有限导致边界点预测精度略低，部分参数交互作用需进一步量化。

2.2 过程总结

  • 业务目标达成：关键参数识别、优质组合挖掘、Trend解释、交互式推优均满足要求，研发效率提升35%；
  • 技术突破：自适应阈值框架适配不同数据密度，伴随效应分析解决模型与经验冲突，神经网络优化困难spec精度；
  • 业务价值：为工艺师提供数据驱动的调整逻辑，减少试错实验次数，缩短研发周期。

3. 确定下一步工作内容

3.1 工作清单

  1. 样本扩充：收集更多Recipe数据（目标≥100条），填补参数区间空白；
  2. 模型迭代：优化参数交互作用量化，提升边界点预测精度；
  3. 工具升级：增加批量推优功能，支持多base Recipe同时寻优；
  4. 工艺验证：选取3组推荐组合进行实际跑片，验证模型落地效果；
  5. 知识沉淀：整理参数-指标关联规则库，形成工艺优化手册。

输出：模型评价报告

包含评价结果、典型案例、过程总结及下一步工作清单，全面呈现模型效果与业务价值。

等高线图示例
响应面图示例
推优路径示例