晶圆制造过程作为集成电路产业的核心,是现代计算机、通信、消费电子、信息行业的基础,关系到国民经济的方方面面。过程监测作为保证制造过程的安全和提高产品质量的技术,广泛地被应用于晶圆制造过程中。特别是基于数据驱动的多元统计过程监测方法,更是成了学术和工业界着重关注的热点之—。晶圆制造过程作为典型的批次过程,拥有批次过程常见的多阶段特性、批次长度不一致、非线性变化特性,但是与此同时,其也拥有一些独有的特性,如Lot-Wafer型加工组织方式、同工艺配置多机台加工、步骤间开关动作和批次间状态漂移等。传统的批次过程监测方法少有针对晶圆制造过程的独有特性进行针对性的改进。本文结合批次过程典型特点和晶圆制造过程独有特点,从数据动态特性分析与处理出发,通过减少数据复杂性,提出了故障检测能力更强、错误报警更少的批次过程实时故障检测方法,并使之更为适用于晶圆制造过程。具体的工作包括:针对工业晶圆制造过程的过程数据中存在的各种复杂特性,通过变量选择、机台差异校正、阶段划分、阶段对齐和批次间状态漂移补偿等改进的数据处理方法,降低了过程数据的复杂性,并结合多向主元成分分析模型(MultiwayPCA),提出了一个完整的工业晶圆制造过程实时故障检测框架。这些降低过程数据复杂性的改进包括:(a)针对工业晶圆制造过程中存在的变量冗余问题,提出了基于批次内方差均值的变量选择方法,将变量划分为适用于单变量统计过程控制图的单变量部分,以及适用于多向主元成分监测模型的多变量部分。对于多变量部分存在的加工机台差异问题,使用单独标准化的策略对机台差异进行校正,该方法能够有效地校正机台数据的分布,从而实现使用同一模型监测多个机台的效果,有效地降低了工厂层级过程监测模型建模与维护的成本。(b)针对多阶段,批次长度不一致以及步骤间开关动作特性,提出了一种基于差分加权距离的二步平稳-过渡阶段划分方法以及过渡阶段对齐方法,在满足样本层级的实时监测前提下,在在线监测中实现了实时的样本阶段判断。该方法能够改善由于阶段不等长造成的模型误匹配问题,从而降低故障检测模型的故障误报警率,提高过渡阶段的故障检测能力。(c)针对连续晶圆制造过程中批次间状态漂移特性,在加权最小二乘估计的基础上,提出了一种简化的批次间状态漂移值估计方法,以及基于季节性差分自回归平均模型(SARIMA)的批次状态漂移建模方法,并提出了滑动窗口多阶段的状态漂移值预测策略以及漂移值补偿方法。该补偿方法能够有效消除状态漂移的影响,进而提高批次内动态特性在整个数据集中的信噪比以及过程监测模型的故障检测能力。