工艺窗口优化工具集｜工艺参数分析工具
这个工具解决什么问题
工艺改善的靶点通常藏在参数相关性里，单看一个指标看不出来。
本工具集提供完整的工艺窗口（Process Window）优化解决方案，支持贝叶斯优化（Bayesian Optimization）、DOE实验设计（田口/因子/响应面）、工艺参数寻优、CPK提升分析，适用于半导体工艺窗口建立、参数稳定性改善、最优工艺条件探索。
---
输入数据格式
数据文件 示例数据.csv，列顺序为：exp_id、temp、pressure、time、gas_flow_ar、response_thickness、response_uniformity、response_etch_rate、cpk、grade。
示例首行：Exp01,620,80,40,30,92.5,4.2,162.3,0.82,C
🔧 安装说明
cd "D:\work\CSDN自动发布\VIP资源\VIP工具集_10_工艺窗口优化工具集" pip install -r requirements.txt python process_optimizer.py --check
---
教程一：贝叶斯优化
from process_optimizer import BayesianOptimizer
定义目标函数
def objective(temp, pressure, time): yield_rate = simulate_process(temp, pressure, time) return yield_rate
贝叶斯优化
optimizer = BayesianOptimizer( objective_function=objective, param_bounds={ "temp": (600, 800), "pressure": (50, 200), "time": (30, 120) }, n_iterations=50 )
best_params = optimizer.optimize() print(f"最优参数: {best_params}")
教程二：DOE田口设计
from process_optimizer import DOEAnalyzer
田口L9设计
doe = DOEAnalyzer(design="taguchi_l9") experiment_plan = doe.create_design( factors=["温度", "压力", "时间", "气体流量"], levels=[3, 3, 3, 3] )
执行实验并分析
results = doe.analyze(experiment_plan, responses=["良率", "均匀性"]) doe.plot_main_effects(save_path="main_effects.png") doe.plot_interaction()
---
会生成哪些文件
运行后除控制台输出外，还会生成：config.json。
工具中出现的字段与提示
- 🔧 贝叶斯优化器初始化：n_iter={n_iterations},
- 标准正态分布CDF近似
- 标准正态分布PDF近似
- 从参数边界内随机采样
- 网格搜索寻找最优采集点
- ⚠️ 未设置目标函数，返回随机搜索结果
- ⚠️ 目标函数评估失败：{e}
下载与文件清单
压缩包内包含：主程序脚本、示例数据文件、示例输出报告、中文说明文档。解压后按说明运行即可，示例数据可直接试跑。
主程序文件：process_optimizer.py。
本站工具免费下载，无需注册。工具为 Python 脚本，Python 3.8 及以上环境可直接运行，核心功能尽量不依赖第三方库。
常见问题
输入数据要准备成什么样？
按 示例首行中的列顺序准备即可，共 10 列：exp_id、temp、pressure、time、gas_flow_ar、response_thickness、response_uniformity、response_etch_rate。列为空或格式不符时结果会失真，建议先用示例数据试跑一遍。
示例数据能直接跑吗？
可以。示例数据与主程序在同一压缩包内，解压后直接运行即可看到完整输出，确认无误再替换成自己的台账。
同分类的其它工具
本工具归在 半导体工艺参数分析工具包，全部工具见 工具资源包下载页。
