在半导体市场需求快速变化和行业竞争白热化的背景之下,缩短产品的加工周期、提高设备利用率和产品质量,是企业保持盈利和较强市场竞争力的重要手段。而要改善半导体生产线的性能,提高生产效益,需对半导体制造过程动态调度的关键性能指标进行预测研究,通过分析性能指标的影响因子,找到可调控的影响参数来实现优化目标。本课题主要针对加工周期、设备利用率以及成品率这三个关键性能指标进行研究,通过建立多性能指标同步预测模型来实现对加工周期和设备利用率的同步预测及分析,利用半导体生产线获取的晶圆缺陷数据来完成晶圆缺陷聚集特性分析和对成品率的预测研究。本文围绕半导体制造过程动态调度的关键参数预测模型开展了如下的研究：1、针对半导体生产线动态环境下的加工周期和设备利用率的预测问题,研究一种基于贝叶斯神经网络的多性能指标同步预测模型,并构建了一种闭环修正模型结构。此外,利用贝叶斯神经网络可根据输入对输出的重要性来调整网络权值的特性,设计一种权值分析法,来识别加工周期和设备利用率的关键影响因子。2、针对晶圆缺陷问题,研究一种缺陷数据驱动的半导体成品率预测方法,利用基于密度的聚类方法对晶圆缺陷聚集特性进行分析,并给出一种模糊支持向量机方法来构建成品率的预测模型。将本文提出的两种预测模型应用到半导体制造过程关键性能指标的预测中,通过仿真结果和分析表明,这两种预测模型能够很好的实现对加工周期、设备利用率和成品率的预测和分析,为解决半导体制造过程动态调度问题提供了指导,为实现半导体生产线多目标优化奠定了基础。