本报告主要研究了偏最小二乘算法(PLS:Partial Least Square)在半导体制造中的应用,以两个实际问题为背景,即(1)半导体成品电性参数虚拟测量问题;(2)晶圆的氧化物涂层的厚度控制,抽象了出两个科学问题加以研究,本文的主要贡献如下:　　 (1)研究了半导体成品电性参数的虚拟测量问题,其科学问题为大规模、高相关性数据下的建模问题,提出了基于遍历PLS的非负Garrote回归算法(E-PLSNNG:Eogodic Partial Least Sqare Nonnegative Garrote Regression)来构建参数预测模型。其思想是通过PLS算法确定初始的回归系数,再此基础之上,通过NNG算法获得最终的预测模型。文中给出了E-PLSNNG算法优于著名的LASSO算法和NNG算法的理论优势。通过大量的数值仿真和实际例子验证了E-PLSNNG的有效性。　　 (2)研究了晶圆的氧化物涂层的厚度控制问题,其科学问题为闭环控制之下的有效过程增益的监控问题。提出了基于操控变量的一阶差分统计指标的新监控方法,有效弥补了在过程增益有跳变情形下的MIMO过程的PLS的dEWMA控制器的不足。并且,给出了新监控指标优于传统监控指标的理论依据。最后由数值仿真和实际问题逆向工程仿真验证了算法的有效性。