在智能制造,尤其是半导体制造过程中,批间控制(Run to Run控制)是一种广泛使用的控制方法。其控制原理是通过之前一个生产批次完成之后的测量信息来决定下一个生产批次中设备的参数设定。本文结合多种实际生产场景,提出了混合测量模式下的批间控制算法。混合测量模式是指测量结果不精准和测量结果不及时并存的测量模式。经典的批间控制算法在混合测量模式下将失效。本文结合贝叶斯概率分析的思想,提出混合精度模式下的批间控制器设计方案。并基于对已有数据分析,引入了KL(Kullback-Leibler)散度的相似度度量方法对过程模型参数的波动进行检测,大大提高了原有控制器的控制效果。但是,混合测量模式下的控制模型又带来了计算问题,造成时间复杂度过高,不适合高频次的批间控制。为提升整体计算的性能,本文设计了基于Hadoop和Spark的计算平台架构,并进行了原型软件设计,将数据汇聚在云端进行分析计算,结果传回本地进行控制,大大提升批间控制器的实时计算性能。本文的研究可解决半导体实际生产过程中混合测量信息的使用问题,设计的云端平台可进行高频率控制,保障半导体器件的良品率,提高企业效益。