生产机台组件的预测保养方法技术

本发明专利技术实施例提供一种生产机台组件的预测保养方法，其使用时间序列预测(Time Series Prediction；TSP)演算法，并应用信息准则演算法来建立的时间序列分析模型，以预测生产机台组件意外停机的复杂的未来趋势。此外，此方法还提出了预警机制，以便在生产机台组件可能很快死亡时立即进行维护，并提供死亡相关指数(DCI)，以数据化来呈现生产机台组件进入死亡的可能性。

Predictive maintenance method of production machine components

【技术实现步骤摘要】
生产机台组件的预测保养方法
本专利技术是有关于一种生产机台组件的预测保养方法，且特别是有关于一种基于剩余使用寿命(Remainingusefullife；RUL)预测的生产机台组件的预测保养方法。
技术介绍
生产机台是任何制造厂不可缺少的部分。生产机台中的组件、模组或装置(例如：加热器、压力模组和节流阀(ThrottleValve)等)的失效会引起生产异常，导致不良的产品品质和/或降低产能，因而造成重大损失。一般，解决上述问题最常用的方法是定期的预防保养(PreventiveMaintenance；PM)。即，在预设时间间隔下执行保养相关作业。此预设时间间隔基本上是根据标的装置(TD)的平均故障时间间隔(MeanTimebetweenFailure)来决定。因此，如何安排适当的PM计划通常是工厂的关键议题。一个不当的定期PM计划会增加维修成本或降低产能。预测性维护目的在找出标的设备(即生产机台的组件)何时生病并在标的设备死亡发生之前以进行即时性维护，以避免意外的标的设备停机时间。通过这种方式，不仅提高了生产机台的稼动率和制造品质，而且还可以降低预防性保养中的过度维护的额外成本。为改善机台保养计划以增加晶圆厂的绩效，国际半导体技术制造协会(InternationalSematechManufacturingInitiative；ISMI)提出一种预测性和预防性保养(PredictiveandPreventiveMaintenance；PPM)的指标。如ISMI所定义，PPM包含预防保养(PM)、基于条件的保养(Condition-basedMaintenance；CbM)、预测保养(PredictiveMaintenance；PdM)和故障后维修(BreakdownMaintenance；BDM)。其中，ISMI主张CbM和PdM的技术应被发展，并以单一模组或多个模组的型式被使用，使得终端使用者能有效率地使用这些技术。CbM的定义为：“在指出机台将要失效或机台的性能正在恶化的一或多个指标出现后进行保养”。错误侦测及分类(FaultDetectionandClassification；FDC)是一种与CbM相关的方法，其定义为：“监控机台与工厂数据以评估机台的健康，并在侦测到错误时发出警报和/或关闭机台”。另一方面，PdM是一种应用预测模型的技术，找出设备状态信息与保养信息间的关联，来预测机台或标的装置(TD)的剩余寿命(RemainingUsefulLife；RUL)，以达到减少非计划性停机的保养事件的目标。在许多学者提出的预测保养技术中，指数模型通常用于预测标的设备的剩余使用寿命(RUL)。然而，指数模型的预测不准确。因此，需要一种生产机台组件的预测保养方法，以克服习知技术的缺点。
技术实现思路
由于习知演算法的限制，当标的设备即将死亡时，若标的设备的老化特征突然上升或变得平滑，指数模型可能无法跟上即时预测甚至错误地预测标的设备的RUL。本专利技术的一目的是在提供一种生产机台组件的预测保养方法，藉以即时并准确地预测生产机台组件的RUL，而可及时地进行生产机台组件的维修。本专利技术的另一目的是在提供一种生产机台组件的预测保养方法，通过提出了预警机制和死亡相关指数(DeathCorrelationIndex；DCI)，以便在生产机台组件可能很快死亡状态时立即进行维护，并以数据化的方式来呈现生产机台组件进入死亡状态的可能性。根据本专利技术的一态样，提供一种生产机台组件的预测保养方法。在此生产机台组件的预测保养方法生产机台组件的预测保养方法，首先，获得生产机台的组件依序处理多个工件时所使用或产生的多组制程数据，其中每一个组制程数据包含多个参数的数值，每一组制程数据的每一个参数的数值为此生产机台的此组件在处理这些工件的一者时的一段处理时间内的一组时序数据值，此些组制程数据是以一对一的方式对应至此些工件。然后，根据此组件在处理每一个工件时是否发生异常事件，来决定以一对一的方式对应至此些组制程数据的多个事件指示值。接着，分别使用多个演算法将每一组制程数据的每一个参数的数值转换成多个参数指标的数值，其中此些参数指标是以一对一的方式对应至此些演算法。然后，对此些组制程数据中的每一个参数的每一个参数指标与此些事件指示值进行一相关性分析，而获得分别对应至此些参数指标的多个相关系数。接着，选取对应至此些相关系数中一最大者的参数指标为一老化特征。接着，进行第一判断步骤，以根据每一个工件对应的此老化特征的数值，来判断此组件在处理此些工件时是否处于一生病状态，其中一旦此组件在处理该些工件的一者时是处于生病状态时，则将此工件设定为一样本选取点。然后，使用此样本选取点前N个工件所对应的N组制程数据中对应至此老化特征(yT)的N个数值为一组建模样本数据，其中N为正整数。接着，进行建模步骤，以使用此组建模样本数据并根据一时间序列预测演算法来建立一老化特征预测模型，而获得依工件生产次序排列的此老化特征(yT)的多个预测数值。接着，根据此组件分别处理此些工件所使用的多个工件处理时间来获得此组件分别处理此些工件的多个时间点。然后，获得一死亡规格值，其中此死亡规格值为此组件无法使用时的此老化特征(yT)的数值。依序判断此些该些预测数值是否实质等于死亡规格值直到发现此些预测数值的一最先者为止，其中此最先者所对应的该些时间点的一者为一死亡时间点，此组件在此死亡时间点时无法使用。接着，计算此些工件被处理时的这些时间点与此死亡时间点间的插值，以获得此组件分别在这些时间点的多个剩余使用寿命(Remainingusefullife；RUL)预测值(RULt)，其中t代表第t个工件，t为整数。在一些实施例中，在前述的第一判断步骤中，首先以一组转换公式分别将每一组制程数据的上述老化特征(yT)的数值转换成分别对应至工件的多个装置健康指数(DeviceHealthIndex；DHI)，此组转换公式为：当当当USL＜yT,当当LSL＜yT＜LCL,当MinyT＜yT＜LSL,其中为此些组制程数据的该老化特征的数值的平均值，其中为所对应的转换值；MaxyT为此些组制程数据的该老化特征的最大数值，MaxyT_mapping为MaxyT所对应的转换值；MinyT为此些组制程数据的此老化特征的最小数值，MinyT_mapping为MinyT所对应的转换值；LSL为规格下限；LCL为管制下限；UCL为管制上限；USL为规格上限；LSL_mapping为LSL所对应的转换值；LCL_mapping为LCL所对应的转换值；UCL_mapping为UCL所对应的转换值；USL_mapping为USL所对应的转换值。然后，依序判断此些装置健康指数是否大于或等于一门槛值，并将此些装置健康指数中最先大于或等于一门槛值的一者所应的工件设定为前述的样本选取点。在一些实施例中，在前述的建模步骤中，首先使用一整合移动平均自回归(AutoregressiveIntegratedMov本文档来自技高网...

【技术保护点】
1.一种生产机台组件的预测保养方法，其特征在于，该生产机台组件的预测保养方法包含：/n获得一生产机台的一组件依序处理多个工件时所使用或产生的多组制程数据，其中每一该些组制程数据包含多个参数的数值，每一该些组制程数据的每一该些参数的数值为该生产机台的该组件在处理该些工件之一时的一段处理时间内的一组时序数据值，该些组制程数据是以一对一的方式对应至该些工件；/n根据该组件在处理每一该些工件时是否发生异常事件，来决定以一对一的方式对应至该些组制程数据的多个事件指示值；/n分别使用多个演算法将每一该些组制程数据的每一该些参数的该组时序数据值转换成多个参数指标的数值，其中该些参数指标是以一对一的方式对应至该些演算法；/n对该些组制程数据中的每一该些参数的每一该些参数指标与该些事件指示值进行一相关性分析，而获得以一对一的方式对应至该些参数指标的多个相关系数；/n选取对应至该些相关系数中一最大者的参数指标为一老化特征(y

【技术特征摘要】
20190426 TW 1081148041.一种生产机台组件的预测保养方法，其特征在于，该生产机台组件的预测保养方法包含：
获得一生产机台的一组件依序处理多个工件时所使用或产生的多组制程数据，其中每一该些组制程数据包含多个参数的数值，每一该些组制程数据的每一该些参数的数值为该生产机台的该组件在处理该些工件之一时的一段处理时间内的一组时序数据值，该些组制程数据是以一对一的方式对应至该些工件；
根据该组件在处理每一该些工件时是否发生异常事件，来决定以一对一的方式对应至该些组制程数据的多个事件指示值；
分别使用多个演算法将每一该些组制程数据的每一该些参数的该组时序数据值转换成多个参数指标的数值，其中该些参数指标是以一对一的方式对应至该些演算法；
对该些组制程数据中的每一该些参数的每一该些参数指标与该些事件指示值进行一相关性分析，而获得以一对一的方式对应至该些参数指标的多个相关系数；
选取对应至该些相关系数中一最大者的参数指标为一老化特征(yT)；
进行一第一判断步骤，以根据每一该些工件对应的该老化特征(yT)的数值，来判断该组件在处理该些工件时是否处于一生病状态，其中一旦该组件在处理该些工件的一者时是处于该生病状态时，则将该些工件的该者设定为一样本选取点；
使用该样本选取点前N个工件所对应的N组制程数据中对应至该老化特征(yT)的N个数值为一组建模样本数据，其中N为正整数；
进行一建模步骤，以使用该组建模样本数据并根据一时间序列预测演算法来建立一老化特征预测模型，而获得依工件生产次序排列的该老化特征(yT)的多个预测数值；
根据该组件分别处理该些工件所使用的多个工件处理时间来获得该组件分别处理该些工件的多个时间点；
获得一死亡规格值，其中该死亡规格值为该组件无法使用时的该老化特征(yT)的数值；
依序判断该些预测数值是否实质等于该死亡规格值直到发现该些预测数值的一最先者为止，其中该最先者所对应的该些时间点的一者为一死亡时间点，该组件在该死亡时间点时无法使用；以及
计算该些工件被处理时的该些时间点与该死亡时间点间的差值，以获得该组件分别在该些时间点的多个剩余使用寿命预测值(RULt)，其中t代表第t个工件，t为整数。


2.根据权利要求1所述的生产机台组件的预测保养方法，其特征在于，该第一判断步骤包含：
以一组转换公式分别将每一该些组制程数据的该老化特征(yT)的数值转换成分别对应至该些工件的多个装置健康指数(DHI)，该组转换公式为：
当
当
当
当
当
当
其中为该些组制程数据的该老化特征的数值的平均值，其中为所对应的转换值；
MaxyT为该些组制程数据的该老化特征的最大数值，MaxyT_mapping为MaxyT所对应的转换值；
MinyT为该些组制程数据的该老化特征的最小数值，MinyT_mapping为MinyT所对应的转换值；
LSL为规格下限；LCL为管制下限；UCL为管制上限；USL为规格上限；LSL_mapping为LSL所对应的转换值；LCL_mapping为LCL所对应的转换值；UCL_mapping为UCL所对应的转换值；USL_mapping为USL所对应的转换值；以及
依序判断该些装置健康指数是否大于或等于一门槛值，并将该些装置健康指数中最先大于或等于该门槛值的一者所应的工件设定为该样本选取点。


3.根据权利要求1所述的生产机台组件的预测保养方法，其特征在于，该建模步骤包含：
使用一整合移动平均自回归模型为该时间序列预测演算法，来建立该老化特征预测模型，其中该整合移动平均自回归模型包含：一移动平均模型和一自回归模型模型；
使用一自相关函数选出该移动平均模型的最大落后期数，并以使...

【专利技术属性】
技术研发人员：林晋逸，谢昱铭，郑芳田，黄宪成，
申请(专利权)人：郑芳田，
类型：发明
国别省市：中国台湾;71