半导体设备零部件状态预测方法、系统及可读存储介质技术方案

本发明专利技术提供了一种半导体设备零部件状态预测方法、系统及可读存储介质，方法包括：获取零部件的历史工作数据；对所述历史工作数据进行预处理，获取用于表征所述零部件状态的关键特征；将所述零部件待预测的数据特征代入KNN模型中，得到所述零部件的状态预测情况。本发明专利技术能够基于零部件的历史工作数据进行预测性维护，能够在零部件发生故障前发现问题，适用面宽且准确度高，有效减少了非计划性宕机对产线的影响。线的影响。线的影响。

【技术实现步骤摘要】
半导体设备零部件状态预测方法、系统及可读存储介质


[0001]本专利技术涉及半导体制造
，尤其涉及一种半导体设备零部件状态预测方法、系统及可读存储介质。

技术介绍

[0002]半导体制造过程中，机器设备各部件的状态直接影响晶圆的生产过程，如果在设备发生故障后才进行维修，不仅会大大降低生产的效率，还可能导致晶圆产量大幅度降低。
[0003]现目前，针对设备零部件的大部分预测性维护方法通常是基于人工经验对晶圆产量或零部件使用寿命设定阈值，这种估计方法适用面窄、准确度低，无法最大程度提高生产效率，且随着设备零部件的更新及复杂化，人工越来越难以给出合适的阈值。

技术实现思路

[0004]本专利技术的目的在于提供一种半导体设备零部件状态预测方法、系统及可读存储介质，至少解决了现有技术或相关技术中半导体设备零部件的状态预测方法存在的技术问题之一。
[0005]为达到上述目的，本专利技术提供一种半导体设备零部件状态预测方法，包括：
[0006]获取零部件的历史工作数据；
[0007]对所述历史工作数据进行预处理，获取用于表征所述零部件状态的关键特征；
[0008]将所述零部件待预测的数据特征代入KNN模型中，得到所述零部件的状态预测情况。
[0009]可选的，通过传感器获取零部件的历史工作数据。
[0010]可选的，对所述历史工作数据进行预处理的步骤具体包括：
[0011]对所述历史工作数据进行筛选，过滤掉一定时间内波动较小的特征；
[0012]对过滤后的数据特征进行降维处理。
[0013]可选的，通过求解所述历史工作数据的特征的可变性以对所述历史工作数据进行筛选，所述可变性的计算公式如下：
[0014][0015]其中，j＝1,2,3,
…
M，M表示所述历史工作数据中特征向量的总个数，x
j
表示第j个特征向量，N
j
表示第j个特征向量的时间步长。
[0016]可选的，采用顺序前进法对过滤后的数据特征进行降维处理。
[0017]可选的，对所述历史工作数据进行预处理的步骤还包括：
[0018]利用逻辑回归函数作为预测手段，将降维处理后的数据划分为训练集和预测集；
[0019]利用所述训练集对所述逻辑回归函数进行优化，并通过使预测集的误差最小以确定所述关键特征。
[0020]可选的，将所述零部件待预测的数据特征代入KNN模型中，得到所述零部件的状态预测情况的步骤具体包括：
[0021]利用所述KNN模型计算待预测的数据特征与各个已知标签的样本关键特征之间的加权距离，并按照计算结果的递增关系进行排序；
[0022]根据选取的K值，确定距离最小的K个样本及对应类别；
[0023]选取所述K个样本中出现次数最多的类别作为最终的状态预测结果。
[0024]可选的，采用交叉验证的方式选取所述K值。
[0025]基于此，本专利技术还提供了一种半导体设备零部件状态预测系统，包括：
[0026]数据获取模块，被配置为获取零部件的历史工作数据；
[0027]预处理模块，被配置为对所述历史工作数据进行预处理，获取用于表征所述零部件状态的关键特征；
[0028]模型预测模块，被配置为将所述零部件待预测的数据特征代入KNN模型中，得到所述零部件的状态预测情况。
[0029]基于此，本专利技术还提供了一种可读存储介质，所述计算机程序被执行时能实现根据如上所述的半导体设备零部件状态预测方法。
[0030]在本专利技术提供的一种半导体设备零部件状态预测方法、系统及可读存储介质中，通过基于零部件的历史工作数据进行预测性维护，能够在零部件发生故障前发现问题，适用面宽且准确度高，有效减少了非计划性宕机对产线的影响。
附图说明
[0031]本领域的普通技术人员将会理解，提供的附图用于更好地理解本专利技术，而不对本专利技术的范围构成任何限定。其中：
[0032]图1为本专利技术一实施例提供的半导体设备零部件状态预测方法的步骤图；
[0033]图2为本专利技术一实施例提供的半导体设备零部件状态预测系统的结构框图。
[0034]附图中：
[0035]1‑
数据获取模块；2
‑
预处理模块；3
‑
模型预测模块。
具体实施方式
[0036]为使本专利技术的目的、优点和特征更加清楚，以下结合附图和具体实施例对本专利技术作进一步详细说明。需要说明的是，附图采用非常简化的形式且均使用非精准的比例，仅用以方便、明晰地辅助说明本专利技术实施方式的目的。为了使本专利技术的目的、特征和优点能够更加明显易懂，请参阅附图。须知，本说明书所附图式所绘示的结构、比例、大小等，均仅用以配合说明书所揭示的内容，以供熟悉此技术的人士了解与阅读，并非用以限定本专利技术实施的限定条件，任何结构的修饰、比例关系的改变或大小的调整，在与本专利技术所能产生的功效及所能达成的目的相同或近似的情况下，均应仍落在本专利技术所揭示的
技术实现思路
能涵盖的范围内。
[0037]如在本专利技术中所使用的，单数形式“一”、“一个”以及“该”包括复数对象，除非内容另外明确指出外。如在本专利技术中所使用的，术语“或”通常是以包括“和/或”的含义而进行使用的，除非内容另外明确指出外。如在本专利技术中所使用的，术语“若干”通常是以包括“至少
一个”的含义而进行使用的，除非内容另外明确指出外。如在本专利技术中所使用的，术语“至少两个”通常是以包括“两个或两个以上”的含义而进行使用的，除非内容另外明确指出外。此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”、“第三”的特征可以明示或者隐含地包括一个或者至少两个该特征。
[0038]在本专利技术的描述中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“固定”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或成一体；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本专利技术中的具体含义。
[0039]请参照图1，图1为本专利技术一实施例提供的半导体设备零部件状态预测方法的步骤图。本实施例提供了一种半导体设备零部件状态预测方法，包括：
[0040]S1、获取零部件的历史工作数据；
[0041]S2、对所述历史工作数据进行预处理，获取用于表征所述零部件状态的关键特征；
[0042]S3、将所述零部件待预测的数据特征代入KNN模型中，得到所述零部件的状态预测情况。
[0043]具体的，先执行步骤S1，获取零部件的历史工作数据，所述零部件的历史工作数据可通过传感器获取，所述历史工作数据包括但不限于温度、压力等数据，本申请对于所述传感器的数本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种半导体设备零部件状态预测方法，其特征在于，包括：获取零部件的历史工作数据；对所述历史工作数据进行预处理，获取用于表征所述零部件状态的关键特征；将所述零部件待预测的数据特征代入KNN模型中，得到所述零部件的状态预测情况。2.根据权利要求1所述的半导体设备零部件状态预测方法，其特征在于，通过传感器获取零部件的历史工作数据。3.根据权利要求1所述的半导体设备零部件状态预测方法，其特征在于，对所述历史工作数据进行预处理的步骤具体包括：对所述历史工作数据进行筛选，过滤掉一定时间内波动较小的特征；对过滤后的数据特征进行降维处理。4.根据权利要求3所述的半导体设备零部件状态预测方法，其特征在于，通过求解所述历史工作数据的特征的可变性以对所述历史工作数据进行筛选，所述可变性的计算公式如下：其中，j＝1,2,3,
…
M，M表示所述历史工作数据中特征向量的总个数，x
j
表示第j个特征向量，N
j
表示第j个特征向量的时间步长。5.根据权利要求3所述的半导体设备零部件状态预测方法，其特征在于，采用顺序前进法对过滤后的数据特征进行降维处理。6.根据权利要求3所述的半导体设备零部件状态预测方法，其特征在于，对所述历史工作数据进行预处理的步骤还包括：利用...

【专利技术属性】
技术研发人员：俞微，陈旭，魏峥颖，
申请(专利权)人：上海华力微电子有限公司，
类型：发明
国别省市：