【技术实现步骤摘要】
曲线模式分段的半导体制造无监督异常检测方法及设备
[0001]本专利技术涉及半导体制造异常检测
，具体涉及一种曲线模式分段的半导体制造无监督异常检测方法、设备及存储介质。
技术介绍
[0002]随着科技的不断发展，半导体产品开始应用在生活的方方面面。半导体产品的异常检测对于半导体产品的质量控制具有重要意义。然而半导体制造是一个历经多过程多设备的复杂加工过程，传统的异常检测方法通过检测半导体最终成品的各项参数是否满足设定要求来判断该产品是否异常。该方法虽然准确率高，但是由于检测的对象是最终半导体成品，因此不能及时检测加工过程中出现的异常，从而效率较低，且异常产品继续加工浪费后续的设备资源。
[0003]随着智能制造的发展，目前半导体制造引入了众多的传感器对半导体制造过程进行监控。这些传感器收集半导体加工过程的压强，温度和光强等几十个参数，可以有效表征半导体加工过程是否发生异常。目前已有很多方法通过分析半导体加工过程的传感器监控参数变化曲线来检测半导体加工过程是否发生异常。这些方法主要分为包括整段分析方法和逐点分析...
【技术保护点】
【技术特征摘要】
1.一种曲线模式分段的半导体制造无监督异常检测方法，其特征在于，包括以下步骤，收集半导体加工设定一段时间正常加工的数据作为训练样本数据；采用信号处理技术对训练样本数据进行处理，即对传感器曲线进行模式分割，之后针对不同的曲线模式提取不同的统计特征；再把提取不同的特征输入到机器学习算法中进行学习，构建基于密度的局部异常因子检测的无监督机器学习分类模型，用于对半导体产品的异常检测。2.根据权利要求1所述的曲线模式分段的半导体制造无监督异常检测方法，其特征在于：信号处理技术包括进行数据预处理步骤，在获得一批样本数据进行插值后，首先要剔除噪声数据，采用的方法是LOF离群样本检测，剔除不集中的样本；之后为了进行窗口划分为传感器计算代表样本，采用的方法分两步：进行动态时间翘曲和求代表性曲线；动态时间翘曲是进行数据对齐的算法，具体如下：假设有两个时间序列Q和C，长度分别为n和m，具体表示为：假设有两个时间序列Q和C，长度分别为n和m，具体表示为：首先计算一个距离的映射矩阵，矩阵的元素是表示为对应两点的平方差，计算公式如下：之后在距离矩阵中从到之间寻找一条最优翘曲路径；翘曲路径定义为映射矩阵元素的连续集合，其第k个元素被定义为，此时有：其中翘曲路径需要满足所有元素之和是最小的，即：将累计距离定义为当前单元距离和相邻累计距离的最小值之和，公式如下：选择一条参考曲线，将所有训练样本对齐后，对每一个时间点的数值求平均，得到一条代表性曲线，具体计算公式如下：其中，S代表样本个数，T代表时间点数，代表传感器的时间序列。3.根据权利要求2所述的曲线模式分段的半导体制造无监督异常检测方法，其特征在
于：对传感器曲线进行模式分割包括，首先进行尖峰模式的识别，采用连续小波变换的方法进行尖峰重构，筛选出候选区域；信号的连续小波变换是其本身与小波母函数卷积得到的，具体公式如下：其中,是特定小波母函数的收缩和偏移形式，s和b分别代表收缩尺度和平移参数；选择母小波和卷积参数，涉及最小尺度、最大尺度、最大频率成分、最小频率成分、母函数阶数m和中心频率；具体计算公式如下：具体计算公式如下：具体计算公式如下：具体计算公式如下：其中， 表示信号的最大频率范围， 表示采样频率， 表示频率的最低分辨率， 表示采样间隔；小波变换后得到一个信号与不同收缩尺度母函数卷积后形成的系数矩阵；为了进行尖峰信号重构，要进行滤波，将与尖峰相关尺度较低的成分滤除；采用的是中值绝对偏差阈值法；阈值的计算公式如下：其中表示CWT矩阵在地个时间点、第个尺度的系数，N为信号的长度，；根据去噪的连续小波变换系数矩阵进行重构信号，数值非零的区域即为尖峰模式段的候选区域；下一步利用极值法筛选出真实的尖峰区域，即检验候选区域中是否存在满足极值条件的点，它的边界定义为尖峰点临近的极小值点或者区域的临界点；在进行变化段和稳...
【专利技术属性】
技术研发人员：谢箭，郑捷，陈祥一，赵文政，刘林平，
申请(专利权)人：合肥喆塔科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。