【技术实现步骤摘要】
本申请涉及集成电路硅单晶制备，尤其涉及一种硅单晶生长多工艺阶段非线性动态数据异常检测方法。
技术介绍
1、硅单晶是制造集成电路芯片的基础性材料，随着对集成电路芯片的制程要求不断提高，对硅单晶的品质也相应提出了更为严苛的标准。在硅单晶制备过程中，常常出现由于提拉系统的软轴晃动、机械振动等因素，导致硅单晶生长状况异常的情况。如何及时检测到硅单晶生长过程中的异常状态，并采取相应的调整是确保制备高品质硅单晶的必要措施。
2、目前，经常采用的硅单晶生长状况异常检测方法的流程主要包括：定义正常行为、选择异常检测算法、训练模型、设定阈值、检测异常和结果评估等过程。具体过程为：首先，通过统计分析、业务知识或专家意见来定义正常行为的范围；接着，根据数据特性和业务需求选择合适的异常检测算法，例如统计方法、机器学习模型或深度学习方法等；然后，使用正常数据训练所选模型，使其学会正常行为的特征；之后，设定一个合理阈值来区分正常数据点和异常数据点；最后，在模型训练完成后，根据已有的历史数据来预测未来数据，通过比较预测值和实际值之间的差值与合理阈值的关系...
【技术保护点】
1.一种硅单晶生长多工艺阶段非线性动态数据异常检测方法，其特征在于，该方法包括以下步骤：
2.根据权利要求1所述硅单晶生长多工艺阶段非线性动态数据异常检测方法，其特征在于，所述获取硅单晶生长过程中的历史数据集和监测数据集，将所述历史数据集进行重构，得到重构训练集，将所述监测数据集进行重构，得到重构测试集，并对所述监测数据集进行贝叶斯在线跳变点检测，得到所述监测数据集中的多个分段点的步骤包括：
3.根据权利要求2所述硅单晶生长多工艺阶段非线性动态数据异常检测方法，其特征在于，所述构建相关向量机模型，并利用所述重构训练集对所述相关向量机模型进行迭代...
【技术特征摘要】
1.一种硅单晶生长多工艺阶段非线性动态数据异常检测方法，其特征在于，该方法包括以下步骤：
2.根据权利要求1所述硅单晶生长多工艺阶段非线性动态数据异常检测方法，其特征在于，所述获取硅单晶生长过程中的历史数据集和监测数据集，将所述历史数据集进行重构，得到重构训练集，将所述监测数据集进行重构，得到重构测试集，并对所述监测数据集进行贝叶斯在线跳变点检测，得到所述监测数据集中的多个分段点的步骤包括：
3.根据权利要求2所述硅单晶生长多工艺阶段非线性动态数据异常检测方法，其特征在于，所述构建相关向量机模型，并利用所述重构训练集对所述相关向量机模型进行迭代训练，得到相关向量机训练模型的步骤包括：
4.根据权利要求3所述硅单晶生长多工艺阶段非线性动态数据异常检测方法，其特征在于，所述相关向量机训练模型的表达式为：
5.根据权利要求4所述硅单晶生长多工艺阶段非线性动态数据异常检测方法，其特征在于，所述利用所述重构训练集和所述重构测试集在所述相关向量机训练模型中，对所述监测数据集进行单步预测，得到预测序列，并将所述预测序列分别与每个...
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。