本发明涉及半导体制造领域以及信息技术领域，更具体地说，本发明涉及一种设备定期保养效果分析方法。
背景技术：
目前来说，一般需要对工艺机台进行定期保养。对于定期保养效果的分析，现有机台定期保养分析只根据单纯的设备指标进行设备定期保养效果好坏的分析，这样的分析方式只能着眼于单次机台的保养是否达标分析，对于产品制程的好坏是没有参考意义的。同时，这种单次的分析模式无法满足工程师对于机台长期稳定性分析的管控。
因此，期望的是，能够提供一种能够实现对机台的长期稳定性进行有效分析的设备定期保养效果分析方法。
技术实现要素：
本发明所要解决的技术问题是针对现有技术中存在上述缺陷，提供一种能够实现对机台的长期稳定性进行有效分析的设备定期保养效果分析方法。
为了实现上述技术目的，根据本发明，提供了一种设备定期保养效果分析方法，包括：
第一步骤：获取机台在预定时间段内的设备定期保养信息；
第二步骤：获取预定时间段内各产品白像素值；
第三步骤：基于二分法进行设备定期保养前后白像素值分组；
第四步骤：通过HC公式计算机台在每一个处理步骤的设备定期保养前后对比MR值；
第五步骤：基于Apriori算法判断该预定时间段内机台多次设备定期保养的综合情况。
优选地，在第一步骤从设备定期保养信息数据库获取机台在预定时间段内的设备定期保养信息。
优选地，在第二步骤从白像素值数据库获取预定时间段内各产品白像素值。
优选地，在第四步骤，根据白像素特性，以白像素均值最低的设备定期保养分组为基准，其余为参考组；
计算：
MR1＝ABS(Avg(Y)-Avg(X))/Std(X)
MR2＝Std(Y)/Std(X)
其中，X、Y分别为设备定期保养前后分组，且Avg(X)<Avg(Y)。
优选地，在第四步骤，在MR1>100％或者MR2>1.5时判定机台在该步骤设备定期保养后不稳定，否则判定机台在该步骤设备定期保养后稳定。
优选地，在第五步骤，计算支持度supp(X)＝occur(X)/count(D)＝P(X)；其中supp(X)∈[-1,1]；以机台为单位，Occur(X)＝Bad PM Cnt–Good PM Cnt；Bad PM Cnt表示设备定期保养失败次数，Good PM Cnt表示设备定期保养成功次数；Count(D)＝Total PM Cnt；Total PM Cnt表示设备定期保养总次数。
优选地，在第六步骤，若supp(X)>0，则判定该机台在该预定时间段内整体设备定期保养效果变差，否则为判定该机台在该预定时间段内整体设备定期保养效果变好。
优选地，在第六步骤，生成机台长期稳定性报告。
本发明解决了现有设备定期保养无法进行长期机台稳定性监控的问题。本发明通过各产品的制程指标与设备之间的关联性分析，获取机台设备定期保养对产品的影响，帮助控制产品质量及机台长期稳定性判断。本发明有效的解决了现有设备保养分析方法无法满足机台长期稳定性监控的缺点，基于二分法进行设备定期保养前后分组，无需进行人为分组操作；而且基于HC公式自动进行机台设备定期保养前后变化，提高了系统可靠性。基于Apriori算法判断机台长期稳定性，弥补了现有分析手法的缺陷。
附图说明
结合附图，并通过参考下面的详细描述，将会更容易地对本发明有更完整的理解并且更容易地理解其伴随的优点和特征，其中：
图1示意性地示出了根据本发明优选实施例的设备定期保养效果分析方法的流程图。
需要说明的是，附图用于说明本发明，而非限制本发明。注意，表示结构的附图可能并非按比例绘制。并且，附图中，相同或者类似的元件标有相同或者类似的标号。
具体实施方式
为了使本发明的内容更加清楚和易懂，下面结合具体实施例和附图对本发明的内容进行详细描述。
本发明以WP(white Pixel，白像素)参数作为参考指标进行设备定期保养的关联分析。通过获得机台一段时间内的设备定期保养情况，通过二分法将白像素值分组至对应的机台设备定期保养前后；通过HC公式进行单次机台设备定期保养前后稳定性对比分析，判断机台设备定期保养对产品的影响，帮助控制产品质量。最后，基于Apriori算法的机台长期稳定性判断分析。
图1示意性地示出了根据本发明优选实施例的设备定期保养效果分析方法的流程图。
具体地，如图1所示，根据本发明优选实施例的设备定期保养效果分析方法包括：
第一步骤S1：获取机台在预定时间段(关注时间段)内的设备定期保养信息；例如，在第一步骤S1从设备定期保养信息数据库获取机台在预定时间段内的设备定期保养信息。
第二步骤S2：获取预定时间段内各产品白像素值；例如，在第二步骤S2从白像素值数据库获取预定时间段内各产品白像素值。
第三步骤S3：基于二分法进行设备定期保养前后白像素值分组；
第四步骤S4：通过HC公式计算机台在每一个处理步骤的设备定期保养前后对比MR值；
优选地，可以先删除设备定期保养前后只有单笔数据的机台设备定期保养信息。
在第四步骤S4，基于HC公式进行机台设备定期保养前后对比分析；
根据白像素特性，以白像素均值最低的设备定期保养分组为基准，其余为参考组；
HC公式是半导体行业一个比较常用的公式，其被定义如下计算公式：
MR1＝ABS(Avg(Y)-Avg(X))/Std(X)
MR2＝Std(Y)/Std(X)
其中，X、Y分别为设备定期保养前后分组，且Avg(X)<Avg(Y)。其中函数ABS用于求取绝对值，函数Avg用于求取平均值，函数Std用于求取标准差(与Excel中的函数相同)。
例如，在第四步骤S4，设备定期保养有效性按行业标准为判断基础：在MR1>100％或者MR2>1.5时判定机台在该步骤设备定期保养后不稳定，否则判定机台在该步骤设备定期保养后稳定。
由此，可生成机台单次设备定期保养稳定性报告；
第五步骤S5：基于Apriori算法判断该预定时间段内机台多次设备定期保养的综合情况。
在第五步骤S5，计算支持度supp(X)＝occur(X)/count(D)＝P(X)；其中supp(X)∈[-1,1]；以机台为单位，Occur(X)＝Bad PM Cnt–Good PM Cnt；Bad PM Cnt表示设备定期保养失败次数，Good PM Cnt表示设备定期保养成功次数；Count(D)＝Total PM Cnt；Total PM Cnt表示设备定期保养总次数。
具体地，在第六步骤S6，若supp(X)>0，则判定该机台在该预定时间段内整体设备定期保养效果变差，否则为判定该机台在该预定时间段内整体设备定期保养效果变好。
由此，可生成机台长期稳定性报告。
本发明解决了现有设备定期保养无法进行长期机台稳定性监控的问题。本发明通过各产品的制程指标与设备之间的关联性分析，获取机台设备定期保养对产品的影响，帮助控制产品质量及机台长期稳定性判断。本发明有效的解决了现有设备保养分析方法无法满足机台长期稳定性监控的缺点，基于二分法进行设备定期保养前后分组，无需进行人为分组操作；而且基于HC公式自动进行机台设备定期保养前后变化，提高了系统可靠性。基于Apriori算法判断机台长期稳定性，弥补了现有分析手法的缺陷。
此外，需要说明的是，除非特别说明或者指出，否则说明书中的术语“第一”、“第二”、“第三”等描述仅仅用于区分说明书中的各个组件、元素、步骤等，而不是用于表示各个组件、元素、步骤之间的逻辑关系或者顺序关系等。
可以理解的是，虽然本发明已以较佳实施例披露如上，然而上述实施例并非用以限定本发明。对于任何熟悉本领域的技术人员而言，在不脱离本发明技术方案范围情况下，都可利用上述揭示的技术内容对本发明技术方案作出许多可能的变动和修饰，或修改为等同变化的等效实施例。因此，凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所做的任何简单修改、等同变化及修饰，均仍属于本发明技术方案保护的范围内。