本发明涉及半导体制造,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。
背景技术:
1、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。
2、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
1、本发明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。
2、为达到上述目的,本发明提供一种半导体设备零部件状态预测方法,包括:
3、获取零部件的历史工作数据;
4、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;
5、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。
6、可选的,通过传感器获取零部件的历史工作数据。
7、可选的,对所述历史工作数据进行预处理的步骤具体包括:
8、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;
9、对过滤后的数据特征进行降维处理。
10、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:
11、
12、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,xj表示第j个特征向量,nj表示第j个特征向量的时间步长。
13、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。
14、可选的,对所述历史工作数据进行预处理的步骤还包括:
15、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;
16、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。
17、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:
18、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;
19、根据选取的k值,确定距离最小的k个样本及对应类别;
20、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。
21、可选的,采用交叉验证的方式选取所述k值。
22、基于此,本发明还提供了一种半导体设备零部件状态预测系统,包括:
23、数据获取模块,被配置为获取零部件的历史工作数据;
24、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;
25、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。
26、基于此,本发明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。
27、在本发明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。
1.一种半导体设备零部件状态预测方法,其特征在于,包括:
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:
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:
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:
7.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,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:
8.根据权利要求7所述的半导体设备零部件状态预测方法,其特征在于,采用交叉验证的方式选取所述k值。
9.一种半导体设备零部件状态预测系统,其特征在于,包括:
10.一种可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被执行时能实现根据权利要求1-8中任一项所述的半导体设备零部件状态预测方法。