[发明专利]一种面向半导体工艺设备的故障诊断方法

说明书

技术领域

本发明属于半导体制造领域，具体涉及一种面向半导体工艺设备的故障诊断方法。

背景技术

半导体企业中工艺设备的运行状态对企业的生产能力影响重大，而半导体工艺设备造价极其昂贵，提高设备维修效率、降低设备故障停机时间是提高企业生产能力、控制生产成本的一种重要途径。因此，为半导体工艺设备提供方便实用、性能可靠的故障诊断已经成为半导体企业的迫切需要，而设备的结构越来越复杂也给故障诊断带来了极大的挑战。智能故障诊断技术为这种要求开辟了新途径，将智能故障诊断技术应用于半导体工艺设备领域具有很高的价值。

随着人工智能技术的不断发展，智能故障诊断技术已经进入了一个新的阶段，而专家系统技术作为人工智能领域很活跃的一个分支，取得了广泛的应用。这种方法不依赖于系统的数学模型，它根据领域专家总结的经验知识，进行推理和判断，模拟人类专家的决策过程，来解决那些需要人类专家处理的复杂问题。由此可见，专家系统技术建立并维护知识库，模拟人类的思维方式进行智能决策，不仅能大大提高故障诊断的准确性和可靠性，而且减少了对人类专家经验的依赖，提高了故障诊断的自动化程度。

目前的专家系统大多采用的是正向推理方式，在知识规则数目较多时，很容易发生知识的爆炸性组合而导致模式匹配效率偏低；另一方面，专家系统中模糊知识库的构建主要依赖于专家经验，在模糊推理系统的使用过程中，也是主要依靠专家来进行知识库的维护，缺乏基于推理结果样本的自学习修正机制。

发明内容

针对上述技术不足，本发明提出一种面向半导体工艺设备的故障诊断方法，其目的是：将rete算法的时间冗余性和结构相似性思想融入到模糊推理中，用以克服在模糊推理时因知识的爆炸性组合而导致的匹配效率偏低问题，进而提 高模糊推理效率；构建模糊知识库的自学习修正机制，利用系统日常运行中积累的故障诊断样本，进行规则强度的自学习修正，修正完善整个模糊规则库，使模糊推理更加具有工程实用性。

本发明的技术方案为：一种面向半导体工艺设备的故障诊断方法，包括以下步骤：

1)针对半导体设备实时监测参数进行模糊化处理，生成模糊事实；

2)建立模糊规则库；

3)采用rete算法将模糊事实与模糊规则库中的规则进行匹配，得到模糊推理结果；

4)将模糊推理结果进行去模糊化得出故障诊断结果；

5)根据故障诊断结果和实际反馈结果构建样本集，基于样本集进行规则强度自学习修正。

所述的针对半导体工艺设备实时监测参数进行模糊化处理，是采用采用高斯隶属度函数法，通过以下公式实现：

上式为自变量x对于半导体工艺设备的监测参数模糊集A的高斯隶属度函数，μ为设备监测参数的均值参数，σ为设备监测参数的方差参数。

所述的采用rete算法将模糊事实与模糊规则库中的规则进行匹配包括以下步骤：

(1)构建rete模糊模式：[PF]表示模糊规则前件元素，P为参数名称，F为模糊量词，则P和F均为测试域，将P和F相互连接，便构成了rete模糊模式；

(2)构建rete连接网络：连接网将模糊规则中具有“and”关系的rete模糊模式作为一个集合，实现对模糊规则前件的构建，每个连接网设置一个reteflag标识来记录该连接网是否匹配成功，如果匹配成功，则reteflag为true；反之，则为false；

(3)rete网络匹配：将模糊事实与rete模糊模式的测试域进行匹配，并将匹配成功的模糊事实存储到对应的α寄存器中，然后再根据α寄存器的更新情况进行reteflag的更新，将reteflag为true的模糊规则的结论作为模糊推理结果。

所述的将模糊事实与rete模糊模式的测试域进行匹配，并将匹配成功的模糊事实存储到对应的α寄存器中，然后再根据α寄存器的更新情况进行reteflag的更新包括以下步骤：

以参数名称测试域为rete模糊模式网络的入口节点，开始进行rete模糊模式网络匹配：

如果参数名称测试域匹配成功，则顺着匹配链寻找下面的模糊量词测试域节点，继续进行匹配；

如果全部匹配成功，将对应模糊事实存储到α寄存器中；

当rete模糊模式网络匹配过程完成后，便开始连接网络匹配：