[发明专利]制程异常状态预判方法及预判系统

说明书

一种制程异常状态预判方法及制程异常状态预判系统，所述制程异常状态预判方法包括：获取制程的数据记录；根据预定规则从所述数据记录提取预测样本并记录取样时段；利用人工智能系统学习预测模型，基于所述预测样本及所述预测模型产生关于预测目标的预测结果，其中，所述人工智能系统学习预测模型被训练为比对预测样本、预设参考值，并根据预设的异常判断条件判断所述预测样本是否符合所述异常判断条件，若否，则输出正常的预测分析结果，若是，则输出异常的预测分析结果及存储所述正常或异常的预测分析结果，以提高制程异常的预判能力。

技术领域

本发明涉及一种制程异常状态预判方法及制程异常状态预判系统。

背景技术

由于电子产品不断推陈出新,而使电子产品更新周期不断地缩短。为了提升产品制程的良率与效率，降低产品制程设备的故障率具有重要意义。如果能够于制程设备故障前，预先侦测出异常的征兆而预先排除，将得以有效降低故障事件突发的风险。在现有技术中,生产线上各个机台通常独立运作，经由产线逐站的生产步骤而完成电子产品的制造，整个制造的过程欠缺自动化的资料的前后统整及智能应用，而需要耗费人力进行调机。一旦产线更新换代或料源更新，每次调机必须由人工从头做起。以现有的光学检测机台为例，当更换不同的厂商料件时，就必须人工添加样本图像至资料库进行建档，机台才能正常运作。

发明内容

有鉴于此，有必要提供一种制程异常状态预判方法及制程异常状态预判系统，提高制程异常的预判能力。

一种制程异常状态预判方法，包括：

获取制程的数据记录；

根据预定规则从所述数据记录提取预测样本并记录取样时段；

利用人工智能系统学习预测模型，基于所述预测样本及所述预测模型产生关于预测目标的预测结果，其中，所述人工智能系统学习预测模型被训练为比对预测样本、预设参考值，并根据预设的异常判断条件判断所述预测样本是否符合所述异常判断条件，若否，则输出正常的预测分析结果，若是，则输出异常的预测分析结果；及

存储所述正常或异常的预测分析结果。

作为优选，所述数据记录包括制程的机台数据、环境数据、检测数据中的一种或多种。

作为优选，所述制程异常状态预判方法还包括：

根据所述预测分析结果及预定规则做出关于所述制程的决策；及

将所述预测分析结果及所述决策中的至少一项反馈至所述制程的对应环节。

作为优选，在基于所述预测样本及所述预测模型产生关于预测目标的预测结果前，还包括：

判断所述数据样本的数据类型；

根据所述数据类型及预定规则选择对应的预测模型。

作为优选，根据预设的异常判断条件判断所述预测样本是否符合所述异常判断条件包括：

从所述预测样本中计算取样参数；

将所述取样参数与所述预设参考值比较并判断所述取样参数是否超出所述预设参考值；

当所述取样参数超出所述预设参考值时统计异常次数；

当所述取样时段内异常次数大于预定阈值时输出异常的预测分析结果。

一种制程异常状态预判系统，用于连接制程设备，包括人工智能系统及存储装置，所述人工智能系统包括处理器，所述存储装置存储有多条指令，所述指令适于由所述处理器加载并执行：

获取制程的数据记录；

根据预定规则从所述数据记录提取预测样本并记录取样时段；