[发明专利]一种半导体制造设备的预测性维护与健康管理的方法

说明书

本发明涉及半导体制造的智能维护领域，公开了一种半导体制造设备的预测性维护与健康管理的方法，包括建模策略模块、模型训练模块和故障预测模块，建模策略模块确定设备的关键组件与建模策略，模型训练模块仅利用健康状态数据训练关键组件的模型，故障预测模块根据实时数据更新模型并实时预测关键故障类型；建模策略模块输出需要进行预测性维护的关键组件，以及应该作为预测性维护目标的关键故障模式，作为模型训练模块的输入，模型训练模块对所选关键性组件的关键故障训练模型，最终由故障预测模块建立模型成长的体系进行故障预测。

技术领域

本发明涉及半导体制造的智能维护领域领域，尤其涉及一种半导体制造设备预测性维护与健康管理的方法。

背景技术

当前，为了保证半导体产品的高良率，半导体制造行业的维护普遍依赖基于时间的预防性维护策略(PM)。成功的预防性维护策略虽然能够有效的保证高水平的设备 稼动率，可是其缺点同样明显，尤其是在半导体产业这样产品设计越来越复杂、设备 越来越昂贵的大背景下。其缺点之一，是预防性维护的成本极高。预防性维护策略为 了保证设备的高可靠性，会将维护时间间隔缩短得显著小于平均故障间隔时间 (MTBF)。频繁的停机维护导致用户失去了原本可以用来的生产的时间，造成了效率 下降；同时，所更换的零件可能仍然处于可用状态，提早更换造成了极大浪费。其缺 点之二，是预防性维护的会让用户失去洞察设备问题的机会。由于零件更换的频率过 高，没有机会让用户观察、收集设备接近失效时的状态、现象，更无法据此分析其成 因。这种对设备理解的粗浅，会导致潜在未知设备问题的出现，造成某种问题的重复 发生，或者非预期的异常现象，甚至是停机事件。

据此，在2010年国际半导体协会(ISMI)发布了《ISMI预测预防性维护实施指 导》，介绍预防与预测性维护(PPM)的概念，并将此作为半导体产品大规模制造场景 中提高设备效率的未来愿景。事实上，在半导体行业的一些一细分领域，一直有利用 设备产生中的数据来做异常检测来支持预测性维护的研究。预测性建模的方法，可以 分为基于机理的模型，基于单变量随机过程的统计分析，以及数据驱动的预测性建模 三类。在半导体设备高度自动化、传感器密集的情况下，半导体制造过程是数据丰富 的大数据环境。同时，设备机理随着工艺的复杂度提高，并且单变量的分析往往滞后 与多变量的协同建模，故数据驱动的方法在半导体设备预测性维护的研究领域正在变 得更加普遍。

综上所述，现有技术存在以下问题：

1)缺乏系统性的方法论，现有的半导体设备预测性维护技术通常是针对某些特定的半导体制造场景，很少有通用的适用于半导体设备预测性维护的数据驱动建模方法 论被提出；

2)对监控层次与算法选择上缺乏衡量原则，通常是依赖经验或大拇指原则来盲目应用机器学习算法；

3)大多数技术解决的是设备异常检测问题，不可执行。由于半导体设备的预防性维护属于过度维护，异常状态数据难得，故异常检测是更加常见的建模目标。然而， 对关键故障类型预测才是真正对用户有用的可执行信息。

因此，本领域的技术人员致力于开发一种半导体设备预测性维护与健康管理的方法。

发明内容

有鉴于现有技术的上述缺陷，本发明所要解决的技术问题是建立系统性的故障预测与健康管理方法论，定义算法选择与监控层次定义的方法，在数据不完整的情况下， 建立成长型的故障预测模型。

为实现上述目的，本发明提供了一种半导体设备预测性维护与健康管理的方法。