[发明专利]一种异常检测方法及装置

权利要求书

1.一种异常检测方法，其特征在于，包括：

获取同一批次产品在半导体机台加工过程中产生的原始数据，所述原始数据为所述半导体机台加工过程中对任一晶圆进行多传感器监测采集的传感器数据；

对所述原始数据进行预处理，得到对应的处理数据；

调用神经网络模型对所述处理数据进行数据重构，得到重构数据，所述原始数据和所述重构数据对应的维度相同，所述神经网络模型为预先使用不同批次产品的历史数据进行训练得到的；

根据所述重构数据和所述原始数据，对所述同一批次产品进行异常检测，以确定所述同一批次产品是否为异常批次产品、及所述同一批次产品中出现异常的晶圆和异常时间点。

2.根据权利要求1所述的异常检测方法，其特征在于，所述对所述原始数据进行预处理，得到对应的处理数据包括：

对所述原始数据进行重采样或插值，得到具备相同采样率的传感器数据；

根据数据特征对具备相同采样率的所述传感器数据进行筛选和处理，得到对应的处理数据。

3.根据权利要求1所述的异常检测方法，其特征在于，所述根据所述重构数据和所述原始数据，对所述同一批次产品进行异常检测，以确定所述同一批次产品是否为异常批次产品、及所述同一批次产品中出现异常的晶圆和异常时间点包括：

根据所述同一批次产品中每个晶圆对应的传感器的所述重构数据和所述原始数据，确定所述同一批次产品是否为异常批次产品；

对所述同一批次产品中每个晶圆对应的传感器的所述原始数据进行平均值计算，得到第一均值；

根据每个所述晶圆对应的传感器的所述原始数据和所述第一均值，确定所述同一批次产品中出现异常的晶圆及所述晶圆出现异常对应的异常时间点。

4.根据权利要求3所述的异常检测方法，其特征在于，所述根据所述同一批次产品中每个晶圆对应的传感器的所述重构数据和所述原始数据，确定所述同一批次产品是否为异常批次产品包括：

对所述同一批次产品中每个晶圆对应的传感器的所述重构数据进行平均值计算，得到第二均值；

对所述第一均值和所述第二均值进行差值计算，得到所述同一批次产品的整体偏移量；

若所述整体偏移量大于预警值，则确定所述同一批次产品为异常批次产品；否则，确定所述同一批次产品不为异常批次产品。

5.根据权利要求3所述的异常检测方法，其特征在于，所述根据每个所述晶圆对应的传感器的所述原始数据和所述第一均值，确定所述同一批次产品中出现异常的晶圆及所述晶圆出现异常对应的异常时间点包括：

将每个所述晶圆对应的传感器的所述原始数据与所述第一均值之间的偏移量，作为每个所述晶圆的离散程度；

若所述晶圆的离散程度大于预设阈值，则确定所述晶圆为所述同一批次产品中出现异常的晶圆，并进一步确定所述晶圆出现异常对应的异常时间点。

6.一种异常检测装置，其特征在于，包括获取单元、预处理单元、重构单元和异常检测单元，其中：

所述获取单元，用于获取同一批次产品在半导体机台加工过程中产生的原始数据，所述原始数据为所述半导体机台加工过程中对任一晶圆进行多传感器监测采集的传感器数据；

所述预处理单元，用于对所述原始数据进行预处理，得到对应的处理数据；

所述重构单元，用于调用神经网络模型对所述处理数据进行数据重构，得到重构数据，所述原始数据和所述重构数据对应的维度相同，所述神经网络模型为预先使用不同批次产品的历史数据进行训练得到的；

所述异常检测单元，用于根据所述重构数据和所述原始数据，对所述同一批次产品进行异常检测，以确定所述同一批次产品是否为异常批次产品、及所述同一批次产品中出现异常的晶圆和异常时间点。

7.根据权利要求6所述的异常检测装置，其特征在于，所述预处理单元具体用于：

对所述原始数据进行重采样或插值，得到具备相同采样率的传感器数据；

根据数据特征对具备相同采样率的所述传感器数据进行筛选和处理，得到对应的处理数据。