[发明专利]一种异常检测方法及装置

说明书

本申请公开了一种异常检测方法及装置，该方法包括：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；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；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。通过实施本申请，能解决现有异常检测方法中存在的无法进行波动较小或多维度的传感器数据的异常检测等问题。

技术领域

本申请涉及半导体技术领域，特别是涉及一种异常检测方法及装置。

背景技术

目前，半导体机台生产加工过程中的异常检测(fault detection andclassification，FDC)的常用方法是对生产过程中的每个传感器数据分阶段设定对应的预警值(control limit)。

然而在实践中发现，这种常规方法对生产过程中异常波动较小的数据检测是很困难的，且预警值是才采用人工手段设置的，人为设置的预警值无法适应机台的服役时间、状态变化等状况。此外，这种常规方法还仅能对单一维度的传感器数据进行分析，无法处理多维度传感器数据的复合异常检测。

在实际应用中，在生产过程中由于机台状态的不断变化，异常检测中设定的预警值通常比较宽泛，以防止设备状况变化后产生大量的报警。而针对生产的单一产品而言，其设定的预警值通常难以进行有效地管控，风险较高。

发明内容

为克服上述现有技术存在的不足，本申请之目的在于提供一种异常检测方法及装置，能解决现有异常检测方法中存在的无法进行波动较小或多维度的传感器数据的异常检测等问题。

为达上述及其它目的，本申请提出一种异常检测方法，包括如下步骤：

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。

可选的，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。

可选的，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。

可选的，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；