[发明专利]一种基于重构和预测联合确定异常的方法

说明书

本发明涉及一种基于重构和预测联合确定异常的方法，包括：获取多变量时序数据，所述时序数据为半导体制造过程中设备的多个传感器产生的数据；将所述时序数据中对应于第一时间窗的第一目标子序列输入到重构模型中，得到对于所述第一时间窗的重构数据，所述第一时间窗的截止时间点为第n+1时间点；将所述时序数据中截至第n时间点的第二目标子序列输入到预测模型中，得到对于第n+1时间点的预测数据；将所述重构数据中对应于第n+1时间点的目标数据与所述预测数据进行聚合，得到对于第n+1时间点的总预测数据；将所述总预测数据与所述时序数据在第n+1时间点上所对应的实测数据进行比较，确定第n+1时间点是否出现异常。

技术领域

本发明涉及半导体制造领域，尤其涉及一种基于重构和预测联合确定异常的方法。

背景技术

在半导体制造过程中，同一个机台上一般会有多个传感器同时监控生产状态。同一个机台上的各个传感器之间是存在关联性的，当某种异常情况发生时，某些相互存在关联的传感器可能会同时生成异常数据，进而产生报警。

现有技术将这些传感器数据利用单变量时序预测分别建模，对每个传感器产生的数据单独预测，然后与真实数据进行比较，根据比较的结果判断是否报警。然而，这种方法可能会产生假报警，即在实际并未发生异常的情况下，某个传感器由于自身故障或者环境噪音影响等因素而错误地产生报警信息。这会造成整个监控系统的冗余，增加生产设备的维护成本。

在选择建模方式时，如果只利用预测的方式训练数据，那么模型会对时间序列的随机性很敏感，缺少对扰动和噪声的鲁棒性；如果只利用重构的方式训练数据，模型可能会忽略其中个别的数据特征，特别是当总体值仍然符合原窗口数据分布时，可能会发生漏报的情况。

发明内容

本说明书一个或多个实施例描述了一种基于重构和预测联合确定异常的方法，将多个传感器产生的数据利用多变量时序异常重构模型同时建模，综合任一时间点上所有传感器的重构数据与真实数据进行比较，以得到更好地预测结果。同时，在选择建模方式时，同时使用预测和重构的方式训练数据，以更好地挖掘出多元时序数据的内在关系，得到更好地预测结果。

本说明书提供了一种基于重构和预测联合确定异常的方法，包括：

获取多变量时序数据，所述时序数据为半导体制造过程中设备的多个传感器产生的数据；

将所述时序数据中对应于第一时间窗的第一目标子序列输入到重构模型中，得到对于所述第一时间窗的重构数据，所述第一时间窗的截止时间点为第n+1时间点；

将所述时序数据中截至第n时间点的第二目标子序列输入到预测模型中，得到对于第n+1时间点的预测数据；

将所述重构数据中对应于第n+1时间点的目标数据与所述预测数据进行聚合，得到对于第n+1时间点的总预测数据；

将所述总预测数据与所述时序数据在第n+1时间点上所对应的实测数据进行比较，确定第n+1时间点是否出现异常。

在一种可能的实施方式中，还包括：

当第n+1时间点出现异常时，根据所述总预测数据与所述实测数据，确定异常传感器与对应的异常类型。

在一种可能的实施方式中，还包括：

根据所述异常传感器、所述异常类型、所述设备的设备编号和所述设备正在加工的晶圆的编号，确定对应的知识点，所述知识点用于生成或更新半导体领域的知识图谱。

在一种可能的实施方式中，将所述总预测数据与所述时序数据在第n+1时间点上所对应的实测数据进行比较，确定第n+1时间点是否出现异常，包括：

计算所述总预测数据与所述实测数据的误差，根据所述误差与预设的第一阈值的比较结果，确定第n+1时间点是否出现异常。