[发明专利]融合函数型数据描述的等离子刻蚀过程的故障检测方法

说明书

技术领域

本发明涉及一种等离子刻蚀过程的故障检测方法，特别是关于一种融合函数型数据描述的等离子刻蚀过程的故障检测方法。

背景技术

等离子刻蚀过程是一种典型的间歇过程（Batch process），其中每个产品批次的生产过程包括诸如硅片吸附、气体流量与腔室压力调节、预刻蚀、主刻蚀、过刻蚀和腔室清洗等步骤。为确保安全生产和产品质量的一致性，需要对等离子刻蚀过程进行质量监控和故障检测。为了监控生产过程，人们在等离子刻蚀设备中设置众多传感器以采集腔室压力、气体流量、温度、功率以及光谱信号等监控变量的实时数据。总体上，采集到的等离子刻蚀过程数据集呈现独特的三维数据结构，常记为其中，I为生产过程中收集到的产品批次的个数，J为监控变量个数，K为单个批次内的采样个数。此外，由于硅片的主刻蚀过程需要依据“终点检测信号”确定终止时间，因此不同硅片的刻蚀时间长短不一，导致不同批次内的采样个数K可能不同。这些问题给等离子刻蚀过程的故障检测带来一定的挑战。

目前，针对上述问题，较为简单的处理方式是将单个产品批次内每个监控变量随时间变化的轨迹求取均值，从而将上述三维数据结构压缩成二维矩阵在此基础上，采用PCA（Principal component Analysis，主成分分析）等故障检测方法实现对等离子刻蚀过程的故障检测。该方式运算简单，但是忽略了监控变量轨迹中蕴含的大量有用信息，尤其是忽略了能够区分正常产品批次和故障产品批次的轨迹差异性信息。另一类应用较为广泛的处理方式是采用MPCA（Multiway Principal Component Analysis，多向主成分分析）、MPLS（Multiway Partial Least Square，多向偏最小二乘）等多向（Multiway）处理技术将三维数据结构展开为二维矩阵X(I×KJ)。首先，该方式保留了监控变量轨迹信息，但是其前提需要确保各个产品批次的采样时间长度均相等。因此，在执行MPCA等方法之前，人们需要对采集到的数据集进行必要的数据同步、对齐等预处理操作。其次，等离子刻蚀过程中监控变量个数J和采样个数K均很大，使得展开后的二维矩阵X(I×KJ)中每个批次数据的维度值KJ会很大，容易陷入高维小样本（High Dimension,Low Sample Size）问题。此外，测量噪声的存在可能会淹没正常样本和故障样本在变量轨迹形状上的差异信息，从而严重影响上述方法的实际故障检测性能。

发明内容

针对上述问题，本发明的目的是提供一种故障检测性能好且易于实现的融合函数型数据描述的等离子刻蚀过程的故障检测方法。该方法能够有效地利用正常产品批次和故障产品批次在监控变量轨迹上的差异信息来提高故障检测性能，并且该方法对测量噪声的鲁棒性能好。

为实现上述目的，本发明采取以下技术方案：一种融合函数型数据描述的等离子刻蚀过程的故障检测方法，其包括以下步骤：1）设置一包括等离子刻蚀设备、数据采集设备和监控设备的故障检测系统；监控设备内预置有参数设置模块、数据处理模块、模型训练模块和故障检测模块；2）数据采集设备采集等离子刻蚀设备中监控变量的历史数据和实时数据，并将监控变量的历史数据构成训练集{X₁,...,X_i,...,X_I}，i＝1,...,I，I为产品批次个数；数据采集设备将训练集{X₁,...,X_i,...,X_I}分别传输至参数设置模块和数据处理模块，将监控变量的实时数据X_new传输至数据处理模块；3）根据接收到的训练集{X₁,...,X_i,...,X_I}中各个监控变量在所有产品批次内的轨迹变化特征，在参数设置模块中设置参数，并将设置的参数传输至数据处理模块；4）根据步骤3）中设置的参数，数据处理模块将训练集{X₁,...,X_i,...,X_I}转化成由I个维列向量组成的集合并将集合作为新训练集传输至模型训练模块；数据处理模块将接收到的监控变量的实时数据X_new转化成维列向量并将列向量传输至故障检测模块；5）利用步骤4）中所得到的新训练集模型训练模块采用SVDD方法得到SVDD故障检测模型的关键部分：各拉格朗日乘子的最优解和半径R,并传输至故障检测模块；6）根据接收到的列向量和SVDD故障检测模型，故障检测模块判断监控变量的实时数据X_new是否出现故障，并输出判断结果。