基于聚类算法的半导体机台保养分组方法及系统与流程
本发明涉及半导体制造设备维护,具体涉及基于聚类算法的半导体机台保养分组方法及系统。
背景技术:
1、在半导体制造行业中,晶圆制造设备(以下简称“机台”)是生产线的核心资产。机台的稳定运行直接关系到晶圆的良率、产能和交付周期。随着制程节点不断缩小,机台结构日趋复杂,零部件数量庞大,每个零部件的工况和寿命特性各不相同,这对机台的保养维护提出了更高的要求。
2、传统的机台保养方案通常由维护工程师根据个人经验制定,采用统一的保养周期对所有机台或同类机台执行相同频次的维护操作。这种“一刀切”式的维护策略存在以下缺陷:首先,人工经验判断缺乏数据支撑,科学性不足,难以准确识别不同机台机组群之间工况特征的差异;其次,统一的保养周期无法及时响应机台工况的动态变化,对运行负荷重、故障率高的机台可能维护不足,导致意外停机,而对运行稳定、故障率低的机台则可能维护过度,造成资源浪费;再次,传统方法未能深入到零部件级别进行差异化的维护决策,同一机台内不同零部件具有不同的故障模式(如磨损型、退化型、突发型),统一更换周期无法匹配各零部件的实际寿命特征,要么造成尚可使用的零部件被提前更换,要么导致已接近寿命末期的零部件未能及时更换而引发故障。
3、除此之外,传统保养方案为静态固化方案,仅依靠人工定期手动调整,无法随机台长期负荷变化、零部件老化损耗动态迭代保养策略。当机台工况特征发生偏移后,原有保养方案适配性持续下降,进一步加剧设备非计划停机与维护资源浪费问题。
4、因此,如何基于机台运行数据实现科学、精细、动态的保养分组和策略生成,是本领域亟需解决的技术问题。
技术实现思路
1、以下给出一个或多个方面的简要概述以提供对这些方面的基本理解。此概述不是所有构想到的方面的详尽综览,并且既非旨在标识出所有方面的关键性或决定性要素亦非试图界定任何或所有方面的范围。其唯一的目的是要以简化形式给出一个或多个方面的一些概念以作为稍后给出的更加详细的描述之序。
2、为了解决上述技术问题,本发明提供了一种基于聚类算法的半导体机台保养分组方法及系统,通过数据驱动的聚类分析对机台进行科学分组,并根据机组群特征自动匹配差异化保养策略,同时在零部件级别配置差异化的更换周期,实现精细化的机台维护决策。
3、根据本发明的第一方面,提供了一种基于聚类算法的半导体机台保养分组方法,所述方法包括:
4、数据获取步骤,获取多个机台在预设时间段内的部件工况数据,所述部件工况数据至少包括各机台对应零部件的运行时间、故障记录和更换频率;
5、数据预处理步骤,对所述部件工况数据进行清洗和标准化处理,获得特征数据集;
6、聚类分析步骤,采用聚类算法对所述特征数据集进行聚类分析,将所述多个机台划分为多个机组群,其中基于聚类有效性评价指标确定最佳聚类数目;以及
7、保养策略生成步骤,配置为基于各机组群内部件工况数据的统计特征,分别针对每个机组群生成相应的零部件级保养计划,使得不同机组群针对同一零部件采用不同的保养策略。
8、根据本发明的一个实施例,所述保养策略生成步骤包括:将各机组群匹配至预设的多个保养等级之一并基于所述保养等级来生成相应的保养计划。其中,当机组群的零部件平均运行时间低于第一阈值、故障率高于第二阈值且更换频率高于第三阈值时,匹配高保养等级,并对应生成高频预防性保养计划;当机组群的零部件平均运行时间高于第四阈值、故障率低于所述第二阈值且更换频率低于所述第三阈值时,匹配低保养等级,并对应生成低频保养计划。
9、根据本发明的一个实施例,所述方法还包括:
10、针对同一机组群内的不同零部件,通过分析各零部件历史故障间隔时间的分布特征来确定其故障模式类型,并基于所确定的故障模式类型为不同零部件分别配置相应的更换触发策略。
11、根据本发明的一个实施例,根据各零部件历史故障间隔时间的分布形态,将故障模式区分为磨损型、退化型和突发型;对于磨损型故障零部件,基于其历史故障间隔时间拟合寿命分布模型,根据所述寿命分布模型设定定时更换周期;对于退化型故障零部件,设定基于状态监测阈值的条件触发更换策略;对于突发型故障零部件,配置事后更换策略并设置冗余备份。
12、根据本发明的一个实施例,所述方法还包括周期性更新步骤:按照预设更新周期获取所述机台的最新部件工况数据,基于更新后的数据重新执行所述s1至s4全部步骤,以更新所述保养策略。
13、根据本发明的第二方面,提供了一种基于聚类算法的半导体机台保养分组系统,所述系统包括:
14、数据获取模块,配置为获取多个机台在预设时间段内的部件工况数据;
15、数据预处理模块,配置为对所述部件工况数据进行清洗和标准化处理,获得特征数据集;
16、聚类分析模块,配置为采用聚类算法对所述特征数据集进行聚类分析,将所述多个机台划分为多个机组群,其中基于聚类有效性评价指标确定最佳聚类数目;以及
17、保养策略生成模块,配置为基于各机组群内部件工况数据的统计特征,分别针对每个机组群生成相应的零部件级保养计划,使得不同机组群针对同一零部件采用不同的保养策略。
18、根据本发明的一个实施例,所述保养策略生成模块还配置为:
19、针对同一机组群内的不同零部件,基于其历史故障模式来配置差异化的更换周期,其中所述配置差异化的零部件级更换周期包括:
20、根据各零部件历史故障间隔时间的分布形态,将故障模式区分为磨损型、退化型和突发型;
21、对于磨损型故障零部件,基于其历史故障间隔时间拟合寿命分布模型,根据所述寿命分布模型设定定时更换周期;
22、对于退化型故障零部件,设定基于状态监测阈值的条件触发更换策略;
23、对于突发型故障零部件,配置事后更换策略并设置冗余备份。
24、根据本发明的一个实施例,所述系统还包括:
25、周期性更新模块,配置为按照预设更新周期获取所述机台的最新部件工况数据,触发所述聚类分析模块和所述保养策略生成模块重新执行处理,以更新所述保养策略。
26、根据本发明的第三方面,提供了一种电子设备,包括:
27、一个或多个处理器;
28、存储器,其上存储有计算机程序指令,所述计算机程序指令被所述处理器执行时实现如上所述的方法的各步骤。
29、根据本发明的第四方面,提供了一种计算机可读存储介质,其上存储有计算机程序指令,其特征在于,所述计算机程序指令被处理器执行时实现如上所述的方法的各步骤。
30、本发明的技术方案显著提升了机台保养决策的科学性和精细化水平。首先,通过数据驱动的聚类分析替代了传统的人工经验判断,使机台分组和保养等级划分更加客观准确;其次,构建了从数据采集、聚类分组到策略生成的全流程自动化闭环,大幅提升了维护决策的效率;进一步地,在机组群级保养策略的基础上深入到零部件级别,针对磨损型、退化型、突发型三种故障模式分别配置定时更换、状态触发更换和事后更换加冗余备份的差异化策略,有效避免了传统“一刀切”式维护造成的过保与欠保问题;同时,结合周期性数据更新机制,使保养方案能够动态适配机台工况的实际变化,始终与设备运行状态保持同步,从而在整体上降低了非计划停机风险,延长了零部件的有效使用寿命,为半导体产线的高效稳定运行提供了有力支撑。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com