一种灯的健康度预测方法、装置、存储介质及程序产品与流程

摘要: 本技术涉及灯的健康管理,尤其涉及一种灯的健康度预测方法、装置、存储介质及程序产品。背景技术:1、各类灯(如卤素灯(halogenlamp)、发光二极管(ligh...
一种灯的健康度预测方法、装置、存储介质及程序产品与流程

本技术涉及灯的健康管理,尤其涉及一种灯的健康度预测方法、装置、存储介质及程序产品。

背景技术:

1、各类灯(如卤素灯(halogen lamp)、发光二极管(light emitting diode,led)灯、汞氙灯(mercury xenon lamp)、氙灯(xenon lamp)等)在长期使用过程中,其内在物理性质(如辐射光谱、发光效率、热响应特性等)会随使用时长逐渐发生变化,从而影响其效果,因此需要对灯进行健康管理。

2、以卤素灯为例,在半导体制造工艺中,卤素灯广泛应用于多种热工艺环节,例如薄膜沉积(thin film deposition,tfd)、退火、快速热处理(rapid thermal processing,rtp)、外延生长等。在这些热工艺中,卤素灯失效是造成半导体制造设备非计划停机的重要原因之一,卤素灯失效不仅会直接导致机台产率下降,还可能损坏正在加工的晶圆(wafer)。由于半导体热工艺对腔室温度温场的稳定性和准确性要求极高,因此为维持所需的温度温场,需对卤素灯相关的运行参数例如机台功率等进行适应性调整。而当卤素灯老化至一定程度,即便调高功率参数也无法使腔室达到预设温度,此时该卤素灯即被判定为失效需要及时更换。因此,在半导体制造工艺中,准确确定卤素灯的设备健康度,对其进行健康管理,在减少非计划停机时长、延长机台使用寿命、保障生产连续性等方面至关重要。

3、然而,目前针对灯通常采用定期更换的使用策略,该策略无法匹配不同灯的个体实际健康情况,准确性较低。

技术实现思路

1、本技术公开了一种灯的健康度预测方法、装置、存储介质及程序产品,用于提升灯的健康度预测的准确度。

2、第一方面,本技术提供了一种灯的健康度预测方法,该方法包括:

3、通过第一预测模型对灯进行健康度预测,得到灯的健康度预测结果;其中,第一预测模型基于灯的个性参数对第二预测模型进行模型适配调整得到,第二预测模型为基于第二数据集训练得到的健康度预测模型,第二数据集包括多个第二数据以及各个第二数据对应的设备健康度信息,第二数据为灯的同类型设备的历史运行数据,历史运行数据包括同类型设备的功率数据、电压数据、电流数据、电阻数据、运行时长数据中的一种或多种,个性参数为反映灯与其他同类型设备之间的个体差异的特征参数,个性参数包括型号参数、安装参数、安装误差参数、冷态电阻参数、额定功率参数、结构参数中的一种或多种,健康度预测结果用于表征灯的老化程度和/或灯是否存在故障。

4、基于本技术实施例提供的灯的健康度预测方法,通过第一预测模型对当前需要进行健康度预测的灯进行健康度预测,由于第一预测模型是基于反映该灯与其他同类型设备之间个体差异的特征参数,对由同类型设备的历史运行数据训练而成的第二预测模型进行模型适配调整而得到的,因此该第一预测模型能够适配该待预测的灯的个性化特征,从而利用该第一预测模型对当前需要进行健康度预测的灯进行健康度预测的准确度更高。并且,该方法是在已有的通用预测模型(例如第二预测模型)的基础上进行适配调整,能够充分利用同类型设备历史数据积累的预测基础得到针对单台设备的预测模型(例如第一预测模型),无需针对单台设备重新开展大规模模型训练,从而可以降低预测模型的训练成本与训练复杂度。

5、在第一方面的一种可能的实现方式中,第二预测模型用于反映第二数据的数据特征与灯的同类型设备的健康度预测结果之间的关系;其中,第二数据包括瞬态运行数据和稳态运行数据,瞬态运行数据为同类型设备在工艺参数切换过程中的历史运行数据,稳态运行数据为同类型设备在工艺参数稳定状态下的历史运行数据;瞬态运行数据的数据特征用于表征同类型设备在工艺参数切换过程中的动态响应特性,稳态运行数据的数据特征用于表征同类型设备在工艺参数稳定状态下的稳态特性。该方案能够将第二数据划分为瞬态运行数据和稳态运行数据,这样区分了灯瞬态(例如在启停、负载切换、工艺调整等)运行工况下以及在稳定运行工况下的运行数据,进而分别提取用于表征动态响应特性的数据特征和用于表征稳态特性的数据特征。这些数据特征能够反映灯在不同的运行工况下的健康状态,基于这些数据特征能够为模型的精准预测提供支撑,并且能够提升模型对待预测模型的不同运行工况的适应性。

6、在第一方面的一种可能的实现方式中,第二预测模型是通过以下过程训练得到的:对各个第二数据进行特征提取,得到第二数据的数据特征,数据特征包括历史运行数据的统计特征;将各个数据特征分别与灯的设备健康度进行相关性分析,得到各个数据特征的相关性参数;根据相关性参数,在各个第二数据的数据特征中确定关键特征,关键特征包括与灯的设备健康度相关的运行数据的统计特征;根据各个第二数据的关键特征以及第二数据对应的设备健康度信息进行模型训练,得到第二预测模型。如此,在训练第二预测模型时,首先对同类型设备的历史运行数据进行特征提取,得到包括统计特征在内的数据特征,并从中筛选出与设备健康度相关的关键特征,这样能够排除掉历史运行数据中与设备健康度无关的特征,再基于这些关键特征及其对应的健康度信息进行模型训练,从而使得模型聚焦于真正影响健康度的特征,提升训练效率,提升模型对于健康度预测的准确度。并且,排除掉一部分特征数据,还可以降低模型训练的运算开销,降低训练成本。

7、在第一方面的一种可能的实现方式中,数据特征还包括基于专家经验确定的特征。如此,在数据特征中进一步引入基于专家经验确定的特征,丰富了数据特征的维度,使得数据特征既能够结合该设备领域的专家先验知识,也能够反映数据中的统计规律,从而基于这些数据特征进行模型训练能够提升模型健康度预测的准确度。

8、在第一方面的一种可能的实现方式中,第二数据集包括灯的同类型设备在不同老化阶段的第二数据,不同的老化阶段的第二数据的关键特征是不同的。第二数据集包括设备在不同老化阶段的运行数据,能够使得模型充分学习设备全生命周期内的状态变化规律,适配不同老化程度下的特征差异。从而训练得到的模型可精准识别设备所处老化阶段,进一步提升设备的全生命周期内健康度预测的准确度。

9、在第一方面的一种可能的实现方式中,灯所处的老化阶段达到预设老化阶段的情况下,老化阶段的关键特征包括基于电阻数据确定的电阻变化率。

10、在第一方面的一种可能的实现方式中,第一预测模型基于以下方式确定:获取灯的个性参数以及第一数据集;其中,第一数据集包括多个第一数据以及各个第一数据对应的设备健康度信息,第一数据为灯的历史运行数据,第二数据集中的数据量大于第一数据集中的数据量;根据个性参数以及第一数据集,对第二预测模型进行再训练,得到第一预测模型。采用再训练方式构建第一预测模型,其中第二预测模型基于数据量较大的同类型设备历史数据(第二数据集)训练得到,具有对同类型设备进行健康度预测的泛化能力,在此基础上,利用该灯的自身的个性参数以及少量历史运行数据(第一数据集)对第二预测模型进行再训练,在保留该泛化能力的基础上适配当前灯的个体特性,提升健康度预测的准确度。并且,仅需少量的当前灯即可完成再训练,降低数据采集成本与模型再训练成本。

11、在第一方面的一种可能的实现方式中,第一预测模型基于以下方式确定:获取灯的个性参数;根据灯的个性参数,确定第二预测模型需调整的模型参数以及模型参数的调整值;根据调整值,对第二预测模型的需调整的模型参数进行调整,得到第一预测模型。可以直接依据灯的个性参数调整第二预测模型中需调整的模型参数,进而完成模型适配,该模型适配过程较为简单,能够提升模型适配的效率。并且,该方案无需使用训练数据开展再训练,在无该灯的训练数据时也可以快速生成个性化的第一预测模型。

12、在第一方面的一种可能的实现方式中,该方法还包括:在健康度预测结果低于或等于预设健康度阈值的情况下,发出第一提示信息,第一提示信息用于提示更换或维护灯。可以根据预测结果自动确定灯的健康状态,并在预测结果低于或等于预设健康度阈值时及时发出维护、更换提醒,便于设备管理者能够基于量化的健康度评估结果及时采取预防性措施,有效避免设备失效影响正常生产运行。

13、在第一方面的一种可能的实现方式中,在通过第一预测模型对灯进行健康度预测之前,该方法还包括:获取灯的同类型设备对应的多个候选预测模型,不同的候选预测模型对应的不同的模型算法;接收用户针对多个候选预测模型的选择指令,选择指令用于在多个候选预测模型中指示第二预测模型;基于选择指令,确定第二预测模型。能够提供多个基于不同模型算法的候选预测模型供用户选择,并接收用户的第二选择指令来确定第二预测模型,以便于用户根据灯的工况、生产需求灵活选择最适配的第二预测模型,提升了该健康度预测方法针对不同场景的适应性与灵活性。

14、第二方面,提供一种健康度预测装置,该健康度预测装置包括预测模块,用于通过第一预测模型对灯进行健康度预测,得到灯的健康度预测结果;其中,第一预测模型基于灯的个性参数对第二预测模型进行模型适配调整得到,第二预测模型为基于第二数据集训练得到的健康度预测模型,第二数据集包括多个第二数据以及各个第二数据对应的设备健康度信息,第二数据为灯的同类型设备的历史运行数据,个性参数为反映灯与其他同类型设备之间的个体差异的特征参数,历史运行数据包括同类型设备的功率数据、电压数据、电流数据、电阻数据、运行时长数据中的一种或多种,个性参数包括型号参数、安装参数、安装误差参数、冷态电阻参数、额定功率参数、结构参数中的一种或多种,健康度预测结果用于表征灯的老化程度和/或灯是否存在故障。

15、第三方面,提供一种健康度预测装置用于实现上述各种方法。该健康度预测装置包括:处理器和存储器;该存储器用于存储计算机指令,当该处理器执行该指令时,以使该健康度预测装置执行上述第一方面的任一可能的设计中的方法。

16、在一些可能的设计中,该健康度预测装置可以包括:处理器和通信接口;该通信接口,用于与该健康度预测装置之外的模块通信;该处理器用于执行计算机程序或指令,以使该健康度预测装置执行上述第一方面任一可能的设计中的方法。

17、第四方面,本技术提供了一种计算机可读存储介质,该计算机可读存储介质存储计算机指令,当计算机指令在计算机上运行时,使得计算机执行第一方面的任一可能的设计中的方法。

18、第五方面,本技术提供了一种计算机程序产品,该计算机程序产品包括计算机指令,当计算机指令在计算机上运行时,使得计算机执行第一方面的任一可能的设计中的方法。

19、第六方面,本技术提供了一种芯片,该芯片包括:处理器,该处理器用于运行指令,使得包括芯片的装置执行上述第一方面的任一可能的设计中的方法。

20、结合上述第六方面,在一种可能的实现方式中,芯片还包括存储器,存储器用于存储指令。

21、其中,第二方面至第六方面中任一种可能的实现方式所带来的技术效果可参见上述第一方面,以及上述第一方面的任一种可能的设计所带来的技术效果,此处不在赘述。