买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：江苏芯福微电子有限公司

摘要：本发明公开了半导体湿洗设备故障预测方法，其包括采集湿法设备当前运行状态时的数据；将采集的数据输入到故障预测模型中进行故障预测；采用贝叶斯神经网络对的故障预测模型预测的预测结果进行评估，提供预测结果的概率分布和置信区间；输出预测结果和预测结果的概率分布。本发明能够更好地应对湿法设备数据的复杂性、噪声、时间依赖性和高维度等特性，还能够提供准确、可靠且长短期的故障预测结果，降低半导体晶圆生产过程中的损失。

主权项：1.半导体湿洗设备故障预测方法，其特征在于：其包括以下步骤：S100、采集湿法设备当前运行状态时的数据；S200、将步骤S100采集的数据输入到故障预测模型中进行故障预测；S300、采用贝叶斯神经网络对步骤S200的预测结果进行评估，提供预测结果的概率分布和置信区间；S400、输出预测结果和预测结果的概率分布；故障预测模型构建的步骤为：S1、采集湿法工艺中的多个关键参数数据形成相对应的多个样本数据，每个所述样本数据均包括湿法设备的安全运行状态数据以及若干故障状态数据；S2、对所述样本数据进行预处理和标准化处理，预处理包括去除异常值或者补充缺失值，标准化处理是将每个数据均归一化到[0,1]的范围；S3、将所述样本数据分类形成训练样本与测试样本，所述训练样本与所述测试样本均包括所述安全运行状态数据以及若干所述故障状态数据；S4、将所述训练样本的每个所述样本数据内标记数量少的数据确定为少数类样本，采用合成少数过采样技术合成数据增加所述少数类样本的数据量，使每个所述少数类样本达到平衡从而得到平衡训练样本；S5、采用堆叠式稀疏降噪自动编码器对步骤S4中的平衡训练样本的数据进行识别，并对数据进行降噪和关键特征提取，生成特征化训练数据集；S6、采用密集连接的卷积神经网络-长短期记忆网络混合模型，对步骤S5得到的所述特征化训练数据集进行局部特征提取，生成DenseNet-LSTM混合特征，构建DenseNet-LSTM混合模型，生成初步故障预测模型；S7、采用深度Q网络根据设备状态的变化实时调整参数，通过强化学习机制优化所述DenseNet-LSTM混合模型的参数和策略，从而优化步骤S6的所述初步故障预测模型，得到优化后的故障预测模型，并使用所述测试样本的数据对所述故障预测模型进行验证；S8、采用Softmax激活函数对所述故障预测模型的预测结果进行分类。

全文数据：

权利要求：

百度查询： 江苏芯福微电子有限公司 半导体湿洗设备故障预测方法