本發(fā)明關(guān)于一種設(shè)備的異常評估方法與異常評估裝置。
背景技術(shù)：
：在傳統(tǒng)對半導(dǎo)體機(jī)臺的異常(例如故障或者是老化)的狀態(tài)的評估方法中，往往僅能判斷其為健康狀態(tài)或者是異常狀態(tài)二者其中之一。然而，此類二分法并無法明確反應(yīng)半導(dǎo)體機(jī)臺的實際狀態(tài)。除此之外，在傳統(tǒng)對半導(dǎo)體機(jī)臺的異常(例如故障或者是老化)的狀態(tài)的另一評估方法中，往往僅通過單一特征來衡量半導(dǎo)體機(jī)臺的零件的整個生命周期的老化趨勢。然而，實際上隨著零件生命狀態(tài)的改變，反應(yīng)零件老化的特征會有所不同，因而單一特征也無法精準(zhǔn)的反應(yīng)半導(dǎo)體機(jī)臺的實際表現(xiàn)。技術(shù)實現(xiàn)要素：本發(fā)明在于提供一種設(shè)備的異常評估方法與異常評估裝置，以解決現(xiàn)有方法中無法明確反應(yīng)出半導(dǎo)體機(jī)臺的實際狀態(tài)的問題，以及用以克服現(xiàn)有方法中僅通過單一特征評估因而無法精準(zhǔn)地呈現(xiàn)出半導(dǎo)體機(jī)臺的真實表現(xiàn)的問題。本發(fā)明提供一種設(shè)備的異常評估方法，包括下列步驟：根據(jù)一配方信息與一傳感信號，取得對應(yīng)于一生命周期的一特征序列，特征序列包括多個特征子集序列，生命周期關(guān)聯(lián)于多個工藝操作(processrun)。對生命周期重復(fù)執(zhí)行一生命區(qū)段分析程序，以取得生命周期中的多個生命區(qū)段，以及每一生命區(qū)段所對應(yīng)的特征子集序列。根據(jù)每一生命區(qū)段所對應(yīng)的特征子集序列，來建構(gòu)每一生命區(qū)段的一趨勢分布。根據(jù)多個趨勢分布來決定是否發(fā)出一警示信息。本發(fā)明提供一種設(shè)備的異常評估裝置，包括一特征提取模塊、一生命區(qū)段分析模塊、一趨勢分析模塊以及一警示模塊。生命區(qū)段分析模塊耦接特征提取模塊。趨勢分析模塊耦接特征提取模塊與生命區(qū)段分析模塊。警示模塊耦接趨勢分析模塊。特征提取模塊用以根據(jù)一配方信息與一傳感信號，取得對應(yīng)于一生命周期的一特征序列，特征序列包括多個特征子集序列，生命周期關(guān)聯(lián)于多個工藝操作。生命區(qū)段分析模塊用以對生命周期重復(fù)執(zhí)行一生命區(qū)段分析程序，以取得生命周期中的多個生命區(qū)段，以及每一生命區(qū)段所對應(yīng)的特征子集序列。趨勢分析模塊用以根據(jù)每一生命區(qū)段所對應(yīng)的特征子集序列，來建構(gòu)每一生命區(qū)段的一趨勢分布。警示模塊用以根據(jù)多個趨勢分布來決定是否發(fā)出一警示信息。如上所述，本發(fā)明通過對生命周期重復(fù)執(zhí)行生命區(qū)段分析程序，以取得生命周期中的多個生命區(qū)段，以及每一生命區(qū)段所對應(yīng)的特征子集序列，以建構(gòu)出每一生命區(qū)段的趨勢分布，來決定是否發(fā)出警示信息。如此一來，即可對應(yīng)半導(dǎo)體工藝的生命周期中的不同時期(例如較早期、中期或者是較晚期)，選取出較恰當(dāng)?shù)奶卣髦?，來建?gòu)出更真實的健康模型，以更精準(zhǔn)地反應(yīng)出半導(dǎo)體機(jī)臺的健康趨勢。附圖說明圖1為根據(jù)本發(fā)明一實施例的設(shè)備的異常評估裝置的方塊圖。圖2為根據(jù)本發(fā)明一實施例的設(shè)備的異常評估方法的流程圖。圖3為根據(jù)本發(fā)明一實施例的配方信息與傳感信號及其局部放大的示意圖。圖4為根據(jù)本發(fā)明一實施例的生命周期、各生命區(qū)段與對應(yīng)的特征子集序列的示意圖。圖5a與圖5b為根據(jù)本發(fā)明一實施例的生命區(qū)段分析程序的示意圖。圖6為根據(jù)本發(fā)明一實施例的設(shè)備的異常評估方法的流程圖。圖7為根據(jù)本發(fā)明另一實施例的生命周期、各生命區(qū)段與對應(yīng)的特征子集序列的示意圖。附圖標(biāo)記說明100異常評估裝置110特征提取模塊120生命區(qū)段分析模塊130趨勢分析模塊140警示模塊f特征序列t1～t4、t1’t5’趨勢分布p1～p4、p1’～p5’生命區(qū)段run工藝操作編號e1～e4區(qū)段轉(zhuǎn)換點s210～s260設(shè)備的異常評估方法的步驟a～e設(shè)備的異常評估方法的步驟b1～b4、b51、b52、b6設(shè)備的異常評估方法的步驟w1第一窗口w2第二窗口th1、th2警示門檻值cp11～cp1k候選轉(zhuǎn)換點cp21～cp2k候選轉(zhuǎn)換點cp1τ、cp2τ具有最高費(fèi)雪分?jǐn)?shù)的候選轉(zhuǎn)換點z特征子集序列z1τ生命區(qū)段p1所對應(yīng)的特征子集序列z2τ生命區(qū)段p2所對應(yīng)的特征子集序列z3τ生命區(qū)段p3所對應(yīng)的特征子集序列z4τ生命區(qū)段p4所對應(yīng)的特征子集序列z1τ’生命區(qū)段p1’所對應(yīng)的特征子集序列z2τ’生命區(qū)段p2’所對應(yīng)的特征子集序列z3τ’生命區(qū)段p3’所對應(yīng)的特征子集序列z4τ’生命區(qū)段p4’所對應(yīng)的特征子集序列z5τ’生命區(qū)段p5’所對應(yīng)的特征子集序列具體實施方式為使本發(fā)明的目的、技術(shù)方案和優(yōu)點更加清楚明白，以下結(jié)合具體實施例，并參照附圖，對本發(fā)明進(jìn)一步詳細(xì)說明。圖1為根據(jù)本發(fā)明一實施例的設(shè)備的異常評估裝置100的方塊圖。如圖1所示，異常評估裝置100包括特征提取模塊110、生命區(qū)段分析模塊120、趨勢分析模塊130以及警示模塊140。生命區(qū)段分析模塊120耦接特征提取模塊110。趨勢分析模塊130耦接特征提取模塊110與生命區(qū)段分析模塊120。警示模塊140耦接趨勢分析模塊130。特征提取模塊110、生命區(qū)段分析模塊120、趨勢分析模塊130以及警示模塊140可以是由各種微處理器或者是芯片來實現(xiàn)，在此不加以限制。舉例來說，特征提取模塊110、生命區(qū)段分析模塊120、趨勢分析模塊130以及警示模塊140可分別通過一第一處理器、一第二處理器、一第三處理器以及一第四處理器來實現(xiàn)。下列請同時參照圖1與圖2。圖2為根據(jù)本發(fā)明一實施例的設(shè)備的異常評估方法的流程圖。如圖2所示，設(shè)備的異常評估方法的包括步驟s210～s260。在半導(dǎo)體工藝中，針對某一零件甲(即機(jī)臺零件)，其先后可歷經(jīng)多個工藝操作(processrun)。也就是說，此零件于工藝中的生命周期可涵蓋了這些工藝操作。在步驟s210中，針對上述零件甲的半導(dǎo)體工藝，特征提取模塊110可用以根據(jù)配方信息與傳感信號，取得對應(yīng)于生命周期的特征序列。生命周期可關(guān)聯(lián)于多個工藝操作。在本發(fā)明實施例中，其中配方信息包括多個配方值(setpoint)，也就是配方的設(shè)定值。傳感信號包括多個感測值，每一感測值對應(yīng)多個配方值其中之一。舉例來說，在各工藝操作中，可以有對應(yīng)此led的配方信息(或配方步驟(recipestep))，其中配方信息可具有多個配方值，例如特定時點的加熱溫度。此外，可通過相關(guān)的傳感器來擷取上述配方步驟所對應(yīng)的傳感信號。其中傳感信號具有多個感測值，例如特定時點的感測溫度。圖3為根據(jù)本發(fā)明一實施例的配方信息與傳感信號及其局部放大的示意圖。圖3中的縱軸代表攝氏溫度，橫軸代表時間(秒)，其中的實線代表配方信息，虛線代表傳感信號。下列請同時參照圖1、圖2、圖3。在本發(fā)明實施例中，特征序列關(guān)聯(lián)于配方信息與傳感信號之間的偏移程度。在本發(fā)明實施例中，特征提取模塊110可進(jìn)一步根據(jù)每一配方值與對應(yīng)的感測值之間的差值，以及對應(yīng)生命周期的時間順序，產(chǎn)生特征序列。舉例來說，在一情況中，特征提取模塊110可計算多個配方值與對應(yīng)的多個感測值之間的多個差值中的一平均差值，以作為對應(yīng)偏移程度的特征值。在另一情況中，特征提取模塊110可計算多個配方值與對應(yīng)的多個感測值之間的多個差值中的最大差值，以作為對應(yīng)偏移程度的特征值。在又另一情況中，特征提取模塊110也可計算多個配方值與對應(yīng)的多個感測值之間的多個差值中，大于一閥值的多個差值所對應(yīng)的偏移時間，以作為對應(yīng)偏移程度的特征值。以此，特征提取模塊110再根據(jù)所求得的多個特征值以及對應(yīng)生命周期的時間順序，來產(chǎn)生所述特征序列f。在本發(fā)明實施例中，所述特征序列f可以是通過上述各工藝操作的配方值與感測值之間的差值所求得的特征向量所組成的序列。其中特征序列f所屬的集合可以是{mean、std、max、min、range、kurtosis、skewness、rms}。其中mean為平均值，std為標(biāo)準(zhǔn)偏差，max為最大值，min為最小值，range為范圍，kurtosis為峰度，skewness為偏斜度，rms為均方根。如下列表一與表二所示。表一與表二為根據(jù)本發(fā)明一實施例的關(guān)聯(lián)于多個工藝操作編號run的特征向量。表一runrangekurtosisskewnessrms3630.082352941-1.2607203-0.32266443620.175526893650.082352941-1.1612369-0.42861459830.196571143670.076470588-1.2752570-0.36293017040.188520593690.094117647-1.2059249-0.38976150160.215183893710.194117647-1.4481707-0.04895794520.19129842表二舉例來說，對應(yīng)工藝操作編號run為363的特征向量即為(0.17341176，0.027167047，0.20588235，0.12352941，0.082352941，-1.2607203，-0.3226644362，0.17552689)。特征序列f即為所有工藝操作的特征向量所組成的序列。為了便于說明，上述表一與表二并未列舉所有工藝操作的特征向量。在本發(fā)明實施例中，特征序列可包括多個特征子集序列，舉例來說，當(dāng)特征序列f所屬的集合為{mean、std、max、min、range、kurtosis、skewness、rms}時，則特征子集序列z所屬的集合，則可以是上述特征序列f所屬集合的子集合，例如為{mean、max、min}或{mean、max、min、kurtosis、skewness}等等。換句話說，特征子集序列z即為上述子集合的特征子集向量所組成的序列。上述特征值所屬的集合僅為便于說明之用，在此不加以限制。圖4為根據(jù)本發(fā)明一實施例的生命周期、各生命區(qū)段與對應(yīng)的特征子集序列的示意圖。下列請同時參照圖1、圖2與圖4。在步驟s220中，生命區(qū)段分析模塊120可用以對生命周期重復(fù)執(zhí)行一生命區(qū)段分析程序，以取得生命周期中的多個生命區(qū)段，以及每一生命區(qū)段所對應(yīng)的特征子集序列。如圖4所示，通過重復(fù)執(zhí)行生命區(qū)段分析程序，生命區(qū)段分析模塊120可分別取得對應(yīng)生命周期中百分比0～36％的區(qū)段為生命區(qū)段p1，對應(yīng)生命周期中百分比36～56.5％的區(qū)段為生命區(qū)段p2，對應(yīng)生命周期中百分比56.5～87.2％的區(qū)段為生命區(qū)段p3，對應(yīng)生命周期中百分比87.2～100％的區(qū)段為生命區(qū)段p4。其中，生命區(qū)段p1所對應(yīng)的特征子集序列z1τ的特征值所屬的集合為{mean，max，min，range，kurtosis，skewness}，生命區(qū)段p2所對應(yīng)的特征子集序列z2τ的特征值所屬的集合為{std，max，min，range}，生命區(qū)段p3所對應(yīng)的特征子集序列z3τ的特征值所屬的集合為{max，min，range，rms}，生命區(qū)段p4所對應(yīng)的特征子集序列z4τ的特征值所屬的集合為{mean，std，max，min，range}。舉例來說，如同人類的生命周期可大致上分為四個生命區(qū)段，如兒童期、青少年期、中壯年期以及老年期。其中，在人類的各生命區(qū)段，用以評估健康的主要特征可能不同。舉例來說，在兒童期，評估健康的主要特征可相關(guān)于骨骼、肌肉以及呼吸道。在青少年期，評估健康的主要特征可相關(guān)于膽固醇以及肝指數(shù)。在中壯年期，評估健康的主要特征可相關(guān)于血糖、血壓、心血管以及腎功能。在老年期，評估健康的主要特征可相關(guān)于腸胃道、骨密度以及心臟。半導(dǎo)體工藝也是一樣，在評估半導(dǎo)體機(jī)臺的異常(例如故障或者是老化)的狀態(tài)時，不同的生命區(qū)段可對應(yīng)不同的特征子集序列，且通過所屬的特征子集序列，將能更精準(zhǔn)地反應(yīng)半導(dǎo)體機(jī)臺的生命區(qū)段的發(fā)展趨勢。在步驟s230中，趨勢分析模塊130可用以根據(jù)每一生命區(qū)段所對應(yīng)的特征子集序列，來建構(gòu)每一生命區(qū)段的趨勢分布。如圖4所示，趨勢分析模塊130可分別針對生命區(qū)段p1～p4而建構(gòu)出趨勢分布t1～t4。在步驟s240中，警示模塊140可用以根據(jù)多個趨勢分布來決定是否發(fā)出一警示信息。如圖4所示，已知的零件更換點發(fā)生在工藝操作編號run為469的時點，而警示模塊140可提早于工藝操作編號run為455的時點發(fā)出警示信息(如步驟s250)。若判斷為否，則于步驟s260中判定不發(fā)出警示信息。下列將進(jìn)一步詳述生命區(qū)段分析模塊120所執(zhí)行的生命區(qū)段分析程序。圖5a與圖5b為根據(jù)本發(fā)明一實施例的生命區(qū)段分析程序的示意圖。圖6為根據(jù)本發(fā)明一實施例的設(shè)備的異常評估方法的流程圖。下列請同時參照圖1、圖4、圖5a～5b以及圖6。在本發(fā)明實施例中，其中生命區(qū)段分析模塊120于步驟s220中，可進(jìn)一步根據(jù)一分析起始點執(zhí)行生命區(qū)段分析程序，以取得對應(yīng)多個生命區(qū)段其中之一的一區(qū)段轉(zhuǎn)換點，以及根據(jù)最新所取得的區(qū)段轉(zhuǎn)換點來重新設(shè)定分析起始點(步驟g)，并重復(fù)執(zhí)行上述步驟，直到無法再取得任何區(qū)段轉(zhuǎn)換點為止(步驟h)。其中，最初始的分析起始點根據(jù)生命周期的起始點而設(shè)定。如圖5a所示，于初始時，生命區(qū)段分析模塊120會將分析起始點設(shè)定為生命周期的起始點(即首個工藝操作)，并于執(zhí)行生命區(qū)段分析程序的后，獲得對應(yīng)生命區(qū)段p1的區(qū)段轉(zhuǎn)換點e1。接著，如圖5b所示，生命區(qū)段分析模塊120可將區(qū)段轉(zhuǎn)換點e1設(shè)定為下一個分析起始點，并再次執(zhí)行生命區(qū)段分析程序，而獲得對應(yīng)生命區(qū)段p2的區(qū)段轉(zhuǎn)換點e2(未繪示于圖5b中)。上述步驟將不斷的重復(fù)，直到無法再取得任何區(qū)段轉(zhuǎn)換點為止(或者是直到無法再取得后述的任何候選轉(zhuǎn)換點為止)。更詳細(xì)來說，上述生命區(qū)段分析程序可包括下列步驟a～f：在步驟a中，生命區(qū)段分析模塊120可從多個特征子集序列中，隨機(jī)選取其中的一特征子集序列。舉例來說，如圖5a所示，在取得區(qū)段轉(zhuǎn)換點e1的過程中，于第1次迭代時，可隨機(jī)選取出特征子集序列z11＝{mean，std，min}?；蛘呤牵鐖D5b所示，在取得區(qū)段轉(zhuǎn)換點e2的過程中，于第1次迭代時，可隨機(jī)選取出特征子集序列z21＝{std，range，kurtosis}。在步驟b中，生命區(qū)段分析模塊120可從所設(shè)定的分析起始點開始，分析被選取的每一特征子集序列的一分布狀態(tài)，以取得對應(yīng)的一候選轉(zhuǎn)換點與候選轉(zhuǎn)換點的一特征判別能力指針。在本發(fā)明實施例中，所述的特征判別能力指針為此候選轉(zhuǎn)換點所對應(yīng)的費(fèi)雪分?jǐn)?shù)。再更詳細(xì)來說，上述步驟b可包括下列步驟b1～b6：在步驟b1中，生命區(qū)段分析模塊120于所選取的特征子集序列中，根據(jù)生命周期的起始點，取得一第一窗口w1。在步驟b2中，生命區(qū)段分析模塊120于所選取的特征子集序列中，根據(jù)所設(shè)定的分析起始點與一窗口平移量，取得一平移參考點與對應(yīng)平移參考點的一第二窗口w2。在本發(fā)明實施例中，第一窗口w1與第二窗口w2的窗口長度可以是整個生命周期長度的10％，而每次的窗口平移量可以是整個生命周期長度的5％，但本發(fā)明并不以此為限。在步驟b3中，生命區(qū)段分析模塊120比對第一窗口w1與第二窗口w2。在步驟b4中，生命區(qū)段分析模塊120判斷第二窗口w2相對于第一窗口w1的一分布差異是否大于一閥值。在本發(fā)明實施例中，生命區(qū)段分析模塊120可通過算法hotelling’st2來判斷第一窗口w1與第二窗口w2之間的分布差異是否大于一閥值。在步驟b51中，當(dāng)?shù)诙翱趙2相對于第一窗口w1的分布差異不大于閥值時，則生命區(qū)段分析模塊120可增加窗口平移量，也就是滑動第二窗口w2，并可重復(fù)上述步驟b1～b4，直到平移參考點到達(dá)生命周期的終點為止，如步驟b52。在步驟b6中，當(dāng)?shù)诙翱趙2相對于第一窗口w1的分布差異大于閥值時，則生命區(qū)段分析模塊120將平移參考點設(shè)定為候選轉(zhuǎn)換點，并記錄此候選轉(zhuǎn)換點以及此候選轉(zhuǎn)換點所對應(yīng)的費(fèi)雪分值，以完成這一次的迭代。如圖5a所示，在取得區(qū)段轉(zhuǎn)換點e1的過程里，于第一次的迭代中，取得候選轉(zhuǎn)換點cp11。于第k次的迭代中，取得候選轉(zhuǎn)換點cp1k。接著，在步驟c中，生命區(qū)段分析模塊120判斷對應(yīng)此分析起始點，其迭代所重復(fù)的次數(shù)是否達(dá)到一迭代次數(shù)閥值。當(dāng)?shù)貜?fù)的次數(shù)未超過迭代次數(shù)閥值k時，則生命區(qū)段分析模塊120可重復(fù)上述步驟a與b。舉例來說，迭代次數(shù)閥值k可以為5000。然而在此不加以限制迭代次數(shù)閥值k的大小。在步驟d中，當(dāng)?shù)貜?fù)的次數(shù)已超過迭代次數(shù)閥值k時，則生命區(qū)段分析模塊120可根據(jù)前述的紀(jì)錄，來判斷對應(yīng)此分析起始點是否確實存在候選轉(zhuǎn)換點。當(dāng)不存在候選轉(zhuǎn)換點時，則于步驟h中終止流程。在步驟e中，當(dāng)存在候選轉(zhuǎn)換點時，則生命區(qū)段分析模塊120可將其中具有最高的特征判別能力指針的候選轉(zhuǎn)換點，設(shè)定為區(qū)段轉(zhuǎn)換點，以取得對應(yīng)的生命區(qū)段。舉例來說，如圖5a所示，生命區(qū)段分析模塊120可將候選轉(zhuǎn)換點cp11到cp1k之中，其具有最高費(fèi)雪分?jǐn)?shù)的候選轉(zhuǎn)換點cp1τ，設(shè)定為區(qū)段轉(zhuǎn)換點e1。相似地，如圖5b所示，生命區(qū)段分析模塊120可將候選轉(zhuǎn)換點cp21到cp2k之中，其具有最高費(fèi)雪分?jǐn)?shù)的候選轉(zhuǎn)換點cp2τ(未繪示于圖中)設(shè)定為區(qū)段轉(zhuǎn)換點e2(未繪示于圖中)。在步驟f中，生命區(qū)段分析模塊120可將具有最高的特征判別能力指針的候選轉(zhuǎn)換點cp1τ所對應(yīng)的特征子集序列z1τ，設(shè)定為生命區(qū)段p1所對應(yīng)的特征子集序列。接著，在本發(fā)明實施例中，趨勢分析模塊130可進(jìn)一步根據(jù)多個生命區(qū)段分別所對應(yīng)的特征子集序列，訓(xùn)練出每一生命區(qū)段所對應(yīng)的一健康模型，以及根據(jù)每一生命區(qū)段所對應(yīng)的每一健康模型，取得每一生命區(qū)段對應(yīng)的趨勢分布。在本發(fā)明實施例中，其中每一趨勢分布關(guān)聯(lián)于對應(yīng)的特征子集序列于其生命區(qū)段中的數(shù)據(jù)與生命周期的起始點的第一窗口的數(shù)據(jù)之間的馬氏距離。也就是說，所述第一窗口的數(shù)據(jù)即為健康數(shù)據(jù)，而各趨勢分布是對應(yīng)的生命區(qū)段中的各工藝操作的數(shù)據(jù)(對應(yīng)第二窗口)與此健康數(shù)據(jù)(對應(yīng)第一窗口)之間進(jìn)行比對而來。如圖4所示的趨勢分布t1～t4。在本發(fā)明實施例中，警示模塊140可進(jìn)一步根據(jù)趨勢分布來產(chǎn)生對應(yīng)的一警示門檻值。如圖4所示的警示門檻值th1。此外，警示模塊140可進(jìn)一步比對趨勢分布與警示門檻值，以決定是否發(fā)出警示信息。如圖4所示，已知的零件更換點發(fā)生在工藝操作編號run為469的時點，而警示模塊140可提早于工藝操作編號run為455的時點，判定趨勢分布t4與警示門檻值th1相交，以此發(fā)出警示信息。在本發(fā)明另一實施例中，在針對上述零件甲的半導(dǎo)體工藝中，生命區(qū)段分析模塊120分別取得生命區(qū)段p1～p4所對應(yīng)的特征子集序列z1τ～z4τ之后，這些特征子集序列z1τ～z4τ，可用以作為分析另一個零件乙(與零件甲同類型的零件)的生命區(qū)段分析的參考。舉例來說，當(dāng)生命區(qū)段分析模塊120在取得對應(yīng)零件乙的第一個生命區(qū)段p1’的過程中，可以參考零件甲的生命區(qū)段p1的特征子集序列z1τ所屬的集合{mean，max，min，range，kurtosis，skewness}。在取得對應(yīng)零件乙的第二個生命區(qū)段p2’的過程中，可以參考零件甲的生命區(qū)段p2的特征子集序列z2τ所屬的集合{std，max，min，range}。在取得對應(yīng)零件乙的第三個生命區(qū)段p3’的過程中，可以參考零件甲的生命區(qū)段p3的特征子集序列z3τ所屬的集合{max，min，range，rms}。在取得對應(yīng)零件乙的第四個生命區(qū)段p4’的過程中，可以參考零件甲的生命區(qū)段p4的特征子集序列z4τ所屬的集合{mean，std，max，min，range}。如此一來，將可能加速有關(guān)于零件乙的異常(例如故障或老化)趨勢的分析速度。圖7為根據(jù)本發(fā)明另一實施例的生命周期、各生命區(qū)段與對應(yīng)的特征子集序列的示意圖。下列請同時參照圖1與圖7。相似地，趨勢分析模塊130可用以根據(jù)每一生命區(qū)段所對應(yīng)的特征子集序列，來建構(gòu)每一生命區(qū)段的趨勢分布。如圖7所示，趨勢分析模塊130可分別針對生命區(qū)段p1’～p5’而建構(gòu)出趨勢分布t1’～t5’。如圖7所示，通過重復(fù)執(zhí)行生命區(qū)段分析程序，生命區(qū)段分析模塊120可分別取得對應(yīng)生命周期中百分比0～36％的區(qū)段為生命區(qū)段p1’，對應(yīng)生命周期中百分比36～56.5％的區(qū)段為生命區(qū)段p2’，對應(yīng)生命周期中百分比56.5～87.2％的區(qū)段為生命區(qū)段p3’，對應(yīng)生命周期中百分比87.2～94.9％的區(qū)段為生命區(qū)段p4’，對應(yīng)生命周期中百分比94.9％～100％的區(qū)段為生命區(qū)段p5’。其中，生命區(qū)段p1’所對應(yīng)的特征子集序列z1τ’的特征值所屬的集合為{mean，max，min，range，kurtosis，skewness}，生命區(qū)段p2’所對應(yīng)的特征子集序列z2τ’的特征值所屬的集合為{std，max，min，range}，生命區(qū)段p3’所對應(yīng)的特征子集序列z3τ’的特征值所屬的集合為{max，min，range，rms}，生命區(qū)段p4’所對應(yīng)的特征子集序列z3τ’的特征值所屬的集合為{mean，std，max，min，range}，生命區(qū)段p5’所對應(yīng)的特征子集序列z5τ’的特征值所屬的集合為{mean，std，max，min，range，kurtosis}。然而相異于上述圖4的實施例，在本發(fā)明實施例中，生命區(qū)段分析模塊120可根據(jù)所設(shè)定的分析起始點，來決定第一窗口與第二窗口的一窗口長度。在本發(fā)明實施例中，生命區(qū)段分析模塊120也可根據(jù)所設(shè)定的分析起始點，來決定窗口平移量。舉例來說，如圖7所示，在取得前3個區(qū)段轉(zhuǎn)換點e1～e3的過程中，第一窗口w1與第二窗口w2的窗口長度可以是整個生命周期長度的10％，而每次的窗口平移量可以是整個生命周期長度的5％。當(dāng)找到第3個區(qū)段轉(zhuǎn)換點e3之后，第一窗口w1與第二窗口w2的窗口長度可以變更為整個生命周期長度的5％，而每次的窗口平移量可以變更為整個生命周期長度的2.5％。如此一來，在半導(dǎo)體機(jī)臺較接近異常(例如故障或者是老化)的時期，即可更加精準(zhǔn)的反應(yīng)出其發(fā)展趨勢。如圖7所示，警示模塊140可于工藝操作編號run為456的時點，判定趨勢分布t5’與警示門檻值th2相交，以此發(fā)出警示信息。相較于圖4，本發(fā)明實施例發(fā)出警示信息的時點，可更接近實際上機(jī)臺發(fā)生異常(例如故障或者是老化)的時點。綜上所述，本發(fā)明通過對生命周期重復(fù)執(zhí)行生命區(qū)段分析程序，以取得生命周期中的多個生命區(qū)段，以及每一生命區(qū)段所對應(yīng)的特征子集序列，以建構(gòu)出建構(gòu)每一生命區(qū)段的趨勢分布，來決定是否發(fā)出警示信息。如此一來，即可對應(yīng)半導(dǎo)體工藝的生命周期中的不同時期(例如初期、早期、中期或者是晚期、末期等)，選取出較恰當(dāng)?shù)奶卣髦担瑏斫?gòu)出更真實的健康模型，以更精準(zhǔn)地反應(yīng)出半導(dǎo)體機(jī)臺的健康趨勢。以上所述的具體實施例，對本發(fā)明的目的、技術(shù)方案和有益效果進(jìn)行了進(jìn)一步詳細(xì)說明，所應(yīng)理解的是，以上所述僅為本發(fā)明的具體實施例而已，并不用于限制本發(fā)明，凡在本發(fā)明的精神和原則之內(nèi)，所做的任何修改、等同替換、改進(jìn)等，均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。當(dāng)前第1頁12