半导体水系统的运维数字化平台管理方法与流程

本发明涉及半导体水系统，具体是半导体水系统的运维数字化平台管理方法。

背景技术：

1、半导体工艺用水被称作超纯水，由于自然界中不存在超纯水，要得到这种超纯水就需要通过半导体水系统去制备，半导体水系统是半导体制造过程中使用的一种特殊的水处理系统。在半导体制造中，水系统扮演着非常重要的角色，主要用于冷却、清洗、蚀刻、膜形成等工艺步骤。这些工艺对水质要求极高，因为任何微小的杂质或变化都可能对半导体产品的质量产生不良影响，因此，半导体水系统通常采用高纯度水，通过一系列的处理工艺来确保水质的稳定性和纯度，以满足半导体制造的要求。

2、这些水系统通常包括多个子系统，例如水处理、循环系统、监测系统等，用于确保水的质量、供应和循环。数字化运维管理平台可以帮助监测和管理这些水系统的运行状态，从而提高其稳定性、可靠性和效率。

3、半导体水系统在半导体制造过程中是至关重要的组成部分，但也存在问题，半导体水系统通常由多个子系统组成，涉及多种工艺和设备，管理和维护较为复杂，需要密切监测每个子系统的运行状态，并及时调整和维护，传统的水系统运维通常依赖于人工经验和手动操作，存在人为因素和主观性，运维效率较低且容易出错，同时由于传统水系统监测手段有限，往往难以提前发现系统潜在问题，故障往往是在出现后才能进行修复，影响生产进度和产品质量。

技术实现思路

1、为了解决上述技术问题，本发明的目的在于提供半导体水系统的运维数字化平台管理方法，包括以下步骤：

2、步骤s1：获取水处理流程信息，根据所述流程信息设置数据监测点位，获取各个点位的监测指标数值；

3、步骤s2：构建水处理过程的数字孪生拓扑有向图，根据数字孪生拓扑有向图中各节点的各类型监测指标对应的历史数据，获取各节点的各类型设备故障对应的显性关联类型监测指标、隐性关联类型监测指标和非关联类型监测指标；

4、步骤s3：根据各节点在历史采集周期内各类型设备故障对应的显性关联类型监测指标和隐性关联类型监测指标，获取各节点的各类型设备故障特征集，在各节点添加动态阈值数据库，将各个节点的各类型设备故障特征集存储至各节点的动态阈值数据库中；

5、步骤s4：将各节点采集的各类型监测指标对应的指标数值时序序列与各节点的动态阈值数据库进行比较，根据比较结果判断是否生成类型设备故障预警信息；

6、步骤s5：设置各节点对应的各类型监测指标的标准参数阈值区间，将各节点采集的各类型监测指标对应的指标数值时序序列与对应的标准参数阈值区间进行比较，根据比较结果生成类型设备异常警报信息以及对动态阈值数据库进行更新。

7、进一步的，获取水处理流程信息，根据所述流程信息设置数据监测点位，获取各个点位的监测指标数值的过程包括：

8、获取当前水处理过程的流程信息，根据所述流程信息提取各个水处理设备的工艺单元特征，将水处理过程按照各个水处理设备的工艺单元特征进行划分，划分为若干流程子序列；

9、在各流程子序列设置数据监测点位，根据流程子序列的工艺单元特性利用数据检索获取数据监测点位需监测的各类型监测指标，所述数据监测点位根据各类型监测指标采集对应的指标数值并标记采集时间，设置采集周期。

10、进一步的，构建水处理过程的数字孪生拓扑有向图的过程包括：

11、获取当前水处理过程中每个流程子序列包括的水处理设备与其它流程子序列包括的水处理设备之间的装配顺序和装配关系，将各流程子序列作为节点，将每个流程子序列包括的水处理设备与其它流程子序列包括的水处理设备之间的装配顺序和装配关系作为节点之间的连接关系，构建拓扑有向图；

12、获取各流程子序列的数据监测点位采集的数据参数，将所述数据参数与拓扑有向图中各个节点进行匹配，生成数字孪生拓扑有向图。

13、进一步的，获取各节点的各类型设备故障对应的显性关联类型监测指标、隐性关联类型监测指标和非关联类型监测指标的过程包括：

14、获取各节点的若干历史采集周期的各类型监测指标对应的数值时序序列，提取节点发生类型设备故障时各类型监测指标对应的数值范围以及节点在未发生类型设备故障时各类型监测指标对应的数值范围，将节点发生类型设备故障时各类型监测指标对应的数值范围与节点未发生类型设备故障时各类型监测指标对应的数值范围进行比较；

15、若节点发生类型设备故障时类型监测指标对应的数值范围与节点未发生类型设备故障时类型监测指标对应的数值范围不一致，则将所述类型监测指标标记为显性关联类型监测指标；

16、若节点发生类型设备故障时类型监测指标对应的数值范围与节点未发生类型设备故障时类型监测指标对应的数值范围一致，则将所述类型监测指标标记为待定类型监测指标，获取待定类型监测指标的临界特征，根据所述临界特征将待定类型监测指标划分为隐性关联类型监测指标或非关联类型监测指标。

17、进一步的，根据临界特征将待定类型监测指标划分为隐性关联类型监测指标或非关联类型监测指标的过程包括：

18、提取各节点发生各类型设备故障时的历史采集周期的各类型监测指标对应的指标数值时序序列以及各节点未发生各类型设备故障时的历史采集周期内的各类型监测指标对应的指标数值时序序列，根据节点发生类型设备故障时各类型监测指标对应的数值时序序列以及节点未发生类型设备故障时各类型监测指标对应的数值时序序列，获取待定类型监测指标的稳定性系数，预设稳定性系数阈值，将稳定性系数小于稳定性系数阈值的待定类型监测指标划分为隐性关联类型监测指标，将稳定性系数大于等于稳定性系数阈值的待定类型监测指标划分为非关联类型监测指标。

19、进一步的，获取各节点的各类型设备故障特征集的过程包括：

20、获取各节点在历史采集周期内各类型设备故障对应的显性关联类型监测指标对应的指标数值时序序列和隐性关联类型监测指标对应的指标数值时序序列，根据所述显性关联类型监测指标对应的指标数值时序序列和隐性关联类型监测指标对应的指标数值时序序列获取各个节点的各类型设备故障对应的显性关联类型监测指标与隐性关联类型监测指标之间的相关性变化系数以及各隐性关联类型监测指标之间的相关性变化系数，根据各个节点的各类型设备故障对应的显性关联类型监测指标与隐性关联类型监测指标之间的相关性变化系数以及各隐性关联类型监测指标之间的相关性变化系数构建各个节点的各类型设备故障特征集。

21、进一步的，将各节点采集的各类型监测指标对应的指标数值时序序列与各节点的动态阈值数据库进行比较，根据比较结果判断是否生成类型设备故障预警信息的过程包括：

22、获取节点当前采集周期的各类型监测指标对应的指标数值时序序列，根据所述各类型监测指标对应的指标数值时序序列获取节点的各类型监测指标之间的相关性变化系数，将节点的各类型监测指标之间的相关性变化系数与动态阈值数据库中各类型设备故障特征集进行相似度比较，获取各类型设备故障特征集的相似度系数，预设相似度系数阈值，当存在相似度系数大于相似度阈值的类型设备故障特征集时，根据所述类型设备故障特征集生成类型设备故障预警信息。

23、进一步的，根据比较结果生成类型设备异常警报信息以及对动态阈值数据库进行更新的过程包括：

24、将各节点当前采集周期的各类型监测指标对应的指标数值时序序列与对应的参数阈值区间进行实时比较，当存在节点的类型监测指标的对应的指标数值不位于对应的参数阈值区间内时，则生成所述节点的设备异常警报信息，并根据节点当前采集周期的各类型监测指标对应的指标数值时序序列更新节点的动态阈值数据库。

25、与现有技术相比，本发明的有益效果是：获取各节点的各类型设备故障对应的显性关联类型监测指标、隐性关联类型监测指标和非关联类型监测指标，根据显性关联类型监测指标和隐性关联类型监测指标，获取各节点的各类型设备故障特征集，所述类型设备故障特征集包括了节点发生各类型设备故障前的各类型监测指标的变化趋势特征，将各节点采集的各类型监测指标对应的指标数值时序序列与各节点的动态阈值数据库进行比较，根据比较结果生成类型设备故障预警信息，实现了水处理设备由正常状态转变成故障状态前的早期故障的预测，从而在水处理设备故障成熟之前采取预防措施，提高半导体水系统的稳定性、可靠性和安全性，从而确保半导体制造过程的顺利进行。