《表2 半导体蚀刻过程检测率》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于潜隐变量自相关性子空间划分的故障检测策略》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

将PCA、DPCA、k NN与FDDA进行比较分析，PCA、DPCA、k NN及FDDA检测率见表2.PCA在PCS中检测出4个故障批次，在RS中检测出16个故障批次．DPCA在主元子空间和残差子空间分别检测出4个和19个故障批次．由于半导体是典型的多工况、多阶段、非线性生产过程[28]，上述特征导致基于PCA方法的检测具有较低的故障检测率．k NN中近邻数k选取为3，有5个故障批次未被检出．k NN搜索全局近邻，易受离群点的影响，导致控制限设定较高．另外，由于某些故障尺度较小，因此故障未被全部检出．FDDA在WA-RS子空间的检测结果如图5所示，20个故障批次全部被检出．FDDA中主元数为14，WA-PCS子空间有8个得分变量，SA-PCS子空间有6个得分变量（为第1/2/3/4/5/9个得分变量），WA-RS子空间有49个得分变量，SA-RS子空间有5个得分变量（为第15/18/32/44/67个得分变量）．在RS中直接应用SPE进行故障检测，检测结果如图6所示．由图7可知，由于RS中的部分变量存在自相关性，不符合SPE统计量的假设条件，导致故障在RS中未被全部检测出来．