CN104020724B

CN104020724B - 告警监控方法和装置

Info

Publication number: CN104020724B
Application number: CN201310066956.7A
Authority: CN
Inventors: 康盛; 马瑾怡; 王晓倩; 暨欣媛; 简维廷
Original assignee: Semiconductor Manufacturing International Shanghai Corp
Current assignee: Semiconductor Manufacturing International Shanghai Corp
Priority date: 2013-03-01
Filing date: 2013-03-01
Publication date: 2017-02-08
Anticipated expiration: 2033-03-01
Also published as: US20140249656A1; US9798320B2; CN104020724A

Abstract

本申请公开了告警监控方法和装置，其中，该方法包括采集生产过程中用于告警监控的样本数据；确定该样本数据的分布类型；获取与该分布类型对应的告警监控策略；使用该告警监控策略对该生产过程进行告警监控。本申请通过选择与不同分布类型对应的控制界，使得对于不同分布类型的样本数据能够快速地确定出用于告警监控的控制界，解决现有技术中对于不同分布类型的大样本数据需要花费较长时间来得到准确的控制界的技术问题，从而能够快速建立统计过程控制方法，以减少误报警概率和有效监控大量数据的异常波动。

Description

告警监控方法和装置

技术领域

本申请涉及过程控制领域，具体而言，涉及一种告警监控方法和装置。

背景技术

在产品生产加工的过程中，产品的尺寸等规格会由于某些原因会发生一定的波动，这种波动对产品的质量影响很多，但是完全可以通过采取措施来避免和消除这种波动所造成的影响，这种措施就是过程控制。统计过程控制(Statistical Process Control，简称SPC)是一种借助数理统计方法的过程控制工具，它对生产过程进行分析评价，根据反馈信息及时发现系统性因素出现的征兆，并采取措施消除其影响，使过程维持在仅受随机性因素影响的受控状态，以达到控制质量的目的。

统计过程控制的实施分为两个阶段：分析阶段和监控阶段。分析阶段是在生产准备完成后，用过去稳定生产过程中收集的多组样本数据计算控制图的控制界，做成分析用控制图、直方图、或进行过程能力分析，检验生产过程中是否处于统计稳态、以及过程能力是否足够。如果任何一个不能满足，则寻找原因，进行改进，并重新准备生产及分析，直到达到了分析阶段的两个目的，则分析阶段可以宣告结束，进入统计过程控制监控阶段，此时分析用控制图转化为控制用控制图。监控阶段的主要工作是使用控制用控制图进行监控，其中，控制图的控制界已经根据分析阶段的结果而确定，新的生产过程的数据也及时绘制到控制图上，并密切观察控制图，控制图中点的波动情况可以显示出过程受控或失控，如果发现失控，则寻找原因并尽快消除其影响。监控可以充分体现出统计过程控制预防控制的作用。在工厂的实际应用中，对于每个控制项目，都必须经过以上两个阶段，并在必要时会重复进行这样从分析到监控的过程。

目前，统计过程控制方法通常是建立在稳定状态时的工艺质量特性数据服从正态分布的基础之上，用平均值加减n倍的标准差(一般业界会使用3倍标准差)作为控制界进行监控，这样能有效监控异常波动，并保证第一类错误(误报警)的概率在0.27％左右。

但是，在现代化工业的生产过程中，存在大量的过程参数，例如在半导体制造业中，有针对产品特性的数据，如膜厚、CD、电性参数、良率，也有大量关于机台设备和生产环境的参数，如落尘量、输出电流(电压)、制程(Process)时间、温湿度等。通过研究发现大量的数据不会服从正态分布，也有很多数据甚至可能是无法用数学公式描述的分布。这样，如果运用基于正态分布的统计过程控制方法会大大增加误报警的概率。

此外，虽然业界有很多关于非正态分布的分析方法，但大都需要用专业的工具对数据做具体分析，甚至数据变形后才能建立控制图，这样，工程师需要建立非常大量的控制图，从而导致监控过程的准备时间较长，无法在短时间内得到准确的控制界，以用于监控。例如，超大的数据量是一些先进制程的特点，而现有的统计过程控制方法将无法在短时间内得到有效的、用于监控的控制界。

发明内容

本申请的主要目的在于提供一种告警监控方法和装置，以至少解决现有技术中对于不同分布类型的样本数据需要花费较长时间来得到准确的控制界的技术问题。

根据本申请的一个方面，提供了一种告警监控方法，其包括：采集生产过程中用于告警监控的样本数据；确定该样本数据的分布类型；获取与该分布类型对应的告警监控策略；使用该告警监控策略对该生产过程进行告警监控；其中，判断出该分布类型为连续非正态分布型，或者，周期性趋势向上/向下型，或者，PM后总体漂移型包括：判断该样本数据的分布是否满足PM变化条件；若该样本数据的分布不满足该PM变化条件，则判断出该分布类型为连续非正态分布型；若该样本数据的分布满足该PM变化条件，则判断出该分布类型为周期性趋势向上/向下型，或者，PM后总体漂移型。

优选的，该获取与该分布类型对应的告警监控策略包括：确定与该分布类型对应的控制图的控制界；该使用确定出的该告警监控策略对该生产过程进行告警监控包括：使用确定出该控制图的该控制界对该生产过程进行告警监控。

优选的，该确定该样本数据的分布类型包括：判断该样本数据的数值水平是否大于第一阈值；若该数值水平小于等于该第一阈值，则判断出该分布类型为单一常数型或多水平离散型；若该数值水平大于该第一阈值，则判断该样本数据是否呈正态分布；若该样本数据呈正态分布，则判断出该分布类型为正态分布型，若该样本数据不呈正态分布，则判断出该分布类型为连续非正态分布型，或者，周期性趋势向上/向下型，或者，定期维护PM后总体漂移型。

优选的，该判断出该分布类型为单一常数型或多水平离散型包括：若该数值水平等于1，则判断出该分布类型为单一常数型；否则，判断出该分布类型为多水平离散型；该控制界包括用于告警监控的上控制界和下控制界，该确定与该分布类型对应的控制图的控制界包括：当该分布类型为该单一常数型时，将该上控制界和该下控制界均设置为预定的第一常数；当该分布类型为该多水平离散型时，将该上控制界设置为该样本数据中的最大值，并将该下控制界设置为该样本数据中的最小值。

优选的，该确定与该分布类型对应的控制图的控制界包括：当判断出该分布类型为连续非正态分布型、且该控制图为非正态数据双边控制图时，该控制界包括用于告警监控的上控制界和下控制界，将该上控制界设置为第(100-p/2)百分位数，并将该下控制界设置为第p/2百分位数，其中，p％为预定的报警率；当判断出该分布类型为连续非正态分布型、且该控制图为非正态数据单边控制图时，该控制界包括用于告警监控的上控制界，将该上控制界设置为第(100-p)百分位数，或，该控制界包括用于告警监控的下控制界，将该下控制界设置为第p百分位数。

该确定与该分布类型对应的控制图的控制界包括：当判断出该分布类型为周期性趋势向上/向下型，或者，PM后总体漂移型时，该控制界包括用于告警监控的上控制界，根据该样本数据中两两相邻的数据之间的差值按照如下公式设置该上控制界：

R＝|x_i-x_i-1|

\overset{&OverBar;}{R} = \frac{{ΣR}_{i}}{N}

U C L = (1 + c \times 0.756) \times \overset{&OverBar;}{R}

其中，x_i表示该样本数据中第i个数据，N表示该样本数据的个数，UCL表示该上控制界，c为报警率调整因子，c由如下公式求解得到：

其中，p％为预定的报警率。

优选的，对于该分布类型为连续非正态分布型，或者，周期性趋势向上/向下型，或者，PM后总体漂移型的样本数据，该采集生产过程中用于告警监控的样本数据包括：采用该生产过程中至少N个用于告警监控的样本数据，其中，p％为预定的报警率。

优选的，该确定与该分布类型对应的控制图的控制界包括：当判断出该分布类型为正态分布类型、且该控制图为正态数据单边控制图时，该控制界包括用于告警监控的上控制界UCL或下控制界LCL，按照预定公式计算该上控制界UCL或该下控制界LCL；当判断出该分布类型为正态分布类型、且该控制图为正态数据双边控制图时，该控制界包括用于告警监控的上控制界UCL和下控制界LCL，按照该预定公式计算该上控制界UCL和该下控制界LCL；

其中，该预定公式为：

u = \frac{{Σx}_{i}}{N}

S = \sqrt{\frac{Σ {(x_{i} - u)}^{2}}{N - 1}}

UCL＝u+c×S

LCL＝u-c×S

其中，x_i表示该样本数据中第i个数据，N表示该样本数据的个数，UCL表示该上控制界，LCL表示该下控制界，c为报警率调整因子，c由如下公式求解得到；

其中p％为预定的报警率。

根据本申请的另一方面，提供了一种告警监控装置，其包括：采集单元，用于采集生产过程中用于告警监控的样本数据；确定单元，用于确定该样本数据的分布类型；获取单元，用于获取与该分布类型对应的告警监控策略；监控单元，用于使用该告警监控策略对该生产过程进行告警监控；其中，所述告警监控装置还用于在判断出所述分布类型为连续非正态分布型，或者，周期性趋势向上/向下型，或者，PM后总体漂移型时，判断所述样本数据的分布是否满足PM变化条件；若所述样本数据的分布不满足所述PM变化条件，则判断出所述分布类型为连续非正态分布型；若所述样本数据的分布满足所述PM变化条件，则判断出所述分布类型为周期性趋势向上/向下型，或者，PM后总体漂移型。

优选的，该获取单元包括：确定模块，用于确定与该分布类型对应的控制图的控制界；该监控单元包括：监控模块，用于使用确定出该控制图的该控制界对该生产过程进行告警监控。

通过本申请的技术方案，能够达到以下有益效果：

1)通过选择与不同分布类型对应的控制界，使得对于不同分布类型的样本数据能够快速地确定出用于告警监控的控制界，解决现有技术中对于不同分布类型的样本数据需要花费较长时间来得到准确的控制界的问题，从而能够快速建立统计过程控制方法，以减少误报警概率(FAR，Failure Alarm Ratio)和有效监控大量数据的异常波动。

2)通过系统自动地对样本数据的分布类型进行判断并选择与该分布类型对应的控制界，使得能够实现自动的系统化监控，并实时提醒工程师可能发生的异常现象。

当然，实施本申请的任一产品并不一定需要同时达到以上所述的所有优点

附图说明

此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：

图1是根据本申请实施例的告警监控方法的一种优选流程图；

图2是根据本申请实施例的告警监控方法的另一种优选流程图；

图3是根据本申请实施例的样本数据的分布情况的一种优选示意图；以及

图4是根据本申请实施例的告警监控装置的一种优选结构示意图。

具体实施方式

下文中将参考附图并结合实施例来详细说明本申请。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。

如本申请所使用的，术语“模块”或“单元”可以指在硬件处理设备上执行的软件对象或例程。此处所描述的不同模块和单元可被实现为在硬件处理设备上执行(例如，作为单独的线程)的对象或进程。尽管此处所描述的系统和方法较佳地以软件来实现，但是硬件或软件和硬件的组合的实现也是可能并被构想的。

实施例1

图1是根据本申请实施例的告警监控方法的一种优选流程图。如图1所示，根据本申请实施例的告警监控方法包括：

S102，采集生产过程中用于告警监控的样本数据；

在本实施例中，样本数据的分布类型包括但不限于以下类型：单一常数型(Type1)、多水平离散型(Type 2)、连续非正态型(Type 3)、正态分布型(Type 4)、周期性趋势向上/向下(trend-up/trend-down)型(Type 5)和PM(Periodic Maintenance，定期维护)后总体漂移型(Type 6)。

优选的，对于所述分布类型为连续非正态分布型，或者，周期性趋势向上/向下型，或者，PM后总体漂移型的样本数据，所述采集生产过程中用于告警监控的样本数据包括：采用所述生产过程中至少N个用于告警监控的样本数据，其中，p％为预定的报警率。

S104，确定该样本数据的分布类型；

优选的，所述确定所述样本数据的分布类型包括：判断所述样本数据的数值水平是否大于第一阈值；若所述数值水平小于等于所述第一阈值，则判断出所述分布类型为单一常数型或多水平离散型；若所述数值水平大于所述第一阈值，则判断所述样本数据是否呈正态分布；若所述样本数据呈正态分布，则判断出所述分布类型为正态分布型，若所述样本数据不呈正态分布，则判断出所述分布类型为连续非正态分布型，或者，周期性趋势向上/向下型，或者，PM后总体漂移型。

S106，获取与该分布类型对应的告警监控策略；

优选的，所述获取与所述分布类型对应的告警监控策略包括：确定与所述分布类型对应的控制图的控制界。若控制图为双边控制图，则控制界包括用于告警监控的上控制界和下控制界；若控制图为单边控制图，则控制界包括用于告警监控的上控制界或下控制界。

下面将描述本实施例中优选的确定控制图的控制界的过程，其中，UCL表示上控制界，LCL表示下控制界：

1)单一常数型：UCL＝LCL＝Target(目标)＝预定的常数；

2)多水平离散型：UCL＝最大常数值(例如，样本数据中的最大值)，LCL＝最小常数值(例如，样本数据中的最小值)，Target＝样本数据的均值；

3)连续非正态分布型：Target＝样本数据的平均值，当控制图为非正态数据双边控制图时，UCL＝第(100-p/2)百分位数，LCL＝第p/2百分位数，其中，p％为预定的报警率；当控制图为非正态数据单边控制图时，UCL＝第(100-p)百分位数，或，LCL＝第p百分位数；

上述描述的百分位数为统计学术语，第p百分位数表示在一组从小到大排序的样本数据中，小于或等于UCL的样本数据的个数占样本数据的总个数的比例为p％，而大于UCL的样本数据的个数占样本数据的总个数的比例为1-p％。例如，采集的样本数据的总个数为200，UCL的值为50，其对应于第70百分位数，这表示：在上述采集的200个样本数据中，有70％的样本数据小于等于50，有30％的样本数据大于50。

4)正态分布型：Target＝样本数据的均值u，UCL＝u+c×S，LCL＝u-c×S；

u = \frac{{Σx}_{i}}{N}

S = \sqrt{\frac{Σ {(x_{i} - u)}^{2}}{N - 1}}

UCL＝u+c×S

LCL＝u-c×S

其中，x_i表示所述样本数据中第i个数据，N表示所述样本数据的个数，UCL表示所述上控制界，LCL表示所述下控制界，c为报警率调整因子，c可以由如下方程求解得到。

其中p％为预定的报警率。

5)-6)PM周期性trend-down/trend-up型和PM后总体漂移型：控制界包括用于告警监控的上控制界，根据采集的样本数据中两两相邻的数据之间的差值按照如下公式设置所述上控制界：

R＝|x_i-x_i-1|

\overset{&OverBar;}{R} = \frac{{ΣR}_{i}}{N}

U C L = (1 + c \times 0.756) \times \overset{&OverBar;}{R}

其中，x_i表示所述样本数据中第i个数据，N表示所述样本数据的个数，UCL表示所述上边界，c为报警率调整因子，c可以由如下方程求解得到：

其中p％为预定的报警率。

S108，使用确定出的该告警监控策略对该生产过程进行告警监控。

优选的，所述使用确定出的所述告警监控策略对所述生产过程进行告警监控包括：使用确定出所述控制图的所述控制界对所述生产过程进行告警监控。

在上述实施例中，通过选择与不同分布类型对应的控制界，使得对于不同分布类型的样本数据能够快速地确定出用于告警监控的控制界，解决现有技术中对于不同分布类型的样本数据需要花费较长时间来得到准确的控制界的技术问题，从而能够快速建立统计过程控制方法，以减少误报警概率和有效监控大量数据的异常波动。

下面将结合附图2来详细描述本申请实施例的告警监控方法。

如图2所示，质量控制图自动生成的流程包括以下步骤：

步骤201.数据采集。在采集的数据超过n点后，自动开始执行控制图的生成。n的取值可以由以下公式根据工程需要的误报警率得到。

其中，

\overset{&OverBar;}{x} = \frac{t_{1 - \frac{α}{2}} (n - 1)}{\sqrt{n}}

S = \sqrt{\frac{(n - 1)}{χ_{1 - \frac{α}{2}}^{2} (n - 1)}}

Φ (d) = \frac{1}{\sqrt{2 π}} {&Integral;}_{- \infty}^{d} e^{- \frac{{\overset{&OverBar;}{x}}^{2}}{2 S^{2}}} d x

其中，α为置信度，一般为0.01,0.05,或者0.1...；

表示；自由度为(n-1)的t分布累计概率为的值；

表示：自由度为(n-1)的卡方分布累计概率为的值；

S表示：样本数据的标准差；

表示：样本数据的均值；

n表示：样本数据的个数。

步骤202.判断数据的数值水平是否小于等于第一阈值(在本实施例中，数据的数值水平表示该数据可能等于的数值的个数，例如：若样本数据A＝2或3，则该样本数据A的数值水平为2)。例如，本实施例中，第一阈值为10，当数据的数值水平<＝10时，则转入步骤203，进行离散型分布判断和监控；当数据的数值水平>10时，则转入步骤204，进行连续型分布监控。上述第一阈值为10，这仅是一个示例，本实施例不仅限于此，可以根据采集的样本数据的个数来调整上述第一阈值，例如，当采集的样本数据的个数为100左右，则第一阈值可以为10。

步骤203.判断样本数据的数值水平是否为第二阈值。在本实施例中，第二阈值＝1，本实施例不仅限于此，可以根据采集的样本数据的个数来调整上述第二阈值。

当样本数据的数据水平＝1时，则判断出样本数据的分布类型为单一常数型(Type1)，采用如下控制图的控制界进行监控：UCL＝LCL＝Target＝预定的常数。

当样本数据的数据水平≠1时，则判断出样本数据的分布类型为为多水平离散型(Type2)，采用如下控制图的控制界进行监控：UCL＝最大常数值(例如，样本数据中的最大值)，LCL＝最小常数值(例如，样本数据中的最小值)，Target＝样本数据的均值。

步骤204.判断样本数据的分布类型是否为正态分布型。在本实施例中，可以采用现有的检验方案来判断样本数据的分布类型是否为正态分布型，此外，可以根据不同场合的需求使用不同的检验方案，例如，可以使用Shipro-Wilk正态分布检验方案，D’Agostino检验方案，Kolmogorov AN.检验方案等。例如，若检验的结果P值>0.05，则判断出样本数据的分布类型为正态分布型，转入步骤205，进行正态分布监控；如果检验的结果P值≤0.05，则判断出样本数据的分布类型不为正态分布型，转入步骤206，进行非正态分布控制，其中，上述检验的结果P值表示误判的概率，其中，上述误判指的是在样本数据的分布实际上为正态分布的情况下判断的结果为样本数据的分布不为正态分布。上述的检验方案可以根据编程和现有统计工具模块得到。

步骤205.判断出样本数据的分布类型为正态分布型(Type4)，可以但不限于采用如下步骤来进行监控：

步骤S1去除离群值。在进行控制界计算之前，先去除样本数据中的离群值，以提高估计精度。在本实施例中，可以采用以下方式判断样本数据是否为离群值：判断样本数据是否位于范围(Q1-x*IQR,Q1+x*IQR)之内，其中，Q1＝第25百分位数，IQR＝第75百分位数-第25百分位数，x取1.5，3…；若样本数据位于上述范围之外，则判断该样本数据为离群值。当然，上述去除离群值的方式仅是一种示例，本申请对此不做限定。

步骤S2判断是否用正态数据单边控制图。在去除离群值之后，自动判断是否采用正态数据单边控制图(期望大数据或期望小数据)。

步骤S2.1判断以下两个条件之一是否满足：1)只有一边有SPEC limit(Upper orlower SPEC limit,简称USL or LSL)；2)Target等于其中一边的SPEC。

步骤S2.2如果满足以上两个条件之一，则判断采用为正态数据单边控制图，否则判断为采用正态数据双边控制图。

步骤S2.3在判断出采用正态数据单边控制图时，进一步进行以下判断：如果只有USL或Target＝LSL，则为上限单边控制图；反之，如果只有LSL或Target＝USL，则为下限单边控制图。

步骤S3计算控制界。

步骤S3.1具体来说，对于正态数据双边控制图，使用Target＝样本数据的均值u，UCL＝u+c×S，LCL＝u-c×S，UCA和LCL分别作为上控制界/下控制界。

u = \frac{{Σx}_{i}}{N}

S = \sqrt{\frac{Σ {(x_{i} - u)}^{2}}{N - 1}}

UCL＝u+c×S

LCL＝u-c×S

其中p％为预定的报警率。

步骤S3.2对于正态数据单边控制图，使用Target＝样本数据的均值u，UCL＝u+c×S，LCL＝u-c×S，UCA和LCL分别作为上控制界/下控制界。

u = \frac{{Σx}_{i}}{N}

S = \sqrt{\frac{Σ {(x_{i} - u)}^{2}}{N - 1}}

UCL＝u+c×S

or

LCL＝u-c×S

其中，x_i表示所述样本数据中第i个数据，N表示所述样本数据的个数，UCL表示所述上控制界，LCL表示所述下控制界，c为报警率调整因子，c可以由如下方程求解得到：

其中p％为预定的报警率。

步骤206.判断样本数据的分布是否满足PM变化条件。

由于生产过程中的周期性维护(PM)，使得采集到样本数据的分布可能满足预定的PM变化条件。在本实施例中，采集到的样本数据包括多个周期内的样本数据，上述的PM变化条件可以包括但不限于：相邻两个周期内的样本数据的均值之间的差值大于预定的阈值，例如，第一个周期内所采集的样本数据的均值为100，而第二个周期内所采集的样本数据的均值为200。若相邻两个周期内的样本数据的均值之间的差值大于预定的阈值(例如，50)，则认为采集到样本数据的分布满足预定的PM变化条件，或者，认为发生了PM偏移(PMShift)。

在本实施例中，上述周期性维护(PM)可以包括但不限于：对于化学蚀刻制程中更换了化学溶剂。这样，由于更换了化学溶剂，提高了化学溶剂的浓度，使得蚀刻率突然变快，然后随着化学溶剂的不断使用，化学溶剂的浓度会越来越低，导致蚀刻率随着时间降低。上述的周期性维护使得两个周期内采集到的样本数据的均值会发生改变。上述的周期可以为相邻两次采集样本数据之间的时间间隔，例如，当周期＝1小时时，表示每隔1小时采集一次样本数据。

若样本数据的分布不满足PM变化条件，则判断出样本数据的分布类型为连续非正态分布型(Type 3)；否则，判断出样本数据的分布类型为周期性趋势向上/向下型，或者，PM后总体漂移型。

步骤207.判断出样本数据的分布类型为连续非正态分布型(Type 3)，可以但不限于采用如下步骤来进行监控：

步骤S1去除离群值。例如，通过去除OOS(out of SPEC)值来去除离群值，其中，OOS(out of SPEC)值可以为预定的阈值。

步骤S2判断采用非正态数据单边控制图还是采用非正态数据双边控制图，具体判断过程可以参照上述步骤205中的S2。

步骤S3计算控制界。

步骤S3.1对于非正态数据双边控制图，使用第(100-p/2)百分位数和第p/2百分位数作为上和下控制界，其中p％为预定的报警率。

步骤S3.2对于非正态数据单边控制图，使用第(100-p)百分位数或第p百分位数作为上控制界或下控制界，分别用在上限单边控制图或下限单边控制图上。

步骤208.判断出样本数据的分布类型为周期性trend-up/trend-down型(Type5)或者PM后总体漂移型(Type6)。根据系统后台进行的设定，在判断出样本数据的分布类型为周期性trend-up/trend-down型(Type5)或者PM后总体漂移型(Type6)之后，自动建立MR(Move Range)控制图，即，通过前后两次量测值的差值(x_i-x_i-1)进行监控。优选的，可以通过以下公式来计算控制界。

R＝|x_i-x_i-1

\overset{&OverBar;}{R} = \frac{{ΣR}_{i}}{N}

U C L = (1 + c \times 0.756) \times \overset{&OverBar;}{R}

其中p％为预定的报警率。

在上述实施例中，可以基于以下方案来选择采集的样本数据的个数和控制误报警率：

对于非正态分布，由于最边缘需要估计到第p/2百分位数，所以采集的样本数据的个数最少需要估计百分位数的倒数，也就是(2/p％)个数据。例如，预定的报警率为1％，则，对于非正态双边控制图估计的最小百分位数是0.5％，所以至少需要数据200点。

对于正态分布，由于采用样本估计总体参数，因此根据样本数据的个数的不同，所估计的误差会有差异，定义样本数据的个数为n，样本数据的均值为x，样本数据的方差为S²，则样本数据的均值和方差估计的置信区间为如下公式[2]和[3]。

{[_{1} - {\frac{μ h}{x}}^{(_{{\overset{&OverBar;}{α =}}^{=} / 2} L} (n {\overset{&OverBar;}{] -}}^{:} 1) s / \sqrt{n}, \overset{&OverBar;}{x} + t_{1 - α / 2} (n - 1) s / \sqrt{n}]}^{/_{k x \cdot [2]}}

σ^{2} {KET}_{{\overset{&OverBar;}{2 =}}_{/ χ_{1 / 2}} 2 (n - 1), (n - 1) s^{2} / χ_{α / 2}^{2} (n - 1)]} L |_{: {ΔN}_{x [3]}}^{,} \cdot &equiv;

其中，

α为置信度，一般为0.01,0.05,或者0.1...；

表示：自由度为(n-1)的卡方分布累计概率为1-α/2的值；

t_1-α/2(n-1)表示；自由度为(n-1)的t分布累计概率为1-α/2的值；

S表示：样本数据的标准差；

表示：样本数据的均值；

n表示：样本数据的个数。

通过上述的公式，可以看出存在估计的均值偏离总体均值、估计的方差小于总体方差的情况，如图3所示。经过标准化后均值的估计和方差的估计分别为和因此用(1-α)置信区间估计(一般选取α为0.05)，考虑到在估计的均值达到最大值估计的标准差达到最小值时，报警率最大。因此误报警率p是样本数据的个数的函数，函数公式为[2]和[3]，由此可以计算出在已知误报警率p，置信度α(Alpha)和需要使用的WECO rule的个数下的最小的样本数据的个数n，优选的，也可以在以下表格中选择相应样本数据的个数。

表格：不同样本数据的个数下估计的误报警率(例如：Alpha＝0.05,2WECO rule,最小样本数n为200)

例如，在实际使用中选择2条WECO rule，alpha为0.05，误报警率为1％，查表得最小样本数为200。

因此，为了使得在正态分布控制图和非正态分布控制图下的误报警率同时达到小于1％，最少采集200个样本数据。如果通过上述方法计算得到的最小的样本数据的个数与通过查表得到的最小的样本数据的个数不一样，则取两者中较大的个数作为最小的样本数据的个数。

在图1-图3所示方案的基础上，本申请还提供了一种告警监控装置，如图4所示，该告警监控装置包括：

1)采集单元402，用于采集生产过程中用于告警监控的样本数据；

在本实施例中，样本数据的分布类型包括但不限于以下类型：单一常数型(Type1)、多水平离散型(Type 2)、连续非正态型(Type 3)、正态分布型(Type 4)、周期性趋势向上/向下(trend-up/trend-down)型(Type 5)和PM后总体漂移型(Type 6)。

2)确定单元404，用于确定所述样本数据的分布类型；

优选的，可以采用上文中描述的方式(如图2所示)来判断样本数据的分布类型，本申请在此不再赘述。

3)获取单元406，用于获取与所述分布类型对应的告警监控策略；

1)单一常数型：UCL＝LCL＝Target＝预定的常数；

2)多水平离散型：UCL＝最大常数值(例如，样本数据中的最大值)，LCL＝最小常数值(例如，样本数据中的最小值)，目标(Target)＝样本数据的均值；

3)连续非正态分布型：目标(Target)＝样本数据的平均值，当控制图为非正态数据双边控制图时，UCL＝第(100-p/2)百分位数，LCL＝第p/2百分位数，其中，p％为预定的报警率；当控制图为非正态数据单边控制图时，UCL＝第(100-p)百分位数，或，LCL＝第p百分位数；

4)正态分布型：Target＝样本数据的均值u，UCL＝u+c×S，LCL＝u-c×S，

u = \frac{{Σx}_{i}}{N}

S = \sqrt{\frac{Σ {(x_{i} - u)}^{2}}{N - 1}}

UCL＝u+c×S

LCL＝u-c×S

其中p％为预定的报警率。

5)-6)PM周期性趋势向上/向下(trend-down/trend-up)型和PM后总体漂移型：控制界包括用于告警监控的上控制界，根据采集的样本数据中两两相邻的数据之间的差值按照如下公式设置所述上控制界：

R＝|x_i-x_i-1|

\overset{&OverBar;}{R} = \frac{{ΣR}_{i}}{N}

U C L = (1 + c \times 0.756) \times \overset{&OverBar;}{R}

其中p％为预定的报警率。

优选的，可以采用上文中描述的方式(如图2所示)来确定控制图的控制界，本申请在此不再赘述。

4)监控单元408，用于使用所述告警监控策略对所述生产过程进行告警监控。

优选的，所述获取单元406包括：确定模块，用于确定与所述分布类型对应的控制图的控制界。所述监控单元408包括：监控模块，用于使用确定出所述控制图的所述控制界对所述生产过程进行告警监控。

显然，本领域的技术人员应该明白，上述的本申请的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，并且在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本申请不限制于任何特定的硬件和软件结合。

以上所述仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims

1.一种告警监控方法，其特征在于，包括：

采集生产过程中用于告警监控的样本数据；

确定所述样本数据的分布类型；

获取与所述分布类型对应的告警监控策略；

使用所述告警监控策略对所述生产过程进行告警监控；

其中，在判断出所述分布类型为连续非正态分布型，或者，周期性趋势向上/向下型，或者，PM后总体漂移型时，判断所述样本数据的分布是否满足PM变化条件；若所述样本数据的分布不满足所述PM变化条件，则判断出所述分布类型为连续非正态分布型；若所述样本数据的分布满足所述PM变化条件，则判断出所述分布类型为周期性趋势向上/向下型，或者，PM后总体漂移型。

2.根据权利要求1所述的方法，其特征在于，

所述获取与所述分布类型对应的告警监控策略包括：确定与所述分布类型对应的控制图的控制界；

所述使用确定出的所述告警监控策略对所述生产过程进行告警监控包括：使用确定出所述控制图的所述控制界对所述生产过程进行告警监控。

3.根据权利要求2所述的方法，其特征在于，所述确定所述样本数据的分布类型包括：

判断所述样本数据的数值水平是否大于第一阈值；

若所述数值水平小于等于所述第一阈值，则判断出所述分布类型为单一常数型或多水平离散型；

若所述数值水平大于所述第一阈值，则判断所述样本数据是否呈正态分布；若所述样本数据呈正态分布，则判断出所述分布类型为正态分布型，若所述样本数据不呈正态分布，则判断出所述分布类型为连续非正态分布型，或者，周期性趋势向上/向下型，或者，定期维护PM后总体漂移型。

4.根据权利要求3所述的方法，其特征在于，

所述判断出所述分布类型为单一常数型或多水平离散型包括：若所述数值水平等于1，则判断出所述分布类型为单一常数型；否则，判断出所述分布类型为多水平离散型；

所述控制界包括用于告警监控的上控制界和下控制界，所述确定与所述分布类型对应的控制图的控制界包括：当所述分布类型为所述单一常数型时，将所述上控制界和所述下控制界均设置为预定的第一常数；当所述分布类型为所述多水平离散型时，将所述上控制界设置为所述样本数据中的最大值，并将所述下控制界设置为所述样本数据中的最小值。

5.根据权利要求1所述的方法，其特征在于，所述确定与所述分布类型对应的控制图的控制界包括：

当判断出所述分布类型为连续非正态分布型、且所述控制图为非正态数据双边控制图时，所述控制界包括用于告警监控的上控制界和下控制界，将所述上控制界设置为第(100-p/2)百分位数，并将所述下控制界设置为第p/2百分位数，其中，p％为预定的报警率；

当判断出所述分布类型为连续非正态分布型、且所述控制图为非正态数据单边控制图时，所述控制界包括用于告警监控的上控制界，将所述上控制界设置为第(100-p)百分位数，或，所述控制界包括用于告警监控的下控制界，将所述下控制界设置为第p百分位数。

6.根据权利要求1所述的方法，其特征在于，所述确定与所述分布类型对应的控制图的控制界包括：

当判断出所述分布类型为周期性趋势向上/向下型，或者，PM后总体漂移型时，所述控制界包括用于告警监控的上控制界，根据所述样本数据中两两相邻的数据之间的差值按照如下公式设置所述上控制界：

R_{i} = | x_{i} - x_{i - 1} |

\overset{&OverBar;}{R} = \frac{{ΣR}_{i}}{N}

U C L = (1 + c \times 0.756) \times \overset{&OverBar;}{R}

其中，x_i表示所述样本数据中第i个数据，N表示所述样本数据的个数，UCL表示所述上控制界，c为报警率调整因子，c由如下公式求解得到：

其中，p％为预定的报警率。

7.根据权利要求3所述的方法，其特征在于，对于所述分布类型为连续非正态分布型，或者，周期性趋势向上/向下型，或者，PM后总体漂移型的样本数据，所述采集生产过程中用于告警监控的样本数据包括：采用所述生产过程中至少N个用于告警监控的样本数据，其中，p％为预定的报警率。

8.根据权利要求1所述的方法，其特征在于，所述确定与所述分布类型对应的控制图的控制界包括：

当判断出所述分布类型为正态分布类型、且所述控制图为正态数据单边控制图时，所述控制界包括用于告警监控的上控制界UCL或下控制界LCL，按照预定公式计算所述上控制界UCL或所述下控制界LCL；

当判断出所述分布类型为正态分布类型、且所述控制图为正态数据双边控制图时，所述控制界包括用于告警监控的上控制界UCL和下控制界LCL，按照所述预定公式计算所述上控制界UCL和所述下控制界LCL；

其中，所述预定公式为：

u = \frac{{Σx}_{i}}{N}

S = \sqrt{\frac{Σ {(x_{i} - u)}^{2}}{N - 1}}

UCL＝u+c×S

LCL＝u-c×S

其中，x_i表示所述样本数据中第i个数据，N表示所述样本数据的个数，UCL表示所述上控制界，LCL表示所述下控制界，c为报警率调整因子，c由如下公式求解得到；

其中p％为预定的报警率。

9.一种告警监控装置，其特征在于，包括：

采集单元，用于采集生产过程中用于告警监控的样本数据；

确定单元，用于确定所述样本数据的分布类型；

获取单元，用于获取与所述分布类型对应的告警监控策略；

监控单元，用于使用所述告警监控策略对所述生产过程进行告警监控；

其中，所述告警监控装置还用于在判断出所述分布类型为连续非正态分布型，或者，周期性趋势向上/向下型，或者，PM后总体漂移型时，判断所述样本数据的分布是否满足PM变化条件；若所述样本数据的分布不满足所述PM变化条件，则判断出所述分布类型为连续非正态分布型；若所述样本数据的分布满足所述PM变化条件，则判断出所述分布类型为周期性趋势向上/向下型，或者，PM后总体漂移型。

10.根据权利要求9所述的装置，其特征在于，

所述获取单元包括：确定模块，用于确定与所述分布类型对应的控制图的控制界；

所述监控单元包括：监控模块，用于使用确定出所述控制图的所述控制界对所述生产过程进行告警监控。