本发明涉及半导体制造，尤其涉及一种部件剩余使用寿命预测方法、系统及可读存储介质。
背景技术：
1、半导体制造过程中，机器各部件状态直接影响晶圆(wafer)的生产过程，如果在机器发生故障后才进行维修，不仅会大大降低生产的效率，还可能导致晶圆产量的大幅降低。因此，开发一个可以基于现有数据进行部件剩余使用寿命(remaining useful lifetime，rul)预测的系统非常重要。
2、目前大部分rul预测基于已知的材料知识，这种估计方法适用面窄，且需要大量对特定部件的先验知识，无法最大程度提高生产效率。随着机器、部件的更新及复杂化，人工越来越难为每个部件定义精细化的模型。
技术实现思路
1、本发明的目的在于提供一种部件剩余使用寿命预测方法、系统及可读存储介质，能够在各个时间点及时预测部件剩余使用寿命，减少非计划性宕机对产线的影响，延长机器的使用时间。
2、为达到上述目的，本发明提供一种部件剩余使用寿命预测方法，包括以下步骤：
3、计算每个传感器数据对部件剩余使用寿命的重要性，过滤掉对所述部件剩余使用寿命影响较小的传感器数据；
4、计算每个传感器数据在固定时间段内的原始特征值；
5、建立预测模型，通过自动编码器对所述原始特征值进行压缩和重构得到重构特征值，以所述重构特征值与所述原始特征值之间的误差最小化为目标函数，对所述预测模进行预训练，更新并固定部分模型参数；
6、利用所述传感器数据及对应的部件剩余使用寿命对所述预测模型进行最终训练，对增加的全连接层的权重进行更新；
7、利用最终训练好的预测模型对待预测的部件剩余使用寿命进行预测。
8、可选的，通过随机森林计算每个传感器数据对部件剩余使用寿命的重要性。
9、可选的，利用平均不纯度减少的方法过滤掉对所述部件剩余使用寿命影响较小的传感器数据。
10、可选的，计算每个传感器数据在固定时间段内的原始特征值时，使所有的传感器数据具有相同的时间步。
11、可选的，利用训练好的预测模型对待预测的部件剩余使用寿命进行预测时，将所述部件剩余使用寿命的最大值设定为不大于部件最大使用寿命的三分之一。
12、基于同一技术构思，本发明还提供了一种部件剩余使用寿命预测系统，包括：
13、筛选模块，被配置为计算每个传感器数据对部件剩余使用寿命的重要性，过滤掉对所述部件剩余使用寿命影响较小的传感器数据；
14、特征提取模块，被配置为计算每个传感器数据在固定时间段内的原始特征值；
15、预训练模块，被配置为建立预测模型，通过自动编码器对所述原始特征值进行压缩和重构得到重构特征值，以所述重构特征值与所述原始特征值之间的误差最小化为目标函数，对所述预测模进行预训练，更新并固定部分模型参数；
16、终训练模块，被配置为利用所述传感器数据及对应的部件剩余使用寿命对所述预测模型进行最终训练，对增加的全连接层的权重进行更新；
17、预测模块，被配置为利用最终训练好的预测模型对待预测的部件剩余使用寿命进行预测。
18、可选的，所述筛选模块通过随机森林计算每个传感器数据对部件剩余使用寿命的重要性，以及利用平均不纯度减少的方法过滤掉对所述部件剩余使用寿命影响较小的传感器数据。
19、可选的，所述特征提取模块计算每个传感器数据在固定时间段内的原始特征值时，使所有的传感器数据具有相同的时间步。
20、可选的，所述预测模块利用训练好的预测模型对待预测的部件剩余使用寿命进行预测时，将所述部件剩余使用寿命的最大值设定为不大于部件最大使用寿命的三分之一。
21、基于同一技术构思，本发明还提供了一种可读存储介质，其上存储有计算机程序，所述计算机程序被执行时能实现如上所述的部件剩余使用寿命预测方法。
22、在本发明提供的一种部件剩余使用寿命预测方法、系统及可读存储介质中，通过先过滤掉对所述部件剩余使用寿命影响不大的因素，然后再利用筛选出的数据对预测模型进行训练，能够提高预测模型的预测精度，可在各个时间点及时预测部件剩余使用寿命，减少非计划性宕机对产线的影响，延长机器的使用时间。
1.一种部件剩余使用寿命预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的部件剩余使用寿命预测方法，其特征在于，通过随机森林计算每个传感器数据对部件剩余使用寿命的重要性。
3.根据权利要求1所述的部件剩余使用寿命预测方法，其特征在于，利用平均不纯度减少的方法过滤掉对所述部件剩余使用寿命影响较小的传感器数据。
4.根据权利要求1所述的部件剩余使用寿命预测方法，其特征在于，计算每个传感器数据在固定时间段内的原始特征值时，使所有的传感器数据具有相同的时间步。
5.根据权利要求1所述的部件剩余使用寿命预测方法，其特征在于，利用训练好的预测模型对待预测的部件剩余使用寿命进行预测时，将所述部件剩余使用寿命的最大值设定为不大于部件最大使用寿命的三分之一。
6.一种部件剩余使用寿命预测系统，其特征在于，包括：
7.根据权利要求6所述的部件剩余使用寿命预测系统，其特征在于，所述筛选模块通过随机森林计算每个传感器数据对部件剩余使用寿命的重要性，以及利用平均不纯度减少的方法过滤掉对所述部件剩余使用寿命影响较小的传感器数据。
8.根据权利要求6所述的部件剩余使用寿命预测系统，其特征在于，所述特征提取模块计算每个传感器数据在固定时间段内的原始特征值时，使所有的传感器数据具有相同的时间步。
9.根据权利要求6所述的部件剩余使用寿命预测系统，其特征在于，所述预测模块利用训练好的预测模型对待预测的部件剩余使用寿命进行预测时，将所述部件剩余使用寿命的最大值设定为不大于部件最大使用寿命的三分之一。
10.一种可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被执行时能实现根据权利要求1-5中任一项所述的部件剩余使用寿命预测方法。
