4. 数据预处理与特征工程

Tokyo Electron（TEL）设备在刻蚀、涂胶显影、清洗等制程中，会持续产生多源时序数据：腔体压力、RF功率、气体流量、ESC温度、阀门开关、机械手位置、颗粒计数等。这些数据来自不同采样率、不同时钟源、不同量纲的传感器与子系统，直接送入异常诊断模型往往效果很差。本节围绕TEL设备时序数据的实际处理链路，讲清楚清洗、对齐、降采样、特征提取与工况标识五个环节的具体做法。

一、清洗：先识别“坏数据”再决定怎么处理

TEL设备时序数据的异常值来源主要有三类：传感器瞬时跳变（如RF反射功率偶发尖峰）、通信丢包导致的NaN或保持值、以及设备状态切换时的物理过渡段（如阀门开闭瞬间的压力振荡）。清洗不是简单地把所有异常值删掉，而是先分类再处理。

对于瞬时跳变，常用3σ准则或中位数绝对偏差（MAD）检测。以腔体压力为例，假设某段稳定工艺中压力均值为2.0 Torr，标准差0.02 Torr，若某采样点跳到2.8 Torr且下一拍立即恢复，则判定为尖峰，用前后各3点的中位数替换。对于通信丢包，若连续缺失点数小于5且前后值变化平缓，用线性插值补齐；若连续缺失超过10点，则标记该时间段为“数据不可用”，不参与后续特征计算。对于状态切换过渡段，不删除，而是打上“过渡”标签，在特征提取时单独处理。

二、对齐：解决多源数据的“时间错位”

TEL设备中，RF功率采样率可能为1 kHz，气体流量为10 Hz，温度传感器为1 Hz，机械手位置为事件触发。这些数据在时间轴上并不对齐。对齐的目标是把它们映射到统一的时间基准上，通常选择最低采样率或工艺步骤的起止时刻作为基准。

实际做法分两步：先做时间戳校正，再做重采样对齐。时间戳校正主要处理不同子系统时钟漂移，可用设备主时钟的同步信号作为参考，计算各子系统时间戳的线性偏移量并补偿。重采样对齐则根据目标采样率，对高频信号做降采样（见下一节），对低频信号做插值或前向填充。例如，把1 kHz的RF功率降采样到10 Hz，与气体流量对齐；把1 Hz的温度做线性插值到10 Hz。

三、降采样：保留工艺特征，降低数据量

降采样不是简单抽取，而是要在降低数据量的同时保留工艺特征。TEL设备中常用的方法有两种：均值降采样和特征降采样。均值降采样适合平稳信号，如温度、压力，把每N个点取平均作为一个新点。特征降采样适合非平稳信号，如RF功率，在每个降采样窗口内提取最大值、最小值、均值和标准差四个统计量，而不是只取一个平均值。

以RF功率为例，原始1 kHz数据，目标10 Hz，窗口长度100点。若只取均值，会丢失点火瞬间的功率尖峰；若提取窗口内最大值和标准差，则能保留点火和反射功率异常的信息。实际工程中，常把降采样后的数据组织成“时间戳+多通道特征”的表格结构，便于后续建模。

四、特征提取：从原始波形到可解释指标

特征提取的目标是把长时序压缩成少量有物理意义的指标。针对TEL设备，常用特征可分为时域、频域和工艺段特征三类。时域特征包括均值、标准差、峰峰值、偏度、峭度、过零率等；频域特征包括主频幅值、频谱能量、谐波比等；工艺段特征则针对具体步骤，如刻蚀步骤的RF功率上升时间、稳定时间、结束时刻的反射功率均值。

以ESC温度控制为例，一个完整的升温-稳定-降温过程可提取：升温速率（°C/s）、稳定段温度标准差、超调量、稳定时间。这些特征比原始温度曲线更能反映设备健康状态。实际实现时，可用滑动窗口逐段计算，窗口长度根据工艺步骤时长确定，通常取步骤时长的1/5到1/3。

五、工况标识：给每段数据打上“在做什么”的标签

工况标识是TEL设备数据预处理中非常关键的一步。同一台设备在不同工况下，正常与异常的判据完全不同。例如，刻蚀步骤中RF反射功率偏高可能是匹配网络异常，而清洗步骤中反射功率偏高可能是气体比例问题。因此，必须先识别当前数据属于哪个工况。

工况标识通常基于设备状态信号和工艺配方信息。设备状态信号包括：腔体是否真空、RF是否开启、气体阀门是否打开、机械手是否在传输。工艺配方信息包括：步骤编号、步骤名称、目标参数。实际做法是：先根据状态信号划分粗工况（如待机、抽真空、工艺、传输），再根据配方步骤编号细分（如刻蚀步骤1、刻蚀步骤2）。标识结果作为一列标签写入数据表，后续特征提取和异常诊断都按工况分组进行。

六、实际处理中的参数选择与判断依据

上述五个环节中，参数选择直接影响最终特征质量。以下给出几个关键参数的参考范围和判断依据，均以TEL刻蚀设备为例，属于教学示例，实际值需根据设备型号和工艺配方调整。

七、一个完整的处理示例

假设某TEL刻蚀设备一次工艺运行产生以下数据：RF功率1 kHz共60000点（60秒），气体流量10 Hz共600点，ESC温度1 Hz共60点，阀门状态事件触发共12次。目标输出为10 Hz的特征表。

处理过程如下：首先对RF功率做3σ检测，发现第15200点附近有尖峰，用前后3点中位数替换；气体流量无缺失；ESC温度有2点缺失，用线性插值补齐。然后以10 Hz为基准对齐：RF功率每100点提取max/min/mean/std四个特征，得到600组；气体流量直接使用；ESC温度线性插值到10 Hz。接着按配方步骤划分工况：步骤1（0-15秒）为抽真空，步骤2（15-45秒）为刻蚀，步骤3（45-60秒）为吹扫。最后输出表格，每行包含时间戳、RF功率四个特征、气体流量、ESC温度、工况标签。该表格可直接用于后续异常诊断模型训练。

总结来说，TEL设备时序数据的预处理与特征工程，核心是围绕“工况”这一主线，把多源、多采样率、含噪声的原始数据，转化为带工况标签的、可解释的特征表。清洗保证数据质量，对齐解决时间错位，降采样控制数据量，特征提取压缩信息，工况标识赋予物理意义。五个环节环环相扣，缺一不可。