半导体产业对设备依赖程度高,其超负荷运作的设备不可避免的发生突发性大故障,迫使设备停止运行,生产系统长时间组织停顿,这将对高速运行的现代化生产系统带来严重破坏。设备突发大故障具有事先无明显征兆、随机性强的特点,再加上设备的复杂性,知识的不完备性,以及检测手段的局限性,很难有效的对其进行故障预测和诊断。本课题为解决设备突发大故障问题而展开研究,提出了一套基于在线监测数据的设备突发大故障预测方法。研究项目源于2010年国家自然科学基金面上项目“设备突发大故障的自组织临界态辨识与风险度量研究”(批准号:51075060)。先选取设备正常状态监测数据样本建立起拟合模型,并实时观察拟合残差的变化情况。然后以残差为辨识设备异常状况的特征量,根据自组织临界理论找出标示设备处于故障自组织临界态时的残差临界点。最后利用控制图方法结合设备故障自组织临界特性设立预测残差的控制图,一旦监测到残差点超过控制限则发出设备突发大故障的预警。采用某半导体封装测试工厂引线键合设备键合温度及注塑成型机模腔压力在线监测数据样本对所提方案进行了验证。建立起了精度较高的正常状态监测数据拟合模型并验证了预测残差识别设备异常的有效性。运用残差作为特征量验证了设备故障存在的自组织临界特性,依靠自组织临界理论对设备突发大故障的形成机制进行了解释。用故障预测残差样本建立起休哈特控制线,利用自组织临界特性剔除临界态以内残差数据建立起加权方差控制线,验证结果表明按照所提方法得到的两条残差控制限均能有效进行故障预警,自组织临界态建立的残差控制限相比普通控制限预警效果更好。本研究从一个全新的角度来解释设备突发大故障,为设备故障分析提供新的思路与方法,同时也丰富了自组织临界理论的研究。充分利用在线监测数据,为设备管理者提供一种新的辅助分析方法,使设备监测系统发挥更大的使用价值,提高设备的可靠性和可维护性。实现设备突发大故障预测,依此指导预防性维修,保证设备最佳的维修时机,从根源上避免设备突发大故障的发生,从而防止其带来的重大恶性事故,具有极高的经济意义和社会价值。