漏率检测方法及半导体工艺设备

技术领域

本发明涉及漏率检测技术领域，尤其是涉及一种漏率检测方法及半导体工艺设备。

背景技术

漏率为密闭环境下每分钟的压力增长值，漏率检测通常应用于对于压力有严格要求的工艺中，诸如晶硅太阳能电池组件生产过程中对于等离子沉积工艺时炉管的压力要求严格。PECVD(Plasma Enhanced Chemical Vapor Deposition，等离子体增强化学的气相沉积)设备是光伏电池生产过程镀膜工序的关键设备，该设备通过蝶阀控制炉管在稳定压力下实现等离子沉积。在等离子沉积工艺过程中为防止杂质进入炉管，需要保证炉管在底压状态下(压力为0Pa的真空状态下)的漏率要达到特定要求，因此在离子沉积工艺之前对炉管的漏率检测是十分必要的。

相关的漏率检测技术通常使用比较开始时刻与当前时刻的压力变化值的方式计算漏率，但是，由于炉管中的压力传感器在底压状态下容易产生检测偏差，采集到的压力数据容易产生波动，导致同一炉管每次工艺时计算得到的漏率波动较大，与炉管的实际漏率情况存在偏差，容易出现设备误报警情况，影响设备生产效率且增加了人员维护成本，同时降低了漏率检测的准确率。

发明内容

有鉴于此，本发明的目的在于提供一种漏率检测方法及半导体工艺设备，能够避免异常数据点导致漏率波动较大，降低了误报警概率，保障了设备的生产效率，降低了人员维护成本，同时可以使同一容器每次工艺时的漏率检测相对稳定，提升了漏率检测的准确率。

为了实现上述目的，本发明实施例采用的技术方案如下：

第一方面，本发明实施例提供了一种漏率检测方法，包括：获取处于密闭状态下的所述反应腔室在预设时长内的压力数据集；其中，所述压力数据集为预设频率下采集到的压力值集合；对所述压力数据集进行滤波处理，得到压力滤波数据；对所述压力滤波数据进行曲线拟合得到拟合函数；基于所述拟合函数确定单位时长的压力增大值，基于所述单位时长的压力增大值确定所述反应腔室的漏率。

进一步，本发明实施例提供了第一方面的第一种可能的实施方式，其中，所述对所述压力数据集进行滤波处理，得到压力滤波数据的步骤，包括：基于卡尔曼滤波算法依次确定所述压力数据集中各压力值对应的最优压力估计值，将所述压力数据集中各压力值对应的最优压力估计值作为所述压力滤波数据，以优化并去除压力波动噪声数据。

进一步，本发明实施例提供了第一方面的第二种可能的实施方式，其中，所述基于卡尔曼滤波算法依次确定所述压力数据集中各压力值对应的最优压力估计值的步骤，包括：基于所述压力值采集时间的先后顺序依次获取所述压力数据集中的各压力值，基于前一时刻采集的压力值对应的最优压力估计值预测后一时刻采集的压力值对应的压力预测值，基于前一时刻采集的压力值对应的协方差预测后一时刻采集的压力值对应的误差协方差预测值；基于后一时刻采集的压力值对应的所述误差协方差预测值确定后一时刻采集的压力值对应的卡尔曼增益；基于后一时刻采集的压力值及其对应的所述压力预测值和所述卡尔曼增益确定后一时刻采集的压力值对应的最优压力估计值，基于所述后一时刻采集的压力值对应的所述卡尔曼增益及所述误差协方差预测值确定后一时刻采集的压力值对应的协方差，直至得到所述压力数据集中全部压力值对应的最优压力估计值。

进一步，本发明实施例提供了第一方面的第三种可能的实施方式，其中，所述对所述压力滤波数据进行曲线拟合得到拟合函数的步骤，包括：基于最小二乘法建立所述压力滤波数据对应的回归模型，基于所述回归模型求解与所述压力滤波数据相匹配的拟合函数。

进一步，本发明实施例提供了第一方面的第四种可能的实施方式，其中，所述拟合函数为一次线性方程，所述拟合函数的横纵坐标分别为数据排序号及所述数据排序号对应的压力值。

进一步，本发明实施例提供了第一方面的第五种可能的实施方式，其中，所述基于所述拟合函数及所述预设频率确定所述反应腔室的漏率的步骤，包括：获取所述拟合函数的斜率；基于所述预设频率确定每分钟的压力值采集数量；计算所述拟合函数的斜率与所述每分钟的压力值采集数量的乘积，得到所述反应腔室的漏率。

进一步，本发明实施例提供了第一方面的第六种可能的实施方式，其中，所述基于所述拟合函数及所述预设频率确定所述反应腔室的漏率的步骤，包括：从所述拟合函数中获取任意两点坐标，计算所述任意两点坐标对应的压力差值及数据排序号差值；基于所述数据排序号差值及所述预设频率确定所述任意两点坐标对应的采集时间差；基于所述压力差值及所述采集时间差确定所述反应腔室的漏率。

进一步，本发明实施例提供了第一方面的第七种可能的实施方式，其中，所述预设频率为4Hz。

第二方面，本发明实施例还提供了一种半导体工艺设备，包括反应腔室和控制单元，所述控制单元用于执行如第一方面任一项所述的方法，以检测所述反应腔室的漏率。

进一步，本发明实施例提供了第二方面的第一种可能的实施方式，其中，所述控制单元与下位机通过串口通信，以使所述下位机以预设频率采集所述反应腔室的压力值；其中，所述串口属性为阻塞性。

本发明实施例提供了一种漏率检测方法及半导体工艺设备，该漏率检测方法包括：获取处于密闭状态下的反应腔室在预设时长内的压力数据集；其中，压力数据集为预设频率下采集到的压力值集合；对压力数据集进行滤波处理，得到压力滤波数据；对压力滤波数据进行曲线拟合得到拟合函数；基于拟合函数确定单位时长的压力增大值，基于单位时长的压力增大值确定反应腔室的漏率。本发明通过获取反应腔室在一定时间长度内的压力数据集，并对压力数据集进行滤波处理，可以滤除压力数据集中波动范围较大的异常数据点，避免异常数据点导致漏率波动较大，降低了误报警概率，保障了设备的生产效率，降低了人员维护成本；通过对压力滤波数据拟合得到拟合函数，基于拟合函数中单位时长的压力增大值确定漏率，可以使同一容器每次工艺时的漏率检测相对稳定，提升了漏率检测的准确率。

本发明实施例的其他特征和优点将在随后的说明书中阐述，或者，部分特征和优点可以从说明书推知或毫无疑义地确定，或者通过实施本发明实施例的上述技术即可得知。

为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。

附图说明

为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1示出了一种炉内压力值变化示意图；

图2示出了本发明实施例所提供的一种漏率检测方法流程图；

图3示出了本发明实施例所提供的一种卡尔曼滤波算法流程图；

图4示出了本发明实施例所提供的一种压力数据集滤波前后对比图；

图5示出了本发明实施例所提供的一种压力值拟合曲线示意图；

图6示出了本发明实施例所提供的一种漏率检测实验对比图；

图7示出了本发明实施例所提供的一种压力值采集流程图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合附图对本发明的技术方案进行描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。

相关的漏率检测技术中，以PECVD设备的漏率检测为例，PECVD设备在进行镀膜工艺之前，需要将炉管的炉门和所有进气管路阀门关闭，将炉内的空气全部抽出，蝶阀控制器通过内部PID(Proportion Integral Differential)算法控制阀门的打开角度以控制炉管内的压力，炉管内的压力到达0Pa的底压真空状态下蝶阀控制器将抽真空阀门关闭。在密闭条件下，实时记录炉内的压力值，1min之后比较开始时刻和当前时刻(即1min时刻)的压力变化值，由此得出设备的漏率。参见如图1所示的炉内压力值变化示意图，图1中示出了采集到的炉内的压力值变化曲线，该示意图的横坐标为压力值的采样间隔，纵坐标为炉管的实际压力值，压力值的采样频率为4Hz。

在实际生产过程中，由于炉内压力非常低，传感器检测的电流值很小。因此，在底压状态下电流输出值非常小，传感器精度(传感器的量程较大而检测值较小)与滤波功能不足导致检测值上下波动，如图1所示，虽然在检测过程中压力值保持上升，但并不稳定，而是伴随着上下误差波动。这种波动会造成在漏率检测开始和结束时刻采集的压力实际值存在上下波动的情况，每次基于开始时刻与当前时刻的压力变化值得到的漏率会存在较大波动，导致漏率检测不准确，因此，相关的漏率检测技术还存在以下不足：

一、漏率计算偏差大，同一炉管每次工艺时的漏率计算结果波动较大，计算结果并不准确，与炉管实际情况偏差较大；

二、容易造成设备误报警，当开始与结束采集到低值和峰值情况下，造成误报警，终止工艺运行，影响设备生产产能；

三、增加人员维护成本，工作人员无法对设备真实情况做准确的预判，增加了定期维护工作量和客户人员成本。

为改善上述问题，本发明实施例提供的一种漏率检测方法及半导体工艺设备，该技术可应用于提升漏率检测的准确率、降低误报警概率及降低人员维护成本。以下对本发明实施例进行详细介绍。

本实施例提供了一种漏率检测方法，该方法可以应用于半导体工艺设备，以检测半导体工艺设备中反应腔室的漏率，参见图2所示的漏率检测方法流程图，该方法主要包括以下步骤：

步骤S202，获取处于密闭状态下的反应腔室在预设时长内的压力数据集。

上述反应腔室可以是任意需要进行漏率检测的容器，诸如可以是PECVD设备中的炉管，在进行漏率检测前，将反应腔室内的空气全部抽出，使反应腔室到达0Pa的底压真空状态，在密闭状态下基于压力传感器以预设频率采集反应腔室在预设时长内的压力值，将预设时长内采集到的压力值集合记为压力数据集。

上述预设时长可以根据漏率检测时间要求进行设置，可以是大于等于1分钟的时长，以采集更多的压力值数据提升漏率检测准确率，诸如可以是1分钟～2分钟；在漏率检测时间紧急的情况下，上述预设时长也可以是小于1分钟的时长，以提升漏率检测速度，诸如可以是30s～50s。为方便漏率的计算，上述预设时长的优选取值为1分钟。

上述压力数据集为预设频率下采集到的压力值集合，通过设置压力值的采集频率可以控制压力数据集中的压力值数量，预设频率越大，压力值采集间隔越小，压力值数据集中的压力值数量越多。

相关的漏率检测技术中，压力值的采集速度通常为每分钟采集40～60次压力值，在一种具体的实施方式中，为了提升压力值的采集速度，上述预设频率的取值范围可以是3～6Hz，预设频率的优选值可以是4Hz，即每秒钟采集4次压力值，每分钟采集240次压力值。本实施例通过提升检漏过程中的压力值采集速度，可以获取检漏过程中的大量过程数据，为提升漏率计算准确性提供了数据支撑。

步骤S204，对压力数据集进行滤波处理，得到压力滤波数据。

基于滤波算法对压力数据集进行数据滤波处理，将压力数据集中的噪声和干扰的异常数据点滤除，并还原真实数据，使压力数据集中的压力值更加集中，以缩小压力值波动偏差，将滤波后的压力数据集记为压力滤波数据。上述滤波算法诸如可以是卡尔曼滤波算法、贝叶斯滤波算法、限幅滤波算法或其他滤波算法。

步骤S206，对压力滤波数据进行曲线拟合得到拟合函数。

由于漏率检测过程中容器中的压力通常是连续增长的，满足线性条件(若压力增大值稳定不变则满足一次线性条件，若压力增大值持续变化则满足二次线性条件)，因此可以设拟合曲线为线性方程，对滤波后得到的压力滤波数据进行曲线拟合，得到与压力滤波数据的相匹配的拟合函数，该拟合函数为压力采集时间或采集点个数与压力值的关系曲线。

步骤S208，基于拟合函数确定单位时长的压力增大值，基于单位时长的压力增大值确定反应腔室的漏率。

上述单位时长可以是用户设置的任意时长，由于漏率为每分钟的压力增长值，当上述单位时长为1分钟时，反应腔室的漏率＝单位时长的压力增大值；当上述单位时长为2分钟时，反应腔室的漏率＝单位时长的压力增大值/2；当上述单位时长为0.5分钟时，反应腔室的漏率＝单位时长的压力增大值*2。

本实施例提供的上述漏率检测方法，通过获取反应腔室在一定时间长度内的压力数据集，并对压力数据集进行滤波处理，可以滤除压力数据集中波动范围较大的异常数据点，避免异常数据点导致漏率波动较大，降低了误报警概率，保障了设备的生产效率，降低了人员维护成本；通过对压力滤波数据拟合得到拟合函数，基于拟合函数中单位时长的压力增大值确定漏率，可以使同一容器每次工艺时的漏率检测相对稳定，提升了漏率检测的准确率。

在一个实施例中，为了避免压力数据集中的压力值连续震荡影响漏率计算的准确率，本实施例提供了对压力数据集进行滤波处理，得到压力滤波数据的实施方式：基于卡尔曼滤波算法依次确定压力数据集中各压力值对应的最优压力估计值，将压力数据集中各压力值对应的最优压力估计值作为压力滤波数据，以优化并去除压力波动噪声数据。

基于卡尔曼滤波算法利用线性系统状态方程，通过前一时刻的状态估计值和当前时刻的观测值来获得动态系统当前时刻状态变量的最优估计值，设漏率检测时采集的压力值数据是X(k)，k表示压力数据集中第k个压力值采集点，也可以称为k时刻，参见如图3所示的卡尔曼滤波算法流程图，滤波过程主要包括状态估计和协方差估计两个主要参数的计算：

在一种实施方式中，可以基于压力值采集时间的先后顺序依次获取压力数据集中的各压力值，基于前一时刻采集的压力值对应的最优压力估计值(k-1时刻的最优压力估计值)预测后一时刻采集的压力值对应的压力预测值(k时刻的压力预测值)，基于前一时刻采集的压力值对应的协方差(k-1时刻的协方差)预测后一时刻采集的压力值对应的误差协方差预测值(k时刻的协方差预测值)。

具体的，如图3所示，根据k-1时刻的最优压力估计值(k-1时刻采集的压力值对应的最优压力估计值，即k-1时刻状态估计值X(k-1|k-1))预测k时刻压力预测值X(k|k-1)；根据k-1时刻协方差P(k-1|k-1)(即k-1时刻采集的压力值对应的协方差)预测k时刻误差协方差预测值P(k|k-1)：

x(k|k-1)＝Ax(k-1|k-1)+Bu(k) (1)

P(k|k-1)＝AP(k-1|k-1)A'+S (2)

其中，X(k|k-1)为k时刻的压力预测值，P(k|k-1)为k时刻的误差协方差预测值，X(k-1|k-1)为k-1时刻的最优压力估计值，P(k-1|k-1)为k-1时刻的协方差，A为状态矩阵，A′为状态矩阵的转置，B为控制矩阵，u(k)为现在状态的控制变量，由于本实施例中对压力值的滤波为单输入单输出控制系统，设密闭条件下压力值趋于稳定，当前时刻的压力值与前一时刻的压力值非常接近因此取系统参数的状态矩阵A为1，相应的A′也为1；由于在漏率检测过程中没有外部控制变量如特定气体流量输入调节压力值，因此控制矩阵u(k)的系统参数B为0。

上述公式(2)中通过k-1时刻协方差P(k-1|k-1)预测当前k时刻的误差协方差P(k|k-1)，初始值P(0│0)为1，S是系统测量时的压力波动噪声，本实施例中的压力波动噪声S可以设置为0.5。

基于后一时刻采集的压力值对应的误差协方差预测值确定后一时刻采集的压力值对应的卡尔曼增益；具体的，如图3所示，根据k时刻的误差协方差预测值P(k|k-1)计算k时刻的卡尔曼增益Kg(k)。

将预测得到的k时刻误差协方差预测值输入以下公式(3)，计算k时刻的卡尔曼增益。

基于后一时刻采集的压力值及其对应的压力预测值和卡尔曼增益确定后一时刻采集的压力值对应的最优压力估计值，基于后一时刻采集的压力值对应的卡尔曼增益及误差协方差预测值确定后一时刻采集的压力值对应的协方差，直至得到压力数据集中全部压力值对应的最优压力估计值。具体的，根据k时刻的压力预测值X(k|k-1)、k时刻采集到的压力值Z(k)(即压力数据集中的第k个数据)和k时刻的卡尔曼增益Kg(k)计算k时刻最优压力估计值X(k|k)。根据k时刻的卡尔曼增益Kg(k)及k时刻的误差协方差预测值P(k|k-1)计算k时刻的协方差P(k|k)。

上述公式(3)中，Kg(k)为k时刻的卡尔曼增益，R为压力传感器的噪声平均值(取值可以为0.5)，H为测量矩阵，H′为的转置。获取当前k时刻测量得到的压力值Z(k)，将k时刻压力预测值X(k|k-1)、压力值Z(k)和卡尔曼增益Kg(k)输入以下公式(4)中计算k时刻最优压力估计值X(k|k)。

X(k|k)＝X(k|k-1)+Kg(k)(Z(k)-HX(k|k-1)) (4)

将k时刻的卡尔曼增益Kg(k)和误差协方差预测值O(k|k-1)输入以下公式(5)中计算k时刻的协方差P(k|k)，以便进行后续的迭代计算。

P(k|k)＝(1-Kg(k)H)P(k|k-1) (5)

当计算得到k时刻最优压力估计值和k时刻协方差后，再根据k时刻最优压力估计值和k时刻协方差继续计算k+1时刻最优压力估计值和k+1时刻协方差，这样算法就可以自回归运算，直至得到压力数据集中全部压力值对应的最优压力估计值，从而完成了对压力数据集中全部压力值的滤波。

在一个实施例中，为了提升漏率计算的准确性，本实施例提供了对压力滤波数据进行曲线拟合得到拟合函数的具体实施方式：基于最小二乘法建立压力滤波数据对应的回归模型，基于回归模型求解与压力滤波数据相匹配的拟合函数。采用最小二乘法进行曲线拟合，可以通过数据最小化误差的平方计算压力滤波数据的最佳函数匹配，提升了漏率计算的准确性。

在一种具体的实施方式中，由于PECVD设备检漏过程中压力数据是连续增长的，满足一次线性条件，因此，可以将上述拟合函数设置为一次线性方程，拟合函数的横纵坐标分别为数据排序号及数据排序号对应的压力值。

设拟合函数的方程为以下公式(6)：

y＝K·x+b (6)

则拟合曲线的斜率为

基于最小二乘法的原则以“残差平方和最小”确定一条直线，首先确定压力数据的回归模型即压力值与采样点之间的函数关系：

其中，函数Q的变量x

通过以上公式(8)和公式(9)可以求解出函数Q取最小值时对应的最优参数K和b：

根据以上公式可以求出漏率检测过程中的压力值的拟合函数，通过拟合函数可以计算实际漏率值。

相关的漏率检测技术，通常将开始时刻与1min后的压力变化值作为漏率检测值，当该漏率检测值大于一定阈值时进行报警，而相关的漏率检测技术容易因传感器检测值异常导致漏率检测值产生波动，漏率检测准确率较低，导致漏率检测过程中容易出现误报警的问题。

在一个实施例中，为了提升漏率检测准确率避免出现误报警的问题，本实施例提供了基于拟合函数及预设频率确定反应腔室的漏率的两种实施方式，具体可参照如下实施方式一或实施方式二执行：

实施方式一：若拟合函数为一次线性方程，获取拟合函数的斜率；基于预设频率确定每分钟的压力值采集数量；计算拟合函数的斜率与每分钟的压力值采集数量的乘积，得到反应腔室的漏率。

上述预设频率为每秒钟的压力值采集数量，则每分钟的压力值采集数量＝预设频率*60，当预设频率为4Hz时，每分钟的压力值采集数量为240个，反应腔室的漏率＝斜率K*每分钟的压力值采集数量。

实施方式二：从拟合函数中获取任意两点坐标，计算任意两点坐标对应的压力差值及数据排序号差值；基于数据排序号差值及预设频率确定任意两点坐标对应的采集时间差；基于压力差值及采集时间差确定反应腔室的漏率。

设获取的任意两点坐标为(x1，y1)和(x2，y2)，数据排序号差值＝x2-x1，压力差值＝y2-y1，根据数据排序号差值x2-x1及压力值的采样频率(即预设频率)可确定x2与x1之间的采集时间间隔，诸如，当预设频率为4Hz时，每秒钟采集4个压力值，若x2-x1＝40，则表明两点坐标对应的采集时间差为10s，则反应腔室的漏率＝(y2-y1)*(60s/10s)，即漏率＝[(y2-y1)/(x2-x1)]*预设频率*60。

本实施例提供的上述漏率检测方法，通过基于压力值的拟合函数确定每分钟的压力增长值，避免因采集到的压力值连续震荡导致的漏率计算波动，使得同一容器每次计算得到的漏率相对稳定，解决了因计算的漏率容易波动导致的误报警问题，保障了设备的稳定运行与客户生产产量；同时保证了每次漏率检测的准确性，为现场设备运行状况预判和维护提供了帮助，减少了非必要人员成本。

示例性的，本实施例提供了利用上述漏率检测方法对图1中PECVD设备的炉管内检测到的压力值进行漏率计算的实例：

基于卡尔曼滤波算法对图1中所示的压力数据集进行滤波处理，得到压力滤波数据，参见如图4所示的压力数据集滤波前后对比图，图4中的虚线示出了滤波之前的压力值趋势，图4中的实线示出了卡尔曼滤波后的压力滤波数据，从图4中可以看出，滤波后的压力值数据更加集中，压力值的波动偏差得到了修复。

基于最小二乘法对图4中的压力滤波数据进行曲线拟合，得到拟合函数为y＝0.0404×x+0.5728，参见如图5所示的压力值拟合曲线示意图，图5中的虚线示出了压力滤波数据，图5中的实线示出压力滤波数据经过最小二乘法得到的拟合函数曲线，由于压力值的采集频率为4HZ，1分钟内可采集到240个压力值，根据拟合函数的斜率即可计算出漏率＝0.0404*240＝9.696Pa/min。

通过基于拟合函数的斜率计算漏率，可以有效的处理压力值波动对设备漏率计算时产生的偏差影响，为了验证上述实施例中漏率检测的稳定性，本实施例提供了采用相关漏率(记为原漏率)检测方式和上述实施例提供的漏率(记为试验漏率)检测方法分别对PECVD设备的炉管进行多次漏率检测的对比实验，参见如图6所示的漏率检测实验对比图，图6中的虚线示出了采用现有的漏率(原漏率)检测技术对炉管分别进行13次漏率检测的结果，图6中的实线示出了采用上述实施例提供的漏率(试验漏率)检测方法对炉管分别进行13次漏率检测的结果，通过实验对比可知，现有的漏率(原漏率)检测技术得到的漏率值上下波动在5.19～12.37之间，而采用本申请提供的漏率(试验漏率)检测方法得到的漏率值可以稳定在10.03～10.92之间，因此，本申请提供的漏率检测方法可以有效解决由于传感器检测值异常引发设备漏率值检测波动的问题，从而在报警检测的过程中避免异常数据采样导致软件计算漏率值与实际偏差较大，设备产生误报警，对设备稳定性预测和现场的保养维护提供了更加准确的数据支持，本申请提供的漏率检测方法还可以应用于其他电气设备的数据波动问题上。

在前述实施例的基础上，本实施例提供了一种应用前述漏率检测方法对PECVD设备的炉管进行漏率计算的示例，具体可参照如下步骤执行：

步骤1，设置压力值的采样频率，基于采集频率通过串口读取压力传感器采集的压力值。

PECVD设备的炉管压力控制主要有两部分组成：蝶阀控制器和压力传感器，压力传感器将炉内的实时压力值通过0～10A电流传入蝶阀控制器。参见如图7所示的压力值采集流程图，下位机的控制软件通过串口通信压力值的采样频率作为控制命令发送到蝶阀控制器，蝶阀控制器基于该采样频率从压力传感器发送的实时压力值中进行压力值采样，并将基于该采样频率得到的压力值发送至控制软件，使控制软件获取到该采样频率下的压力数据集，上述控制软件可以安装在计算机等电子设备中。

在控制软件中设置压力值的采样频率，优化串口命令响应时间，将软件读取压力值线程串口属性修改为阻塞性，在一条命令发送与接收完成之后迅速发送第二条读取压力命令。漏率检测时控制软件还可以调度串口资源，正常生产过程中，压力线程要读取蝶阀角度、压力和实际设定值等命令，通过资源调度在漏率检测时，该串口资源只用于读取实时压力值，其他命令不进行响应，以提高串口响应速度。

通过设置压力值的采样频率可以优化串口发送命令的响应时间，并调度串口使用资源，在漏率检测过程中串口只用来连续快速读取压力值，使得在检漏工艺步时，每秒钟可以采集4个压力值，大大提升了数据采集速度。

步骤2，基于卡尔曼滤波算法对压力数据集进行滤波处理，以去除数据中的噪声还原真实数据。

步骤3，基于最小二乘法对滤波后的压力数据集进行曲线拟合，得到一次线性方程，基于压力值的采样频率确定1分钟的压力值采集数量，计算该线性方程的斜率与1分钟的压力值采集数量的乘积得到炉管的当前漏率。

对应于前述实施例所提供的方法，本发明实施例还提供了一种半导体工艺设备，包括反应腔室和控制单元，控制单元用于执行上述实施例提供的漏率检测方法，以检测半导体工艺设备中反应腔室的漏率。

上述反应腔室可以是PECVD设备的炉管，在等离子沉积之前可以基于控制单元对炉管进行漏率检测，以便在工艺之前检测炉管的漏率是否满足要求。

在一种实施方式中，上述控制单元与下位机通过串口通信，以使下位机以预设频率采集反应腔室的压力值；其中，上述串口属性可以设置为阻塞性。

上述控制单位可以是安装有控制软件的上位机，上述下位机可以包括蝶阀控制器和压力传感器，蝶阀控制器分别与压力传感器和蝶阀通信连接，压力传感器用于检测炉内压力，并将炉内的实时压力值通过电流方式传入蝶阀控制器。在正常生产过程中，控制单元通过串口执行从蝶阀控制器读取蝶阀角度、压力值及实际设定值(诸如压力设定值或蝶阀角度设定值)等命令，在执行上述漏率检测方法时，上述串口仅用于读取实时压力值，其他命令不响应，具体的，控制单元通过串口向蝶阀控制器发送读取压力命令并接收压力值，在一条命令发送与接收完成之后迅速发送第二条读取压力命令，以便快速收集大量的压力值数据，为漏率检测提供可靠的数据支撑。

本发明实施例提供了一种计算机可读介质，其中，所述计算机可读介质存储有计算机可执行指令，所述计算机可执行指令在被处理器调用和执行时，所述计算机可执行指令促使所述处理器实现上述实施例所述的方法。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统具体工作过程，可以参考前述实施例中的对应过程，在此不再赘述。

本发明实施例所提供的漏率检测方法及半导体工艺设备的计算机程序产品，包括存储了程序代码的计算机可读存储介质，所述程序代码包括的指令可用于执行前面方法实施例中所述的方法，具体实现可参见方法实施例，在此不再赘述。

另外，在本发明实施例的描述中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。

所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

在本发明的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。

最后应说明的是：以上所述实施例，仅为本发明的具体实施方式，用以说明本发明的技术方案，而非对其限制，本发明的保护范围并不局限于此，尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。