PHM Data Challenge 18

用于蚀刻工具故障检测（PdM）的数据集。

A dataset for fault detection in etching tools (PdM).

原始信息汇总

数据集概述

行业分类与标签

• Sector (行业): 包括半导体(semicon)、化学(chemical)、电力(power)、汽车(automotiv)、机械(mechanical)、钢铁(steel)、电池(battery)、其他(etc)。
• Label (标签): 数据集是否标记，包括明确标记(labeled-yes)、隐式标记(labeled-implicit)、仅元数据标记(labeled-meta-only)、未标记(labeled-no)。
• Time-series (时间序列): 数据是否为时间序列，包括是(time-series-yes)和否(time-series-no)。
• Simulation (模拟): 数据是否为模拟数据，包括是(simulation-yes)和否(simulation-no)。

数据集列表

半导体行业

• PHM Data Challenge 18: 蚀刻工具故障检测(PdM)。标记为明确标记，时间序列为是，非模拟数据。
• SECOM: 半导体制造过程数据。标记为明确标记，时间序列为是，非模拟数据。

化学行业

• Gas Sensor Array Drift: 包含16种化学传感器对6种不同气体浓度水平的13910次测量。标记为明确标记，时间序列为是，模拟数据。
• Chemical Detection Platform: 包含18000次时间序列记录，响应10种高优先级化学气体。标记为明确标记，时间序列为是，模拟数据。
• Dynamic Gas Mixtures: 包含16种化学传感器对两种动态气体混合物的记录。标记为明确标记，时间序列为是，模拟数据。

机械行业

• C-MAPSS: 发动机退化模拟。标记为隐式标记，时间序列为是，模拟数据。
• CNC Mill Tool Wear: 从CNC机器收集的加工数据，用于工具状况、进给率和夹紧压力的变化。标记为仅元数据标记，时间序列为是，模拟数据。
• Naval Propulsion Plants: 描述COmbined Diesel eLectric And Gas (CODLAG)推进装置类型。标记为明确标记，非时间序列数据。
• PHM Data Challenge 17: 使用提供的物理建模方法预测列车操作故障状态。标记为隐式标记，时间序列为是，模拟数据。

钢铁行业

• Steel Plates Faults: 标记为明确标记，非时间序列数据。

电力行业

• Appliance Energy: 用于创建低能耗建筑中设备能耗回归模型的实验数据。标记为明确标记，时间序列为是。
• Combined Cycle Power Plant: 描述6年内的联合循环发电厂。标记为明确标记，非时间序列数据。
• GREEND: 包含奥地利和意大利多个家庭的电力测量数据。标记为隐式标记。
• Eco(Electricity Consumption & Occupancy): 用于非侵入式负载监控和占用检测研究的综合数据集。标记为明确标记，时间序列为是。
• UK DALE dataset: 记录五栋房屋的电力需求。标记为明确标记，时间序列为是。
• BLUED dataset: 包含美国一个家庭一周的电压和电流测量。标记为明确标记，时间序列为是。
• REDD: 用于能源分解研究的公共数据集，包含多个家庭的详细电力使用信息。标记为明确标记，时间序列为是。

电池行业

• Experiments on Li-ion batteries: 在不同温度下充电和放电，记录阻抗作为损伤标准。
• Panasonic 18650PF Li-ion Battery Data: 松下18650PF锂离子电池数据。
• Cycle Engineering Battery Group: 循环工程电池组数据。

其他行业

• Hill-Valley: 用于测试模式检测方法的数据集。标记为明确标记，非时间序列数据。
• Machine Failures: 机器故障数据集。标记为明确标记，时间序列为是。
• APS System Failures: APS系统故障数据集。标记为明确标记，非时间序列数据。

搜集汇总

数据集介绍

构建方式

PHM Data Challenge 18数据集针对半导体行业中的蚀刻工具故障检测问题构建，包含了实际生产过程中的时序数据，数据采集过程中未涉及模拟环节，确保了数据的真实性和有效性。

使用方法

使用该数据集时，研究者可以直接利用其提供的时序数据进行故障检测模型的训练和验证。数据集已经过预处理，可以直接加载到分析环境中，按照时间序列分析的常规流程进行处理。

背景与挑战

背景概述

PHM Data Challenge 18数据集，诞生于工业界对半导体制造过程中设备故障检测的迫切需求，由MakinaRocks团队于2018年整理发布。该数据集专注于蚀刻工具的故障检测，旨在推动预测性维护（PdM）技术的发展。数据集标记详尽，包含时间序列信息，可为研究人员提供关于半导体行业设备运行状况的宝贵数据资源。

当前挑战

在研究领域，PHM Data Challenge 18数据集面临的挑战主要包括：如何准确识别和分类复杂的故障模式，以及如何处理和分析高维度的时间序列数据。在构建过程中，挑战则体现在数据采集的真实性、完整性和数据标注的一致性上。此外，由于半导体制造环境的复杂多变，模拟数据与实际数据之间的差异也带来了额外的挑战。

常用场景

经典使用场景

PHM Data Challenge 18数据集在半导体制造领域具有显著的应用价值，其经典使用场景主要集中于蚀刻工具的故障检测，通过对实时采集的时间序列数据进行深入分析，能够有效识别工具的异常状态，为预测性维护提供重要依据。

解决学术问题

该数据集解决了半导体行业中设备故障检测的难题，有助于学术界深入研究故障诊断与预测性维护技术，推动相关理论研究与实际应用的结合，对于提高生产效率与降低维护成本具有重要意义。

实际应用

在实际应用中，PHM Data Challenge 18数据集可用于半导体制造过程中的实时监控与故障预警，通过分析数据集提供的时间序列信息，企业可以及时调整生产策略，降低故障风险，提升产品质量。

数据集最近研究

最新研究方向

PHM Data Challenge 18数据集在本领域的最新研究方向主要集中于半导体行业的故障检测与预测性维护（PdM）。该数据集提供了蚀刻工具的故障检测相关的时间序列数据，其研究对于提升半导体制造过程中的设备可靠性具有重要意义。当前研究热点聚焦于通过深度学习等方法对故障信号进行识别和分类，以及利用时间序列分析技术进行故障趋势的预测，以实现生产过程中的实时监控和优化。