PHM 2018 — 离子铣蚀刻机故障 + RUL

PHM 2018 数据挑战赛提供晶圆制造离子铣蚀刻（Ion Mill Etching）工具的多传感器时序数据，60 个 CSV 文件（20 训练 + 20 含异常标注 + 20 TTF），24 路传感器（电压、电流、压力、流量），低采样率（约 0.25 Hz，即 4 秒一次），3 类冷却液故障模式：FlowCool 压力低（F1）、FlowCool 压力高（F2）、FlowCool 泄漏（F3），逐点标记并提供 TTF（time-to-failure）标签。数据集同时支持 FDC（故障检测与分类）和 RUL 预测，是少数同时覆盖两类任务的半导体设备公开数据集。典型预处理建议：根据主操作状态分段、异常前降采样/重采样对齐、降维特征工程（主成分分析）。可与 NASA C-MAPSS 组合用于跨领域 RUL 方法评估。社区使用情况：后续大量深度学习论文以此为基准，涵盖 GRU/LSTM、TCN、Transformer 及混合架构，是半导体设备 RUL 领域引用最多的公开数据集之一。

少数同时覆盖故障分类 + RUL 的半导体设备时序集。

• A Practical Hybrid Framework for RUL Prediction in Ion Mill Etching by Integrating Operational States
  PHM Society Asia-Pacific Conference, 2025 — Minamitu et al.
  状态感知混合框架，深度学习 + 规则与统计方法集成，覆盖完整设备生命周期预测盲区
• Machine Learning Approaches for Diagnostics and Prognostics of Industrial Systems Using Open Source Data from PHM Data Challenges: A Review
  IJPHM, 2024 — Multiple authors
  系统综述 PHM 2018 离子铣蚀刻赛道全部主流方法（GRU/TCN/Transformer）
• Deep Learning-Based Remaining Useful Life Prediction Method with Transformer Module and Random Forest
  Mathematics (MDPI), 2022 — Multiple authors
  Transformer 模块 + 随机森林识别健康状态后预测 RUL，PHM 2018 离子铣蚀刻数据验证
• Remaining useful life prediction for ion etching machine cooling system using deep recurrent neural network-based approaches
  Control Engineering Practice, 2021 — Multiple authors
  GRU/GRU-FC 深度循环网络，样本筛选 + 新特征构造 + 退化预警，SMAPE 优于所有对比方法

• NASA DASHlink 1009