一种基于关联规则挖掘的不良根因路径分析方法及系统技术方案

本发明专利技术公开了一种基于关联规则挖掘的不良根因路径分析方法及系统，涉及智能制造与人工智能技术领域，本发明专利技术对关联规则挖掘算法做定制化的设计，基于改良的关联规则挖掘算法遍历所有可能设备路径组合，在满足设备路径样本量约束条件下，自动快速找到不良样本最为集中的设备路径，定位不良根因。本发明专利技术能够快速自动定位真正的根因，提升产品良率，且无需人工经验干预。

【技术实现步骤摘要】
一种基于关联规则挖掘的不良根因路径分析方法及系统
本专利技术涉及智能制造与人工智能
，具体地，涉及一种基于关联规则挖掘的不良根因路径分析方法及系统。
技术介绍
当前传统面板制造生产过程通常包含Array、CF、Cell和模组等流程，加工流程为在玻璃Glass基板上通过逐层叠加实现控制单元的生产，并通过RGB单元实现色彩的控制，然后将大的Glass板进行切割得到最终的Panel板，即最终面向客户的手机、电视屏幕，最后通过模组段来添加PCB控制等相关部件。在每个生产过程或阶段中，工厂均会通过电学检测或光学检测来识别产品的缺陷信息，并对缺陷进行汇总分类，即定义出缺陷的Code类别。当某种缺陷高发时，工厂会基于缺陷Code以及产品的生产履历、参数、特性值等信息定位问题根因，以实现不良问题的改善，提升产品良率。目前最新生产工艺当属OLED生产，区别于传统的CF板制造，具有更高的科技复杂度与成本投入，同时也更容易产生不良.提升产品良率的需求更加迫切。在路径分析方面，传统的分析方法是基于经验找到最可能发生缺陷的工艺段范围，在该范围内，分析最容易导致玻璃发生不良的设备路径组合。综合考虑经过路径的样本不能太少，同时要求不良样本比较集中，在这些设备路径组合中，按经验抽出几个作对比分析。传统方法很大程度上依赖经验做范围缩小，一方面过于依赖人员分析，当面对海量数据和不良code时，效率很低，另一方面只将可能路径组合中的很少部分拿出来做了对比分析，难以有效找到真正的根因。
技术实现思路
本专利技术针对不良根因路径分析的工厂场景，对关联规则挖掘算法做定制化的设计，基于改良的关联规则挖掘算法遍历所有可能设备路径组合，在满足设备路径样本量约束条件下，自动快速找到不良样本最为集中的设备路径，定位不良根因。本专利技术能够快速自动定位真正的根因，且无需人工经验干预，能够提升产品良率。为实现上述目的，本专利技术一方面提供了一种基于关联规则挖掘的不良根因路径分析方法，所述方法包括：采集样本产品生产数据；剔除样本产品生产数据中无识别能力和不具有分析意义的站点子设备，得到待分析的站点子设备集合A；针对集合A中的每个站点子设备，计算经过该站点子设备的不良产品占全部检出不良产品数量的比例K，若比例K的值超过预设阈值，则将该站点子设备加入候选设备集S；基于候选设备集S搜索设备路径组合，得到设备路径组合搜索结果；计算设备路径组合搜索结果中所有组合的提升度，按提升度降序排序，获得每个设备路径深度的最大提升度，计算相邻设备路径深度最大提升度的差值，获得相邻设备路径深度最大提升度的增长幅度，其中，相邻的设备路径深度是指深度的值相邻，比如记录结果的字典表中，深度值为2与深度值1、3两个相邻；基于相邻设备路径深度最大提升度的增长幅度，获得相邻设备路径深度最大提升度的最大增长幅度对应的深度L；利用深度L对应的设备路径组合中最大提升度对应的设备路径获得不良根因路径分析结果。其中，本专利技术通过对产品的加工设备路径进行分析，定制化调整设计关联规则挖掘算法，能够快速有效的定位真正的不良根因，解决传统分析依赖人工经验以及分析不足，分析效率低，难以有效找到真正根因的问题。优选的，考虑到一定的样本误差，当比例超过一定的比例时，则认为所有产品都经过了该子设备，则该子设备无识别能力需要剔除该子设备相关记录不做分析。剔除样本产品生产数据中无识别能力的站点子设备包括：遍历样本产品生产数据中的所有站点子设备，计算经过站点子设备的产品数量占全部样本产品数量的比例Q，当Q大于或等于预设比例值时，则剔除该站点子设备相关生产数据。剔除样本产品生产数据中不具有分析意义的站点子设备包括：若Q小于检出不良率P的预设百分比，则剔除该站点子设备相关生产数据。优选的，本专利技术采用了改进型关联规则挖掘算法进行设备路径组合搜索，其中，基于候选设备集S搜索设备路径组合得到设备路径组合搜索结果，具体包括：候选设备集S中具有N个站点子设备；最多执行N次搜索，执行第一次搜索时，基于候选设备集S，获得深度为1的设备路径组合搜索结果；执行第M次搜索时，M大于或等于2，且M小于或等于N，判断深度为M-1的设备路径组合结果中设备路径数量是否大于或等于2，若否则退出搜索，获得深度为M-1的设备路径组合搜索结果；若是则分别判断S中的每个站点子设备是否在深度为M-1的设备路径中，若某个站点子设备不在深度为M-1的设备路径中，则将该站点子设备加入深度为M-1的设备路径中生成新的设备路径，计算从新的设备路径输出的不良产品占全部产品样本的比例T，若比例T低于检出不良率P的预设百分比，则剔除当前新生成的路径。若当前新生成的路径均被剔除则退出搜索，否则更新输出设备路径组合，获得深度为M的设备路径组合搜索结果；基于获得深度为1至深度为N的设备路径组合搜索结果得到最终的设备路径组合搜索结果。其中，本专利技术还包括将更新后的设备路径组合存入字典表，存储主键为深度，值为设备组合路径结果，得到设备路径组合搜索结果。算法要求分别对不同深度的设备组合按提升度排序，且不同深度设备组合数量不固定，以字典结构存储数据最方便，方便快速查看对比。优选的，本专利技术中的所述方法还包括计算设备路径组合搜索结果的过片量，过片量为经过当前设备路径组合的产品数量。过片量代表当前统计结果所依赖的样本数量，只有在样本量较为充分时，结果才更可靠，具有参考性。优选的，本专利技术中所述方法还包括计算设备路径组合搜索结果的支持度，支持度为经过当前设备路径不良产品数量占全部产品样本的比例。支持度代表当前路径组合是否是不良产品的频繁路径，极少经过的路径自然不会是导致产品发生不良的路径，需要剔除这种路径。优选的，本专利技术中所述方法还包括计算设备路径组合搜索结果的解释度，解释度为当前不良产品数量占全部检出不良产品的比例。解释度代表了当前路径组合的重要程度，值越大，说明越有更多的不良从这个路径中产生，这个路径就更可疑。另一方面，本专利技术还提供了一种基于关联规则挖掘的不良根因路径分析系统，所述系统包括：样本产品生产数据采集单元，用于采集样本产品生产数据；样本产品生产数据处理单元，用于剔除样本产品生产数据中无识别能力和不具有分析意义的站点子设备，得到待分析的站点子设备集合A；候选设备集获得单元，用于针对集合A中的每个站点子设备，计算经过该站点子设备的不良产品占全部检出不良产品数量的比例K，若比例K的值超过预设阈值，则将该站点子设备加入候选设备集S；设备路径组合搜索单元，用于基于候选设备集S搜索设备路径组合，得到设备路径组合搜索结果；计算单元，用于计算设备路径组合搜索结果中所有组合的提升度，按提升度降序排序，得到每个设备路径深度的最大提升度，计算相邻设备路径深度最大提升度的差值，得到相邻设备路径深度最大提升度的增长幅度；不良根因路径分析单元，用于基于相邻设备路径深度最大提升度的增长幅度，得到相邻设备路径深度最大提升度的本文档来自技高网...

【技术保护点】
1.一种基于关联规则挖掘的不良根因路径分析方法，其特征在于，所述方法包括：/n采集样本产品生产数据；/n剔除样本产品生产数据中无识别能力和不具有分析意义的站点子设备，得到待分析的站点子设备集合A；/n针对集合A中的每个站点子设备，计算经过该站点子设备的不良产品占全部检出不良产品数量的比例K，若比例K的值超过预设阈值，则将该站点子设备加入候选设备集S；/n基于候选设备集S搜索设备路径组合，得到设备路径组合搜索结果；/n计算设备路径组合搜索结果中所有组合的提升度，按提升度降序排序，获得每个设备路径深度的最大提升度，计算相邻的设备路径深度最大提升度的差值，获得相邻设备路径深度最大提升度的增长幅度；/n基于相邻设备路径深度最大提升度的增长幅度，获得相邻设备路径深度最大提升度的最大增长幅度对应的深度L；/n利用深度L对应的设备路径组合中最大提升度对应的设备路径获得不良根因路径分析结果。/n

【技术特征摘要】
1.一种基于关联规则挖掘的不良根因路径分析方法，其特征在于，所述方法包括：
采集样本产品生产数据；
剔除样本产品生产数据中无识别能力和不具有分析意义的站点子设备，得到待分析的站点子设备集合A；
针对集合A中的每个站点子设备，计算经过该站点子设备的不良产品占全部检出不良产品数量的比例K，若比例K的值超过预设阈值，则将该站点子设备加入候选设备集S；
基于候选设备集S搜索设备路径组合，得到设备路径组合搜索结果；
计算设备路径组合搜索结果中所有组合的提升度，按提升度降序排序，获得每个设备路径深度的最大提升度，计算相邻的设备路径深度最大提升度的差值，获得相邻设备路径深度最大提升度的增长幅度；
基于相邻设备路径深度最大提升度的增长幅度，获得相邻设备路径深度最大提升度的最大增长幅度对应的深度L；
利用深度L对应的设备路径组合中最大提升度对应的设备路径获得不良根因路径分析结果。


2.根据权利要求1所述的基于关联规则挖掘的不良根因路径分析方法，其特征在于，剔除样本产品生产数据中无识别能力的站点子设备包括：
遍历样本产品生产数据中的所有站点子设备，计算经过站点子设备的产品数量占全部样本产品数量的比例Q，当Q大于或等于预设比例值时，则剔除该站点子设备相关生产数据。


3.根据权利要求2所述的基于关联规则挖掘的不良根因路径分析方法，其特征在于，剔除样本产品生产数据中不具有分析意义的站点子设备包括：若Q小于检出不良率P的预设百分比，则剔除该站点子设备相关生产数据。


4.根据权利要求1-3中任意一个所述的基于关联规则挖掘的不良根因路径分析方法，其特征在于，基于候选设备集S搜索设备路径组合，得到设备路径组合搜索结果，具体包括：
候选设备集S中具有N个站点子设备；
最多执行N次搜索，执行第一次搜索时，基于候选设备集S，获得深度为1的设备路径组合搜索结果；
执行第M次搜索时，M大于或等于2，且M小于或等于N，判断深度为M-1的设备路径组合结果中设备路径数量是否大于或等于2，若否则退出搜索，获得深度为M-1的设备路径组合搜索结果；若是则分别判断S中的每个站点子设备是否在深度为M-1的设备路径中，若某个站点子设备不在深度为M-1的设备路径中，则将该站点子设备加入深度为M-1的设备路径中生成新的设备路径，计算从新的设备路径输出的不良产品占全部产品样本的比例T，若比例T低于检出不良率P的预设百分比，则剔除当前新生成的路径；若当前...

【专利技术属性】
技术研发人员：不公告发明人，
申请(专利权)人：成都数之联科技有限公司，
类型：发明
国别省市：四川;51