一种设备参数根因定位方法及系统、装置、介质制造方法及图纸

本发明专利技术公开了一种设备参数根因定位方法及系统、装置、介质，涉及智能制造与人工智能技术领域，本发明专利技术基于设备参数实际表现值数据，综合采用主成分分析和均值聚类相结合的方法识别可疑设备，并应用判别分析方法定位设备可疑参数；本发明专利技术既弥补了现有方法无法有效分析单设备可疑参数的不足，同时也极大缩减传统分析方法的时间成本，实现快速定位根因，减少人工处理大量履历参数数据的负担，提高不良根因定位效率，减少生产成本。减少生产成本。减少生产成本。

【技术实现步骤摘要】
一种设备参数根因定位方法及系统、装置、介质


[0001]本专利技术涉及智能制造与人工智能
，具体地，涉及一种设备参数根因定位方法及系统、装置、介质。

技术介绍

[0002]在玻璃生产过程中，制程设备(制程设备指产品加工制造工艺中需要使用到的设备)会自动留存其在制作玻璃过程中对应的参数实际状态值，对于相同工艺的大批量玻璃而言，制程设备的参数设定值保持一致，但不同程度的波动幅度可能会导致不良玻璃的产出。现有技术方法一般是假设玻璃样本充分大，不良样本足够，基于XGboost、logistic回归等回归方法，综合分析多设备对不良发生的共同效果。
[0003]然而实际生产过程中记录的数据可能会存在大量缺失，这使得直接应用传统的机器学习方法识别参数的波动的效果不好。另外最常见的缺失是因为设备参数数据中部分参数实际状态值是先后发生的，而且玻璃在不同平行加工设备中虽然参数设定值一致，实际表现可能大不一样，最终无法形成一个所有玻璃样本的数据宽表，致使传统机器学习方法只能考虑应用在单台设备上收集的数据。这里还有一个问题无法忽略，先后发生的设备参数实际状态值对应着同一个样本标签因变量，这样后续设备参数波动导致产生的不良将直接干扰前面设备参数波动对不良发生的相关性分析，也会影响传统方法识别参数波动的效果。

技术实现思路

[0004]本专利技术提供了一种设备参数根因定位方法及系统、装置、介质，本专利技术基于设备参数实际表现值数据，综合应用主成分分析和均值聚类相结合的方法识别可疑设备，并应用判别分析方法定位设备可疑参数。本专利技术既弥补了现有方法无法有效分析单设备可疑参数的不足，同时也极大缩减传统分析方法的时间成本，实现快速搜索根因，减少人工处理大量履历参数数据的负担，提高不良根因定位效率，减少生产成本。
[0005]为实现上述目的，本专利技术一方面提供了一种设备参数根因定位方法，产品的制程设备包括设备A1至设备A
n
，n为大于或等于2的整数，所述方法包括：
[0006]针对设备A1至设备A
n
获得每个设备对应的关联强度值和校正预测标签，将得到的所有关联强度值降序排序，获取排序前若干位设备对应的校正预测标签数据，记为第五分析数据；
[0007]针对第五分析数据，依次分析各个设备，提取对应设备的第二分析数据属性列数据和校正预测标签数据分别作为自变量和分类因变量，分析出最优划分分类因变量的自变量线性组合得到组合系数，组合系数记为设备参数的权重系数，并按权重系数的绝对值降序排序；
[0008]将组合系数以设备参数为索引整合形成设备参数根因定位表，将设备参数根因定位表中每个设备对应的关联强度值与权重系数绝对值的乘积作为排序字段，按降序排序得
到排序结果，基于排序结果得到设备参数根因定位结果。
[0009]针对设备A1至设备A
n
分别进行如下处理：
[0010]针对设备A
i
，1≤i≤n，将设备A
i
记录的参数实际值以产品名为索引，以参数名为属性名整理形成第一分析数据；
[0011]将第一分析数据中属性数据做规范化处理得到第二分析数据；
[0012]取出第二分析数据中属性列的数据，获取属性列数据中的主成分并按主成分解释方差排序，基于主成分排序结果和主成分累积解释方差占比从主成分中选取候选主成分；
[0013]利用候选主成分的系数矩阵对输入的第二分析数据做线性变换得到得分矩阵数据，得分矩阵数据记为第三分析数据；
[0014]针对第三分析数据，使用聚类算法聚类形成2个类别，输出记录每个产品样本的聚类标签得到第四分析数据；
[0015]取出产品最终检出良与不良的标签数据，并以产品名为索引关联分析第四分析数据，按产品样本的聚类标签分组，分别统计不良占比，输出分组结果中的最大不良占比值得到关联强度值；
[0016]将最大不良占比所在聚类标签且实际为不良的调整为1，其余调整为0，得到校正预测标签。
[0017]优选的，本专利技术针对设备A
i
，1≤i≤n，将设备A
i
记录的参数实际值以产品名为索引，以参数名为属性名整理形成宽表，剔除宽表缺失率超过预设百分比的属性列以及属性列的值为常值且标准差为0的属性列，对保留的属性列以属性的中位数进行缺失值插补，得到第一分析数据，其中，本方法要求数据不存在缺失值，如果缺失需要进行插补，如果缺失率太高，插补缺失值会扭曲数据误导分析结果，这种情况下需要剔除；另外恒常值属性没有提供任何信息，凭空增加数据维度复杂性应剔除。
[0018]优选的，本方法将第一分析数据按属性均值中心化后再除以标准差得到第二分析数据。其中，本方法先使用主成分分析，要求做数据标准化，防止个别属性量纲对分析结果的影响。
[0019]优选的，本方法使用主成分分析获取属性列数据中的主成分。其中，原始数据的参数属性维度高，噪音大且存在共线性，会干扰后续的聚类分析，故而需要先提取主成分，获取主要有用信息。
[0020]其中，使用主成分分析获取属性列数据中的主成分的具体步骤或方式为：
[0021]1、计算第二分析数据的协方差矩阵；
[0022]2、做协方差矩阵的特征分解，特征向量即为主成分系数，特征值记为主成分解释方差；
[0023]3、按解释方差降序，取排序靠前累和占比超过80％的主成分。
[0024]优选的，本方法针对第三分析数据，使用聚类算法聚类形成2个类别，本实施例中采用Kmeans聚类算法，但不限定为Kmeans聚类算法，如谱聚类、系统聚类等。
[0025]优选的，本方法使用线性判别分析给出最优划分分类因变量的自变量线性组合得到组合系数。其中，本方法期望找到能识别分类因变量的自变量以及自变量的贡献效应，判别分析整合符合要求。
[0026]其中，使用线性判别分析给出最优划分分类因变量的自变量线性组合得到组合系
数具体为：设置待定系数作为权重，对自变量加权求和，按两个分类组别统计组内方差和组间方差，以组内方差除以组间方差取值最小化为优化目标，得到优化问题解即为待定系数的解。
[0027]本专利技术还提供了一种设备参数根因定位系统，产品的制程设备包括设备A1至设备A
n
，n为大于或等于2的整数，所述系统包括：
[0028]第一待处理分析数据得到单元，用于针对设备A1至设备A
n
获得每个设备对应的关联强度值和校正预测标签，将得到的所有关联强度值降序排序，获取排序前若干位设备对应的校正预测标签数据，记为第一待处理分析数据；
[0029]第二待处理分析数据得到单元，用于针对设备A
i
，1≤i≤n，将设备A
i
记录的参数实际值以产品名为索引，以参数名为属性名并将属性数据做规范化处理得到第二待处理分析数据；
[0030]设备参数的权重系数得到及排序单元，用于针对第一待处理分析数据，依次分析各个设备本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种设备参数根因定位方法，其特征在于，产品的制程设备包括设备A1至设备A
n
，n为大于或等于2的整数，所述方法包括：针对设备A1至设备A
n
获得每个设备对应的关联强度值和校正预测标签，将得到的所有关联强度值降序排序，获取排序前若干位设备对应的校正预测标签数据，记为第一待处理分析数据；针对设备A
i
，1≤i≤n，将设备A
i
记录的参数实际值以产品名为索引，以参数名为属性名并将属性数据做规范化处理得到第二待处理分析数据；针对第一待处理分析数据，依次分析各个设备，提取设备对应的第二待处理分析数据中的属性列数据和校正预测标签数据分别作为自变量和分类因变量，分析出最优划分分类因变量的自变量线性组合得到组合系数，组合系数记为设备参数的权重系数，并按权重系数的绝对值降序排序；将组合系数以设备参数为索引整合形成设备参数根因定位表，将设备参数根因定位表中每个设备对应的关联强度值与权重系数绝对值的乘积作为排序字段，按降序排序得到排序结果，基于排序结果得到设备参数根因定位结果。2.根据权利要求1所述的设备参数根因定位方法，其特征在于，针对设备A1至设备A
n
分别进行如下处理：针对设备A
i
，1≤i≤n，将设备A
i
记录的参数实际值以产品名为索引，以参数名为属性名整理形成第一分析数据；将第一分析数据中属性数据做规范化处理得到第二分析数据；取出第二分析数据中属性列的数据，获取属性列数据中的主成分并按主成分解释方差排序，基于主成分排序结果和主成分累积解释方差占比从主成分中选取候选主成分；利用候选主成分的系数矩阵对输入的第二分析数据做线性变换得到得分矩阵数据，得分矩阵数据记为第三分析数据；针对第三分析数据，使用聚类算法聚类形成2个类别，输出记录每个产品样本的聚类标签得到第四分析数据；取出产品最终检出良与不良的标签数据，并以产品名为索引关联分析第四分析数据，按产品样本的聚类标签分组，分别统计不良占比，输出分组结果中的最大不良占比值，得到关联强度值；将最大不良占比所在聚类标签且实际为不良的调整为1，其余调整为0，得到校正预测标签。3.根据权利要求2所述的设备参数根因定位方法，其特征在于，针对设备A
i
，1≤i≤n，将设备A
i
记录的参数实际值以产品名为索引，以参数名为属性名整理形成宽表，剔除宽表缺失率...

【专利技术属性】
技术研发人员：ꢀ七四专利代理机构，
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：