一种基于人工智能的电子元器件生产数据管理系统及方法技术方案

本发明专利技术公开了一种基于人工智能的电子元器件生产数据管理系统及方法，属于电子元器件生产数据管理技术领域。本系统包括生产工序流程列表管理模块、偏差值预警模块、人工智能分析模块、数据标记模块以及电子元器件生产调节模块；所述生产工序流程列表管理模块的输出端与所述偏差值预警模块的输入端相连接；所述偏差值预警模块的输出端与所述人工智能分析模块的输入端相连接；所述人工智能分析模块的输出端与所述数据标记模块的输入端相连接；所述数据标记模块的输出端与所述电子元器件生产调节模块的输入端相连接。本发明专利技术能够在电子元器件生产过程中，基于前序偏差以人工智能的形式分析后续影响，统一流程修改参数，提高工作效率。效率。效率。

【技术实现步骤摘要】
一种基于人工智能的电子元器件生产数据管理系统及方法


[0001]本专利技术涉及电子元器件生产数据管理
，具体为一种基于人工智能的电子元器件生产数据管理系统及方法。

技术介绍

[0002]电子元器件是指在工厂生产加工时不改变分子成分的成品。其中，集成电路是一种特殊的电子元器件，也是目前最重要的电子元器件之一，其是一种采用特殊工艺，将晶体管、电阻、电容等元件集成在硅基片上而形成的具有一定功能的器件。小规模集成电路一般包括基本逻辑门、触发器、寄存器、译码器、驱动器、计数器、整形电路、可编程逻辑器件、微处理器、单片机、DSP等。
[0003]在集成电路的生产过程中，一般包括多道工序，每一道工序都存在检验标准，在目前的行业生产中，一般在每一道工序结束后，若发现校正出现偏差，开始对下一工序的生产参数进行调整，以保证在下一道工序结束时，偏差能够降低，但实际中，许多偏差的影响往往在多个工序后才显现出来，较小的偏差对实际工况影响不大，而目前，缺乏对于初始偏差的分析，以及初始偏差对后续生产的影响，导致工作繁重，效率低下。

技术实现思路

[0004]本专利技术的目的在于提供一种基于人工智能的电子元器件生产数据管理系统及方法，以解决上述
技术介绍
中提出的问题。
[0005]为了解决上述技术问题，本专利技术提供如下技术方案：一种基于人工智能的电子元器件生产数据管理方法，该方法包括以下步骤：S1、获取电子元器件生产工序流程，将每一个生产工序标记为一个数据节点，获取每一个数据节点的电子元器件生产工序标准值，所述标准值指电子元器件生产工序的系统合格检验值；S2、获取初始数据节点的实际值，计算与标准值形成的偏差值，设置偏差阈值，若不高于偏差阈值，则进行下一生产工序队列，若高于偏差值，报警至管理员端口；S3、获取历史数据下每个数据节点的正常偏差值与偏差影响值，所述正常偏差值指前一工序以标准值结束时，相邻的下一工序出现的偏差值，所述偏差影响值指前一工序以偏差值结束时，相邻的下一工序出现的偏差值，构建相邻生产工序之间的偏差分析模型；S4、获取不同批次下的初始数据节点的偏差值，根据偏差分析模型生成后续所有生产工序的偏差值，若存在后续任一生产工序的偏差值超出设置的偏差阈值，标记生产线以及首次出现超出偏差阈值对应的数据节点；S5、采集数据节点被标记的次数，按照从多到少的顺序对数据节点进行排序，对不同批次的生产队列进行调整，将同一数据节点被标记的生产线构建一个集合，在对集合内生产线进行电子元器件生产时，调整对应的数据节点参数，保证集合内所有生产线输出的偏差值满足偏差阈值。
[0006]根据上述技术方案，所述偏差值指实际值与标准值之间的差值的绝对值，在电子元器件生产中包括工序：单晶硅片制造、IC设计、光罩制作、IC制造、IC测试和封装，在每项工序结束后，获取电子元器件的各项实际参数，根据下列方式计算输出偏差值：
[0007]其中，P代表偏差值；代表电子元器件参数i的实际值；代表电子元器件参数i的标准值；n代表参与测试的电子元器件参数总量。
[0008]在上述技术方案中，提出了偏差值的计算方式，由于电子元器件的各项实际参数均可能不同于标准值，因此偏差值实际上是以偏差总和来计算的，实际计算过程中，采用总和平均值也是可以的。
[0009]根据上述技术方案，所述偏差分析模型包括：获取历史数据下每个数据节点的正常偏差值与偏差影响值，其中正常偏差值记为W，偏差影响值记为M；任取某一工序，在历史数据中选取j组正常偏差值，计算其平均值记为W
avc
；选取同一工序下的T组偏差影响值以及对应偏差影响值的上一工序的偏差值，计算偏差影响值与W
avc
之间的差值，结合对应偏差影响值的上一工序的偏差值形成组合队列[W
K
,M
K
]；其中W
K
指对应偏差影响值的上一工序的偏差值；M
K
指偏差影响值与W
avc
之间的差值；K指序号标签，取值范围为[1，T]；获取T组组合队列，形成数据矩阵：
[0010]对数据矩阵R计算协方差矩阵：
[0011]其中，代表协方差矩阵；代表逆矩阵；对于协方差矩阵Q，利用特征方程，其中，为特征值，为单位矩阵；计算得出特征值；将每个特征值代入特征方程中，得出每个特征值下对应的特征向量x；在上述技术方案中，数据矩阵是以多维形式出现的，其数据之间是互相有影响的，直接进行分析会导致数据过拟合，数据结果混乱，需要将数据降低至一维层面来处理，利用特征值和特征向量把数据矩阵转换后，在分析转换后的下一层数据，根据可获取的上一工序偏差，即可对应得出当前工序预测偏差。在每一道工序的计算过程中，初始偏差是实际发生的，后续的每一个上一工序偏差均是采用前序的预测偏差。
[0012]对特征值从大到小排序，选择其中最大的L个，然后将其对应的特征向量分别作为行向量组成特征向量矩阵F；其中，L为系统设置一个常数，满足L时对应的特征向量的总数量不超过T；利用特征向量矩阵F的第一行与数据矩阵R相乘，输出转换后的数据矩阵R1；根据数据矩阵R1中的数据，以灰色预测方式输出数据，作为当前工序的下一次转换数据值；
具体步骤包括：对数据矩阵R1中的数据进行数据处理，生成R2、R3数据集合；所述数据处理包括灰色累加、紧邻均值，其中R2为灰色累加的数据集合，R3为在R2的基础上进行紧邻均值的数据集合；其中计算包括：
[0013]其中，e代表自然对数；分别为R2的白化微分方程中的发展系数、灰作用量；根据计算的反馈至数据矩阵R中，根据形成的组合队列中W
T+1
，输出M
T+1
，计算M
T+1
与W
avc
的和作为当前工序下的偏差值。
[0014]根据上述技术方案，在步骤S4中，还包括：根据偏差分析模型，形成每一道生产工序基于上一工序的偏差值对应的当前工序偏差值；获取不同批次下的初始数据节点的偏差值，根据偏差分析模型依次生成后续所有生产工序的偏差值，若存在后续任一生产工序的偏差值超出设置的偏差阈值，标记生产线以及首次出现超出偏差阈值对应的数据节点。
[0015]一种基于人工智能的电子元器件生产数据管理系统，该系统包括：生产工序流程列表管理模块、偏差值预警模块、人工智能分析模块、数据标记模块以及电子元器件生产调节模块；所述生产工序流程列表管理模块用于获取电子元器件生产工序流程，将每一个生产工序标记为一个数据节点，获取每一个数据节点的电子元器件生产工序标准值；所述偏差值预警模块用于获取初始数据节点的实际值，计算与标准值形成的偏差值，设置偏差阈值，若不高于偏差阈值，则进行下一生产工序队列，若高于偏差值，报警至管理员端口；所述人工智能分析模块用于获取历史数据下每个数据节点的正常偏差值与偏差影响值，构建相邻生产工序之间的偏差分析模型；所述数据标记模块用于获取不同批次下的初始数据节点的偏差值，根据偏差分析模型生成后续所有生产工序的偏差值，若存在后续任一生产工序的偏差值本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人工智能的电子元器件生产数据管理方法，其特征在于：该方法包括以下步骤：S1、获取电子元器件生产工序流程，将每一个生产工序标记为一个数据节点，获取每一个数据节点的电子元器件生产工序标准值，所述标准值指电子元器件生产工序的系统合格检验值；S2、获取初始数据节点的实际值，计算与标准值形成的偏差值，设置偏差阈值，若不高于偏差阈值，则进行下一生产工序队列，若高于偏差值，报警至管理员端口；S3、获取历史数据下每个数据节点的正常偏差值与偏差影响值，所述正常偏差值指前一工序以标准值结束时，相邻的下一工序出现的偏差值，所述偏差影响值指前一工序以偏差值结束时，相邻的下一工序出现的偏差值，构建相邻生产工序之间的偏差分析模型；S4、获取不同批次下的初始数据节点的偏差值，根据偏差分析模型生成后续所有生产工序的偏差值，若存在后续任一生产工序的偏差值超出设置的偏差阈值，标记生产线以及首次出现超出偏差阈值对应的数据节点；S5、采集数据节点被标记的次数，按照从多到少的顺序对数据节点进行排序，对不同批次的生产队列进行调整，将同一数据节点被标记的生产线构建一个集合，在对集合内生产线进行电子元器件生产时，调整对应的数据节点参数，保证集合内所有生产线输出的偏差值满足偏差阈值。2.根据权利要求1所述的一种基于人工智能的电子元器件生产数据管理方法，其特征在于：所述偏差值指实际值与标准值之间的差值的绝对值，在电子元器件生产中包括工序：单晶硅片制造、IC设计、光罩制作、IC制造、IC测试和封装，在每项工序结束后，获取电子元器件的各项实际参数，根据下列方式计算输出偏差值：其中，P代表偏差值；代表电子元器件参数i的实际值；代表电子元器件参数i的标准值；n代表参与测试的电子元器件参数总量。3.根据权利要求2所述的一种基于人工智能的电子元器件生产数据管理方法，其特征在于：所述偏差分析模型包括：获取历史数据下每个数据节点的正常偏差值与偏差影响值，其中正常偏差值记为W，偏差影响值记为M；任取某一工序，在历史数据中选取j组正常偏差值，计算其平均值记为W
avc
；选取同一工序下的T组偏差影响值以及对应偏差影响值的上一工序的偏差值，计算偏差影响值与W
avc
之间的差值，结合对应偏差影响值的上一工序的偏差值形成组合队列[W
K
,M
K
]；其中W
K
指对应偏差影响值的上一工序的偏差值；M
K
指偏差影响值与W
avc
之间的差值；K指序号标签，取值范围为[1，T]；获取T组组合队列，形成数据矩阵：对数据矩阵R计算协方差矩阵：其中，代表协方差矩阵；代表逆矩阵；对于协方差矩阵Q，利用特征方程，其中，为特征值，为单位矩阵；计算得出特征值；将每个特征值代入特征方程x=0中，得出每个特征值下对应的特征向量x；对特征值从大到小排序，选择其中最大的L个，然后将其对应的特征向量分别作为行向
量组成特征向量矩阵F；其中，L为系统设置一个常数，满足L时对应的特征向量的总数量不超过T；利用特征向量矩阵F的第一行与数据矩阵R相乘，输出转换后的数据矩阵R1；根据数据矩阵R1中的数据，以灰色预测方式输出数据，作为当前工序的下一次转换数据值；具体步骤包括：对数据矩阵R1中的数据进行数据处理，生成R2、R3数据集合；所述数据处理包括灰色累加、紧邻均值，其中R2为灰色累加的数据集合，R3为在R2的基础上进行紧邻均值的数据集合；其中计算包括：其中，e代表自然对数；分别为R2的白化微分方程中的发展系数、灰作用量；根据计算的反馈至数据矩阵R中，根据形成的组合队列中W
T+1
，输出M
T+1
，计算M
T+1
与W
avc
的和作为当前工序下的偏差值。4.根据权利要求3所述的一种基于人工智能的电子元器件生产数据管理方法，其特征在于：在步骤S4中，还包括：根据偏差分析模型，形成每一道生产工序基于上一工序的偏差值对应的当前工序偏差值；获取不同批次下的初始数据节点的偏差值，根据偏差分析模型依次生成后续所有生产工序的偏差值，若存在后续任一生...

【专利技术属性】
技术研发人员：杨恒，
申请(专利权)人：深圳市尚格实业有限公司，
类型：发明
国别省市：