多晶硅生产监测方法、装置、电子设备及可读存储介质制造方法及图纸

本发明专利技术提供一种多晶硅生产监测方法、装置、电子设备及可读存储介质，涉及数据处理技术领域，该方法包括：获取目标参数的样本值和响应参数的样本值；将响应参数的样本值输入至的关联模型中，得到解析参数的样本值；基于相对误差模型，对多晶硅生产设备及其上下游工艺的解析参数的样本值和对应的目标参数的样本值进行处理，得到多晶硅生产设备及其上下游设备的设定误差阈值；基于稳健马氏距离模型，对多晶硅生产设备及其上下游工艺的目标参数的样本值和对应的响应参数的样本值进行处理，得到多晶硅生产设备及其上下游设备的设定马氏距离阈值；根据设定误差阈值和设定马氏距离阈值，对目标参数和响应参数进行实时监测。本发明专利技术能提高生产的稳定性。明能提高生产的稳定性。明能提高生产的稳定性。

【技术实现步骤摘要】
多晶硅生产监测方法、装置、电子设备及可读存储介质


[0001]本专利技术涉及数据处理
，具体涉及一种多晶硅生产监测方法、装置、电子设备及可读存储介质。

技术介绍

[0002]设备的工艺参数和设备生产参数是多晶硅生产流程中稳定生产的重要指标，关系整个工艺流程的安全运行。相关技术中，为对设备的参数进行监测，对每个参数设定警戒值，在参数超过警戒值时发出警报以进行实时监控。但在相关技术中，生产设备通常包括多个子设备，不同子设备之间的参数相互关联，在上游子设备的参数偏低，下游子设备的参数偏高的情况下，生产设备仍会出现生产稳定性异常，而由于参数未超过警戒值而未发出警报，导致出现生产过程中稳定性较低的问题。
[0003]可见，相关技术中存在多晶硅生产过程中稳定性较低的问题。

技术实现思路

[0004]本专利技术实施例提供一种多晶硅生产监测方法、装置、电子设备及可读存储介质，以解决相关技术中存在多晶硅生产过程中稳定性较低的问题。
[0005]为解决上述问题，本专利技术是这样实现的：
[0006]第一方面，本专利技术实施例提供一种多晶硅生产监测方法，包括：
[0007]获取多组初始样本参数，所述多组初始样本参数中每组初始样本参数包括目标参数的样本值和响应参数的样本值，所述目标参数为多晶硅生产设备的至少一项工艺参数或设备生产参数，所述响应参数为所述多晶硅生产设备与多晶硅生产设备的上下游设备中除所述目标参数以外的工艺参数或设备生产参数；
[0008]将所述响应参数的样本值输入至多晶硅生产设备及其上下游设备的关联模型中，得到解析参数的样本值；
[0009]基于相对误差模型，对多晶硅生产设备及其上下游工艺的解析参数的样本值和对应的目标参数的样本值进行处理，得到多晶硅生产设备及其上下游设备的设定误差阈值；
[0010]基于稳健马氏距离模型，对多晶硅生产设备及其上下游工艺的目标参数的样本值和对应的响应参数的样本值进行处理，得到多晶硅生产设备及其上下游设备的设定马氏距离阈值；
[0011]根据所述设定误差阈值和所述设定马氏距离阈值，对所述目标参数和所述响应参数进行实时监测。
[0012]第二方面，本专利技术实施例还提供一种多晶硅生产监测装置，包括：
[0013]获取模块，用于获取多组初始样本参数，所述多组初始样本参数中每组初始样本参数包括目标参数的样本值和响应参数的样本值，所述目标参数为多晶硅生产设备的至少一项工艺参数或设备生产参数，所述响应参数为所述多晶硅生产设备与多晶硅生产设备的上下游设备中除所述目标参数以外的工艺参数或设备生产参数；
[0014]第一处理模块，用于将所述响应参数的样本值输入至多晶硅生产设备及其上下游设备的关联模型中，得到解析参数的样本值；
[0015]第二处理模块，用于基于相对误差模型，对多晶硅生产设备及其上下游工艺的解析参数的样本值和对应的目标参数的样本值进行处理，得到多晶硅生产设备及其上下游设备的设定误差阈值；
[0016]第三处理模块，用于基于稳健马氏距离模型，对多晶硅生产设备及其上下游工艺的目标参数的样本值和对应的响应参数的样本值进行处理，得到多晶硅生产设备及其上下游设备的设定马氏距离阈值；
[0017]监测模块，用于根据所述设定误差阈值和所述设定马氏距离阈值，对所述目标参数和所述响应参数进行实时监测。
[0018]第三方面，本专利技术实施例还提供一种电子设备，包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如上述第一方面所述的多晶硅生产监测方法中的步骤。
[0019]第四方面，本专利技术实施例还提供一种可读存储介质，用于存储程序，所述程序被处理器执行时实现如上述第一方面所述的多晶硅生产监测方法中的步骤。
[0020]在本申请实施例中，通过获取多组初始样本参数，多组初始样本参数中每组初始样本参数包括目标参数的样本值和响应参数的样本值；再将响应参数的样本值输入至多晶硅生产设备及其上下游设备的关联模型中，得到解析参数的样本值；基于相对误差模型，对多晶硅生产设备及其上下游工艺的解析参数的样本值和对应的目标参数的样本值进行处理，得到多晶硅生产设备及其上下游设备的设定误差阈值；基于稳健马氏距离模型，对多晶硅生产设备及其上下游工艺的目标参数的样本值和对应的响应参数的样本值进行处理，得到多晶硅生产设备及其上下游设备的设定马氏距离阈值；根据设定误差阈值和设定马氏距离阈值，对目标参数和响应参数进行实时监测，从而实现对目标参数和响应参数之间的关联监控，进而提高了多晶硅生产过程的稳定性。
附图说明
[0021]为更清楚地说明本专利技术实施例的技术方案，下面将对本专利技术实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0022]图1是本专利技术实施例提供的一种多晶硅生产监测方法的流程图；
[0023]图2是本专利技术实施例提供的降维后的电压参数示意图；
[0024]图3是本专利技术实施例提供的实时相对误差的示意图；
[0025]图4是本专利技术实施例提供的实时马氏距离的示意图；
[0026]图5是本专利技术实施例提供的一种多晶硅生产监测装置的结构图；
[0027]图6是本专利技术实施例提供的一种电子设备的结构图。
具体实施方式
[0028]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完
整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0029]请参见图1，图1是本专利技术实施例提供的一种多晶硅生产监测方法的流程图，如图1所示，包括以下步骤：
[0030]步骤101、获取多组初始样本参数，所述多组初始样本参数中每组初始样本参数包括目标参数的样本值和响应参数的样本值，所述目标参数为多晶硅生产设备的至少一项工艺参数或设备生产参数，所述响应参数为所述多晶硅生产设备与多晶硅生产设备的上下游设备中除所述目标参数以外的工艺参数或设备生产参数。
[0031]上述多组初始样本参数为多晶硅生产设备及其上下游设备的工艺参数或设备生产参数，例如，多晶硅生产设备为氯硅烷输送泵，氯硅烷输送泵及其上下游设备的参数包括上游流量、输送液温度、输送泵电压和塔内压差4个参数，即每组初始样本参数中均包括上游流量、输送液温度、输送泵电压和塔内压差4个参数。
[0032]其中，多组初始样本参数为在不同时刻收集的样本参数，在一组初始样本参数中采集各项参数的时间相同。
[0033]应理解，在每组初始样本参数包括的多项参数中，包括目标参数和响应参数两类，目标参数可以为一项参数，也可以为多项参数；响应参数可以为一项参数，也可以为多项参数。通过本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种多晶硅生产监测方法，其特征在于，包括：获取多组初始样本参数，所述多组初始样本参数中每组初始样本参数包括目标参数的样本值和响应参数的样本值，所述目标参数为多晶硅生产设备的至少一项工艺参数或设备生产参数，所述响应参数为所述多晶硅生产设备与多晶硅生产设备的上下游设备中除所述目标参数以外的工艺参数或设备生产参数；将所述响应参数的样本值输入至多晶硅生产设备及其上下游设备的关联模型中，得到解析参数的样本值；基于相对误差模型，对多晶硅生产设备及其上下游工艺的解析参数的样本值和对应的目标参数的样本值进行处理，得到多晶硅生产设备及其上下游设备的设定误差阈值；基于稳健马氏距离模型，对多晶硅生产设备及其上下游工艺的目标参数的样本值和对应的响应参数的样本值进行处理，得到多晶硅生产设备及其上下游设备的设定马氏距离阈值；根据所述设定误差阈值和所述设定马氏距离阈值，对所述目标参数和所述响应参数进行实时监测。2.根据权利要求1所述的方法，其特征在于，所述根据所述设定误差阈值和所述设定马氏距离阈值，对所述目标参数和所述响应参数进行实时监测，包括：获取多晶硅生产设备的实时参数，所述实时参数包括所述目标参数的实时值和所述响应参数的实时值；将所述响应参数的实时值输入至多晶硅生产设备及其上下游工艺的所述关联模型中，得到所述解析参数的实时值；基于所述目标参数的实时值和所述解析参数的实时值计算相对误差；基于所述目标参数的实时值和所述响应参数的实时值计算马氏距离；在所述相对误差大于所述设定误差阈值，且所述马氏距离小于或等于所述设定马氏距离阈值的情况下，确定所述目标参数的实时值异常；在所述马氏距离大于所述设定马氏距离阈值，且所述相对误差小于或等于所述设定误差阈值的情况下，确定所述响应参数的实时值异常；在所述相对误差大于所述设定误差阈值，且所述马氏距离大于所述设定马氏距离阈值的情况下，确定所述目标参数的实时值和所述响应参数的实时值异常。3.根据权利要求1所述的方法，其特征在于，在所述将所述响应参数的样本值输入至多晶硅生产设备及其上下游设备的关联模型中，得到解析参数的样本值之前，所述方法还包括：删除所述多组初始样本参数中的第一异常样本参数，得到多组筛选样本参数，所述第一异常样本参数为目标参数的样本值大于设定目标参数阈值，或者，响应参数的样本值大于设定响应参数阈值的初始样本参数；基于所述多组筛选样本参数中的目标参数的样本值和响应参数的样本值，建立多晶硅生产设备及其上下游设备的关联模型。4.根据权利要求3所述的方法，其特征在于，所述基于所述多组筛选样本参数中的目标参数的样本值和响应参数的样本值，建立多晶硅生产设备及其上下游设备的关联模型，包括：
建立所述多组筛选样本参数的增广矩阵；对所述多组筛选样本参数的增广矩阵进行主成分分析降维，得到所述多组筛选样本参数中每组筛选样本参数对应的载荷矩阵、得分矩阵和特征矩阵，所述得分矩阵包括所述每组筛选样本参数中各项参数对应的得分值，所述特征矩阵包括所述每组筛选样本参数中各项参数对应的主成分特征值；将所述载荷矩阵和所述得分矩阵带入预设的主成分方程中，得到所述每组筛选样本参数的主成分值；将所述每组筛选样本参数的主成分值的平方与所述每组设备参数对应的主成分特征值的商值求和，得到霍特林值；将所述每组筛选样本参数的主成分值的平方之和，以及所述每组筛选样本参数中各项参数对应的得分值...

【专利技术属性】
技术研发人员：吴雪佼，呼维军，陈国辉，陈文岳，李军，杨宝辉，宋永刚，涂江，
申请(专利权)人：新特硅基新材料有限公司，
类型：发明
国别省市：