一种基于物联网的设备智能验证调控系统及方法技术方案

本发明专利技术涉及设备的验证调控技术领域。具体为一种基于物联网的设备智能验证调控系统及方法，所述系统包括数据采集模块、验证调控模块、数据分析模块和预警提示模块；所述数据采集模块是采集芯片的历史异常图像信息和设备验证调控的历史数据信息以及设备调控过程中生产芯片的异常图像信息；所述验证调控模块是依据通过芯片的历史异常图像信息和设备验证调控的历史数据信息的映射关系对设备进行验证调控；所述数据分析模块是分析下周期设备验证调控的数据信息的可靠性；所述预警提示模块是当下周期设备的验证调控数据信息不可靠时进行预警提醒；本发明专利技术减少设备生产过程中验证调控的工作并且实现设备的智能验证调控，减少产品返工。产品返工。产品返工。

【技术实现步骤摘要】
一种基于物联网的设备智能验证调控系统及方法


[0001]本专利技术涉及设备的验证调控
，具体为一种基于物联网的设备智能验证调控系统及方法。

技术介绍

[0002]设备的验证调控是指在生产过程中对使用的设备进行验证和调控的技术，主要目的是为了确保生产设备的性能、安全、可靠和生产产品质量规范要求；设备验证调控一般包括以下几个方面：设备设计确认：对新建或新引入的设备的设计方案进行审核，确保设计符合用户需求和GMP要求；设备安装确认：对设备安装后进行各种系统检查，确保设备的建造和安装符合设计标准；设备运行确认：对设备进行各种运行试验，确保设备的运行符合设计标准；设备性能确认：对设备在规定的操作方法和工艺条件下进行测试，确保设备能生产出符合质量标准的产品；设备再验证：对设备发生变更、维修、长期停用等情况后进行重新验证，确保设备的验证状态得到维护。
[0003]在现有的技术下，设备的验证和调控都是在对设备进行验证的过程中都需要由人工对验证产品的检测结果进行检测从而对设备进行调控，这样不仅仅是浪费人力资源，缺少了对设备的智能化管理并且人工对设备本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于物联网的设备智能验证调控方法，其特征在于：所述设备的智能验证调控方法具体包括以下步骤：S100、通过大数据获取历史周期内设备验证调控的历史数据信息和芯片的历史异常图像信息集，根据所述设备验证调控的历史数据信息和芯片的历史异常图像信息集构建设备验证调控的历史数据信息和芯片的历史异常图像信息集之间的映射关系，将所述映射关系存储到数据库中；其中设备每次进行验证调控的过程记为一个周期；S200、建立设备验证调控关联模型，通过设备验证调控关联模型根据芯片的历史异常图像信息集分析设备验证调控之间的关联指数和影响系数；S300、获取设备在当前周期验证过程中生产芯片的异常图像信息，通过对芯片的异常图像信息和历史异常图像之间的相似度进行分析，结合设备验证调控的历史数据信息和芯片的历史异常图像信息集之间的映射关系得到当前验证过程中生产芯片的异常图像信息集对应的设备验证调控的数据信息和下一周期设备进行调控的设备验证调控数据信息；S400、根据设备验证调控之间的关联指数和影响系数计算得到下周期设备验证调控的数据信息的可靠指数，当可靠指数超过预设的可靠指数阈值时，根据所述下周期设备验证调控的数据信息对设备进行调控；当可靠指数小于预设的可靠指数阈值时，进行预警提示。2.根据权利要求1所述的一种基于物联网的设备智能验证调控方法，其特征在于：所述S100中构建设备验证调控的历史数据信息和芯片的历史异常图像信息集之间映射关系的具体方法如下：S101、通过大数据获取历史周期内设备验证调控的历史数据信息和芯片的历史异常图像信息集，对每个周期内设备验证调控的历史数据信息和芯片的历史异常图像信息集进行统一标记，记为{P1、P2、P3...Pi}，每个历史周期内存在不少于一个芯片的历史异常图像信息和一个设备验证调控的历史数据信息，即表示为Pi＝(Gi，ui)；其中Pi表示为第i个设备进行验证调控的历史周期；S102、对I个周期内设备验证调控的历史数据信息和芯片的历史异常图像信息集构建映射关系，记为Gi
→
ui，其中，Gi表示为第i个周期内芯片的历史异常图像信息集，ui表示为第i个周期内芯片的历史异常图像信息集i＝1、2、3...、I，I表示为设备验证调控的周期次数。3.根据权利要求2所述的一种基于物联网的设备智能验证调控方法，其特征在于：所述S200中分析设备验证调控之间的关联指数和影响系数的具体方法如下：S201、任意选取两组周期内芯片的历史异常图像信息集为Ga和Gb，a≠b，a、b∈{1、2、3...I}；建立设备验证调控关联模型：F＝[K(Ga∩Gb)]/[K(Ga∪Gb)]计算得到所述任意两组周期内芯片的历史异常图像信息集所映射设备验证调控的历史数据信息ua和ub之间的关联指数，若K(Ga∩Gb)＝0，所述任意两组周期内芯片的历史异常图像信息集所映射设备验证调控的历史数据信息ua和ub之间不存在关联性，其中K(Ga∩Gb)表示为芯片的历史异常图像集Ga∩Gb中芯片的历史异常图像信息的种类数量，K(Ga∪Gb)表示为芯片的历史异常图像信息集Ga∪Gb中芯片的历史异常图像信息的种类数量；S202、当所述任意两组周期内芯片的历史异常图像信息集所映射设备验证调控的历史
数据信息ua和ub之间存在关联性时，计算得到芯片的历史异常图像信息种类相同的数量在芯片的历史异常图像信息集Gb中的占比和任意两组周期内芯片的历史异常图像信息集Ga和Gb所映射设备验证调控的历史数据信息之间ua对ub的影响指数，具体计算公式如下：Lb＝[K(Ga∩Gb)]/K(Gb)Hab＝k1*Lb其中，Lb表示为任意两组周期内芯片的历史异常图像信息集Ga和Gb相同图像信息的数量在芯片的历史异常图像信息集Gb中的占比，k1表示为设备验证调控的历史数据信息ua对ub的影响指数与芯片的历史异常图像信息种类相同的数量在芯片的历史异常图像信息集Gb中的占比之间的回归系数。4.根据权利要求3所述的一种基于物联网的设备智能验证调控方法，其特征在于：所述S300中对设备在当前验证过程中生产芯片的异常图像信息分析对应的设备验证调控的数据信息的具体方法如下：S301、获取设备在当前验证过程中生产芯片的异常图像信息，通过机器视觉检测算法根据芯片的异常图像信息进行特征提取，并且通过提取的特征利用分类器对芯片的异常图像信息进行分类得到R种分类结果，基于所述分类得到R种分类结果得到异常图像信息集G'；S302、通过设备验证调控关联模型得到芯片的异常图像信息集G'和所有芯片的历史异常图像信息集之间的关联指数，依据关联指数对所有芯片的历史异常图像信息集从高到低进行排序，得到排序结果为：G1、G2、G3...Gd；其中，G'＝{g1、g2、g3...gr}，gr表示为在第一个分类结果中第r个芯片的异常图像信息，Gd表示为第d个依据关联指数从高到低进行排序的芯片的历史异常图像信息集，d＝1、2、3...D，D表示为芯片的历史异常图像信息集的数量；S303、根据芯片的历史异常图像信息集的排序结果选取芯片的历史异常图像信息集G1所映射的设备调控的历史数据信息作为设备在当前验证过程中的调控依据，任意选取一个芯片的历史异常图像信息集Gt，...

【专利技术属性】
技术研发人员：刘丹，暴宇，李银斯，
申请(专利权)人：北京汤谷软件技术有限公司，
类型：发明
国别省市：