一种缺陷根因定位方法技术

本发明专利技术提供一种缺陷根因定位方法

【技术实现步骤摘要】
一种缺陷根因定位方法、系统、设备及存储介质


[0001]本专利技术涉及工业自动化领域，具体而言，涉及一种缺陷根因定位方法
、
系统
、
设备及存储介质
。

技术介绍

[0002]在工业制造过程中，定位缺陷产生的根因对于提高生产效率和产品质量至关重要
。
现有的缺陷根因定位方法主要包括传统的统计分析方法和人工经验判断方法
。
[0003]现有的缺陷根因定位方法存在一些限制和不足，具体表现在：
(1)
传统的统计分析方法在缺陷根因定位中需要大量的数据处理和复杂的计算过程，导致分析和定位耗时长，效率低；此外，传统的统计分析方法往往需要满足特定的数据分布和假设条件，限制了其适用范围和灵活性；
(2)
人工经验判断方法容易受到个体主观意见和经验的影响，导致结果缺乏客观性和一致性，此外，人工经验判断方法往往由于人工经验受限于个体的认知和经验水平，而造成缺陷的因素众多
、
关联复杂，在分析缺陷根因时存在一定的局限性
。

技术实现思路

[0004]本专利技术提供一种缺陷根因定位方法
、
系统
、
设备及存储介质，解决现有技术在缺陷根因定位时由于工艺参数众多
、
工艺参数间高度相关
、
产品工艺流程复杂，难以准确定位工业产品缺陷根因的问题
。
[0005]在第一方面，本专利技术实施例中提供一种缺陷根因定位方法，所述方法包括以下步骤：
[0006]对产品的质量检测数据和加工履历数据进行清洗
、
预处理，以形成工艺流程数据；
[0007]基于工艺流程数据构建可疑程度度量模型；
[0008]基于可疑程度度量模型进行节点重要性分析，并且基于节点重要性分析结果初次确定可疑节点；
[0009]度量可疑节点的工艺参数在正常品和异常品的取值差异，并且基于取值差异再次确定可疑节点；
[0010]输出导致产品质量缺陷的可疑节点集合以及相关的工艺参数
。
[0011]于上述实施例中，通过复杂网络来刻画工艺流程中不同节点之间的关系，充分考虑节点之间的时序顺序和关联性，结合重要性分析的方式来确定可疑节点，能够更加准确的识别和定位缺陷根因
。
[0012]作为本申请一些可选实施方式，对产品的质量检测数据和加工履历数据进行预处理的流程如下：
[0013]对数值型的工艺参数进行相关性分析处理，以剔除相关性系数超过数值阈值的工艺参数；
[0014]对非数值型的工艺参数进行编码处理，以转化工艺参数的参数类型
。
[0015]于上述实施例中，通过对数据进行预处理可以避免出现严重的共线性问题以及类
型选择参数不能直接用于后续分析的问题，提高了数据分析的准确性和效率
。
[0016]作为本申请一些可选实施方式，所述工艺流程数据包括产品的工艺环节
、
流转关系以及工艺参数
。
[0017]作为本申请一些可选实施方式，基于工艺流程数据构建可疑程度度量模型的流程如下：
[0018]将产品的工艺环节作为复杂网络的节点，将产品的流转关系作为复杂网络的边；
[0019]根据节点的关联关系构建可疑程度度量模型，其中，节点的关联关系基于节点的时序顺序或相关系数确定
。
[0020]于上述实施例中，采用复杂网络来刻画工艺流程中的不同节点之间的关系，充分考虑工艺流程中节点之间的时序关系，以此来确定节点之间的连接关系；将工艺流程映射为复杂网络，可以更准确捕捉缺陷的传播路径以及不同工艺环节对整体生产质量的影响程度，使得工艺流程更直观
、
易于分析
。
[0021]作为本申请一些可选实施方式，基于可疑程度度量模型进行节点重要性分析，并且基于节点重要性分析结果确定可疑节点的流程如下：
[0022]计算可疑程度度量模型所有节点的重要性指数；
[0023]根据所有节点的重要性指数选取若干节点作为可疑节点
。
[0024]于上述实施例中，从度量节点重要性的角度出发分析可疑程度度量模型，挖掘可疑工艺流程环节，可以定量地评估节点在整个加工工艺流程中的重要性并进而确定导致缺陷的可疑节点，更好地考虑节点之间的关联性和时序顺序，从而更准确地识别出潜在的工艺缺陷根因
。
[0025]作为本申请一些可选实施方式，所述重要性指数的计算公式如下：
[0026][0027]其中，
S
i
表示节点
i
的重要性指数，
K
out
表示节点出入度，
PV
i
表示该节点不同分支上产品数量分布的熵值，
N
表示产品总数，
N'
表示进入该节点的产品数量
。
[0028]作为本申请一些可选实施方式，所述熵值的计算公式如下：
[0029][0030]其中，
PV
i
表示节点
i
不同分支上产品数量分布的熵值，
j
表示节点
i
的分支，
w
表示节点
i
所有分支上的产品总数，
w
j
表示从节点
i
出发流向分支
j
的产品数量
。
[0031]作为本申请一些可选实施方式，度量可疑节点的工艺参数在正常品和异常品的取值差异，并且基于取值差异确定可疑节点的流程如下：
[0032]分别获取可疑节点的工艺参数在正常品和异常品的取值，并且根据取值构建两个概率分布函数；
[0033]计算两个概率分布函数的散度，如果散度超过散度阈值，则继续追溯可疑节点的前序节点，反之，则再次判定为可疑节点
。
[0034]于上述实施例中，在输出可疑节点集合的同时给出这些可疑节点之间的连接关系
、
路径信息
、
工艺参数等数据，以便更好地理解工艺流程中各节点之间的相互作用和影
响
。
[0035]作为本申请一些可选实施方式，所述散度为
KL
散度或
JS
散度
。
[0036]在第二方面，本专利技术提供一种缺陷根因定位系统，所述系统包括：
[0037]数据处理单元，所述数据处理单元用于对产品的质量检测数据和加工履历数据进行清洗
、
预处理，以形成工艺流程数据；
[0038]模型构建单元，所述模型构建单元基于工艺流程数据构建可疑程度度量模型；
[0039]重要性分析单元，所述重要性分析单元基于可疑程度度量模型进行节点重要性分析，并且基于节点重要性分析结果初次确定可疑节点；
[0040]可疑节点定位单元，所述可本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种缺陷根因定位方法，其特征在于，所述方法包括以下流程：对产品的质量检测数据和加工履历数据进行清洗
、
预处理，以形成工艺流程数据；基于工艺流程数据构建可疑程度度量模型；基于可疑程度度量模型进行节点重要性分析，并且基于节点重要性分析结果初次确定可疑节点；度量可疑节点的工艺参数在正常品和异常品的取值差异，并且基于取值差异再次确定可疑节点；输出导致产品质量缺陷的可疑节点集合以及相关的工艺参数
。2.
根据权利要求1所述的一种缺陷根因定位方法，其特征在于，对产品的质量检测数据和加工履历数据进行预处理的流程如下：对数值型的工艺参数进行相关性分析处理，以剔除相关性系数超过数值阈值的工艺参数；对非数值型的工艺参数进行编码处理，以转化工艺参数的参数类型
。3.
根据权利要求1所述的一种缺陷根因定位方法，其特征在于，所述工艺流程数据包括产品的工艺环节
、
流转关系以及工艺参数
。4.
根据权利要求1所述的一种缺陷根因定位方法，其特征在于，基于工艺流程数据构建可疑程度度量模型的流程如下：将产品的工艺环节作为复杂网络的节点，将产品的流转关系作为复杂网络的边；根据节点的关联关系构建可疑程度度量模型，其中，节点的关联关系基于节点的时序顺序或相关系数确定
。5.
根据权利要求1所述的一种缺陷根因定位方法，其特征在于，基于可疑程度度量模型进行节点重要性分析，并且基于节点重要性分析结果初次确定可疑节点的流程如下：计算可疑程度度量模型所有节点的重要性指数；根据所有节点的重要性指数选取若干节点作为可疑节点
。6.
根据权利要求5所述的一种缺陷根因定位方法，其特征在于，所述重要性指数的计算公式如下：其中，
S
i
表示节点
i
的重要性指数，
K
out
表示节点出入度，
PV
i
表示该节点不同分支上产品数量分布的熵值，
N
表示产品总数，
N'
表示进入该节点的产品数量
。7.
根据权利要求6所述的一种缺陷根因定位方法，其特征在于，所述熵值的计算公式如下：其中，

【专利技术属性】
技术研发人员：请求不公布姓名，
申请(专利权)人：成都数之联科技股份有限公司，
类型：发明
国别省市：