[发明专利]一种设备参数根因定位方法及系统、装置、介质

说明书

本发明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。

技术领域

本发明涉及智能制造与人工智能技术领域，具体地，涉及一种设备参数根因定位方法及系统、装置、介质。

背景技术

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。

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。

发明内容

本发明提供了一种设备参数根因定位方法及系统、装置、介质，本发明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。本发明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。

为实现上述目的，本发明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：

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；

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；

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。

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；