[发明专利]使用卷积神经网络的虚拟量测方法

权利要求书

1.一种使用卷积神经网络的虚拟量测方法，其特征在于，包含：

获得多组制程数据，其中该些组制程数据是在一生产机台处理多个工件时所使用或产生，该些组制程数据是以一对一的方式对应至该些工件，每一该些组制程数据包含多个参数的数值，每一该些参数的数值为分别对应至该些工件的多组时序数据；

对该些组制程数据进行一数据对整的操作，该数据对整的操作包含：

对每一该些参数的每一该些组时序数据的一数据长度进行一次数分配计算，而获得一数据出现次数对数据长度的分布，其中每一该些参数的该些组时序数据中出现次数最多的数据长度为一参考数据长度；

对每一该些参数的该些组时序数据中具有该参考数据长度的时序数据进行平均计算，而获得每一该些参数的一组参考时序数据；

使用一动态时间规整演算法来计算每一该些参数的每一该些组时序数据与其对应的参考时序数据间的一距离；

设定一距离门槛值；

当该距离大于该距离门槛值时，删除对应至该距离的制程数据；以及

进行一数据长度调整操作，以在每一该些参数的每一该些组时序数据的一最后数据点后，重复增加具有该最后数据点的数值的至少一数据点，直到每一该些参数的该每一该些组时序数据的该数据长度等于该些组制程数据的一最长数据长度；

获得该些工件的多个实际量测值；

进行一建模操作，以使用该些组制程参数数据和该些实际量测值来建立一虚拟量测模型，其中该虚拟量测模型包含至少一卷积神经网络模型；以及

对又一工件的又一组制程数据进行该数据对整的操作后，输入该又一工件的该又一组制程数据至该虚拟量测模型，以计算出该又一工件的一虚拟量测值。

2.根据权利要求1所述的使用卷积神经网络的虚拟量测方法，其特征在于，还包含：

在进行该数据长度调整操作前，设定一数据长度上限值；以及

删除该些组制程数据中其数据长度大于该数据长度上限值的制程数据。

3.根据权利要求2所述的使用卷积神经网络的虚拟量测方法，其特征在于，该数据长度上限值为Q3+k×IQR，其中Q3为该数据出现次数对数据长度的分布中数据长度由小到大的出现顺序的一第三四分数；IQR为该数据出现次数对数据长度的分布中数据长度由小到大的出现顺序的一四分距；k为大于0的常数。

4.根据权利要求1所述的使用卷积神经网络的虚拟量测方法，其特征在于，该设定该距离门槛值的操作是应用交互验证中的留一法原理。

5.根据权利要求1所述的使用卷积神经网络的虚拟量测方法，其特征在于，该虚拟量测模型包含多个卷积神经网络模型和一推估模型，该些卷积神经网络模型的多个输入分别为该些参数的时序数据，该些卷积神经网络模型的多个输出为该推估模型的输入。

6.根据权利要求5所述的使用卷积神经网络的虚拟量测方法，其特征在于，该推估模型是根据类神经网络演算法、复回归演算法、部分最小平方演算法或支持向量机演算法来建立。