[发明专利]一种异常工况的工艺参数推荐方法及装置

权利要求书

1.一种异常工况的工艺参数推荐方法，其特征在于，包括：

基于第一训练集，生成第一数学模型，所述第一训练集是在正常工况下利用产品设计参数生成的；

获取异常工况下的第一异常工艺参数，利用所述第一数学模型对所述第一异常工艺参数进行推荐值计算，得到第二训练集的训练样本；

将所述第二训练集的训练样本的生产结果产品指标转化为第一多目标优化指数；

若所述第一多目标优化指数大于预设值，则利用所述第二训练集优化所述第一数学模型；

若所述第一多目标优化指数小于所述预设值，则基于所述第二训练集的训练样本，利用训练排产推荐法生成第三训练集；

基于所述第三训练集，生成第二数学模型；

获取异常工况下的第二异常工艺参数，利用所述第二数学模型对所述第二异常工艺参数进行推荐值计算，得到第四训练集的训练样本；

将所述第四训练集的训练样本的生产结果产品指标转化为第二多目标优化指数；

若所述第二多目标优化指数大于预设值，则将所述第四训练集的训练样本的工艺参数推荐值作为异常工况下的工艺参数推荐值。

2.根据权利要求1所述的方法，其特征在于，所述基于所述第二训练集的训练样本，利用训练排产推荐法生成第三训练集包括：

获取所述第三训练集的训练样本的数量；

若所述第三训练集的训练样本的数量小于预设量值，则利用训练排产推荐法生成所述第三训练集。

3.根据权利要求2所述的方法，其特征在于，所述若所述第三训练集的训练样本的数量小于预设量值，则利用训练排产推荐法生成所述第三训练集包括：

若所述第三训练集的训练样本的数量小于所述预设量值，则利用训练排产推荐法调整所述第二训练集的训练样本的工艺参数，得到训练后的样本；

根据所述训练后的样本，生成所述第三训练集。

4.根据权利要求3所述的方法，其特征在于，所述训练后的样本包括异常工况下可用的训练样本和异常工况下不可用的训练样本，所述根据所述训练后的样本，生成所述第三训练集包括：

将所述异常工况下可用的训练样本添加至所述第三训练集，将所述异常工况下不可用的训练样本从所述第三训练集中删除，得到所述第三训练集。

5.根据权利要求1所述的方法，其特征在于，所述基于第一训练集，生成第一数学模型包括：

在正常工况下，基于研发阶段的设计计分卡，利用产品设计参数生成所述第一训练集；

基于所述第一训练集，生成所述第一数学模型。

6.一种异常工况的工艺参数推荐装置，其特征在于，包括：

处理单元，用于基于第一训练集，生成第一数学模型，所述第一训练集是在正常工况下利用产品设计参数生成的；

获取单元，用于获取异常工况下的第一异常工艺参数；

所述处理单元，用于利用所述第一数学模型对所述第一异常工艺参数进行推荐值计算，得到第二训练集的训练样本；将所述第二训练集的训练样本的生产结果产品指标转化为第一多目标优化指数；若所述第一多目标优化指数大于预设值，则利用所述第二训练集优化所述第一数学模型；若所述第一多目标优化指数小于所述预设值，则基于所述第二训练集的训练样本，利用训练排产推荐法生成第三训练集；基于所述第三训练集，生成第二数学模型；

所述获取单元，用于获取异常工况下的第二异常工艺参数；

所述处理单元，用于利用所述第二数学模型对所述第二异常工艺参数进行推荐值计算，得到第四训练集的训练样本；将所述第四训练集的训练样本的生产结果产品指标转化为第二多目标优化指数；若所述第二多目标优化指数大于预设值，则将所述第四训练集的训练样本的工艺参数推荐值作为异常工况下的工艺参数推荐值。

7.一种异常工况的工艺参数推荐装置，其特征在于，所述装置包括处理器和存储器，所述存储器用于存储计算机程序，所述处理器用于调用所述计算机程序，执行如权利要求1-5任一项所述的方法。