[发明专利]一种基于人工智能的电子元器件生产数据管理系统及方法

权利要求书

1.一种基于人工智能的电子元器件生产数据管理方法，其特征在于：该方法包括以下步骤：

S1、获取电子元器件生产工序流程，将每一个生产工序标记为一个数据节点，获取每一个数据节点的电子元器件生产工序标准值，所述标准值指电子元器件生产工序的系统合格检验值；

S2、获取初始数据节点的实际值，计算与标准值形成的偏差值，设置偏差阈值，若不高于偏差阈值，则进行下一生产工序队列，若高于偏差值，报警至管理员端口；

S3、获取历史数据下每个数据节点的正常偏差值与偏差影响值，所述正常偏差值指前一工序以标准值结束时，相邻的下一工序出现的偏差值，所述偏差影响值指前一工序以偏差值结束时，相邻的下一工序出现的偏差值，构建相邻生产工序之间的偏差分析模型；

S4、获取不同批次下的初始数据节点的偏差值，根据偏差分析模型生成后续所有生产工序的偏差值，若存在后续任一生产工序的偏差值超出设置的偏差阈值，标记生产线以及首次出现超出偏差阈值对应的数据节点；

S5、采集数据节点被标记的次数，按照从多到少的顺序对数据节点进行排序，对不同批次的生产队列进行调整，将同一数据节点被标记的生产线构建一个集合，在对集合内生产线进行电子元器件生产时，调整对应的数据节点参数，保证集合内所有生产线输出的偏差值满足偏差阈值。

2.根据权利要求1所述的一种基于人工智能的电子元器件生产数据管理方法，其特征在于：所述偏差值指实际值与标准值之间的差值的绝对值，在电子元器件生产中包括工序：单晶硅片制造、IC设计、光罩制作、IC制造、IC测试和封装，在每项工序结束后，获取电子元器件的各项实际参数，根据下列方式计算输出偏差值：其中，P代表偏差值；代表电子元器件参数i的实际值；代表电子元器件参数i的标准值；n代表参与测试的电子元器件参数总量。

3.根据权利要求2所述的一种基于人工智能的电子元器件生产数据管理方法，其特征在于：所述偏差分析模型包括：获取历史数据下每个数据节点的正常偏差值与偏差影响值，其中正常偏差值记为W，偏差影响值记为M；

任取某一工序，在历史数据中选取j组正常偏差值，计算其平均值记为W_avc；选取同一工序下的T组偏差影响值以及对应偏差影响值的上一工序的偏差值，计算偏差影响值与W_avc之间的差值，结合对应偏差影响值的上一工序的偏差值形成组合队列[W_K,M_K]；其中W_K指对应偏差影响值的上一工序的偏差值；M_K指偏差影响值与W_avc之间的差值；K指序号标签，取值范围为[1，T]；

获取T组组合队列，形成数据矩阵：

对数据矩阵R计算协方差矩阵：其中，代表协方差矩阵；代表逆矩阵；对于协方差矩阵Q，利用特征方程，其中，为特征值，为单位矩阵；计算得出特征值；将每个特征值代入特征方程x=0中，得出每个特征值下对应的特征向量x；

对特征值从大到小排序，选择其中最大的L个，然后将其对应的特征向量分别作为行向量组成特征向量矩阵F；其中，L为系统设置一个常数，满足L时对应的特征向量的总数量不超过T；利用特征向量矩阵F的第一行与数据矩阵R相乘，输出转换后的数据矩阵R1；

根据数据矩阵R1中的数据，以灰色预测方式输出数据，作为当前工序的下一次转换数据值；

具体步骤包括：

对数据矩阵R1中的数据进行数据处理，生成R2、R3数据集合；所述数据处理包括灰色累加、紧邻均值，其中R2为灰色累加的数据集合，R3为在R2的基础上进行紧邻均值的数据集合；

其中计算包括：其中，e代表自然对数；分别为R2的白化微分方程中的发展系数、灰作用量；

根据计算的反馈至数据矩阵R中，根据形成的组合队列中W_T+1，输出M_T+1，计算M_T+1与W_avc的和作为当前工序下的偏差值。