[發(fā)明專(zhuān)利]產(chǎn)品分析方法及系統(tǒng)及裝置及介質(zhì)

有效

• 申請(qǐng)?zhí)枺?/td>: 202210371479.4
• 申請(qǐng)日: 2022-04-11
• 公開(kāi)（公告）號(hào): CN114444986B
• 公開(kāi)（公告）日: 2022-06-03
• 發(fā)明（設(shè)計(jì)）人: 不公告發(fā)明人
• 申請(qǐng)（專(zhuān)利權(quán)）人: 成都數(shù)之聯(lián)科技股份有限公司
• 主分類(lèi)號(hào): G06Q10/06
• 分類(lèi)號(hào): G06Q10/06;G06Q10/04;G06N20/00;G06K9/62;G06Q10/10
• 代理公司: 成都云縱知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 51316
• 代理人: 熊曦;陳婉鵑

本發(fā)明公開(kāi)了產(chǎn)品分析方法及系統(tǒng)及裝置及介質(zhì)，涉及智能制造與人工智能技術(shù)領(lǐng)域，包括：利用清洗和預(yù)處理后的數(shù)據(jù)訓(xùn)練獲得分類(lèi)預(yù)測(cè)模型；利用分類(lèi)預(yù)測(cè)模型獲得待分析數(shù)據(jù)中每個(gè)生產(chǎn)工藝參數(shù)的預(yù)測(cè)值；基于每個(gè)生產(chǎn)工藝參數(shù)的預(yù)測(cè)值計(jì)算獲得每個(gè)生產(chǎn)工藝參數(shù)的SHAP值，本發(fā)明基于每個(gè)生產(chǎn)工藝參數(shù)的SHAP值能夠準(zhǔn)確和快速的獲得影響產(chǎn)品質(zhì)量的多個(gè)關(guān)鍵工藝環(huán)節(jié)名稱(chēng)及多個(gè)關(guān)鍵生產(chǎn)工藝參數(shù)。

技術(shù)領(lǐng)域

本發(fā)明涉及智能制造與人工智能技術(shù)領(lǐng)域，具體地，涉及產(chǎn)品分析方法及系統(tǒng)及裝置及介質(zhì)。

背景技術(shù)

工業(yè)產(chǎn)品缺陷的根因定位方法，應(yīng)用于工業(yè)制造領(lǐng)域的產(chǎn)品質(zhì)量控制和工藝參數(shù)優(yōu)化任務(wù)中。工業(yè)制造過(guò)程中，降低產(chǎn)品的不良率對(duì)于企業(yè)的質(zhì)量控制至關(guān)重要，其核心在于精準(zhǔn)、迅速定位出生產(chǎn)加工過(guò)程中造成缺陷的根因，即檢測(cè)定位出影響產(chǎn)品質(zhì)量的關(guān)鍵工藝參數(shù)，進(jìn)而通過(guò)分析調(diào)整關(guān)鍵工藝參數(shù)，改進(jìn)生產(chǎn)工藝，提升產(chǎn)品質(zhì)量。

工業(yè)產(chǎn)品缺陷的根因定位，現(xiàn)有技術(shù)主要通過(guò)多元統(tǒng)計(jì)分析方法，分析生產(chǎn)加工過(guò)程中各工藝參數(shù)與產(chǎn)品不良率之間的相關(guān)性，基于多元線(xiàn)性回歸方法找出權(quán)重系數(shù)最大的工藝參數(shù)，或者通過(guò)業(yè)務(wù)專(zhuān)家結(jié)合生產(chǎn)加工的相關(guān)經(jīng)驗(yàn)進(jìn)行人工篩查。然而工業(yè)制造領(lǐng)域產(chǎn)品生產(chǎn)加工過(guò)程中涉及到的工藝參數(shù)往往成千上萬(wàn)，數(shù)量遠(yuǎn)超待分析的缺陷產(chǎn)品的數(shù)量，而且不同的工藝參數(shù)間往往存在非常強(qiáng)的相關(guān)性，這些因素都嚴(yán)重影響多元統(tǒng)計(jì)分析方法的準(zhǔn)確性。而人工篩查的方法，高度依賴(lài)有經(jīng)驗(yàn)的業(yè)務(wù)專(zhuān)家，分析效率也較低，嚴(yán)重影響企業(yè)的產(chǎn)品質(zhì)量控制。

現(xiàn)有技術(shù)中有幾種相關(guān)的產(chǎn)品分析方法，分別為：

現(xiàn)有技術(shù)1：

方案來(lái)源：CN111159645A一種基于產(chǎn)品生產(chǎn)履歷和參數(shù)的不良根因定位方法

具體方案：

（1）讀取指定時(shí)間段的玻璃產(chǎn)品的生產(chǎn)履歷數(shù)據(jù)，統(tǒng)計(jì)不良玻璃產(chǎn)品的樣本數(shù)量；（2）分析相同站點(diǎn)各設(shè)備不良樣本是否存在聚集；（3）分四輪逐步剔除參數(shù)行，形成輔助表；（4）根據(jù)模型給出的特征重要性評(píng)分，形成分析表；（5）根據(jù)分析表篩選屬性特征列，形成結(jié)果表；（6）根據(jù)結(jié)果表定位產(chǎn)品不良根因。

方案優(yōu)點(diǎn)：結(jié)合了工業(yè)制造過(guò)程中履歷參數(shù)分析的流程和經(jīng)驗(yàn)，貼合工業(yè)制造的業(yè)務(wù)場(chǎng)景；方案缺點(diǎn)：處理流程過(guò)度依賴(lài)業(yè)務(wù)專(zhuān)家的人工經(jīng)驗(yàn)，同時(shí)參數(shù)剔除過(guò)程受閾值設(shè)置影響較大。此外參數(shù)剔除處理流程比較繁瑣。

現(xiàn)有技術(shù)2：

方案來(lái)源：CN113590451A一種根因定位方法運(yùn)維服務(wù)及存儲(chǔ)介質(zhì)

具體方案：

（1）獲取業(yè)務(wù)系統(tǒng)運(yùn)維數(shù)據(jù)；（2）構(gòu)建所述目標(biāo)數(shù)據(jù)特征之間的第一、第二、第三依賴(lài)關(guān)系；（3）分析得到目標(biāo)關(guān)系；（4）對(duì)所述目標(biāo)關(guān)系中的候選異常類(lèi)型進(jìn)行根因推斷，得到異常類(lèi)型的異常概率；（5）根據(jù)異常概率確定根因類(lèi)型。

方案優(yōu)點(diǎn)：通過(guò)概率圖模型給出了異常類(lèi)型的異常概率，具有較強(qiáng)的解釋性；方案缺點(diǎn)：（1）該方法主要針對(duì)運(yùn)維數(shù)據(jù)，工業(yè)制造上的生產(chǎn)加工數(shù)據(jù)和運(yùn)維數(shù)據(jù)之間具有較大差異；（2）樣本數(shù)據(jù)量遠(yuǎn)少于參數(shù)維數(shù)時(shí)，構(gòu)建概率圖模型存在一定困難。

現(xiàn)有技術(shù)3：

方案來(lái)源：CN104123298B產(chǎn)品缺陷的分析方法和設(shè)備

具體方案：

（1）從記錄的產(chǎn)品數(shù)據(jù)中，篩選生成缺陷產(chǎn)品構(gòu)成的數(shù)據(jù)集；（2）基于關(guān)聯(lián)分析算法或統(tǒng)計(jì)分析算法，確定缺陷產(chǎn)品數(shù)據(jù)集中不同數(shù)據(jù)屬性間的關(guān)聯(lián)規(guī)則；（3）根據(jù)（2）中所述數(shù)據(jù)屬性間的關(guān)聯(lián)規(guī)則，對(duì)缺陷產(chǎn)品數(shù)據(jù)集進(jìn)行數(shù)據(jù)篩選，得到缺陷根因所在的數(shù)據(jù)集。