CN115130985A - 生产控制方法和相关装置、存储介质和程序产品 - Google Patents

Abstract

生产控制方法和相关装置、存储介质和程序产品。本申请实施例公开了生产控制方法和相关装置和介质程序产品，包括以下步骤：获取至少一个标杆工况版本，至少一个标杆工况版本为通过机器学习模型推理的工况版本；生成至少一个标杆工况版本中的每个标杆工况版本的工况标杆值计分卡；根据至少一个标杆工况版本中的每个标杆工况版本进行量产验证，并根据量产验证的设计参数更新每个标杆工况版本的工况标杆值计分卡；根据每个标杆工况版本的工况标杆值计分卡对每个标杆工况版本的可用性进行评估，确定至少一个标杆工况版本中的量产版本。本申请实施例方案可以科学评判各工况版本的量产质量，确定最优生产工艺参数，对量产的产品进行质量管控进而保证产品的良率最优。

Description

生产控制方法和相关装置、存储介质和程序产品

技术领域

本发明涉及一般数据处理领域，尤其涉及到一种生产控制方法和相关装置、存储介质和程序产品。

背景技术

传统的流程制造型企业要实现生产工艺优化，需要实际操作人员在实际的生产制造中推理总结经验，如传统的化工厂企业，由此得出的方法无法得到广泛的量产验证，优秀经验无法共享，无法固化推广，缺少一种最优生产全流程参数的系统管理这些经验，同时传统的经验缺少大数据和精确的统计分析的支撑，无法适应当前智能化生产的需要。

生产制造企业在生产过程中，生产设备运行边界条件不断变化：来料质量多变，气候多变，设备多变，负荷多变，导致优秀经验在设备运行应用难度大，同时生产过程中往往只有一套大而全的生产工艺标准，按该标准生产出来的产品质量指标波动很大，品质很不稳定，需要工程师按自己的经验来调整工艺参数，缺少一种多工况分类管理设备在最优参数下运行的机制，保证产品的质量、成本、效率指标目标的达成。

发明内容

针对上述问题，本申请实例提供了基于多生产工况的生产控制方法和相关装置、存储介质和程序产品，为多个通过机器学习模型推理得到的工况版本新建工况标杆值计分卡，提高了生产的精细化程度，提升了产品品质。将多个工况版本进行量产验证，将量产得到的多个设计参数记录在工况标杆值计分卡中，通过对每一个工况下对应的训练结果进行版本确定，并根据版本类型进行推荐各版本的工况版本，生产质量有一个科学的评判依据。通过对工况版本进行量产验证的方法，选择出最优的量产工况版本，保证了生产工艺参数的设置始终处于最优状态，通过采样过滤算法动态更新标杆工况的量产版本，实现了量产阶段的产品质量管控，保证产品的良率最优。

为实现上述目的，第一方面，本申请实施例提供了一种基于多生产工况的生产控制方法，该方法包括：

获取至少一个标杆工况版本，所述至少一个标杆工况版本为经过机器学习模型推理的工况版本；生成至少一个标杆工况版本中的每个标杆工况版本的工况标杆值计分卡，工况标杆值计分卡用于记录每个标杆工况版本的设计参数；根据至少一个标杆工况版本中的每个标杆工况版本进行量产验证，并根据量产验证的设计参数更新每个标杆工况版本的工况标杆值计分卡；根据每个标杆工况版本的工况标杆值计分卡对每个标杆工况版本的可用性进行评估，确定至少一个标杆工况版本中的量产版本。

结合第一方面，在一种可能的实施例中，获取至少一个标杆工况版本，包括：

获取第一工况版本，第一工况版本为经过机器学习模型推理达到学习目标的工况版本中，优先级排名最高的一个工况版本；获取第二工况版本，第二工况版本为经过机器学习模型推理达到学习目标的工况版本中，除优先级排名最高的工况版本之外优先级排名最靠前的N个工况版本中随机挑选的M个工况版本，N≥M；将第一工况版本和第二工况版本作为至少一个标杆工况版本。

结合第一方面，在一种可能的实施例中，获取至少一个标杆工况版本，包括：

若标杆工况版本经过机器学习模型推理后未达到学习目标则将优先级排名最高的前T个工况版本作为至少一个标杆工况版本。

结合第一方面，在一种可能的实施例中，工况版本的优先级排名前后根据工况版本中的设计参数达到目标值的情况决定。

结合第一方面，在一种可能的实施例中，根据每个标杆工况版本的工况标杆值计分卡对每个标杆工况版本的可用性进行评估，包括：每个标杆工况版本的工况标杆值计分卡根据量产验证结果更新对应的标杆工况版本的产品参数的批次数据；获取工况标杆值计分卡的产品参数规格上下限；根据产品参数的批次数据计算产品参数均值和产品参数标准差；根据产品参数均值、产品参数标准差和产品参数规格上下限计算获得每个标杆工况版本产品参数的过程能力指数CPK。

结合第一方面，在一种可能的实施例中，根据产品参数的CPK值对每个标杆工况版本的可用性进行评估，包括：若至少一个标杆工况版本中的第一目标工况版本的产品参数的CPK不大于第一预设值，则确定第一目标工况版本为量产不可用版本；若至少一个标杆工况版本中的第二目标工况版本的产品参数的CPK大于第一预设值，则确定第二目标工况版本为量产可用版本；若至少一个标杆工况版本中的第三目标工况版本的产品参数的CPK大于第二预设值，则确定当前产品为量产最优版本。

结合第一方面，在一种可能的实施例中，确定至少一个标杆工况版本中的量产版本，包括：若确定至少一个标杆工况版本中包括唯一量产最优版本，则确定唯一量产最优版本为至少一个标杆工况版本中的量产版本；和/或若确定至少一个标杆工况版本中包括多个量产最优版本，则根据生产数据表中多个量产最优版本中每个版本对应的参数优先级和参数值确定排序，根据排序结果确定量产版本，其中生产数据表由工况标杆值计分卡中的设计参数组成；和/或若确定至少一个标杆工况版本中不包括唯一量产最优版本，且包括至少一个量产可用版本，则根据生产数据表中多个量产可用版本中每个版本对应的参数优先级和参数值确定排序，根据排序结果确定量产版本。

第二方面，本申请实施例提供了一种基于多生产工况的生产控制装置，该基于多生产工况的生产控制装置包括：

获取单元：用于获取至少一个标杆工况版本，至少一个标杆工况版本为通过机器学习模型推理的工况版本；

记录单元：用于生成至少一个标杆工况版本中的每个标杆工况版本的工况标杆值计分卡，工况标杆值计分卡用于记录每个标杆工况版本的设计参数；根据至少一个标杆工况版本中的每个标杆工况版本进行量产验证，并根据量产验证的设计参数更新每个标杆工况版本的工况标杆值计分卡；

评估单元：用于根据每个标杆工况版本的工况标杆值计分卡对每个标杆工况版本的可用性进行评估，确定至少一个标杆工况版本中的量产版本。

第三方面，本申请实施例提供了一种电子设备，包括处理器、存储器、通信接口，以及一个或多个程序，一个或多个程序被存储在存储器中，并且被配置由处理器执行，一条或多条指令适于由处理器加载并执行如下步骤：

获取至少一个标杆工况版本，至少一个标杆工况版本为经过机器学习模型推理的工况版本；

生成至少一个标杆工况版本中的每个标杆工况版本的工况标杆值计分卡，工况标杆值计分卡用于记录每个标杆工况版本的设计参数；

根据至少一个标杆工况版本中的每个标杆工况版本进行量产验证，并根据量产验证的设计参数更新每个标杆工况版本的工况标杆值计分卡；

根据每个标杆工况版本的工况标杆值计分卡对每个标杆工况版本的可用性进行评估，确定至少一个标杆工况版本中的量产版本。

第四方面，本申请实施例提供了一种计算机可读存储介质，其存储用于电子数据交换的计算机程序，其中，计算机程序使得计算机执行如第一方面的方法。

实施本申请实施例，具有如下有益效果:

为多个通过机器学习模型推理得到的工况版本新建工况标杆值计分卡，增加记录的工艺参数提高了生产的精细化程度，提升了产品品质。将多个工况版本进行量产验证，将量产得到的多个工艺参数记录在工况标杆值计分卡中，通过对每一个工况下对应的训练结果进行版本确定，并根据版本类型进行推荐各版本的工况版本生产质量有一个科学的评判依据。通过对工况版本进行量产验证的方法，选择出最优的量产工况版本，保证了生产工艺参数的设置始终处于最优状态，进而保证产品的良率最优。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本申请实施例提供的一种基于多生产工况的生产控制方法的应用场景示意图；

图2为本申请实施例提供的一种基于多生产工况的生产控制方法的流程示意图；

图3A为本申请实施例提供的一种产品计分卡的示意图；

图3B为本申请实施例提供的一种部件计分卡的示意图；

图3C为本申请实施例提供的一种工艺设备计分卡的示意图；

图4为本申请实施例提供的一种基于多生产工况的生产控制装置的结构示意图；

图5为本申请实施例提供的一种电子设备的结构示意图。

具体实施方式

为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。

在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。

首先对本申请实施例涉及的术语进行解释。

多工况：工况的定义是生产流程的输入要素，如生产的工人，生产的机器，生产的原料，生产的方法，生产的环境等特性值的变化区间的组合。不同的工况组合，对生产流程的控制参数会有显著影响。多工况是指生产过程是按不同的工况进行生产分类管理。

工况版本：在本申请实施例中工况版本包括某种产品的生产方法中的各种工艺参数如包含制造产品的人员，制造产品使用的机器，制造产品使用的原材料，制造产品使用的方法，制造产品的过程中所处的环境等参数。在本方法中的不同阶段工况版本会根据各种工艺参数不断更新。

工况标杆值版本计分卡：在本申请实施例中工况标杆值版本计分卡包括工艺设备计分卡、部件计分卡和产品计分卡，用于记录上述工况版本的设计参数，具有数值更新的功能。

设计参数：包括产品参数、部件参数和工艺设备参数，其中产品参数为实际生产后用于评价最终产品的质量品质的各类参数；部件参数为供应商来料或生产过程中产生的中间产物的特性参数；工艺设备参数为控制每个生产工艺流程的工艺指标(如操作时间，投料量)与设备参数指标(如温度，压力，液位等)。

规格上限值(Upper Spec Limit，USL)与规格下限值(Lower Spec Limit，LSL)：是指允许参数值浮动的最大值和最小值。

过程能力指数(Capability Index of Process，Cpk)：是指过程能力满足产品质量标准要求(规格范围等)的程度。

下面结合附图对本申请的实施例进行描述。

请参见图1，图1为本申请实施例提供的一种基于多生产工况的生产控制方法的应用场景示意图；该应用场景100包括机器学习模块101，工况标杆值版本计分卡102，评估模块103和采样过滤模块104，机器学习模块101用于对标杆工况版本进行机器学习调整标杆工况版本的工艺设备参数，得到理论上最优的工艺设备参数组合，得到训练完成的数个标杆工况版本，工况标杆值版本计分卡102用于记录完成的数个标杆工况版本在各阶段的设计参数，评估模块103用于根据工况标杆值版本计分卡102记录的数据对标杆工况版本进行评估分类选择出最终的量产版本，采样过滤模块104用于在量产阶段根据采样过滤算法动态更新标杆工况的量产版本。

请参见图2，图2为本申请实施例提供的一种基于多生产工况的生产控制方法的流程示意图，可基于图1所示的应用环境实施，如图2所示，包括步骤S201-S205：

S201：获取至少一个标杆工况版本，至少一个标杆工况版本为经过机器学习模型推理的工况版本。

在本申请实施例中，在新建标杆工况版本后，为新建的标杆工况版本设置学习任务预设目标值，将生产时间，制造产品使用的原材料，制造产品使用的方法等工艺设备参数通过机器学习模型推理得到的理论上的一种最优的组合来达到目标值，这里的经过机器学习模型推理的工况版本包括达到通过机器学习达到目标值的情况，也包括通过机器学习后未达到的目标值的情况；此时可以将达到学习目标或者完成训练次数的工况版本称为标杆工况版本，或者将从其中选择部分工况版本称为标杆工况版本。选择出标杆工况版本进入量产验证阶段。

在一种可能的实施例中，获取至少一个标杆工况版本，包括：获取第一工况版本，第一工况版本为经过机器学习模型推理后达到学习目标的工况版本中，优先级排名最高的一个工况版本；获取第二工况版本，第二工况版本为经过机器学习模型推理后达到学习目标的工况版本中，除优先级排名最高的工况版本之外优先级排名最靠前的N个工况版本中随机挑选的M个工况版本，N≥M；将第一工况版本和第二工况版本作为至少一个标杆工况版本。

具体地，在将达到学习目标或者完成训练次数的工况版本中选择部分工况版本称为标杆工况版本的情况下，将对标杆工况版本具体地确定标杆工况版本的过程可包括：根据学习目标的达标程度进行排序，首先将排名最高的一个标杆工况版本确定为上述的至少一个标杆工况版本之一；其次，可以在非排名最高但排名靠前的N个标杆工况版本中随机选择M个标杆工况版本与优先级排名最高的一个标杆工况版本一起确定为上述的至少一个标杆工况版本。其中M≤N，例如N＝5，M＝3。

在一种可能的实施例中，获取至少一个标杆工况版本，包括：

若标杆工况版本经过机器学习模型推理后未达到学习目标则将优先级排名最高的前T个工况版本作为至少一个标杆工况版本。

具体地，若标杆工况版本通过机器学习模型推理后，未达到预先设置的的目标值，此时未达到目标值的标杆工况版无法再通过模型训练得到优化，则直接根据学习目标的达标程度对完成机器学习的多个标杆工况版本进行排分，获得排分名单后，将学习目标的达标程度较高的前T个标杆工况版确定为至少一个标杆工况版本，T可以为3,5或2等取值。

在一种可能的实施例中，工况版本的优先级排名前后根据工况版本与预设工况版本的匹配度大小确定。

具体地，前述根据学习目标的达标程度对完成机器学习的多个标杆工况版本进行排序的方法为，机器学习模型根据预设的目标参数如生产时间，调整其他工艺设备参数的数值，最终得到的完成机器训练的标杆工况版本的实际值与目标值的匹配程度，根据该匹配程度对多个完成机器学习的标杆工况版本的进行排序。

可能地，也可以根据标杆工况版本中的单个或多个工艺参数完成标杆工况版本的优先级排名，可确定以物质A含量作为优先级最高衡量产品质量的产品参数，物质A含量将标杆工况版本进行优先级排名，选出所有工况版本中物质A量最优秀的标杆工况版本，设计参数越优秀则标杆工况版本的优先级排名越高。

可以看出在本申请实例中，通过对完成机器学习的标杆工况版本根据不同的条件进行排序，筛选出了数个可用于后续步骤的数个标杆工况版本，增加用于后续量产验证步骤的标杆工况版本，在输出最终的工况版本前使各个版本的数据有平行比较的对象，增加了参与验证的工况版本数量，记录了大量的工艺参数，提高了生产的精细化程度，进而提升产品品质。

S202：生成至少一个标杆工况版本中的每个标杆工况版本的工况标杆值计分卡，工况标杆值计分卡用于记录每个标杆工况版本的设计参数。

在本实施例中，为每个标杆工况版本，分别新建一个对应的工况标杆值计分卡，这里的工况标杆值计分卡包括产品计分卡，部件计分卡和工艺设备计分卡。如图3A所示，图3A为本申请实施例提供的一种产品计分卡的示意图，产品计分卡用于记录多项设计参数指标，这些产品指标将反应产品质量，从而反映生产工艺设备和中间步骤在实际生产中的性能和优劣程度，其中产品参数的上规格限USL与下规格限LSL为在该标杆新建学习任务时设置参数学习目标值时同时设置并记录在工况标杆记分卡中，产品参数过程能力指数CPK通过参数均值、参数标准差与参数规格上下限计算；如图3B所示，图3B为本申请实施例提供的一种部件计分卡的示意图，部件计分卡用于记录多项部件参数指标，这里的部件指的是在一个标杆工况版本中可能出现的供应商来料或生产过程中产生的中间产物的特性参数，用于反应供应商来料、中间产物和中间步骤的优良程度；如图3C所示，图3C为本申请实施例提供的一种工艺设备计分卡的示意图；工艺设备计分卡用于记录产品的使用设备、原料的使用量和原料使用环境等参数，工艺设备计分卡已经在学习阶段确定其中部件计分卡与工艺设备计分卡中的参数上规格限USL的计算方法为该参数的目标值与A倍标准差的和；参数下规格限LSL的计算方法为该参数的目标值与A倍标准差的差，这里的A为大于零的正数，可以为1，2.5,4等，参数过程能力指数CPK通过参数均值、参数标准差与参数规格上下限计算。

S203：根据至少一个标杆工况版本中的每个标杆工况版本进行量产验证，并根据量产验证的设计参数更新每个标杆工况版本的工况标杆值计分卡。

在本实施例中，这里的根据至少一个标杆工况版本中的每个标杆工况版本进行量产验证指：根据标杆工况版本记录的生产方法和工艺参数实际投入生成，此时可以设置量产验证的批次限制，根据实际的量产验证需求可以调整该批次限制的预设值。例如得到三个可用于量产验证的标杆工况版本后，为每个标杆工况版本安排30个批次的实际生产，在每次生产结束后收集最终产品的产品参数，并通过收集到的产品参数更新每个标杆工况版本的工况标杆值计分卡中的产品计分卡。

S204：根据每个标杆工况版本的工况标杆值计分卡对每个标杆工况版本的可用性进行评估，确定至少一个标杆工况版本中的量产版本投入量产。

本申请实施例中，获得的标杆工况版本，理论上都可以运用于生产，但是还需要从其中挑选出最适用于量产的工况版本，因此，可以根据这些标杆工况版本运用于量产验证时，其对应的工况标杆值计分卡的记分情况对每个标杆工况版本的可用性，确定最终选定的用于量产阶段的量产版本。

在一种可能的实施例中，根据每个标杆工况版本的工况标杆值计分卡对每个标杆工况版本的可用性进行评估，包括：每个标杆工况版本的工况标杆值计分卡根据量产验证结果更新对应的标杆工况版本的产品参数的批次数据；获取工况标杆值计分卡的产品参数规格上下限；根据产品参数的批次数据计算产品参数均值和产品参数标准差；根据产品参数均值、产品参数标准差和产品参数规格上下限计算获得每个标杆工况版本产品参数的过程能力指数CPK；根据CPK值对每个标杆工况版本的可用性进行评估。

具体地，在每个标杆工况版本完成一个批次的实际生产后，产品计分卡更新该标杆工况版本的批次数据，计算该工况版本的产品参数的参数均值、与产品参数标准差；通过产品参数均值、产品参数标准差、产品参数规格上下限计算该批次产品参数的过程能力指数CPK并记录在产品计分卡中，这里的产品参数均值μ为某一参数在目前生产的所有批次产生的数据的均值；产品参数标准差σ为所有批次的产品参数标准差；这里的产品参数规格上限为该标杆工况版本在新建学习目标时设定学习的目标值时同时设置并记录在工况标杆记分卡中，可以直接调用；过程能力指数CPK＝min{Cpl，Cpu}，其中Cpl＝(μ-LSL)/3σ，Cpu＝(USL-μ)/3σ在本标杆工况版本的所有批次生产完成后获得所有批次的CPK均值记录为本标杆工况版本的CPK数据，根据CPK值对每个标杆工况版本的可用性进行评估，根据评估的结果选择出量产阶段的标杆工况版本，用于实际生产中。这里的参数规格上下限还可用于，根据参数规格上下限将错误数据排除，在生产的工艺、参数、等输入元素已经确定的可进行量产验证版本中，得到的设计参数只会在规格上下限之间波动，而在可能的人为失误或机器故障等情况下，则会产生不在规格上下限的范围内的错误设计参数，在此状况下将生产批次标记为错误批次，排除该生产批次的错误参数。

在一种可能的实施例中，根据标杆工况的设计参数更新工况标杆值计分卡的方式还包括：通过DBSCAN(Density-Based Spatial Clustering of Applications withNoise，具有噪声的基于密度的聚类方法)对收集到的设计参数进行聚类分析；根据预设的参数将同一种生产状况参数分为多个簇；将参数数量最多的簇作为设计参数计入工况标杆值计分卡中，将其他的簇定义为噪音并排除。

具体地，在实际量产的过程中各个生产批次的生产工况不可能完全一致，得到的设计参数也会有细微的差别，如果出现操作人员失误，生产环境骤变，生产设备故障等意外情况，就会导致出现非正常生产状况，得到的设计参数就会与正常值出现较大的差异。用于量产验证的生产批次数量并不多，得到的参数样本集的密度比较均匀、聚类间距差相差不大，此时可通过DBSCAN算法，将出现设备故障，中间产品异常等意外情况，因此将该生产批次标杆工况版本的设计参数排除在外，只记录正常的设计参数。

在本申请实施例中DBSCAN算法比较适合处理标杆工况版本在可以在需要处理的数据不多的情况下准确地分辨出属于离群点的异常数据，将异常数据排除在外，提高工况标杆值计分卡记录的数据的可信度，降低因为异常数据导致的评估结果不准确的问题。

在一种可能的实施例中，根据产品参数CPK值对每个标杆工况版本的可用性进行评估，包括：若至少一个标杆工况版本中的第一目标工况版本的产品参数CPK不大于第一预设值，则确定第一目标工况版本为量产不可用版本；若至少一个标杆工况版本中的第二目标工况版本的产品参数CPK大于第一预设值，则确定第二目标工况版本为量产可用版本；若至少一个标杆工况版本中的第三目标工况版本的产品参数CPK大于第二预设值，则确定当前产品为量产最优版本。

具体地，如表1所示，这里的CPK值具体指产品参数的CPK值，该产品参数的CPK预设值可根据实际需求而定，可将第一预设值设置为1.0，第二预设值设置为1.33，过程能力指数CPK是指过程能力满足产品质量标准要求(规格范围等)的程度，也称工序能力指数，是指工序在一定时间里，处于控制状态(稳定状态)下的实际加工能力。当该标杆工序版本的至少一个产品参数的CPK不大于1.0时，代表该标杆工序版本的过程能力需改进，严重时需停产整顿，则将该标杆工序版本确定为量产不可用版本；当该标杆工序版本的所有产品参数的CPK均大于1.0，且至少一个产品参数CPK小于1.33，代表该标杆工序版本的过程能力属于正常范围，则该标杆工序版本为量产可用版本；至少一个标杆工况版本中的第三目标工况版本的所有产品参数的CPK值均大于1.33，代表该标杆工序版本的过程能力良好，则确该标杆工序版本为量产最优版本。

表1

在一种可能的实施例中，确定至少一个标杆工况版本中的量产版本，包括：若确定至少一个标杆工况版本中包括唯一量产最优版本，则确定唯一量产最优版本为至少一个标杆工况版本中的量产版本；和/或若确定至少一个标杆工况版本中包括多个量产最优版本，则根据生产数据表中多个量产最优版本中每个版本对应的参数优先级和参数值确定排序，根据排序结果确定量产版本，其中生产数据表由工况标杆值计分卡中的设计参数组成；和/或若确定至少一个标杆工况版本中不包括唯一量产最优版本，且包括至少一个量产可用版本，则根据生产数据表中多个量产可用版本中每个版本对应的参数优先级和参数值确定排序，根据排序结果确定量产版本。

具体地，投入量产验证的多个标杆工况版本的产品参数的CPK计算结果可能出现不同情况，若在所有投入量产验证的多个标杆工况版本中只有一个标杆工况版本的产品参数的CPK均超过1.33，即可确定该标杆工况版本为最终的量产版本；若在所有投入量产验证的多个标杆工况版本中不止一个标杆工况版本的产品参数的CPK均超过1.3，则对多个标杆工况版本的单个产品参数的CPK进行比较，产品参数有高中低优先级排序，这里的产品参数的优先级可根据实际需求进行设置，将多个版本根据优先级最高的产品参数的CPK值进行排序，将排序第一的标杆工况版本确定为最终量产版本。若所有标杆工况版本中只存在所有产品参数的CPK均大于1.0，且至少一个产品参数的CPK小于1.33的量产可用版本，同样地，可根据生产数据表中多个量产可用版本中每个版本对应的产品参数的优先级和各产品参数的CPK值确定排序，根据排序结果确定最终的量产版本。

可以看出在本申请实施例中，将多个工况版本进行量产验证，并将多个量产批次量产得到的多个设计参数记录在工况标杆值计分卡中，通过对每一个工况下对应的训练结果进行版本确定，并根据版本类型推荐最适合量产的工况版本，使得生产质量有一个科学的评判依据。

S205：根据在量产阶段标杆工况版本产生的设计参数，通过采样过滤算法动态更新标杆工况的量产版本投入量产。

在本申请实施例中标杆工况的量产版本实际投入生产后，通过采样过滤算法对标杆工况的量产版本进行动态更新。这里的采样过滤算法包括：在实际量产阶段获取X个批次的标杆工况的量产版本的产品计分卡，计算标杆工况的量产版本X个批次的产品参数的CPK值；当所有产品参数的CPK值都大于预设阈值时，根据X个批次的标杆工况的量产版本的产品计分卡确定参数规格上下限；该规格上下限用于，当量产阶段某一量产批次得到的产品参数超过该规格上下限，则可认定在生产过程中可能存在的设备异常或中间产品的异常等意外情况，造成了生产得到的产品参数超过规格上下限，因此排除该量产批次的产品，更新标杆工况的量产版本，根据过滤后样本对应的工艺设备计分卡和部件计分卡计算对应的工艺参数和部件参数的规格上下限，利用该参数的规格上下限进行过程质量管控，这里的CPK值的计算方法可参见步骤S204的相关内容此处不再赘述，这里的X为正整数，如20,30等，这里的预设阈值可以为1.33，1.0等。

在一种可能的实施例中，若标杆工况的量产版本X个批次的CPK值未超过预设阈值，则计算另外X个批次产品参数的CPK值，若另外X个批次产品的CPK值仍未超过预设阈值的则根据目前所有批次的标杆工况的量产版本的产品计分卡计算规格上下限，通过得到的规格上下限更新标杆工况的量产版本。

在本申请实例中通过采集产品参数的CPK大于预设阈值的X个量产批次的标杆工况的量产版本的产品计分卡，将得到的规格上下限作为过滤条件，将得到的过滤后样本对应的工艺设备计分卡和部件计分卡对应的工艺设备参数和部件参数的规格上下限，利用该参数的规格上下限进行过程质量管控，及时发现设备异常和中间产品的异常并采取应对改善措施，保证了产品生产的良率。

通过实施本发明实施例的方法，将多个工况版本进行量产验证，根据量产验证得到的设计参数更新工况标杆值计分卡，计算出每个工况版本的产品参数CPK值，对每一个工况下对应的训练结果进行版本确定，推荐出最适合量产的量产版本的工况版本，使得生产质量有一个科学的评判依据。通过对工况版本进行量产验证的方法，选择出最优的量产工况版本，保证了生产工艺参数的设置始终处于最优状态，通过采样过滤算法动态更新标杆工况的量产版本，对量产的产品进行质量管控，进而保证产品的良率最优。

基于上述配置方法实施例的描述，本申请还提供一种基于多生产工况的生产控制装置400，该基于多生产工况的生产控制装置400可以是运行于终端中的一个计算机程序(包括程序代码)。该基于多生产工况的生产控制装置400可以执行图1、图2、图3A、图3B和图3C所示的方法。请参见图4，该装置包括：

获取单元401：用于获取至少一个标杆工况版本，至少一个标杆工况版本为经过机器学习模型推理的工况版本；

记录单元402：用于生成至少一个标杆工况版本中的每个标杆工况版本的工况标杆值计分卡，工况标杆值计分卡用于记录每个标杆工况版本的设计参数；

根据至少一个标杆工况版本中的每个标杆工况版本进行量产验证，并根据量产验证的设计参数更新每个标杆工况版本的工况标杆值计分卡；

评估单元403：用于根据每个标杆工况版本的工况标杆值计分卡对每个标杆工况版本的可用性进行评估，确定至少一个标杆工况版本中的量产版本。

在一种可能的实施例中，在获取标杆工况版本方面，获取单元还具体用于执行以下步骤的指令：

获取第一工况版本，第一工况版本为经过机器学习模型推理后达到学习目标的工况版本中，优先级排名最高的一个工况版本；获取第二工况版本，第二工况版本为经过机器学习模型推理后达到学习目标的工况版本中，除优先级排名最高的工况版本之外优先级排名最靠前的N个工况版本中随机挑选的M个工况版本，N≥M；将第一工况版本和第二工况版本作为至少一个标杆工况版本。

在一种可能的实施例中，在获取标杆工况版本方面，获取单元还具体用于执行以下步骤的指令：

若标杆工况版本经过机器学习模型推理后未达到学习目标则将优先级排名最高的前T个工况版本作为至少一个标杆工况版本。

在一种可能的实施例中，工况版本的优先级排名前后根据工况版本中的设计参数达到目标值的情况决定。

在一种可能的实施例中，在根据每个标杆工况版本的工况标杆值计分卡对每个标杆工况版本的可用性进行评估方面，记录单元还用于执行以下步骤的指令：

每个标杆工况版本的工况标杆值计分卡根据量产验证结果更新对应的标杆工况版本的产品参数的批次数据；获取工况标杆值计分卡的产品参数规格上下限；根据产品参数的批次数据计算产品参数均值和产品参数标准差；根据产品参数均值、产品参数标准差和产品参数规格上下限计算获得每个标杆工况版本产品参数的过程能力指数CPK；根据CPK值对每个标杆工况版本的可用性进行评估。

在一种可能的实施例中，在根据产品参数的CPK值对每个标杆工况版本的可用性进行评估方面，评估单元还用于执行以下步骤的指令：

若至少一个标杆工况版本中的第一目标工况版本的产品参数的CPK不大于第一预设值，则确定第一目标工况版本为量产不可用版本；若至少一个标杆工况版本中的第二目标工况版本的产品参数的CPK大于第一预设值，则确定第二目标工况版本为量产可用版本；若至少一个标杆工况版本中的第三目标工况版本的产品参数的CPK大于第二预设值，则确定当前产品为量产最优版本。

在一种可能的实施例中，在确定至少一个标杆工况版本中的量产版本方面，评估单元还用于执行以下步骤的指令：

若确定至少一个标杆工况版本中包括唯一量产最优版本，则确定唯一量产最优版本为至少一个标杆工况版本中的量产版本；和/或若确定至少一个标杆工况版本中包括多个量产最优版本，则根据生产数据表中多个量产最优版本中每个版本对应的参数优先级和参数值确定排序，根据排序结果确定量产版本，其中生产数据表由工况标杆值计分卡中的设计参数组成；和/或若确定至少一个标杆工况版本中不包括唯一量产最优版本，且包括至少一个量产可用版本，则根据生产数据表中多个量产可用版本中每个版本对应的参数优先级和参数值确定排序，根据排序结果确定量产版本。

基于上述方法实施例和装置实施例的描述，请参见图5，图5为本申请实施例提供的一种电子设备500的结构示意图，本实施例中所描述的电子设备500，如图5所示，该电子设备500包括处理器501、存储器502、通信接口503以及一个或多个程序，上述一个或多个程序通过应用程序代码的形式被存储在上述存储器中，并且被配置由上述处理器执行，本申请实施例中，上述程序包括用于执行以下步骤的指令：

获取至少一个标杆工况版本，至少一个标杆工况版本为经过机器学习模型推理的工况版本；

生成至少一个标杆工况版本中的每个标杆工况版本的工况标杆值计分卡，工况标杆值计分卡用于记录每个标杆工况版本的设计参数；

根据至少一个标杆工况版本中的每个标杆工况版本进行量产验证，并根据量产验证的设计参数更新每个标杆工况版本的工况标杆值计分卡；

根据每个标杆工况版本的工况标杆值计分卡对每个标杆工况版本的可用性进行评估，确定至少一个标杆工况版本中的量产版本。

在一种可能的实施例中，获取至少一个标杆工况版本，包括：

获取第一工况版本，第一工况版本为经过机器学习模型推理后达到学习目标的工况版本中，优先级排名最高的一个工况版本；获取第二工况版本，第二工况版本为经过机器学习模型推理后达到学习目标的工况版本中，除优先级排名最高的工况版本之外优先级排名最靠前的N个工况版本中随机挑选的M个工况版本，N≥M；将第一工况版本和第二工况版本作为至少一个标杆工况版本。

在一种可能的实施例中，获取至少一个标杆工况版本，包括：

若标杆工况版本经过机器学习模型推理后未达到学习目标则将优先级排名最高的前T个工况版本作为至少一个标杆工况版本。

在一种可能的实施例中，工况版本的优先级排名前后根据工况版本中的设计参数达到目标值的情况决定。

在一种可能的实施例中，根据每个标杆工况版本的工况标杆值计分卡对每个标杆工况版本的可用性进行评估，包括：每个标杆工况版本的工况标杆值计分卡根据量产验证结果更新对应的标杆工况版本的产品参数的批次数据；获取工况标杆值计分卡的产品参数规格上下限；根据产品参数的批次数据计算产品参数均值和产品参数标准差；根据产品参数均值、产品参数标准差和产品参数规格上下限计算获得每个标杆工况版本产品参数的过程能力指数CPK；根据CPK值对每个标杆工况版本的可用性进行评估。

在一种可能的实施例中，根据产品参数的CPK值对每个标杆工况版本的可用性进行评估，包括：若至少一个标杆工况版本中的第一目标工况版本的产品参数的CPK不大于第一预设值，则确定第一目标工况版本为量产不可用版本；若至少一个标杆工况版本中的第二目标工况版本的产品参数的CPK大于第一预设值，则确定第二目标工况版本为量产可用版本；若至少一个标杆工况版本中的第三目标工况版本的产品参数的CPK大于第二预设值，则确定当前产品为量产最优版本。

在一种可能的实施例中，确定至少一个标杆工况版本中的量产版本，包括：若确定至少一个标杆工况版本中包括唯一量产最优版本，则确定唯一量产最优版本为至少一个标杆工况版本中的量产版本；和/或若确定至少一个标杆工况版本中包括多个量产最优版本，则根据生产数据表中多个量产最优版本中每个版本对应的参数优先级和参数值确定排序，根据排序结果确定量产版本，其中生产数据表由工况标杆值计分卡中的设计参数组成；和/或若确定至少一个标杆工况版本中不包括唯一量产最优版本，且包括至少一个量产可用版本，则根据生产数据表中多个量产可用版本中每个版本对应的参数优先级和参数值确定排序，根据排序结果确定量产版本。

示例性地，上述电子设备可包括但不仅限于处理器、存储器、通信接口以及一个或多个程序，还可以包括内存、电源、应用客户端模块等。本领域技术人员可以理解，所述示意图仅仅是电子设备的示例，并不构成对电子设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件。

本申请实施例还提供了一种计算机存储介质(Memory)，所述计算机存储介质是信息处理设备或信息发送设备或信息接收设备中的记忆设备，用于存放程序和数据。可以理解的是，此处的计算机存储介质既可以包括终端中的内置存储介质，当然也可以包括终端所支持的扩展存储介质。计算机存储介质提供存储空间，该存储空间存储了终端的操作系统。并且，在该存储空间中还存放了适于被处理器加载并执行的一条或多条的指令，这些指令可以是一个或一个以上的计算机程序(包括程序代码)。需要说明的是，此处的计算机存储介质可以是高速RAM存储器，也可以是非不稳定的存储器(Non-volatile Memory)，例如至少一个磁盘存储器；可选的，还可以是至少一个位于远离前述处理器的计算机存储介质。在一个实施例中，可由处理器加载并执行计算机存储介质中存放的一条或多条指令，以实现上述基于多生产工况的生产控制方法的相应步骤。

以上对本申请实施例进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的一般技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。

Claims (10)

1.一种基于多生产工况的生产控制方法，其特征在于，包括：

获取至少一个标杆工况版本，其中，所述至少一个标杆工况版本为经过机器学习模型推理的工况版本；

生成所述至少一个标杆工况版本中的每个标杆工况版本的工况标杆值计分卡，所述工况标杆值计分卡用于记录所述每个标杆工况版本的设计参数；

根据所述至少一个标杆工况版本中的每个标杆工况版本进行量产验证，并根据所述量产验证的设计参数更新所述每个标杆工况版本的工况标杆值计分卡；

根据所述每个标杆工况版本的工况标杆值计分卡对所述每个标杆工况版本的可用性进行评估，确定所述至少一个标杆工况版本中的量产版本。

2.根据权利要求1所述的方法，其特征在于，

所述获取至少一个标杆工况版本，包括：

获取第一工况版本，所述第一工况版本为经过所述机器学习模型推理达到学习目标的工况版本中，优先级排名最高的一个工况版本；

获取第二工况版本，所述第二工况版本为经过所述机器学习模型推理达到学习目标的工况版本中，除所述优先级排名最高的工况版本之外优先级排名最靠前的N个工况版本中随机挑选的M个工况版本，N≥M；

将所述第一工况版本和所述第二工况版本作为所述至少一个标杆工况版本。

3.根据权利要求1所述的方法，其特征在于，

所述获取至少一个标杆工况版本，包括：

若所述标杆工况版本经过所述机器学习模型推理后未达到学习目标，则将优先级排名最高的T个工况版本作为所述至少一个标杆工况版本。

4.根据权利要求2或3所述的方法，其特征在于，所述工况版本的优先级排名前后根据所述工况版本中的设计参数达到目标值的情况决定。

5.根据权利要求1至4任意一项所述的方法，其特征在于，所述根据所述每个标杆工况版本的工况标杆值计分卡对所述每个标杆工况版本的可用性进行评估，包括：

所述每个标杆工况版本的工况标杆值计分卡根据量产验证结果更新对应的标杆工况版本的产品参数的批次数据；

获取所述工况标杆值计分卡的产品参数规格上下限；

根据所述产品参数的批次数据计算产品参数均值和产品参数标准差；

根据所述产品参数均值、产品参数标准差和产品参数规格上下限计算获得所述每个标杆工况版本产品参数的过程能力指数CPK；

根据所述产品参数的CPK值对所述每个标杆工况版本的可用性进行评估。

6.根据权利要求5所述的方法，其特征在于，根据所述产品参数的CPK值对所述每个标杆工况版本的可用性进行评估，包括：

若所述至少一个标杆工况版本中的第一目标工况版本的所述产品参数的CPK不大于第一预设值，则确定所述第一目标工况版本为量产不可用版本；

若所述至少一个标杆工况版本中的第二目标工况版本的所述产品参数的CPK大于第一预设值，则确定所述第二目标工况版本为量产可用版本；

若所述至少一个标杆工况版本中的第三目标工况版本的所述产品参数的CPK大于第二预设值，则确定当前产品为量产最优版本。

7.根据权利要求6所述的方法，其特征在于，所述确定所述至少一个标杆工况版本中的量产版本，包括：

若确定所述至少一个标杆工况版本中包括唯一量产最优版本，则确定所述唯一量产最优版本为所述至少一个标杆工况版本中的量产版本；和/或

若确定所述至少一个标杆工况版本中包括多个量产最优版本，则根据生产数据表中所述多个量产最优版本中每个版本对应的参数优先级和参数值确定排序，根据排序结果确定所述量产版本，其中所述生产数据表由所述工况标杆值计分卡中的设计参数组成；和/或

若确定所述至少一个标杆工况版本中不包括唯一量产最优版本，且包括至少一个量产可用版本，则根据生产数据表中所述多个量产可用版本中每个版本对应的参数优先级和参数值确定排序，根据排序结果确定所述量产版本。

8.一种基于多生产工况的生产控制装置，所述装置用于执行所述基于多生产工况的生产控制方法，其特征在于包括：

获取单元：用于获取至少一个标杆工况版本，所述至少一个标杆工况版本为经过机器学习模型推理调整，结束学习阶段的工况版本；

记录单元：用于生成所述至少一个标杆工况版本中的每个标杆工况版本的工况标杆值计分卡，所述工况标杆值计分卡用于记录所述每个标杆工况版本的设计参数；

根据所述至少一个标杆工况版本中的每个标杆工况版本进行量产验证，并根据所述量产验证的设计参数更新所述每个标杆工况版本的工况标杆值计分卡；

评估单元：用于根据所述每个标杆工况版本的工况标杆值计分卡对所述每个标杆工况版本的可用性进行评估，确定所述至少一个标杆工况版本中的量产版本。

9.一种电子设备，其特征在于，包括处理器、存储器和通信接口，一个或多个程序被存储在所述存储器中，并且被配置由所述处理器执行，所述程序包括用于执行如权利要求1-7任一项所述的方法中的步骤的指令。

10.一种计算机可读存储介质或计算机程序产品，其特征在于，所述计算机可读存储介质存储有计算机程序，其中，所述计算机程序使得计算机执行如权利要求1-7中任一项所述的方法，或所述计算机程序产品使得计算机执行如权利要求1-7中任一项所述的方法。

Images