CN115238706B - 一种芯片检测及处理方法及系统 - Google Patents
一种芯片检测及处理方法及系统 Download PDFInfo
- Publication number
- CN115238706B CN115238706B CN202210828734.3A CN202210828734A CN115238706B CN 115238706 B CN115238706 B CN 115238706B CN 202210828734 A CN202210828734 A CN 202210828734A CN 115238706 B CN115238706 B CN 115238706B
- Authority
- CN
- China
- Prior art keywords
- semantics
- matching
- semantic
- detection
- result
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 231
- 238000003672 processing method Methods 0.000 title claims abstract description 15
- 230000010485 coping Effects 0.000 claims abstract description 74
- 238000012545 processing Methods 0.000 claims abstract description 70
- 238000004519 manufacturing process Methods 0.000 claims abstract description 47
- 238000000034 method Methods 0.000 claims abstract description 23
- 239000013598 vector Substances 0.000 claims description 166
- 238000000605 extraction Methods 0.000 claims description 39
- 230000008569 process Effects 0.000 claims description 18
- 238000005516 engineering process Methods 0.000 claims description 14
- 238000013507 mapping Methods 0.000 claims description 6
- 238000011282 treatment Methods 0.000 claims description 5
- 238000007689 inspection Methods 0.000 claims 5
- 230000009286 beneficial effect Effects 0.000 description 5
- 238000003062 neural network model Methods 0.000 description 5
- 238000012360 testing method Methods 0.000 description 4
- 238000011269 treatment regimen Methods 0.000 description 4
- 238000012549 training Methods 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000003032 molecular docking Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2474—Sequence data queries, e.g. querying versioned data
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Fuzzy Systems (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- General Health & Medical Sciences (AREA)
- Mathematical Physics (AREA)
- Probability & Statistics with Applications (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明提供一种芯片检测及处理方法及系统，其中，方法包括：步骤1：获取对生产的多个目标芯片进行检测的检测数据；步骤2：基于所述检测数据，确定所述多个目标芯片的检测结果；步骤3：基于所述检测结果，自适应对芯片生产进行相应的应对处理。本发明的芯片检测及处理方法及系统，可自行收集芯片的检测数据，对检测数据进行分析以确定检测结果，还可以基于检测结果，对芯片生产中的问题进行应对处理，极大程度上降低了人力成本。
Description
技术领域
本发明涉及芯片检测处理技术领域，特别涉及一种芯片检测及处理方法及系统。
背景技术
目前，芯片生产时，当一批次的芯片下线出厂前，需要进行芯片检测，例如：功能测试、工艺筛选测试和可靠性测试等。
进行芯片检测时，使用到对应芯片检测仪器进行检测，检测完成后，需要工作人员人工收集检测数据，并人工分析以确定检测结果，另外，当检测结果存在不良结果时，需要紧急进行应对处理，例如：芯片质量不稳定时，需要在生产线上寻找问题出处，也需要人工进行，人力成本较大。
因此，亟需一种解决办法。
发明内容
本发明目的之一在于提供了一种芯片检测及处理方法，可自行收集芯片的检测数据，对检测数据进行分析以确定检测结果，还可以基于检测结果，对芯片生产中的问题进行应对处理，极大程度上降低了人力成本。
本发明实施例提供的一种芯片检测及处理方法，包括：
步骤1：获取对生产的多个目标芯片进行检测的检测数据；
步骤2：基于检测数据，确定多个目标芯片的检测结果；
步骤3：基于检测结果，自适应对芯片生产进行相应的应对处理。
优选的，步骤2：基于检测数据，确定多个目标芯片的检测结果，包括：
基于预设的第一特征提取模板，对检测数据进行特征提取，获得多个数据特征值；
基于多个数据特征值，确定多个目标芯片的检测结果。
优选的，基于多个数据特征值，确定多个目标芯片的检测结果，包括：
基于多个数据特征值，构建检测数据的第一特征描述向量；
获取预设的检测结果内容库，检测结果内容库包括：多组一一对应的第二特征描述向量和检测结果内容；
将第一特征描述向量与第二特征描述向量进行向量匹配；
若匹配符合，将匹配符合的第二特征描述向量对应的检测结果内容作为多个目标芯片的检测结果；
和/或，
获取预设的检测结果确定模型；
将多个数据特征值输入至检测结果确定模型；
获取检测结果确定模型输出的确定的多个目标芯片的检测结果。
优选的，步骤3：基于检测结果，自适应对芯片生产进行相应的应对处理，包括：
基于预设的第二特征提取模板，对检测结果进行特征提取，获得多个结果特征值；
基于结果特征值，构建检测结果的第一结果描述向量；
获取预设的复杂判定库，复杂判定库包括：多组一一对应的第二结果描述向量和复杂度；
将第一结果描述向量与第二结果描述向量进行向量匹配；
若匹配符合，若匹配符合的第二结果描述向量对应的复杂度小于等于预设的复杂度阈值，获取预设的应对处理策略库，应对策略库包括：多组一一对应的第三结果描述向量和第一应对处理策略；
将第一结果描述向量与第三结果描述向量进行向量匹配；
若匹配符合，基于匹配符合的第三结果描述向量对应的第一应对处理策略，对芯片生产进行相应的应对处理；
若匹配符合的第二结果描述向量对应的复杂度大于复杂度阈值，获取预设的专家节点库，专家节点库包括：多组一一对应的第四结果描述向量和专家节点；
将第一结果描述向量与第四结果描述向量进行向量匹配；
若匹配符合，构建在线会议室，将匹配符合的第四结果描述向量对应的专家节点全部接入在线会议室；
将检测结果映射于在线会议室内；
当至少一个专家节点输入会议室解散申请时，获取在线会议室内历史上产生的多个会议记录；
基于多个会议记录，确定第二应对处理策略；
基于第二应对处理策略，对芯片生产进行相应的应对处理。
优选的，基于多个会议记录，确定第二应对处理策略，包括：
基于语义提取技术，提取多个会议记录各自的第一语义；
获取多个会议记录的产生先后顺序；
将多个会议记录各自的第一语义按照产生先后顺序进行排序，获得语义序列；
从语义序列的序列起点向序列终点依次遍历第一语义；
每次遍历第一语义时，获取预设的提议语义库，提议语义库包括：多个提议语义；
将遍历到的第一语义与提议语义进行匹配；
若匹配符合，从语义序列中确定遍历到的第一语义之后预设的序列范围内的第一语义，并作为第二语义；
基于语义理解技术，将与遍历到的第一语义之间存在语义关联的第二语义作为第三语义，同时，将其余的第二语义作为第四语义；
基于语义理解技术，将与任一第三语义之间存在语义关联的第四语义作为第五语义；
基于遍历到的第一语义、第三语义和第五语义，确定策略决定；
当遍历第一语义结束时，整合遍历过程中确定的策略决定，获得第二应对处理策略；
其中，基于遍历到的第一语义、第三语义和第五语义，确定策略决定，包括：
将遍历到的第一语义、第三语义和第五语义合并作为第六语义；
依次遍历第六语义；
每次遍历第六语义时，获取预设的反对语义库，反对语义库包括：多组一一对应的第七语义和至少一个反对语义；
将第六语义与第七语义进行匹配；
若匹配符合，将第六语义中除了遍历到的第六语义之外的第六语义与匹配符合的第七语义对应的反对语义进行匹配；
若均匹配不符合，基于遍历到的第六语义，确定策略决定。
本发明实施例提供的一种芯片检测及处理系统，包括：
获取模块，用于获取对生产的多个目标芯片进行检测的检测数据；
确定模块，用于基于检测数据，确定多个目标芯片的检测结果；
处理模块，用于基于检测结果，自适应对芯片生产进行相应的应对处理。
优选的，确定模块基于检测数据，确定多个目标芯片的检测结果，包括：
基于预设的第一特征提取模板，对检测数据进行特征提取，获得多个数据特征值；
基于多个数据特征值，确定多个目标芯片的检测结果。
优选的，确定模块基于多个数据特征值，确定多个目标芯片的检测结果，包括：
基于多个数据特征值，构建检测数据的第一特征描述向量；
获取预设的检测结果内容库，检测结果内容库包括：多组一一对应的第二特征描述向量和检测结果内容；
将第一特征描述向量与第二特征描述向量进行向量匹配；
若匹配符合，将匹配符合的第二特征描述向量对应的检测结果内容作为多个目标芯片的检测结果；
和/或，
获取预设的检测结果确定模型；
将多个数据特征值输入至检测结果确定模型；
获取检测结果确定模型输出的确定的多个目标芯片的检测结果。
优选的，处理模块基于检测结果，自适应对芯片生产进行相应的应对处理，包括：
基于预设的第二特征提取模板，对检测结果进行特征提取，获得多个结果特征值；
基于结果特征值，构建检测结果的第一结果描述向量；
获取预设的复杂判定库，复杂判定库包括：多组一一对应的第二结果描述向量和复杂度；
将第一结果描述向量与第二结果描述向量进行向量匹配；
若匹配符合，若匹配符合的第二结果描述向量对应的复杂度小于等于预设的复杂度阈值，获取预设的应对处理策略库，应对策略库包括：多组一一对应的第三结果描述向量和第一应对处理策略；
将第一结果描述向量与第三结果描述向量进行向量匹配；
若匹配符合，基于匹配符合的第三结果描述向量对应的第一应对处理策略，对芯片生产进行相应的应对处理；
若匹配符合的第二结果描述向量对应的复杂度大于复杂度阈值，获取预设的专家节点库，专家节点库包括：多组一一对应的第四结果描述向量和专家节点；
将第一结果描述向量与第四结果描述向量进行向量匹配；
若匹配符合，构建在线会议室，将匹配符合的第四结果描述向量对应的专家节点全部接入在线会议室；
将检测结果映射于在线会议室内；
当至少一个专家节点输入会议室解散申请时，获取在线会议室内历史上产生的多个会议记录；
基于多个会议记录，确定第二应对处理策略；
基于第二应对处理策略，对芯片生产进行相应的应对处理。
优选的，处理模块基于多个会议记录，确定第二应对处理策略，包括：
基于语义提取技术，提取多个会议记录各自的第一语义；
获取多个会议记录的产生先后顺序；
将多个会议记录各自的第一语义按照产生先后顺序进行排序，获得语义序列；
从语义序列的序列起点向序列终点依次遍历第一语义；
每次遍历第一语义时，获取预设的提议语义库，提议语义库包括：多个提议语义；
将遍历到的第一语义与提议语义进行匹配；
若匹配符合，从语义序列中确定遍历到的第一语义之后预设的序列范围内的第一语义，并作为第二语义；
基于语义理解技术，将与遍历到的第一语义之间存在语义关联的第二语义作为第三语义，同时，将其余的第二语义作为第四语义；
基于语义理解技术，将与任一第三语义之间存在语义关联的第四语义作为第五语义；
基于遍历到的第一语义、第三语义和第五语义，确定策略决定；
当遍历第一语义结束时，整合遍历过程中确定的策略决定，获得第二应对处理策略；
其中，基于遍历到的第一语义、第三语义和第五语义，确定策略决定，包括：
将遍历到的第一语义、第三语义和第五语义合并作为第六语义；
依次遍历第六语义；
每次遍历第六语义时，获取预设的反对语义库，反对语义库包括：多组一一对应的第七语义和至少一个反对语义；
将第六语义与第七语义进行匹配；
若匹配符合，将第六语义中除了遍历到的第六语义之外的第六语义与匹配符合的第七语义对应的反对语义进行匹配；
若均匹配不符合，基于遍历到的第六语义，确定策略决定。
本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1为本发明实施例中一种芯片检测及处理方法的示意图；
图2为确定第二应对处理策略的部分过程示意图；
图3为本发明实施例中一种芯片检测及处理系统的示意图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。
本发明实施例提供了一种芯片检测及处理方法，如图1所示，包括：
步骤1：获取对生产的多个目标芯片进行检测的检测数据；
步骤2：基于检测数据，确定多个目标芯片的检测结果；
步骤3：基于检测结果，自适应对芯片生产进行相应的应对处理。
上述技术方案的工作原理及有益效果为：
目标芯片具体为：从生产出的芯片中抽样挑选的进行芯片检测的芯片。检测数据具体为：利用芯片检测仪器对目标芯片进行检测时产生的测试数据，可以与芯片检测仪器进行通信对接以获取。基于检测数据，分析检测数据表示的目标芯片的功能、工艺和可靠性的好坏，确定检测结果。基于检测结果，自适应对芯片生产进行相应的应对处理，例如：检测结果表示芯片外壳规格误差较大，则调度工作人员对外壳生产机器进行检查，同时，暂停芯片生产。
本申请可自行收集芯片的检测数据，对检测数据进行分析以确定检测结果，还可以基于检测结果，对芯片生产中的问题进行应对处理，极大程度上降低了人力成本。
本发明实施例提供了一种芯片检测及处理方法，步骤2：基于检测数据，确定多个目标芯片的检测结果，包括：
基于预设的第一特征提取模板，对检测数据进行特征提取，获得多个数据特征值；
基于多个数据特征值，确定多个目标芯片的检测结果。
上述技术方案的工作原理及有益效果为：
引入预设的第一特征提取模板，对检测数据进行特征提取，获得多个数据特征值，数据特征值具体为：可作为检测结果确定依据的特征值，例如：进行芯片可靠性实验中的芯片引出线抗拉强度实验时，获得多个引出线抗拉强度，判定检测结果时，需要考虑到引出线抗拉强度的最大值、最小值和平均值，来综合评定芯片引出线抗拉强度的优良，因此，提取出的数据特征值可以为引出线抗拉强度的最大值、最小值和平均值，第一特征提取模板具体为：为了适配于提取这类数据特征值事先制定的模板，为针对性进行特征提取而制定适配的特征提取模板属于现有技术范畴，不作赘述。基于多个数据特征值，确定多个目标芯片的检测结果。
本申请引入第一特征提取模板，提取出检测数据的多个数据特征值，作为检测结果的确定依据，提升了检测结果确定的确定效率。
本发明实施例提供了一种芯片检测及处理方法，基于多个数据特征值，确定多个目标芯片的检测结果，包括：
基于多个数据特征值，构建检测数据的第一特征描述向量；
获取预设的检测结果内容库，检测结果内容库包括：多组一一对应的第二特征描述向量和检测结果内容；
将第一特征描述向量与第二特征描述向量进行向量匹配；
若匹配符合，将匹配符合的第二特征描述向量对应的检测结果内容作为多个目标芯片的检测结果；
和/或，
获取预设的检测结果确定模型；
将多个数据特征值输入至检测结果确定模型；
获取检测结果确定模型输出的确定的多个目标芯片的检测结果。
上述技术方案的工作原理及有益效果为：
第一特征描述向量由多个数据特征值构建，基于数据信息构建向量属于现有技术范畴，不作赘述。第二特征描述向量和检测结果内容具体为：由工作人员事先收集整理不同的多个数据特征值反应的检测结果，将这些多个数据特征值构建成第二特征描述向量，从检测结果中提取出检测结果内容。预设的检测结果确定模型具体为：工作人员事先收集整理不同的多个数据特征值，对这些多个数据特征值进行分析，确定检测结果，记录分析逻辑，之后，将全部分析逻辑输入至神经网络模型中进行模型训练，当神经网络模型训练至收敛后，将神经网络模型作为检测结果确定模型，神经网络模型以及利用有针对性的训练样本对神经网络模型进行训练，获得代替对应人工进行对应针对性操作的人工智能模型均属于现有技术范畴，不作赘述。
基于多个数据特征值，确定多个目标芯片的检测结果的方式有两种：第一种，将第一特征描述向量与第二特征描述向量进行匹配，若匹配符合，说明匹配符合的第二特征描述向量对应的检测结果内容可作为检测结果；第二种，将多个数据特征值输入至检测结果确定模型，检测结果确定模型会根据多个数据特征值确定检测结果并输出。
本申请引入两种基于多个数据特征值，确定多个目标芯片的检测结果的方式，提升了检测结果确定的精准性，提升了系统的适用性。
本发明实施例提供了一种芯片检测及处理方法，步骤3：基于检测结果，自适应对芯片生产进行相应的应对处理，包括：
基于预设的第二特征提取模板，对检测结果进行特征提取，获得多个结果特征值；
基于结果特征值，构建检测结果的第一结果描述向量；
获取预设的复杂判定库，复杂判定库包括：多组一一对应的第二结果描述向量和复杂度；
将第一结果描述向量与第二结果描述向量进行向量匹配；
若匹配符合，若匹配符合的第二结果描述向量对应的复杂度小于等于预设的复杂度阈值，获取预设的应对处理策略库，应对策略库包括：多组一一对应的第三结果描述向量和第一应对处理策略；
将第一结果描述向量与第三结果描述向量进行向量匹配；
若匹配符合，基于匹配符合的第三结果描述向量对应的第一应对处理策略，对芯片生产进行相应的应对处理；
若匹配符合的第二结果描述向量对应的复杂度大于复杂度阈值，获取预设的专家节点库，专家节点库包括：多组一一对应的第四结果描述向量和专家节点；
将第一结果描述向量与第四结果描述向量进行向量匹配；
若匹配符合，构建在线会议室，将匹配符合的第四结果描述向量对应的专家节点全部接入在线会议室；
将检测结果映射于在线会议室内；
当至少一个专家节点输入会议室解散申请时，获取在线会议室内历史上产生的多个会议记录；
基于多个会议记录，确定第二应对处理策略；
基于第二应对处理策略，对芯片生产进行相应的应对处理。
上述技术方案的工作原理及有益效果为：
结果特征值具体为：可作为确定基于检测结果对芯片生产进行应对处理的复杂性的确定依据的特征值，例如：芯片外壳瑕疵面积，若芯片外壳瑕疵面积较大，说明芯片外壳的生产机器出现的问题较为严重，则处理起来复杂性较高，第二特征提取模板具体为：为了适配于提取这类结果特征值事先制定的模板，为针对性进行特征提取而制定适配的特征提取模板属于现有技术范畴，不作赘述。第一结果描述向量由结果特征值构建，基于数据信息构建向量属于现有技术范畴，不作赘述。第二结果描述向量和复杂度具体为：由工作人员事先收集整理不同的多个结果特征值反应的基于检测结果对芯片生产进行应对处理的复杂性的大小，将这些多个结果特征值构建成第二结果描述向量，将复杂性的大小用数值即复杂度表示。第三结果描述向量和第一应对处理策略具体为：由工作人员事先收集整理不同检测结果提取出的多个结果特征值，将提取出的多个结果特征值构建成第三结果描述向量，根据检测结果确定第一应对处理策略，例如：检测结果为芯片外壳瑕疵，应对处理策略则为调度工作人员检查芯片外壳生产机器。第四结果描述向量和专家节点具体为：由工作人员事先收集整理不同检测结果和擅长进行基于该检测结果对芯片生产进行应对处理的专家，利用上述相同手段，提取出检测结果的结果特征值，构建成第四结果描述向量，获取专家使用的智能终端的节点地址，作为专家节点，以实现与专家之间的通信。
基于检测结果，自适应对芯片生产进行相应的应对处理时，首先确定处理的复杂性，若较不复杂，自行确定第一应对处理策略，进行相应的应对处理，若较为复杂，由专家进行会议讨论决定，基于决定的第二应对处理策略，进行相应的应对处理。提升了应对处理的合理性，避免一些较复杂的处理情况自行处理时发生处理不正确情况，提升了应对处理效率。
确定处理的复杂性时，将第一结果描述向量与第二结果描述向量进行向量匹配，若匹配符合，若匹配符合的第二结果描述向量对应的复杂度小于等于预设的复杂度阈值，则说明较不复杂，自行将第一结果描述向量与第三结果描述向量进行向量匹配，若匹配符合，基于匹配符合的第三结果描述向量对应的第一应对处理策略，对芯片生产进行相应的应对处理。若匹配符合的第二结果描述向量对应的复杂度大于复杂度阈值，说明较为复杂，将第一结果描述向量与第四结果描述向量进行向量匹配，若匹配符合，构建在线会议室，将匹配符合的第四结果描述向量对应的专家节点全部接入在线会议室，将适宜处理这类情况的专家接入在线会议室内，将检测结果映射于在线会议室内，供专家们查看，当至少一个专家节点输入会议室解散申请时，说明会议结束，获取在线会议室内历史上产生的多个会议记录，基于多个会议记录，确定第二应对处理策略，基于第二应对处理策略，对芯片生产进行相应的应对处理，会议记录具体为：会议中各专家发言的语音记录和文字记录等。
本发明实施例提供了一种芯片检测及处理方法，基于多个会议记录，确定第二应对处理策略，包括：
基于语义提取技术，提取多个会议记录各自的第一语义；
获取多个会议记录的产生先后顺序；
将多个会议记录各自的第一语义按照产生先后顺序进行排序，获得语义序列；
从语义序列的序列起点向序列终点依次遍历第一语义；
每次遍历第一语义时，获取预设的提议语义库，提议语义库包括：多个提议语义；
将遍历到的第一语义与提议语义进行匹配；
若匹配符合，从语义序列中确定遍历到的第一语义之后预设的序列范围内的第一语义，并作为第二语义；
基于语义理解技术，将与遍历到的第一语义之间存在语义关联的第二语义作为第三语义，同时，将其余的第二语义作为第四语义；
基于语义理解技术，将与任一第三语义之间存在语义关联的第四语义作为第五语义；
基于遍历到的第一语义、第三语义和第五语义，确定策略决定；
当遍历第一语义结束时，整合遍历过程中确定的策略决定，获得第二应对处理策略；
其中，基于遍历到的第一语义、第三语义和第五语义，确定策略决定，包括：
将遍历到的第一语义、第三语义和第五语义合并作为第六语义；
依次遍历第六语义；
每次遍历第六语义时，获取预设的反对语义库，反对语义库包括：多组一一对应的第七语义和至少一个反对语义；
将第六语义与第七语义进行匹配；
若匹配符合，将第六语义中除了遍历到的第六语义之外的第六语义与匹配符合的第七语义对应的反对语义进行匹配；
若均匹配不符合，基于遍历到的第六语义，确定策略决定。
上述技术方案的工作原理及有益效果为：
一般的，专家们在进行会议讨论时，由于会议讨论的时间较长，需要另安排一个人进行会议记录，记录下每一阶段讨论的决策结果，比较繁琐。
提议语义具体为：讨论时对芯片生产做出处理决策提议的会议记录的语义，例如：“安排人检查芯片外壳生产机器”。预设的序列范围具体为：由工作人员事先摄像的范围，例如：第七语义和至少一个反对语义具体为：工作人员事先收集整理大量专家在会议讨论时可能说出的发言内容的语义，作为第七语义，并确定反对第七语义的观点的反对语义，例如：第七语义为“安排人检查下芯片外壳生产机器的模具”，反对语义为“模具不会有问题”。
将第一语义按照对应会议记录的产生先后顺序进行排序，如图2所示，1-10表示排序后的第一语义。从语义序列的序列起点向序列终点依次遍历第一语义，每次遍历第一语义时，将遍历到的第一语义与提议语义进行匹配，若匹配符合，说明此时有专家提议出决策意见，触发进行策略决定的确定。无需根据每一第一语义进行策略决定的确定，减少了策略决定的确定的确定资源，提升了确定效率。
一般的，专家在进行提议时，其他专家会有不赞同意见，因此，需要根据之后的讨论，确定这一阶段讨论的决策结果。从语义序列中确定遍历到的第一语义之后预设的序列范围内的第一语义，并作为第二语义，如图2所示，假设3为遍历到的第一语义，预设的序列范围为A，则4-8为第二语义。
但是，基于预设的序列范围确定第二语义存在误差，导致第二语义中可能存在与此次讨论无关的语义，因此，需要进行语义筛选。基于语义理解技术，将与遍历到的第一语义之间存在语义关联的第二语义作为第三语义，语义关联指的时语义逻辑存在关联，例如：“安排人检查下芯片外壳生产机器的模具”与“模具不会有问题”，与第一语义存在语义关联，说明第三语义与此次讨论有关。将与任一第三语义之间存在语义关联的第四语义作为第五语义，与第三语义有关，说明第五语义与第一语义之间存在间接关联关系，也与此次讨论有关。有效筛选出与这一阶段讨论有关的语义，提升了适用性。
基于遍历到的第一语义、第三语义和第五语义，确定策略决定，策略决定为这一阶段讨论做出的处理决定。当遍历第一语义结束时，整合遍历过程中确定的策略决定，获得第二应对处理策略。则完成基于会议记录确定第二应对处理策略。
基于遍历到的第一语义、第三语义和第五语义，确定策略决定时，将遍历到的第一语义、第三语义和第五语义合并作为第六语义，依次遍历第六语义，每次遍历第六语义时，将第六语义与第七语义进行匹配，若匹配符合，将第六语义中除了遍历到的第六语义之外的第六语义与匹配符合的第七语义对应的反对语义进行匹配，若均匹配不符合，说明遍历到的第六语义表达的观点没有专家反对，因此，基于遍历到的第六语义，确定策略决定，例如：遍历到的第六语义为“安排人检查下芯片外壳生产机器的模具”，则策略决定为安排人员检查芯片外壳生产机器的模具。提升了策略决定确定的确定效率，同时，也更加智能化。
本发明实施例提供了一种芯片检测及处理系统，如图3所示，包括：
获取模块1，用于获取对生产的多个目标芯片进行检测的检测数据；
确定模块2，用于基于检测数据，确定多个目标芯片的检测结果；
处理模块3，用于基于检测结果，自适应对芯片生产进行相应的应对处理。
本发明实施例提供了一种芯片检测及处理系统，确定模块2基于检测数据，确定多个目标芯片的检测结果，包括：
基于预设的第一特征提取模板，对检测数据进行特征提取，获得多个数据特征值；
基于多个数据特征值，确定多个目标芯片的检测结果。
本发明实施例提供了一种芯片检测及处理系统，确定模块2基于多个数据特征值，确定多个目标芯片的检测结果，包括：
基于多个数据特征值，构建检测数据的第一特征描述向量；
获取预设的检测结果内容库，检测结果内容库包括：多组一一对应的第二特征描述向量和检测结果内容；
将第一特征描述向量与第二特征描述向量进行向量匹配；
若匹配符合，将匹配符合的第二特征描述向量对应的检测结果内容作为多个目标芯片的检测结果；
和/或，
获取预设的检测结果确定模型；
将多个数据特征值输入至检测结果确定模型；
获取检测结果确定模型输出的确定的多个目标芯片的检测结果。
本发明实施例提供了一种芯片检测及处理系统，处理模块3基于检测结果，自适应对芯片生产进行相应的应对处理，包括：
基于预设的第二特征提取模板，对检测结果进行特征提取，获得多个结果特征值；
基于结果特征值，构建检测结果的第一结果描述向量；
获取预设的复杂判定库，复杂判定库包括：多组一一对应的第二结果描述向量和复杂度；
将第一结果描述向量与第二结果描述向量进行向量匹配；
若匹配符合，若匹配符合的第二结果描述向量对应的复杂度小于等于预设的复杂度阈值，获取预设的应对处理策略库，应对策略库包括：多组一一对应的第三结果描述向量和第一应对处理策略；
将第一结果描述向量与第三结果描述向量进行向量匹配；
若匹配符合，基于匹配符合的第三结果描述向量对应的第一应对处理策略，对芯片生产进行相应的应对处理；
若匹配符合的第二结果描述向量对应的复杂度大于复杂度阈值，获取预设的专家节点库，专家节点库包括：多组一一对应的第四结果描述向量和专家节点；
将第一结果描述向量与第四结果描述向量进行向量匹配；
若匹配符合，构建在线会议室，将匹配符合的第四结果描述向量对应的专家节点全部接入在线会议室；
将检测结果映射于在线会议室内；
当至少一个专家节点输入会议室解散申请时，获取在线会议室内历史上产生的多个会议记录；
基于多个会议记录，确定第二应对处理策略；
基于第二应对处理策略，对芯片生产进行相应的应对处理。
本发明实施例提供了一种芯片检测及处理系统，处理模块3基于多个会议记录，确定第二应对处理策略，包括：
基于语义提取技术，提取多个会议记录各自的第一语义；
获取多个会议记录的产生先后顺序；
将多个会议记录各自的第一语义按照产生先后顺序进行排序，获得语义序列；
从语义序列的序列起点向序列终点依次遍历第一语义；
每次遍历第一语义时，获取预设的提议语义库，提议语义库包括：多个提议语义；
将遍历到的第一语义与提议语义进行匹配；
若匹配符合，从语义序列中确定遍历到的第一语义之后预设的序列范围内的第一语义，并作为第二语义；
基于语义理解技术，将与遍历到的第一语义之间存在语义关联的第二语义作为第三语义，同时，将其余的第二语义作为第四语义；
基于语义理解技术，将与任一第三语义之间存在语义关联的第四语义作为第五语义；
基于遍历到的第一语义、第三语义和第五语义，确定策略决定；
当遍历第一语义结束时，整合遍历过程中确定的策略决定，获得第二应对处理策略；
其中，基于遍历到的第一语义、第三语义和第五语义，确定策略决定，包括：
将遍历到的第一语义、第三语义和第五语义合并作为第六语义；
依次遍历第六语义；
每次遍历第六语义时，获取预设的反对语义库，反对语义库包括：多组一一对应的第七语义和至少一个反对语义；
将第六语义与第七语义进行匹配；
若匹配符合，将第六语义中除了遍历到的第六语义之外的第六语义与匹配符合的第七语义对应的反对语义进行匹配；
若均匹配不符合，基于遍历到的第六语义，确定策略决定。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
Claims (8)
1.一种芯片检测及处理方法，其特征在于，包括：
步骤1：获取对生产的多个目标芯片进行检测的检测数据；
步骤2：基于所述检测数据，确定所述多个目标芯片的检测结果；
步骤3：基于所述检测结果，自适应对芯片生产进行相应的应对处理；
所述步骤3：基于所述检测结果，自适应对芯片生产进行相应的应对处理，包括：
基于预设的第二特征提取模板，对所述检测结果进行特征提取，获得多个结果特征值；
基于所述结果特征值，构建所述检测结果的第一结果描述向量；
获取预设的复杂判定库，所述复杂判定库包括：多组一一对应的第二结果描述向量和复杂度；
将所述第一结果描述向量与所述第二结果描述向量进行向量匹配；
若匹配符合，若匹配符合的所述第二结果描述向量对应的所述复杂度小于等于预设的复杂度阈值，获取预设的应对处理策略库，所述应对处理策略库包括：多组一一对应的第三结果描述向量和第一应对处理策略；
将所述第一结果描述向量与所述第三结果描述向量进行向量匹配；
若匹配符合，基于匹配符合的所述第三结果描述向量对应的所述第一应对处理策略，对芯片生产进行相应的应对处理；
若匹配符合的所述第二结果描述向量对应的所述复杂度大于所述复杂度阈值，获取预设的专家节点库，所述专家节点库包括：多组一一对应的第四结果描述向量和专家节点；
将所述第一结果描述向量与所述第四结果描述向量进行向量匹配；
若匹配符合，构建在线会议室，将匹配符合的所述第四结果描述向量对应的所述专家节点全部接入所述在线会议室；
将所述检测结果映射于所述在线会议室内；
当至少一个专家节点输入会议室解散申请时，获取所述在线会议室内历史上产生的多个会议记录；
基于所述多个会议记录，确定第二应对处理策略；
基于所述第二应对处理策略，对芯片生产进行相应的应对处理。
2.如权利要求1所述的一种芯片检测及处理方法，其特征在于，所述步骤2：基于所述检测数据，确定所述多个目标芯片的检测结果，包括：
基于预设的第一特征提取模板，对所述检测数据进行特征提取，获得多个数据特征值；
基于所述多个数据特征值，确定所述多个目标芯片的检测结果。
3.如权利要求2所述的一种芯片检测及处理方法，其特征在于，所述基于所述多个数据特征值，确定所述多个目标芯片的检测结果，包括：
基于所述多个数据特征值，构建所述检测数据的第一特征描述向量；
获取预设的检测结果内容库，所述检测结果内容库包括：多组一一对应的第二特征描述向量和检测结果内容；
将所述第一特征描述向量与所述第二特征描述向量进行向量匹配；
若匹配符合，将匹配符合的所述第二特征描述向量对应的所述检测结果内容作为所述多个目标芯片的检测结果；
和/或，
获取预设的检测结果确定模型；
将所述多个数据特征值输入至所述检测结果确定模型；
获取所述检测结果确定模型输出的确定的所述多个目标芯片的检测结果。
4.如权利要求1所述的一种芯片检测及处理方法，其特征在于，所述基于所述多个会议记录，确定第二应对处理策略，包括：
基于语义提取技术，提取所述多个会议记录各自的第一语义；
获取所述多个会议记录的产生先后顺序；
将所述多个会议记录各自的第一语义按照所述产生先后顺序进行排序，获得语义序列；
从所述语义序列的序列起点向序列终点依次遍历所述第一语义；
每次遍历所述第一语义时，获取预设的提议语义库，所述提议语义库包括：多个提议语义；
将遍历到的所述第一语义与所述提议语义进行匹配；
若匹配符合，从所述语义序列中确定遍历到的所述第一语义之后预设的序列范围内的所述第一语义，并作为第二语义；
基于语义理解技术，将与遍历到的所述第一语义之间存在语义关联的所述第二语义作为第三语义，同时，将其余的所述第二语义作为第四语义；
基于语义理解技术，将与任一所述第三语义之间存在语义关联的所述第四语义作为第五语义；
基于遍历到的所述第一语义、所述第三语义和所述第五语义，确定策略决定；
当遍历所述第一语义结束时，整合遍历过程中确定的所述策略决定，获得第二应对处理策略；
其中，所述基于遍历到的所述第一语义、所述第三语义和所述第五语义，确定策略决定，包括：
将遍历到的所述第一语义、所述第三语义和所述第五语义合并作为第六语义；
依次遍历所述第六语义；
每次遍历所述第六语义时，获取预设的反对语义库，所述反对语义库包括：多组一一对应的第七语义和至少一个反对语义；
将所述第六语义与所述第七语义进行匹配；
若匹配符合，将所述第六语义中除了遍历到的所述第六语义之外的所述第六语义与匹配符合的所述第七语义对应的所述反对语义进行匹配；
若均匹配不符合，基于遍历到的所述第六语义，确定策略决定。
5.一种芯片检测及处理系统，其特征在于，包括：
获取模块，用于获取对生产的多个目标芯片进行检测的检测数据；
确定模块，用于基于所述检测数据，确定所述多个目标芯片的检测结果；
处理模块，用于基于所述检测结果，自适应对芯片生产进行相应的应对处理；
所述处理模块基于所述检测结果，自适应对芯片生产进行相应的应对处理，包括：
基于预设的第二特征提取模板，对所述检测结果进行特征提取，获得多个结果特征值；
基于所述结果特征值，构建所述检测结果的第一结果描述向量；
获取预设的复杂判定库，所述复杂判定库包括：多组一一对应的第二结果描述向量和复杂度；
将所述第一结果描述向量与所述第二结果描述向量进行向量匹配；
若匹配符合，若匹配符合的所述第二结果描述向量对应的所述复杂度小于等于预设的复杂度阈值，获取预设的应对处理策略库，所述应对处理策略库包括：多组一一对应的第三结果描述向量和第一应对处理策略；
将所述第一结果描述向量与所述第三结果描述向量进行向量匹配；
若匹配符合，基于匹配符合的所述第三结果描述向量对应的所述第一应对处理策略，对芯片生产进行相应的应对处理；
若匹配符合的所述第二结果描述向量对应的所述复杂度大于所述复杂度阈值，获取预设的专家节点库，所述专家节点库包括：多组一一对应的第四结果描述向量和专家节点；
将所述第一结果描述向量与所述第四结果描述向量进行向量匹配；
若匹配符合，构建在线会议室，将匹配符合的所述第四结果描述向量对应的所述专家节点全部接入所述在线会议室；
将所述检测结果映射于所述在线会议室内；
当至少一个专家节点输入会议室解散申请时，获取所述在线会议室内历史上产生的多个会议记录；
基于所述多个会议记录，确定第二应对处理策略；
基于所述第二应对处理策略，对芯片生产进行相应的应对处理。
6.如权利要求5所述的一种芯片检测及处理系统，其特征在于，所述确定模块基于所述检测数据，确定所述多个目标芯片的检测结果，包括：
基于预设的第一特征提取模板，对所述检测数据进行特征提取，获得多个数据特征值；
基于所述多个数据特征值，确定所述多个目标芯片的检测结果。
7.如权利要求6所述的一种芯片检测及处理系统，其特征在于，所述确定模块基于所述多个数据特征值，确定所述多个目标芯片的检测结果，包括：
基于所述多个数据特征值，构建所述检测数据的第一特征描述向量；
获取预设的检测结果内容库，所述检测结果内容库包括：多组一一对应的第二特征描述向量和检测结果内容；
将所述第一特征描述向量与所述第二特征描述向量进行向量匹配；
若匹配符合，将匹配符合的所述第二特征描述向量对应的所述检测结果内容作为所述多个目标芯片的检测结果；
和/或，
获取预设的检测结果确定模型；
将所述多个数据特征值输入至所述检测结果确定模型；
获取所述检测结果确定模型输出的确定的所述多个目标芯片的检测结果。
8.如权利要求5所述的一种芯片检测及处理系统，其特征在于，所述处理模块基于所述多个会议记录，确定第二应对处理策略，包括：
基于语义提取技术，提取所述多个会议记录各自的第一语义；
获取所述多个会议记录的产生先后顺序；
将所述多个会议记录各自的第一语义按照所述产生先后顺序进行排序，获得语义序列；
从所述语义序列的序列起点向序列终点依次遍历所述第一语义；
每次遍历所述第一语义时，获取预设的提议语义库，所述提议语义库包括：多个提议语义；
将遍历到的所述第一语义与所述提议语义进行匹配；
若匹配符合，从所述语义序列中确定遍历到的所述第一语义之后预设的序列范围内的所述第一语义，并作为第二语义；
基于语义理解技术，将与遍历到的所述第一语义之间存在语义关联的所述第二语义作为第三语义，同时，将其余的所述第二语义作为第四语义；
基于语义理解技术，将与任一所述第三语义之间存在语义关联的所述第四语义作为第五语义；
基于遍历到的所述第一语义、所述第三语义和所述第五语义，确定策略决定；
当遍历所述第一语义结束时，整合遍历过程中确定的所述策略决定，获得第二应对处理策略；
其中，所述基于遍历到的所述第一语义、所述第三语义和所述第五语义，确定策略决定，包括：
将遍历到的所述第一语义、所述第三语义和所述第五语义合并作为第六语义；
依次遍历所述第六语义；
每次遍历所述第六语义时，获取预设的反对语义库，所述反对语义库包括：多组一一对应的第七语义和至少一个反对语义；
将所述第六语义与所述第七语义进行匹配；
若匹配符合，将所述第六语义中除了遍历到的所述第六语义之外的所述第六语义与匹配符合的所述第七语义对应的所述反对语义进行匹配；
若均匹配不符合，基于遍历到的所述第六语义，确定策略决定。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210828734.3A CN115238706B (zh) | 2022-07-15 | 2022-07-15 | 一种芯片检测及处理方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210828734.3A CN115238706B (zh) | 2022-07-15 | 2022-07-15 | 一种芯片检测及处理方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115238706A CN115238706A (zh) | 2022-10-25 |
| CN115238706B true CN115238706B (zh) | 2023-11-07 |
Family
ID=83672635
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210828734.3A Active CN115238706B (zh) | 2022-07-15 | 2022-07-15 | 一种芯片检测及处理方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115238706B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108253921A (zh) * | 2018-03-26 | 2018-07-06 | 东莞高伟光学电子有限公司 | 一种在线检测芯片与陶瓷基板焊接水平度的系统和方法 |
| CN112615873A (zh) * | 2020-12-23 | 2021-04-06 | 苏州三六零智能安全科技有限公司 | 物联网设备安全检测方法、设备、存储介质及装置 |
| CN112817807A (zh) * | 2020-02-28 | 2021-05-18 | 加特兰微电子科技(上海)有限公司 | 芯片检测方法、装置和存储介质 |
| CN113285916A (zh) * | 2021-04-06 | 2021-08-20 | 国家工业信息安全发展研究中心 | 智能制造系统异常流量检测方法及检测装置 |
| CN113362306A (zh) * | 2021-06-07 | 2021-09-07 | 中山大学 | 一种基于深度学习的封装芯片缺陷检测方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111105839B (zh) * | 2018-10-26 | 2022-04-15 | 长鑫存储技术有限公司 | 芯片测试方法、装置、电子设备及计算机可读介质 |
-
2022
- 2022-07-15 CN CN202210828734.3A patent/CN115238706B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108253921A (zh) * | 2018-03-26 | 2018-07-06 | 东莞高伟光学电子有限公司 | 一种在线检测芯片与陶瓷基板焊接水平度的系统和方法 |
| CN112817807A (zh) * | 2020-02-28 | 2021-05-18 | 加特兰微电子科技(上海)有限公司 | 芯片检测方法、装置和存储介质 |
| CN112615873A (zh) * | 2020-12-23 | 2021-04-06 | 苏州三六零智能安全科技有限公司 | 物联网设备安全检测方法、设备、存储介质及装置 |
| CN113285916A (zh) * | 2021-04-06 | 2021-08-20 | 国家工业信息安全发展研究中心 | 智能制造系统异常流量检测方法及检测装置 |
| CN113362306A (zh) * | 2021-06-07 | 2021-09-07 | 中山大学 | 一种基于深度学习的封装芯片缺陷检测方法 |
Non-Patent Citations (1)
| Title |
|---|
| 模板匹配法在芯片印字检测中的应用;武立树;;电子制作(第14期);第56页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115238706A (zh) | 2022-10-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110287552B (zh) | 基于改进随机森林算法的电机轴承故障诊断方法及系统 | |
| CN113870260A (zh) | 一种基于高频时序数据的焊接缺陷实时检测方法及系统 | |
| CN110647830B (zh) | 基于卷积神经网络和高斯混合模型的轴承故障诊断方法 | |
| WO2020014899A1 (zh) | 语音控制方法、中控设备和存储介质 | |
| CN111177655B (zh) | 一种数据处理方法、装置及电子设备 | |
| CN110797032B (zh) | 一种声纹数据库建立方法及声纹识别方法 | |
| CN110287104A (zh) | 测试用例生成方法、装置、终端及计算机可读存储介质 | |
| CN112735482A (zh) | 基于联合深度神经网络的端点检测方法及系统 | |
| CN117056834A (zh) | 基于决策树的大数据分析方法 | |
| CN112509561A (zh) | 情绪识别方法、装置、设备及计算机可读存储介质 | |
| CN115905832A (zh) | 一种基于振动信号聚类识别的变压器故障诊断方法 | |
| CN112528774A (zh) | 一种复杂电磁环境下未知雷达信号智能分选系统及方法 | |
| CN114330439B (zh) | 一种基于卷积神经网络的轴承诊断方法 | |
| CN115238706B (zh) | 一种芯片检测及处理方法及系统 | |
| US20200005084A1 (en) | Training method of, and inspection system based on, iterative deep learning system | |
| CN111899763B (zh) | 基于音频分析的护理识别评价方法 | |
| CN117009222A (zh) | 基于结构化需求的汽车电控系统测试用例智能生成方法 | |
| CN116735198A (zh) | 基于spEEMD和双指标筛选的风机齿轮箱故障诊断方法及系统 | |
| CN116738204A (zh) | 基于生成对抗Transformer的电力负荷数据异常检测方法 | |
| CN113642662B (zh) | 一种基于轻量化分类模型的分类检测方法及装置 | |
| CN111428224B (zh) | 基于人脸识别的电脑账户登录的方法 | |
| CN113539264A (zh) | 一种语音控制电动门的语音指令数据传输方法及系统 | |
| CN111428580A (zh) | 基于深度学习的个体信号识别算法及系统 | |
| CN115100701A (zh) | 一种基于人工智能技术的会议发言人身份识别方法 | |
| CN112735436A (zh) | 声纹识别方法及声纹识别系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |