CN115562213A - 一种生产设备的控制方法及装置 - Google Patents

Abstract

本申请提供一种生产设备的控制方法及装置。根据生产设备在当前生产案例中涉及的多个工艺参数的第一工艺参数、第一工艺参数的给定参数值、生产结果参数及生产结果参数的期望参数值，预测在第一工艺参数的给定参数值的情况下为达到生产结果参数的期望参数值而需要使得多个工艺参数中的除第一工艺参数以外的第二工艺参数达到的参数值。根据第二工艺参数的预测参数值对生产设备进行调整。如此，可以在生产约束下自动计算工艺参数的合适的参数值，以使实际的生产结果能够达到期望生产结果，计算过程可以没有生产人员的参与，如此使得生产人员可以不具有丰富的专业知识和实践经验，降低了得到期望生产结果的难度和门槛，也降低了人工成本。

Description

一种生产设备的控制方法及装置

技术领域

本申请涉及工业生产技术领域，特别是涉及一种生产设备的控制方法及装置。

背景技术

工业生产过程中生产设备的设备参数的设定、生产原料的种类以及生产原料的用量等因素都会影响生产出的产品质量以及生产效率。

根据不同的期望生产结果，生产人员可以在已知的生产约束下计算生产设备的合适设备参数，但是，上述计算过程需要生产人员具有丰富的专业知识和实践经验，导致得到期望生产结果的难度大且门槛高，人工成本高。

发明内容

本申请示出了一种生产设备的控制方法及装置。

第一方面，本申请示出了一种生产设备的控制方法，所述方法包括：

获取生产设备在当前生产案例中涉及的多个工艺参数，在所述多个工艺参数中确定第一工艺参数，获取所述第一工艺参数的给定参数值；

获取生产设备在当前生产案例涉及的生产结果参数以及所述生产结果参数的期望参数值；

根据所述第一工艺参数、所述第一工艺参数的给定参数值、所述生产结果参数以及所述生产结果参数的期望参数值，预测第二工艺参数的预测参数值；所述第二工艺参数包括所述多个工艺参数中的除所述第一工艺参数以外的工艺参数；所述预测参数值满足如下条件：在所述第一工艺参数的给定参数值以及所述第二工艺参数的所述预测参数值的情况下，所述生产结果参数满足所述期望参数值；

根据所述第二工艺参数的预测参数值对所述生产设备进行调整。

在一个可选的实现方式中，所述根据所述第一工艺参数、所述第一工艺参数的给定参数值、所述生产结果参数以及所述生产结果参数的期望参数值，预测第二工艺参数的预测参数值，包括：

获取预测模型，所述预测模型用于根据所述多个工艺参数以及所述生产结果参数之间的关系信息，预测所述预测参数值；

根据所述第一工艺参数、所述第一工艺参数的给定参数值、所述生产结果参数、所述生产结果参数的期望参数值以及所述预测模型，预测所述预测参数值。

在一个可选的实现方式中，所述预测模型通过如下方式得到：

获取在历史过程中实际已发生的历史生产案例中涉及的所述多个工艺参数、各个工艺参数的历史参数值、所述生产结果参数以及所述生产结果参数的历史参数值；

根据各个工艺参数的历史参数值以及所述生产结果参数的历史参数值拟合所述多个工艺参数以及所述生产结果参数之间的关系信息；

在所述多个历史工艺参数中确定已知参数以及待预测的参数，所述已知参数包括所述第一工艺参数以及所述生产结果参数，所述待预测的参数包括所述第二工艺参数；

根据所述已知参数、所述已知参数的历史参数值、所述待预测的参数、所述待预测的参数的历史参数值以及所述关系信息，构建所述预测模型。

在一个可选的实现方式中，所述根据所述第一工艺参数、所述第一工艺参数的给定参数值、所述生产结果参数以及所述生产结果参数的期望参数值，预测第二工艺参数的预测参数值，包括：

根据所述第一工艺参数、所述第一工艺参数的给定参数值、所述生产结果参数以及所述生产结果参数的期望参数值，计算多个历史生产案例分别与所述当前生产案例之间的案例相似度；所述多个历史生产案例包括在历史过程中实际已发生的且涉及所述生产结果参数的生产案例；

按照与所述当前生产案例之间的案例相似度由高至低的顺序，在所述多个历史生产案例中选择至少一个历史生产案例；

获取选择的历史生产案例中涉及的所述第二工艺参数的历史参数值；

根据选择的历史生产案例中涉及的所述第二工艺参数的历史参数值获取所述第二工艺参数的预测参数值。

在一个可选的实现方式中，所述根据所述第一工艺参数、所述第一工艺参数的给定参数值、所述生产结果参数以及所述生产结果参数的期望参数值，预测第二工艺参数的预测参数值，包括：

根据所述第一工艺参数以及所述第一工艺参数的给定参数值，在已统计的多个工况中，确定所述当前生产案例分别属于各个工况的概率；所述多个工况中分别至少涉及所述第一工艺参数、所述第二工艺参数以及所述生产结果参数；

获取各个工况分别对应的第二工艺参数的参考参数值，任意一个工况对应的第二工艺参数的参考参数值满足如下条件：在所述工况以及所述工况对应的第二工艺参数的参考参数值的情况下，所述生产结果参数满足所述期望参数值；

根据所述当前生产案例分别属于各个工况的概率以及各个工况分别对应的第二工艺参数的参考参数值，获取所述第二工艺参数的预测参数值。

在一个可选的实现方式中，所述根据所述当前生产案例分别属于各个工况的概率以及各个工况分别对应的第二工艺参数的参考参数值，获取所述第二工艺参数的预测参数值，包括：

按照所述当前生产案例分别属于各个工况的概率，对各个工况分别对应的第二工艺参数的参考参数值进行加权运算，得到所述第二工艺参数的预测参数值。

在一个可选的实现方式中，所述第一工艺参数至少包括在所述当前生产案例中涉及的生产原料的原料参数；所述第二工艺参数至少包括所述生产设备的设备参数；

或者，所述第一工艺参数至少包括所述生产设备的设备参数；所述第二工艺参数至少包括在所述当前生产案例中涉及的生产原料的原料参数。

第二方面，本申请示出了一种生产设备的控制装置，所述装置包括：

第一获取模块，用于获取生产设备在当前生产案例中涉及的多个工艺参数，在所述多个工艺参数中确定第一工艺参数，获取所述第一工艺参数的给定参数值；

第二获取模块，用于获取生产设备在当前生产案例涉及的生产结果参数以及所述生产结果参数的期望参数值；

预测模块，用于根据所述第一工艺参数、所述第一工艺参数的给定参数值、所述生产结果参数以及所述生产结果参数的期望参数值，预测第二工艺参数的预测参数值；所述第二工艺参数包括所述多个工艺参数中的除所述第一工艺参数以外的工艺参数；所述预测参数值满足如下条件：在所述第一工艺参数的给定参数值以及所述第二工艺参数的所述预测参数值的情况下，所述生产结果参数满足所述期望参数值；

调整模块，用于根据所述第二工艺参数的预测参数值对所述生产设备进行调整。

在一个可选的实现方式中，所述预测模块包括：

第一获取单元，用于获取预测模型，所述预测模型用于根据所述多个工艺参数以及所述生产结果参数之间的关系信息，预测所述预测参数值；

预测单元，用于根据所述第一工艺参数、所述第一工艺参数的给定参数值、所述生产结果参数、所述生产结果参数的期望参数值以及所述预测模型，预测所述预测参数值。

在一个可选的实现方式中，所述预测模块还包括：

第二获取单元，用于获取在历史过程中实际已发生的历史生产案例中涉及的所述多个工艺参数、各个工艺参数的历史参数值、所述生产结果参数以及所述生产结果参数的历史参数值；

拟合单元，用于根据各个工艺参数的历史参数值以及所述生产结果参数的历史参数值拟合所述多个工艺参数以及所述生产结果参数之间的关系信息；

第一确定单元，用于在所述多个历史工艺参数中确定已知参数以及待预测的参数，所述已知参数包括所述第一工艺参数以及所述生产结果参数，所述待预测的参数包括所述第二工艺参数；

构建单元，用于根据所述已知参数、所述已知参数的历史参数值、所述待预测的参数、所述待预测的参数的历史参数值以及所述关系信息，构建所述预测模型。

在一个可选的实现方式中，所述预测模块包括：

计算单元，用于根据所述第一工艺参数、所述第一工艺参数的给定参数值、所述生产结果参数以及所述生产结果参数的期望参数值，计算多个历史生产案例分别与所述当前生产案例之间的案例相似度；所述多个历史生产案例包括在历史过程中实际已发生的且涉及所述生产结果参数的生产案例；

排序单元，用于按照与所述当前生产案例之间的案例相似度由高至低的顺序，在所述多个历史生产案例中选择至少一个历史生产案例；

第三获取单元，用于获取选择的历史生产案例中涉及的所述第二工艺参数的历史参数值；

第四获取单元，用于根据选择的历史生产案例中涉及的所述第二工艺参数的历史参数值获取所述第二工艺参数的预测参数值。

在一个可选的实现方式中，所述预测模块包括：

第二确定单元，用于根据所述第一工艺参数以及所述第一工艺参数的给定参数值，在已统计的多个工况中，确定所述当前生产案例分别属于各个工况的概率；所述多个工况中分别至少涉及所述第一工艺参数、所述第二工艺参数以及所述生产结果参数；

第五获取单元，用于获取各个工况分别对应的第二工艺参数的参考参数值，任意一个工况对应的第二工艺参数的参考参数值满足如下条件：在所述工况以及所述工况对应的第二工艺参数的参考参数值的情况下，所述生产结果参数满足所述期望参数值；

第六获取单元，用于根据所述当前生产案例分别属于各个工况的概率以及各个工况分别对应的第二工艺参数的参考参数值，获取所述第二工艺参数的预测参数值。

在一个可选的实现方式中，所述第六获取单元具体用于：按照所述当前生产案例分别属于各个工况的概率，对各个工况分别对应的第二工艺参数的参考参数值进行加权运算，得到所述第二工艺参数的预测参数值。

在一个可选的实现方式中，所述第一工艺参数至少包括在所述当前生产案例中涉及的生产原料的原料参数；所述第二工艺参数至少包括所述生产设备的设备参数；

或者，所述第一工艺参数至少包括所述生产设备的设备参数；所述第二工艺参数至少包括在所述当前生产案例中涉及的生产原料的原料参数。

第三方面，本申请示出了一种电子设备，电子设备包括：处理器；用于存储处理器可执行指令的存储器；其中，处理器被配置为执行如前述的任一方面所示的方法。

第四方面，本申请示出了一种非临时性计算机可读存储介质，当存储介质中的指令由电子设备的处理器执行时，使得电子设备能够执行如前述的任一方面所示的方法。

第五方面，本申请示出了一种计算机程序产品，当计算机程序产品中的指令由电子设备的处理器执行时，使得电子设备能够执行如前述的任一方面所示的方法。

与现有技术相比，本申请包括以下优点：

在本申请中，获取生产设备在当前生产案例中涉及的多个工艺参数，在多个工艺参数中确定第一工艺参数，获取第一工艺参数的给定参数值。获取生产设备在当前生产案例涉及的生产结果参数以及生产结果参数的期望参数值。根据第一工艺参数、第一工艺参数的给定参数值、生产结果参数以及生产结果参数的期望参数值，预测第二工艺参数的预测参数值。第二工艺参数包括多个工艺参数中的除第一工艺参数以外的工艺参数。预测参数值满足如下条件：在第一工艺参数的给定参数值以及第二工艺参数的预测参数值的情况下，生产结果参数满足期望参数值。根据第二工艺参数的预测参数值对生产设备进行调整。通过本申请，可以在生产约束下自动计算工艺参数的合适的参数值，以使实际的生产结果能够达到期望生产结果，计算过程可以没有生产人员的参与，如此使得生产人员可以不具有丰富的专业知识和实践经验，降低了得到期望生产结果的难度和门槛，也降低了人工成本。

附图说明

图1是本申请一示例性实施例示出的一种场景示意图。

图2是本申请一示例性实施例示出的一种生产设备的控制方法的流程示意图。

图3是本申请一示例性实施例示出的一种生产设备的控制装置的结构框图。

图4是本申请一示例性实施例示出的一种装置的结构示意图。

具体实施方式

为使本申请的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本申请作进一步详细的说明。

以一个场景对本申请进行举例说明，参见图1，该场景中包括生产设备或者控制生产设备的控制器等，生产设备处于当前生产案例的生产场景中，当前生产案例涉及第一工艺参数、第二工艺参数以及生产结果参数，目前已知第一工艺参数的给定参数值以及生产结果参数的期望参数值，需要预测第二工艺参数的预测参数值，预测参数值满足如下条件：在第一工艺参数的给定参数值以及第二工艺参数的预测参数值的情况下，生产结果参数满足期望参数值，以便可以控制生产设备以第一工艺参数的给定参数值以及第二工艺参数的预测参数值进行生产，从而使得生产结果参数的参数值能够满足期望参数值等。

参见图2，示出了本申请的一种生产设备的控制方法的流程示意图，该方法应用于生产设备或者应用于控制生产设备的控制器中。该方法包括：

在步骤S101中，获取生产设备在当前生产案例中涉及的多个工艺参数，在多个工艺参数中确定第一工艺参数，获取第一工艺参数的给定参数值。

生产案例包括：生产设备使用原材料执行生产动作并产出生产结果的过程。

当前生产案例包括：生产设备当前正在使用原材料从事生产的过程。

当前生产案例中涉及的多个工艺参数至少包括在当前生产案例中涉及的生产原料的原料参数以及生产设备的设备参数。

原料参数包括原料的成分以及原料的配比等。

设备参数可以包括设备的温度、设备的压力、设备的湿度以及生产设备在生产过程执行的动作的步骤等。

在当前生产案例中，一些工艺参数的参数值是给定的(已知的)。例如，这一些工艺参数的给定参数值可以是生产人员在生产设备或用于生产设备的控制器中输入的等。

且生产结果参数的期望参数值也是给定的，生产结果参数可以包括成品率、电量消耗、次品率、水量消耗、生产出的产品的形状、生产出的产品的重量以及生产出的产品的成色等。例如，生产结果参数的期望参数值可以是生产人员在生产设备或用于生产设备的控制器中输入的等。

需要根据这一些工艺参数的给定参数值以及生产结果参数的期望参数值来预测另一些工艺参数的预测参数值，以使在这一些工艺参数的参数值为给定参数值且另一些工艺参数的参数值为预测参数值的情况下，生产设备在当前生产案例涉及的生产结果参数可以达到期望参数值。

在一个实施例中，第一工艺参数至少包括在当前生产案例中涉及的生产原料的原料参数。第二工艺参数至少包括生产设备的设备参数。

或者，在另一个实施例中，第一工艺参数至少包括生产设备的设备参数。第二工艺参数至少包括在当前生产案例中涉及的生产原料的原料参数。

如此，本申请可以适用于多种场景，例如，适用于在已知在当前生产案例中涉及的生产原料的原料参数的参数值以及生产结果参数的期望参数值的情况下，预测生产设备的设备参数的预测参数值；也可以适用于在已知生产设备的设备参数的参数值以及生产结果参数的期望参数值的情况下，预测在当前生产案例中涉及的生产原料的原料参数的预测参数值。

其中，可以确定多个工艺参数中哪些工艺参数的参数值是已知的，具体地，可以是生产设备或者用于控制生产设备的控制器自动监测得到的，也可以是生产人员在生产设备或者用于控制生产设备的控制器中输入的等。

如此，生产设备或者用于控制生产设备的控制器自可以确定出参数值已知的工艺参数，如此，可以在生产设备在当前生产案例中涉及的多个工艺参数中，将参数值已知的工艺参数作为第一工艺参数，相应地，第一工艺参数的给定参数值也可以得到。

在步骤S102中，获取生产设备在当前生产案例涉及的生产结果参数以及生产结果参数的期望参数值。

生产设备在当前生产案例涉及的生产结果参数以及生产结果参数的期望参数值可以是生产人员在生产设备或者用于控制生产设备的控制器中输入的等。

在步骤S103中，根据第一工艺参数、第一工艺参数的给定参数值、生产结果参数以及生产结果参数的期望参数值，预测第二工艺参数的预测参数值。第二工艺参数包括多个工艺参数中的除第一工艺参数以外的工艺参数。预测参数值满足如下条件：在第一工艺参数的给定参数值以及第二工艺参数的预测参数值的情况下，生产结果参数满足期望参数值。

在本申请中，可以使用多种方式来根据第一工艺参数、第一工艺参数的给定参数值、生产结果参数以及生产结果参数的期望参数值，预测第二工艺参数的预测参数值，不同的方式适用于不同的场景，如此，本申请可以支持在多种场景下对生产案例中的工艺参数进行优化，提高了本方案的普适性。

在一个实施例中，步骤S103可以通过如下流程实现，包括：

11)、获取预测模型，其中，预测模型用于根据多个工艺参数以及生产结果参数之间的关系信息，预测第二工艺参数的预测参数值。

12)、根据第一工艺参数、第一工艺参数的给定参数值、生产结果参数、生产结果参数的期望参数值以及预测模型，预测第二工艺参数的预测参数值。

在本申请中，可以将第一工艺参数、第一工艺参数的给定参数值、生产结果参数以及生产结果参数的期望参数值输入预测模型中，预测模型可以确定与第一工艺参数以及生产结果参数具有关联关系的第二工艺参数，然后根据关联关系、第一工艺参数的给定参数值以及生产结果参数的期望参数值预测第二工艺参数的预测参数值，并输出第二工艺参数的预测参数值。

其中，在一个实施例中，预测模型通过如下方式得到：

21)、获取在历史过程中实际已发生的历史生产案例中涉及的多个工艺参数、各个工艺参数的历史参数值、生产结果参数以及生产结果参数的历史参数值。

22)、根据各个工艺参数的历史参数值以及生产结果参数的历史参数值拟合多个工艺参数以及生产结果参数之间的关系信息。

在本申请一个实施例中，在生产案例的生产过程复杂且涉及的工艺参数较多的情况下，可以使用神经网络来拟合多个工艺参数以及生产结果参数之间的关系信息。神经网络可以包括卷积神经网络、循环神经网络或渐进梯度回归树(Gradient Boost RegressionTree，GBRT)等。

在本申请另一个实施例中，在生产案例的生产过程简单且涉及的工艺参数较少的情况下，可以使用数学公式来拟合多个工艺参数以及生产结果参数之间的关系信息，例如与物理行业相关的公式或与化学行业相关的公式或与生物行业相关的公式等，公式可以包括方程或者数学公式等。

在本申请另一个实施例中，在生产案例的生产过程简单且涉及的工艺参数较多的情况下，可以结合学术界的理论原理构建数学分析模型，可以使用数学分析模型拟合多个工艺参数以及生产结果参数之间的关系信息。

23)、在多个历史工艺参数中确定已知参数以及待预测的参数，已知参数包括第一工艺参数以及生产结果参数，待预测的参数包括第二工艺参数。

已知参数可以是生产人员在生产设备或者用于控制生产设备的控制器中指定的等。

待预测的参数可以是生产人员在生产设备或者用于控制生产设备的控制器中指定的等。

24)、根据已知参数、已知参数的历史参数值、待预测的参数、待预测的参数的历史参数值以及关系信息，构建预测模型。

构建预测模型时可以使用数学模型来辅助构建预测模型。

其中，数学模型是运用数理逻辑方法和数学语言建构的科学或工程模型，数学模型是针对参照某种事物系统的特征或数量依存关系，采用数学语言，概括地或近似地表述出的一种数学结构，这种数学结构是借助于数学符号刻画出来的某种系统的纯关系结构。数学模型可以是一个或一组代数方程、微分方程、差分方程、积分方程或统计学方程及其组合，通过这些方程定量地或定性地描述系统各变量之间的相互关系或因果关系。除了用方程描述的数学模型外，还有用其他数学工具，如代数、几何、拓扑、数理逻辑等描述的模型。数学模型描述的是系统的行为和特征而不是系统的实际结构。

在一个实施例中，在22)中使用神经网络拟合出多个工艺参数以及生产结果参数之间的关系信息的情况下，根据已知参数、已知参数的历史参数值、待预测的参数、待预测的参数的历史参数值以及关系信息，可以使用粒子群等黑盒优化方法构建预测模型。也可以使用贝叶斯的优化方法或归回的优化方法构建预测模型等。

在另一个实施例中，在22)中使用公式拟合出多个工艺参数以及生产结果参数之间的关系信息的情况下，根据已知参数、已知参数的历史参数值、待预测的参数、待预测的参数的历史参数值以及关系信息，可以使用梯度下降的优化方法构建预测模型。

本申请可以应用于涉及少量工艺参数的工业生产场景，对工艺参数的数量的要求低。

本申请针对单一的生产结果参数的工业生产场景以及多生产结果参数的工业生产场景均适用。

本实施例能够利用机器学习、模糊规则以及运筹优化等多种技术或多种技术的组合，来根据第一工艺参数以及生产结果参数预测第二工艺参数的预测参数值，可以提高预测的准确性，进而能够提高生产结果参数能够达到期望参数值的可能性。

本申请也可以支持后续对预测模型进行在线更新。

在另一个实施例中，步骤S103可以通过如下流程实现，包括：

31)、根据第一工艺参数、第一工艺参数的给定参数值、生产结果参数以及生产结果参数的期望参数值，计算多个历史生产案例分别与当前生产案例之间的案例相似度。多个历史生产案例包括在历史过程中实际已发生的且涉及生产结果参数的生产案例。

在历史过程中实际已发生的生产案例有很多，有一些已发生的生产案例涉及当前生产案例涉及的生产结果参数，另一些已发生的生产案例不涉及当前生产案例涉及的生产结果参数。如此，可以在历史过程中实际已发生的生产案例中筛选涉及当前生产案例涉及的生产结果参数的生产案例，并作为历史生产案例。

历史生产案例可能有多个，在这种情况下，可以计算各个历史生产案例分别与当前生产案例之间的案例相似度。

在一个实施例中，对于多个历史生产案例中的任意一个历史生产案例，在该历史生产案例涉及的多个工艺参数与当前生产案例涉及的多个工艺参数相同的情况下，则对于任意一个第一工艺参数，可以计算该历史生产案例涉及的该第一工艺参数的历史参数值与当前生产案例涉及的该第一工艺参数的给定参数值之间的差值的绝对值，再计算该绝对值的倒数，得到该第一工艺参数对应的倒数。对于其他每一个第一工艺参数，同样如此，从而得到各个第一工艺参数分别对应的倒数。然后可以将各个第一工艺参数分别对应的倒数求和，得到该历史生产案例与当前生产案例之间的案例相似度。

对于多个历史生产案例中的其他每一个历史生产案例，同样如此，从而得到多个历史生产案例中的其他每一个历史生产案例分别与当前生产案例之间的案例相似度。

上述仅仅是对计算历史生产案例与当前生产案例之间的案例相似度的计算方式的举例，还可以使用其他方式来计算历史生产案例与当前生产案例之间的案例相似度，本申请对具体的计算方式不做限定。

32)、按照与当前生产案例之间的案例相似度由高至低的顺序，在多个历史生产案例中选择至少一个历史生产案例。

33)、获取选择的历史生产案例中涉及的第二工艺参数的历史参数值。

选择的历史生产案例中涉及的多个工艺参数与当前生产案例中涉及的多个工艺参数相同，如此，选择的历史生产案例中涉及的多个工艺参数中包括第一工艺参数以及第二工艺参数，如此，可以获取选择的历史生产案例中涉及的第二工艺参数的历史参数值。

其中，各个历史生产案例中分别涉及的各个工艺参数的历史参数值可以分别存储在云端中获取本地数据库中，如此，可以直接从云端获取本地数据库中获取选择的历史生产案例中涉及的第二工艺参数的历史参数值。

34)、根据第二工艺参数的历史参数值获取第二工艺参数的预测参数值。

其中，在选择的历史生产案例为一个的情况下，可以将这一个历史生产案例涉及的第二工艺参数的历史参数值作为第二工艺参数的预测参数值等。

或者，在选择的历史生产案例为两个以上的情况下，可以显示两个以上历史生产案例分别涉及的第二工艺参数的历史参数值，以供生产人员选择，然后将生产人员选择的一个历史生产案例涉及的第二工艺参数的历史参数值作为第二工艺参数的预测参数值等。

或者，在生产人员修改第二工艺参数的历史参数值的情况下(例如生产人员输入对第二工艺参数的历史参数值的修改操作)，则可以将生成人员对第二工艺参数的历史参数值修改后得到的参数值作为第二工艺参数的预测参数值等。

在另一个实施例中，还可以显示推荐信息，推荐信息包括选择的各个历史生产案例中各自分别涉及的各个工艺参数、生产结果参数、各个工艺参数的历史参数值以及生产结果参数的历史参数值，以供生产人员参考选择的各个历史生产案例中各自分别涉及的各个工艺参数、生产结果参数、各个工艺参数的历史参数值以及生产结果参数的历史参数值，以更精准地确定符合当前生产案例的实际情况的第二工艺参数的预测参数值，提高预测结果与当前生产案例的实际情况的符合的程度，进而提高之后的生产结果参数的实际参数值能够达到生产结果参数的期望参数值的可能性。

通过计算案例相似度的方式搜索相似的生产案例，可以更高效且更准确地搜索到与当前生产案例相似的历史生产案例，进而可以通过历史生产案例给当前生产案例的工艺参数带来辅助参考。

在又一个实施例中，步骤S103可以通过如下流程实现，包括：

41)、根据第一工艺参数以及第一工艺参数的给定参数值，在已统计的多个工况中，确定当前生产案例分别属于各个工况的概率。多个工况中分别至少涉及第一工艺参数、第二工艺参数以及生产结果参数。

在本申请中，事先可以对在多个已发生的生产案例中出现的所有工况聚类统计，得到已统计的多个工况。

工况可以包括在当前生产案例中涉及的生产原料的原料参数，或者，工况可以包括生产设备的设备参数。

如此，可以根据第一工艺参数以及第一工艺参数的给定参数值，在已统计的多个工况中，确定当前生产案例分别属于各个工况的概率。

在一个实施例中，可以使用聚类模型来根据第一工艺参数以及第一工艺参数的给定参数值，在已统计的多个工况中，确定当前生产案例分别属于各个工况的概率，本申请对具体的聚类模型不做限定。

在另一个实施例中，可以根据第一工艺参数以及第一工艺参数的给定参数值获取当前生产案例的当前工况，然后计算当前工况分别与已统计的各个工况之间的工况相似度，然后将当前工况分别与已统计的各个工况之间的工况相似度归一化，得到当前生产案例分别属于各个工况的概率。

其中，归一化可以包括：计算当前工况分别与已统计的各个工况之间的工况相似度之间的总和，然后计算“当前工况分别与已统计的各个工况之间的工况相似度”分别与该总和之间的比值。之后可以将“当前工况与已统计的一个工况之间的工况相似度”与该总和之间的比值作为当前生产案例属于这一个工况的概率。

其中，在计算当前工况与统计的一个工况之间的工况相似度时，在当前工况中的第一工艺参数与该一个工况中的第一工艺参数相同的情况下，对于任意一个第一工艺参数，可以计算当前工况中的该一工艺参数的给定参数值与该一个工况中的该第一工艺参数的历史参数值之间的差值的绝对值，再计算该绝对值的倒数，得到该第一工艺参数对应的倒数。对于其他每一个第一工艺参数，同样如此，从而得到各个第一工艺参数分别对应的倒数。然后可以将各个第一工艺参数分别对应的倒数求和，得到当前工况与统计的该一个工况之间的工况相似度。

42)、获取各个工况分别对应的第二工艺参数的参考参数值，任意一个工况对应的第二工艺参数的参考参数值满足如下条件：在该工况以及该工况对应的第二工艺参数的参考参数值的情况下，生产结果参数满足期望参数值。

对于任意一个工况，该工况对应的第二工艺参数的参考参数值可以理解为：在该工况中为达到生产结果参数的该期望参数值而需要使得第二工艺参数达到的参数值，且可以是专业的技术人员事先在对大量的该工况的历史生产案例统计出的，在统计出“该工况对应的第二工艺参数的参考参数值”之后，可以将“该工况对应的第二工艺参数的参考参数值”部署在线上，以供生产人员在需要时可以直接使用“该工况对应的第二工艺参数的参考参数值”，而不需要在生产过程中实时统计分析“该工况对应的第二工艺参数的参考参数值”，降低了生产人员的门槛以及难度。

对于其他每一个工况，同样如此。

如此，各个工况分别对应的第二工艺参数的参考参数值可以事先缓存在生产设备本地或者云端。

如此，在本步骤中，可以在生产设备本地或云端查找各个工况分别对应的第二工艺参数的参考参数值。

43)、根据当前生产案例分别属于各个工况的概率以及各个工况分别对应的第二工艺参数的参考参数值，获取第二工艺参数的预测参数值。

在本申请一个实施例中，按照当前生产案例分别属于各个工况的概率，对各个工况分别对应的第二工艺参数的参考参数值进行加权运算，得到第二工艺参数的预测参数值。

例如，对于任意一个第二工艺参数，可以通过如下方式计算该第二工艺参数的预测参数值，例如，对于任意一个工况，可以计算“当前生产案例的属于该工况的概率”与“该工况对应的第二工艺参数的参考参数值”之间的乘积，得到该工况对应的乘积，对于其他每一个工况，同样如此，从而得到其他每一个工况分别对应的乘积，然后计算各个工况分别对应的乘积之间的和值，得到该第二工艺参数的预测参数值。

对于其他每一个第二工艺参数，同样如此，从而得到其他每一个第二工艺参数的预测参数值。

本实施例通过工况来匹配第二工艺参数的期望参数值，可以提高匹配的准确性。

在步骤S104中，根据第二工艺参数的预测参数值对生产设备进行调整。

例如，控制生产设备以第一工艺参数的给定参数值以及第二工艺参数的预测参数值进行生产。

在本申请中，获取生产设备在当前生产案例中涉及的多个工艺参数，在多个工艺参数中确定第一工艺参数，获取第一工艺参数的给定参数值。获取生产设备在当前生产案例涉及的生产结果参数以及生产结果参数的期望参数值。根据第一工艺参数、第一工艺参数的给定参数值、生产结果参数以及生产结果参数的期望参数值，预测第二工艺参数的预测参数值。第二工艺参数包括多个工艺参数中的除第一工艺参数以外的工艺参数。预测参数值满足如下条件：在第一工艺参数的给定参数值以及第二工艺参数的预测参数值的情况下，生产结果参数满足期望参数值。根据第二工艺参数的预测参数值对生产设备进行调整。通过本申请，可以在生产约束下自动计算工艺参数的合适的参数值，以使实际的生产结果能够达到期望生产结果，计算过程可以没有生产人员的参与，如此使得生产人员可以不具有丰富的专业知识和实践经验，降低了得到期望生产结果的难度和门槛，也降低了人工成本。

需要说明的是，对于方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本申请并不受所描述的动作顺序的限制，因为依据本申请，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于可选实施例，所涉及的动作并不一定是本申请所必须的。

参照图3，示出了本申请的一种生产设备的控制装置的结构框图，所述装置包括：

第一获取模块11，用于获取生产设备在当前生产案例中涉及的多个工艺参数，在所述多个工艺参数中确定第一工艺参数，获取所述第一工艺参数的给定参数值；

第二获取模块12，用于获取生产设备在当前生产案例涉及的生产结果参数以及所述生产结果参数的期望参数值；

预测模块13，用于根据所述第一工艺参数、所述第一工艺参数的给定参数值、所述生产结果参数以及所述生产结果参数的期望参数值，预测第二工艺参数的预测参数值；所述第二工艺参数包括所述多个工艺参数中的除所述第一工艺参数以外的工艺参数；所述预测参数值满足如下条件：在所述第一工艺参数的给定参数值以及所述第二工艺参数的所述预测参数值的情况下，所述生产结果参数满足所述期望参数值；

调整模块14，用于根据所述第二工艺参数的预测参数值对所述生产设备进行调整。

在一个可选的实现方式中，所述预测模块包括：

第一获取单元，用于获取预测模型，所述预测模型用于根据所述多个工艺参数以及所述生产结果参数之间的关系信息，预测所述预测参数值；

预测单元，用于根据所述第一工艺参数、所述第一工艺参数的给定参数值、所述生产结果参数、所述生产结果参数的期望参数值以及所述预测模型，预测所述预测参数值。

在一个可选的实现方式中，所述预测模块还包括：

第二获取单元，用于获取在历史过程中实际已发生的历史生产案例中涉及的所述多个工艺参数、各个工艺参数的历史参数值、所述生产结果参数以及所述生产结果参数的历史参数值；

拟合单元，用于根据各个工艺参数的历史参数值以及所述生产结果参数的历史参数值拟合所述多个工艺参数以及所述生产结果参数之间的关系信息；

第一确定单元，用于在所述多个历史工艺参数中确定已知参数以及待预测的参数，所述已知参数包括所述第一工艺参数以及所述生产结果参数，所述待预测的参数包括所述第二工艺参数；

构建单元，用于根据所述已知参数、所述已知参数的历史参数值、所述待预测的参数、所述待预测的参数的历史参数值以及所述关系信息，构建所述预测模型。

在一个可选的实现方式中，所述预测模块包括：

计算单元，用于根据所述第一工艺参数、所述第一工艺参数的给定参数值、所述生产结果参数以及所述生产结果参数的期望参数值，计算多个历史生产案例分别与所述当前生产案例之间的案例相似度；所述多个历史生产案例包括在历史过程中实际已发生的且涉及所述生产结果参数的生产案例；

排序单元，用于按照与所述当前生产案例之间的案例相似度由高至低的顺序，在所述多个历史生产案例中选择至少一个历史生产案例；

第三获取单元，用于获取选择的历史生产案例中涉及的所述第二工艺参数的历史参数值；

第四获取单元，用于根据选择的历史生产案例中涉及的所述第二工艺参数的历史参数值获取所述第二工艺参数的预测参数值。

在一个可选的实现方式中，所述预测模块包括：

第二确定单元，用于根据所述第一工艺参数以及所述第一工艺参数的给定参数值，在已统计的多个工况中，确定所述当前生产案例分别属于各个工况的概率；所述多个工况中分别至少涉及所述第一工艺参数、所述第二工艺参数以及所述生产结果参数；

第五获取单元，用于获取各个工况分别对应的第二工艺参数的参考参数值，任意一个工况对应的第二工艺参数的参考参数值满足如下条件：在所述工况以及所述工况对应的第二工艺参数的参考参数值的情况下，所述生产结果参数满足所述期望参数值；

第六获取单元，用于根据所述当前生产案例分别属于各个工况的概率以及各个工况分别对应的第二工艺参数的参考参数值，获取所述第二工艺参数的预测参数值。

在一个可选的实现方式中，所述第六获取单元具体用于：按照所述当前生产案例分别属于各个工况的概率，对各个工况分别对应的第二工艺参数的参考参数值进行加权运算，得到所述第二工艺参数的预测参数值。

在一个可选的实现方式中，所述第一工艺参数至少包括在所述当前生产案例中涉及的生产原料的原料参数；所述第二工艺参数至少包括所述生产设备的设备参数；

或者，所述第一工艺参数至少包括所述生产设备的设备参数；所述第二工艺参数至少包括在所述当前生产案例中涉及的生产原料的原料参数。

在本申请中，获取生产设备在当前生产案例中涉及的多个工艺参数，在多个工艺参数中确定第一工艺参数，获取第一工艺参数的给定参数值。获取生产设备在当前生产案例涉及的生产结果参数以及生产结果参数的期望参数值。根据第一工艺参数、第一工艺参数的给定参数值、生产结果参数以及生产结果参数的期望参数值，预测第二工艺参数的预测参数值。第二工艺参数包括多个工艺参数中的除第一工艺参数以外的工艺参数。预测参数值满足如下条件：在第一工艺参数的给定参数值以及第二工艺参数的预测参数值的情况下，生产结果参数满足期望参数值。根据第二工艺参数的预测参数值对生产设备进行调整。通过本申请，可以在生产约束下自动计算工艺参数的合适的参数值，以使实际的生产结果能够达到期望生产结果，计算过程可以没有生产人员的参与，如此使得生产人员可以不具有丰富的专业知识和实践经验，降低了得到期望生产结果的难度和门槛，也降低了人工成本。

本申请实施例还提供了一种非易失性可读存储介质，该存储介质中存储有一个或多个模块(programs)，该一个或多个模块被应用在设备时，可以使得该设备执行本申请实施例中各方法步骤的指令(instructions)。

本申请实施例提供了一个或多个机器可读介质，其上存储有指令，当由一个或多个处理器执行时，使得电子设备执行如上述实施例中一个或多个的方法。本申请实施例中，电子设备包括服务器、网关、子设备等，子设备为物联网设备等设备。

本公开的实施例可被实现为使用任意适当的硬件，固件，软件，或及其任意组合进行想要的配置的装置，该装置可包括服务器(集群)、终端设备如IoT设备等电子设备。

图4示意性地示出了可被用于实现本申请中的各个实施例的示例性装置1300。

对于一个实施例，图4示出了示例性装置1300，该装置具有一个或多个处理器1302、被耦合到(一个或多个)处理器1302中的至少一个的控制模块(芯片组)1304、被耦合到控制模块1304的存储器1306、被耦合到控制模块1304的非易失性存储器(NVM)/存储设备1308、被耦合到控制模块1304的一个或多个输入/输出设备1310，和被耦合到控制模块1304的网络接口1312。

处理器1302可包括一个或多个单核或多核处理器，处理器1302可包括通用处理器或专用处理器(例如图形处理器、应用处理器、基频处理器等)的任意组合。在一些实施例中，装置1300能够作为本申请实施例中网关等服务器设备。

在一些实施例中，装置1300可包括具有指令1314的一个或多个计算机可读介质(例如，存储器1306或NVM/存储设备1308)和与该一个或多个计算机可读介质相合并被配置为执行指令1314以实现模块从而执行本公开中的动作的一个或多个处理器1302。

对于一个实施例，控制模块1304可包括任意适当的接口控制器，以向(一个或多个)处理器1302中的至少一个和/或与控制模块1304通信的任意适当的设备或组件提供任意适当的接口。

控制模块1304可包括存储器控制器模块，以向存储器1306提供接口。存储器控制器模块可以是硬件模块、软件模块和/或固件模块。

存储器1306可被用于例如为装置1300加载和存储数据和/或指令1314。对于一个实施例，存储器1306可包括任意适当的易失性存储器，例如，适当的DRAM。在一些实施例中，存储器1306可包括双倍数据速率四同步动态随机存取存储器(DDR4SDRAM)。

对于一个实施例，控制模块1304可包括一个或多个输入/输出控制器，以向NVM/存储设备1308及(一个或多个)输入/输出设备1310提供接口。

例如，NVM/存储设备1308可被用于存储数据和/或指令1314。NVM/存储设备1308可包括任意适当的非易失性存储器(例如，闪存)和/或可包括任意适当的(一个或多个)非易失性存储设备(例如，一个或多个硬盘驱动器(HDD)、一个或多个光盘(CD)驱动器和/或一个或多个数字通用光盘(DVD)驱动器)。

NVM/存储设备1308可包括在物理上作为装置1300被安装在其上的设备的一部分的存储资源，或者其可被该设备访问可不必作为该设备的一部分。例如，NVM/存储设备1308可通过网络经由(一个或多个)输入/输出设备1310进行访问。

(一个或多个)输入/输出设备1310可为装置1300提供接口以与任意其他适当的设备通信，输入/输出设备1310可以包括通信组件、拼音组件、传感器组件等。网络接口1312可为装置1300提供接口以通过一个或多个网络通信，装置1300可根据一个或多个无线网络标准和/或协议中的任意标准和/或协议来与无线网络的一个或多个组件进行无线通信，例如接入基于通信标准的无线网络，如WiFi、2G、3G、4G、5G等，或它们的组合进行无线通信。

对于一个实施例，(一个或多个)处理器1302中的至少一个可与控制模块1304的一个或多个控制器(例如，存储器控制器模块)的逻辑封装在一起。对于一个实施例，(一个或多个)处理器1302中的至少一个可与控制模块1304的一个或多个控制器的逻辑封装在一起以形成系统级封装(SiP)。对于一个实施例，(一个或多个)处理器1302中的至少一个可与控制模块1304的一个或多个控制器的逻辑集成在同一模具上。对于一个实施例，(一个或多个)处理器1302中的至少一个可与控制模块1304的一个或多个控制器的逻辑集成在同一模具上以形成片上系统(SoC)。

在各个实施例中，装置1300可以但不限于是：服务器、台式计算设备或移动计算设备(例如，膝上型计算设备、手持计算设备、平板电脑、上网本等)等终端设备。在各个实施例中，装置1300可具有更多或更少的组件和/或不同的架构。例如，在一些实施例中，装置1300包括一个或多个摄像机、键盘、液晶显示器(LCD)屏幕(包括触屏显示器)、非易失性存储器端口、多个天线、图形芯片、专用集成电路(ASIC)和扬声器。

本申请实施例提供了一种电子设备，包括：一个或多个处理器；和，其上存储有指令的一个或多个机器可读介质，当由一个或多个处理器执行时，使得电子设备执行如本申请中一个或多个的方法。

对于装置实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。

本申请实施例是参照根据本申请实施例的方法、终端设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、和流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程信息处理终端设备的处理器以产生一个机器，使得通过计算机或其他可编程信息处理终端设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程信息处理终端设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程信息处理终端设备上，使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

尽管已描述了本申请实施例的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例和落入本申请实施例范围的所有变更和修改。

最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括要素的过程、方法、物品或者终端设备中还存在另外的相同要素。

以上对本申请所提供的一种生产设备的控制方法及装置，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，本说明书内容不应理解为对本申请的限制。

Claims (10)

1.一种生产设备的控制方法，其特征在于，所述方法包括：

获取生产设备在当前生产案例中涉及的多个工艺参数，在所述多个工艺参数中确定第一工艺参数，获取所述第一工艺参数的给定参数值；

获取生产设备在当前生产案例涉及的生产结果参数以及所述生产结果参数的期望参数值；

根据所述第一工艺参数、所述第一工艺参数的给定参数值、所述生产结果参数以及所述生产结果参数的期望参数值，预测第二工艺参数的预测参数值；所述第二工艺参数包括所述多个工艺参数中的除所述第一工艺参数以外的工艺参数；所述预测参数值满足如下条件：在所述第一工艺参数的给定参数值以及所述第二工艺参数的所述预测参数值的情况下，所述生产结果参数满足所述期望参数值；

根据所述第二工艺参数的预测参数值对所述生产设备进行调整。

2.根据权利要求1所述的方法，其特征在于，所述根据所述第一工艺参数、所述第一工艺参数的给定参数值、所述生产结果参数以及所述生产结果参数的期望参数值，预测第二工艺参数的预测参数值，包括：

获取预测模型，所述预测模型用于根据所述多个工艺参数以及所述生产结果参数之间的关系信息，预测所述预测参数值；

根据所述第一工艺参数、所述第一工艺参数的给定参数值、所述生产结果参数、所述生产结果参数的期望参数值以及所述预测模型，预测所述预测参数值。

3.根据权利要求2所述的方法，其特征在于，所述预测模型通过如下方式得到：

获取在历史过程中实际已发生的历史生产案例中涉及的所述多个工艺参数、各个工艺参数的历史参数值、所述生产结果参数以及所述生产结果参数的历史参数值；

根据各个工艺参数的历史参数值以及所述生产结果参数的历史参数值拟合所述多个工艺参数以及所述生产结果参数之间的关系信息；

在所述多个历史工艺参数中确定已知参数以及待预测的参数，所述已知参数包括所述第一工艺参数以及所述生产结果参数，所述待预测的参数包括所述第二工艺参数；

根据所述已知参数、所述已知参数的历史参数值、所述待预测的参数、所述待预测的参数的历史参数值以及所述关系信息，构建所述预测模型。

4.根据权利要求1所述的方法，其特征在于，所述根据所述第一工艺参数、所述第一工艺参数的给定参数值、所述生产结果参数以及所述生产结果参数的期望参数值，预测第二工艺参数的预测参数值，包括：

根据所述第一工艺参数、所述第一工艺参数的给定参数值、所述生产结果参数以及所述生产结果参数的期望参数值，计算多个历史生产案例分别与所述当前生产案例之间的案例相似度；所述多个历史生产案例包括在历史过程中实际已发生的且涉及所述生产结果参数的生产案例；

按照与所述当前生产案例之间的案例相似度由高至低的顺序，在所述多个历史生产案例中选择至少一个历史生产案例；

获取选择的历史生产案例中涉及的所述第二工艺参数的历史参数值；

根据选择的历史生产案例中涉及的所述第二工艺参数的历史参数值获取所述第二工艺参数的预测参数值。

5.根据权利要求1所述的方法，其特征在于，所述根据所述第一工艺参数、所述第一工艺参数的给定参数值、所述生产结果参数以及所述生产结果参数的期望参数值，预测第二工艺参数的预测参数值，包括：

根据所述第一工艺参数以及所述第一工艺参数的给定参数值，在已统计的多个工况中，确定所述当前生产案例分别属于各个工况的概率；所述多个工况中分别至少涉及所述第一工艺参数、所述第二工艺参数以及所述生产结果参数；

获取各个工况分别对应的第二工艺参数的参考参数值，任意一个工况对应的第二工艺参数的参考参数值满足如下条件：在所述工况以及所述工况对应的第二工艺参数的参考参数值的情况下，所述生产结果参数满足所述期望参数值；

根据所述当前生产案例分别属于各个工况的概率以及各个工况分别对应的第二工艺参数的参考参数值，获取所述第二工艺参数的预测参数值。

6.根据权利要求5所述的方法，其特征在于，所述根据所述当前生产案例分别属于各个工况的概率以及各个工况分别对应的第二工艺参数的参考参数值，获取所述第二工艺参数的预测参数值，包括：

按照所述当前生产案例分别属于各个工况的概率，对各个工况分别对应的第二工艺参数的参考参数值进行加权运算，得到所述第二工艺参数的预测参数值。

7.根据权利要求1-6任一项所述的方法，其特征在于，所述第一工艺参数至少包括在所述当前生产案例中涉及的生产原料的原料参数；所述第二工艺参数至少包括所述生产设备的设备参数；

或者，所述第一工艺参数至少包括所述生产设备的设备参数；所述第二工艺参数至少包括在所述当前生产案例中涉及的生产原料的原料参数。

8.一种生产设备的控制装置，其特征在于，所述装置包括：

第一获取模块，用于获取生产设备在当前生产案例中涉及的多个工艺参数，在所述多个工艺参数中确定第一工艺参数，获取所述第一工艺参数的给定参数值；

第二获取模块，用于获取生产设备在当前生产案例涉及的生产结果参数以及所述生产结果参数的期望参数值；

预测模块，用于根据所述第一工艺参数、所述第一工艺参数的给定参数值、所述生产结果参数以及所述生产结果参数的期望参数值，预测第二工艺参数的预测参数值；所述第二工艺参数包括所述多个工艺参数中的除所述第一工艺参数以外的工艺参数；所述预测参数值满足如下条件：在所述第一工艺参数的给定参数值以及所述第二工艺参数的所述预测参数值的情况下，所述生产结果参数满足所述期望参数值；

调整模块，用于根据所述第二工艺参数的预测参数值对所述生产设备进行调整。

9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，处理器执行程序时实现如权利要求1至7中任一项的方法的步骤。

10.一种计算机可读存储介质，其特征在于，计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时实现如权利要求1至7中任一项的方法的步骤。

Images