CN115685948B - 数据处理方法、装置、设备及介质 - Google Patents

数据处理方法、装置、设备及介质 Download PDF

Info

Publication number
CN115685948B
CN115685948B CN202211692638.7A CN202211692638A CN115685948B CN 115685948 B CN115685948 B CN 115685948B CN 202211692638 A CN202211692638 A CN 202211692638A CN 115685948 B CN115685948 B CN 115685948B
Authority
CN
China
Prior art keywords
data
screening
target
processed
control chart
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
Application number
CN202211692638.7A
Other languages
English (en)
Other versions
CN115685948A (zh
Inventor
李淑一
刘朝正
刘梓轩
朱亚杰
张海亮
李文娟
朴南植
王洪
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
BOE Technology Group Co Ltd
Beijing Zhongxiangying Technology Co Ltd
Original Assignee
BOE Technology Group Co Ltd
Beijing Zhongxiangying Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by BOE Technology Group Co Ltd, Beijing Zhongxiangying Technology Co Ltd filed Critical BOE Technology Group Co Ltd
Priority to CN202211692638.7A priority Critical patent/CN115685948B/zh
Publication of CN115685948A publication Critical patent/CN115685948A/zh
Application granted granted Critical
Publication of CN115685948B publication Critical patent/CN115685948B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及一种数据处理方法、装置、设备及介质。本发明通过基于预先生成的目标筛选策略所包括的多个数据筛选维度，获取各个数据筛选维度所对应的筛选参数，从而基于多个数据筛选维度以及各个数据筛选维度所对应的筛选参数，从目标数据库中获取多个待处理数据集，进而基于多个待处理数据集，通过目标数据处理模型，生成包括多个数据节点的目标控制图，无需用户手动查找需要分析的数据，操作简便，提高了数据筛选效率。

Description

数据处理方法、装置、设备及介质
技术领域
本发明涉及数据处理技术领域，尤其涉及一种数据处理方法、装置、设备及介质。
背景技术
统计过程控制（Statistical Process Control，SPC）工具作为一种借助数理统计方法的过程控制工具，可以对生产过程进行分析，以根据分析结果及时发现对产品质量造成影响的负面因素，并采取措施消除其影响，以达到控制产品质量的目的。
SPC工具在对生产过程进行分析时，往往需要预先对生产过程中所产生的大量数据进行筛选，以得到进行数据分析时所需的数据，从而基于筛选得到的数据实现控制图的生成，以便后续可以基于控制图实现对生产过程的分析。
但是，在对生产过程中所产生的大量数据进行筛选时，需要技术人员手动进行数据的筛选，从而使得数据筛选效率较低。
发明内容
本发明提供一种数据处理方法、装置、设备及介质，以解决相关技术中的不足。
根据本发明实施例的第一方面，提供一种数据处理方法，该方法包括：
基于预先生成的目标筛选策略所包括的多个数据筛选维度，获取各个数据筛选维度所对应的筛选参数；
基于多个数据筛选维度以及各个数据筛选维度所对应的筛选参数，从目标数据库中获取多个待处理数据集；
基于多个待处理数据集，通过目标数据处理模型，生成目标控制图，目标控制图用于指示多个待处理数据集的统计数据分布情况。
在本发明的一些实施例中，基于多个数据筛选维度以及各个数据筛选维度所对应的筛选参数，从目标数据库中获取多个待处理数据集，包括：
基于多个数据筛选维度以及各个数据筛选维度所对应的筛选参数，生成目标查询语句；
通过目标查询语句，从目标数据库中获取多个待处理数据集。
在本发明的一些实施例中，不同数据筛选维度对应的查询语句模板不同；
基于多个数据筛选维度以及各个数据筛选维度所对应的筛选参数，生成目标查询语句，包括：
基于多个数据筛选维度，将各个数据筛选维度对应的筛选参数填充至对应查询语句模板的设定位置处，得到目标查询语句。
在本发明的一些实施例中，通过目标查询语句，从目标数据库中获取多个待处理数据集，包括：
通过目标查询语句，从目标数据库中获取源数据；
按照预先设置好的数据采集参数的参数值，对源数据进行数据筛选，以得到多个待处理数据集。
在本发明的一些实施例中，基于预先生成的目标筛选策略所包括的多个数据筛选维度，获取各个数据筛选维度所对应的筛选参数，包括：
提供参数设置界面，参数设置界面包括策略设置区域，策略设置区域用于展示多个备选筛选策略；
响应于对策略设置区域中所展示的任一备选筛选策略的选择操作，将备选筛选策略确定为目标筛选策略；
获取目标筛选策略中的多个数据筛选维度所对应的筛选参数。
在本发明的一些实施例中，获取目标筛选策略中的多个数据筛选维度所对应的筛选参数，包括：
显示目标筛选策略所对应的多个数据筛选维度；
响应于对多个数据筛选维度的设置操作，获取多个数据筛选维度所对应的筛选参数。
在本发明的一些实施例中，任一备选筛选策略的生成过程包括：
显示策略创建界面，策略创建界面包括维度添加控件；
响应于对维度添加控件的选择操作，显示至少一个备选筛选维度；
响应于对任一备选筛选维度的选择操作，将被选中的备选筛选维度确定为备选筛选策略所包括的一个数据筛选维度；
响应于在策略创建界面中的确认操作，基于策略创建界面中已添加的数据筛选维度，生成备选筛选策略。
在本发明的一些实施例中，策略创建界面还包括名称设置控件，名称设置控件用于提供备选筛选策略的命名功能。
在本发明的一些实施例中，备选筛选维度包括工厂名称、产品名称、产品版本、主流程名称、主流程版本、子流程名称、子流程版本、站点名称、设备名称、设备工艺名称、产品批次、相关工艺设备、相关工艺设备名称中的至少一项。
在本发明的一些实施例中，参数设置界面还包括参数设置区域，参数设置区域用于展示待设置参数值的数据采集参数；
该方法还包括：
响应于在参数设置区域中的设置操作，获取数据采集参数的参数值。
在本发明的一些实施例中，该方法还包括：
响应于对目标筛选策略的编辑操作，显示策略编辑界面，策略编辑界面用于提供目标筛选策略的编辑功能。
在本发明的一些实施例中，基于多个待处理数据集，通过目标数据处理模型，生成目标控制图，包括：
通过目标数据处理模型，识别多个待处理数据集所包括的待处理数据的数据类型；
通过目标数据处理模型，确定与数据类型匹配的控制图类型，并生成满足控制图类型的目标控制图。
在本发明的一些实施例中，数据类型包括连续性数据和离散型数据；
确定与数据类型匹配的控制图类型，包括下述任一项：
在多个待处理数据集所包括的待处理数据为连续型数据的情况下，将目标控制图的控制图类型确定为多图控制图；
在多个待处理数据集所包括的待处理数据为离散型数据的情况下，将目标控制图的控制图类型确定为单图控制图。
在本发明的一些实施例中，多图控制图包括双图控制图和三图控制图，其中，双图控制图包括均值-极差控制图、单值-移动极差控制图和均值-标准差控制图，三图控制图包括均值-移动极差-标准差控制图和均值-移动极差-极差控制图；
在多个待处理数据集所包括的待处理数据为连续型数据的情况下，将目标控制图的控制图类型确定为多图控制图，包括：
在多个待处理数据集所包括的待处理数据为连续型数据的情况下，从均值-极差控制图、单值-移动极差控制图、均值-标准差控制图、均值-移动极差-标准差控制图、均值-移动极差-极差控制图中，确定目标控制图的控制图类型。
在本发明的一些实施例中，单图控制图包括不合格品数控制图、不良率控制图、缺点数控制图、每个单位的缺点数控制图；
在多个待处理数据集所包括的待处理数据为离散型数据的情况下，将目标控制图的控制图类型确定为单图控制图，包括：
在多个待处理数据集所包括的待处理数据为离散型数据的情况下，从不合格品数控制图、不良率控制图、缺点数控制图、每个单位的缺点数控制图中，确定目标控制图的控制图类型。
在本发明的一些实施例中，该方法还包括：
在需要确定多个待处理数据集所包括的待处理数据的安定状态的情况下，从最大和最小值-极差控制图、最大和最小值-标准差控制图中，确定目标控制图的控制图类型。
在本发明的一些实施例中，目标控制图包括多个数据节点和目标控制限，一个数据节点对应于一个待处理数据集，数据节点为基于待处理数据集中的多个待处理数据所确定出的统计数据；
生成满足控制图类型的目标控制图，包括：
基于多个待处理数据集所包括的数据，确定满足控制图类型的多个数据节点，一个待处理数据集对应于一个数据节点；
基于多个数据节点，确定目标控制图的目标控制限。
根据本发明实施例的第二方面，提供一种数据处理装置，该装置包括：
第一获取单元，用于基于预先生成的目标筛选策略所包括的多个数据筛选维度，获取各个数据筛选维度所对应的筛选参数；
第二获取单元，用于基于多个数据筛选维度以及各个数据筛选维度所对应的筛选参数，从目标数据库中获取多个待处理数据集；
生成单元，用于基于多个待处理数据集，通过目标数据处理模型，生成目标控制图，目标控制图用于指示多个待处理数据集的统计数据分布情况。
在本发明的一些实施例中，第二获取单元，在用于基于多个数据筛选维度以及各个数据筛选维度所对应的筛选参数，从目标数据库中获取多个待处理数据集时，用于：
基于多个数据筛选维度以及各个数据筛选维度所对应的筛选参数，生成目标查询语句；
通过目标查询语句，从目标数据库中获取多个待处理数据集。
在本发明的一些实施例中，不同数据筛选维度对应的查询语句模板不同；
第二获取单元，在用于基于多个数据筛选维度以及各个数据筛选维度所对应的筛选参数，生成目标查询语句时，用于：
基于多个数据筛选维度，将各个数据筛选维度对应的筛选参数填充至对应查询语句模板的设定位置处，得到目标查询语句。
在本发明的一些实施例中，第二获取单元，在用于通过目标查询语句，从目标数据库中获取多个待处理数据集时，用于：
通过目标查询语句，从目标数据库中获取源数据；
按照预先设置好的数据采集参数的参数值，对源数据进行数据筛选，以得到多个待处理数据集。
在本发明的一些实施例中，第一获取单元，在用于基于预先生成的目标筛选策略所包括的多个数据筛选维度，获取各个数据筛选维度所对应的筛选参数时，用于：
提供参数设置界面，参数设置界面包括策略设置区域，策略设置区域用于展示多个备选筛选策略；
响应于对策略设置区域中所展示的任一备选筛选策略的选择操作，将备选筛选策略确定为目标筛选策略；
获取目标筛选策略中的多个数据筛选维度所对应的筛选参数。
在本发明的一些实施例中，第一获取单元，在用于获取目标筛选策略中的多个数据筛选维度所对应的筛选参数时，用于：
显示目标筛选策略所对应的多个数据筛选维度；
响应于对多个数据筛选维度的设置操作，获取多个数据筛选维度所对应的筛选参数。
在本发明的一些实施例中，在生成任一备选筛选策略时，该装置还包括：
显示单元，用于显示策略创建界面，策略创建界面包括维度添加控件；
显示单元，还用于响应于对维度添加控件的选择操作，显示至少一个备选筛选维度；
确定单元，还用于响应于对任一备选筛选维度的选择操作，将被选中的备选筛选维度确定为备选筛选策略所包括的一个数据筛选维度；
生成单元，还用于响应于在策略创建界面中的确认操作，基于策略创建界面中已添加的数据筛选维度，生成备选筛选策略。
在本发明的一些实施例中，策略创建界面还包括名称设置控件，名称设置控件用于提供备选筛选策略的命名功能。
在本发明的一些实施例中，备选筛选维度包括工厂名称、产品名称、产品版本、主流程名称、主流程版本、子流程名称、子流程版本、站点名称、设备名称、设备工艺名称、产品批次、相关工艺设备、相关工艺设备名称中的至少一项。
在本发明的一些实施例中，参数设置界面还包括参数设置区域，参数设置区域用于展示待设置参数值的数据采集参数；
第一获取单元，还用于响应于在参数设置区域中的设置操作，获取数据采集参数的参数值。
在本发明的一些实施例中，显示单元，还用于响应于对目标筛选策略的编辑操作，显示策略编辑界面，策略编辑界面用于提供目标筛选策略的编辑功能。
在本发明的一些实施例中，生成单元，在用于基于多个待处理数据集，通过目标数据处理模型，生成目标控制图时，用于：
通过目标数据处理模型，识别多个待处理数据集所包括的待处理数据的数据类型；
通过目标数据处理模型，确定与数据类型匹配的控制图类型，并生成满足控制图类型的目标控制图。
在本发明的一些实施例中，数据类型包括连续性数据和离散型数据；
生成单元，在用于确定与数据类型匹配的控制图类型时，用于下述任一项：
在多个待处理数据集所包括的待处理数据为连续型数据的情况下，将目标控制图的控制图类型确定为多图控制图；
在多个待处理数据集所包括的待处理数据为离散型数据的情况下，将目标控制图的控制图类型确定为单图控制图。
在本发明的一些实施例中，多图控制图包括双图控制图和三图控制图，其中，双图控制图包括均值-极差控制图、单值-移动极差控制图和均值-标准差控制图，三图控制图包括均值-移动极差-标准差控制图和均值-移动极差-极差控制图；
生成单元，在用于在多个待处理数据集所包括的待处理数据为连续型数据的情况下，将目标控制图的控制图类型确定为多图控制图时，用于：
在多个待处理数据集所包括的待处理数据为连续型数据的情况下，从均值-极差控制图、单值-移动极差控制图、均值-标准差控制图、均值-移动极差-标准差控制图、均值-移动极差-极差控制图中，确定目标控制图的控制图类型。
在本发明的一些实施例中，单图控制图包括不合格品数控制图、不良率控制图、缺点数控制图、每个单位的缺点数控制图；
生成单元，在用于在多个待处理数据集所包括的待处理数据为离散型数据的情况下，将目标控制图的控制图类型确定为单图控制图时，用于：
在多个待处理数据集所包括的待处理数据为离散型数据的情况下，从不合格品数控制图、不良率控制图、缺点数控制图、每个单位的缺点数控制图中，确定目标控制图的控制图类型。
在本发明的一些实施例中，生成单元，还用于在需要确定多个待处理数据集所包括的待处理数据的安定状态的情况下，从最大和最小值-极差控制图、最大和最小值-标准差控制图中，确定目标控制图的控制图类型。
在本发明的一些实施例中，目标控制图包括多个数据节点和目标控制限，一个数据节点对应于一个待处理数据集，数据节点为基于待处理数据集中的多个待处理数据所确定出的统计数据；
生成单元，在用于生成满足控制图类型的目标控制图时，用于：
基于多个待处理数据集所包括的数据，确定满足控制图类型的多个数据节点，一个待处理数据集对应于一个数据节点；
基于多个数据节点，确定目标控制图的目标控制限。
根据本发明实施例的第三方面，提供一种计算设备，该计算设备包括存储器、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，其中，该处理器执行该计算机程序时实现上述第一方面以及第一方面的任一个实施例所提供的数据处理方法所执行的操作。
根据本发明实施例的第四方面，提供一种计算机可读存储介质，该计算机可读存储介质上存储有程序，该程序被处理器执行时，实现上述第一方面以及第一方面的任一个实施例所提供的数据处理方法所执行的操作。
根据本发明实施例的第五方面，提供一种计算机程序产品，该计算机程序产品包括计算机程序，计算机程序被处理器执行时，实现上述第一方面以及第一方面的任一个实施例所提供的数据处理方法所执行的操作。
本发明通过基于预先生成的目标筛选策略所包括的多个数据筛选维度，获取各个数据筛选维度所对应的筛选参数，从而基于多个数据筛选维度以及各个数据筛选维度所对应的筛选参数，从目标数据库中获取多个待处理数据集，进而基于多个待处理数据集，通过目标数据处理模型，生成包括多个数据节点的目标控制图，无需用户手动查找需要分析的数据，操作简便，提高了数据筛选效率。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本发明。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。
图1是根据本发明实施例示出的一种数据处理方法的流程图；
图2是根据本发明实施例示出的一种参数设置界面的界面示意图；
图3是根据本发明实施例示出的一种策略创建界面的界面示意图；
图4是根据本发明实施例示出的一种维度选择界面的界面示意图；
图5是根据本发明实施例示出的一种策略创建界面的界面示意图；
图6是根据本发明实施例示出的一种参数搜索界面的界面示意图；
图7是根据本发明实施例示出的一种维度管理界面的界面示意图；
图8是根据本发明实施例示出的一种维度编辑界面的界面示意图；
图9是根据本发明实施例示出的一种目标控制图的确定过程流程图；
图10是根据本发明实施例示出的另一种目标控制图的确定过程流程图；
图11是根据本发明实施例示出的一种数据处理装置的框图；
图12是根据本发明实施例示出的一种计算设备的结构示意图。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本发明的一些方面相一致的装置和方法的例子。
本发明提供了一种数据处理方法，用于通过预先生成的目标筛选策略，来在目标数据库的数据中进行数据筛选，以得到产品生产过程分析所需的多个待处理数据集，以便基于多个待处理数据集来进行目标控制图的生成，以便相关技术人员可以基于目标控制图实现对产品生产过程的分析，以实现对产品生产过程的质量监控。整个处理过程无需用户手动查找需要分析的数据，操作简便，可以提高数据筛选效率。
可选地，待处理数据集中所包括的数据可以为多种类型的数据，例如，待处理数据集中所包括的数据可以为半导体生产过程中所产生的数据，例如，液晶面板生产过程中所产生的数据，或者，待处理数据集中所包括的数据可以为其他产品的生产过程中所产生的数据，本发明对待处理数据集中所包括的数据类型不加以限定。
上述数据处理方法可以由计算设备执行，计算设备可以为终端设备，如台式计算机、便携式计算机、智能手机、平板电脑等，可选地，计算设备还可以为服务器，如一台服务器、多台服务器、服务器集群等，本发明对计算设备的设备类型和设备数量不加以限定。
上述仅为对本发明应用场景的示例性说明，并不构成对本发明应用场景的限定，在更多可能的实现方式中，本发明所提供的数据处理方法还可以应用在其他可能场景中，本发明对具体的应用场景不加以限定。
在介绍了本发明的应用场景之后，下面对本发明所提供的数据处理方法进行说明。
参见图1，图1是根据本发明实施例示出的一种数据处理方法的流程图，如图1所示，该方法包括：
步骤101、基于预先生成的目标筛选策略所包括的多个数据筛选维度，获取各个数据筛选维度所对应的筛选参数。
可选地，可以预先生成多个备选筛选策略，以从中选择一个备选筛选策略作为目标筛选策略，筛选策略（包括目标筛选策略和备选筛选策略）可以用于指示在进行数据筛选时所使用的多个数据筛选维度。
其中，每个数据筛选维度均可以具备各自的筛选参数，以便可以基于多个数据筛选维度所对应的筛选参数，来从多个维度实现数据筛选。
步骤102、基于多个数据筛选维度以及各个数据筛选维度所对应的筛选参数，从目标数据库中获取多个待处理数据集。
需要说明的是，相关技术人员可以根据对生产过程的分析需求，来设置目标筛选策略中每个数据筛选维度所对应的筛选参数，以便可以基于目标筛选策略所包括的多个数据筛选维度以及各个数据筛选维度所对应的筛选参数，从目标数据库中获取多个待处理数据集。
其中，目标数据库中可以存储有产品生产过程中所产生的数据，以便可以基于目标筛选策略所包括的多个数据筛选维度以及各个数据筛选维度所对应的筛选参数，在目标数据库的数据中进行数据筛选，以得到符合分析需求的多个待处理数据集。
步骤103、基于多个待处理数据集，通过目标数据处理模型，生成目标控制图，目标控制图用于指示多个待处理数据集的统计数据分布情况。
本发明通过基于预先生成的目标筛选策略所包括的多个数据筛选维度，获取各个数据筛选维度所对应的筛选参数，从而基于多个数据筛选维度以及各个数据筛选维度所对应的筛选参数，从目标数据库中获取多个待处理数据集，进而基于多个待处理数据集，通过目标数据处理模型，生成包括多个数据节点的目标控制图，无需用户手动查找需要分析的数据，操作简便，提高了数据筛选效率。
在介绍了本发明所提供的数据处理方法的基本实现过程之后，下面介绍该数据处理方法的各个可选实施例。
需要说明的是，对于步骤101，在基于预先生成的目标筛选策略所包括的多个数据筛选维度，获取各个数据筛选维度所对应的筛选参数时，可以通过如下步骤实现：
步骤1011、提供参数设置界面，参数设置界面包括策略设置区域，策略设置区域用于展示多个备选筛选策略。
参见图2，图2是根据本发明实施例示出的一种参数设置界面的界面示意图，如图2所示，文字标注为“SPC模型”的区域即为策略选择区域。
需要说明的是，可以在策略设置区域显示预先生成的多个备选筛选策略，以便用户可以从中进行选择。其中，备选筛选策略都是预先生成好的，下面对备选筛选策略的生成过程进行介绍：
在一些实施例中，可以通过如下步骤实现备选筛选策略的生成：
步骤1、显示策略创建界面，策略创建界面包括维度添加控件。
参见图3，图3是根据本发明实施例示出的一种策略创建界面的界面示意图，如图3所示，策略创建界面中标注为“+”的按钮即为维度添加控件。
可选地，策略创建界面还可以包括名称设置控件，名称设置控件可以用于提供备选筛选策略的命名功能。仍以如图3所示的策略创建界面为例，在如图3所示的策略创建界面中，文字标注为“模型名称”的输入框即为名称设置控件，以便用户可以通过文字标注为“模型名称”的输入框实现对备选筛选策略的命名。
步骤2、响应于对维度添加控件的选择操作，显示至少一个备选筛选维度。
在一种可能的实现方式中，响应于对维度添加控件的选择操作，显示维度选择界面，并在维度选择界面中显示至少一个备选筛选维度。
其中，备选筛选维度可以包括工厂名称、产品名称、产品版本、主流程名称、主流程版本、子流程名称、子流程版本、站点名称、设备名称、设备工艺名称、产品批次、相关工艺设备和相关工艺设备名称，可选地，备选筛选维度还可以包括更多或更少的维度，仅需保证产品生产线上有对应的真实字段即可，本发明对备选筛选维度所包括的具体维度不加以限定。
参见图4，图4是根据本发明实施例示出的一种维度选择界面的界面示意图，在如图4所示的维度选择界面中，显示有工厂名称（Factory Name）、产品名称（Product SpecName）、产品版本（Product Spec Version）、主流程名称（Main Flow Name）、主流程版本（Main Flow Version）、子流程名称（Sub Flow Name）、子流程版本（Sub Flow Version）、站点名称（Process Operation Name）、设备名称（Machine Name）、设备工艺菜单（MachineRecipe Name）、产品批次（Reference Po Name）、相关工艺设备（Reference MachineName）、相关工艺设备菜单（Reference Machine Recipe Name）这13个备选筛选维度，用户即可从这13个备选筛选维度中进行选择。
需要说明的是，为便于后续编辑已设置的备选筛选维度，可以将备选筛选维度设置为常量，例如，可以将备选筛选维度的类名设置为SpcStrategyLevelName，以便后续可以直接对备选筛选维度进行编辑，而且，可以直接基于作为常量的备选筛选维度来进行备选筛选策略的创建。
步骤3、响应于对任一备选筛选维度的选择操作，将被选中的备选筛选维度确定为备选筛选策略所包括的一个数据筛选维度。
可选地，若用户在所显示的至少一个备选筛选维度中选择了任一备选筛选维度，则被选中的备选筛选维度即会作为备选筛选策略所包括的一个数据筛选维度被显示在策略创建界面，所显示的这个数据筛选维度可以设置有其所对应的维度修改控件、维度添加控件和维度删除控件，用户可以通过维度修改控件来修改已被确定为数据筛选维度的备选筛选维度，还可以通过维度添加控件继续进行数据筛选维度的确定，还可以通过维度删除控件来删除这个已被确定为数据筛选维度的备选筛选维度。
若用户触发了数据筛选维度所对应的维度修改控件，则计算设备即可显示至少一个备选筛选维度，所显示的至少一个备选筛选维度中不包括已被确定为数据筛选维度的备选筛选维度，或者，已被确定为数据筛选维度的备选筛选维度被显示为无法选择状态，以便用户可以基于所显示的至少一个备选筛选维度，对被触发的维度修改控件所对应的数据筛选维度重新进行选择。
若用户触发了数据筛选维度所对应的维度添加控件，则计算设备即可显示维度选择界面，并在维度选择界面中显示至少一个备选筛选维度，以便用户继续进行数据筛选维度的选择。其中，此时所显示的至少一个备选筛选维度中不包括已被确定为数据筛选维度的备选筛选维度，或者，已被确定为数据筛选维度的备选筛选维度被显示为无法选择状态。
若用户触发了数据筛选维度所对应的维度删除控件，则计算设备即可不在策略创建界面中选择该数据筛选维度。
参见图5，图5是根据本发明实施例示出的一种策略创建界面的界面示意图，如图5所示，已被确定为数据筛选维度的有工厂名称、产品名称、主流程名称、设备名称这四个维度，除显示在首位的数据筛选维度之外，每个数据筛选维度都设置有对应的维度修改控件（也即是下拉按钮）、维度添加控件（也即是标注为“+”的按钮）和维度删除控件（也即是删除按钮），以便用户可以在当前所选择的数据筛选维度的基础上继续进行备选筛选策略的创建。
步骤4、响应于在策略创建界面中的确认操作，基于策略创建界面中已添加的数据筛选维度，生成备选筛选策略。
此外，用户还可以对所确定出每个数据筛选维度进行命名，仍以如图5所示的策略创建界面为例，在如图5所示的策略创建界面中，工厂名称这个数据筛选维度被命名为“T”，产品名称这个数据筛选维度被命名为“P”，主流程名称这个数据筛选维度被命名为“F”，设备名称这个数据筛选维度被命名为“M”。另外，参见图5，通过如图5所示的策略创建界面所创建的备选筛选策略被命名为“TPFM”。
上述仅为创建备选筛选策略的一种示例，在更多可能的实现方式中，还可以由不同厂商客户根据自己的流水线设备流程，来定制满足自己使用需求的备选筛选策略（依然可以通过策略创建界面来进行备选筛选策略的创建），本发明对创建其他备选筛选策略的具体过程不再加以赘述。
需要说明的是，相关技术人员可以根据自己的经验以及实际生产场景中的多种需求，尽可能多地创建备选筛选策略，以便后续可以直接基于实际分析需求，从预先生成的多种备选筛选策略中进行选择，以便可以基于所选择的目标筛选策略来进行数据筛选，无需用户手动进行数据查找。
在通过上述过程预先创建了至少一个备选筛选策略的情况下，即可在有数据处理需求时，通过参数设置界面的策略设置区域来显示所创建的至少一个备选筛选策略，以便用户可以从中选择满足实际使用需求的目标筛选策略。
仍以如图2所示的参数设置界面为例，在如图2所示的参数设置界面的策略设置区域中，显示有TP、TPFOM、TPM、TPV、TPVF五个备选筛选策略，用户可以通过点击这五个备选筛选策略中的任意一个或几个，以从中进行目标筛选策略的选择。
其中，TP所包括的数据筛选维度有工厂名称（T）和产品名称（P），TPFOM所包括的数据筛选维度有工厂名称（T）、产品名称（P）、主流程名称（F）、站点名称（O）和设备名称（M），TPM所包括的数据筛选维度有工厂名称（T）、产品名称（P）和设备名称（M），TPV所包括的数据筛选维度有工厂名称（T）、产品名称（P）和产品版本（V），TPVF所包括的数据筛选维度有工厂名称（T）、产品名称（P）和产品版本（V）和主流程版本（F）。
步骤1012、响应于对策略设置区域中所展示的任一备选筛选策略的选择操作，将备选筛选策略确定为目标筛选策略。
可选地，计算设备还可以为用户提供策略推荐功能。在一种可能的实现方式中，可以提供策略搜索界面，用户可以在策略搜索界面中输入本次的数据分析需求（例如，本次需要分析的是哪几种类型的数据，这些数据的数据来源是什么，等等），计算设备即可基于用户所输入的分析需求，在已生成的备选筛选策略中进行匹配，以找到可以满足该分析需求的备选筛选策略，从而将查找到的备选筛选策略推荐给用户，用户即可直接选择所推荐的备选筛选策略作为目标筛选策略，操作简便，无需用户逐个查看每个备选筛选策略所包括的数据筛选维度，从而可以提高目标筛选策略的选择效率，进而可以提高数据处理效率。
步骤1013、获取目标筛选策略中的多个数据筛选维度所对应的筛选参数。
在一种可能的实现方式中，对于步骤1013，在获取目标筛选策略中的多个数据筛选维度所对应的筛选参数时，可以通过如下方式实现：
显示目标筛选策略所对应的多个数据筛选维度；响应于对多个数据筛选维度的设置操作，获取多个数据筛选维度所对应的筛选参数。
也即是，若用户在策略选择区域选择了任一备选筛选策略，计算设备即可在策略选择区域中显示被选中的备选筛选策略所包括的数据筛选维度，但每个数据筛选维度对应的筛选参数尚未设置，用户即可通过每个数据筛选维度对应的输入控件来进行对应筛选参数的输入，以便计算设备可以响应于对多个数据筛选维度的设置操作，获取多个数据筛选维度所对应的筛选参数。
仍以如图2所示的参数设置界面为例，用户在如图2所示的参数设置界面中选择了TPFOM这个备选筛选策略，则计算设备即可在如图2所示的参数设置界面的策略设置区域中显示TPFOM这个备选筛选策略所包括的数据筛选维度，也即是工厂名称、产品名称、主流程名称、站点名称和设备名称，每个数据筛选维度都设置有自己对应的输入控件，以便用户可以通过多个输入控件，实现多个数据筛选维度对应的筛选参数的输入，以使计算设备可以获取到多个数据筛选维度所对应的筛选参数。
需要说明的是，若用户在模型选择界面中选择了多个备选筛选策略，则计算设备可以对多个备选筛选策略所包括的数据筛选维度进行整合，以将多个备选筛选策略所包括的数据筛选维度均显示在策略设置区域，以便用户可以对各个数据筛选维度所对应的筛选参数进行设置。
可选地，在为每个数据筛选维度设置筛选参数时，可以提供参数搜索功能，以便用户可以快速查找到所需的筛选参数。参见图6，图6是根据本发明实施例示出的一种参数搜索界面的界面示意图，如图6所示，用户可以通过文字标注为“搜索”的按钮来实现搜索条件的动态显示，以便可以基于搜索条件进行筛选参数的搜索，以显示如图6所示的带有动态表头的列表，从而在列表中显示查询得到的结果。
另外，需要说明的是，若在策略选择区域选择了多个备选筛选策略，这多个备选筛选策略中可能存在重合的数据筛选维度，则在如图6所示的表格中，对于重合的数据筛选维度，可以在表格中以逗号对重合的数据筛选维度对应的筛选参数进行分割，以实现对多条数据的维护。
此外，需要注意的是，通过目标筛选策略，可以找到满足分析需求的数据来源所产生的数据，但并非该数据来源所产生的数据都必须用于分析过程，因而，在更多可能的实现方式中，在通过目标筛选策略实现对数据的筛选之后，还可以对通过目标筛选策略筛选得到的数据进行进一步筛选，以找到数据分析过程中所需的具备代表性的数据。
在一些实施例中，参数设置界面还可以包括参数设置区域，参数设置区域可以用于展示待设置参数值的数据采集参数。
需要说明的是，不同备选数据筛选模型中数据采集参数的类型可以是相同的，而且，数据采集参数的类型可以是预先设置好的，从而使得在提供参数设置界面时，可以在参数设置区域显示预先设置好的多种类型的数据采集参数，以便用户可以根据分析需求对各种类型的数据采集参数的参数值进行设置。
仍以如图2所示的参数设置界面为例，在如图2所示的参数设置界面中，文字标注为“数据采集模型”的区域即为参数设置区域，参数设置区域包括多种类型的数据采集参数（包括数据采集模型、数据采集参数、参数描述、控制图类型、单位、点数、衍生参数、过滤限、OOC报警移除、OOT时间限制、超出过滤限移除），但各种类型的数据采集参数的参数值还未设置，用户即可在对应输入框内输入相应数据采集参数的参数值。
通过上述过程，即可实现对目标筛选策略中多个数据筛选维度所对应的筛选参数的选择，并且可以实现对多种类型的数据采集参数的参数值的设置，以便后续可以基于目标筛选策略的多个数据筛选维度所对应的筛选参数、以及数据采集参数的参数值，来进行数据的筛选。
此外，需要说明的是，对于已经设置好参数目标筛选策略，用户还可以根据自己的需求变动来对目标筛选策略进行修改。
在一种可能的实现方式中，可以响应于对目标筛选策略的编辑操作，显示策略编辑界面，策略编辑界面用于提供目标筛选策略的编辑功能。
可选地，可以对复制待编辑的目标筛选策略，以通过快速建模的方式，对待编辑的目标筛选策略中已设置好的各种参数进行回显，以便用户可以对目标筛选策略进行修改，从而实现对目标筛选策略中各个数据筛选维度所对应的筛选参数的重新规划。此外，还可以对多种类型的数据采集参数的参数值重新进行设置，以实现对数据采集规则的重新规划。
在一些实施例中，对于步骤102，在基于多个数据筛选维度以及各个数据筛选维度所对应的筛选参数，从目标数据库中获取多个待处理数据集时，可以通过如下步骤实现：
步骤1021、基于多个数据筛选维度以及各个数据筛选维度所对应的筛选参数，生成目标查询语句。
需要说明的是，目标筛选策略包括多个数据筛选维度以及各个数据筛选维度对应的筛选参数，不同数据筛选维度对应的查询语句模板不同，基于此，在基于目标筛选策略，生成目标查询语句时，可以通过如下方式实现：
基于多个数据筛选维度，将各个数据筛选维度对应的筛选参数填充至对应查询语句模板的设定位置处，得到目标查询语句。
例如，对于工厂名称这个数据筛选维度，其所对应的查询语句模板可以为“selectfactoryNamefrom FactoryName”，则在生成用于查询某个工厂所生产的产品的目标查询语句时，可以将工厂名称这个数据筛选维度所对应的筛选参数填充至factoryName这个位置处，以实现目标查询语句的生成。
另外，还可以为用户提供一个维度管理界面，以便用户可以通过维度管理界面来对备选筛选维度进行管理。例如，参见图7，图7是根据本发明实施例示出的一种维度管理界面的界面示意图，在如图7所示的维度管理界面中显示有多个备选筛选维度以及各个备选筛选维度所对应的查询语句模板。
此外，维度管理界面中还可以设置有编辑控件，用户可以通过触发编辑控件，以对多个备选筛选维度进行编辑。
参见图8，图8是根据本发明实施例示出的一种维度编辑界面的界面示意图，如图8所示，在用户触发了维度管理界面中的编辑控件的情况下，各个备选筛选维度所对应的内容均变为可编辑状态，用户可以对其进行编辑，例如，编辑维度英文名、维度中文名、维度是否多选、维度备注、维度对应的查询语句模板，等等。
步骤1022、通过目标查询语句，从目标数据库中获取多个待处理数据集。
在一种可能的实现方式中，可以通过目标查询语句，从目标数据库中获取源数据；按照预先设置好的数据采集参数的参数值，对源数据进行数据筛选，以得到多个待处理数据集。
通过目标查询语句，即可在目标数据库中进行查询，以得到满足目标筛选策略的多个数据筛选维度所对应的筛选参数的数据，作为后续数据采集所用的源数据。可选地，目标查询语句可以为结构化查询语句（Structured Query Language，SQL）。
在通过上述过程获取到源数据后，即可按照所设置的数据采集参数，对源数据进行数据采集，以得到多个待处理数据集。
在通过上述过程获取到多个待处理数据集之后，即可通过步骤103，基于所多个待处理数据集，生成目标控制图。
在一些实施例中，对于步骤103，在基于所多个待处理数据集，通过目标数据处理模型，生成目标控制图时，可以通过如下步骤实现：
步骤1031、通过目标数据处理模型，识别多个待处理数据集所包括的待处理数据的数据类型。
其中，待处理数据的数据类型可以包括连续性数据和离散型数据。
步骤1032、通过目标数据处理模型，确定与数据类型匹配的控制图类型，并生成满足控制图类型的目标控制图。
以待处理数据的数据类型包括连续性数据和离散型数据为例，在基于多个待处理数据集所包括的待处理数据的数据类型，确定待生成的目标控制图的控制图类型时，可以包括如下任一种实现方式：
在一种可能的实现方式中，在多个待处理数据集所包括的待处理数据为连续型数据的情况下，将目标控制图的控制图类型确定为多图控制图。
其中，多图控制图可以包括双图控制图和三图控制图，而双图控制图可以包括均 值-极差控制图（
Figure 429180DEST_PATH_IMAGE001
-R图）、单值-移动极差控制图（X-MR图）和均值-标准差控制图（
Figure 939796DEST_PATH_IMAGE002
-S图）， 三图控制图可以包括均值-移动极差-标准差控制图（
Figure 795232DEST_PATH_IMAGE001
-MR-S图）和均值-移动极差-极差控 制图（
Figure 252758DEST_PATH_IMAGE001
-MR-R图）。因而，在多个待处理数据集所包括的待处理数据为连续型数据的情况 下，将目标控制图的控制图类型确定为多图控制图时，可以通过如下方式实现：
在多个待处理数据集所包括的待处理数据为连续型数据的情况下，从均值-极差 控制图（
Figure 118995DEST_PATH_IMAGE001
-R图）、单值-移动极差控制图（X-MR图）、均值-标准差控制图（
Figure 269354DEST_PATH_IMAGE001
-S图）、均值-移动 极差-标准差控制图（
Figure 880595DEST_PATH_IMAGE001
-MR-S图）和均值-移动极差-极差控制图（
Figure 158123DEST_PATH_IMAGE001
-MR-R图）中，确定目标控 制图的控制图类型。
可选地，可以基于每个产品上所采集的待处理数据的数量和组间差异检验结果，来从均值-极差控制图、单值-移动极差控制图、均值-标准差控制图、均值-移动极差-标准差控制图、均值-移动极差-极差控制图中，确定目标控制图的控制图类型。
例如，在每个产品上所采集的待处理数据的数量大于第一设定阈值，且组间差异检验结果指示不同待处理数据集之间不存在组间差异的情况下，以均值-极差控制图作为目标控制图；在每个产品上所采集的待处理数据的数量大于第一设定阈值，且组间差异检验结果指示不同待处理数据集之间存在组间差异的情况下，以均值-移动极差-极差控制图作为目标控制图；在每个产品上所采集的待处理数据的数量小于或等于第一设定阈值的情况下，若每个产品上所采集的待处理数据的数量为目标取值，则以单值-移动极差控制图作为目标控制图；在每个产品上所采集的待处理数据的数量小于或等于第一设定阈值的情况下，若每个产品上所采集的待处理数据的数量不是目标取值，且组间差异检验结果指示不同待处理数据集之间不存在组间差异的情况下，以均值-标准差控制图作为目标控制图；在每个产品上所采集的待处理数据的数量小于或等于第一设定阈值的情况下，若每个产品上所采集的待处理数据的数量不是目标取值，且组间差异检验结果指示不同待处理数据集之间存在组间差异的情况下，以均值-移动极差-标准差控制图作为目标控制图。
以待处理数据为液晶面板生产过程中所产生的数据为例，待处理数据可以为对所生产的液晶面板施加电压后所获取到的背光值，或者，待处理数据可以为对位精度（Alignment Inspection，AI），可选地，待处理数据还可以为其他类型的数据，本发明对待处理数据的具体类型不加以限定。
上述确定目标控制图的过程可以参见图9，图9是根据本发明实施例示出的一种目 标控制图的确定过程流程图，如图9所示的流程图以待处理数据为液晶面板生产过程中所 产生的数据为例，在每个产品上所采集的待处理数据的数量也即是每个液晶面板上的测量 点位数，那么在待处理数据为连续型数据的情况下，如果显示面板的测量点位数大于或等 于10且各个测量点位的测量数据存在组间差异，则可以以
Figure 154898DEST_PATH_IMAGE003
-MR-R图作为目标控制图；如果 显示面板的测量点位数大于或等于10且各个测量点位的测量数据不存在组间差异，则可以 以
Figure 958382DEST_PATH_IMAGE003
-R图作为目标控制图；在测量点位数小于10的情况下，如果测量点位数为1，则可以以
Figure 775028DEST_PATH_IMAGE003
-MR图作为目标控制图；如果测量点位数为1且各个测量点位的测量数据存在组间差异，则 可以以
Figure 325089DEST_PATH_IMAGE003
-MR-S图作为目标控制图；如果测量点位数为1且各个测量点位的测量数据不存在 组间差异，则可以以
Figure 645212DEST_PATH_IMAGE003
-S图作为目标控制图。
通过上述过程即可基于待处理数据的数据特性实现目标控制图的确定，以使得所确定出的目标控制图更加符合待处理数据的数据特性，从而可以提高所确定出的目标控制图的准确性，使得目标控制图可以更好地展示出待处理数据的数据特性。
在另一种可能的实现方式中，在多个待处理数据集所包括的待处理数据为离散型数据的情况下，将目标控制图的控制图类型确定为单图控制图。
其中，单图控制图可以包括从不合格品数控制图（NP-图）、不良率控制图（P-图）、缺点数控制图（C-图）、每个单位的缺点数控制图（U-图）。因而，在多个待处理数据集所包括的待处理数据为离散型数据的情况下，将目标控制图的控制图类型确定为单图控制图时，可以通过如下方式实现：
在多个待处理数据集所包括的待处理数据为离散型数据的情况下，从不合格品数控制图（NP-图）、不良率控制图（P-图）、缺点数控制图（C-图）、每个单位的缺点数控制图（U-图）中，确定目标控制图的控制图类型。
可选地，可以基于多个待处理数据所对应的产品合格情况，来从不合格品数控制图、不良率控制图、缺点数控制图、每个单位的缺点数控制图中，确定目标控制图的控制图类型。
例如，在产品中存在不合格品的情况下，若不合格品数量为常数，则以不合格品数控制图作为目标控制图；在产品中存在不合格品的情况下，若不合格品数量不是常数，则以不良率控制图作为目标控制图；在产品中不存在不合格品，但存在有缺陷的产品的情况下，若产品缺陷存在于产品的设定区域内，则以缺点数控制图作为目标控制图；在产品中不存在不合格品，但存在有缺陷的产品的情况下，若产品缺陷不存在于产品的设定区域内，则以每个单位的缺点数控制图作为目标控制图。
上述确定目标控制图的方式可以参见图10，图10是根据本发明实施例示出的另一种目标控制图的确定过程流程图，如图10所示，在待处理数据为离散型数据的情况下，如果产品为不合格品，且作为不合格品的产品的数量N为常数，则可以以NP-图作为目标控制图；如果产品为不合格品，且作为不合格品的产品的数量N不是常数，则可以以P-图作为目标控制图；在产品为合格品但产品中存在缺陷的情况下，如果产品缺陷存在于产品的设定区域内，则可以以C-图作为目标控制图；如果产品缺陷存在于产品的设定区域以外的区域内，则可以以U-图作为目标控制图。
通过上述过程即可基于产品特性实现目标控制图的确定，以使得所确定出的目标控制图更加符合产品的产品特性，从而可以提高所确定出的目标控制图的准确性，使得目标控制图可以更好地展示出待处理数据的数据特性。
上述实施例介绍了根据数据类型（连续型数据或离散型数据）确定目标控制图的方式，在更多可能的实现方式中，还可能存在一些特殊的使用需求，例如，需要确定产品生产过程的安定状态。因而，在一种可能的实现方式中，可以先确定分析过程是否存在明确的使用需求，如是否需要确定产品生产过程的安定状态，在确定需要确定产品生产过程的安定状态的情况下，可以从最大和最小值-极差控制图（LS-R图）、最大和最小值-标准差控制图（LS-S图）中，确定目标控制图的控制图类型；而在无需确定产品生产过程的安定状态的情况下，再基于待处理数据的数据类型，来确定目标控制图的控制图类型。
需要说明的是，产品生产过程处于安定状态，也即是工程稳定状态下，在产品生产过程处于安定状态的情况下，所生产的产品质量处于正常波动状态，而在产品生产过程处于非安定状态的情况下，所生产的产品质量处于异常波动状态。
在通过上述过程确定出目标控制图的控制图类型后，即可基于多个待处理数据集所包括的待处理数据，生成满足控制图类型的目标控制图。
需要说明的是，目标控制图可以包括多个数据节点和目标控制限，因此，在基于多个待处理数据集所包括的待处理数据，生成满足控制图类型的目标控制图时，可以通过如下方式实现：
基于多个待处理数据集，确定满足控制图类型的多个数据节点；从而基于多个数据节点，确定目标控制图的目标控制限。
可选地，目标控制限可以包括上控制限、下控制限和中心线，其中，上控制限和下控制限还可以称为规格限，并且，对于不同类型的控制图，其计算控制限的常规方式有所不同，下面分别对如何计算不同类型的控制图的控制限的过程进行介绍。
对于
Figure 888106DEST_PATH_IMAGE003
-R控制图，可以按照如下公式（1）至公式（6）来计算控制限：
Figure 192048DEST_PATH_IMAGE004
（1）
Figure 14642DEST_PATH_IMAGE005
（2）
Figure 720430DEST_PATH_IMAGE006
（3）
Figure 594277DEST_PATH_IMAGE007
（4）
Figure 385516DEST_PATH_IMAGE008
（5）
Figure 261068DEST_PATH_IMAGE009
（6）
其中，
Figure 572094DEST_PATH_IMAGE001
表示数据均值，
Figure 406058DEST_PATH_IMAGE010
表示数据均值的中心线，R表示极差，
Figure 904167DEST_PATH_IMAGE011
表示极差的 中心线，
Figure 848989DEST_PATH_IMAGE012
表示极差的均值，
Figure 748943DEST_PATH_IMAGE013
表示数据均值的上控制限，
Figure 753808DEST_PATH_IMAGE014
表示极差的上控制限，
Figure 1862DEST_PATH_IMAGE015
表示数据均值的下控制限，
Figure 219217DEST_PATH_IMAGE016
表示极差的下控制限，
Figure 504836DEST_PATH_IMAGE017
、
Figure 680602DEST_PATH_IMAGE018
、
Figure 402571DEST_PATH_IMAGE019
均为设定参数值。
对于
Figure 439928DEST_PATH_IMAGE001
-S控制图，可以按照如下公式（7）至公式（12）来计算控制限：
Figure 298163DEST_PATH_IMAGE020
（7）
Figure 129984DEST_PATH_IMAGE021
（8）
Figure 604827DEST_PATH_IMAGE022
（9）
Figure 448805DEST_PATH_IMAGE023
（10）
Figure 427125DEST_PATH_IMAGE024
（11）
Figure 429848DEST_PATH_IMAGE025
（12）
其中，
Figure 657567DEST_PATH_IMAGE001
表示数据均值，
Figure 302306DEST_PATH_IMAGE026
表示数据均值的中心线，S表示标准差，
Figure 931870DEST_PATH_IMAGE027
表示标准 差的中心线，
Figure 839914DEST_PATH_IMAGE028
表示标准差的均值，
Figure 289350DEST_PATH_IMAGE029
表示数据均值的上控制限，
Figure 203692DEST_PATH_IMAGE030
表示标准差的上 控制限，
Figure 156605DEST_PATH_IMAGE031
表示数据均值的下控制限，
Figure 501130DEST_PATH_IMAGE032
表示标准差的下控制限，
Figure 172282DEST_PATH_IMAGE033
、
Figure 142512DEST_PATH_IMAGE034
、
Figure 966243DEST_PATH_IMAGE035
均为 设定参数值。
对于
Figure 996516DEST_PATH_IMAGE001
-MR-R控制图，可以按照如下公式（13）至公式（21）来计算控制限：
Figure 640118DEST_PATH_IMAGE036
（13）
Figure 414039DEST_PATH_IMAGE037
（14）
Figure 106924DEST_PATH_IMAGE038
（15）
Figure 42519DEST_PATH_IMAGE039
（16）
Figure 173418DEST_PATH_IMAGE040
（17）
Figure 485450DEST_PATH_IMAGE041
（18）
Figure 283773DEST_PATH_IMAGE042
（19）
Figure 390269DEST_PATH_IMAGE043
（20）
Figure 523310DEST_PATH_IMAGE044
（21）
其中，
Figure 389766DEST_PATH_IMAGE003
表示数据均值，
Figure 26284DEST_PATH_IMAGE045
表示数据均值的中心线，MR表示移动极差，
Figure 317064DEST_PATH_IMAGE046
表示 移动极差的中心线，R表示极差，
Figure 406242DEST_PATH_IMAGE047
表示极差的中心线，
Figure 76389DEST_PATH_IMAGE048
表示极差的均值，
Figure 832993DEST_PATH_IMAGE049
表示数 据均值的上控制限，
Figure 32024DEST_PATH_IMAGE050
表示移动极差的上控制限，
Figure 139657DEST_PATH_IMAGE051
表示极差的上控制限，
Figure 347916DEST_PATH_IMAGE052
表 示数据均值的下控制限，
Figure 693447DEST_PATH_IMAGE053
表示移动极差的下控制限，
Figure 843805DEST_PATH_IMAGE054
表示极差的下控制限，
Figure 926817DEST_PATH_IMAGE055
、
Figure 922455DEST_PATH_IMAGE056
、
Figure 138804DEST_PATH_IMAGE057
均为设定参数值。
对于
Figure 194485DEST_PATH_IMAGE001
-MR-S控制图，可以按照如下公式（22）至公式（30）来计算控制限：
Figure 761864DEST_PATH_IMAGE058
（22）
Figure 561192DEST_PATH_IMAGE059
（23）
Figure 694364DEST_PATH_IMAGE060
（24）
Figure 199908DEST_PATH_IMAGE061
（25）
Figure 972692DEST_PATH_IMAGE040
（26）
Figure 326444DEST_PATH_IMAGE062
（27）
Figure 766652DEST_PATH_IMAGE063
（28）
Figure 180447DEST_PATH_IMAGE043
（29）
Figure 971686DEST_PATH_IMAGE064
（30）
其中，
Figure 129129DEST_PATH_IMAGE001
表示数据均值，
Figure 689423DEST_PATH_IMAGE065
表示数据均值的中心线，MR表示移动极差，
Figure 999751DEST_PATH_IMAGE066
表 示移动极差的中心线，S表示标准差，
Figure 278286DEST_PATH_IMAGE067
表示标准差的中心线，
Figure 708261DEST_PATH_IMAGE028
表示标准差的均值，
Figure 123062DEST_PATH_IMAGE068
表示数据均值的上控制限，
Figure 878659DEST_PATH_IMAGE069
表示移动极差的上控制限，
Figure 175649DEST_PATH_IMAGE070
表示标准差的上控 制限，
Figure 674894DEST_PATH_IMAGE071
表示数据均值的下控制限，
Figure 944201DEST_PATH_IMAGE072
表示移动极差的下控制限，
Figure 602191DEST_PATH_IMAGE073
表示标准 差的下控制限，
Figure 324160DEST_PATH_IMAGE074
、
Figure 361517DEST_PATH_IMAGE075
、
Figure 485331DEST_PATH_IMAGE076
、
Figure 582731DEST_PATH_IMAGE056
、
Figure 791995DEST_PATH_IMAGE077
均为设定参数值。
对于X-MR控制图，可以按照如下公式（31）至公式（36）来计算控制限：
Figure 367464DEST_PATH_IMAGE078
（31）
Figure 345785DEST_PATH_IMAGE059
（32）
Figure 863354DEST_PATH_IMAGE079
（33）
Figure 579156DEST_PATH_IMAGE040
（34）
Figure 207583DEST_PATH_IMAGE080
（35）
Figure 791142DEST_PATH_IMAGE081
（36）
其中，X表示数据单值，
Figure 479612DEST_PATH_IMAGE082
表示数据单值的中心线，MR表示移动极差，
Figure 414202DEST_PATH_IMAGE083
表示 移动极差的中心线，
Figure 315161DEST_PATH_IMAGE084
表示移动极差的均值，
Figure 284386DEST_PATH_IMAGE085
表示数据单值的上控制限，
Figure 143757DEST_PATH_IMAGE086
表 示移动极差的上控制限，
Figure 549331DEST_PATH_IMAGE087
表示数据单值的下控制限，
Figure 532943DEST_PATH_IMAGE088
表示移动极差的下控制 限，
Figure 605941DEST_PATH_IMAGE089
、
Figure 121367DEST_PATH_IMAGE090
、
Figure 14237DEST_PATH_IMAGE091
均为设定参数值。
对于NP-图，可以按照如下公式（37）至公式（39）来计算控制限：
Figure 804469DEST_PATH_IMAGE092
（37）
Figure 997553DEST_PATH_IMAGE093
（38）
Figure 215039DEST_PATH_IMAGE094
（39）
其中，
Figure 626165DEST_PATH_IMAGE095
表示NP-图的中心线，
Figure 938198DEST_PATH_IMAGE096
表示NP-图的上控制限，
Figure 720209DEST_PATH_IMAGE097
表示NP- 图的下控制限，
Figure 843017DEST_PATH_IMAGE098
表示不良率的均值，SubGroupSize表示子组大小。
对于P-图，可以按照如下公式（40）至公式（42）来计算控制限：
Figure 710479DEST_PATH_IMAGE099
（40）
Figure 311355DEST_PATH_IMAGE100
（41）
Figure 213452DEST_PATH_IMAGE101
（42）
其中，
Figure 507161DEST_PATH_IMAGE102
表示P-图的中心线，
Figure 861919DEST_PATH_IMAGE103
表示P-图的上控制限，
Figure 794716DEST_PATH_IMAGE104
表示P-图的下 控制限，
Figure 551319DEST_PATH_IMAGE105
表示不良率的均值，SubGroupSize表示子组大小。
对于C-图，可以按照如下公式（43）至公式（45）来计算控制限：
Figure 15930DEST_PATH_IMAGE106
（43）
Figure 123563DEST_PATH_IMAGE107
（44）
Figure 331822DEST_PATH_IMAGE108
（45）
其中，
Figure 677352DEST_PATH_IMAGE109
表示C-图的中心线，
Figure 578443DEST_PATH_IMAGE110
表示C-图的上控制限，
Figure 642214DEST_PATH_IMAGE111
表示C-图的下 控制限，
Figure 391514DEST_PATH_IMAGE112
表示产品缺点数的均值。
对于U-图，可以按照如下公式（46）至公式（48）来计算控制限：
Figure 122710DEST_PATH_IMAGE113
（46）
Figure 194702DEST_PATH_IMAGE114
（47）
Figure 745769DEST_PATH_IMAGE115
（48）
其中，
Figure 561410DEST_PATH_IMAGE116
表示U-图的中心线，
Figure 881533DEST_PATH_IMAGE117
表示U-图的上控制限，
Figure 108115DEST_PATH_IMAGE118
表示U-图的 下控制限，
Figure 897210DEST_PATH_IMAGE119
表示出现产品缺陷的区域面积的均值，SubGroupSize表示子组大小。
对于LS-R图，可以按照如下公式（49）至公式（54）来计算控制限：
Figure 500230DEST_PATH_IMAGE120
（49）
Figure 688241DEST_PATH_IMAGE121
（50）
Figure 85724DEST_PATH_IMAGE122
（51）
Figure 362116DEST_PATH_IMAGE123
（52）
Figure 503247DEST_PATH_IMAGE124
（53）
Figure 814274DEST_PATH_IMAGE125
（54）
其中，
Figure 382659DEST_PATH_IMAGE126
表示数据节点中的最大值，
Figure 544082DEST_PATH_IMAGE127
表示数据节点中的最小值，
Figure 488904DEST_PATH_IMAGE128
表 示LS图表的中心线，R表示极差，
Figure 388858DEST_PATH_IMAGE129
表示极差的中心线，
Figure 128144DEST_PATH_IMAGE130
表示极差的均值，
Figure 379128DEST_PATH_IMAGE131
表示 LS图表的上控制限，
Figure 862062DEST_PATH_IMAGE132
表示极差的上控制限，
Figure 131370DEST_PATH_IMAGE133
表示LS图表的下控制限，
Figure 57868DEST_PATH_IMAGE134
表示极差的下控制限，
Figure 779837DEST_PATH_IMAGE135
、
Figure 814264DEST_PATH_IMAGE056
、
Figure 203657DEST_PATH_IMAGE136
均为设定参数值。
对于LS-S图，可以按照如下公式（55）至公式（60）来计算控制限：
Figure 35478DEST_PATH_IMAGE137
（55）
Figure 244743DEST_PATH_IMAGE138
（56）
Figure 820212DEST_PATH_IMAGE139
（57）
Figure 64111DEST_PATH_IMAGE140
（58）
Figure 332413DEST_PATH_IMAGE141
（59）
Figure 28973DEST_PATH_IMAGE142
（60）
其中，
Figure 657401DEST_PATH_IMAGE143
表示数据节点中的最大值，
Figure 509469DEST_PATH_IMAGE144
表示数据节点中的最小值，
Figure 932360DEST_PATH_IMAGE145
表示 LS图表的中心线，S表示标准差，
Figure 601370DEST_PATH_IMAGE146
表示标准差的中心线，
Figure 580958DEST_PATH_IMAGE147
表示标准差的均值，
Figure 533871DEST_PATH_IMAGE148
表示LS图表的上控制限，
Figure 393242DEST_PATH_IMAGE149
表示标准差的上控制限，
Figure 549548DEST_PATH_IMAGE150
表示LS图表的下控制限，
Figure 519778DEST_PATH_IMAGE151
表示标准差的下控制限，
Figure 340579DEST_PATH_IMAGE152
、
Figure 370852DEST_PATH_IMAGE153
、
Figure 14454DEST_PATH_IMAGE154
均为设定参数值。
需要说明的是，通过上述过程，即可生成目标控制限和多个数据节点，以实现目标控制图的生成。其中，一个数据节点即对应于一个待处理数据集，数据节点为基于待处理数据集中的多个待处理数据所确定出的统计数据，也即是，一个数据节点即可展示出一个待处理数据集的统计数据特征，而通过在目标控制图中显示目标控制限以及多个数据节点，从而使得目标控制图可以同时展示出多个待处理数据集的统计数据特征，并且，通过对比每个数据节点与目标控制限的位置，即可确定每个待处理数据中的数据是否满足生产要求，以便用户可以基于目标控制图来对产品生产过程进行分析。
可选地，可以对上述实施例中所介绍的确定控制图类型、生成数据节点以及生成目标控制限的多种可选方式封装为一个模型（即为目标数据处理模型），从而使得在生成目标控制图时，可以将多个待处理数据集输入至该目标数据处理模型，通过该目标数据处理模型，输出该目标控制图，有关该目标数据处理模型的内部处理过程可以参见上述实施例中的介绍，此处不再赘述。
通过将确定控制图类型、生成数据节点以及生成目标控制限的多种可选方式封装为模型，用户仅需将多个待处理数据集输入至该模型，计算设备即可通过该模型自动基于多个待处理数据集进行处理，以输出目标控制图，整个过程无需用户参与，大大提高了数据处理效率，用户仅需根据处理得到的结果对生产过程进行分析即可，从而可以达到节省人力成本的效果。
在更多可能的实现方式中，在生成目标控制图之后，还可以基于多个待处理数据集，确定过程能力指数，过程能力指数用于指示生产过程的稳定程度，过程能力指数包括能力指数或性能指数。
其中，能力指数可以为待处理数据为连续型数据时所使用的过程能力指数，在待处理数据为连续型数据的情况下，能力指数可以包括CP（用于在分布中心未偏离规格中心时衡量过程能力的指数）和/或CPK（用于在分布中心偏离规格中心时衡量过程能力的指数）；性能指数可以为待处理数据为离散型数据时所使用的过程能力指数，在待处理数据为离散型数据的情况下，性能指数可以包括PP（用于在分布中心未偏离规格中心时衡量过程能力的指数）和/或PPK（用于在分布中心偏离规格中心时衡量过程能力的指数），下面分别对不同过程能力指数的确定过程进行介绍。
需要说明的是，在已确定出的目标控制限类型不同的情况下，计算各个过程能力指数的方式也有所不同，下面分情况来对确定过程能力指数的方式进行介绍：
在已确定出的目标控制限包括上控制限和下控制限的情况下，可以通过如下公式（61）至公式（62）来确定待处理数据为连续型数据的情况下的能力指数：
Figure 788375DEST_PATH_IMAGE155
（61）
Figure 732192DEST_PATH_IMAGE156
（62）
其中，CP和CPK均为能力指数，USL为上控制限，LSL为下控制限，
Figure 667786DEST_PATH_IMAGE157
表示数据均值，
Figure 798685DEST_PATH_IMAGE158
表示数据均值的均值，
Figure 376297DEST_PATH_IMAGE159
可以通过如下方式确定得到：
在目标控制图为均值-极差控制图、均值-移动极差-极差控制图的情况下，按照如 下公式（63）来确定
Figure 158308DEST_PATH_IMAGE160
的取值：
Figure 295764DEST_PATH_IMAGE161
（63）
其中，
Figure 163226DEST_PATH_IMAGE162
表示极差的均值，D2为设定参数值。
在目标控制图为均值-标准差控制图、均值-移动极差-标准差控制图的情况下，按 照如下公式（64）来确定
Figure 764103DEST_PATH_IMAGE163
的取值：
Figure 666200DEST_PATH_IMAGE164
（64）
在目标控制图为单值-移动极差控制图的情况下，按照如下公式（65）来确定
Figure 959909DEST_PATH_IMAGE165
的 取值：
Figure 580246DEST_PATH_IMAGE166
（65）
其中，
Figure 984814DEST_PATH_IMAGE167
表示移动极差的均值，D2为设定参数值。
在已确定出的目标控制限包括上控制限和下控制限的情况下，可以通过如下公式（66）至公式（67）来确定待处理数据为离散型数据的情况下的性能指数：
Figure 741417DEST_PATH_IMAGE168
（66）
Figure 203098DEST_PATH_IMAGE169
（67）
其中，PP和PPK均为性能指数，USL为上控制限，LSL为下控制限，
Figure 45152DEST_PATH_IMAGE170
表示数据均值，
Figure 987831DEST_PATH_IMAGE159
可以通过如下公式（68）确定得到：
Figure 864520DEST_PATH_IMAGE171
（68）
其中， SubGroupSize表示子组大小，x i表示第i个待处理数据。
在已确定出的目标控制限仅包括上控制限的情况下，可以通过如下公式（69）至公式（70）来确定待处理数据为连续型数据的情况下的能力指数：
Figure 500032DEST_PATH_IMAGE172
（69）
Figure 829382DEST_PATH_IMAGE173
（70）
其中，CP和CPK均为能力指数，USL为上控制限，
Figure 841332DEST_PATH_IMAGE157
表示数据均值，
Figure 572528DEST_PATH_IMAGE174
表示数据均值 的均值，
Figure 362629DEST_PATH_IMAGE175
的确定方式可以参见上述公式（63）至公式（65），此处不再赘述。
在已确定出的目标控制限仅包括上控制限的情况下，可以通过如下公式（71）至公式（72）来确定待处理数据为离散型数据的情况下的能力指数：
Figure 932937DEST_PATH_IMAGE176
（71）
Figure 997845DEST_PATH_IMAGE177
（72）
其中，PP和PPK均为性能指数，USL为下控制限，
Figure 599859DEST_PATH_IMAGE178
表示数据均值，
Figure 577174DEST_PATH_IMAGE179
表示数据均值 的均值，
Figure 881116DEST_PATH_IMAGE180
的确定方式可以参见上述公式（68），此处不再赘述。
在已确定出的目标控制限仅包括下控制限的情况下，可以通过如下公式（73）至公式（74）来确定待处理数据为连续型数据的情况下的能力指数：
Figure 234868DEST_PATH_IMAGE181
（73）
Figure 409497DEST_PATH_IMAGE173
（74）
其中，CP和CPK均为能力指数，LSL为下控制限，
Figure 72560DEST_PATH_IMAGE182
表示数据均值，
Figure 346022DEST_PATH_IMAGE183
表示数据均值的 均值，
Figure 487153DEST_PATH_IMAGE184
的确定方式可以参见上述公式（63）至公式（65），此处不再赘述。
在已确定出的目标控制限仅包括上控制限的情况下，可以通过如下公式（71）至公式（72）来确定待处理数据为离散型数据的情况下的能力指数：
Figure 532601DEST_PATH_IMAGE185
（71）
Figure 366565DEST_PATH_IMAGE186
（72）
其中，PP和PPK均为性能指数，LSL为下控制限，
Figure 864673DEST_PATH_IMAGE187
表示数据均值，
Figure 809495DEST_PATH_IMAGE188
表示数据均值 的均值，
Figure 709449DEST_PATH_IMAGE189
的确定方式可以参见上述公式（68），此处不再赘述。
通过确定过程能力指数，以便后续可以在显示目标控制图时对所确定出的过程能力指数进行显示，使得用户可以更加全面地了解产品的生产情况。
在一种可能的实现方式中，上述确定过程能力指数的实现方式也可以被封装到目标数据处理模型中，从而可以在通过目标数据处理模型输出目标控制图的同时，还可以输出过程能力指数，以完善目标数据处理模型的数据处理能力，而且可以为用户提供更加全面的数据，以供用户对生产过程进行分析。
可选地，在有数据上传至目标数据库时，即可基于当前所选择的数据筛选模型，来对数据进行清洗、加工等处理，以对生产过程进行统计分析，从而根据分析结果及时发现异常征兆，发出报警，提醒品质部门采取相关措施，使生产过程维持在稳定范围内，以达到控制产品品质的目的。
本发明的实施例还提出了一种数据处理装置，参见图11，图11是根据本发明实施例示出的一种数据处理装置的框图，如图11所示，该装置包括：
第一获取单元1101，用于基于预先生成的目标筛选策略所包括的多个数据筛选维度，获取各个数据筛选维度所对应的筛选参数；
第二获取单元1102，用于基于多个数据筛选维度以及各个数据筛选维度所对应的筛选参数，从目标数据库中获取多个待处理数据集；
生成单元1103，用于基于多个待处理数据集，生成目标控制图，目标控制图用于指示多个待处理数据集的统计数据分布情况。
在本发明的一些实施例中，第二获取单元1102，在用于基于多个数据筛选维度以及各个数据筛选维度所对应的筛选参数，从目标数据库中获取多个待处理数据集时，用于：
基于多个数据筛选维度以及各个数据筛选维度所对应的筛选参数，生成目标查询语句；
通过目标查询语句，从目标数据库中获取多个待处理数据集。
在本发明的一些实施例中，不同数据筛选维度对应的查询语句模板不同；
第二获取单元1102，在用于基于多个数据筛选维度以及各个数据筛选维度所对应的筛选参数，生成目标查询语句时，用于：
基于多个数据筛选维度，将各个数据筛选维度对应的筛选参数填充至对应查询语句模板的设定位置处，得到目标查询语句。
在本发明的一些实施例中，第二获取单元1102，在用于通过目标查询语句，从目标数据库中获取多个待处理数据集时，用于：
通过目标查询语句，从目标数据库中获取源数据；
按照预先设置好的数据采集参数的参数值，对源数据进行数据筛选，以得到多个待处理数据集。
在本发明的一些实施例中，第一获取单元1101，在用于基于预先生成的目标筛选策略所包括的多个数据筛选维度，获取各个数据筛选维度所对应的筛选参数时，用于：
提供参数设置界面，参数设置界面包括策略设置区域，策略设置区域用于展示多个备选筛选策略；
响应于对策略设置区域中所展示的任一备选筛选策略的选择操作，将备选筛选策略确定为目标筛选策略；
获取目标筛选策略中的多个数据筛选维度所对应的筛选参数。
在本发明的一些实施例中，第一获取单元1101，在用于获取目标筛选策略中的多个数据筛选维度所对应的筛选参数时，用于：
显示目标筛选策略所对应的多个数据筛选维度；
响应于对多个数据筛选维度的设置操作，获取多个数据筛选维度所对应的筛选参数。
在本发明的一些实施例中，在生成任一备选筛选策略时，该装置还包括：
显示单元，用于显示策略创建界面，策略创建界面包括维度添加控件；
显示单元，还用于响应于对维度添加控件的选择操作，显示至少一个备选筛选维度；
确定单元，还用于响应于对任一备选筛选维度的选择操作，将被选中的备选筛选维度确定为备选筛选策略所包括的一个数据筛选维度；
生成单元1103，还用于响应于在策略创建界面中的确认操作，基于策略创建界面中已添加的数据筛选维度，生成备选筛选策略。
在本发明的一些实施例中，策略创建界面还包括名称设置控件，名称设置控件用于提供备选筛选策略的命名功能。
在本发明的一些实施例中，备选筛选维度包括工厂名称、产品名称、产品版本、主流程名称、主流程版本、子流程名称、子流程版本、站点名称、设备名称、设备工艺名称、产品批次、相关工艺设备、相关工艺设备名称中的至少一项。
在本发明的一些实施例中，参数设置界面还包括参数设置区域，参数设置区域用于展示待设置参数值的数据采集参数；
第一获取单元1101，还用于响应于在参数设置区域中的设置操作，获取数据采集参数的参数值。
在本发明的一些实施例中，显示单元，还用于响应于对目标筛选策略的编辑操作，显示策略编辑界面，策略编辑界面用于提供目标筛选策略的编辑功能。
在本发明的一些实施例中，生成单元1103，在用于基于多个待处理数据集，通过目标数据处理模型，生成目标控制图时，用于：
通过目标数据处理模型，识别多个待处理数据集所包括的待处理数据的数据类型；
通过目标数据处理模型，确定与数据类型匹配的控制图类型，并生成满足控制图类型的目标控制图。
在本发明的一些实施例中，数据类型包括连续性数据和离散型数据；
生成单元1103，在用于确定与数据类型匹配的控制图类型时，用于下述任一项：
在多个待处理数据集所包括的待处理数据为连续型数据的情况下，将目标控制图的控制图类型确定为多图控制图；
在多个待处理数据集所包括的待处理数据为离散型数据的情况下，将目标控制图的控制图类型确定为单图控制图。
在本发明的一些实施例中，多图控制图包括双图控制图和三图控制图，其中，双图控制图包括均值-极差控制图、单值-移动极差控制图和均值-标准差控制图，三图控制图包括均值-移动极差-标准差控制图和均值-移动极差-极差控制图；
生成单元1103，在用于在多个待处理数据集所包括的待处理数据为连续型数据的情况下，将目标控制图的控制图类型确定为多图控制图时，用于：
在多个待处理数据集所包括的待处理数据为连续型数据的情况下，从均值-极差控制图、单值-移动极差控制图、均值-标准差控制图、均值-移动极差-标准差控制图、均值-移动极差-极差控制图中，确定目标控制图的控制图类型。
在本发明的一些实施例中，单图控制图包括不合格品数控制图、不良率控制图、缺点数控制图、每个单位的缺点数控制图；
生成单元1103，在用于在多个待处理数据集所包括的待处理数据为离散型数据的情况下，将目标控制图的控制图类型确定为单图控制图时，用于：
在多个待处理数据集所包括的待处理数据为离散型数据的情况下，从不合格品数控制图、不良率控制图、缺点数控制图、每个单位的缺点数控制图中，确定目标控制图的控制图类型。
在本发明的一些实施例中，生成单元1103，还用于在需要确定多个待处理数据集所包括的待处理数据的安定状态的情况下，从最大和最小值-极差控制图、最大和最小值-标准差控制图中，确定目标控制图的控制图类型。
在本发明的一些实施例中，目标控制图包括多个数据节点和目标控制限，一个数据节点对应于一个待处理数据集，数据节点为基于待处理数据集中的多个待处理数据所确定出的统计数据；
生成单元1103，在用于生成满足控制图类型的目标控制图时，用于：
基于多个待处理数据集所包括的数据，确定满足控制图类型的多个数据节点，一个待处理数据集对应于一个数据节点；
基于多个数据节点，确定目标控制图的目标控制限。
上述装置中各个单元的功能和作用的实现过程具体详见上述方法中对应步骤的实现过程，在此不再赘述。
对于装置实施例而言，由于其基本对应于方法实施例，所以相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本说明书方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。
本发明还提供了一种计算设备，参见图12，图12是根据本发明实施例示出的一种计算设备的结构示意图。如图12所示，计算设备包括处理器1201、存储器1202和网络接口1203，存储器1202用于存储可在处理器1201上运行的计算机程序代码，处理器1201用于在执行该计算机程序代码时实现本发明任一实施例所提供的数据处理方法，网络接口1203用于实现输入输出功能。在更多可能的实现方式中，计算设备还可以包括其他硬件，本发明对此不做限定。
本发明还提供了一种计算机可读存储介质，计算机可读存储介质可以是多种形式，比如，在不同的例子中，计算机可读存储介质可以是：RAM（Radom Access Memory，随机存取存储器）、易失存储器、非易失性存储器、闪存、存储驱动器（如硬盘驱动器）、固态硬盘、任何类型的存储盘（如光盘、DVD等），或者类似的存储介质，或者它们的组合。特殊的，计算机可读介质还可以是纸张或者其他合适的能够打印程序的介质。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本发明任一实施例所提供的数据处理方法。
本发明还提供了一种计算机程序产品，包括计算机程序，计算机程序被处理器执行时实现本发明任一实施例所提供的数据处理方法。
在本发明中，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性。术语“多个”指两个或两个以上，除非另有明确的限定。
本领域技术人员在考虑说明书及实践这里公开的公开后，将容易想到本发明的其它实施方案。本发明旨在涵盖本发明的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本发明未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本发明的真正范围和精神由权利要求指出。
应当理解的是，本发明并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本发明的范围仅由所附的权利要求来限制。

Claims (19)

1.一种数据处理方法，其特征在于，所述方法包括：
基于预先生成的目标筛选策略所包括的多个数据筛选维度，获取各个数据筛选维度所对应的筛选参数；
基于所述多个数据筛选维度以及各个数据筛选维度所对应的筛选参数，从目标数据库中获取多个待处理数据集；
基于所述多个待处理数据集，通过目标数据处理模型，生成目标控制图，所述目标控制图用于指示所述多个待处理数据集的统计数据分布情况；
其中，所述数据处理模型中预先封装有基于所述多个待处理数据集所包括的待处理数据的数据类型确定控制图类型的处理规则；所述基于所述多个待处理数据集，通过目标数据处理模型，生成目标控制图，包括：
通过所述目标数据处理模型，识别所述多个待处理数据集所包括的待处理数据的数据类型；
通过所述目标数据处理模型，确定与所述数据类型匹配的控制图类型，并生成满足所述控制图类型的目标控制图。
2.根据权利要求1所述的方法，其特征在于，所述基于所述多个数据筛选维度以及各个数据筛选维度所对应的筛选参数，从目标数据库中获取多个待处理数据集，包括：
基于所述多个数据筛选维度以及各个数据筛选维度所对应的筛选参数，生成目标查询语句；
通过所述目标查询语句，从所述目标数据库中获取所述多个待处理数据集。
3.根据权利要求2所述的方法，其特征在于，不同数据筛选维度对应的查询语句模板不同；
所述基于所述多个数据筛选维度以及各个数据筛选维度所对应的筛选参数，生成目标查询语句，包括：
基于所述多个数据筛选维度，将各个数据筛选维度对应的筛选参数填充至对应查询语句模板的设定位置处，得到所述目标查询语句。
4.根据权利要求2所述的方法，其特征在于，所述通过所述目标查询语句，从所述目标数据库中获取所述多个待处理数据集，包括：
通过所述目标查询语句，从所述目标数据库中获取源数据；
按照预先设置好的数据采集参数的参数值，对所述源数据进行数据筛选，以得到所述多个待处理数据集。
5.根据权利要求4所述的方法，其特征在于，所述基于预先生成的目标筛选策略所包括的多个数据筛选维度，获取各个数据筛选维度所对应的筛选参数，包括：
提供参数设置界面，所述参数设置界面包括策略设置区域，所述策略设置区域用于展示多个备选筛选策略；
响应于对所述策略设置区域中所展示的任一备选筛选策略的选择操作，将所述备选筛选策略确定为所述目标筛选策略；
获取所述目标筛选策略中的多个数据筛选维度所对应的筛选参数。
6.根据权利要求5所述的方法，其特征在于，所述获取所述目标筛选策略中的多个数据筛选维度所对应的筛选参数，包括：
显示所述目标筛选策略所对应的多个数据筛选维度；
响应于对所述多个数据筛选维度的设置操作，获取所述多个数据筛选维度所对应的筛选参数。
7.根据权利要求5所述的方法，其特征在于，任一备选筛选策略的生成过程包括：
显示策略创建界面，所述策略创建界面包括维度添加控件；
响应于对维度添加控件的选择操作，显示至少一个备选筛选维度；
响应于对任一备选筛选维度的选择操作，将被选中的备选筛选维度确定为所述备选筛选策略所包括的一个数据筛选维度；
响应于在所述策略创建界面中的确认操作，基于所述策略创建界面中已添加的数据筛选维度，生成所述备选筛选策略。
8.根据权利要求7所述的方法，其特征在于，所述策略创建界面还包括名称设置控件，所述名称设置控件用于提供备选筛选策略的命名功能。
9.根据权利要求7所述的方法，其特征在于，所述备选筛选维度包括工厂名称、产品名称、产品版本、主流程名称、主流程版本、子流程名称、子流程版本、站点名称、设备名称、设备工艺名称、产品批次、相关工艺设备、相关工艺设备名称中的至少一项。
10.根据权利要求5所述的方法，其特征在于，所述参数设置界面还包括参数设置区域，所述参数设置区域用于展示待设置参数值的数据采集参数；
所述方法还包括：
响应于在所述参数设置区域中的设置操作，获取所述数据采集参数的参数值。
11.根据权利要求1所述的方法，其特征在于，所述方法还包括：
响应于对所述目标筛选策略的编辑操作，显示策略编辑界面，所述策略编辑界面用于提供所述目标筛选策略的编辑功能。
12.根据权利要求1所述的方法，其特征在于，所述数据类型包括连续性数据和离散型数据；
所述确定与所述数据类型匹配的控制图类型，包括下述任一项：
在所述多个待处理数据集所包括的待处理数据为连续型数据的情况下，将所述目标控制图的控制图类型确定为多图控制图；
在所述多个待处理数据集所包括的待处理数据为离散型数据的情况下，将所述目标控制图的控制图类型确定为单图控制图。
13.根据权利要求12所述的方法，其特征在于，所述多图控制图包括双图控制图和三图控制图，其中，所述双图控制图包括均值-极差控制图、单值-移动极差控制图和均值-标准差控制图，所述三图控制图包括均值-移动极差-标准差控制图和均值-移动极差-极差控制图；
所述在所述多个待处理数据集所包括的待处理数据为连续型数据的情况下，将所述目标控制图的控制图类型确定为多图控制图，包括：
在所述多个待处理数据集所包括的待处理数据为连续型数据的情况下，从均值-极差控制图、单值-移动极差控制图、均值-标准差控制图、均值-移动极差-标准差控制图、均值-移动极差-极差控制图中，确定所述目标控制图的控制图类型。
14.根据权利要求12所述的方法，其特征在于，所述单图控制图包括不合格品数控制图、不良率控制图、缺点数控制图、每个单位的缺点数控制图；
所述在所述多个待处理数据集所包括的待处理数据为离散型数据的情况下，将所述目标控制图的控制图类型确定为单图控制图，包括：
在所述多个待处理数据集所包括的待处理数据为离散型数据的情况下，从不合格品数控制图、不良率控制图、缺点数控制图、每个单位的缺点数控制图中，确定所述目标控制图的控制图类型。
15.根据权利要求12所述的方法，其特征在于，所述方法还包括：
在需要确定所述多个待处理数据集所包括的待处理数据的安定状态的情况下，从最大和最小值-极差控制图、最大和最小值-标准差控制图中，确定所述目标控制图的控制图类型。
16.根据权利要求1所述的方法，其特征在于，所述目标控制图包括多个数据节点和目标控制限，一个数据节点对应于一个待处理数据集，所述数据节点为基于所述待处理数据集中的多个待处理数据所确定出的统计数据；
所述生成满足所述控制图类型的目标控制图，包括：
基于所述多个待处理数据集所包括的数据，确定满足所述控制图类型的多个数据节点，一个待处理数据集对应于一个数据节点；
基于所述多个数据节点，确定所述目标控制图的目标控制限。
17.一种数据处理装置，其特征在于，所述装置包括：
第一获取单元，用于基于预先生成的目标筛选策略所包括的多个数据筛选维度，获取各个数据筛选维度所对应的筛选参数；
第二获取单元，用于基于所述多个数据筛选维度以及各个数据筛选维度所对应的筛选参数，从目标数据库中获取多个待处理数据集；
生成单元，用于基于所述多个待处理数据集，通过目标数据处理模型，生成目标控制图，所述目标控制图用于指示所述多个待处理数据集的统计数据分布情况；
其中，所述数据处理模型中预先封装有基于所述多个待处理数据集所包括的待处理数据的数据类型确定控制图类型的处理规则；
所述生成单元，在用于基于多个待处理数据集，通过目标数据处理模型，生成目标控制图时，用于：
通过目标数据处理模型，识别多个待处理数据集所包括的待处理数据的数据类型；
通过目标数据处理模型，确定与数据类型匹配的控制图类型，并生成满足控制图类型的目标控制图。
18.一种计算设备，其特征在于，所述计算设备包括存储器、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，其中，所述处理器执行所述计算机程序时实现如权利要求1至16中任一项所述的数据处理方法所执行的操作。
19.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有程序，所述程序被处理器执行时，实现如权利要求1至16中任一项所述的数据处理方法所执行的操作。
CN202211692638.7A 2022-12-28 2022-12-28 数据处理方法、装置、设备及介质 Active CN115685948B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211692638.7A CN115685948B (zh) 2022-12-28 2022-12-28 数据处理方法、装置、设备及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211692638.7A CN115685948B (zh) 2022-12-28 2022-12-28 数据处理方法、装置、设备及介质

Publications (2)

Publication Number Publication Date
CN115685948A CN115685948A (zh) 2023-02-03
CN115685948B true CN115685948B (zh) 2023-03-21

Family

ID=85055372

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211692638.7A Active CN115685948B (zh) 2022-12-28 2022-12-28 数据处理方法、装置、设备及介质

Country Status (1)

Country Link
CN (1) CN115685948B (zh)

Also Published As

Publication number Publication date
CN115685948A (zh) 2023-02-03

Similar Documents

Publication Publication Date Title
CN102455698B (zh) 基于树状结构的自控率、平稳率监控系统及监控方法
US10705515B2 (en) System and method for performing manufacturing quality control with the aid of a digital computer
CN106776995B (zh) 一种基于模型驱动架构的结构化数据树形采集方法
CN110414838A (zh) 一种烟草工艺质量管控方法、系统、设备及存储介质
CN107168977A (zh) 一种数据查询的优化方法及装置
JP2005236250A (ja) 半導体製作工程及び歩留まり分析の統合的実時間管理方法
KR102280390B1 (ko) 데이터 처리 방법, 데이터 처리 장치, 데이터 처리 시스템, 및 데이터 처리 프로그램을 저장한 컴퓨터 판독 가능한 기록 매체
CN111737249A (zh) 基于Lasso算法的异常数据检测方法及装置
CN113139078B (zh) 控制图生成方法及电子设备
CN115685948B (zh) 数据处理方法、装置、设备及介质
CN115689126A (zh) 数据处理方法、装置、设备及介质
JP2011054804A (ja) 半導体製造装置の管理方法およびシステム
CN117642707A (zh) 数据处理方法及装置、数据显示方法及装置、设备和介质
WO2017046906A1 (ja) データ分析装置および分析方法
JP2000198051A (ja) 設備フロ―の異常抽出装置、設備フロ―の異常抽出方法、及び設備フロ―の異常抽出プログラムを記録した記憶媒体
CN115587579A (zh) 数字处理系统、生产系统和生产方法
CN113962507A (zh) 一种基于spc的智能便捷全行业数据分析系统及方法
CN110400086A (zh) 一种烟草制丝作业数据分析方法、系统、设备及存储介质
CN112488410A (zh) 基于设备综合效率的生产设备性能优化方法及装置
CN113485265A (zh) 一种基于图表与工业智能制造设备数据的实时互联方法
CN108629030A (zh) 数据显示方法及装置
CN114766023B (zh) 数据处理方法、装置及系统、电子设备
WO2021015094A1 (ja) 不良要因推定装置及び不良要因推定方法
WO2006132000A1 (ja) ランダムトレーサビリティ層別平均対照分析方法とｘ－ｒ管理図機能部プログラムとランダムトレーサビリティ層別平均対照原因分析プログラム
KR101511991B1 (ko) 플랜트 필드 데이터 처리 장치 및 방법

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