CN115935723A - 用于实现氮化镓制备场景下的设备组合分析方法及系统 - Google Patents
用于实现氮化镓制备场景下的设备组合分析方法及系统 Download PDFInfo
- Publication number
- CN115935723A CN115935723A CN202310227503.1A CN202310227503A CN115935723A CN 115935723 A CN115935723 A CN 115935723A CN 202310227503 A CN202310227503 A CN 202310227503A CN 115935723 A CN115935723 A CN 115935723A
- Authority
- CN
- China
- Prior art keywords
- preparation
- gallium nitride
- data
- index
- index data
- 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.)
- Granted
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
- Crystals, And After-Treatments Of Crystals (AREA)
Abstract
本发明涉及氮化镓制备技术领域,揭露了一种用于实现氮化镓制备场景下的设备组合分析方法及系统,该方法包括:获取氮化镓在目标制备场景下的初始设备组合方法,查找初始设备组合生成的氮化镓之别制备数据,提取氮化镓制备数据中预设制备指标的指标数据,并计算每个指标数据的指标权重;根据指标数据及对应的指标权重查找与初始设备组合方法之间相近的设备组合实例集;计算设备组合实例集中实例指标数据与指标数据之间的数据差异,根据数据差异生成优化设备组合方法;初始化氮化镓制备约束条件,根据所述约束条件对优化设备组合方法进行优化,得到目标制备场景下的最优设备组合方法。本发明可以提高氮化镓制备场景下的氮化镓生产性能。
Description
技术领域
本发明涉及氮化镓制备技术领域,尤其涉及一种用于实现氮化镓制备场景下的设备组合分析方法及系统。
背景技术
从上世纪50年代始,随着锗、硅材料作为第一代半导体材料的出现,以集成电路为核心的微电子工业开始逐渐发展起来,锗、硅材料等材料被广泛应用于集成电路中。随着时代的发展,21世纪初,氮化镓等具有宽禁带的第三代半导体材料的出现,给当代的信息技术提供了更高的台阶。氮化镓的禁带宽度很大,可以达到3.39eV,具有较大的电子漂移速度、高导热率、耐电高压、耐高温、抗腐蚀、高临界击穿电场以及高饱和飘逸速度等优点,使得氮化镓的化学性质非常稳定,利用氮化镓制造的材料具有耐高温、抗腐蚀以及高硬度等优越的性能,使氮化镓半导体材料成为了世界各国科学家研究的热点。
现有的氮化镓材料包括氮化镓薄膜以及纳米氮化镓等,由于氮化镓的熔点以及饱和蒸汽压较高,在自然界无法以单晶形式存在,用一般的体单晶生成方法制备薄膜也相当困难。金属有机物气象沉积法是主要的制备氮化镓薄膜的方法,金属有机物气象沉积法参量大,制备周期短,但制备完毕后需要进行退火处理,导致制备得到的氮化镓薄膜会存在裂纹,使得制备出的氮化镓薄膜质量较差,因此,氮化镓作为第三代半导体材料已经广泛应用于各种电子元件中,但如何在现有的氮化镓制备场景下对氮化镓的制备设备组合进行分析,以提高氮化镓制备过程中的生产性能,成为亟待解决的问题。
发明内容
本发明提供一种用于实现氮化镓制备场景下的设备组合分析方法及系统,其主要目的在于氮化镓制备场景下生产性能较低的问题。
为实现上述目的,本发明提供的一种用于实现氮化镓制备场景下的设备组合分析方法,包括:
获取氮化镓在目标制备场景下的初始设备组合方法,在预设的氮化镓制备数据库中查找所述初始设备组合方法生成的氮化镓制备数据;
提取所述氮化镓制备数据中预设制备指标的指标数据,并计算每个所述指标数据对应的指标权重;
根据所述指标数据及所述指标数据对应的指标权重在预设的氮化镓制备实例库中查找与所述初始设备组合方法之间相近的设备组合实例集;
计算所述设备组合实例集中所述制备指标的实例指标数据与所述指标数据之间的数据差异,根据所述数据差异生成优化设备组合方法;
初始化所述目标制备场景下的氮化镓制备约束条件,根据所述氮化镓制备约束条件对所述优化设备组合方法进行优化,得到所述目标制备场景下的最优设备组合方法。
可选地,所述提取所述氮化镓制备数据中预设制备指标的指标数据,包括:
根据所述氮化镓制备数据的数据属性生成属性数据集,并获取所述制备指标的指标属性;
利用所述指标属性从所述属性数据集中提取所述制备指标对应的指标数据。
可选地,所述计算每个所述指标数据对应的指标权重,包括:
根据所述指标数据的指标属性将所述指标数据划分为正向指标数据及负向指标数据;
分别对所述正向指标数据及所述负向指标数据进行归一化处理,得到标准指标数据;
计算所述标准指标数据的信息熵,根据所述信息熵计算每个所述指标数据对应的指标权重。
可选地,所述分别对所述正向指标数据及所述负向指标数据进行归一化处理,得到标准指标数据,包括:
利用如下公式分别对所述正向指标数据及所述负向指标数据进行归一化处理:
其中,表示第个正向指标对应的标准指标数据,表示第个正向指标的对应的正向指标数据,表示第个正向指标对应的正向指标数据最大值,表示第个正向指标对应的标准指标数据最小值,表示第个负向指标对应的标准指标数据,表示第个负向指标的对应的负向指标数据,表示第个负向指标对应的负向指标数据最大值,表示第个负向指标对应的标准指标数据最小值。
可选地,所述根据所述信息熵计算每个所述指标数据对应的指标权重,包括:
利用如下公式计算每个所述指标数据对应的指标权重:
其中,表示第个指标数据对应的指标权重,表示第个指标数据的信息熵,表示所述指标数据所包含的制备指标的总数。
可选地,所述根据所述指标数据及所述指标数据对应的指标权重在预设的氮化镓制备实例库中查找与所述初始设备组合方法之间相近的设备组合实例集,包括:
在所述氮化镓制备实例库中查找所述指标数据对应的实例指标数据,并计算所述实例指标数据与所述指标数据之间的指标数据相似度;
利用如下公式计算所述实例指标数据与所述指标数据之间的指标数据相似度:
其中,表示指标数据相似度,表示所述实例指标数据,表示所述指标数据;
根据所述指标数据相似度及所述指标数据对应的指标权重计算所述初始设备组合与所述氮化镓制备实例库中每个氮化镓制备实例之间的制备相似度;
利用如下公式计算所述初始设备组合与所述氮化镓制备实例库中每个氮化镓制备实例之间的制备相似度:
其中,表示所述指标数据与第个氮化镓制备实例之间的制备相似度,表示所述指标数据对应的指标权重,表示第个氮化镓制备实例的实例指标数据与所述指标数据之间的指标数据相似度,表示所述氮化镓制备实例库中氮化镓制备实例的总数;
根据所述制备相似度从所述氮化镓制备实例库中选取预设数量的氮化镓制备实例集;
提取所述氮化镓制备实例集中每个氮化镓制备实例的设备组合方法,得到设备组合实例集。
可选地,所述根据所述数据差异生成优化设备组合方法,包括:
根据所述数据差异确定所述数据差异对应的制备指标的最优值;
根据所述最优值从所述设备组合实例集中提取最优设备实例;
计算所述最优设备实例之间的相关性,根据所述相关性对所述最优设备实例进行组合,得到优化设备组合方法。
可选地,所述根据所述相关性对所述最优设备实例进行组合,得到优化设备组合方法,包括:
识别所述最优设备实例中的制备流程起点设备实例及制备流程终点设备实例;
利用所述相关性、所述制备流程起点设备实例及所述制备流程终点设备实例确定每个所述最优设备实例的制备流程序列位置;
根据所述制备流程序列位置生成所述最优设备实例对应的优化设备组合方法。
可选地,所述根据所述氮化镓制备约束条件对所述优化设备组合方法进行优化,得到所述目标制备场景下的最优设备组合方法,包括:
提取所述约束条件中的约束规则及规则变量;
根据所述规则变量将所述约束规则转化为规则表达式;
将所述规则表达式与所述优化设备组合方法进行结合,得到最优设备组合方法。
为了解决上述问题,本发明还提供一种用于实现氮化镓制备场景下的设备组合分析系统,所述系统包括:
氮化镓制备数据查找模块,用于获取氮化镓在目标制备场景下的初始设备组合方法,在预设的氮化镓制备数据库中查找所述初始设备组合方法生成的氮化镓制备数据;
指标权重计算模块,用于提取所述氮化镓制备数据中预设制备指标的指标数据,并计算每个所述指标数据对应的指标权重;
设备组合实例集查找模块,用于根据所述指标数据及所述指标数据对应的指标权重在预设的氮化镓制备实例库中查找与所述初始设备组合方法之间相近的设备组合实例集;
优化设备组合生成模块,用于计算所述设备组合实例集中所述制备指标的实例指标数据与所述指标数据之间的数据差异,根据所述数据差异生成优化设备组合方法;
最优设备组合方法生成模块,用于初始化所述目标制备场景下的氮化镓制备约束条件,根据所述氮化镓制备约束条件对所述优化设备组合方法进行优化,得到所述目标制备场景下的最优设备组合方法。
本发明实施例通过计算氮化镓制备数据中每个指标数据对应的指标权重,能够减小无关数据对后续设备组合分析的影响,提高组合分析的准确度;再根据指标数据对应的指标权重查找设备组合实例集,通过以往氮化镓制备的实例生成目标制备场景下的优化设备组合方法,提高优化设备组合方法的实际应用效果;同时根据目标制备场景下的氮化镓制备约束条件对优化设备组合方法进行优化,能够保证最优设备组合方法符合目标制备场景,保证最优设备组合方法的有效性,进而提高氮化镓生产的性能指标。因此本发明提出的用于实现氮化镓制备场景下的设备组合分析方法及系统,可以解决氮化镓制备场景下氮化镓生产性能较低的问题。
附图说明
图1为本发明一实施例提供的用于实现氮化镓制备场景下的设备组合分析方法的流程示意图;
图2为本发明一实施例提供的查找设备组合实例集的流程示意图;
图3为本发明一实施例提供的提取生产优化设备组合方法的流程示意图;
图4为本发明一实施例提供的用于实现氮化镓制备场景下的设备组合分析系统的功能模块图;
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本申请实施例提供一种用于实现氮化镓制备场景下的设备组合分析方法。所述用于实现氮化镓制备场景下的设备组合分析方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之,所述用于实现氮化镓制备场景下的设备组合分析方法可以由安装在终端设备或服务端设备的软件或硬件来执行,所述软件可以是区块链平台。所述服务端包括但不限于:单台服务器、服务器集群、云端服务器或云端服务器集群等。所述服务器可以是独立的服务器,也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(Content Delivery Network,CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。
参照图1所示,为本发明一实施例提供的用于实现氮化镓制备场景下的设备组合分析方法的流程示意图。在本实施例中,所述用于实现氮化镓制备场景下的设备组合分析方法包括:
S1、获取氮化镓在目标制备场景下的初始设备组合方法,在预设的氮化镓制备数据库中查找所述初始设备组合方法生成的氮化镓制备数据。
本发明实施例中,目标制备场景是当前氮化镓制备的制备环境,包括但不限于实验室环境或化工企业下的制备场景,其中,由于目标制备场景下的具体氮化镓制备环境不同,可以使用不同的氮化镓制备的设备组合方法,设备组合方法制备氮化镓所生成的氮化镓制备数据也会不同;初始设备组合方法表示当前时间目标设备场景所使用的设备组合方法,进一步地,可以通过在氮化镓制备数据库中查找初始设备组合方法所生成的氮化镓制备数据,具体地,所述预设的氮化镓制备数据库包括目标制备场景下所有的氮化镓制备数据,以及不同时间的设备组合方法所生产的氮化镓制备数据。
本发明实施例中,可以根据初始设备组合方法的生产时间从预构建的氮化镓制备数据库中查找初始设备组合方法生成的氮化镓制备数据。
本发明实施例中,初始设备组合方法的生产时间为初始设备组合方法用于生产氮化镓的时间,例如,从2019年3月10日开始使用初始设备组合方法生产氮化镓,直至查询时的当前时间的氮化镓制备数据。
S2、提取所述氮化镓制备数据中预设制备指标的指标数据,并计算每个所述指标数据对应的指标权重。
本发明实施例中,所述制备指标是制备氮化镓过程中的生产性能指标,例如,原料使用率,氮化镓制备率、氮化镓合格率以及设备的消耗替换等制备指标数据,通过预设的制备指标能够对初始设备组合的氮化镓生产性能进行评估,进而能够对初始设备组合进行调整。
本发明实施例中,每个指标数据对应的指标权重表示制备指标对氮化镓生产性能的影响程度,指标权重越大,对氮化镓制备的影响就越大,进而对氮化镓的生产性能的影响就越大,反之,指标权重越小,对氮化镓制备的影响就越小,进而对氮化镓的生产性能的影响就越小,因此,通过指标权重能够根据不同的制备指标对氮化镓的生产性能进行评价。
本发明实施例中,所述提取所述氮化镓制备数据中预设制备指标的指标数据,包括:根据所述氮化镓制备数据的数据属性生成属性数据集,并获取所述制备指标的指标属性;利用所述指标属性从所述属性数据集中提取所述制备指标对应的指标数据。
本发明实施例中,所述氮化镓制备数据的数据属性以及所述制备指标的指标属性表示氮化镓制备数据中的数据类型以及制备指标的指标类型,例如,数据属性可以是数值数据以及文字数据等,指标类型可以为效益指标或成本指标等,通过数据属性以及指标属性能够避免指标数据提取错误,更准确地提取指标数据。
本发明实施例中,所述计算每个所述指标数据对应的指标权重,包括:根据所述指标数据的指标属性将所述指标数据划分为正向指标数据及负向指标数据;分别对所述正向指标数据及所述负向指标数据进行归一化处理,得到标准指标数据;计算所述标准指标数据的信息熵,根据所述信息熵计算每个所述指标数据对应的指标权重。
本发明实施例中,所述正向指标数据表示指标数据中对氮化镓的总体生产性能有正向影响的指标数据,例如,效益数据集、材料合格率数据集等,负向指标数据表示指标数据中对氮化镓的总体生产性能有负向影响的指标数据,例如,成本数据以及材料的损失率等,由于正向指标数据以及负向指标数据分别对氮化镓的生产性能具有正向的效果以及负向的效果,因此,采用不同的方法分别对正向指标数据及负向指标数据进行归一化处理,消除每个指标数据的量纲,提高指标权重计算的准确度。
本发明实施例中,可以利用如下公式分别对所述正向指标数据及所述负向指标数据进行归一化处理:
其中,表示第个正向指标对应的标准指标数据,表示第个正向指标的对应的正向指标数据,表示第个正向指标对应的正向指标数据最大值,表示第个正向指标对应的标准指标数据最小值,表示第个负向指标对应的标准指标数据,表示第个负向指标的对应的负向指标数据,表示第个负向指标对应的负向指标数据最大值,表示第个负向指标对应的标准指标数据最小值。
本发明实施例中,所述信息熵表示每个指标数据中包含的数据信息,包含的数据信息越多,对氮化镓制备的影响就越大,从而指标数据对应的权重就越大,具体地,可以根据指标数据中每个指标数据的出现频率计算每个指标数据对应的信息熵。
本发明实施例中,可以利用如下公式计算每个所述指标数据对应的指标权重:
利用如下公式计算每个所述指标数据对应的指标权重:
其中,表示第个指标数据对应的指标权重,表示第个指标数据的信息熵,表示所述指标数据所包含的制备指标的总数。
本发明实施例中,通过指标数据对应的指标权重能够判断出氮化镓制备化解中每个制备指标对氮化镓生产性能的影响,从而能够反映出每个制备指标对应的指标数据对氮化镓生产性能的影响力,进而实现对初始设备方法进行针对性的调整。
S3、根据所述指标数据及所述指标数据对应的指标权重在预设的氮化镓制备实例库中查找与所述初始设备组合方法之间相近的设备组合实例集。
本发明实施例中,所述氮化镓制备实例库为多个实际氮化镓制备场景下的氮化镓制备组合方法以及每个氮化镓设备组合方法对应的氮化镓制备数据,每个设备组合实例能够得到对应的制备场景下最高的氮化镓生产性能,表示多个实时氮化镓制备场景下的最优设备组合方法。
本发明一可选实施例中,所述设备组合实例集中包括预设数量的设备组合实例,进而能够根据设备组合实例集生成优化设备组合方法。
本发明实施例中,参阅图2所示,所述根据所述指标数据及所述指标数据对应的指标权重在预设的氮化镓制备实例库中查找与所述初始设备组合方法之间相近的设备组合实例集,包括:S21、在所述氮化镓制备实例库中查找所述指标数据对应的实例指标数据,并计算所述实例指标数据与所述指标数据之间的指标数据相似度;S22、根据所述指标数据相似度及所述指标数据对应的指标权重计算所述初始设备组合与所述氮化镓制备实例库中每个氮化镓制备实例之间的制备相似度;S23、根据所述制备相似度从所述氮化镓制备实例库中选取预设数量的氮化镓制备实例集;S24、提取所述氮化镓制备实例集中每个氮化镓制备实例的设备组合方法,得到设备组合实例集。
本发明实施例中,实例指标数据表示指标数据对应的制备指标在每个氮化镓制备实例中的指标数据,通过计算指标数据与实例指标数据之间的数据相似度,可以判断初始设备组合方法与每个氮化镓制备实例之间的相似度。
本发明实施例中,所述计算所述实例指标数据与所述指标数据之间的指标数据相似度,包括:
利用如下公式计算所述实例指标数据与所述指标数据之间的指标数据相似度:
其中,表示指标数据相似度,表示所述实例指标数据,表示所述指标数据。
本发明实施例中,根据指标数据相似度能够计算出指标数据与氮化镓制备实例的实例指标数据之间的相似度,进而通过初始设备组合以及氮化镓制备实例之间的数据相似度以及指标数据的指标权重能够计算初始设备组合与氮化镓制备实例之间的制备相似度。
本发明实施例中,所述根据所述指标数据相似度及所述指标数据对应的指标权重计算所述初始设备组合与所述氮化镓制备实例库中每个氮化镓制备实例之间的制备相似度,包括:
利用如下公式计算所述初始设备组合与所述氮化镓制备实例库中每个氮化镓制备实例之间的制备相似度:
其中,表示所述指标数据与第个氮化镓制备实例之间的制备相似度,表示所述指标数据对应的指标权重,表示第个氮化镓制备实例的实例指标数据与所述指标数据之间的指标数据相似度,表示所述氮化镓制备实例库中氮化镓制备实例的总数。
本发明实施例中,根据所述制备相似度能够确定初始设备组合与每个氮化镓实例之间的相似度,进而选取预设数量的氮化镓制备实例集,本发明可以根据制备相似度从大到小选取一定数量的氮化镓制备实例的设备组合方法,例如,选取3个或5个氮化镓制备实例得到设备组合实例集。
本发明实施例中,通过选取氮化镓制备实例集选取设备组合实例集能够选取实际制备实例中的设备组合方法,使得到的相近设备组合实例是实际氮化镓制备场景下的最优设备组合实例。
S4、计算所述设备组合实例集中所述制备指标的实例指标数据与所述指标数据之间的数据差异,根据所述数据差异生成优化设备组合方法。
本发明实施例中,所述实例指标数据是每个设备组合实例集中预设制备指标对应的指标数据,可以根据所述数据差异从选择设备组合实例集中预设制备指标表现较好的设备组合,从而能够生成优化设备组合方法。
本发明其中一可选实施例中,所述数据差异可以是指标数据与设备组合实例集中每个实例指标数据之间的数据差值,例如,指标数据A为130,在设备组合实例集中指标数据A对应的预设制备指标的实例指标数据包括140、115、135等,计算指标数据与每个实例指标数据的数据差值,可以得到实例指标数据与所述指标数据之间的数据差异。
本发明实施例中,参阅图3所示,所述根据所述数据差异生成优化设备组合方法,包括:S31、根据所述数据差异确定所述数据差异对应的制备指标的最优值;S32、根据所述最优值从所述设备组合实例集中提取最优设备实例;S33、计算所述最优设备实例之间的相关性,根据所述相关性对所述最优设备实例进行组合,得到优化设备组合方法。
本发明实例中,所述数据差异可能对应的正向指标或负向指标,例如,正向指标需要选取数据差异的正值最大值作为最优值,负向指标需要选取数据差异的最小值作为最优值,进而确定最优设备实例。
本发明实施例中,所述最优设备实例之间的相关性表示设备组合实例集中每个氮化镓制备设备之间的关联性,进而能够对最优设备实例进行组合,以得到优化设备组合方法。
本发明实施例中,可以通过计算最优设备实例的设备实例数据之间的协方差;根据所述协方差的大小来确定所述最优设备实例之间的相关性。
本发明实施例中,设备实例数据是根据最优设备实例在上述预设的氮化镓制备数据库中的设备实例生产数据,可以根据设备实例数据的协方差衡量最优设备实例之间的相关性,若协方差的值为正,则说明最优设备实例之间正相关。
本发明实施例中,所述根据所述相关性对所述最优设备实例进行组合,得到优化设备组合方法,包括:识别所述最优设备实例中的制备流程起点设备实例及制备流程终点设备实例;利用所述相关性、所述制备流程起点设备实例及所述制备流程终点设备实例确定每个所述最优设备实例的制备流程序列位置;根据所述制备流程序列位置生成所述最优设备实例对应的优化设备组合方法。
本发明实施例中,所述制备流程起点设备实例表示氮化镓制备流程起点所需的设备,例如,原材料存储罐,所述制备流程终点设备实例表示氮化镓制备终点起点所需的设备,例如,氮化镓存储器。确定制备流程起点设备实例及制备流程终点设备实例后,能够根据相关项确定每个最优制备实例的制备流程序列位置,进而得到优化设备组合方法。
本发明实施例中,通过优化设备组合方法能够得到理想状态下的氮化镓制备场景下的设备组合方法,进而通过优化设备组合方法对优初始设备组合方法进行调整,能够提高目标制备场景下的氮化镓生产性能。
S5、初始化所述目标制备场景下的氮化镓制备约束条件,根据所述氮化镓制备约束条件对所述优化设备组合方法进行优化,得到所述目标制备场景下的最优设备组合方法。
本发明实施例中,氮化镓在目标制备场景下的制备需要考虑到目标制备环境的约束条件,例如,氮化镓制备流程的中制备规则以及目标氮化镓制备场景下的环境变量,因此,需要根据目标制备场景下的氮化镓制备约束条件对优化设备组合进行优化,保证设备组合方法的可行性。
本发明实施例中,所述根据所述氮化镓制备约束条件对所述优化设备组合方法进行优化,得到所述目标制备场景下的最优设备组合方法,包括:提取所述约束条件中的约束规则及规则变量;根据所述规则变量将所述约束规则转化为规则表达式;将所述规则表达式与所述优化设备组合方法进行结合,得到最优设备组合方法。
本发明实施例中,所述约束规则是氮化镓制备中规则的制备规则,规则变量是用于表述制备规则的变量,利用规则变量将约束规则转化为计算机可执行的规则表达式,从而对优化设备组合方法进行调整控制,使得到的最优设备组合方法符合目标制备场景下的氮化镓制备约束条件。
本发明实施例中,将得到的最优设备组合应用于氮化镓的目标制备场景,得到目标制备场景下的最优设备组合方法,从而能够有效的提高目标制备场景下的氮化镓生产性能。
本发明实施例通过计算氮化镓制备数据中每个指标数据对应的指标权重,能够减小无关数据对后续设备组合分析的影响,提高组合分析的准确度;再根据指标数据对应的指标权重查找设备组合实例集,通过以往氮化镓制备的实例生成目标制备场景下的优化设备组合方法,提高优化设备组合方法的实际应用效果;同时根据目标制备场景下的氮化镓制备约束条件对优化设备组合方法进行优化,能够保证最优设备组合方法符合目标制备场景,保证最优设备组合方法的有效性,进而提高氮化镓生产的性能指标。因此本发明提出的用于实现氮化镓制备场景下的设备组合分析方法,可以解决氮化镓制备场景下氮化镓生产性能较低的问题。
如图4所示,是本发明一实施例提供的用于实现氮化镓制备场景下的设备组合分析系统的功能模块图。
本发明所述用于实现氮化镓制备场景下的设备组合分析系统400可以安装于电子设备中。根据实现的功能,所述用于实现氮化镓制备场景下的设备组合分析系统400可以包括氮化镓制备数据查找模块401、指标权重计算模块402、设备组合实例集查找模块403、优化设备组合生成模块404及最优设备组合方法生成模块405。本发明所述模块也可以称之为单元,是指一种能够被电子设备处理器所执行,并且能够完成固定功能的一系列计算机程序段,其存储在电子设备的存储器中。
在本实施例中,关于各模块/单元的功能如下:
所述氮化镓制备数据查找模块401,用于获取氮化镓在目标制备场景下的初始设备组合方法,在预设的氮化镓制备数据库中查找所述初始设备组合方法生成的氮化镓制备数据;
所述指标权重计算模块402,用于提取所述氮化镓制备数据中预设制备指标的指标数据,并计算每个所述指标数据对应的指标权重;
所述设备组合实例集查找模块403,用于根据所述指标数据及所述指标数据对应的指标权重在预设的氮化镓制备实例库中查找与所述初始设备组合方法之间相近的设备组合实例集;
所述优化设备组合生成模块404,用于计算所述设备组合实例集中所述制备指标的实例指标数据与所述指标数据之间的数据差异,根据所述数据差异生成优化设备组合方法;
所述最优设备组合方法生成模块405,用于初始化所述目标制备场景下的氮化镓制备约束条件,根据所述氮化镓制备约束条件对所述优化设备组合方法进行优化,得到所述目标制备场景下的最优设备组合方法。
详细地,本发明实施例中所述用于实现氮化镓制备场景下的设备组合分析系统400中所述的各模块在使用时采用与上述图1至图3中所述的用于实现氮化镓制备场景下的设备组合分析方法一样的技术手段,并能够产生相同的技术效果,这里不再赘述。
本发明还提供一种电子设备,所述电子设备可以包括处理器、存储器、通信总线以及通信接口,还可以包括存储在所述存储器中并可在所述处理器上运行的计算机程序,如用于实现氮化镓制备场景下的设备组合分析程序。
其中,所述处理器在一些实施例中可以由集成电路组成,例如可以由单个封装的集成电路所组成,也可以是由多个相同功能或不同功能封装的集成电路所组成,包括一个或者多个中央处理器(Central Processing unit,CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器是所述电子设备的控制核心(Control Unit),利用各种接口和线路连接整个电子设备的各个部件,通过运行或执行存储在所述存储器内的程序或者模块(例如执行用于实现氮化镓制备场景下的设备组合分析方法程序等),以及调用存储在所述存储器内的数据,以执行电子设备的各种功能和处理数据。
所述存储器至少包括一种类型的可读存储介质,所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如:SD或DX存储器等)、磁性存储器、磁盘、光盘等。所述存储器在一些实施例中可以是电子设备的内部存储单元,例如该电子设备的移动硬盘。所述存储器在另一些实施例中也可以是电子设备的外部存储设备,例如电子设备上配备的插接式移动硬盘、智能存储卡(Smart Media Card, SMC)、安全数字(Secure Digital, SD)卡、闪存卡(Flash Card)等。进一步地,所述存储器还可以既包括电子设备的内部存储单元也包括外部存储设备。所述存储器不仅可以用于存储安装于电子设备的应用软件及各类数据,例如用于实现氮化镓制备场景下的设备组合分析方法程序的代码等,还可以用于暂时地存储已经输出或者将要输出的数据。
所述通信总线可以是外设部件互连标准(Peripheral Component Interconnect,简称PCI)总线或扩展工业标准结构(Extended Industry Standard Architecture,简称EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器以及至少一个处理器等之间的连接通信。
所述通信接口用于上述电子设备与其他设备之间的通信,包括网络接口和用户接口。可选地,所述网络接口可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等),通常用于在该电子设备与其他电子设备之间建立通信连接。所述用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard)),可选地,用户接口还可以是标准的有线接口、无线接口。可选地,在一些实施例中,显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode,有机发光二极管)触摸器等。其中,显示器也可以适当的称为显示屏或显示单元,用于显示在电子设备中处理的信息以及用于显示可视化的用户界面。
图中仅示出了具有部件的电子设备,本领域技术人员可以理解的是,图中示出的结构并不构成对所述电子设备的限定,可以包括比图示更少或者更多的部件,或者组合某些部件,或者不同的部件布置。
例如,尽管未示出,所述电子设备还可以包括给各个部件供电的电源(比如电池),优选地,电源可以通过电源管理系统与所述至少一个处理器逻辑相连,从而通过电源管理系统实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电系统、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备还可以包括多种传感器、蓝牙模块、Wi-Fi模块等,在此不再赘述。
具体地,所述处理器对上述指令的具体实现方法可参考附图对应实施例中相关步骤的描述,在此不赘述。
进一步地,所述电子设备集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读存储介质中。所述计算机可读存储介质可以是易失性的,也可以是非易失性的。例如,所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或系统、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)。
本发明还提供一种计算机可读存储介质,所述可读存储介质存储有计算机程序,所述计算机程序在被电子设备的处理器所执行时,实现如上文所述的用于实现氮化镓制备场景下的设备组合分析及系统的步骤:
存储介质包括永久性和非永久性、可移动和非可移动媒体,可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。存储介质的例子可以包括但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。
在本发明所提供的几个实施例中,应该理解到,所揭露的设备,系统和方法,可以通过其它的方式实现。例如,以上所描述的系统实施例仅仅是示意性的,例如,所述模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块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模块来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。
因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中,人工智能(Artificial Intelligence,AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能,感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
此外,显然“包括”一词不排除其他单元或步骤,单数不排除复数。系统权利要求中陈述的多个单元或系统也可以由一个单元或系统通过软件或者硬件来实现。第一、第二等词语用来表示名称,而并不表示任何特定的顺序。
最后应说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或等同替换,而不脱离本发明技术方案的精神和范围。
Claims (10)
1.一种用于实现氮化镓制备场景下的设备组合分析方法,其特征在于,所述方法包括:
获取氮化镓在目标制备场景下的初始设备组合方法,在预设的氮化镓制备数据库中查找所述初始设备组合方法生成的氮化镓制备数据;
提取所述氮化镓制备数据中预设制备指标的指标数据,并计算每个所述指标数据对应的指标权重;
根据所述指标数据及所述指标数据对应的指标权重在预设的氮化镓制备实例库中查找与所述初始设备组合方法之间相近的设备组合实例集;
计算所述设备组合实例集中所述制备指标的实例指标数据与所述指标数据之间的数据差异,根据所述数据差异生成优化设备组合方法;
初始化所述目标制备场景下的氮化镓制备约束条件,根据所述氮化镓制备约束条件对所述优化设备组合方法进行优化,得到所述目标制备场景下的最优设备组合方法。
2.如权利要求1所述的用于实现氮化镓制备场景下的设备组合分析方法,其特征在于,所述提取所述氮化镓制备数据中预设制备指标的指标数据,包括:
根据所述氮化镓制备数据的数据属性生成属性数据集,并获取所述制备指标的指标属性;
利用所述指标属性从所述属性数据集中提取所述制备指标对应的指标数据。
3.如权利要求1所述的用于实现氮化镓制备场景下的设备组合分析方法,其特征在于,所述计算每个所述指标数据对应的指标权重,包括:
根据所述指标数据的指标属性将所述指标数据划分为正向指标数据及负向指标数据;
分别对所述正向指标数据及所述负向指标数据进行归一化处理,得到标准指标数据;
计算所述标准指标数据的信息熵,根据所述信息熵计算每个所述指标数据对应的指标权重。
4.如权利要求3所述的用于实现氮化镓制备场景下的设备组合分析方法,其特征在于,所述分别对所述正向指标数据及所述负向指标数据进行归一化处理,得到标准指标数据,包括:
利用如下公式分别对所述正向指标数据及所述负向指标数据进行归一化处理所述正向指标数据及所述负向指标数据进行归一化处理:
其中,表示第个正向指标对应的标准指标数据,表示第个正向指标的对应的正向指标数据,表示第个正向指标对应的正向指标数据最大值,表示第个正向指标对应的标准指标数据最小值,表示第个负向指标对应的标准指标数据,表示第个负向指标的对应的负向指标数据,表示第个负向指标对应的负向指标数据最大值,表示第个负向指标对应的标准指标数据最小值。
5.如权利要求3所述的用于实现氮化镓制备场景下的设备组合分析方法,其特征在于,所述根据所述信息熵计算每个所述指标数据对应的指标权重,包括:
利用如下公式计算每个所述指标数据对应的指标权重:
其中,表示第个指标数据对应的指标权重,表示第个指标数据的信息熵,表示所述指标数据所包含的制备指标的总数。
6.如权利要求1所述的用于实现氮化镓制备场景下的设备组合分析方法,其特征在于,所述根据所述指标数据及所述指标数据对应的指标权重在预设的氮化镓制备实例库中查找与所述初始设备组合方法之间相近的设备组合实例集,包括:
在所述氮化镓制备实例库中查找所述指标数据对应的实例指标数据,并计算所述实例指标数据与所述指标数据之间的指标数据相似度;
利用如下公式计算所述实例指标数据与所述指标数据之间的指标数据相似度:
其中,表示指标数据相似度,表示所述实例指标数据,表示所述指标数据;
根据所述指标数据相似度及所述指标数据对应的指标权重计算所述初始设备组合与所述氮化镓制备实例库中每个氮化镓制备实例之间的制备相似度;
利用如下公式计算所述初始设备组合与所述氮化镓制备实例库中每个氮化镓制备实例之间的制备相似度:
其中,表示所述指标数据与第个氮化镓制备实例之间的制备相似度,表示所述指标数据对应的指标权重,表示第个氮化镓制备实例的实例指标数据与所述指标数据之间的指标数据相似度,表示所述氮化镓制备实例库中氮化镓制备实例的总数;
根据所述制备相似度从所述氮化镓制备实例库中选取预设数量的氮化镓制备实例集;
提取所述氮化镓制备实例集中每个氮化镓制备实例的设备组合方法,得到设备组合实例集。
7.如权利要求1所述的用于实现氮化镓制备场景下的设备组合分析方法,其特征在于,所述根据所述数据差异生成优化设备组合方法,包括:
根据所述数据差异确定所述数据差异对应的制备指标的最优值;
根据所述最优值从所述设备组合实例集中提取最优设备实例;
计算所述最优设备实例之间的相关性,根据所述相关性对所述最优设备实例进行组合,得到优化设备组合方法。
8.如权利要求7所述的用于实现氮化镓制备场景下的设备组合分析方法,其特征在于,所述根据所述相关性对所述最优设备实例进行组合,得到优化设备组合方法,包括:
识别所述最优设备实例中的制备流程起点设备实例及制备流程终点设备实例;
利用所述相关性、所述制备流程起点设备实例及所述制备流程终点设备实例确定每个所述最优设备实例的制备流程序列位置;
根据所述制备流程序列位置生成所述最优设备实例对应的优化设备组合方法。
9.如权利要求1所述的用于实现氮化镓制备场景下的设备组合分析方法,其特征在于,所述根据所述氮化镓制备约束条件对所述优化设备组合方法进行优化,得到所述目标制备场景下的最优设备组合方法,包括:
提取所述约束条件中的约束规则及规则变量;
根据所述规则变量将所述约束规则转化为规则表达式;
将所述规则表达式与所述优化设备组合方法进行结合,得到最优设备组合方法。
10.一种用于实现氮化镓制备场景下的设备组合分析系统,其特征在于,所述系统包括:
氮化镓制备数据查找模块,用于获取氮化镓在目标制备场景下的初始设备组合方法,在预设的氮化镓制备数据库中查找所述初始设备组合方法生成的氮化镓制备数据;
指标权重计算模块,用于提取所述氮化镓制备数据中预设制备指标的指标数据,并计算每个所述指标数据对应的指标权重;
设备组合实例集查找模块,用于根据所述指标数据及所述指标数据对应的指标权重在预设的氮化镓制备实例库中查找与所述初始设备组合方法之间相近的设备组合实例集;
优化设备组合生成模块,用于计算所述设备组合实例集中所述制备指标的实例指标数据与所述指标数据之间的数据差异,根据所述数据差异生成优化设备组合方法;
最优设备组合方法生成模块,用于初始化所述目标制备场景下的氮化镓制备约束条件,根据所述氮化镓制备约束条件对所述优化设备组合方法进行优化,得到所述目标制备场景下的最优设备组合方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310227503.1A CN115935723B (zh) | 2023-03-10 | 2023-03-10 | 用于实现氮化镓制备场景下的设备组合分析方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310227503.1A CN115935723B (zh) | 2023-03-10 | 2023-03-10 | 用于实现氮化镓制备场景下的设备组合分析方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115935723A true CN115935723A (zh) | 2023-04-07 |
CN115935723B CN115935723B (zh) | 2023-05-30 |
Family
ID=85818572
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310227503.1A Active CN115935723B (zh) | 2023-03-10 | 2023-03-10 | 用于实现氮化镓制备场景下的设备组合分析方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115935723B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117373932A (zh) * | 2023-12-06 | 2024-01-09 | 广东仁懋电子有限公司 | 一种基于低功耗氮化镓的芯片制备方法及系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH04205062A (ja) * | 1990-11-29 | 1992-07-27 | Hitachi Ltd | レイアウト設計方法 |
CN103268523A (zh) * | 2013-05-28 | 2013-08-28 | 北京邮电大学 | 一种实现多个性能指标要求同时满足的服务组合方法 |
US20200034502A1 (en) * | 2017-03-07 | 2020-01-30 | Mitsubishi Electric Corporation | Architecture selection device, architecture selection method, and computer readable medium |
CN110929978A (zh) * | 2019-09-30 | 2020-03-27 | 华南理工大学 | 一种电力市场风险评估方法及评估系统 |
CN112884358A (zh) * | 2021-03-16 | 2021-06-01 | 国网河北省电力有限公司电力科学研究院 | 一种电采暖设备有序用电优化调度方法及终端 |
US20220122034A1 (en) * | 2020-10-16 | 2022-04-21 | Fujitsu Limited | Non-transitory computer-readable recording medium, solving method, and information processing device |
WO2022133895A1 (zh) * | 2020-12-24 | 2022-06-30 | 华能国际电力股份有限公司 | 基于设备监理的火电设备质量数据处理方法及装置 |
-
2023
- 2023-03-10 CN CN202310227503.1A patent/CN115935723B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH04205062A (ja) * | 1990-11-29 | 1992-07-27 | Hitachi Ltd | レイアウト設計方法 |
CN103268523A (zh) * | 2013-05-28 | 2013-08-28 | 北京邮电大学 | 一种实现多个性能指标要求同时满足的服务组合方法 |
US20200034502A1 (en) * | 2017-03-07 | 2020-01-30 | Mitsubishi Electric Corporation | Architecture selection device, architecture selection method, and computer readable medium |
CN110929978A (zh) * | 2019-09-30 | 2020-03-27 | 华南理工大学 | 一种电力市场风险评估方法及评估系统 |
US20220122034A1 (en) * | 2020-10-16 | 2022-04-21 | Fujitsu Limited | Non-transitory computer-readable recording medium, solving method, and information processing device |
WO2022133895A1 (zh) * | 2020-12-24 | 2022-06-30 | 华能国际电力股份有限公司 | 基于设备监理的火电设备质量数据处理方法及装置 |
CN112884358A (zh) * | 2021-03-16 | 2021-06-01 | 国网河北省电力有限公司电力科学研究院 | 一种电采暖设备有序用电优化调度方法及终端 |
Non-Patent Citations (1)
Title |
---|
孟飙 等: "飞机结构件生产线设备布局仿真与优化", 机械设计与制造, pages 222 - 228 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117373932A (zh) * | 2023-12-06 | 2024-01-09 | 广东仁懋电子有限公司 | 一种基于低功耗氮化镓的芯片制备方法及系统 |
CN117373932B (zh) * | 2023-12-06 | 2024-02-23 | 广东仁懋电子有限公司 | 一种基于低功耗氮化镓的芯片制备方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN115935723B (zh) | 2023-05-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108197132B (zh) | 一种基于图数据库的电力资产画像构建方法及装置 | |
CN107358247B (zh) | 一种确定流失用户的方法及装置 | |
CN111125086B (zh) | 获取数据资源的方法、装置、存储介质及处理器 | |
JP7254925B2 (ja) | 改良されたデータマッチングのためのデータレコードの字訳 | |
TW201737115A (zh) | 一種機器學習系統的訓練方法和訓練系統 | |
CN113449187A (zh) | 基于双画像的产品推荐方法、装置、设备及存储介质 | |
CN113127482B (zh) | 数据质量的分析方法、装置、计算机设备和存储介质 | |
CN115935723A (zh) | 用于实现氮化镓制备场景下的设备组合分析方法及系统 | |
CN114817651B (zh) | 数据存储方法、数据查询方法、装置和设备 | |
CN113837635A (zh) | 风险检测处理方法、装置及设备 | |
CN113656586B (zh) | 情感分类方法、装置、电子设备及可读存储介质 | |
CN107562533B (zh) | 一种数据加载处理方法及装置 | |
CN113139129B (zh) | 虚拟阅读轨迹图生成方法、装置、电子设备及存储介质 | |
CN108429632B (zh) | 一种业务监控方法和装置 | |
CN112214494B (zh) | 检索方法及装置 | |
CN114297235A (zh) | 风险地址识别方法、系统及电子设备 | |
CN115114297A (zh) | 数据轻量存储及查找方法、装置、电子设备及存储介质 | |
WO2015070678A1 (zh) | 一种图像识别方法、挖掘图像主体信息方法及装置 | |
CN109241208B (zh) | 地址定位、地址监测、信息处理方法及装置 | |
JP6660333B2 (ja) | 情報抽出装置、情報抽出方法及び情報抽出プログラム | |
CN111666316A (zh) | 一种隔离分布核构建方法、异常数据检测方法及装置 | |
CN113806492B (zh) | 基于语义识别的记录生成方法、装置、设备及存储介质 | |
CN113704587B (zh) | 基于阶段划分的用户黏着度分析方法、装置、设备及介质 | |
CN117131245B (zh) | 一种运用知识图谱技术实现目录资源推荐机制的方法 | |
Li et al. | Persistent Community Search Over Temporal Bipartite Graphs |
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 |