CN116432867A - 一种二极管制备控制优化方法及系统 - Google Patents
一种二极管制备控制优化方法及系统 Download PDFInfo
- Publication number
- CN116432867A CN116432867A CN202310677486.1A CN202310677486A CN116432867A CN 116432867 A CN116432867 A CN 116432867A CN 202310677486 A CN202310677486 A CN 202310677486A CN 116432867 A CN116432867 A CN 116432867A
- Authority
- CN
- China
- Prior art keywords
- production
- parameters
- optimized
- diode
- quality
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 307
- 238000002360 preparation method Methods 0.000 title claims abstract description 85
- 238000005457 optimization Methods 0.000 title claims abstract description 83
- 238000004519 manufacturing process Methods 0.000 claims abstract description 239
- 230000008569 process Effects 0.000 claims description 166
- 238000001514 detection method Methods 0.000 claims description 46
- 230000002950 deficient Effects 0.000 claims description 32
- 238000004364 calculation method Methods 0.000 claims description 17
- 238000012360 testing method Methods 0.000 claims description 16
- 238000004458 analytical method Methods 0.000 claims description 8
- 238000012163 sequencing technique Methods 0.000 claims description 5
- 238000007689 inspection Methods 0.000 claims description 4
- 238000013386 optimize process Methods 0.000 claims description 2
- 230000000694 effects Effects 0.000 abstract description 16
- 230000009467 reduction Effects 0.000 description 3
- 238000012098 association analyses Methods 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 238000009713 electroplating Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000012106 screening analysis Methods 0.000 description 2
- 238000003466 welding Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000009740 moulding (composite fabrication) Methods 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 238000005554 pickling Methods 0.000 description 1
- 238000011958 production data acquisition Methods 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06316—Sequencing of tasks or work
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0633—Workflow analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
-
- 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
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Manufacturing & Machinery (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- General Factory Administration (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种二极管制备控制优化方法及系统，涉及生产控制领域，其中，所述方法包括：分析目标二极管的生产制备工艺中M个工艺步骤的生产难度，获得M个生产难度参数；获得M个关联度参数，结合M个生产难度参数，获得M个工艺步骤的综合关键值，并选取N个关键步骤；获得N个工艺参数区间；基于N个工艺参数区间，获得N个待寻优工艺参数集，分别在N个待寻优工艺参数集中进行寻优，获得N个最优关键工艺参数，对生产制备工艺进行控制优化。解决了现有技术中二极管的生产制备工艺精准性低，进而造成二极管的生产质量不高的技术问题。达到了提高二极管的生产制备工艺精准性，提升二极管的生产质量的技术效果。
Description
技术领域
本发明涉及生产控制领域，具体地，涉及一种二极管制备控制优化方法及系统。
背景技术
二极管是最常用的电子元件之一。然而，随着二极管的广泛应用，人们对二极管的性能需求不断提高。在这一背景下，二极管的生产制备工艺受到广泛关注。现有技术中，存在二极管的生产制备工艺精准性低，无法根据需要的性能要求制定相应的二极管生产方案，进而造成二极管的生产质量不高的技术问题。
发明内容
本申请提供了一种二极管制备控制优化方法及系统。解决了现有技术中二极管的生产制备工艺精准性低，无法根据特定的性能要求制定相应的二极管生产方案，进而造成二极管的生产质量不高的技术问题。达到了提高二极管的生产制备工艺精准性，实现根据特定的性能要求制定相应的二极管生产方案，提升二极管的生产质量的技术效果。
鉴于上述问题，本申请提供了一种二极管制备控制优化方法及系统。
第一方面，本申请提供了一种二极管制备控制优化方法，其中，所述方法应用于一种二极管制备控制优化系统，所述方法包括：获取目标二极管的生产制备工艺，其中，所述生产制备工艺内包括M个工艺步骤，M为大于1的正整数；根据目标工厂中过去时间内目标二极管的生产数据，分析所述M个工艺步骤的生产难度，获得M个生产难度参数；根据过去时间内目标二极管的生产数据，分析所述M个工艺步骤与所述目标二极管生产质量的关联度，获得M个关联度参数；基于所述M个关联度参数和所述M个生产难度参数，计算所述M个工艺步骤的综合关键值并按照从大到小的顺序进行排序，选取最大的N个综合关键值对应的工艺步骤，作为N个关键步骤，N为大于等于1且小于M的整数；获取所述N个关键步骤过去时间内的工艺参数，获得N个历史工艺参数集合，并获得N个工艺参数区间；分别选取所述N个工艺参数区间内过去时间中未出现且满足预设性能要求的工艺参数，获得N个待寻优工艺参数集，分别在所述N个待寻优工艺参数集中进行寻优，获得N个最优关键工艺参数，对所述生产制备工艺进行控制优化。
第二方面，本申请还提供了一种二极管制备控制优化系统，其中，所述系统包括：制备工艺获取模块，所述制备工艺获取模块用于获取目标二极管的生产制备工艺，其中，所述生产制备工艺内包括M个工艺步骤，M为大于1的正整数；生产难度分析模块，所述生产难度分析模块用于根据目标工厂中过去时间内目标二极管的生产数据，分析所述M个工艺步骤的生产难度，获得M个生产难度参数；生产质量关联度分析模块，所述生产质量关联度分析模块用于根据过去时间内目标二极管的生产数据，分析所述M个工艺步骤与所述目标二极管生产质量的关联度，获得M个关联度参数；工艺步骤选取模块，所述工艺步骤选取模块用于基于所述M个关联度参数和所述M个生产难度参数，计算所述M个工艺步骤的综合关键值并按照从大到小的顺序进行排序，选取最大的N个综合关键值对应的工艺步骤，作为N个关键步骤，N为大于等于1且小于M的整数；工艺参数区间获得模块，所述工艺参数区间获得模块用于获取所述N个关键步骤过去时间内的工艺参数，获得N个历史工艺参数集合，并获得N个工艺参数区间；控制优化模块，所述控制优化模块用于分别选取所述N个工艺参数区间内过去时间中未出现且满足预设性能要求的工艺参数，获得N个待寻优工艺参数集，分别在所述N个待寻优工艺参数集中进行寻优，获得N个最优关键工艺参数，对所述生产制备工艺进行控制优化。
本申请中提供的一个或多个技术方案，至少具有如下技术效果或优点：
通过目标工厂中过去时间内目标二极管的生产数据，分析目标二极管的生产制备工艺中M个工艺步骤的生产难度，获得M个生产难度参数；根据过去时间内目标二极管的生产数据，分析M个工艺步骤与目标二极管生产质量的关联度，获得M个关联度参数；基于M个关联度参数和M个生产难度参数进行计算，获得M个工艺步骤的综合关键值，并根据其确定N个关键步骤；基于N个关键步骤对应的N个历史工艺参数集合，获得N个工艺参数区间；分别选取N个工艺参数区间内过去时间中未出现且满足预设性能要求的工艺参数，获得N个待寻优工艺参数集，分别在N个待寻优工艺参数集中进行寻优，获得N个最优关键工艺参数；根据N个最优关键工艺参数对生产制备工艺进行控制优化。达到了提高二极管的生产制备工艺精准性，准确分析不同步骤对于二极管生产质量的重要性，并进行生产工艺的优化，实现根据需要的性能要求制定相应的二极管生产方案，提升二极管的生产质量的技术效果。
上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。
附图说明
为了更清楚地说明本公开实施例的技术方案,下面将对本公开实施例的附图作简单地介绍。明显地，下面描述中的附图仅仅涉及本公开的一些实施例,而非对本公开的限制。
图1为本申请一种二极管制备控制优化方法的流程示意图；
图2为本申请一种二极管制备控制优化方法中获取第一控制优化评分的流程示意图；
图3为本申请一种二极管制备控制优化系统的结构示意图。
附图标记说明：制备工艺获取模块11，生产难度分析模块12，生产质量关联度分析模块13，工艺步骤选取模块14，工艺参数区间获得模块15，控制优化模块16。
具体实施方式
本申请通过提供一种二极管制备控制优化方法及系统。解决了现有技术中二极管的生产制备工艺精准性低，无法根据特定的性能要求制定相应的二极管生产方案，进而造成二极管的生产质量不高的技术问题。达到了提高二极管的生产制备工艺精准性，实现根据特定的性能要求制定相应的二极管生产方案，提升二极管的生产质量的技术效果。
实施例一：
请参阅附图1，本申请提供一种二极管制备控制优化方法，其中，所述方法应用于一种二极管制备控制优化系统，所述方法具体包括如下步骤：
步骤S100：获取目标二极管的生产制备工艺，其中，所述生产制备工艺内包括M个工艺步骤，M为大于1的正整数；
具体而言，对目标二极管进行制备工艺查询，获得目标二极管的生产制备工艺。其中，所述目标二极管可以为使用所述一种二极管制备控制优化系统进行智能生产优化的任意二极管。所述生产制备工艺包括M个工艺步骤，且，M为大于1的正整数。示例性地，M个工艺步骤包括焊接、酸洗、成型、电镀、引直、测试、包装等多个工艺步骤。达到了确定目标二极管的生产制备工艺，为后续对目标二极管进行生产优化奠定基础的技术效果。
步骤S200：根据目标工厂中过去时间内目标二极管的生产数据，分析所述M个工艺步骤的生产难度，获得M个生产难度参数；
进一步的，本申请步骤S200还包括：
步骤S210：基于过去预设时间范围内M个工艺步骤的生产质检数据，获取M个工艺步骤的M个生产时间集合，以及M个质量不合格率信息；
步骤S220：根据所述M个生产时间集合，计算获得M个平均生产时间，并计算获得M个生产时间系数；
步骤S230：根据所述M个质量不合格率信息，计算每个质量不合格率信息与M个质量不合格率信息的比值，获得M个质量不合格率系数；
步骤S240：根据所述M个生产时间系数和M个质量不合格率系数，计算获得所述M个生产难度参数。
具体而言，对目标工厂在过去预设时间范围内M个工艺步骤的生产质检数据进行查询，获得M个工艺步骤的M个生产时间集合，以及M个质量不合格率信息。目标工厂为目标二极管的任意生产工厂。过去预设时间范围包括预先设置确定的历史时间范围信息。每个生产时间集合包括过去预设时间范围内，每个工艺步骤对应的进行生产操作的多个历史生产时间。每个质量不合格率信息包括过去预设时间范围内，每个工艺步骤对应的历史质量不合格率参数。
进一步，遍历M个生产时间集合进行平均值计算，获得M个平均生产时间。每个平均生产时间包括每个生产时间集合内多个历史生产时间的平均值。对M个平均生产时间进行加和计算，获得平均总生产时间。分别将M个平均生产时间与平均总生产时间进行比值计算，获得M个生产时间系数。M个生产时间系数包括M个平均生产时间与平均总生产时间之间的多个比值。
进一步，对M个质量不合格率信息进行加和计算，获得总质量不合格率信息。分别将M个质量不合格率信息与总质量不合格率信息进行比值计算，获得M个质量不合格率系数。M个质量不合格率系数包括M个质量不合格率信息与总质量不合格率信息之间的多个比值。继而，将M个生产时间系数和对应的M个质量不合格率系数进行加和计算，获得M个生产难度参数。所述M个生产难度参数包括M个生产时间系数和对应的M个质量不合格率系数之间的多个加和。达到了通过对目标工厂中过去时间内目标二极管的生产数据进行计算分析，获得准确的M个生产难度参数，从而提高二极管制备控制优化的可靠性的技术效果。
步骤S300：根据过去时间内目标二极管的生产数据，分析所述M个工艺步骤与所述目标二极管生产质量的关联度，获得M个关联度参数；
进一步的，本申请步骤S300还包括：
步骤S310：基于过去预设时间范围内生产所述目标二极管的检测数据，获得P个检测数据，每个检测数据内包括目标二极管是否为次品，以及所述M个工艺步骤是否出现质量问题的检测数据，P为正整数；
步骤S320：基于过去预设时间范围内生产所述目标二极管的次品检测数据，获得Q个次品数据，每个次品数据内包括所述M个工艺步骤是否出现质量问题的M个检测数据，Q为小于P的正整数，所述P个检测数据包括所述Q个次品数据；
具体而言，对目标工厂中过去预设时间范围内目标二极管的生产数据进行查询，获得P个检测数据和Q个次品数据。其中，P个检测数据中，每个检测数据包括目标二极管是否为次品，以及M个工艺步骤是否出现质量问题的检测数据，且，P为正整数。Q个次品数据为目标二极管生产监测为次品的检测数据，其中，每个次品数据包括M个工艺步骤是否出现质量问题的M个检测数据。且，P为正整数，Q为小于P的正整数，P个检测数据包括Q个次品数据。
步骤S330：基于所述P个检测数据和Q个次品数据，分析获取所述M个工艺步骤的M个支持度信息和M个可信度信息；
进一步的，本申请步骤S330还包括：
步骤S331：在所述P个检测数据内，分别获取所述M个工艺步骤出现质量问题的次数与P的比值，获得所述M个支持度信息；
步骤S332：在所述Q个次品数据内，分别获取所述M个工艺步骤出现质量问题的次数与Q的比值，获得所述M个可信度信息。
具体而言，基于关联度分析的方法，基于P个检测数据，对M个工艺步骤出现质量问题的次数进行统计，获得M个工艺步骤对应的M个质量特征次数。分别将M个质量特征次数与P进行比值计算，获得M个支持度信息。进一步，基于Q个次品数据，对M个工艺步骤出现质量问题的次数进行统计，获得M个工艺步骤对应的M个质量问题次数。分别将M个质量问题次数与Q进行比值计算，获得M个可信度信息。其中，所述M个质量特征次数包括P个检测数据内，M个工艺步骤出现质量问题的次数。M个支持度信息包括M个质量特征次数与P之间的多个比值。M个质量问题次数包括Q个次品数据内，M个工艺步骤出现质量问题的次数。M个可信度信息包括M个质量问题次数与Q之间的多个比值。达到了通过对P个检测数据和Q个次品数据进行支持度分析、可信度计算，获得准确的M个工艺步骤的M个支持度信息和M个可信度信息，从而提高对M个工艺步骤进行生产质量关联度分析的精确度的技术效果。
步骤S340：根据所述M个支持度信息和M个可信度信息，计算获得M个关联度参数。
进一步的，本申请步骤S340还包括：
步骤S341：计算每个支持度信息与M个支持度信息之和的比值，获得M个第一关联度系数；
步骤S342：计算每个可信度信息与M个可信度信息之和的比值，获得M个第二关联度系数；
步骤S343：按照预设权重比，对所述M个第一关联度系数和所述M个第二关联度系数进行加权计算，获得所述M个关联度参数。
具体而言，对M个支持度信息进行加和计算，获得总支持度信息。分别将M个支持度信息与总支持度信息进行比值计算，获得M个第一关联度系数。同理，对M个可信度信息进行加和计算，获得总可信度信息。分别将M个可信度信息与总可信度信息进行加和计算，获得M个第二关联度系数。其中，M个第一关联度系数包括M个支持度信息与总支持度信息之间的多个比值。M个第二关联度系数包括M个可信度信息与总可信度信息之间的多个比值。
进一步，按照预设权重比，对M个第一关联度系数和M个第二关联度系数进行加权计算，获得M个关联度参数。预设权重比包括预先设置确定的第一关联度权重值、第二关联度权重值。示例性地，在获得M个关联度参数时，通过预设关联度计算公式依次对M个第一关联度系数和M个第二关联度系数进行加权计算，获得M个关联度参数。预设关联度计算公式包括
，/>
为输出的关联度参数，/>
为输入的第一关联度系数，Y为输入的第二关联度系数，/>
为预设权重比中的第一关联度权重值、第二关联度权重值，示例性地，/>
一般设置为0.4，一般设置为0.6。
本申请实施例达到了通过对M个支持度信息和M个可信度信息进行计算，获得准确的M个关联度参数，从每个工艺步骤出现质量问题次数和出现次品时出现质量问题的次数两个方面，分析每个工艺步骤对于二极管生产质量的关联度，从而提高对二极管的生产制备工艺进行优化的适应性的技术效果。
步骤S400：基于所述M个关联度参数和所述M个生产难度参数，计算所述M个工艺步骤的综合关键值并按照从大到小的顺序进行排序，选取最大的N个综合关键值对应的工艺步骤，作为N个关键步骤，N为大于等于1且小于M的整数；
步骤S500：获取所述N个关键步骤过去时间内的工艺参数，获得N个历史工艺参数集合，并获得N个工艺参数区间；
具体而言，基于M个关联度参数和M个生产难度参数进行加和计算，获得M个工艺步骤的综合关键值。综合关键值包括M个工艺步骤对应的M个步骤综合关键值。M个步骤综合关键值包括M个关联度参数与对应的M个生产难度参数之间的M个加和。
进一步，将综合关键值中的M个步骤综合关键值进行从大到小的排列，将前N个步骤综合关键值输出为最大的N个综合关键值，并将最大的N个综合关键值与M个工艺步骤进行匹配，获得N个关键步骤。最大的N个综合关键值包括按照从大到小的顺序进行排列的综合关键值中的前N个步骤综合关键值。N值可自适应设置确定。N为大于等于1，且小于M的整数，例如N可为1或3，例如关键步骤可为焊接、电镀等。进而，基于过去预设时间范围目标二极管的生产工艺数据，对N个关键步骤进行工艺参数查询，获得N个历史工艺参数集合，并根据N个历史工艺参数集合生成N个工艺参数区间。每个历史工艺参数集合包括每个关键步骤对应的多个历史工艺参数。每个工艺参数区间包括每个历史工艺参数集合对应的历史工艺参数范围信息。达到了通过对M个关联度参数和M个生产难度参数进行计算，获得M个工艺步骤的综合关键值，并根据M个工艺步骤的综合关键值进行筛选分析，确定N个关键步骤对应的N个工艺参数区间，提高二极管的生产制备工艺优化的效率及实用性的技术效果。
步骤S600：分别选取所述N个工艺参数区间内过去时间中未出现且满足预设性能要求的工艺参数，获得N个待寻优工艺参数集，分别在所述N个待寻优工艺参数集中进行寻优，获得N个最优关键工艺参数，对所述生产制备工艺进行控制优化。
进一步的，本申请步骤S600还包括：
步骤S610：分别选取所述N个工艺参数区间内过去时间中未出现的工艺参数，获得N个待选工艺参数集；
步骤S620：分别采用所述N个待选工艺参数集内的待选工艺参数进行试生产，并判断试生产的目标二极管的性能是否符合预设性能要求；
步骤S630：将满足所述预设性能要求的待选工艺参数进行集合，获得所述N个待寻优工艺参数集。
具体而言，基于N个历史工艺参数集合，对N个工艺参数区间进行筛选，获得N个工艺参数区间对应N个待选工艺参数集。每个待选工艺参数集包括每个工艺参数区间对应的多个待选工艺参数。多个待选工艺参数包括每个工艺参数区间内，在过去预设时间范围中未出现的工艺参数。示例性地，历史工艺参数集合A包括历史工艺参数a1、历史工艺参数a2……历史工艺参数am。且，历史工艺参数a1为历史工艺参数集合A中的最小值。历史工艺参数am为历史工艺参数集合A中的最大值。历史工艺参数集合A对应的工艺参数区间Aa为（a1，am），a1为区间上限，am为区间下限。工艺参数at属于工艺参数区间Aa，但历史工艺参数集合A中不包括工艺参数at，则，工艺参数区间Aa对应的待选工艺参数集包括工艺参数at。如此，可跳出过去预设时间范围内技术人员的技术惯性思路，选取未出现的工艺参数进行生产控制优化，提升优化的可能性和准确性。
进一步，控制其他工艺步骤的工艺参数不变，分别采用N个待选工艺参数集内的多个待选工艺参数进行试生产，获得试生产的目标二极管，且，试生产的目标二极管具备试生产性能标识数据。试生产性能标识数据包括试生产的目标二极管对应的导电性能参数、最大整流电流参数、最高反向工作电压等多个二极管性能参数。进而，判断试生产性能标识数据是否符合预设性能要求，如果试生产性能标识数据符合预设性能要求，则，将该试生产性能标识数据对应的待选工艺参数设置为待寻优工艺参数，并将待寻优工艺参数添加至N个待寻优工艺参数集。预设性能要求包括预先设置确定的导电性能参数范围、最大整流电流参数范围、最高反向工作电压范围等多个二极管性能参数范围。每个待寻优工艺参数集包括多个待寻优工艺参数。多个待寻优工艺参数包括于N个待选工艺参数集，且，多个待寻优工艺参数对应的试生产的目标二极管的性能符合预设性能要求。达到了通过预设性能要求对N个工艺参数区间进行筛选，获得N个待寻优工艺参数集，从而提高二极管的生产制备工艺优化的适配度、精准性的技术效果。
进一步的，本申请步骤S630之后，还包括：
步骤S640：在N个待寻优工艺参数集内的第一待寻优工艺参数集内，随机选择一待寻优工艺参数，作为第一待寻优工艺参数，并作为临时最优解；
步骤S650：获取所述第一待寻优工艺参数的第一控制优化评分；
进一步的，如附图2所示，本申请步骤S650还包括：
步骤S651：采用所述第一待寻优工艺参数，对生产制备工艺进行更新，并进行预设数量的试生产，获得预设数量的试生产结果；
步骤S652：对所述预设数量的试生产结果进行质量检测，获得第一良品率；
步骤S653：将所述第一良品率作为所述第一控制优化评分。
具体而言，从N个待寻优工艺参数集中提取出第一待寻优工艺参数集。所述第一待寻优工艺参数集为N个待寻优工艺参数集中的任意一个待寻优工艺参数集。所述第一待寻优工艺参数集包括多个待寻优工艺参数。对第一待寻优工艺参数集内的多个待寻优工艺参数进行随机选择，获得第一待寻优工艺参数，并将第一待寻优工艺参数设置为临时最优解。第一待寻优工艺参数包括第一待寻优工艺参数集中的任意一个待寻优工艺参数。
进一步，根据第一待寻优工艺参数，对生产制备工艺进行更新，并根据更新后的生产制备工艺进行预设数量的目标二极管试生产，获得预设数量的试生产结果。试生产结果包括多个试生产的目标二极管。且，多个试生产的目标二极管的数量满足预设数量。预设数量包括预先设置确定的试生产的目标二极管数量阈值信息。继而，通过对多个试生产的目标二极管进行质量检测，获得第一良品率，并将第一良品率输出为第一控制优化评分。第一良品率包括多个试生产的目标二极管对应的产品合格率的参数信息。达到了通过对第一待寻优工艺参数进行试生产、质量检测，获得准确的第一控制优化评分，从而提高二极管的生产制备工艺优化质量的技术效果。
步骤S660：再次在第一待寻优工艺参数集内，随机选择一待寻优工艺参数，作为第二待寻优工艺参数；
步骤S670：获取所述第二待寻优工艺参数的第二控制优化评分；
步骤S680：判断所述第二控制优化评分是否大于所述第一控制优化评分，若是，则将第二待寻优工艺参数作为临时最优解，若否，则按照概率将所述第二待寻优工艺参数作为临时最优解，所述概率随着迭代寻优次数的增加而减小；
步骤S690：继续进行迭代寻优，直到达到预设迭代次数，将最终的临时最优解输出，获得第一最优关键工艺参数；
步骤S6100：继续在其他的N-1个待寻优工艺参数集内进行寻优，获得所述N个最优关键工艺参数。
具体而言，再次对第一待寻优工艺参数集内的多个待寻优工艺参数进行随机选择，获得第二待寻优工艺参数，并对第二待寻优工艺参数进行评估，获得第二控制优化评分。第二待寻优工艺参数为第一待寻优工艺参数集中，与第一待寻优工艺参数不同的任意一个待寻优工艺参数。第二控制优化评分与第一控制优化评分的获得方式相同，为了说明书的简洁，在此不再赘述。
进一步，对第二控制优化评分是否大于第一控制优化评分进行判断。如果第二控制优化评分大于第一控制优化评分，则，将第二待寻优工艺参数设置为临时最优解。如果第二控制优化评分不大于第一控制优化评分，则，按照概率将第二待寻优工艺参数作为临时最优解。所述概率随着迭代寻优次数的增加而减小。示例性地，在按照概率将第二待寻优工艺参数作为临时最优解时，所述概率通过概率评估公式计算获得。示例性地，概率评估公式包括概率C
。其中，e为自然对数，/>
为第二控制优化评分，/>
为第一控制优化评分，j为随着迭代寻优次数逐渐减小的寻优速率参数。在寻优优化的初期，j较大，第一待寻优工艺参数大概率并非为第一最优关键工艺参数，可能为局部最优，为避免优化进程停滞在第一待寻优工艺参数处，j较大，以使概率C较大，以较大概率接受较劣的第二待寻优工艺参数为最优解，且概率C与第一控制优化评分、第二控制优化评分之间的差值相关，以提升寻优速率，快速迭代寻优。而在寻优的后期，临时最优解可能为全局最优，为提升寻优的准确性，j较小，以使概率C较小，以较小概率接受较劣的临时最优解为全局最优的第一最优关键工艺参数，提升寻优的准确度。可选的，j的减小方式可为指数减小或对数减小等任意现有技术中的减小方式。
进一步，基于临时最优解继续进行迭代寻优，直到迭代寻优次数达到预设迭代次数，将最终的临时最优解输出为第一最优关键工艺参数。将第一最优关键工艺参数添加至N个最优关键工艺参数。临时最优解的迭代寻优方式与第一待寻优工艺参数、第二待寻优工艺参数的迭代寻优方式相同，为了说明书的简洁，在此不再赘述。预设迭代次数包括预先设置确定的迭代寻优次数阈值。所述第一最优关键工艺参数包括迭代寻优次数达到预设迭代次数的临时最优解。继而，基于N个待寻优工艺参数集中其他的N-1个待寻优工艺参数集进行与第一待寻优工艺参数集相同方式的迭代寻优，获得N个最优关键工艺参数。达到了通过对N个待寻优工艺参数集进行多维度迭代寻优，获得准确、可靠的N个最优关键工艺参数，提高二极管的生产质量的技术效果。
综上所述，本申请所提供的一种二极管制备控制优化方法具有如下技术效果：
1.通过目标工厂中过去时间内目标二极管的生产数据，分析目标二极管的生产制备工艺中M个工艺步骤的生产难度，获得M个生产难度参数；根据过去时间内目标二极管的生产数据，分析M个工艺步骤与目标二极管生产质量的关联度，获得M个关联度参数；基于M个关联度参数和M个生产难度参数进行计算，获得M个工艺步骤的综合关键值，并根据其确定N个关键步骤；基于N个关键步骤对应的N个历史工艺参数集合，获得N个工艺参数区间；分别选取N个工艺参数区间内过去时间中未出现且满足预设性能要求的工艺参数，获得N个待寻优工艺参数集，分别在N个待寻优工艺参数集中进行寻优，获得N个最优关键工艺参数；根据N个最优关键工艺参数对生产制备工艺进行控制优化。达到了提高二极管的生产制备工艺精准性，实现根据特定的性能要求制定相应的二极管生产方案，提升二极管的生产质量的技术效果。
2.通过对M个支持度信息和M个可信度信息进行计算，获得准确的M个关联度参数，从而提高对二极管的生产制备工艺进行优化的适应性。
3.通过对M个关联度参数和M个生产难度参数进行计算，获得M个工艺步骤的综合关键值，并根据M个工艺步骤的综合关键值进行筛选分析，确定N个关键步骤对应的N个工艺参数区间，提高二极管的生产制备工艺优化的效率及实用性。
实施例二
基于与前述实施例中一种二极管制备控制优化方法，同样发明构思，本发明还提供了一种二极管制备控制优化系统，请参阅附图3，所述系统包括：
制备工艺获取模块11，所述制备工艺获取模块11用于获取目标二极管的生产制备工艺，其中，所述生产制备工艺内包括M个工艺步骤，M为大于1的正整数；
生产难度分析模块12，所述生产难度分析模块12用于根据目标工厂中过去时间内目标二极管的生产数据，分析所述M个工艺步骤的生产难度，获得M个生产难度参数；
生产质量关联度分析模块13，所述生产质量关联度分析模块13用于根据过去时间内目标二极管的生产数据，分析所述M个工艺步骤与所述目标二极管生产质量的关联度，获得M个关联度参数；
工艺步骤选取模块14，所述工艺步骤选取模块14用于基于所述M个关联度参数和所述M个生产难度参数，计算所述M个工艺步骤的综合关键值并按照从大到小的顺序进行排序，选取最大的N个综合关键值对应的工艺步骤，作为N个关键步骤，N为大于等于1且小于M的整数；
工艺参数区间获得模块15，所述工艺参数区间获得模块15用于获取所述N个关键步骤过去时间内的工艺参数，获得N个历史工艺参数集合，并获得N个工艺参数区间；
控制优化模块16，所述控制优化模块16用于分别选取所述N个工艺参数区间内过去时间中未出现且满足预设性能要求的工艺参数，获得N个待寻优工艺参数集，分别在所述N个待寻优工艺参数集中进行寻优，获得N个最优关键工艺参数，对所述生产制备工艺进行控制优化。
进一步的，所述系统还包括：
生产数据获取模块，所述生产数据获取模块用于基于过去预设时间范围内M个工艺步骤的生产质检数据，获取M个工艺步骤的M个生产时间集合，以及M个质量不合格率信息；
生产时间系数计算模块，所述生产时间系数计算模块用于根据所述M个生产时间集合，计算获得M个平均生产时间，并计算获得M个生产时间系数；
质量不合格率系数计算模块，所述质量不合格率系数计算模块用于根据所述M个质量不合格率信息，计算每个质量不合格率信息与M个质量不合格率信息的比值，获得M个质量不合格率系数；
生产难度参数确定模块，所述生产难度参数确定模块用于根据所述M个生产时间系数和M个质量不合格率系数，计算获得所述M个生产难度参数。
进一步的，所述系统还包括：
二极管检测数据获得模块，所述二极管检测数据获得模块用于基于过去预设时间范围内生产所述目标二极管的检测数据，获得P个检测数据，每个检测数据内包括目标二极管是否为次品，以及所述M个工艺步骤是否出现质量问题的检测数据，P为正整数；
次品检测数据获得模块，所述次品检测数据获得模块用于基于过去预设时间范围内生产所述目标二极管的次品检测数据，获得Q个次品数据，每个次品数据内包括所述M个工艺步骤是否出现质量问题的M个检测数据，Q为小于P的正整数，所述P个检测数据包括所述Q个次品数据；
第一执行模块，所述第一执行模块用于基于所述P个检测数据和Q个次品数据，分析获取所述M个工艺步骤的M个支持度信息和M个可信度信息；
第二执行模块，所述第二执行模块用于根据所述M个支持度信息和M个可信度信息，计算获得M个关联度参数。
进一步的，所述系统还包括：
支持度计算模块，所述支持度计算模块用于在所述P个检测数据内，分别获取所述M个工艺步骤出现质量问题的次数与P的比值，获得所述M个支持度信息；
可信度计算模块，所述可信度计算模块用于在所述Q个次品数据内，分别获取所述M个工艺步骤出现质量问题的次数与Q的比值，获得所述M个可信度信息。
进一步的，所述系统还包括：
第一关联度系数获得模块，所述第一关联度系数获得模块用于计算每个支持度信息与M个支持度信息之和的比值，获得M个第一关联度系数；
第二关联度系数获得模块，所述第二关联度系数获得模块用于计算每个可信度信息与M个可信度信息之和的比值，获得M个第二关联度系数；
加权计算模块，所述加权计算模块用于按照预设权重比，对所述M个第一关联度系数和所述M个第二关联度系数进行加权计算，获得所述M个关联度参数。
进一步的，所述系统还包括：
待选工艺参数集确定模块，所述待选工艺参数集确定模块用于分别选取所述N个工艺参数区间内过去时间中未出现的工艺参数，获得N个待选工艺参数集；
性能判断模块，所述性能判断模块用于分别采用所述N个待选工艺参数集内的待选工艺参数进行试生产，并判断试生产的目标二极管的性能是否符合预设性能要求；
待寻优工艺参数集确定模块，所述待寻优工艺参数集确定模块用于将满足所述预设性能要求的待选工艺参数进行集合，获得所述N个待寻优工艺参数集。
进一步的，所述系统还包括：
第一待寻优工艺参数获得模块，所述第一待寻优工艺参数获得模块用于在N个待寻优工艺参数集内的第一待寻优工艺参数集内，随机选择一待寻优工艺参数，作为第一待寻优工艺参数，并作为临时最优解；
第三执行模块，所述第三执行模块用于获取所述第一待寻优工艺参数的第一控制优化评分；
第二待寻优工艺参数获得模块，所述第二待寻优工艺参数获得模块用于再次在第一待寻优工艺参数集内，随机选择一待寻优工艺参数，作为第二待寻优工艺参数；
第四执行模块，所述第四执行模块用于获取所述第二待寻优工艺参数的第二控制优化评分；
第五执行模块，所述第五执行模块用于判断所述第二控制优化评分是否大于所述第一控制优化评分，若是，则将第二待寻优工艺参数作为临时最优解，若否，则按照概率将所述第二待寻优工艺参数作为临时最优解，所述概率随着迭代寻优次数的增加而减小；
第一最优关键工艺参数获得模块，所述第一最优关键工艺参数获得模块用于继续进行迭代寻优，直到达到预设迭代次数，将最终的临时最优解输出，获得第一最优关键工艺参数；
参数集寻优模块，所述参数集寻优模块用于继续在其他的N-1个待寻优工艺参数集内进行寻优，获得所述N个最优关键工艺参数。
进一步的，所述系统还包括：
试生产模块，所述试生产模块用于采用所述第一待寻优工艺参数，对生产制备工艺进行更新，并进行预设数量的试生产，获得预设数量的试生产结果；
质量检测模块，所述质量检测模块用于对所述预设数量的试生产结果进行质量检测，获得第一良品率；
第一控制优化评分确定模块，所述第一控制优化评分确定模块用于将所述第一良品率作为所述第一控制优化评分。
本发明实施例所提供的一种二极管制备控制优化系统可执行本发明任意实施例所提供的一种二极管制备控制优化方法，具备执行方法相应的功能模块和有益效果。
所包括的各个模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能模块的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。
本申请提供了一种二极管制备控制优化方法，其中，所述方法应用于一种二极管制备控制优化系统，所述方法包括：通过目标工厂中过去时间内目标二极管的生产数据，分析目标二极管的生产制备工艺中M个工艺步骤的生产难度，获得M个生产难度参数；根据过去时间内目标二极管的生产数据，分析M个工艺步骤与目标二极管生产质量的关联度，获得M个关联度参数；基于M个关联度参数和M个生产难度参数进行计算，获得M个工艺步骤的综合关键值，并根据其确定N个关键步骤；基于N个关键步骤对应的N个历史工艺参数集合，获得N个工艺参数区间；分别选取N个工艺参数区间内过去时间中未出现且满足预设性能要求的工艺参数，获得N个待寻优工艺参数集，分别在N个待寻优工艺参数集中进行寻优，获得N个最优关键工艺参数；根据N个最优关键工艺参数对生产制备工艺进行控制优化。解决了现有技术中二极管的生产制备工艺精准性低，无法根据特定的性能要求制定相应的二极管生产方案，进而造成二极管的生产质量不高的技术问题。达到了提高二极管的生产制备工艺精准性，实现根据特定的性能要求制定相应的二极管生产方案，提升二极管的生产质量的技术效果。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。
Claims (9)
1.一种二极管制备控制优化方法，其特征在于，所述方法包括：
获取目标二极管的生产制备工艺，其中，所述生产制备工艺内包括M个工艺步骤，M为大于1的正整数；
根据目标工厂中过去时间内目标二极管的生产数据，分析所述M个工艺步骤的生产难度，获得M个生产难度参数；
根据过去时间内目标二极管的生产数据，分析所述M个工艺步骤与所述目标二极管生产质量的关联度，获得M个关联度参数；
基于所述M个关联度参数和所述M个生产难度参数，计算所述M个工艺步骤的综合关键值并按照从大到小的顺序进行排序，选取最大的N个综合关键值对应的工艺步骤，作为N个关键步骤，N为大于等于1且小于M的整数；
获取所述N个关键步骤过去时间内的工艺参数，获得N个历史工艺参数集合，并获得N个工艺参数区间；
分别选取所述N个工艺参数区间内过去时间中未出现且满足预设性能要求的工艺参数，获得N个待寻优工艺参数集，分别在所述N个待寻优工艺参数集中进行寻优，获得N个最优关键工艺参数，对所述生产制备工艺进行控制优化。
2.根据权利要求1所述的方法，其特征在于，根据目标工厂中过去时间内目标二极管的生产数据，分析所述M个工艺步骤的生产难度，获得M个生产难度参数，包括：
基于过去预设时间范围内M个工艺步骤的生产质检数据，获取M个工艺步骤的M个生产时间集合，以及M个质量不合格率信息；
根据所述M个生产时间集合，计算获得M个平均生产时间，并计算获得M个生产时间系数；
根据所述M个质量不合格率信息，计算每个质量不合格率信息与M个质量不合格率信息的比值，获得M个质量不合格率系数；
根据所述M个生产时间系数和M个质量不合格率系数，计算获得所述M个生产难度参数。
3.根据权利要求1所述的方法，其特征在于，根据过去时间内目标二极管的生产数据，分析所述M个工艺步骤与所述目标二极管生产质量的关联度，获得M个关联度参数，包括：
基于过去预设时间范围内生产所述目标二极管的检测数据，获得P个检测数据，每个检测数据内包括目标二极管是否为次品，以及所述M个工艺步骤是否出现质量问题的检测数据，P为正整数；
基于过去预设时间范围内生产所述目标二极管的次品检测数据，获得Q个次品数据，每个次品数据内包括所述M个工艺步骤是否出现质量问题的M个检测数据，Q为小于P的正整数，所述P个检测数据包括所述Q个次品数据；
基于所述P个检测数据和Q个次品数据，分析获取所述M个工艺步骤的M个支持度信息和M个可信度信息；
根据所述M个支持度信息和M个可信度信息，计算获得M个关联度参数。
4.根据权利要求3所述的方法，其特征在于，基于所述P个检测数据和Q个次品数据，分析获取所述M个工艺步骤的M个支持度信息和M个可信度信息，包括：
在所述P个检测数据内，分别获取所述M个工艺步骤出现质量问题的次数与P的比值，获得所述M个支持度信息；
在所述Q个次品数据内，分别获取所述M个工艺步骤出现质量问题的次数与Q的比值，获得所述M个可信度信息。
5.根据权利要求4所述的方法，其特征在于，根据所述M个支持度信息和M个可信度信息，计算获得M个关联度参数，包括：
计算每个支持度信息与M个支持度信息之和的比值，获得M个第一关联度系数；
计算每个可信度信息与M个可信度信息之和的比值，获得M个第二关联度系数；
按照预设权重比，对所述M个第一关联度系数和所述M个第二关联度系数进行加权计算，获得所述M个关联度参数。
6.根据权利要求1所述的方法，其特征在于，分别选取所述N个工艺参数区间内过去时间中未出现且满足预设性能要求的工艺参数，获得N个待寻优工艺参数集，包括：
分别选取所述N个工艺参数区间内过去时间中未出现的工艺参数，获得N个待选工艺参数集；
分别采用所述N个待选工艺参数集内的待选工艺参数进行试生产，并判断试生产的目标二极管的性能是否符合预设性能要求；
将满足所述预设性能要求的待选工艺参数进行集合，获得所述N个待寻优工艺参数集。
7.根据权利要求6所述的方法，其特征在于，分别在所述N个待寻优工艺参数集中进行寻优，获得N个最优关键工艺参数，对所述生产制备工艺进行控制优化，包括：
在N个待寻优工艺参数集内的第一待寻优工艺参数集内，随机选择一待寻优工艺参数，作为第一待寻优工艺参数，并作为临时最优解；
获取所述第一待寻优工艺参数的第一控制优化评分；
再次在第一待寻优工艺参数集内，随机选择一待寻优工艺参数，作为第二待寻优工艺参数；
获取所述第二待寻优工艺参数的第二控制优化评分；
判断所述第二控制优化评分是否大于所述第一控制优化评分，若是，则将第二待寻优工艺参数作为临时最优解，若否，则按照概率将所述第二待寻优工艺参数作为临时最优解，所述概率随着迭代寻优次数的增加而减小；
继续进行迭代寻优，直到达到预设迭代次数，将最终的临时最优解输出，获得第一最优关键工艺参数；
继续在其他的N-1个待寻优工艺参数集内进行寻优，获得所述N个最优关键工艺参数。
8.根据权利要求7所述的方法，其特征在于，获取所述第一待寻优工艺参数的第一控制优化评分，包括：
采用所述第一待寻优工艺参数，对生产制备工艺进行更新，并进行预设数量的试生产，获得预设数量的试生产结果；
对所述预设数量的试生产结果进行质量检测，获得第一良品率；
将所述第一良品率作为所述第一控制优化评分。
9.一种二极管制备控制优化系统，其特征在于，所述系统用于执行权利要求1至8任一项所述的方法，所述系统包括：
制备工艺获取模块，所述制备工艺获取模块用于获取目标二极管的生产制备工艺，其中，所述生产制备工艺内包括M个工艺步骤，M为大于1的正整数；
生产难度分析模块，所述生产难度分析模块用于根据目标工厂中过去时间内目标二极管的生产数据，分析所述M个工艺步骤的生产难度，获得M个生产难度参数；
生产质量关联度分析模块，所述生产质量关联度分析模块用于根据过去时间内目标二极管的生产数据，分析所述M个工艺步骤与所述目标二极管生产质量的关联度，获得M个关联度参数；
工艺步骤选取模块，所述工艺步骤选取模块用于基于所述M个关联度参数和所述M个生产难度参数，计算所述M个工艺步骤的综合关键值并按照从大到小的顺序进行排序，选取最大的N个综合关键值对应的工艺步骤，作为N个关键步骤，N为大于等于1且小于M的整数；
工艺参数区间获得模块，所述工艺参数区间获得模块用于获取所述N个关键步骤过去时间内的工艺参数，获得N个历史工艺参数集合，并获得N个工艺参数区间；
控制优化模块，所述控制优化模块用于分别选取所述N个工艺参数区间内过去时间中未出现且满足预设性能要求的工艺参数，获得N个待寻优工艺参数集，分别在所述N个待寻优工艺参数集中进行寻优，获得N个最优关键工艺参数，对所述生产制备工艺进行控制优化。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310677486.1A CN116432867A (zh) | 2023-06-09 | 2023-06-09 | 一种二极管制备控制优化方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310677486.1A CN116432867A (zh) | 2023-06-09 | 2023-06-09 | 一种二极管制备控制优化方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116432867A true CN116432867A (zh) | 2023-07-14 |
Family
ID=87089369
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310677486.1A Pending CN116432867A (zh) | 2023-06-09 | 2023-06-09 | 一种二极管制备控制优化方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116432867A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116993233A (zh) * | 2023-09-28 | 2023-11-03 | 南通华隆微电子股份有限公司 | 一种提高二极管封装质量的方法与系统 |
| CN117012859A (zh) * | 2023-09-28 | 2023-11-07 | 北京市天润中电高压电子有限公司 | 一种半导体光敏高压二极管的制备方法 |
| CN117057631A (zh) * | 2023-10-10 | 2023-11-14 | 江苏宏宝工具有限公司 | 工具钳的生产智能控制方法及系统 |
| CN117234171A (zh) * | 2023-11-16 | 2023-12-15 | 江苏永鼎股份有限公司 | 用于芯片生产的工艺参数控制方法及系统 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2021189906A1 (zh) * | 2020-10-20 | 2021-09-30 | 平安科技（深圳）有限公司 | 基于联邦学习的目标检测方法、装置、设备及存储介质 |
| CN115407739A (zh) * | 2022-10-31 | 2022-11-29 | 天津有容蒂康通讯技术有限公司 | 一种电缆制造的生产设备控制方法及系统 |
| CN115840431A (zh) * | 2023-02-27 | 2023-03-24 | 一夫科技股份有限公司 | 一种ⅱ型无水石膏的生产控制方法及系统 |
| CN115906399A (zh) * | 2022-10-11 | 2023-04-04 | 电子科技大学 | 一种改进的小样本数据下产品关键工艺质量预测方法 |
| CN115935196A (zh) * | 2022-11-18 | 2023-04-07 | 无锡药明生物技术股份有限公司 | 工艺与生产线的匹配度计算方法、优化方法和装置 |
-
2023
- 2023-06-09 CN CN202310677486.1A patent/CN116432867A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2021189906A1 (zh) * | 2020-10-20 | 2021-09-30 | 平安科技（深圳）有限公司 | 基于联邦学习的目标检测方法、装置、设备及存储介质 |
| CN115906399A (zh) * | 2022-10-11 | 2023-04-04 | 电子科技大学 | 一种改进的小样本数据下产品关键工艺质量预测方法 |
| CN115407739A (zh) * | 2022-10-31 | 2022-11-29 | 天津有容蒂康通讯技术有限公司 | 一种电缆制造的生产设备控制方法及系统 |
| CN115935196A (zh) * | 2022-11-18 | 2023-04-07 | 无锡药明生物技术股份有限公司 | 工艺与生产线的匹配度计算方法、优化方法和装置 |
| CN115840431A (zh) * | 2023-02-27 | 2023-03-24 | 一夫科技股份有限公司 | 一种ⅱ型无水石膏的生产控制方法及系统 |
Non-Patent Citations (1)
| Title |
|---|
| 洪镇南;徐祖华;李祖林;: "基于灰色关联分析的工件圆度控制参数的优化", 南华大学学报(自然科学版), no. 03 * |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116993233A (zh) * | 2023-09-28 | 2023-11-03 | 南通华隆微电子股份有限公司 | 一种提高二极管封装质量的方法与系统 |
| CN117012859A (zh) * | 2023-09-28 | 2023-11-07 | 北京市天润中电高压电子有限公司 | 一种半导体光敏高压二极管的制备方法 |
| CN117012859B (zh) * | 2023-09-28 | 2023-12-08 | 北京市天润中电高压电子有限公司 | 一种半导体光敏高压二极管的制备方法 |
| CN116993233B (zh) * | 2023-09-28 | 2023-12-12 | 南通华隆微电子股份有限公司 | 一种提高二极管封装质量的方法与系统 |
| CN117057631A (zh) * | 2023-10-10 | 2023-11-14 | 江苏宏宝工具有限公司 | 工具钳的生产智能控制方法及系统 |
| CN117057631B (zh) * | 2023-10-10 | 2024-01-16 | 江苏宏宝工具有限公司 | 工具钳的生产智能控制方法及系统 |
| CN117234171A (zh) * | 2023-11-16 | 2023-12-15 | 江苏永鼎股份有限公司 | 用于芯片生产的工艺参数控制方法及系统 |
| CN117234171B (zh) * | 2023-11-16 | 2024-02-20 | 江苏永鼎股份有限公司 | 用于芯片生产的工艺参数控制方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116432867A (zh) | 一种二极管制备控制优化方法及系统 | |
| US20060074828A1 (en) | Methods and apparatus for detecting temporal process variation and for managing and predicting performance of automatic classifiers | |
| CN105930976B (zh) | 基于加权理想点法的节点电压暂降严重程度综合评估方法 | |
| JP4417897B2 (ja) | 製造データ解析方法及び製造データ解析装置 | |
| CN113259325B (zh) | 基于麻雀搜索算法优化Bi-LSTM的网络安全态势预测方法 | |
| CN112257963B (zh) | 基于航天软件缺陷数据分布离群点的缺陷预测方法及装置 | |
| US7373332B2 (en) | Methods and apparatus for detecting temporal process variation and for managing and predicting performance of automatic classifiers | |
| CN113484813A (zh) | 多环境应力下的智能电表故障率预估方法及系统 | |
| CN111046977A (zh) | 基于em算法和knn算法的数据预处理方法 | |
| CN113935535A (zh) | 一种面向中长期预测模型的主成分分析方法 | |
| CN111898637A (zh) | 一种基于ReliefF-DDC特征选择算法 | |
| CN112904292A (zh) | 基于重要性采样的宽带雷达检测门限确定及目标检测方法 | |
| CN116629686A (zh) | 一种评估企业能耗数据的方法及装置 | |
| CN112616160B (zh) | 一种智能短波频率跨频段实时预测方法及系统 | |
| US20060074826A1 (en) | Methods and apparatus for detecting temporal process variation and for managing and predicting performance of automatic classifiers | |
| CN117575176B (zh) | 一种电力数据中异常值的处理方法及系统 | |
| Heo et al. | A modified lasso model for yield analysis considering the interaction effect in a multistage manufacturing line | |
| CN109782342B (zh) | 一种选择性能较优的地震事件关联检测算法的方法 | |
| CN117272122B (zh) | 晶圆异常的共性分析方法及装置、可读存储介质、终端 | |
| CN116956745B (zh) | 密封电子设备多余物定位确信可靠性分析方法 | |
| CN117871917B (zh) | 用于多功能设备的信号模拟控制方法 | |
| CN114997313B (zh) | 一种海洋在线监测数据的异常检测方法 | |
| CN118014442A (zh) | 共混型互穿网络热塑性弹性体的质量评估方法及系统 | |
| CN117827568A (zh) | 测试设备稳定性的监控方法、装置、电子设备和存储介质 | |
| CN118070198A (zh) | 测试异常的分析方法及装置、可读存储介质、终端 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20230714 |