[发明专利]动态预测模型建立方法、电子装置及用户接口

权利要求书

1.一种制造程序的动态预测模型建立方法，通过处理装置来执行，其特征在于，所述动态预测模型建立方法包括：

依据辅助数据集，建立整合模型，所述辅助数据集来自于所述制造程序的仿真数据集或近似数据集；

依据数据捕获设备取得目标系统中的目标数据集，所述目标数据集包括输入参数和输出反应参数，以两阶段模型融合技术修正所述整合模型为动态预测模型，所述两阶段模型融合技术包括：

依据所述整合模型，训练残差模型；

依据所述整合模型与所述残差模型，获得所述动态预测模型；以及

依据所述辅助数据集及所述目标数据集的误差程度或不确定程度，提供预测与所述目标数据集相符及关联于所述制造程序的取样点推荐信息，所述误差程度是所述辅助数据集的分布曲线与所述目标数据集的分布曲线的差，所述不确定程度是所述辅助数据集的分布曲线中的不确定上限曲线与不确定下限曲线的差距，所述目标数据集的输入参数包括LED制程所需的气体流量，所述目标数据集的输出反应参数包括真实产品质量；所述辅助数据集的输入参数包括所述LED制程所需的气体流量，所述辅助数据集的输出反应参数包括仿真出的产品质量。

2.根据权利要求1所述的制造程序的动态预测模型建立方法，其特征在于，所述辅助数据集的数量为至少两个，所述处理装置建立所述整合模型的步骤包括：

依据所述至少两个辅助数据集，建立至少两个个别模型；

计算所述至少两个个别模型的信心权重；以及

依据所述至少两个个别模型的信心权重，整合所述至少两个个别模型，以获得所述整合模型。

3.根据权利要求2所述的制造程序的动态预测模型建立方法，其特征在于，在建立所述至少两个个别模型的步骤中，根据留一验证法的平均绝对误差分数获得所述至少两个个别模型。

4.根据权利要求2所述的制造程序的动态预测模型建立方法，其特征在于，在计算所述至少两个个别模型的所述信心权重的步骤中，所述至少两个信心权重负相关于所述至少两个个别模型的平均绝对误差。

5.根据权利要求1所述的动态预测模型建立方法，其特征在于，所述处理装置修正所述整合模型为所述动态预测模型的步骤是通过迁移式学习的方式获得所述动态预测模型。

6.根据权利要求1所述的制造程序的动态预测模型建立方法，其特征在于，训练所述残差模型的步骤根据留一验证法的平均绝对误差分数获得所述残差模型。

7.根据权利要求1所述的制造程序的动态预测模型建立方法，其特征在于，所述处理装置提供所述取样点推荐信息的步骤包括：

于第一取样模式，仅依据所述不确定程度，提供所述取样点推荐信息；

于第二取样模式，依据所述误差程度及所述不确定程度，提供所述取样点推荐信息；以及

于第三取样模式，依据取样点分布信息，提供所述取样点推荐信息。

8.根据权利要求1所述的制造程序的动态预测模型建立方法，其特征在于，所述辅助数据集包括仿真数据集及近似数据集。