[发明专利]一种基于关联规则挖掘的不良根因路径分析方法及系统

说明书

本发明公开了一种基于关联规则挖掘的不良根因路径分析方法及系统，涉及智能制造与人工智能技术领域，本发明对关联规则挖掘算法做定制化的设计，基于改良的关联规则挖掘算法遍历所有可能设备路径组合，在满足设备路径样本量约束条件下，自动快速找到不良样本最为集中的设备路径，定位不良根因。本发明能够快速自动定位真正的根因，提升产品良率，且无需人工经验干预。

技术领域

本发明涉及智能制造与人工智能技术领域，具体地，涉及一种基于关联规则挖掘的不良根因路径分析方法及系统。

背景技术

当前传统面板制造生产过程通常包含Array、CF、Cell和模组等流程，加工流程为在玻璃Glass基板上通过逐层叠加实现控制单元的生产，并通过RGB单元实现色彩的控制，然后将大的Glass板进行切割得到最终的Panel板，即最终面向客户的手机、电视屏幕，最后通过模组段来添加PCB控制等相关部件。

在每个生产过程或阶段中，工厂均会通过电学检测或光学检测来识别产品的缺陷信息，并对缺陷进行汇总分类，即定义出缺陷的Code类别。当某种缺陷高发时，工厂会基于缺陷Code以及产品的生产履历、参数、特性值等信息定位问题根因，以实现不良问题的改善，提升产品良率。目前最新生产工艺当属OLED生产，区别于传统的CF板制造，具有更高的科技复杂度与成本投入，同时也更容易产生不良.提升产品良率的需求更加迫切。

在路径分析方面，传统的分析方法是基于经验找到最可能发生缺陷的工艺段范围，在该范围内，分析最容易导致玻璃发生不良的设备路径组合。综合考虑经过路径的样本不能太少，同时要求不良样本比较集中，在这些设备路径组合中，按经验抽出几个作对比分析。传统方法很大程度上依赖经验做范围缩小，一方面过于依赖人员分析，当面对海量数据和不良code时，效率很低，另一方面只将可能路径组合中的很少部分拿出来做了对比分析，难以有效找到真正的根因。

发明内容

本发明针对不良根因路径分析的工厂场景，对关联规则挖掘算法做定制化的设计，基于改良的关联规则挖掘算法遍历所有可能设备路径组合，在满足设备路径样本量约束条件下，自动快速找到不良样本最为集中的设备路径，定位不良根因。本发明能够快速自动定位真正的根因，且无需人工经验干预，能够提升产品良率。

为实现上述目的，本发明一方面提供了一种基于关联规则挖掘的不良根因路径分析方法，所述方法包括：

采集样本产品生产数据；

剔除样本产品生产数据中无识别能力和不具有分析意义的站点子设备，得到待分析的站点子设备集合A；

针对集合A中的每个站点子设备，计算经过该站点子设备的不良产品占全部检出不良产品数量的比例K，若比例K的值超过预设阈值，则将该站点子设备加入候选设备集S；

基于候选设备集S搜索设备路径组合，得到设备路径组合搜索结果；

计算设备路径组合搜索结果中所有组合的提升度，按提升度降序排序，获得每个设备路径深度的最大提升度，计算相邻设备路径深度最大提升度的差值，获得相邻设备路径深度最大提升度的增长幅度，其中，相邻的设备路径深度是指深度的值相邻，比如记录结果的字典表中，深度值为2与深度值1、3两个相邻；

基于相邻设备路径深度最大提升度的增长幅度，获得相邻设备路径深度最大提升度的最大增长幅度对应的深度L；

利用深度L对应的设备路径组合中最大提升度对应的设备路径获得不良根因路径分析结果。

其中，本发明通过对产品的加工设备路径进行分析，定制化调整设计关联规则挖掘算法，能够快速有效的定位真正的不良根因，解决传统分析依赖人工经验以及分析不足，分析效率低，难以有效找到真正根因的问题。

优选的，考虑到一定的样本误差，当比例超过一定的比例时，则认为所有产品都经过了该子设备，则该子设备无识别能力需要剔除该子设备相关记录不做分析。