[发明专利]一种基于LLE-SVDD的非线性轮廓数据监控方法

说明书

本发明涉及数据监控的技术领域，特别是涉及一种基于LLE‑SVDD的非线性轮廓数据监控方法，通过与传统的轮廓监控方法的监控效果进行比较，显示了基于LLE‑SVDD的非线性轮廓监控模型具有良好的监控效果,对于进一步探索非线性轮廓质量实时监控问题提供了新的视角和方法：S1、局部线性嵌入降维：S2、LLE‑SVDD非线性质量监控模型构建：S3、模型监控过程。

技术领域

本发明涉及数据监控的技术领域，特别是涉及一种基于LLE-SVDD的非线性轮廓数据监控方法。

背景技术

由于复杂产品监控过程中收集的数据量较大、关系较复杂，采用某种函数关系描述自变量与质量特性之间的关系，比一元或多元变量更加准确。因此将这种表征单个响应变量和多个解释变量之间的复杂函数关系称为轮廓(Profile)。目前对非线性轮廓进行监控的方法主要有三种，基于回归拟合的监控方法、基于差异度量的监控方法及基于机器学习的监控方法。

基于回归拟合的控制方法是为对非线性轮廓进行回归拟合，通过对回归模型中参数的监控实现对非线性轮廓的监控。William等人用带有四个参数的逻辑回归模型对药物的剂量-反应轮廓进行拟合，并提出了三种T²统计量对这四个参数进行监控。Jensen和Birch提出了一种非线性混合模型来监测非线性剖面，并考虑了轮廓内的相关结构。Kazemzadeh等提出多项式回归控制图，对正交转化后的回归系数和误差项建立EWMA控制图。Amiri等人采用二阶多项式拟合汽车发动机数据进行轮廓监测。Chang用B样条回归检测轮廓中的均值偏移和形状改变。Chen和Nembhard提出了一种基于离散傅里叶变换系数的自适应Neyman检验统计量的高维控制图轮廓监测方法。Hadidoust等将样条平滑技术引入到复杂轮廓监控中，采用最大似然估计的方法估计异常点。Izadbakhsh等提出了基于皮尔逊残差的监控方法，当非线性轮廓模型的参数形式难以确定时，可以采用该方法。Qiu等提出基于局部线性平滑的EWMA控制图，计算简捷，易于实施，并且能够有效检测轮廓的偏移程度。Zou等人将MEWMA法与基于非参数回归的广义似然比检验相结合,用于监控非线性轮廓。Colosimo将非参数混合效应模型用于VDP数据集中。Fan用几个正弦函数之和对回流过程的非线性轮廓进行了拟合，并用Hotelling T²统计量对模型参数进行监控。Ding提出基于随机效应的有序轮廓检测。He将EWMA控制图用于熔融沉积过程的剖面检测问题。Liu将非线性混合模型用于监测工业晶圆切片过程中的晶圆厚度剖面。

由于基于回归拟合的方法过于复杂，有些学者提出基于差异度量的方法对非线性轮廓进行监控。其基本思想为：建立基础轮廓，构建样本轮廓与基础轮廓之间的差异统计量，对差异统计量进行监控，从而实现对轮廓的监控和异常轮廓的识别。Jin将独立的解释变量分成p段。每一个分段内的偏移将与特定类型的过程故障相关，并建立Hotelling T²控制图对每个分段内的偏移进行监控。Willam提出用样本轮廓与基础轮廓之间的最大偏差M₁、绝对偏差之和M₂等作为差异统计量，构建轮廓控制图。波音公司提出将样本轮廓与基准轮廓间的绝对偏差的平均值作为统计量，构建控制图。Vaghefi将样本轮廓与基础轮廓之间的面积作为差异统计量对非线性轮廓进行监控。Zhang将轮廓视为高维空间的向量，构建χ²控制图用于第Ⅰ阶段和第Ⅱ阶段的分析中。Wei等人基于非参数L-1位置尺度模型提出使用三种差异度量同时监控轮廓的垂直位置偏移、局部形状变化和整体形状偏离。Qiu等人提出了一种用于第Ⅱ阶段分析的新的控制图，当轮廓内部相关时，将局部线性核平滑算法引入到EWMA控制图中。