[发明专利]产品虚拟量测方法及系统及装置及介质

说明书

本发明公开了产品虚拟量测方法及系统及装置及介质，涉及智能工业领域，本方法通过结合时序滑窗方法和差分方法来建立参数差与特性值差之间的相关关系，消除工艺设备机差对机器学习模型的负面影响，并实现了有效样本的扩充，进而建立的机器学习模型对异常特性值有较高的检测准确率。

技术领域

本发明涉及智能工业领域，具体地，涉及产品虚拟量测方法及系统及装置及介质。

背景技术

面板行业生产工艺复杂，从一张glass到生产出完整的panel面板包括Array、CF、Cell、Module等环节，具体又包括清洗干燥、成膜、曝光、显影、刻蚀、配向、涂布、液晶注入等上百道工序，任何一个环节都可能造成面板缺陷，而缺陷板需要及时发现，阻止其流入后道制程产生不合格品以及浪费生产资源，因此工厂在各个主工艺制程后段都设置了检测站点，对glass的重要特性值进行检测。然而由于部分检测项目有较高的时间成本，因此对每一张glass均进行检测是不现实的。当前绝大多数工厂都是采用抽检的方式，对少量glass进行抽检，例如20抽1，但是抽检的方式可能漏掉一些缺陷，对产品的良率还是有一定影响。

面板生产过程中会利用传感器对诸多工艺参数、设备参数进行采集，以一秒采集一次为单位，存储了大量的有用信息可供利用。不同生产制程阶段需要监测的参数不同，使用的传感器也不同，以化学气相成膜工艺为例，主要监测的参数有温度、压力和化学气体流量等，对应温度传感器、压力传感器和流量传感器。

虚拟量测是一种利用机器学习算法对生产工艺参数、设备参数和特性值之间建立回归模型，进而实现对特性值进行自动预测的方法。由于虚拟量测可以对所有glass实现全检，并且可以降低检测设备与人工成本，已经成为了面板行业特性值检测领域的一个重要研究方向。然而由于面板生产中缺陷样本的稀缺性以及工艺设备的机差（同样的设备，两台机器之间也会存在微小的性能差异（机差）。机差可以说是半导体制造设备厂家在生产同一型号的设备时，因不可控因素的存在而可能产生的设备差异。随着半导体精密化程度的不断提高，机差问题日益显著），导致一般的机器学习模型难以实现较高的检测准确率。

发明内容

为了提高产品虚拟量测的准确率，本发明产品虚拟量测方法及系统及装置及介质。

为实现上述目的，本发明提供了产品虚拟量测方法，所述方法包括：

获得多个第一产品的第一历史加工数据，所述第一产品为已完成工艺加工和质量检测的产品；

对每个所述第一历史加工数据进行特征提取获得多个第一数据集；

对每个所述第一数据集进行时序滑窗处理，获得多个第一参考样本；

将多个所述第一数据集与对应的所述第一参考样本做差分处理获得多个第一差分样本；

基于多个所述第一差分样本获得第一训练集；

利用所述第一训练集训练第一模型获得第二模型，所述第一模型用于学习参数特征差和特性值差之间的关系；

获得待检测产品的实时加工数据，所述待检测产品为已完成工艺加工且未完成质量检测的产品；

对所述实时加工数据进行特征提取获得第二数据集；

对所述第二数据集进行时序滑窗处理获得第二参考样本，将所述第二数据集与所述第二参考样本做差分处理获得差分数据；

将所述差分数据输入所述第二模型，获得所述待检测产品与其对应的参考产品之间的特性值差。

其中，本方法通过结合时序滑窗方法和差分方法来建立参数差与特性值差之间的相关关系，消除工艺设备机差对机器学习模型的负面影响，并实现了有效样本的扩充，进而建立的机器学习模型对异常特性值有较高的检测准确率。