一种基于时空关联的AMC监测数据聚类方法与流程

本发明涉及洁净室污染监测，具体是一种基于时空关联的amc监测数据聚类方法。

背景技术：

1、半导体无尘室要求极高的洁净度，微小的尘埃、颗粒或气态污染物都可能影响芯片良率。其中，气态污染物包括酸性分子、碱性分子、可凝性分子、掺杂性分子、难溶性有机物和挥发性有机化物等，在精度要求高的无尘室中，此类气态污染物的监测过程是重中之重，它对芯片制造过程的危害极大。

2、现有的检测气态污染物的设备主要是amc监测仪，通过多点采样实时监测气态污染物浓度，在实际应用过程中，由于芯片制造过程对环境的要求极高，报警阈值会很低，很容易出现误报现象，如何降低误报概率是本发明技术方案想要解决的技术问题。

技术实现思路

1、本发明的目的在于提供一种基于时空关联的amc监测数据聚类方法，以解决上述背景技术中提出的问题。

2、为实现上述目的，本发明提供如下技术方案：

3、一种基于时空关联的amc监测数据聚类方法，所述方法包括：

4、查询amc监测仪的布置信息，根据所述布置信息创建统计矩阵，基于统计矩阵接收各个amc监测仪实时采集的amc监测数据；所述amc监测数据中含有时间标签；

5、对含有amc监测数据的统计矩阵进行时间匹配和空间匹配，确定相邻监测数据的匹配值，基于匹配值构建数据图；所述数据图中含有与统计矩阵中各元素对应的节点，节点之间含有连接线，所述连接线含有匹配值标签；所述匹配值用于表示相邻两个监测数据的相关情况；

6、对所述数据图进行节点切分，得到节点集；

7、根据节点集的分布情况确定显示参数，基于显示参数构建提示信息。

8、作为本发明进一步的方案：所述查询amc监测仪的布置信息，根据所述布置信息创建统计矩阵，基于统计矩阵接收各个amc监测仪实时采集的amc监测数据的步骤包括：

9、查询洁净室中amc监测仪的位置及其监测点的相对坐标；

10、统计每个amc监测仪的所有监测点的相对坐标，构建子阵；

11、根据amc监测仪的位置排列子阵，得到统计矩阵；所述统计矩阵包含与监测点一一对应的行列位置；

12、接收各个amc监测仪上传的含有监测点标签的amc监测数据，插入统计矩阵中对应的行列位置；

13、其中，时间标签相同的amc监测数据插入同一统计矩阵，并将时间标签作为含有amc监测数据的统计矩阵的索引。

14、作为本发明进一步的方案：所述接收各个amc监测仪上传的含有监测点标签的amc监测数据，插入统计矩阵中对应的行列位置的步骤包括：

15、接收各个amc监测仪上传的含有监测点标签的amc监测数据；

16、基于由历史数据确定的数据界对amc监测数据进行标准化；

17、查询监测点标签对应的行列位置，将标准化后的数据插入行列位置；

18、基于插入的数据对统计矩阵中不与监测点对应的行列位置进行数据仿真。

19、作为本发明进一步的方案：数据仿真的规则为：

20、；式中，为点处的值，为与第k个监测点对应的标准化后的数据；为与第k个监测点对应的标准化后的数据的权重；,与反比于点和第k个监测点的行列位置的距离。

21、作为本发明进一步的方案：所述对含有amc监测数据的统计矩阵进行时间匹配和空间匹配，确定相邻监测数据的匹配值，基于匹配值构建数据图的步骤包括：

22、按照时间顺序排列含有amc监测数据的统计矩阵；

23、比对相邻时刻的统计矩阵，计算矩阵相似度；

24、基于所述矩阵相似度对统计矩阵进行合并；其中，合并过程为，计算每个行列位置上数值的均值，并对统计矩阵的索引进行更新；

25、对合并后的统计矩阵进行空间匹配，确定相邻监测数据的匹配值，基于匹配值构建数据图。

26、作为本发明进一步的方案：所述对合并后的统计矩阵进行空间匹配，确定相邻监测数据的匹配值，基于匹配值构建数据图的步骤包括：

27、基于均值计算统计矩阵合并过程中的标准差；

28、基于拉普拉斯算子计算合并后的统计矩阵的拉普拉斯矩阵；

29、根据标准差对所述拉普拉斯矩阵进行修正，根据修正后的拉普拉斯矩阵确定相邻元素的匹配值；

30、基于匹配值构建数据图。

31、作为本发明进一步的方案：所述匹配值的确定过程为：

32、；式中，和分别为计算匹配值时的两个相邻元素，和分别为和在修正后的拉普拉斯矩阵中对应的值,是和的匹配值，为选取和中的最小值，为选取和中的最大值。

33、作为本发明进一步的方案：所述基于匹配值构建数据图的步骤包括：

34、基于统计矩阵的矩阵结构创建基图；所述基图中含有与行列位置对应的节点；

35、根据统计矩阵中各行列位置的数值确定节点半径；

36、连接相邻节点，得到连接线，根据统计矩阵中相邻元素的匹配值对连接线进行赋值，得到数据图。

37、作为本发明进一步的方案：所述对所述数据图进行节点切分，得到节点集的步骤包括：

38、统计数据图中所有连接线的匹配值，计算均值；

39、遍历各个连接线的数值，当数值大于所述均值的预设比例时，将连接线两端的节点归为一类；

40、基于每一类节点对其他节点进行聚类，得到节点集。

41、作为本发明进一步的方案：所述根据节点集的分布情况确定显示参数，基于显示参数构建提示信息的步骤包括：

42、计算每个节点集中各节点的平均半径；

43、根据平均半径达到的半径阈值查询显示色值；其中，半径阈值与显示色值的对应关系由工作人员预先设置；

44、根据节点集的边界节点确定显示轮廓，根据显示轮廓及其显示色值确定轮廓信息。

45、与现有技术相比，本发明的有益效果是：本发明通过矩阵的方式统计不同时刻的气态污染物浓度，对含有气态污染物数据的矩阵进行时间匹配，统计一段时间内的气态污染物分布情况，然后，对一段时间内的气态污染物进行聚类，计算每一类气态污染物的平均浓度，由平均浓度确定显示参数并实时显示，将原有的单一的阈值比对过程转换为时域和空间中的集群比对过程，使得工作人员能够实时把握洁净室内各个区域的污染情况，极大地降低了误报概率。

技术特征：

1.一种基于时空关联的amc监测数据聚类方法，其特征在于，所述方法包括：

2.根据权利要求1所述的基于时空关联的amc监测数据聚类方法，其特征在于，所述查询amc监测仪的布置信息，根据所述布置信息创建统计矩阵，基于统计矩阵接收各个amc监测仪实时采集的amc监测数据的步骤包括：

3.根据权利要求2所述的基于时空关联的amc监测数据聚类方法，其特征在于，所述接收各个amc监测仪上传的含有监测点标签的amc监测数据，插入统计矩阵中对应的行列位置的步骤包括：

4.根据权利要求3所述的基于时空关联的amc监测数据聚类方法，其特征在于，数据仿真的规则为：

5.根据权利要求1所述的基于时空关联的amc监测数据聚类方法，其特征在于，所述对含有amc监测数据的统计矩阵进行时间匹配和空间匹配，确定相邻监测数据的匹配值，基于匹配值构建数据图的步骤包括：

6.根据权利要求5所述的基于时空关联的amc监测数据聚类方法，其特征在于，所述对合并后的统计矩阵进行空间匹配，确定相邻监测数据的匹配值，基于匹配值构建数据图的步骤包括：

7.根据权利要求6所述的基于时空关联的amc监测数据聚类方法，其特征在于，所述匹配值的确定过程为：

8.根据权利要求1所述的基于时空关联的amc监测数据聚类方法，其特征在于，所述基于匹配值构建数据图的步骤包括：

9.根据权利要求8所述的基于时空关联的amc监测数据聚类方法，其特征在于，所述对所述数据图进行节点切分，得到节点集的步骤包括：

10.根据权利要求9所述的基于时空关联的amc监测数据聚类方法，其特征在于，所述根据节点集的分布情况确定显示参数，基于显示参数构建提示信息的步骤包括：

技术总结本发明涉及洁净室污染监测技术领域，具体公开了一种基于时空关联的AMC监测数据聚类方法，所述方法包括查询AMC监测仪的布置信息，根据所述布置信息创建统计矩阵，基于统计矩阵接收各个AMC监测仪实时采集的AMC监测数据；对含有AMC监测数据的统计矩阵进行时间匹配和空间匹配，确定相邻监测数据的匹配值，基于匹配值构建数据图；对所述数据图进行节点切分，得到节点集；根据节点集的分布情况确定显示参数，基于显示参数构建提示信息。本发明将原有的单一的阈值比对过程转换为时域和空间中的集群比对过程，使得工作人员能够实时把握洁净室内各个区域的污染情况，极大地降低了误报概率。技术研发人员：江大白,胡增,王枫,汪刚受保护的技术使用者：中用科技有限公司技术研发日：技术公布日：2024/7/25