一种产品数据分析方法、装置、设备及存储介质与流程

本发明涉及计算机应用，尤其涉及一种产品数据分析方法、装置、设备及存储介质。

背景技术：

1、目前在产品的加工过程中，为了方便提高产品的加工精度，提高产品的加工良率，通常需要获取产品的加工过程数据进行分析，特别是需要分析加工过程中产生的缺陷，从而可以方便降低出现缺陷的概率。

2、但是目前只能通过人工进行数据分析，效率较低。

技术实现思路

1、本发明提供一种产品数据分析方法、装置、设备及存储介质，以解决相关技术中的不足。

2、根据本发明实施例的第一方面，提供一种产品数据分析方法，在产品加工过程中包括至少一个前置加工步骤以及当前加工步骤；所述当前加工步骤是在所述至少一个前置加工步骤的加工结果基础上执行的；

3、所述方法包括：

4、针对所述至少一个前置加工步骤中的任一前置加工步骤，确定所针对前置加工步骤的加工结果中的前置缺陷位置；

5、根据所述前置缺陷位置的分布情况，确定所针对前置加工步骤对应的前置缺陷高发区域；

6、基于所针对前置加工步骤对应的前置缺陷高发区域，预测所述当前加工步骤对应的预测缺陷高发区域。

7、可选地，所述根据所述前置缺陷位置的分布情况，确定所针对前置加工步骤对应的前置缺陷高发区域，包括：

8、基于所述前置缺陷位置，根据预设异常检测算法，确定前置缺陷位置聚集的区域；

9、基于所述前置缺陷位置聚集的区域，预测所针对前置加工步骤对应的前置缺陷高发区域。

10、可选地，所述方法还包括以下任一项：

11、确定所述当前加工步骤对应的实际缺陷高发区域；更新所述预设异常检测算法的参数，以减小所述预测缺陷高发区域与所述实际缺陷高发区域之间的差异；

12、确定所述当前加工步骤的加工结果中的实际缺陷位置；更新所述预设异常检测算法的参数，以增加所述预测缺陷高发区域中包含的所述实际缺陷位置的数量。

13、可选地，所述基于所述前置缺陷位置，根据预设异常检测算法，确定前置缺陷位置聚集的区域，包括以下至少一项：

14、针对所述前置缺陷位置，根据预设聚类算法进行聚类，得到聚类结果；基于所述聚类结果中包含前置缺陷位置的数量满足预设数量条件的簇，确定前置缺陷位置聚集的区域；

15、将所述前置缺陷位置，输入到预先训练的自编码器中，得到所述自编码器输出的对应重建位置；基于与对应重建位置的距离小于预设距离阈值的前置缺陷位置，确定前置缺陷位置聚集的区域；

16、针对所述前置缺陷位置，根据孤立森林算法确定离群的前置缺陷位置；基于离群的前置缺陷位置以外的其他前置缺陷位置，确定前置缺陷位置聚集的区域。

17、可选地，所述针对所述至少一个前置加工步骤中的任一前置加工步骤，确定所针对前置加工步骤的加工结果中的前置缺陷位置，根据所述前置缺陷位置的分布情况，确定所针对前置加工步骤对应的前置缺陷高发区域，包括：

18、针对不同前置加工步骤，分别执行：确定所针对前置加工步骤的加工结果中的前置缺陷位置，根据所述前置缺陷位置的分布情况，确定所针对前置加工步骤对应的前置缺陷高发区域；

19、所述基于所针对前置加工步骤对应的前置缺陷高发区域，预测所述当前加工步骤对应的预测缺陷高发区域，包括：

20、基于所述不同前置加工步骤分别对应的前置缺陷高发区域，预测所述当前加工步骤对应的预测缺陷高发区域。

21、可选地，所述基于所述不同前置加工步骤分别对应的前置缺陷高发区域，预测所述当前加工步骤对应的预测缺陷高发区域，包括以下任一项：

22、针对所述不同前置加工步骤分别对应的前置缺陷高发区域，确定并集区域，并基于所述并集区域，预测所述当前加工步骤对应的预测缺陷高发区域；

23、针对所述不同前置加工步骤分别对应的前置缺陷高发区域，确定交集区域，并基于所述交集区域，预测所述当前加工步骤对应的预测缺陷高发区域。

24、可选地，所述方法还包括：

25、确定当前加工步骤的历史加工结果中的历史缺陷位置；根据所述历史缺陷位置的分布情况，确定历史缺陷高发区域；

26、所述基于所针对前置加工步骤对应的前置缺陷高发区域，预测所述当前加工步骤对应的预测缺陷高发区域，包括：

27、基于所针对前置加工步骤对应的前置缺陷高发区域，以及所述历史缺陷高发区域，预测所述当前加工步骤对应的预测缺陷高发区域。

28、可选地，所述针对所述至少一个前置加工步骤中的任一前置加工步骤，确定所针对前置加工步骤的加工结果中的前置缺陷位置，包括：

29、针对所述至少一个前置加工步骤中的任一前置加工步骤，从所针对前置加工步骤的加工结果中，预测不合格加工结果；

30、针对所预测的不合格加工结果进行检验，确定所述前置缺陷位置。

31、可选地，所述方法还包括：

32、预测所述产品加工过程中任一加工步骤的任一加工结果是否合格。

33、可选地，用于预测所述加工结果是否合格的预测方法，包括：

34、将任一加工结果的实际加工参数，输入到预先训练的自编码器中，得到所述自编码器输出的对应重建加工参数；

35、在确定实际加工参数与对应重建加工参数的差异大于预设差异阈值的情况下，将所述任一加工结果预测为不合格加工结果。

36、可选地，所述自编码器的训练过程，包括：

37、确定初始自编码器；

38、确定合格加工结果的实际加工参数；

39、循环执行以下步骤，直到满足预设训练停止条件：

40、将所确定的实际加工参数输入当前的初始自编码器，得到当前初始自编码器输出的对应重建加工参数；

41、更新当前的初始自编码器，以降低输入的实际加工参数，与对应重建加工参数之间的差异，并将更新后的初始自编码器，重新确定为当前的初始自编码器；

42、循环结束后，将当前初始自编码器，确定为训练完成的自编码器。

43、可选地，所述方法还包括以下至少一项：

44、将若干不合格加工结果的实际加工参数，以及若干合格加工结果的实际加工参数，输入到预先训练的自编码器中，得到隐层特征；确定合格加工结果的隐层特征，与不合格加工结果的隐层特征之间的差异，以便于分析与不合格加工结果关联的实际加工参数；

45、将若干不合格加工结果的实际加工参数，以及若干合格加工结果的实际加工参数，输入到预先训练的自编码器中，得到隐层特征；确定满足预设筛选条件的隐层节点；所述预设筛选条件包括：隐层节点针对合格加工结果以及不合格加工结果，所输出的隐层特征之间的差异，大于预设差异阈值；确定实际加工参数与所确定的隐层节点之间的权重参数，以便于分析与不合格加工结果关联的实际加工参数。

46、可选地，所述方法还包括以下至少一项：

47、确定若干加工结果在目标产品参数上的实际合格检测结果；基于所述实际合格检测结果，与针对若干加工结果通过所述自编码器得到的预测结果，确定实际加工参数针对所述目标产品参数的贡献度，以便于分析与所述目标产品参数不合格的加工结果关联的实际加工参数；

48、确定若干加工结果的实际合格检测结果；基于所述实际合格检测结果，与针对若干加工结果通过所述自编码器得到的预测结果，确定实际加工参数的贡献度，以便于分析与不合格加工结果关联的实际加工参数。

49、根据本发明实施例的第二方面，提供一种产品数据分析装置，在产品加工过程中包括至少一个前置加工步骤以及当前加工步骤；所述当前加工步骤是在所述至少一个前置加工步骤的加工结果基础上执行的；

50、所述装置包括：

51、位置单元，用于：针对所述至少一个前置加工步骤中的任一前置加工步骤，确定所针对前置加工步骤的加工结果中的前置缺陷位置；

52、汇总单元，用于：根据所述前置缺陷位置的分布情况，确定所针对前置加工步骤对应的前置缺陷高发区域；

53、预测单元，用于：基于所针对前置加工步骤对应的前置缺陷高发区域，预测所述当前加工步骤对应的预测缺陷高发区域。

54、可选地，所述汇总单元用于：

55、基于所述前置缺陷位置，根据预设异常检测算法，确定前置缺陷位置聚集的区域；

56、基于所述前置缺陷位置聚集的区域，预测所针对前置加工步骤对应的前置缺陷高发区域。

57、可选地，所述汇总单元还用于执行以下任一项：

58、确定所述当前加工步骤对应的实际缺陷高发区域；更新所述预设异常检测算法的参数，以减小所述预测缺陷高发区域与所述实际缺陷高发区域之间的差异；

59、确定所述当前加工步骤的加工结果中的实际缺陷位置；更新所述预设异常检测算法的参数，以增加所述预测缺陷高发区域中包含的所述实际缺陷位置的数量。

60、可选地，所述汇总单元用于执行以下至少一项：

61、针对所述前置缺陷位置，根据预设聚类算法进行聚类，得到聚类结果；基于所述聚类结果中包含前置缺陷位置的数量满足预设数量条件的簇，确定前置缺陷位置聚集的区域；

62、将所述前置缺陷位置，输入到预先训练的自编码器中，得到所述自编码器输出的对应重建位置；基于与对应重建位置的距离小于预设距离阈值的前置缺陷位置，确定前置缺陷位置聚集的区域；

63、针对所述前置缺陷位置，根据孤立森林算法确定离群的前置缺陷位置；基于离群的前置缺陷位置以外的其他前置缺陷位置，确定前置缺陷位置聚集的区域。

64、可选地，所述位置单元用于：

65、针对不同前置加工步骤，分别执行：确定所针对前置加工步骤的加工结果中的前置缺陷位置；

66、所述汇总单元用于：

67、针对不同前置加工步骤，分别执行：根据所确定的前置缺陷位置的分布情况，确定所针对前置加工步骤对应的前置缺陷高发区域；

68、所述预测单元用于：

69、基于所述不同前置加工步骤分别对应的前置缺陷高发区域，预测所述当前加工步骤对应的预测缺陷高发区域。

70、可选地，所述预测单元用于执行以下任一项：

71、针对所述不同前置加工步骤分别对应的前置缺陷高发区域，确定并集区域，并基于所述并集区域，预测所述当前加工步骤对应的预测缺陷高发区域；

72、针对所述不同前置加工步骤分别对应的前置缺陷高发区域，确定交集区域，并基于所述交集区域，预测所述当前加工步骤对应的预测缺陷高发区域。

73、可选地，所述汇总单元还用于：

74、确定当前加工步骤的历史加工结果中的历史缺陷位置；根据所述历史缺陷位置的分布情况，确定历史缺陷高发区域；

75、所述预测单元用于：

76、基于所针对前置加工步骤对应的前置缺陷高发区域，以及所述历史缺陷高发区域，预测所述当前加工步骤对应的预测缺陷高发区域。

77、可选地，所述汇总单元用于：

78、针对所述至少一个前置加工步骤中的任一前置加工步骤，从所针对前置加工步骤的加工结果中，预测不合格加工结果；

79、针对所预测的不合格加工结果进行检验，确定所述前置缺陷位置。

80、可选地，所述装置还包括：

81、合格单元，用于预测所述产品加工过程中任一加工步骤的任一加工结果是否合格。

82、可选地，用于预测所述加工结果是否合格的预测方法，包括：

83、将任一加工结果的实际加工参数，输入到预先训练的自编码器中，得到所述自编码器输出的对应重建加工参数；

84、在确定实际加工参数与对应重建加工参数的差异大于预设差异阈值的情况下，将所述任一加工结果预测为不合格加工结果。

85、可选地，所述自编码器的训练过程，包括：

86、确定初始自编码器；

87、确定合格加工结果的实际加工参数；

88、循环执行以下步骤，直到满足预设训练停止条件：

89、将所确定的实际加工参数输入当前的初始自编码器，得到当前初始自编码器输出的对应重建加工参数；

90、更新当前的初始自编码器，以降低输入的实际加工参数，与对应重建加工参数之间的差异，并将更新后的初始自编码器，重新确定为当前的初始自编码器；

91、循环结束后，将当前初始自编码器，确定为训练完成的自编码器。

92、可选地，所述装置还包括分析单元。

93、可选地，所述分析单元，用于执行以下至少一项：

94、将若干不合格加工结果的实际加工参数，以及若干合格加工结果的实际加工参数，输入到预先训练的自编码器中，得到隐层特征；确定合格加工结果的隐层特征，与不合格加工结果的隐层特征之间的差异，以便于分析与不合格加工结果关联的实际加工参数；

95、将若干不合格加工结果的实际加工参数，以及若干合格加工结果的实际加工参数，输入到预先训练的自编码器中，得到隐层特征；确定满足预设筛选条件的隐层节点；所述预设筛选条件包括：隐层节点针对合格加工结果以及不合格加工结果，所输出的隐层特征之间的差异，大于预设差异阈值；确定实际加工参数与所确定的隐层节点之间的权重参数，以便于分析与不合格加工结果关联的实际加工参数。

96、可选地，所述分析单元用于执行以下至少一项：

97、确定若干加工结果在目标产品参数上的实际合格检测结果；基于所述实际合格检测结果，与针对若干加工结果通过所述自编码器得到的预测结果，确定实际加工参数针对所述目标产品参数的贡献度，以便于分析与所述目标产品参数不合格的加工结果关联的实际加工参数；

98、确定若干加工结果的实际合格检测结果；基于所述实际合格检测结果，与针对若干加工结果通过所述自编码器得到的预测结果，确定实际加工参数的贡献度，以便于分析与不合格加工结果关联的实际加工参数。

99、根据上述实施例可知，通过自动针对产品数据进行分析，提高对产品缺陷进行分析的效率。

100、应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本发明。

101、此外，本发明实施例中的任一实施例并不需要达到上述的全部效果。