买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉长春设备工艺研究所申请的专利一种基于大数据模型的多源工艺参数映射监管系统及方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120523154B 。

龙图腾网通过国家知识产权局官网在2025-09-16发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202511014106.1，技术领域涉及：G05B19/418；该发明授权一种基于大数据模型的多源工艺参数映射监管系统及方法是由苗立琴;张大舜;王静;孙溯辉;郭克设计研发完成，并于2025-07-23向国家知识产权局提交的专利申请。

本一种基于大数据模型的多源工艺参数映射监管系统及方法在说明书摘要公布了：本发明公开了一种基于大数据模型的多源工艺参数映射监管系统及方法，涉及工艺参数分析技术领域，采集工艺产线中的初始工艺参数，处理初始工艺参数获得标准化工艺参数，将工艺产线进行工艺阶段划分，分析工艺阶段的阶段产品偏差程度，计算标准化工艺参数与工艺阶段的产品偏差程度的相关性，分析工艺阶段的阶段产品偏差程度，预测生产中的工艺阶段的产品偏差程度，基于工艺阶段的产品偏差程度预测生产中的产品不良率，实时监测预测产品不良率，对标准化工艺参数进行调整，修正标准化工艺参数，本发明通过持续预测各阶段产品偏差及整体产品不良率，实时判断生产状态，构建了动态化的质量控制闭环，提升了监管的针对性和有效性。

本发明授权一种基于大数据模型的多源工艺参数映射监管系统及方法在权利要求书中公布了：1.一种基于大数据模型的多源工艺参数映射监管方法，其特征在于：该方法包括以下步骤： S1、通过传感器组采集工艺产线中的初始工艺参数，处理初始工艺参数获得标准化工艺参数； S2、基于工艺流程和历史数据，将工艺产线进行工艺阶段划分，分析工艺阶段的阶段产品偏差程度，计算标准化工艺参数与工艺阶段的产品偏差程度的相关性； S3、分析工艺阶段的阶段产品偏差程度与产品不良率的相关性； S4、基于标准化工艺参数预测生产中的工艺阶段的产品偏差程度，基于工艺阶段的产品偏差程度预测生产中的产品不良率； S5、实时监测预测产品不良率，根据预测产品不良率对标准化工艺参数进行调整； S6、修正标准化工艺参数，当判断标准化工艺参数异常时，向工艺负责人员报警； 在步骤S1中，通过传感器组采集工艺产线中的初始工艺参数，将初始工艺参数进行去噪、滤波和归一化处理，得到标准化工艺参数，标准化工艺参数为{A1,A2,…,Ai,…,AI}，其中I表示标准化工艺参数的数量，Ai表示第i个标准化工艺参数； 在步骤S2中，基于工艺流程和历史数据，将工艺产线划分为P个工艺阶段，对第p个工艺阶段进行分析，p=1,2,…,P，第p个工艺阶段产品的标准阶段参数为{B1,B2,…,Bq…,BQ}，其中Q表示在第p个工艺阶段产出的产品的标准阶段参数的数量，Bq表示在第p个工艺阶段产出的产品的第q个标准阶段参数，第p个工艺阶段产品的实际阶段参数为{b1,b2,…,bq…,bQ}，bq表示在第p个工艺阶段产出的产品的第q个实际阶段参数，其中进而得到第p个工艺阶段的阶段产品偏差程度Wp： ； 计算标准化工艺参数Ai对第p个工艺阶段的产品偏差程度的相关系数wip： ； 其中N表示历史数据中共计N次工艺产线生产，n表示历史数据中第n次工艺产线生产，Ai,n表示第n次工艺产线生产中的第i个标准化工艺参数，ai表示N次工艺产线生产中第i个标准化工艺参数的平均值，Wp,n表示第n次工艺产线生产中的第p个工艺阶段的阶段产品偏差程度，wp表示N次工艺产线生产中第p个工艺阶段的阶段产品偏差程度的平均值，进而得到标准化工艺参数Ai对第p个工艺阶段的产品偏差程度的相关权重Wip： ； 当Wip＜W0时，判断标准化工艺参数Ai与第p个工艺阶段不相关，否则，标准化工艺参数Ai为与工艺阶段相关的标准化工艺参数，其中W0为既设的相关系数阈值； 在步骤S3中，建立产品不良率影响分析模型： ； 其中，vp表示第p个工艺阶段的阶段产品偏差程度Wp对产品不良率的影响系数，Wp,n表示第n次工艺产线生产中的第p个工艺阶段的阶段产品偏差程度，wp表示N次工艺产线生产中的第p个工艺阶段的阶段产品偏差程度的平均值，Yn表示第n次工艺产线生产中的产品不良率，y表示N次工艺产线生产中的产品不良率平均值，进而得到第p个工艺阶段的阶段产品偏差程度Wp对产品不良率的相关权重Vp： 。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人长春设备工艺研究所，其通讯地址为：130000 吉林省长春市朝阳区湖光路738号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。