生产异常的根因定位方法、装置、设备、介质及产品

摘要

本申请的实施例提供一种生产异常的根因定位方法、装置、设备、介质及产品，该方法通过获取目标批次产品的设备履历信息和不良率信息；基于所述设备履历信息中目标层级的履历信息，构建沿目标路径的多个虚拟平行单元；基于所述目标批次产品的设备履历信息和不良率信息，获得各所述虚拟平行单元的不良集中度值；基于各所述虚拟平行单元的不良集中度值，确定异常根因。该方法可以提高不良根因定位的准确性；尤其对于产品生产过程中的突发不良时数据较少的情况，可以显著提高不良根因定位的准确性，解决了产品生产过程根因定位准确性低的技术问题。

权利要求

1.一种生产异常的根因定位方法，其特征在于，包括：获取目标批次产品的设备履历信息和不良率信息；其中，所述设备履历信息包括所述目标批次产品在不同层级的根因单元的履历信息，所述履历信息包括产品生产过程中的流转信息，所述根因单元为发生不良的环节；

基于所述设备履历信息中目标层级的履历信息，构建沿目标路径的多个虚拟平行单元；其中，所述目标路径为所述目标批次产品在所述目标层级的路径；所述虚拟平行单元中包括所述目标批次产品中的产品经过所述目标层级中同一根因单元生成的虚拟单元，所述目标层级为不同层级中任一层级；

基于所述目标批次产品的设备履历信息和不良率信息，获得各所述虚拟平行单元的不良集中度值；其中，所述不良集中度值为表征所述虚拟平行单元的不良集中程度的值；

基于各所述虚拟平行单元的不良集中度值，确定异常根因。

2.根据权利要求1所述的方法，其特征在于，所述基于所述设备履历信息中目标层级的履历信息，构建沿目标路径的多个虚拟平行单元的步骤之前，还包括：移除所述设备履历信息中过片率值低于过片率阈值的根因单元对应的履历信息，获得过滤设备履历信息；

所述基于所述设备履历信息中目标层级的履历信息，构建沿目标路径的多个虚拟平行单元的步骤，包括：

基于所述过滤设备履历信息中目标层级的履历信息，构建沿目标路径的多个虚拟平行单元。

3.根据权利要求2所述的方法，其特征在于，所述基于所述过滤设备履历信息中目标层级的履历信息，构建沿目标路径的多个虚拟平行单元的步骤，包括：基于所述过滤设备履历信息中目标层级的履历信息，获得目标路径；

基于所述过滤设备履历信息中目标层级的履历信息，构建沿目标路径的多个虚拟平行单元。

4.根据权利要求1所述的方法，其特征在于，所述基于所述目标批次产品的设备履历信息和不良率信息，获得各所述虚拟平行单元的不良集中度值的步骤，包括：对所述虚拟平行单元中各虚拟单元的产品进出时间做单一化处理，以更新所述设备履历信息和所述不良率信息；

基于更新后的设备履历信息和更新后的不良率信息，获得各所述虚拟平行单元的不良集中度值。

5.根据权利要求4所述的方法，其特征在于，所述对所述虚拟平行单元中各虚拟单元的产品进出时间做单一化处理，以更新所述设备履历信息和所述不良率信息的步骤，包括：对所述虚拟平行单元中各虚拟单元的产品进出时间取最大值或最小值，以更新所述设备履历信息和所述不良率信息。

6.根据权利要求4所述的方法，其特征在于，所述基于更新后的设备履历信息和更新后的不良率信息，获得各所述虚拟平行单元的不良集中度值的步骤，包括：根据如下关系式，获得各所述虚拟平行单元的不良集中度值：其中， 表示虚拟平行单元的不良集中度， 表示虚拟平行单元的不良率真实分布， 表示虚拟平行单元的不良率均匀化分布，k表示虚拟平行单元的不良产品数量，m代表所有虚拟平行单元涉及的产品总量。

7.根据权利要求1所述的方法，其特征在于，所述基于各所述虚拟平行单元的不良集中度值，确定异常根因的步骤，包括：基于各所述虚拟平行单元的不良集中度值，获得各所述虚拟平行单元对应的根因单元的不良解释度值；

基于各所述虚拟平行单元对应的根因单元的不良解释度值，确定异常根因；

其中，所述基于各所述虚拟平行单元的不良集中度值，获得各所述虚拟平行单元对应的根因单元的不良解释度值的步骤，包括：根据如下关系式，获得不良解释度值：其中，degree表示不良解释度，ctro表示不良集中度，Is表示所述虚拟平行单元的产品不良率，pv表示所述虚拟平行单元的过片率。

8.根据权利要求6所述的方法，其特征在于，所述基于各所述虚拟平行单元对应的根因单元的不良解释度值，确定异常根因的步骤，包括：根据各所述虚拟平行单元的不良解释度值的异常情况，确定异常根因。

9.根据权利要求1‑8中任一项所述的方法，其特征在于，所述根因单元包括：站点、设备、子设备和腔室中的至少一种。

10.一种生产异常的根因定位装置，其特征在于，包括：数据获取模块，用于获取目标批次产品的设备履历信息和不良率信息；其中，所述设备履历信息包括所述目标批次产品在不同层级的根因单元的履历信息，所述履历信息包括产品生产过程中的流转信息，所述根因单元为发生不良的环节；

虚拟构建模块，用于基于所述设备履历信息中目标层级的履历信息，构建沿目标路径的多个虚拟平行单元；其中，所述目标路径为所述目标批次产品在所述目标层级的路径；所述虚拟平行单元中包括所述目标批次产品中的产品经过所述目标层级中同一根因单元生成的虚拟单元，所述目标层级为不同层级中任一层级；

变量获得模块，用于基于所述目标批次产品的设备履历信息和不良率信息，获得各所述虚拟平行单元的不良集中度值；其中，所述不良集中度值为表征所述虚拟平行单元的不良集中程度的值；

根因确定模块，用于基于各所述虚拟平行单元的不良集中度值，确定异常根因。

11.一种电子设备，其特征在于，该电子设备包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器执行所述计算机程序，实现如权利要求1‑9中任一项所述的方法。

12.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，处理器执行所述计算机程序，实现如权利要求1‑9中任一项所述的方法。

说明书

生产异常的根因定位方法、装置、设备、介质及产品

技术领域

[0001] 本发明涉及生产控制技术领域，具体涉及一种生产异常的根因定位方法、装置、设备、介质及产品。

背景技术

[0002] 产品生产过程中（例如，面板生产），一般包括多个生产环节，每一个生产流程中都涉及大量的复杂工艺，这些工艺都由一系列串行或并行配置的设备进行完成。在实际生产
中，面对大规模的生产设备，进行有效的设备管控与影响产品质量的定位分析时就变得较
为困难。特别是当发生突发异常故障时，根因定位准确性低。

发明内容

[0003] 本申请的主要目的在于提供一种生产异常的根因定位方法、装置、设备、介质及产品，解决现有产品生产过程根因定位准确性低的技术问题。

[0004] 为实现上述目的，本申请的实施例提供一种生产异常的根因定位方法，包括：

[0005] 获取目标批次产品的设备履历信息和不良率信息；其中，所述设备履历信息包括所述目标批次产品在不同层级的根因单元的履历信息；

[0006] 基于所述设备履历信息中目标层级的履历信息，构建沿目标路径的多个虚拟平行单元；其中，所述目标路径为所述目标批次产品在所述目标层级的路径；所述虚拟平行单元
中包括所述目标批次产品中的产品经过所述目标层级中根因单元生成的虚拟单元；

[0007] 基于所述目标批次产品的设备履历信息和不良率信息，获得各所述虚拟平行单元的不良集中度值；

[0008] 基于各所述虚拟平行单元的不良集中度值，确定异常根因。

[0009] 可选地，所述基于所述设备履历信息中目标层级的履历信息，构建沿目标路径的多个虚拟平行单元的步骤之前，还包括：

[0010] 移除所述设备履历信息中过片率值低于过片率阈值的根因单元对应的履历信息，获得过滤设备履历信息；

[0011] 所述基于所述设备履历信息中目标层级的履历信息，构建沿目标路径的多个虚拟平行单元的步骤，包括：

[0012] 基于所述过滤设备履历信息中目标层级的履历信息，构建沿目标路径的多个虚拟平行单元。

[0013] 在该实施方式中，过片率较低的根因单元由于样本量较少可信度较低，因此，移除其对应的履历信息，可以提高异常根因确定结果的准确性并提高计算速度。

[0014] 可选地，所述基于所述过滤设备履历信息中目标层级的履历信息，构建沿目标路径的多个虚拟平行单元的步骤，包括：

[0015] 基于所述过滤设备履历信息中目标层级的履历信息，获得目标路径；

[0016] 基于所述过滤设备履历信息中目标层级的履历信息，构建沿目标路径的多个虚拟平行单元。

[0017] 在该实施方式中，提前利用目标层级的履历信息获得目标路径，可加快虚拟平行单元的构建效率。

[0018] 可选地，所述基于所述目标批次产品的设备履历信息和不良率信息，获得各所述虚拟平行单元的不良集中度值的步骤，包括：

[0019] 对所述虚拟平行单元中各虚拟单元的产品进出时间做单一化处理，以更新所述设备履历信息和所述不良率信息；

[0020] 基于更新后的设备履历信息和更新后的不良率信息，获得各所述虚拟平行单元的不良集中度值。

[0021] 在该实施方式中，对所述虚拟平行单元中各虚拟单元的产品进出时间做单一化处理，使得产品经过某个单元的时间唯一化，可以避免重复加工信息带来的影响。可以理解的
是，重复加工可能对一个不良产品产生多个不良信息，进而造成不良率信息的不准确，影响
根因的判断。

[0022] 可选地，所述对所述虚拟平行单元中各虚拟单元的产品进出时间做单一化处理，以更新所述设备履历信息和所述不良率信息的步骤，包括：

[0023] 对所述虚拟平行单元中各虚拟单元的产品进出时间取最大值或最小值，以更新所述设备履历信息和所述不良率信息。

[0024] 在该实施方式中，最大值或最小值更易于识别，因此，在单一化处理过程中处理效率也更高，对于整个算法处理过程也更高效。

[0025] 可选地，所述基于更新后的设备履历信息和更新后的不良率信息，获得各所述虚拟平行单元的不良集中度值的步骤，包括：

[0026] 根据如下关系式，获得各所述虚拟平行单元的不良集中度值：

[0027]

[0028] 其中，ctro 表示虚拟平行单元的不良集中度，Tlabel表示虚拟平行单元的不良率真实分布，Ulabel表示虚拟平行单元的不良率均匀化分布，k表示虚拟平行单元的不良产品数
量，m代表所有虚拟平行单元涉及的产品总量。

[0029] 可选地，所述基于各所述虚拟平行单元的不良集中度值，确定异常根因的步骤，包括：

[0030] 基于各所述虚拟平行单元的不良集中度值，获得各所述虚拟平行单元对应的根因单元的不良解释度值；

[0031] 基于各所述虚拟平行单元对应的根因单元的不良解释度值，确定异常根因。

[0032] 在该实施方式中，由于不良解释度值直接对应实体的根因单元（即站点、设备等），因此，利用不良集中度值获得不良解释度值，从而以不良解释度值为指标来确定异常根因，
可以更准确的定位出生产异常的根因单元。

[0033] 可选地，所述基于各所述虚拟平行单元的不良集中度值，获得各所述虚拟平行单元对应的根因单元的不良解释度值的步骤，包括：

[0034] 根据如下关系式，获得不良解释度值：

[0035]

[0036] 其中，degree表示不良解释度，ctro表示不良集中度，Is表示所述虚拟平行单元的产品不良率，pv表示所述虚拟平行单元的过片率。

[0037] 可选地，所述基于各所述虚拟平行单元对应的根因单元的不良解释度值，确定异常根因的步骤，包括：

[0038] 根据各所述虚拟平行单元的不良解释度值的异常情况，确定异常根因。

[0039] 在该实施方式中，对于一组数值的异常更容易进行判断，因此，不良解释度值的异常情况能更快速高效的判断出异常根因

[0040] 可选地，所述根因单元包括：站点、设备、子设备和腔室中的至少一种。

[0041] 此外，为实现上述目的，本申请的实施例还提供一种生产异常的根因定位装置，包括：

[0042] 数据获取模块，用于获取目标批次产品的设备履历信息和不良率信息；其中，所述设备履历信息包括所述目标批次产品在不同层级的根因单元的履历信息；

[0043] 虚拟构建模块，用于基于所述设备履历信息中目标层级的履历信息，构建沿目标路径的多个虚拟平行单元；其中，所述目标路径为所述目标批次产品在所述目标层级的路
径；所述虚拟平行单元中包括所述目标批次产品中的产品经过所述目标层级中根因单元生
成的虚拟单元；

[0044] 变量获得模块，用于基于所述目标批次产品的设备履历信息和不良率信息，获得各所述虚拟平行单元的不良集中度值；

[0045] 根因确定模块，用于基于各所述虚拟平行单元的不良集中度值，确定异常根因。

[0046] 此外，为实现上述目的，本申请还提供一种电子设备，该电子设备包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器执行所述计算机程序，实现前述的方
法。

[0047] 此外，为实现上述目的，本申请还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，处理器执行所述计算机程序，实现前述的方法。

[0048] 此外，为实现上述目的，本申请还提供一种计算机程序产品，所述计算机程序产品在被处理器时，实现前述的方法。

[0049] 与现有技术相比，本发明的有益效果在于：

[0050] 本申请的实施例提供一种生产异常的根因定位方法、装置、设备、介质及产品，该方法通过获取目标批次产品的设备履历信息和不良率信息；其中，所述设备履历信息包括
所述目标批次产品在不同层级的根因单元的履历信息；基于所述设备履历信息中目标层级
的履历信息，构建沿目标路径的多个虚拟平行单元；其中，所述目标路径为所述目标批次产
品在所述目标层级的路径；所述虚拟平行单元中包括所述目标批次产品每个产品经过所述
目标层级中根因单元生成的虚拟单元；基于所述目标批次产品的设备履历信息和不良率信
息，获得各所述虚拟平行单元的不良集中度值；基于各所述虚拟平行单元的不良集中度值，
确定异常根因。也即，该方法通过构建虚拟平行单元，建立了更多的可分析平行单元，并基
于此，定义了可以表示各层级根因单元异常的不良集中度指标。由于构建了更多的基础数
据，因此可以提高不良根因定位的准确性；尤其对于产品生产过程中的突发不良时数据较
少的情况，可以显著提高不良根因定位的准确性，解决了产品生产过程根因定位准确性低
的技术问题。

附图说明

[0051] 图1为本申请的实施例涉及的硬件运行环境的电子设备结构示意图；

[0052] 图2为本申请的实施例提供的一种生产异常的根因定位方法的流程示意图；

[0053] 图3为本申请的实施例中目标层级构建虚拟平行单元的原理示意图；

[0054] 图4为图2中步骤S60的一种具体实施方法流程示意图；

[0055] 图5为图2中步骤S80的一种具体实施方法流程示意图；

[0056] 图6为本申请的实施例提供的一种生产异常的根因定位装置的功能模块示意图。

[0057] 本申请目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

[0058] 应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。

[0059] 本申请实施例的主要解决方案是：提供一种生产异常的根因定位方法、装置、设备、介质及产品，该方法通过获取目标批次产品的设备履历信息和不良率信息；其中，所述
设备履历信息包括所述目标批次产品在不同层级的根因单元的履历信息；基于所述设备履
历信息中目标层级的履历信息，构建沿目标路径的多个虚拟平行单元；其中，所述目标路径
为所述目标批次产品在所述目标层级的路径；所述虚拟平行单元中包括所述目标批次产品
中的产品经过所述目标层级中根因单元生成的虚拟单元；基于所述目标批次产品的设备履
历信息和不良率信息，获得各所述虚拟平行单元的不良集中度值；基于各所述虚拟平行单
元的不良集中度值，确定异常根因。

[0060] 当今面板制造生产过程十分繁琐，通常包含Array、CF、Cell和模组等工艺，控制单元会在基板进行逐层叠加，并通过RGB单元实现色彩的控制，随后将玻璃切割为手机、电视
屏幕等产品尺寸的规格，最后通过模组段来嵌入其他相关单元。每一个生产流程中都涉及
大量的复杂工艺，这些工艺都由一系列串行或并行配置的设备进行完成。在实际生产中，面
对大规模的生产设备，进行有效的设备管控与影响产品质量的定位分析时就变得较为困
难。特别是当发生突发异常故障时，可分析样本量非常少，这将给根因定位分析带来更大的
挑战。

[0061] 本申请提供一种解决方案，通过构建虚拟平行单元，建立了更多的可分析平行单元，并基于此，定义了可以表示各层级根因单元异常的不良集中度指标。由于构建了更多的
基础数据，因此可以提高不良根因定位的准确性；尤其对于产品生产过程中的突发不良时
数据较少的情况，可以显著提高不良根因定位的准确性，解决了产品生产过程根因定位准
确性低的技术问题。

[0062] 参照图1，图1为本申请实施例方案涉及的硬件运行环境的电子设备结构示意图。

[0063] 如图1所示，该电子设备可以包括：处理器1001，例如中央处理器（Central Processing Unit，CPU），通信总线1002、用户接口1003，网络接口1004，存储器1005。其中，
通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏
（Display）、输入单元比如键盘（Keyboard），可选用户接口1003还可以包括标准的有线接
口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口（如无线保真
（WIreless‑FIdelity，WI‑FI）接口）。存储器1005可以是高速的随机存取存储器（Random 
Access Memory，RAM）存储器，也可以是稳定的非易失性存储器（Non‑Volatile Memory，
NVM），例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。

[0064] 本领域技术人员可以理解，图1中示出的结构并不构成对电子设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

[0065] 如图1所示，作为一种存储介质的存储器1005中可以包括操作系统、数据存储模块、网络通信模块、用户接口模块以及电子程序。

[0066] 在图1所示的电子设备中，网络接口1004主要用于与网络服务器进行数据通信；用户接口1003主要用于与用户进行数据交互；本发明电子设备中的处理器1001、存储器1005
可以设置在电子设备中，所述电子设备通过处理器1001调用存储器1005中存储的生产异常
的根因定位装置，并执行本申请实施例提供的生产异常的根因定位方法。

[0067] 参照图2，本申请的实施例提供一种生产异常的根因定位方法，包括：

[0068] S20、获取目标批次产品的设备履历信息和不良率信息；其中，所述设备履历信息包括所述目标批次产品在不同层级的根因单元的履历信息。

[0069] 在具体实施过程中，产品是指工业产品，本实施例中，产品可以包括面板。目标批次产品是指任一批次的产品，同一批次产品的生产一般是连续的。因此，本实施例以批次的
产品为对象。

[0070] 设备履历信息包括产品生产过程中的流转信息，即，具体什么时间点进出了生产线上的哪些环节。在本实施例中，生产线上的环节又可以分层级，例如，层架从大到小为站
点、设备、子设备和空腔等。因此，所述设备履历信息包括所述目标批次产品在不同层级的
根因单元的履历信息。

[0071] 不良率信息是指目标批次产品不良产品的占比率，这里获取不良率信息是为了后续不良集中度的计算。

[0072] 需要说明的是，这里的根因单元是指发生不良的环节，即可以为站点、设备、子设备和空腔等。本实施例的方法就是要通过少量的数据更准确的定位到生产异常的根因单
元。

[0073] S40、基于所述设备履历信息中目标层级的履历信息，构建沿目标路径的多个虚拟平行单元；其中，所述目标路径为所述目标批次产品在所述目标层级的路径；所述虚拟平行
单元中包括所述目标批次产品中的产品经过所述目标层级中根因单元生成的虚拟单元。

[0074] 在具体实施过程中，目标层级是指不同层级中任一层级，可以理解的是，对每个层级都按照本实施例的方法执行，则可以构建每个层级的虚拟平行单元。目标层级的履历信
息包括目标批次产品该层级的流转信息。

[0075] 具体的，以目标层级（站点层级）为例，则目标路径为目标批次产品在各站点上的路径。参见图3，图3为目标层级构建虚拟平行单元的原理示意图。图中，u代表站点，一横排
代表目标批次产品中单个产品在站点层级所经过的根因单元（即站点），m代表目标批次产
品的产品数量，k代表站点层级中取的站点数量。然后将目标批次产品中各产品经过的同一
站点产生的虚拟根因单元组合成一个虚拟平行单元，即vtm1、vtm2、vtm3..。

[0076] 由此组成的虚拟平行单元中包含多个虚拟的根因单元（在本实施例中也称为虚拟单元），如此就将构建了更多的样本量（即建立更多的可分析平行单元），基于该虚拟平行单
元中更多的样本量，更容易准确的分析出异常根因点。

[0077] S60、基于所述目标批次产品的设备履历信息和不良率信息，获得各所述虚拟平行单元的不良集中度值。

[0078] 在具体实施过程中，不良集中度值可以表征虚拟平行单元的不良集中程度。不良集中程度可以反映出虚拟平行单元中的虚拟单元的不良分布情况，进而可以作为后续确定
异常的根因单元的基础。

[0079] 在一种可选的实施方式中，参见图4，所述基于所述目标批次产品的设备履历信息和不良率信息，获得各所述虚拟平行单元的不良集中度值的步骤，包括：

[0080] S601、对所述虚拟平行单元中各虚拟单元的产品进出时间做单一化处理，以更新所述设备履历信息和所述不良率信息；

[0081] 在具体实施过程中，产品进出时间是指产品到达某个单元的时间以及离开该单元的时间，属于履历信息。产品进出时间可以表示该产品经过某个单元的处理与否。对所述虚
拟平行单元中各虚拟单元的产品进出时间做单一化处理，使得产品经过某个单元的时间唯
一化，可以避免重复加工信息带来的影响。可以理解的是，重复加工可能对一个不良产品产
生多个不良信息，进而造成不良率信息的不准确，影响根因的判断。

[0082] 可以理解的是，单一化处理的方式可以包括多种，只要在所有进出时间中取其一即可。作为一种可选的实施方式，单一化处理的具体方式可以是将各虚拟单元上的产品的
进出时间（Qtime）取最大值或最小值。在该实施方式中，最大值或最小值更易于识别，因此，
在单一化处理过程中处理效率也更高，对于整个算法处理过程也更高效。

[0083] S602、基于更新后的设备履历信息和更新后的不良率信息，获得各所述虚拟平行单元的不良集中度值。

[0084] 在具体实施过程中，更新后的设备履历信息和更新后的不良率信息是经过对所述虚拟平行单元中各虚拟单元的产品进出时间做单一化处理得到。因此，基于其获得的各所
述虚拟平行单元的不良集中度值更为准确。

[0085] 具体地，所述基于更新后的设备履历信息和更新后的不良率信息，获得各所述虚拟平行单元的不良集中度值的步骤，包括：

[0086] 根据如下关系式，获得各所述虚拟平行单元的不良集中度值：

[0087]

[0088] 其中，ctro表示虚拟平行单元的不良集中度，Tlabel表示虚拟平行单元的不良率真实分布，Ulabel表示虚拟平行单元的不良率均匀化分布，k表示虚拟平行单元的不良产品数
量，m代表所有虚拟平行单元涉及的产品总量。

[0089] 可以理解的是，如上表达式中，

[0090] 衡量了虚拟平行单元不良率与均匀分布的差异，累积绝对分布差；k/m代表当前单元下产品占到全体产品量的比例；因此，ctro可以表示虚拟
平行单元的不良集中度。

[0091] S80、基于各所述虚拟平行单元的不良集中度值，确定异常根因。

[0092] 在具体实施过程中，由于不良集中度值可以表征虚拟平行单元的不良集中程度，因此，根据不同虚拟平行单元的不良集中度值情况，可以判断出明显异常的根因单元。

[0093] 作为一种可选的实施方式，参见图5，所述基于各所述虚拟平行单元的不良集中度值，确定异常根因的步骤，包括：

[0094] S801、基于各所述虚拟平行单元的不良集中度值，获得各所述虚拟平行单元对应的根因单元的不良解释度值；

[0095] 在具体实施过程中，每个虚拟平行单元都对应目标层级中的一个根因单元（例如一个站点）。不良集中度值虽然能表征虚拟平行单元的不良集中程度，但是其针对的对像是
虚拟平行单元，为了更准确的确定异常的根因单元，需要针对根因单元的指标进行判断。因
此，获得各所述虚拟平行单元对应的根因单元的不良解释度值。

[0096] 具体地，所述基于各所述虚拟平行单元的不良集中度值，获得各所述虚拟平行单元对应的根因单元的不良解释度值的步骤，包括：

[0097] 根据如下关系式，获得不良解释度值：

[0098]

[0099] 其中，degree表示不良解释度，ctro表示不良集中度，Is表示所述虚拟平行单元的产品不良率，pv表示所述虚拟平行单元的过片率。

[0100]

[0101] 其中， 为第i个根因单元加工的产品数量，cnt为目标批次产品总的产品数量。

[0102] S802、基于各所述虚拟平行单元对应的根因单元的不良解释度值，确定异常根因。

[0103] 在具体实施过程中，根据不良解释度值确定异常根因的方式有多种，例如，明显异常值观察、阈值比较等。具体的，可以将所有根因单元的不良解释度值进行排序，然后取数
值较高对应的根因单元作为异常根因。

[0104] 在该实施方式中，由于不良解释度值直接对应实体的根因单元（即站点、设备等），因此，利用不良集中度值获得不良解释度值，从而以不良解释度值为指标来确定异常根因，
可以更准确的定位出生产异常的根因单元。

[0105] 作为一种可选的实施方式，所述基于各所述虚拟平行单元对应的根因单元的不良解释度值，确定异常根因的步骤，包括：根据各所述虚拟平行单元对应的根因单元的不良解
释度值的异常情况，确定异常根因。

[0106] 在具体实施过程中，对于一组数值的异常更容易进行判断，因此，不良解释度值的异常情况能更快速高效的判断出异常根因。

[0107] 应当理解的是，以上仅为举例说明，对本申请的技术方案并不构成任何限制，本领域的技术人员在实际应用中可以基于需要进行设置，此处不做限制。

[0108] 通过上述描述不难发现，本实施例的方法通过构建虚拟平行单元，建立了更多的可分析平行单元，并基于此，定义了可以表示各层级根因单元异常的不良集中度指标。由于
构建了更多的基础数据，因此可以提高不良根因定位的准确性；尤其对于产品生产过程中
的突发不良时数据较少的情况，可以显著提高不良根因定位的准确性，解决了产品生产过
程根因定位准确性低的技术问题。

[0109] 现有技术中，面对大规模的生产设备的生产线，如果需要准确的定位不良根因，需要获得各设备完整生成过程的大量数据。但在实际生产过程中，经常发生突发异常故障，此
时，分析样本数量较少，并没有完整生产过程的数据。而本实施例的方法则可以在少量样本
的情况下准确定位异常根因。

[0110] 在一个实施例中，所述基于所述设备履历信息中目标层级的履历信息，构建沿目标路径的多个虚拟平行单元的步骤之前，还包括：

[0111] 移除所述设备履历信息中过片率值低于过片率阈值的根因单元对应的履历信息，获得过滤设备履历信息；

[0112] 在具体实施过程中，过片率阈值可以进行设置，通过经验或者历史的试验数据获得，这里不再赘述。

[0113] 可以理解的是，过片率较低的根因单元由于样本量较少可信度较低，因此，移除其对应的履历信息，可以提高异常根因确定结果的准确性并提高计算速度。

[0114] 对应的，所述基于所述设备履历信息中目标层级的履历信息，构建沿目标路径的多个虚拟平行单元的步骤，包括：

[0115] 基于所述过滤设备履历信息中目标层级的履历信息，构建沿目标路径的多个虚拟平行单元。

[0116] 在具体实施过程中，利用过滤设备履历信息进行后续计算，可以提高异常根因确定结果的准确性并提高计算速度。

[0117] 具体地，所述基于所述过滤设备履历信息中目标层级的履历信息，构建沿目标路径的多个虚拟平行单元的步骤，包括：

[0118] 基于所述过滤设备履历信息中目标层级的履历信息，获得目标路径；

[0119] 基于所述过滤设备履历信息中目标层级的履历信息，构建沿目标路径的多个虚拟平行单元。

[0120] 在具体实施过程中，提前利用目标层级的履历信息获得目标路径，可加快虚拟平行单元的构建效率。

[0121] 此外，可以理解的是，上述实施例的方法针对目标层级的根因单元进行处理，在实际应用过程中，只要针对每个层级都重复执行本实施例的方法即可实现所有异常根因的确
定。

[0122] 参照图6，基于同样的发明原理，本申请的实施例还提供一种生产异常的根因定位装置，包括：

[0123] 数据获取模块，用于获取目标批次产品的设备履历信息和不良率信息；其中，所述设备履历信息包括所述目标批次产品在不同层级的根因单元的履历信息；

[0124] 虚拟构建模块，用于基于所述设备履历信息中目标层级的履历信息，构建沿目标路径的多个虚拟平行单元；其中，所述目标路径为所述目标批次产品在所述目标层级的路
径；所述虚拟平行单元中包括所述目标批次产品中的产品经过所述目标层级中根因单元生
成的虚拟单元；

[0125] 变量获得模块，用于基于所述目标批次产品的设备履历信息和不良率信息，获得各所述虚拟平行单元的不良集中度值；

[0126] 根因确定模块，用于基于各所述虚拟平行单元的不良集中度值，确定异常根因。

[0127] 需要说明的是，本实施例中生产异常的根因定位装置中各模块是与前述实施例中的生产异常的根因定位方法中的各步骤一一对应，因此，本实施例的具体实施方式可参照
前述生产异常的根因定位方法的实施方式，这里不再赘述。

[0128] 此外，为实现上述目的，本申请还提供一种电子设备，该电子设备包括处理器，存储器以及存储在所述存储器中的计算机程序，所述计算机程序被处理器运行时实现前述实
施例中方法的步骤。

[0129] 此外，在一种实施例中，本申请还提供一种计算机存储介质，所述计算机存储介质上存储有计算机程序，所述计算机程序被处理器运行时实现前述实施例中方法的步骤。

[0130] 在一些实施例中，计算机可读存储介质可以是FRAM、ROM、PROM、EPROM、EEPROM、闪存、磁表面存储器、光盘、或CD‑ROM等存储器；也可以是包括上述存储器之一或任意组合的
各种设备。计算机可以是包括智能终端和服务器在内的各种计算设备。

[0131] 在一些实施例中，可执行指令可以采用程序、软件、软件模块、脚本或代码的形式，按任意形式的编程语言（包括编译或解释语言，或者声明性或过程性语言）来编写，并且其
可按任意形式部署，包括被部署为独立的程序或者被部署为模块、组件、子例程或者适合在
计算环境中使用的其它单元。

[0132] 作为示例，可执行指令可以但不一定对应于文件系统中的文件，可以可被存储在保存其它程序或数据的文件的一部分，例如，存储在超文本标记语言（HTML，Hyper Text 
Markup Language）文档中的一个或多个脚本中，存储在专用于所讨论的程序的单个文件
中，或者，存储在多个协同文件（例如，存储一个或多个模块、子程序或代码部分的文件）中。

[0133] 作为示例，可执行指令可被部署为在一个计算设备上执行，或者在位于一个地点的多个计算设备上执行，又或者，在分布在多个地点且通过通信网络互连的多个计算设备
上执行。

[0134] 需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而
且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有
的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该
要素的过程、方法、物品或者系统中还存在另外的相同要素。

[0135] 上述本申请实施例序号仅仅为了描述，不代表实施例的优劣。

[0136] 通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下
前者是更佳的实施方式。基于这样的理解，本申请的技术方案本质上或者说对现有技术做
出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质
（如只读存储器/随机存取存储器、磁碟、光盘）中，包括若干指令用以使得一台多媒体终端
设备(可以是手机，计算机，电视接收机，或者网络设备等)执行本申请各个实施例所述的方
法。

[0137] 以上仅为本申请的优选实施例，并非因此限制本申请的专利范围，凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技
术领域，均同理包括在本申请的专利保护范围内。