買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)恭喜深圳硬之城信息技術(shù)有限公司申請(qǐng)的專利基于歷史數(shù)據(jù)的智能制造芯片的性能優(yōu)化方法及裝置獲國(guó)家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國(guó)家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN119761771B 。

龍圖騰網(wǎng)通過國(guó)家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-05-09發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請(qǐng)?zhí)?專利號(hào)為：202510253195.9，技術(shù)領(lǐng)域涉及：G06Q10/0631；該發(fā)明授權(quán)基于歷史數(shù)據(jù)的智能制造芯片的性能優(yōu)化方法及裝置是由李六七設(shè)計(jì)研發(fā)完成，并于2025-03-05向國(guó)家知識(shí)產(chǎn)權(quán)局提交的專利申請(qǐng)。

本基于歷史數(shù)據(jù)的智能制造芯片的性能優(yōu)化方法及裝置在說明書摘要公布了：本發(fā)明涉及一種基于歷史數(shù)據(jù)的智能制造芯片的性能優(yōu)化方法及裝置。該方法：對(duì)智能制造芯片制造設(shè)備采集的歷史加工數(shù)據(jù)進(jìn)行數(shù)據(jù)清洗和時(shí)序排序，得到工藝參數(shù)時(shí)序數(shù)據(jù)集，并根據(jù)生產(chǎn)工藝文檔生成工藝語(yǔ)義特征矩陣；基于所述工藝參數(shù)時(shí)序數(shù)據(jù)集和所述工藝語(yǔ)義特征矩陣創(chuàng)建工藝參數(shù)優(yōu)化模型；基于所述工藝參數(shù)優(yōu)化模型對(duì)實(shí)時(shí)采集的設(shè)備狀態(tài)數(shù)據(jù)和質(zhì)量檢測(cè)數(shù)據(jù)進(jìn)行參數(shù)補(bǔ)償量計(jì)算，得到優(yōu)化后的工藝參數(shù)組合；基于所述優(yōu)化后的工藝參數(shù)組合求解最優(yōu)產(chǎn)能分配方案，并輸出工藝參數(shù)動(dòng)態(tài)調(diào)控指令。本發(fā)明在保證工藝參數(shù)約束的同時(shí)實(shí)現(xiàn)了產(chǎn)能的最優(yōu)分配，提高了生產(chǎn)效率。

本發(fā)明授權(quán)基于歷史數(shù)據(jù)的智能制造芯片的性能優(yōu)化方法及裝置在權(quán)利要求書中公布了：1.一種基于歷史數(shù)據(jù)的智能制造芯片的性能優(yōu)化方法，其特征在于，包括以下步驟：對(duì)智能制造芯片制造設(shè)備采集的歷史加工數(shù)據(jù)進(jìn)行數(shù)據(jù)清洗和時(shí)序排序，得到工藝參數(shù)時(shí)序數(shù)據(jù)集，并根據(jù)生產(chǎn)工藝文檔生成工藝語(yǔ)義特征矩陣；基于所述工藝參數(shù)時(shí)序數(shù)據(jù)集和所述工藝語(yǔ)義特征矩陣創(chuàng)建工藝參數(shù)優(yōu)化模型；具體包括：將所述工藝參數(shù)時(shí)序數(shù)據(jù)集輸入跨模態(tài)特征編碼網(wǎng)絡(luò)的時(shí)序編碼分支進(jìn)行時(shí)序特征提取，得到時(shí)序特征向量；將所述工藝語(yǔ)義特征矩陣輸入所述跨模態(tài)特征編碼網(wǎng)絡(luò)的語(yǔ)義編碼分支進(jìn)行特征變換，得到語(yǔ)義特征向量；對(duì)所述時(shí)序特征向量進(jìn)行小波分解，分別提取高頻、中頻和低頻特征分量，得到增強(qiáng)時(shí)序特征；基于所述語(yǔ)義特征向量構(gòu)建K近鄰圖結(jié)構(gòu)，計(jì)算特征節(jié)點(diǎn)間的余弦相似度矩陣，通過兩層圖卷積網(wǎng)絡(luò)進(jìn)行消息傳遞和特征聚合，得到增強(qiáng)語(yǔ)義特征；將所述增強(qiáng)時(shí)序特征和所述增強(qiáng)語(yǔ)義特征輸入特征對(duì)齊模塊，計(jì)算模態(tài)間的注意力權(quán)重，得到初始對(duì)齊特征；對(duì)所述初始對(duì)齊特征進(jìn)行對(duì)比學(xué)習(xí)，構(gòu)建正負(fù)樣本對(duì)，最小化正樣本對(duì)之間的特征距離，同時(shí)最大化負(fù)樣本對(duì)之間的特征距離，得到對(duì)比學(xué)習(xí)特征；將所述對(duì)比學(xué)習(xí)特征輸入特征融合模塊進(jìn)行非線性變換，得到融合特征向量，并對(duì)所述融合特征向量進(jìn)行L2歸一化，得到統(tǒng)一特征表示向量；將所述統(tǒng)一特征表示向量輸入自編碼重建網(wǎng)絡(luò)進(jìn)行特征解耦和參數(shù)映射，通過多目標(biāo)聯(lián)合優(yōu)化訓(xùn)練，得到工藝參數(shù)優(yōu)化模型；基于所述工藝參數(shù)優(yōu)化模型對(duì)實(shí)時(shí)采集的設(shè)備狀態(tài)數(shù)據(jù)和質(zhì)量檢測(cè)數(shù)據(jù)進(jìn)行參數(shù)補(bǔ)償量計(jì)算，得到優(yōu)化后的工藝參數(shù)組合；基于所述優(yōu)化后的工藝參數(shù)組合求解最優(yōu)產(chǎn)能分配方案，并輸出工藝參數(shù)動(dòng)態(tài)調(diào)控指令；具體包括：基于所述優(yōu)化后的工藝參數(shù)組合構(gòu)建二進(jìn)制整數(shù)線性規(guī)劃模型，設(shè)定產(chǎn)能最大化為目標(biāo)函數(shù)，將工藝參數(shù)取值范圍和設(shè)備資源限制作為約束條件，得到產(chǎn)能規(guī)劃數(shù)學(xué)模型；對(duì)所述產(chǎn)能規(guī)劃數(shù)學(xué)模型進(jìn)行拉格朗日松弛化處理，引入拉格朗日乘子，將二進(jìn)制整數(shù)規(guī)劃問題轉(zhuǎn)化為連續(xù)優(yōu)化問題，得到松弛化優(yōu)化問題；基于所述松弛化優(yōu)化問題構(gòu)建KKT最優(yōu)性條件，通過對(duì)目標(biāo)函數(shù)求導(dǎo)并令其等于零，得到最優(yōu)性必要條件方程組；對(duì)所述最優(yōu)性必要條件方程組進(jìn)行求解，采用次梯度法迭代更新拉格朗日乘子，得到連續(xù)解空間上的最優(yōu)解；將所述連續(xù)解空間上的最優(yōu)解通過分支定界法進(jìn)行整數(shù)化處理，采用深度優(yōu)先搜索策略進(jìn)行分支遍歷，得到初始產(chǎn)能分配方案；對(duì)所述初始產(chǎn)能分配方案進(jìn)行可行性驗(yàn)證，基于工藝約束條件構(gòu)建懲罰函數(shù)，通過局部搜索算法對(duì)不可行解進(jìn)行調(diào)整，得到可行產(chǎn)能方案；基于所述可行產(chǎn)能方案計(jì)算各工序的加工時(shí)序和設(shè)備分配，采用關(guān)鍵路徑法確定生產(chǎn)節(jié)拍，得到動(dòng)態(tài)調(diào)度方案，并將所述動(dòng)態(tài)調(diào)度方案轉(zhuǎn)換為工藝參數(shù)控制序列，通過參數(shù)映射規(guī)則生成控制指令集，輸出工藝參數(shù)動(dòng)態(tài)調(diào)控指令。

如需購(gòu)買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請(qǐng)人或?qū)＠麢?quán)人深圳硬之城信息技術(shù)有限公司，其通訊地址為：518000 廣東省深圳市福田區(qū)梅林街道梅都社區(qū)中康路136號(hào)深圳新一代產(chǎn)業(yè)園3棟901；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。