基于大数据的等径自决策方法、系统、设备和存储介质

摘要

基于大数据的等径自决策方法、系统、设备和存储介质，通过对直拉单晶等径过程中等径节点的基础源数据进行处理、筛选、转换为等径节点中易于识别和标记的若干数据集并建立模型，进行多维度数据清洗并建立维度数据仓库；获取当前节点的基础元数据并转化为工艺参数，将工艺参数与维度数据仓库中的模型进行数据对比，对判定结果进行数据分析，判定当前等径过程环节是否有异常，并根据判定结果进行自决策。本发明技术方案可在单晶拉制的等径过程中发生等径异常情况时，能够及时自动给出最优的评估和决策，减少工作人员干预，实现自动决策，更加实时、全面、准确、标准地处理等径异常问题，提升生产效率和产品品质。

说明书

技术领域

本发明属于光伏单晶拉制生产技术领域，尤其是涉及基于大数据的等径自决策方法、系统、设备和存储介质。

背景技术

直拉单晶生长过程主要包括稳温、引晶、放肩、等径、收尾等工作步骤。在直拉单晶的等径过程中，需要工作人员在现场监督，如果发生等径异常情况，需要现场工作人员对此进行评估决策。但由于现场工作人员的技能、经验、习惯等均有所不同，评估和决策都会有所差别，不能做到实时、全面、准确、标准。

因此，为了实现在单晶拉制的等径过程中发生等径异常情况时，能够及时自动给出最优的评估和决策，减少工作人员干预，实现自动决策，更加实时、全面、准确、标准地处理等径异常问题，提升生产效率和产品品质，需要对目前等径过程中评估决策的方法进行改进。

发明内容

本发明要解决的问题是提供基于大数据的等径SOP设定方法、系统、设备和存储介质，尤其是适用于太阳能直拉硅单晶生产，有效地解决背景技术中提出的目前现有技术中，在直拉单晶等径过程中，若发生等径异常，现场工作人员的技能、经验、习惯等均有所不同，评估和决策都会有所差别，不能做到实时、全面、准确、标准的问题。

为解决上述技术问题，本发明采用以下技术方案：

基于大数据的等径自决策方法，所述方法包括步骤：

S1：获取在直拉单晶等径过程中不同炉型、不同系列、不同炉台、不同原料、不同复投次数的等径节点的基础源数据；

S2：对获取的所述基础源数据进行处理，筛选并转换为不同炉型、不同系列、不同炉台、不同原料、不同复投次数在等径节点中易于识别和标记的若干参数，并获得不同炉型、不同系列、不同炉台、不同原料、不同复投次数的等径节点的所有所述参数数值的数据集；

S3：通过深度学习对不同炉型、不同系列、不同炉台、不同原料、不同复投次数的等径节点中的每一所述参数建立模型；

S4：通过深度学习对所述S3步骤中的每一所述模型进行多维度数据清洗，并建立直拉单晶等径过程的维度数据仓库；

S5：通过深度学习对所述S3步骤中的每一所述模型进行分析计算，获取当前炉型、当前系列、当前炉台、当前原料、当前复投次数的等径节点的当前基础源数据；

S6：对所述S5步骤中获取的所述当前基础源数据进行处理，筛选并转换为当前炉型、当前系列、当前炉台、当前原料、当前复投次数的等径节点中易于识别和标记的工艺参数；

S7：将所述S6步骤中获取的所述易于识别和标记的工艺参数与S4步骤中所述维度数据仓库中的每一所述模型进行数据对比，以判定该单晶所在节点中的所述易于识别和标记的工艺参数数值是否合理；

S8：通过深度学习对所述S7步骤中的判定结果进行数据分析，判定当前等径过程环节是否有异常，并根据判定结果进行自决策。

进一步地，所述S2步骤中所有不同炉型、不同系列、不同炉台、不同原料、不同复投次数的等径节点中的每一所述参数与所述S6步骤中所有所述工艺参数类型相对应。

进一步地，所述参数根据生产区域、等径节点的持续时间和等径功能进行建立。

进一步地，所有所述参数均被配置于所在单晶炉的终端显示器中显示。

进一步地，不同炉型、不同系列、不同炉台、不同原料、不同复投次数的等径节点的所述基础源数据包括生产过程数据和/或原辅料数据和/或品质数据。

一种等径自决策系统，所述系统包括：

获取源数据单元：用于获取在直拉单晶等径过程中不同炉型、不同系列、不同炉台、不同原料、不同复投次数的等径节点的基础源数据；

处理源数据单元：对获取的所述基础源数据进行处理，筛选并转换为不同炉型、不同系列、不同炉台、不同原料、不同复投次数等径节点中易于识别和标记的若干参数，并获得不同炉型、不同系列、不同炉台、不同原料、不同复投次数的等径节点的所有所述参数数值的数据集；

建立模型单元：用于通过深度学习对不同炉型、不同系列、不同炉台、不同原料、不同复投次数的等径节点中的每一所述参数建立模型；

数据清洗单元：用于对每一所述模型进行多维度数据清洗，建立直拉单晶等径过程的维度数据仓库；

数据对比单元：用于将当前炉型、当前系列、当前炉台、当前原料、当前复投次数的等径节点中的工艺参数与不同炉型、不同系列、不同炉台、不同原料、不同复投次数的等径节点中的每一所述模型进行对比；

大数据平台单元：用于对当前炉型、当前系列、当前炉台、当前原料、当前复投次数的等径节点中的工艺参数与不同炉型、不同系列、不同炉台、不同原料、不同复投次数的等径节点中的每一所述模型进行对比的判定结果进行大数据分析，判定当前等径过程环节是否有异常，并根据判定结果进行自决策。

进一步地，所述获取源数据单元中所有不同炉型、不同系列、不同炉台、不同原料、不同复投次数的等径节点中的每一所述参数与所述数据处理单元中所有所述工艺参数类型相对应；

所述参数根据生产区域、等径节点的持续时间和等径功能进行建立；

所有所述参数均被配置于所在单晶炉的终端显示器中显示。

进一步地，不同炉型、不同系列、不同炉台、不同原料、不同复投次数的等径节点的所述基础源数据包括生产过程数据和/或原辅料数据和/或品质数据。

一种计算机设备，包括存储器和处理器；所述存储器存储有计算机程序；所述处理器用于执行所述计算机程序，并在执行所述计算机程序时，使得所述处理器执行如权利要求1-7中任一项所述的等径自决策方法的步骤。

一种计算机可读存储介质，存储有计算机程序，当所述计算机程序被处理器执行时，使所述处理器执行如权利要求1-7中任一项所述的等径自决策方法的步骤。

与现有技术相比，采用本发明设计的基于大数据的等径自决策方法、系统、设备和存储介质，通过对直拉单晶等径过程中不同炉型、不同系列、不同炉台、不同原料、不同复投次数的等径节点的基础源数据进行处理、筛选、转换为不同炉型、不同系列、不同炉台、不同原料、不同复投次数等径节点中易于识别和标记的若干与模型中相对应的参数数值的数据集；同时通过深度学习对不同炉型、不同系列、不同炉台、不同原料、不同复投次数的等径节点中的每一参数建立模型，并对每一模型进行多维度数据清洗，建立直拉单晶等径过程的维度数据仓库，通过计算获取当前炉型、当前系列、当前炉台、当前原料、当前复投次数的等径节点的当前基础源数据，筛选并转换为当前炉型、当前系列、当前炉台、当前原料、当前复投次数的等径节点中易于识别和标记的工艺参数，并与维度数据仓库中的每一模型进行数据对比，以判定该单晶所在节点中的所述易于识别和标记的工艺参数数值是否合理，通过深度学习对判定结果进行数据分析，判定当前等径过程环节是否有异常，并根据判定结果进行自决策。

本发明技术方案可在单晶拉制的等径过程中发生等径异常情况时，能够及时自动给出最优的评估和决策，减少工作人员干预，实现自动决策，更加实时、全面、准确、标准地处理等径异常问题，提升生产效率和产品品质。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1是本发明一实施例的基于大数据的等径自决策方法的流程图；

图2是本发明一实施例的等径自决策方法系统的结构示意图；

具体实施方式

下面结合实施例和附图对本发明作进一步说明。

为使本发明的目的、技术方案和优点更加清楚明了，下面结合具体实施方式并参照附图，对本发明进一步详细说明。应该理解，这些描述只是示例性的，而并非要限制本发明的范围。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本发明的概念。

如图1所示，本发明实施例提供基于大数据的等径自决策方法，方法包括以下步骤：

S1：获取在直拉单晶等径过程中不同炉型、不同系列、不同炉台、不同原料、不同复投次数的等径节点的基础源数据；

具体地，在直拉单晶等径过程中不同炉型、不同系列、不同炉台、不同原料、不同复投次数的等径节点中，每个单晶炉均具有个体化特性，不同炉型、不同系列、不同炉台、不同原料、不同复投次数的等径节点的基础源数据包括生产过程数据和/或原辅料数据和/或品质数据。

其中，生产过程数据包括设备名称、起止时间、批次编号、工艺模式、配方名称、直径测量值、热场温度值、主加热器功率测量、底部加热器功率测量、实际晶体拉速等。

原辅料数据包括备料日期、配料序号、人员班次、炉次、工件规格、坩埚类型、坩埚产地、原生多晶重量、回收料占比、整体重量等。

品质数据包括单晶编号、长度、重量、直径、电阻率、寿命、氧含量、碳含量、缺陷等。

S2：对获取的基础源数据进行处理，筛选并转换为不同炉型、不同系列、不同炉台、不同原料、不同复投次数在等径节点中易于识别和标记的若干参数，并获得不同炉型、不同系列、不同炉台、不同原料、不同复投次数的等径节点的所有参数数值的数据集；

具体地，将基础源数据经过处理、筛选并转换为不同炉型、不同系列、不同炉台、不同原料、不同复投次数等径节点中易于识别和标记的若干参数，以获得不同炉型、不同系列、不同炉台、不同原料、不同复投次数的等径节点的所有参数数值的数据集，也就是将输入的基础源数据中分散、凌乱、标准不统一的源数据整合，再转换为工件制程节点中的常用参数数据集，为后续参数对比，判定分析提供依据。

进一步地，所有参数根据生产区域、等径节点的持续时间和等径功能进行建立。

进一步地，所有参数均被配置于所在单晶炉的终端显示器中显示。

S3：通过深度学习对不同炉型、不同系列、不同炉台、不同原料、不同复投次数的等径节点中的每一参数建立模型；

具体地，采用深度学习的方法对不同炉型、不同系列、不同炉台、不同原料、不同复投次数的等径节点中的每一参数均建立一个模型，以监控所有炉型、系列、炉台、原料、复投次数的所有的单晶在等径过程中的节点分析和判断，以期获得质量符合标准的单晶。

S4：通过深度学习对S3步骤中的每一模型进行多维度数据清洗，并建立直拉单晶等径过程的维度数据仓库；

具体地，采用深度学习的方法对S3步骤中的每一模型进行多维度数据清洗，综合不同炉型、不同系列、不同炉台、不同原料、不同复投次数的等径节点中的模型数据，以建立直拉单晶等径过程的维度数据仓库。

S5：通过深度学习对S3步骤中的每一模型进行分析计算，获取当前炉型、当前系列、当前炉台、当前原料、当前复投次数的等径节点的当前基础源数据；

S6：对S5步骤中获取的当前基础源数据进行处理，筛选并转换为当前炉型、当前系列、当前炉台、当前原料、当前复投次数的等径节点中易于识别和标记的工艺参数；

S7：将S6步骤中获取的所述易于识别和标记的工艺参数与S4步骤中维度数据仓库中的每一模型进行数据对比，以判定该单晶所在节点中的所述易于识别和标记的工艺参数数值是否合理；

S8：通过深度学习对S7步骤中的判定结果进行数据分析，判定当前等径过程环节是否有异常，并根据判定结果进行自决策。

一种等径自决策系统，如图2所示，系统包括：

获取源数据单元：用于获取在直拉单晶等径过程中不同炉型、不同系列、不同炉台、不同原料、不同复投次数的等径节点的基础源数据；

处理源数据单元：对获取的基础源数据进行处理，筛选并转换为不同炉型、不同系列、不同炉台、不同原料、不同复投次数等径节点中易于识别和标记的若干参数，并获得不同炉型、不同系列、不同炉台、不同原料、不同复投次数的等径节点的所有参数数值的数据集；

建立模型单元：用于通过深度学习对不同炉型、不同系列、不同炉台、不同原料、不同复投次数的等径节点中的每一参数建立模型；

数据清洗单元：用于对每一模型进行多维度数据清洗，建立直拉单晶等径过程的维度数据仓库；

数据对比单元：用于将当前炉型、当前系列、当前炉台、当前原料、当前复投次数的等径节点中的工艺参数与不同炉型、不同系列、不同炉台、不同原料、不同复投次数的等径节点中的每一模型进行对比；

大数据平台单元：用于对当前炉型、当前系列、当前炉台、当前原料、当前复投次数的等径节点中的工艺参数与不同炉型、不同系列、不同炉台、不同原料、不同复投次数的等径节点中的每一模型进行对比的判定结果进行大数据分析，判定当前等径过程环节是否有异常，并根据判定结果进行自决策。

进一步地，获取源数据单元中所有不同炉型、不同系列、不同炉台、不同原料、不同复投次数的等径节点中的每一参数与所述数据处理单元中所有工艺参数类型相对应；

参数根据生产区域、等径节点的持续时间和等径功能进行建立；

所有参数均被配置于所在单晶炉的终端显示器中显示。

进一步地，不同炉型、不同系列、不同炉台、不同原料、不同复投次数的等径节点的基础源数据包括生产过程数据和/或原辅料数据和/或品质数据。

一种计算机设备，包括存储器和处理器；存储器存储有计算机程序；处理器用于执行计算机程序，并在执行计算机程序时，使得处理器执行如上任一项所述的等径自决策方法的步骤。

一种计算机可读存储介质，存储有计算机程序，当计算机程序被处理器执行时，使处理器执行如上任一项所述的等径自决策方法的步骤。

本发明实现的优点和有益效果是：

1.本发明设计的基于大数据的等径自决策方法、系统、设备和存储介质，通过对直拉单晶等径过程中不同炉型、不同系列、不同炉台、不同原料、不同复投次数的等径节点的基础源数据进行处理、筛选、转换为不同炉型、不同系列、不同炉台、不同原料、不同复投次数等径节点中易于识别和标记的若干与模型中相对应的参数数值的数据集；同时通过深度学习对不同炉型、不同系列、不同炉台、不同原料、不同复投次数的等径节点中的每一参数建立模型，并对每一模型进行多维度数据清洗，建立直拉单晶等径过程的维度数据仓库，通过计算获取当前炉型、当前系列、当前炉台、当前原料、当前复投次数的等径节点的当前基础源数据，筛选并转换为当前炉型、当前系列、当前炉台、当前原料、当前复投次数的等径节点中易于识别和标记的工艺参数，并与维度数据仓库中的每一模型进行数据对比，以判定该单晶所在节点中的所述易于识别和标记的工艺参数数值是否合理，通过深度学习对判定结果进行数据分析，判定当前等径过程环节是否有异常，并根据判定结果进行自决策。

2.本发明技术方案可在单晶拉制的等径过程中发生等径异常情况时，能够及时自动给出最优的评估和决策，减少工作人员干预，实现自动决策，更加实时、全面、准确、标准地处理等径异常问题，提升生产效率和产品品质。

应当理解的是，本发明的上述具体实施方式仅仅用于示例性说明或解释本发明的原理，而不构成对本发明的限制。因此，在不偏离本发明的精神和范围的情况下所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。此外，本发明所附权利要求旨在涵盖落入所附权利要求范围和边界、或者这种范围和边界的等同形式内的全部变化和修改例。