基于工艺参数分析的PVD镀膜异常诊断方法及系统与流程

本发明属于工艺参数分析，尤其涉及一种基于工艺参数分析的pvd镀膜异常诊断方法及系统。

背景技术：

1、物理气相沉积pvd镀膜技术是先进制造领域中用于形成高性能薄膜的重要工艺。随着工业产品对薄膜均匀性、附着力及工艺稳定性的要求不断提高，pvd镀膜设备的结构和控制过程日益复杂，设备内部通常集成温度、气压、气体流量、靶材功率等多类传感器，用于实时采集工艺运行状态。受设备老化、外部环境扰动、控制参数漂移等因素影响，pvd镀膜过程中容易出现工艺异常，进而造成膜层质量波动、产品良率下降，严重时还可能引发批量产品报废。由于pvd镀膜过程具有非线性、强耦合和时序传递特征，各工艺参数之间并非孤立变化，而是通过设备控制链路和工艺环境相互影响，形成复杂的异常传播关系。

2、现有异常诊断方法多依赖现场工程师经验或单变量阈值报警，面对高维且强关联的传感器时序数据时，容易受到表层告警和伴生波动干扰，导致故障排查效率较低，异常源头难以准确锁定。部分基于图模型或因果推断的诊断方法虽然能够利用传感器时序数据构建变量关联图，并追溯异常传播路径，但在参数异常状态量化时，往往侧重单一维度的数值偏差，缺少对父节点条件依赖关系及下游工艺影响能力的综合刻画，容易将受异常传导影响的节点误判为根源节点。同时，现有异常链路追踪或根源子图导出机制多采用固定搜索规则或相关性堆叠方式，缺少对子图整体解释能力的评估、剪枝和重构机制，在噪声较多或工艺波动较强的pvd实际数据场景下，可能导出包含冗余节点或遗漏关键根因节点的诊断结果。

技术实现思路

1、为了解决现有技术中pvd镀膜异常诊断依赖单变量阈值或相关性分析，难以刻画参数间时序因果关系、条件依赖及下游影响，导致根因定位不准、冗余节点较多的问题，本发明提供了一种基于工艺参数分析的pvd镀膜异常诊断方法及系统。

2、第一方面，本发明提供了一种基于工艺参数分析的pvd镀膜异常诊断方法，包括：s1：获取异常发生段的多路传感器时序数据，基于多路传感器时序数据间的时滞互信息构建加权有向无环图作为因果图，因果图中的节点为工艺参数，边权重为因果影响强度；为各个节点构建节点的多维状态偏离描述子，并计算节点多维状态偏离相对于所有父节点状态偏离的条件信息熵；s2：根据节点的多维状态偏离描述子、条件信息熵以及各个节点在因果图中的下游总影响力计算各个节点的异常源评分，将最高异常源评分的节点作为初始种子节点迭代生长构建假设子图，每轮从假设子图的邻接节点中选择使得贝叶斯证据增益最大的节点加入，直至所有候选节点的贝叶斯证据增益均小于或等于生长终止阈值；s3：对假设子图执行剪枝与重构，根据节点移除前后的异常状态总解释度差值确定边际因果贡献，并剪除低贡献节点；若剪枝后异常状态总解释度低于可信度下限，则下调生长终止阈值和剪枝阈值，并以初始种子节点重新迭代生长，当假设子图的异常状态总解释度达到可信度下限时，生成根源子图；否则在达到预设终止条件时，输出历次重构中异常状态总解释度最高的假设子图作为诊断参考子图，并生成可信度不足提示。

3、通过综合评估节点的独立异常剧烈程度及其全局下游影响能力，精准锁定真实的工艺异常源头，再结合基于贝叶斯解释度的剪枝与动态阈值重构机制，有效剔除跟随上游波动的伴生冗余参数，在设备老化、强耦合及高噪声的实际生产环境中，显著提升了设备异常溯源的准确性与诊断结果的稳定性，避免了因误判导致的无效停机排查，提高了产品良率和故障诊断效率。

4、进一步地，获取异常发生段的多路传感器时序数据，构建加权有向无环图，包括：将获取的多路传感器时序数据按照预设的滑动时间窗口划分为等长的数据序列；对于任意源节点和目的节点，计算源节点的数据序列与目的节点在多个延迟时间下的数据序列的互信息；选取使得互信息最大的延迟时间，根据延迟时间的符号确定有向边方向，并将最大互信息值作为方向确定后的有向边权重，构建初始有向图；在初始有向图中识别有向环，按照预设闭环处理规则，对满足闭环聚合条件的有向环执行超节点合并，并对不满足闭环聚合条件的有向环，基于边权重执行反馈边删除处理，直至图中不存在有向环，得到加权有向无环图。

5、通过时滞互信息与最大化延迟时间的提取，准确确定了异常在设备控制链路中的时序传导方向与强度，并通过超节点合并及反馈边剔除机制，有效消除了复杂工艺中存在的控制反馈回路引起的循环依赖干扰，在确保图模型具备清晰时序逻辑的同时，避免了因无限循环追踪导致的诊断死锁，为后续精准溯源提供了结构可靠的基础因果拓扑图。

6、进一步地，节点的多维状态偏离描述子，包括：对于由多个原始节点合并形成的超节点，分别计算各原始节点在偏离度、一阶时间变化率及局部振荡幅值上的数值，并对同一指标下的多个数值求平均，得到超节点的多维状态偏离描述子。

7、通过对其内部各个原始多维度特征指标进行统一的降维和均值抽象处理，在保留设备局部工艺控制环节整体异常变异趋势的同时，有效平滑了单一传感器采集噪声带来的偶然误差，使得多变量耦合下的异常状态表征更加稳定，保障了超节点在后续根因打分环节中的公正性与可靠性。

8、进一步地，偏离度、一阶时间变化率及局部振荡幅值的计算方法，包括：对节点包含的各个维度，分别获取正常工艺状态下历史数据的均值和标准差，并基于均值和标准差将当前窗口内节点数据转化为无量纲的标准化数据；将当前窗口内各个维度节点数据的均值减去历史数据的均值，并除以历史数据的标准差，得到各个维度的标准化偏离量，再取标准化偏离量的绝对值作为对应维度的偏离度；分别计算当前窗口内各个维度相邻时刻标准化数据差值与对应时间间隔的比值，并对比值取绝对值后求平均值，作为各个维度的一阶时间变化率；分别提取当前窗口内各个维度标准化数据的最大值与最小值，计算最大值与最小值之差，作为各个维度的局部振荡幅值。

9、通过偏离度衡量工艺参数的静态漂移严重程度，通过一阶时间变化率捕获参数突变速度，通过局部振荡幅值量化高频抖动剧烈程度，这种无量纲化的多维状态评估方式能够全面、立体地反映设备在真实物理环境下的多种异常退化表现，确保对零部件老化慢漂、气流突跃、电源高频振荡等不同类型工艺缺陷的敏锐捕捉。

10、进一步地，计算各个节点的异常源评分，包括：对当前节点的多维状态偏离描述子中的偏离度、一阶时间变化率及局部振荡幅值进行加权融合，得到当前节点的节点异常强度；将当前节点的节点异常强度、条件信息熵与下游总影响力分别归一化为无量纲数值后进行加权融合，得到当前节点的异常源评分。

11、在计算评分时同时兼顾了参数自身的异常剧烈程度、相对于上游传导而保留的独立异常信息量以及其对整个工艺过程的破坏能力，这种多维度融合的评价体系能够准确过滤掉那些纯粹因上游故障传导而出现数据波动的扰动参数，真正将那些具备原始发源特征且破坏力广的核心致灾参数突显出来，大幅提高了初始异常种子的定位精度。

12、进一步地，下游总影响力的计算方法，包括：在因果图中，从当前节点出发，搜索所有到达无出度节点的有向路径，其中，有向路径至少包含一条有向边；对于每一条有向路径，将路径上的有向边权重归一化为无量纲数值，并计算路径上所有归一化无量纲数值的乘积；将当前节点的所有有向路径的归一化无量纲数值的乘积进行求和，得到当前节点的下游总影响力，若当前节点不存在下游有向路径，则将当前节点的下游总影响力设定为零。

13、利用多级路径的归一化边权连乘与全网路径求和机制，精确量化了某一参数异常在复杂设备管网或控制链路中随时间不断衰减的全局辐射范围与累积破坏力度，从而在实际诊断时能够优先排查那些位处控制中枢或具有广泛工艺影响力的关键故障部件，加速了重大设备故障的定损与修复进程。

14、进一步地，每轮从假设子图的邻接节点中选择使得贝叶斯证据增益最大的节点加入，包括：从当前假设子图的外部邻接节点中提取候选节点集合；计算候选节点加入前当前假设子图对因果图全图异常状态的初始异常状态总解释度；计算候选节点加入后更新的假设子图对因果图全图异常状态的更新异常状态总解释度；将更新异常状态总解释度减去初始异常状态总解释度，得到贝叶斯证据增益；选取贝叶斯证据增益最大且大于生长终止阈值的候选节点加入当前假设子图。

15、采用基于高斯贝叶斯网络的条件似然框架，在每一步扩充子图时严格评估新参数纳入对全局异常场景的真实解释贡献，仅允许那些能实质性提升宏观异常解释力的关键节点加入，从而以严密的证据驱动机制有效遏制了诊断子图的盲目蔓延，为现场工程师输出规模适中、线索清晰的根因追踪图谱。

16、进一步地，对假设子图执行剪枝，包括：遍历当前假设子图中的每个非初始种子节点，计算将节点移除后剩余子图对因果图全图异常状态的异常状态总解释度；将移除前的异常状态总解释度减去移除后的异常状态总解释度，作为节点的边际因果贡献；若节点的边际因果贡献低于预设的剪枝阈值，则将节点从假设子图中移除。

17、通过虚拟移除节点的破坏性自检机制，精准测定每个节点在全局异常解释中的不可替代性，强力剥离那些仅起附带波动作用而非异常传导必需的伪节点，使得最终呈现的诊断结果更加精炼、直观，显著降低了现场技术人员在复杂排查过程中花费的试错时间成本。

18、进一步地，异常状态总解释度通过以下方式确定：利用高斯贝叶斯网络模型，以当前假设子图内各节点的多维状态偏离描述子为输入，计算全图节点异常状态的条件似然评分；将条件似然评分通过sigmoid映射规则转化后作为异常状态总解释度。

19、通过高斯贝叶斯网络将连续型工艺状态变量的联合概率分布进行建模，并利用sigmoid函数将无界的似然评分平滑映射为直观的概率解释度，为前述诊断子图的按需生长与深度剪枝提供了客观统一且易于工程应用的标准评判准则，确保了诊断算法在不同型号设备与不同批次数据下的一致稳定性。

20、第二方面，还提供了一种基于工艺参数分析的pvd镀膜异常诊断系统，包括处理器和存储器，其特征在于，存储器存储有计算机程序，处理器执行计算机程序以实现以上任一项的基于工艺参数分析的pvd镀膜异常诊断方法。

21、有益效果：通过时滞互信息构建加权有向无环图，表征工艺参数间的时序影响关系及关联强度；结合节点的多维状态偏离描述子与条件信息熵，刻画节点自身异常程度及其相对于父节点状态偏离后的独立异常信息。进一步融合节点异常强度、条件信息熵和下游总影响力计算异常源评分，并以贝叶斯证据增益为依据迭代生长假设子图。通过边际因果贡献剪枝及阈值调整重构，减少伴生波动节点和弱关联节点的干扰，有助于提高pvd镀膜异常根因定位的准确性和稳定性。