一种基于认知计算的半导体生产报表路由决策方法、系统、设备及介质与流程

本发明涉及半导体制造，具体地说，涉及一种基于认知计算的半导体生产报表路由决策方法、系统、设备及介质。

背景技术：

1、半导体制造是当今最复杂的工业制造过程之一，一条先进制程生产线涉及数百道工序、数千台设备，每批次产品需经历光刻、刻蚀、薄膜沉积、离子注入、化学机械研磨等数百个工艺步骤。在此过程中，生产管理人员、工艺工程师、设备工程师、质量工程师需要频繁查询和分析各类生产报表，包括设备状态报表、工艺参数报表、良率报表、缺陷报表、wip报表、oee报表等。

2、随着制程节点向3nm、2nm演进，生产数据量呈指数级增长，报表种类超过50种，数据维度达到数千个。传统的人工查询和分析方式已无法满足快速决策的需求，迫切需要智能化的报表问答系统。

技术实现思路

1、本发明针对现有管控系统存在报表数据分散、查询门槛高、缺乏认知推理能力的问题，提出一种基于认知计算的半导体生产报表路由决策方法、系统、设备及介质；通过构建半导体生产报表认知知识图谱，融合大语言模型的语义理解能力与知识图谱的推理能力，实现自然语言驱动的跨报表智能问答与根因分析，实现非技术人员可用、跨系统自动关联、根因分析智能化的效果。

2、本发明具体实现内容如下：

3、一种基于认知计算的半导体生产报表路由决策方法，具体包括以下步骤：

4、步骤s1：将获取的自然语言查询请求输入至构建的半导体领域预训练语言模型，得到语义编码矩阵，计算自然语言查询请求的句向量表示；

5、步骤s2：解析句向量表示，得到自然语言查询请求的实体、意图类型、槽位值，构建结构化查询意图；

6、步骤s3：根据结构化查询意图，构建查询意图向量得到报表路由决策结果。

7、为了更好地实现本发明，进一步地，所述步骤s1具体包括以下步骤：

8、步骤s11：根据获取的半导体制造领域的工艺文档、设备手册、报表元数据、历史查询日志，构建半导体领域预训练语料库；

9、步骤s12：调用基于bert架构的预训练语言模型，在通用中文语料预训练的基础上，根据半导体领域预训练语料进行增量预训练，得到半导体领域预训练语言模型；

10、步骤s13：将接收的用户输入的自然语言查询请求进行wordpiece分词，得到分词结果；

11、步骤s14：将分词结果输入至构建的半导体领域预训练语言模型，得到token的上下文相关向量表示，构建得到语义编码矩阵；

12、步骤s15：根据语义编码矩阵，计算自然语言查询请求的句向量表示。

13、为了更好地实现本发明，进一步地，所述步骤s2具体包括以下步骤：

14、步骤s21：将语义编码矩阵输入至bilstm-crf模型的双向lstm层，得到双向隐藏状态，调用viterbi算法得到自然语言查询请求的实体；

15、步骤s22：将句向量表示输入至构建的注意力机制的多任务学习模型，计算意图概率分布，得到意图类型；

16、步骤s23：将语义编码矩阵输入至指针网络，得到槽位值；

17、步骤s24：根据实体、意图类型、槽位值，得到结构化查询意图。

18、为了更好地实现本发明，进一步地，所述步骤s21具体包括以下步骤：

19、步骤s211：根据时间、工序、机台、产品、批次、指标、异常类型、报表名称，构建半导体制造领域的实体类型集合；

20、步骤s212：将语义编码矩阵输入至bilstm-crf模型的双向lstm层，得到双向隐藏状态；

21、步骤s213：将双向隐藏状态输入至crf层，根据状态转移矩阵、发射矩阵，计算全局最优标签序列；

22、步骤s214：调用viterbi算法解码全局最优标签序列，识别得到自然语言查询请求的实体，并归一化。

23、为了更好地实现本发明，进一步地，所述步骤s22具体包括以下步骤：

24、步骤s221：根据查询、对比、统计、趋势、根因分析、汇总，构建意图类型集合；

25、步骤s222：将句向量表示输入至构建的注意力机制的多任务学习模型，通过全连接层和softmax函数计算意图概率分布；

26、步骤s223：若意图概率分布大于等于设定的意图分类阈值，则输出意图类型；若意图概率分布小于设定的意图分类阈值，则触发澄清对话，返回候选意图列表。

27、为了更好地实现本发明，进一步地，所述步骤s23具体包括以下步骤：

28、步骤s231：构建槽位集合；所述槽位集合包括时间槽、工序槽、机台槽、产品槽、批次槽、指标槽、维度槽、对比对象槽；

29、步骤s232：将语义编码矩阵输入至指针网络，计算槽位在语义编码矩阵中的起始位置概率分布、结束位置概率分布；

30、步骤s233：根据槽位集合，调用贪心解码得到槽位的最优起始位置和结束位置，提取槽位值文本；

31、步骤s234：将槽位值文本映射为标准化值，并将未填充的槽位，根据意图类型和必填规则进行缺失提示。

32、为了更好地实现本发明，进一步地，所述步骤s3具体包括以下步骤：

33、步骤s31：根据结构化查询意图，构建查询意图向量；

34、步骤s32：根据查询意图向量构建知识图谱子图检索，得到报表节点，并根据设定的实体权重计算相关性得分；

35、步骤s33：根据意图类型、槽位值域规则库进行匹配，得到报表集合；

36、步骤s34：将报表集合进行可用性校验，并对校验通过的报表进行优先级排序，得到报表路由决策结果。

37、基于上述提出的一种基于认知计算的半导体生产报表路由决策方法，为了更好地实现本发明，进一步地，提出一种基于认知计算的半导体生产报表路由决策系统，用于执行上述的一种基于认知计算的半导体生产报表路由决策方法；包括输入单元、图谱构建单元、意图理解单元；

38、所述输入单元，用于将获取的自然语言查询请求输入至构建的半导体领域预训练语言模型，得到语义编码矩阵，计算自然语言查询请求的句向量表示；

39、所述图谱构建单元，用于解析句向量表示，得到自然语言查询请求的实体、意图类型、槽位值，构建结构化查询意图；

40、所述意图理解单元，用于根据结构化查询意图，构建查询意图向量得到报表路由决策结果。

41、基于上述提出的一种基于认知计算的半导体生产报表路由决策方法，为了更好地实现本发明，进一步地，提出一种电子设备，包括存储器和处理器；所述存储器上存储有计算机程序；当所述计算机程序在所述处理器上执行时，实现上述的一种基于认知计算的半导体生产报表路由决策方法。

42、基于上述提出的一种基于认知计算的半导体生产报表路由决策方法，为了更好地实现本发明，进一步地，提出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指令；当所述计算机指令在上述的电子设备上执行时，实现上述的一种基于认知计算的半导体生产报表路由决策方法。

43、本发明具有以下有益效果：

44、本发明通过构建覆盖设备信号级、工艺参数级、产线良率级的半导体认知知识图谱，系统能够自动关联分散在不同系统中的报表数据，实现跨报表的多跳推理。

45、本发明自然语言问答界面使生产管理人员、质量工程师等非技术人员无需学习sql或bi工具，直接通过日常语言即可完成复杂报表查询。

46、（3）本发明基于知识图谱的根因路径联想推理，提升了分析效率。