制造过程的预测性过程控制的制作方法

技术特征：
1.一种计算机实施的方法，包括：深度学习控制器从两个或多个站接收多个控制值，其中，所述控制值在部署在制造过程中的所述两个或多个站处生成；由所述深度学习控制器基于所述控制值预测制造品的中间输出或最终输出的期望值；由所述深度学习控制器确定预测的所述制造品的期望值是否符合规格；以及如果预测的所述制造品的期望值不符合规格，则由所述深度学习控制器生成一个或多个控制输入，其中所述一个或多个控制输入被配置为使得所述制造品的中间输出或最终输出符合规格。2.如权利要求1所述的计算机实施的方法，还包括：如果与所述一个或多个控制输入相关联的置信水平超过预定阈值，则将所述一个或多个控制输入输出到一个或多个站控制器。3.如权利要求2所述的计算机实施的方法，其中将所述一个或多个控制输入输出到一个或多个站控制器还包括：将第一控制输入提供给与第一站相关联的第一站控制器；以及将第二控制输入提供给与第二站相关联的第二站控制器，其中所述第二站在所述制造过程中位于所述第一站的下游。4.如权利要求1所述的计算机实施的方法，其中预测所述制造品的中间输出或最终输出还包括：识别与所述制造过程相关联的一个或多个关键影响因素；以及对与所述一个或多个关键影响因素至少其中之一相关联的一个或多个控制输入进行调节。5.如权利要求1所述的计算机实施的方法，还包括：如果预测的所述制造品的期望值符合规格，则允许所述一个或多个站控制器控制所述制造过程。6.如权利要求1所述的计算机实施的方法，还包括：所述深度学习控制器接收多个站值，其中所述站值与所述一个或多个站相关联，并且其中还基于所述站值预测所述制造品的所述中间输出或最终输出。7.如权利要求1所述的计算机实施的方法，其中，所述多个控制值包括速度、温度、压力、真空、旋转、电流、电压、电阻以及功率中的一个或多个。8.一种系统，包括：一个或多个处理器；以及非暂态存储器，用于存储指令，当由所述一个或多个处理器执行时，所述指令使得所述一个或多个处理器执行包括以下的操作：深度学习控制器从两个或多个站接收多个控制值，其中，所述控制值在部署在制造过程中的所述两个或多个站处生成；由所述深度学习控制器基于所述控制值预测制造品的中间输出或最终输出；由所述深度学习控制器确定预测的所述制造品的中间输出或最终输出的期望值是否符合规格；以及如果预测的所述制造品的期望值不符合规格，则由所述深度学习控制器生成一个或多
个控制输入，其中所述一个或多个控制输入被配置为使得所述制造品的中间输出或最终输出符合规格。9.如权利要求8所述的系统，其中所述处理器还被配置为执行包括以下的操作：如果与所述一个或多个控制输入相关联的置信水平超过预定阈值，则将所述一个或多个控制输入输出到一个或多个站控制器。10.如权利要求9所述的系统，其中，将所述一个或多个控制输入输出到所述一个或多个站控制器还包括：将第一控制输入提供给与第一站相关联的第一站控制器；以及将第二控制输入提供给与第二站相关联的第二站控制器，其中所述第二站在所述制造过程中位于所述第一站的下游。11.如权利要求8所述的系统，其中预测所述制造品的中间输出或最终输出还包括：识别与所述制造过程相关联的一个或多个关键影响因素；以及对与所述一个或多个关键影响因素至少其中之一相关联的一个或多个控制输入进行调节。12.如权利要求8所述的系统，还包括：如果预测的所述制造品的期望值符合规格，则允许所述一个或多个站控制器控制所述制造过程。13.如权利要求8所述的系统，其中所述处理器还被配置为执行包括以下的操作：所述深度学习控制器接收多个站值，其中所述站值与所述一个或多个站相关联，并且其中还基于所述站值预测所述制造品的所述预测值。14.如权利要求8所述的系统，其中，所述多个控制值包括速度、温度、压力、真空、旋转、电流、电压、电阻以及功率中的一个或多个。15.一种非暂态计算机可读存储介质，包括存储在其中的指令，当由所述一个或多个处理器执行时，所述指令使得所述一个或多个处理器执行包括以下的操作：深度学习控制器从两个或多个站接收多个控制值，其中，所述控制值在部署在制造过程中的所述两个或多个站处生成；由所述深度学习控制器基于所述控制值预测制造品的中间输出或最终输出的期望值；由所述深度学习控制器确定预测的所述制造品的期望值是否符合规格；以及如果预测的所述制造品的期望值不符合规格，则由所述深度学习控制器生成一个或多个控制输入，其中所述一个或多个控制输入被配置为使得所述制造品的中间输出或最终输出符合规格。16.如权利要求15所述的非暂态计算机可读存储介质，还包括被配置为使得所述一个或多个处理器执行包括以下的操作的指令：如果与所述一个或多个控制输入相关联的置信水平超过预定阈值，则将所述一个或多个控制输入输出到一个或多个站控制器。17.如权利要求16所述的非暂态计算机可读存储介质，其中，将所述一个或多个控制输入输出到所述一个或多个站控制器还包括：将第一控制输入提供给与第一站相关联的第一站控制器；以及将第二控制输入提供给与第二站相关联的第二站控制器，其中所述第二站在所述制造
过程中位于所述第一站的下游。18.如权利要求15所述的非暂态计算机可读存储介质，其中预测所述制造品的中间输出或最终输出还包括：识别与所述制造过程相关联的一个或多个关键影响因素；以及对与所述一个或多个关键影响因素至少其中之一相关联的一个或多个控制输入进行调节。19.如权利要求15所述的非暂态计算机可读存储介质，还包括被配置为使得所述一个或多个处理器执行包括以下的操作的指令：如果预测的所述制造品的期望值符合规格，则允许所述一个或多个站控制器控制所述制造过程。20.如权利要求15所述的非暂态计算机可读存储介质，还包括被配置为使得所述一个或多个处理器执行包括以下的操作的指令：所述深度学习控制器接收多个站值，其中所述站值与所述一个或多个站相关联，并且其中还基于所述站值预测所述制造品的所述期望值。

技术总结
所公开技术的各方面包括使用深度学习控制器来监控并改进制造过程。在一些方面，所公开技术的方法包括如下步骤：深度学习控制器从两个或多个站接收多个控制值，其中，控制值在部署在制造过程中的两个或多个站处生成；基于控制值预测制造品的中间输出或最终输出的期望值；确定预测的制造品的期望值是否符合规格。在一些方面，该过程还可以包括如下步骤：如果预测的制造品的期望值不符合规格，则生成控制输入。还提供了系统和计算机可读介质。制输入。还提供了系统和计算机可读介质。制输入。还提供了系统和计算机可读介质。


技术研发人员：约翰
受保护的技术使用者：纳米电子成像有限公司
技术研发日：2020.06.23
技术公布日：2022/1/28