(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111663167.2 (22)申请日 2021.12.31 (71)申请人 上海盛聚祥物联科技有限公司 地址 200000 上海市嘉定区众仁路39 9号1 幢12层B区J678 8室 (72)发明人 武泉　黄国威　胡柱威　 (74)专利代理 机构 武汉天领众智专利代理事务 所(普通合伙) 42300 代理人 林琳 (51)Int.Cl. G06Q 10/10(2012.01) G06Q 10/06(2012.01) G06K 9/62(2022.01) G06F 16/21(2019.01) (54)发明名称 一种基于机器学习的硅行业质检方法 (57)摘要 本发明公开了一种基于机器学习的硅行业 质检方法， 步骤1： 将仪器设备与质检系统进行数 据对接， 检测数据可自动录入系统， 使质检系统 可以对仪器设备的运行状态进行实时监控， 并通 过前端互联网式UI界面进行展示。 有益效果在 于： 本发明可实现高效的自动化作业流程， 替代 人工进行各项数据的整理、 计算、 修约， 不仅可以 节约时间并且提高数据的准确性， 有效提高工作 效率， 检测可追溯性高， 整体的检测过程可以体 现其规范、 透明的管理体系， 当出现质量问题时， 可以快速查找责任人， 从而可有效提升检验质 量， 通过建立各类知识库， 可以不断完善单位内 部的知识累积， 体现该系统的可扩展性、 规范性 以及进步 性。 权利要求书2页 说明书3页 附图1页 CN 114331373 A 2022.04.12 CN 114331373 A 1.一种基于 机器学习的硅行业质检方法， 其特 征在于： 它包括以下步骤： 步骤1： 将仪器设备与质检系统进行数据对接， 检测数据可自动录入系统， 使质检系统 可以对仪器设备的运行状态进行实时监控， 并通过 前端互联网式UI界面进行展示 步骤2： 将各个员 工的岗位、 样品类合格率统计、 物料统计等信息同步录入系统并生成 动态报表， 实现对 全局数据的实时监测； 步骤3： 制造Lims ‑kd树,每个节点均为k维数值点的二叉树,每个节点代表一个超平面， 该超平面垂直于当前划分维度的坐标轴， 并在该维度上将空间划分为两部分， 一部分在其 左子树， 另一部分在其右子树； 步骤4:通过Lims ‑kd树， 搜索路径中的节点已经全部回溯样品组分数据， 结束整个搜 索， 返回最近邻点(a,b)， 获取最近距离为M； 步骤5:依据样品色谱谱图分析的历史数据建立 时序数据库， 作为机器学习的训练样本 数据。 选定样品测试对象， 通过样品色谱法分析的时序数据库建立测试基础库； 步骤6:从测试基础库中提取样品组分之间出峰时间， 出峰相对保留时间等定量因子作 为机器学习的训练集， 对于给定的输入实例x,从训练数据集{(x1,y1),(x2,y2).....(xn, yn)}中找到和该输入实例最相似的K个实例； 步骤7:依据日常两种样品质检数据的某几次数据作为测试对象， 计算它与训练集中每 个对象的时间距离； 距离的计算方式依据相似性进行度量， 主 要包含投票法和 加权投票法； 步骤8:圈定距离最近的K个训练对象， 作为测试对象的近邻， 依据这个K个近邻归属的 主要类别， 进行测试对 象分类； 通过投票方法， 使用加权投票法， 选择点最多的标签即判定 为该样品组分主峰值； 步骤9： Lims保存步骤8中的判定结果检验后质检系 统可自动生成分析报告， 并上传数 据检验流 程， 经班组长审核后入库保存； 步骤10： 各项检验数据的增、 删、 改、 查等操作均需报审记录， 并建立数据表单互通， 实 现各类数据表单的关联性。 2.根据权利要求1所述的一种基于机器学习的硅行业质检方法， 其特征在于： 所述步骤 1中质检系统可自动完成对原始数据的处理， 如计算、 修约、 单位换算、 曲线生成、 超标判定 等， 最大程度减少人为因素的干扰， 确保检测数据的真实可靠 。 3.根据权利要求1所述的一种基于机器学习的硅行业质检方法， 其特征在于： 所述步骤 1中质检系统可以判定超标的数据进行提醒， 由专业人员及时进行处 理与修正。 4.根据权利要求1所述的一种基于机器学习的硅行业质检方法， 其特征在于： 所述步骤 2可实现生产车间与质检中心的数据互通， 单位内部实现数据共享， 避免不同科室之 间的结 果信息传递出现偏差 。 5.根据权利要求1所述的一种基于机器学习的硅行业质检方法， 其特征在于： 所述步骤 3和所述步骤4能够确保质检管理的灵活性、 数据上的准确性以及操作上的完整性。 6.根据权利要求1所述的一种基于机器学习的硅行业质检方法， 其特征在于： 所述步骤权　利　要　求　书 1/2 页 2 CN 114331373 A 25可实现结构化管理， 确保数据的真实有效性。 7.根据权利要求1所述的一种基于机器学习的硅行业质检方法， 其特征在于： 所述步骤 6可使质检系统的各项专业数据不断更新， 体现质检系统的开 放性、 规范性及先进性。权　利　要　求　书 2/2 页 3 CN 114331373 A 3