跳到主要内容

8.15 工艺参数优化

工艺参数优化基于历史运行数据,评估哪些可调工艺变量对目标 KPI(收率、质量、能耗等)影响最大,识别黄金工况区间,拟合响应曲线,并给出在安全边界内的设定值调整建议。输出是供工艺工程师评审的候选方案,不构成因果证明,也不会写回控制回路或自动调整设定值。

该功能由 AI 助手按自然语言请求触发。AI 会先确认分析范围,再从 TDengine 构建对齐的数据集,执行敏感性分析与响应面拟合,最后输出结构化报告。

8.15.1 适用场景​

以下问题适合使用工艺参数优化:

  • 哪些工艺变量对收率、质量或能耗影响最大?
  • 历史数据中的黄金工况区间是什么?
  • 在安全边界内,设定值可以调整到什么范围?
  • 响应曲线的最优点或拐点在哪里?

以下请求不属于本功能:

  • 设备故障的根因诊断,应使用根因分析。
  • 创建散点图、响应曲线面板或持久化报告,应使用面板或报告流程。
  • 实时闭环优化或自动写回控制回路,本功能不写入任何设定值。

8.15.2 前提条件​

分析质量取决于数据质量与范围定义:

  • 目标 KPI 与候选变量在 TDengine 中可查询,且时间范围覆盖足够长的稳定运行区间。
  • 每行代表同一时间粒度下的一个运行区间,目标值与所有候选变量按相同时间桶对齐。
  • 若 KPI 来自 LIMS 或能耗台账,需要与过程数据按同一时间桶对齐,不静默丢弃未匹配区间。
  • 工艺卡或联锁提供的安全边界与单步调整上限。未提供时,系统使用历史观测范围并明确标注为观测值。
备注

历史数据跨越多个配方、牌号或生产批次时,应提供分组列。系统按分组分别拟合;样本不足时合并拟合并给出警告。

8.15.3 操作步骤​

  1. 在 AI 助手中描述分析目标,包括:
    • 目标 KPI 及优化方向(最大化或最小化);
    • 候选工艺变量;
    • 时间范围;
    • 可选的分组列(配方、牌号、批次);
    • 安全边界与单步调整上限。
  2. AI 确认目标元素、属性与变量 ID,并确认安全边界来源。缺少边界时会询问一次工艺卡或联锁限制。
  3. AI 构建对齐的数据集并执行分析,包括变量筛选、黄金工况聚类、敏感性排序与响应曲线拟合。
  4. AI 检查证据充分性。数据缺失、样本不足或模型不稳定时,会说明原因并请求修正时间窗口、粒度或变量列表;最多修正两次。
  5. AI 输出结构化报告,并在需要时建议后续创建面板或报告;面板与报告属于独立的创建流程。

8.15.4 分析输出​

报告包含以下内容:

  • 分析范围:目标 KPI、时间范围、行数、时间粒度、单位与分组。
  • 黄金工况:目标 KPI 表现最优的运行区间及其目标均值。
  • 敏感性排序:各候选变量的影响方向、系数与重要性排序。
  • 响应曲线:拟合方程、最优点或拐点及其边界。
  • 设定值建议:当前值、建议值、偏差、依据、预期 KPI 变化、置信度,以及是否受安全边界限制。
  • 安全边界:边界值及其来源(工艺配置或历史观测)。
  • 证据缺口:数据质量警告、缺失区间、低拟合度或观测边界等限制说明。

8.15.5 结果解读与使用限制​

使用优化建议时需要注意以下限制:

  • 分析基于历史关联,不证明因果关系。报告使用“候选方案”“基于模型”等表述,最终决策需要工艺工程师评审。
  • 建议值不得超出提供的安全边界与单步调整上限。未提供单步上限时,报告只给出偏差,需确认装置限制后才可执行。
  • 报告不隐藏数据缺口。缺失行、混合牌号、低拟合度或不稳定系数都会明确说明。
  • 分析是确定性的:相同数据与配置产生相同的排序与建议。
  • 本功能不创建面板、分析、看板或报告工件,也不写入任何工艺设定值。

8.15.6 常见问题​

分析提示数据不足怎么办? 扩大时间范围、调整聚合粒度,或检查目标变量与候选变量是否在同一时间桶内有足够重叠。LIMS 与过程数据未对齐是常见原因。

建议值的置信度较低。 通常由样本量不足、变量间强相关或工况变化导致。可增加数据范围、减少候选变量或按牌号分组后重新分析。

能否自动执行建议值? 不能。本功能只输出候选方案,不写回控制回路;执行前需要工艺工程师评审并遵守装置的安全规程。

能否把结果保存为报告或看板? 可以另行发起面板或报告请求;本功能自身只输出分析报告。