一种芯片生产监控管理方法、装置、设备及可读存储介质与流程

本发明涉及芯片监控管理，具体而言，涉及一种芯片生产监控管理方法、装置、设备及可读存储介质。

背景技术：

1、集成电路又称称微电路、微芯片、晶片或芯片，在电子学中是一种将电路小型化的方式，并时常制造在半导体晶圆表面上，在芯片制备大致分为以下几个步骤：一、晶片预备阶段，在这一阶段，主要对晶片进行回磨、减薄处理；二、晶片切割划片处理；三、汇编语言即芯片连接线键合等。

2、然而，由于这些设备结构紧密复杂，无法加装多余的监控设备对加工过程进行实时监控，当需要对生产芯片的设备进行加工监控时，比较困难。再者，随着芯片的生产过程越来越依赖外包，芯片的安全性也面临着巨大的隐患。在芯片的生产过程中，攻击者可能会植入恶意电路，而这些恶意电路可能会带来芯片功能改变、拒绝服务以及泄露信息等危险。因而，对芯片生产进行监控管理也变得刻不容缓。

技术实现思路

1、本发明的目的在于提供一种芯片生产监控管理方法、装置、设备及可读存储介质，以改善上述问题。为了实现上述目的，本发明采取的技术方案如下：

2、第一方面，本技术提供了一种芯片生产监控管理方法，包括：

3、获取每个生产节点下的芯片所对应的种类类别，基于所述种类类别分别采集每种芯片中的数据信息，并对所述数据信息进行预处理，筛选出最佳数据；

4、采用随机森林算法对所述最佳数据进行训练和学习，得到随机森林模型，并利用所述随机森林模型对预处理后的数据信息进行降维计算，得到可读取数据；

5、根据所述可读取数据构建预测模型，并设置初始阈值，其中包括模型初始化以及系数矩阵求解；

6、利用构建完成的所述预测模型对芯片进行温度特征的动态追踪，得到预测结果；将预测结果与预设值进行残差自相关系数计算，得到差值结果；

7、基于所述差值结果，对芯片生产过程进行实时监控管理，并判断芯片是否处于持续安全的状态下，若安全，则继续自适应更新模型和阈值；若不安全，则进行预警。

8、优选地，所述采用随机森林算法对所述最佳数据进行训练和学习，得到随机森林模型，并利用所述随机森林模型对预处理后的数据信息进行降维计算，得到可读取数据，其中包括：

9、在所述数据信息中通过随机方式设置不同属性的决策树，根据每种属性的决策树构建决策树分支，其中包括设置根节点和分节点，将多种分支分配在一棵树，其中包括第一样本、第二样本和第三样本，其中决策树输出计算公式如下：

10、mape=

11、式中，mape为决策树输出算法模型，为实际数据信息周期数据量，为数据信息决策树输出评估量，n为输入决策树模型后设置不同全寿命周期预测点的个数；

12、对所述第一样本、所述第二样本和所述第三样本的不同数据分支分别进行提取，筛选出不同类型的数据信息，得到第一筛选数据信息、第二筛选数据信息和第三筛选数据信息；

13、根据所述第一筛选数据信息、所述第二筛选数据信息和所述第三筛选数据信息构建样本学习库，将样本学习库输入至随机森林算法中进行训练和学习，进而得到随机森林模型；

14、利用无监督学习算法，对利用随机森林模型处理后的数据信息进行计算，得到可读取数据。

15、优选地，所述利用构建完成的所述预测模型对芯片进行温度特征的动态追踪，得到预测结果；将预测结果与预设值进行残差自相关系数计算，得到差值结果，其中包括：

16、获取k-1时刻的温度特征更新值对k时刻的温度特征更新值进行预测，得到第一预测值，其计算公式如下：

17、

18、式中，和分别是k-1时刻校正更新后的温度特征矩阵以及k-1时刻对k时刻的温度特征估计矩阵，的初始矩阵为，a和b均为系数矩阵；

19、利用实际测量的温度特征矩阵对所述第一预测值进行校正更新，得到第二预测值；

20、求解所述第二预测值与实际运行状态之间的偏差，即残差矩阵，计算公式如下：

21、

22、式中，为残差矩阵，为k时刻的实际降噪后的温度特征矩阵；

23、将偏差和预设的阈值进行比较，若差值小于预设值，则初步确认安全；若差值大于预设值，则继续进行预测。

24、优选地，所述数据信息包括芯片的状态数据信息、温度数据信息、功率数据信息、使用率数据信息以及进程数据信息中的任意一个或任意组合。

25、第二方面，本技术还提供了一种芯片生产监控管理装置，包括获取模块、第一计算模块、构建模块、第二计算模块和判断模块，其中：

26、获取模块：用于获取每个生产节点下的芯片所对应的种类类别，基于所述种类类别分别采集每种芯片中的数据信息，并对所述数据信息进行预处理，筛选出最佳数据；

27、第一计算模块：用于采用随机森林算法对所述最佳数据进行训练和学习，得到随机森林模型，并利用所述随机森林模型对预处理后的数据信息进行降维计算，得到可读取数据；

28、构建模块：用于根据所述可读取数据构建预测模型，并设置初始阈值，其中包括模型初始化以及系数矩阵求解；

29、第二计算模块：用于利用构建完成的所述预测模型对芯片进行温度特征的动态追踪，得到预测结果；将预测结果与预设值进行残差自相关系数计算，得到差值结果；

30、判断模块：用于基于所述差值结果，对芯片生产过程进行实时监控管理，并判断芯片是否处于持续安全的状态下，若安全，则继续自适应更新模型和阈值；若不安全，则进行预警。

31、第三方面，本技术还提供了一种芯片生产监控管理设备，包括：

32、存储器，用于存储计算机程序；

33、处理器，用于执行所述计算机程序时实现所述芯片生产监控管理方法的步骤。

34、第四方面，本技术还提供了一种可读存储介质，所述可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述基于芯片生产监控管理方法的步骤。

35、本发明的有益效果为：

36、本发明实现了对芯片的规范化处理，降低了芯片的管理难度；对芯片数据监控直接决定了设备的运行状况，并提高了可视化监控程度。

37、本发明通过改进随机森林模型提高了芯片的可视化监控程度，并且提高了可视化识别率，在芯片生产监控管理方面有一定的技术贡献；所提出的无监督学习方法，可利用随机森林模型对数据信息进行处理，降低随机变量个数，得到一组“不相关”主变量的过程，有效信息的提取综合及无用信息的摈弃。

38、本发明对获取的数据进行降噪处理，由于噪声的影响会出现毛刺的情况，而毛刺的出现会对后续的芯片监控管理带来明显的虚警情况，故对数据进行降噪处理是为了更好地进行芯片安全监控、降低虚警率。

39、本发明通过卡尔曼滤波算法进行实时预测和监控，从而对芯片进行更加精准的保护和监控，也对芯片的管理提供了良好的保障。

40、本发明的其他特征和优点将在随后的说明书阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明实施例了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。