故障分析方法、装置、设备及存储介质与流程

1.本技术涉及数据分析领域，具体涉及一种故障分析方法、装置、设备及存储介质。


背景技术：

2.随着生活水平的提高，电池被应用到日常生活的方方面面中。比如应用到各种智能家居设备中为智能家居设备的运行提供能源的锂电池，又比如应用于水力、火力、风力和太阳能电站等储能电源系统中的动力电池。为了提高电池应用的可靠性，需要对电池进行故障监测和分析。
3.当前对电池的故障分析，往往局限于故障率的计算。在分析得到电池的故障率后，并不能基于该故障率数据对电池的生产工艺进行管理。
4.上述的陈述仅用于提供与本技术有关的背景技术信息，而不必然地构成现有技术。


技术实现要素：

5.鉴于上述问题，本技术实施例提供一种故障分析方法、装置、设备及存储介质，能够缓解电池使用过程中的膨胀导致的电池安全问题和电解液消耗影响的电池寿命的问题。
6.第一方面，本技术提供了一种故障分析方法，包括：基于多批分析对象中每批分析对象的历史工艺数据和所述每批分析对象的故障率，确定所述历史工艺数据中能增大故障率的目标工艺数据；所述多批分析对象的生产工艺规范要求相同；基于所述目标工艺数据，对生产分析对象的生产工艺进行管理。
7.本实施例提供的方案中，在得到每批分析对象的故障率后，根据故障率和每批分析对象的历史工艺数据，得到能增大故障率的目标工艺数据，并基于目标工艺数据对生产工艺进行管理。由于能基于故障率对分析对象的生产工艺进行管理，使得故障率对分析对象的生产工艺具有指导作用，所以经过故障率管理后的生产工艺再生产的分析对象的故障率相较于管理前的生产工艺大大降低，进一步提高生产工艺的稳定性。
8.在一些实施例中，基于多批分析对象中每批分析对象的历史工艺数据和所述每批分析对象的故障率，确定所述历史工艺数据中能增大故障率的目标工艺数据，包括：将所述每批分析对象的历史工艺数据中的每种数据转换成以统计量表示的数据；基于转换后的所述每批分析对象的历史工艺数据和所述故障率，确定所述目标工艺数据。
9.本实施例提供的方案中，采用统计量对历史工艺数据中的每种数据进行表示，统计量能反映一批分析对象在某种数据上的分布情况，因此基于统计量和故障率确定工艺数据，能实现在不降低计算准确度的前提下，减小数据处理量。
10.在一些实施例中，所述方法还包括：在故障分析的过程中，基于所述每批分析对象的对象属性，确定故障率计算方式；
所述对象属性用于表征所述每批分析对象是否为投入使用的对象；按照所述故障率计算方式和所述每批分析对象的故障相关数据，计算所述每批分析对象的故障率，所述故障相关数据用于表征所述每批分析对象中故障发生的次数。
11.本实施例提供的方案中，对每批分析对象进行故障率计算的故障率计算方式是基于每批分析对象的对象属性确定的，由于是按照分析对象本身的参数确定的故障率计算方式，所以计算得到每批分析对象的故障率准确率较高，能够较准确体现实际工况下分析对象的故障率。
12.在一些实施例中，按照所述故障率计算方式和所述每批分析对象的故障相关数据，计算所述每批分析对象的故障率，包括：在所述对象属性表征所述每批分析对象为未投入使用对象的情况下，基于所述故障相关数据的发生时间，从所述故障率计算方式中选择目标故障率计算方式；按照所述目标故障率计算方式和所述故障相关数据，计算所述每批分析对象的情况。
13.本实施例提供的方案中，由于目标故障率计算方式与故障相关数据匹配，因此采用目标故障率计算方式计算得到的故障率与故障相关数据的匹配度较高，从而提高了计算得到的故障率的准确度。
14.在一些实施例中，所述方法还包括：在故障分析的过程中，获取所述多批分析对象中发生故障的分析对象的故障表单，所述故障表单用于从多个维度描述发生的故障；基于所述故障表单，统计每个维度对应的故障发生情况；所述故障发生情况用于表征所述每个维度下所述多批分析对象发生故障的次数；基于所述故障发生情况和所述多个维度，确定所述多批分析对象发生故障的原因；基于所述多批分析对象发生故障的原因对所述生产工艺进行管理。
15.本实施例提供的方案，从故障表单的角度对分析对象发生故障的原因进行分析，并将分析得到的原因反馈于对分析对象的生产工艺进行管理，进一步提高了生产工艺的稳定性。
16.在一些实施例中，所述方法还包括：在故障分析的过程中，基于所述多批分析对象的故障相关数据，计算所述多批分析对象的故障率；在所述多批分析对象的故障率大于故障率阈值的情况下，执行所述基于多批分析对象中每批分析对象的历史工艺数据和所述每批分析对象的故障率，确定所述历史工艺数据中能增大故障率的目标工艺数据的步骤。
17.本实施例提供的方案中，在多批分析对象的故障率大于故障率阈值的情况下才基于故障率和历史工艺数据确定目标工艺数据，并利用目标工艺数据对生产工艺进行管理。由于不会频繁对生产工艺进行管理，因此有助于实现在相对不影响分析对象的生产的情况下，对生产工艺进行管理。
18.在一些实施例中，所述方法还包括：在所述多批分析对象的故障率大于故障率阈值的情况下，在交互界面上按照预设
的显示方式显示所述多批分析对象的故障率。
19.本实施例提供的方案中，通过在交互界面上显示多批对象的故障率，方便用户基于故障率了解当前的生产工艺，并对当前的生产工艺进行管理。
20.第二方面，本技术提供了一种故障分析装置，包括：确定模块，用于基于多批分析对象中每批分析对象的历史工艺数据和所述每批分析对象的故障率，确定所述历史工艺数据中能增大故障率的目标工艺数据；所述多批分析对象的生产工艺规范要求相同；管理模块，用于基于所述目标工艺数据，对生产分析对象的生产工艺进行管理。
21.第三方面，本技术提供了一种电子设备，包括：处理器和存储器；所述存储器，用于存储计算机程序；所述处理器，用于执行所述存储器中所存储的程序，实现第一方面所述的故障分析方法。
22.第四方面，本技术提供了一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时实现第一方面所述的故障分析方法。
23.上述说明仅是本技术技术方案的概述，为了能够更清楚了解本技术的技术手段，而可依照说明书的内容予以实施，并且为了让本技术的上述和其它目的、特征和优点能够更明显易懂，以下特举本技术的具体实施方式。
附图说明
24.通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本技术的限制。而且在整个附图中，用相同的参考符号表示相同的部件。
25.图1为本技术一些实施例的故障分析方法的流程示意图；图2为本技术一些实施例的故障分析装置的结构示意图；图3为本技术一些实施例的电子设备的结构示意图；图4为本技术一些实施例的计算机可读存储介质的结构示意图。
具体实施方式
26.下面将结合附图对本技术技术方案的实施例进行详细的描述。以下实施例仅用于更加清楚地说明本技术的技术方案，因此只作为示例，而不能以此来限制本技术的保护范围。
27.除非另有定义，本文所使用的所有的技术和科学术语与属于本技术的技术领域的技术人员通常理解的含义相同；本文中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本技术；本技术的说明书和权利要求书及上述附图说明中的术语“包括”和“具有”以及它们的任何变形，意图在于覆盖不排他的包含。
28.在本技术实施例的描述中，技术术语“第一”“第二”等仅用于区别不同对象，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量、特定顺序或主次关系。在本技术实施例的描述中，“多个”的含义是两个以上，除非另有明确具体的限定。
29.在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包
含在本技术的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
30.在本技术实施例的描述中，术语“和/或”仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如a和/或b，可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。
31.随着生活水平的提高，电池被应用到日常生活的方方面面中。比如应用到各种智能家居设备中为智能家居设备的运行提供能源的锂电池，又比如应用于水力、火力、风力和太阳能电站等储能电源系统中的动力电池。为了提高电池应用的可靠性，需要对电池进行故障监测和分析。
32.当前对电池的故障分析，往往局限于故障率的计算。针对故障率的分析工作流程大同小异，通常可以归类为数据采集、数据处理、数据分析、数据可视化。但是，不同行业根据实际业务、生产的规模、信息化程度高低、在流程的不同阶段有着差异性。现有技术对故障率的统计分析主要根据故障率的公式，通过数据描述故障率的情况，并没有深入挖掘数据背后的信息。在分析得到电池的故障率后，并不能基于该故障率数据对电池的生产工艺进行管理，不能基于计算得到的故障率进行有效的闭环管理和深度数据挖掘。
33.为了缓解相关技术中存在的问题，本技术实施例提供一种故障分析方法，在得到每批分析对象的故障率后，根据故障率和每批分析对象的历史工艺数据，得到能增大故障率的目标工艺数据，并基于目标工艺数据对生产工艺进行管理。由于能基于故障率对分析对象的生产工艺进行管理，使得故障率对分析对象的生产工艺具有指导作用，所以经过故障率管理后的生产工艺再生产的分析对象的故障率相较于管理前的生产工艺会大大降低，从而提高生产工艺的稳定性。
34.本技术实施例中的分析对象包括但不限于电子类产品（例如电池）、食品、生活物品、学习用品、交通工具用品等任意能够通过生成工艺生成得到的产品。
35.本技术实施例中的电池以包括但不限于锂离子电池、锂金属电池、铅酸电池、镍隔电池、镍氢电池、锂硫电池、锂空气电池或者钠离子电池等，电池的规模可以包括但不限于单体电池、电池模组或电池包等。应理解，本技术实施例中的电池既可以是应用于智能家居设备、终端设备等电池能量较低的电池，也可以是应用于储能电源系统、电动交通工具等电池能量较高的动力电池。
36.在本技术的一些实施例中，该故障分析方法所涉及的设备包括存储设备和上位机。其中，存储设备可以包括但不限于对待分析产品的历史工艺数据进行存储的设备。上位机可以包括但不限于与存储设备连接的服务器或终端。上位机与存储设备之间的连接关系可以为有线连接或无线连接等。
37.请参见图1，图1为本技术实施例示出的一种故障分析方法，该方法可以包括以下步骤：步骤101、基于多批分析对象中每批分析对象的历史工艺数据和每批分析对象的故障率，确定历史工艺数据中能增大故障率的目标工艺数据；多批分析对象的生产工艺规范要求相同；步骤102、基于目标工艺数据，对生产分析对象的生产工艺进行管理。
38.应理解，多批分析对象中不同的分析对象属于同一种产品，比如多批分析对象均为电池。这些分析对象的生产工艺规范要求相同，因此这些分析对象不仅属于同一种产品，而且型号相同。应用中，多批分析对象中的不同分析对象可以是同一生产线上在不同时间生产得到的分析对象，也可以是不同生产线上在相同时间生产得到的分析对象，当然也可以是不同生产线上在不同时间生产得到的分析对象。
39.本实施例中，历史工艺数据为与分析对象的生产过程相关的数据。历史工艺数据包括但不限于原料搅拌罐的搅拌速度、极片涂布的厚度等参数。实际应用中，这些数据可以从生产分析对象的生产设备中获得。
40.本实施例中，故障率指的是一批产品在交付使用过程中，一段时间内该批产品发生质量问题的故障比率，通常故障率=指定产品统计范围内的故障数
÷
统计范围内的出货数。
41.本实施例提供的方案中，在得到每批分析对象的故障率后，根据故障率和每批分析对象的历史工艺数据，得到能增大故障率的目标工艺数据，并基于目标工艺数据对生产工艺进行管理。由于能基于故障率对分析对象的生产工艺进行管理，使得故障率对分析对象的生产工艺具有指导作用，所以经过故障率管理后的生产工艺再生产的分析对象的故障率相较于管理前的生产工艺会大大降低，从而提高生产工艺的稳定性。
42.本技术一个或多个实施例中，基于多批分析对象中每批分析对象的历史工艺数据和每批分析对象的故障率，确定历史工艺数据中能增大故障率的目标工艺数据，包括：将每批分析对象的历史工艺数据中的每种数据转换成以统计量表示的数据；基于转换后的每批分析对象的历史工艺数据和故障率，确定目标工艺数据。
43.应理解，每批分析对象的历史工艺数据中的每种数据包括多个数据值，以原料搅拌罐的搅拌速度这一种数据举例，假如每批分析对象包括100个分析对象，那么原料搅拌罐的搅拌速度这一种数据对应有100个搅拌速度值，每个搅拌速度值为生产一个分析对象时原料搅拌罐的搅拌速度。
44.应理解，统计量是统计理论中对数据进行分析、检验的变量。本实施例中包括但不限于采用计数、求平均、求和、求百分位、求同比/环比、求方差/标准差/协方差等计算方式，将每批分析对象的历史工艺数据中的每种数据转换成以统计量表示的数据。
45.本实施例中，包括但不限于采用随机森林算法或gbdt （gradientboosting decision tree，梯度决策提升树）等，基于转换后的每批分析对象的历史工艺数据和故障率，确定目标工艺数据。
46.本实施例中，在将每批分析对象的历史工艺数据转换成以统计量表示的数据后，还可以采用统计算法，将以统计量表示的历史工艺数据与未发生过故障的多批分析对象的历史工艺数据进行横向对比，并基于对比结果对目标工艺数据进行优化，从而提高目标工艺数据的准确性。应用中，统计算法包括但不限于假设检验、相关分析、多维回归分析、因子/主成分分析、协方差分析、聚类分析、结构方程模型、apriori算法等。
47.本实施例提供的方案中，采用统计量对历史工艺数据中的每种数据进行表示，统计量能反映一批分析对象在某种数据上的分布情况，因此基于统计量和故障率确定工艺数据，能实现在不降低计算准确度的前提下，减小数据处理量。
48.上文对各个实施例的描述倾向于强调各个实施例之间的不同之处，其相同或相似
之处可以相互参考，为了简洁，本文不再赘述。
49.本技术一个或多个实施例中，该方法还包括：在故障分析的过程中，基于每批分析对象的对象属性，确定故障率计算方式；对象属性用于表征每批分析对象是否为是否为投入使用的对象；按照故障率计算方式和每批分析对象的故障相关数据，计算每批分析对象的故障率，故障相关数据用于表征每批分析对象中故障发生的次数。
50.本实施例中，对象属性用于表征每批分析对象为未投入使用的对象或已投入使用的对象。不同的对象属性对应的故障率计算方式不同。以分析对象为电池为例，本实施例给出零公里累计故障率和市场端故障率两种故障率计算方式，其中零公里故障率用于对未投入使用的电池计算故障率，市场端故障率用于对已投入使用的电池计算故障率。
51.其中，零公里累计故障率是统计年份内累计的故障率，如2023年度考核2023年内生产的产品在2023年内发生的零公里故障率。计算零公里故障率采用的公式如下所示：零公里故障率（dppm）=统计周期内的产品零公里累计故障次数/统计周期内的产品出货数*1000000一个例子中，2023零公里累计故障率（dppm）=2023年生产的产品在2023年发生故障数总和/2023年的产品出货量综合*1000000。
52.其中，市场端故障率采用产品在市场端使用月数内的故障率进行统计，考核动态下的产品故障。根据不同的产品使用场景，选择3mis（mistake，故障）、 6mis、 12mis
……
nmis，用以评价产品在市场端的短期、中期、长期的质量水平。
53.其中，nmis故障率是指某月产品在市场端运行n个月的故障总数占该月出货产品总数的比例，用于查看某月出货产品的质量水平。如6mis：产品出货终端后在6个使用月内； 12mis：产品出货终端后在12个使用月内，同一生产时间范围内的12mis包含6mis。为看到产品改善趋势，减少单月异常波动，而采取连续多月滚动统计mis的模式，行业一般采用3个月连续滚动。
54.本实施例提供的方案中，对每批分析对象进行故障率计算的故障率计算方式是基于每批分析对象的对象属性确定的，由于是按照分析对象本身的参数确定的故障率计算方式，所以计算得到每批分析对象的故障率准确率较高，能够较准确体现实际工况下分析对象的故障率。
55.上文对各个实施例的描述倾向于强调各个实施例之间的不同之处，其相同或相似之处可以相互参考，为了简洁，本文不再赘述。
56.本技术一个或多个实施例中，按照故障率计算方式和每批分析对象的故障相关数据，计算每批分析对象的故障率，包括：在对象属性表征每批分析对象为未投入使用的对象的情况下，基于故障相关数据的发生时间，从故障率计算方式中选择目标故障率计算方式；按照目标故障率计算方式和故障相关数据，计算每批分析对象的情况。
57.本实施例中，对于属于未投入使用对象的分析对象，定义了两种故障率计算方式，这两种故障率计算方式所使用的故障相关数据的时间跨度不同，第一种故障率计算方式使用的故障相关数据发生于同一年，第二种故障率计算方式使用的故障相关数据的发生时间不完全属于同一年，即故障相关数据中具有跨年的数据。应用中，第二种故障率计算方式中
的时间跨度可以人为基于经验预先设置或根据需要预先设置，比如设置时间跨度是4个月、6个月等。
58.关于第二种故障率计算方式，一个例子中，2023年1月的零公里滚动12个月故障率（dppm）=2022年2月到2023年1月生产的产品在2022年2月到2023年1月发生的故障数总和/2022年2月到2023年1月的产品出货量总和*1000000。又一个例子中，2023年2月的零公里滚动故障率（dppm）=2022年3月到2023年2月生产的产品在2022年3月到2023年2月发生的故障数总和/2022年3月到2023年2月的产品出货量总和*1000000。
59.应理解，故障相关数据的发生时间可以表明故障相关数据的发生的时间跨度，基于这个时间跨度可以从故障率计算方式中选择一种故障率计算方式作为目标故障率计算方式。比如当故障相关数据的发生时间表面故障相关数据为同一年发生的数据时，可以以第一种故障率计算方式作为目标故障率计算方式，计算每批分析对象的情况。当故障相关数据的发生时间表明故障相关数据不为同一年发生的数据时，可以以第二种故障率计算方式作为目标故障率计算方式，计算每批分析对象的情况。
60.本实施例提供的方案中，由于目标故障率计算方式与故障相关数据匹配，因此采用目标故障率计算方式计算得到的故障率与故障相关数据的匹配度较高，从而提高了计算得到的故障率的准确度。
61.上文对各个实施例的描述倾向于强调各个实施例之间的不同之处，其相同或相似之处可以相互参考，为了简洁，本文不再赘述。
62.本技术一个或多个实施例中，该方法还包括：在故障分析的过程中，获取多批分析对象中发生故障的分析对象的故障表单，故障表单用于从多个维度描述发生的故障；基于故障表单，统计每个维度对应的故障发生情况；故障发生情况用于表征每个维度下多批分析对象发生故障的次数；基于故障发生情况和多个维度，确定多批分析对象发生故障的原因；基于多批分析对象发生故障的原因对生产工艺进行管理。
63.本实施例中，故障表单中的多个维度包括但不限于产品类型、化学体系、责任方、生产基地、故障件、故障名称和/或供应商角度等。
64.本实施例中，可以直接确定多批分析对象发生故障的原因为故障的次数大于次数阈值的维度对应的原因。比如，经过统计发现化学体系导致故障分析对象故障发生的次数大于次数阈值，则可以确定多批分析对象故障发生的原因为分析对象的化学体系不稳定或化学成分的配比不合理等原因。
65.本实施例提供的方案，从故障表单的角度对分析对象发生故障的原因进行分析，并将分析得到的原因反馈于对分析对象的生产工艺进行管理，进一步提高了生产工艺的稳定性。
66.上文对各个实施例的描述倾向于强调各个实施例之间的不同之处，其相同或相似之处可以相互参考，为了简洁，本文不再赘述。
67.本技术一个或多个实施例中，该方法还包括：在故障分析的过程中，基于多批分析对象的故障相关数据，计算多批分析对象的故障率；
在多批分析对象的故障率大于故障率阈值的情况下，执行基于多批分析对象中每批分析对象的历史工艺数据和每批分析对象的故障率，确定历史工艺数据中能增大故障率的目标工艺数据的步骤。
68.应用中，故障率阈值可以人为基于经验或根据实际需要预先设置，比如设置故障率阈值为40%、42%或45%等。
69.本实施例提供的方案中，在多批分析对象的故障率大于故障率阈值的情况下才基于故障率和历史工艺数据确定目标工艺数据，并利用目标工艺数据对生产工艺进行管理。由于不会频繁对生产工艺进行管理，因此有助于实现在相对不影响分析对象的生产的情况下，对生产工艺进行管理。
70.上文对各个实施例的描述倾向于强调各个实施例之间的不同之处，其相同或相似之处可以相互参考，为了简洁，本文不再赘述。
71.本技术一个或多个实施例中，该方法还包括：在多批分析对象的故障率大于故障率阈值的情况下，在交互界面上按照预设的显示方式显示多批分析对象的故障率。
72.本实施例提供的方案中，通过在交互界面上显示多批对象的故障率，方便用户基于故障率了解当前的生产工艺，并对当前的生产工艺进行管理。
73.上文对各个实施例的描述倾向于强调各个实施例之间的不同之处，其相同或相似之处可以相互参考，为了简洁，本文不再赘述。
74.本技术实施例还提供一种故障分析装置，如图2所示，可以包括：确定模块21，用于基于多批分析对象中每批分析对象的历史工艺数据和所述每批分析对象的故障率，确定所述历史工艺数据中能增大故障率的目标工艺数据；所述多批分析对象的生产工艺规范要求相同；管理模块22，用于基于所述目标工艺数据，对生产分析对象的生产工艺进行管理。
75.在一些实施例中，确定模块21用于：将所述每批分析对象的历史工艺数据中的每种数据转换成以统计量表示的数据；基于转换后的所述每批分析对象的历史工艺数据和所述故障率，确定所述目标工艺数据。
76.在一些实施例中，该装置还用于：在故障分析的过程中，基于所述每批分析对象的对象属性，确定故障率计算方式；所述对象属性用于表征所述每批分析对象是否为投入使用的对象；按照所述故障率计算方式和所述每批分析对象的故障相关数据，计算所述每批分析对象的故障率，所述故障相关数据用于表征所述每批分析对象中故障发生的次数。
77.在一些实施例中，该装置用于：在所述对象属性表征所述每批分析对象为未投入使用对象的情况下，基于所述故障相关数据的发生时间，从所述故障率计算方式中选择目标故障率计算方式；按照所述目标故障率计算方式和所述故障相关数据，计算所述每批分析对象的情况。
78.在一些实施例中，该装置还用于：在故障分析的过程中，获取所述多批分析对象中发生故障的分析对象的故障表
单，所述故障表单用于从多个维度描述发生的故障；基于所述故障表单，统计每个维度对应的故障发生情况；所述故障发生情况用于表征所述每个维度下所述多批分析对象发生故障的次数；基于所述故障发生情况和所述多个维度，确定所述多批分析对象发生故障的原因；基于所述多批分析对象发生故障的原因对所述生产工艺进行管理。
79.在一些实施例中，该装置还用于：在故障分析的过程中，基于所述多批分析对象的故障相关数据，计算所述多批分析对象的故障率；在所述多批分析对象的故障率大于故障率阈值的情况下，执行所述基于多批分析对象中每批分析对象的历史工艺数据和所述每批分析对象的故障率，确定所述历史工艺数据中能增大故障率的目标工艺数据的步骤。
80.在一些实施例中，该装置还用于：在所述多批分析对象的故障率大于故障率阈值的情况下，在交互界面上按照预设的显示方式显示所述多批分析对象的故障率。
81.本技术实施例提供的故障分析装置与本技术实施例提供的故障分析方法出于相同的发明构思，具有与其采用、运行或实现的方法相同的有益效果。
82.本技术实施方式还提供一种电子设备，以执行上述故障分析方法。请参考图3其示出了本技术的一些实施方式所提供的一种电子设备的示意图。如图3所示，电子设备3包括：处理器300，存储器301，总线302和通信接口303，所述处理器300、通信接口303和存储器301通过总线302连接；所述存储器301中存储有可在所述处理器300上运行的计算机程序，所述处理器300运行所述计算机程序时执行本技术前述任一实施方式所提供的故障分析方法。
83.其中，存储器301可能包含高速随机存取存储器（ram：random access memory），也可能还包括非不稳定的存储器（non-volatile memory），例如至少一个磁盘存储器。通过至少一个通信接口303（可以是有线或者无线）实现该装置网元与至少一个其他网元之间的通信连接，可以使用互联网、广域网、本地网、城域网等。
84.总线302可以是isa总线、pci总线或eisa总线等。所述总线可以分为地址总线、数据总线、控制总线等。其中，存储器301用于存储程序，所述处理器300在接收到执行指令后，执行所述程序，前述本技术实施例任一实施方式揭示的所述故障分析方法可以应用于处理器300中，或者由处理器300实现。
85.处理器300可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器300中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器300可以是通用处理器，包括中央处理器(central processing unit，简称cpu)、网络处理器(network processor，简称np)等；还可以是数字信号处理器(dsp)、专用集成电路(asic)、现成可编程门阵列(fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本技术实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本技术实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，
可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器301，处理器300读取存储器301中的信息，结合其硬件完成上述方法的步骤。
86.本技术实施例提供的电子设备与本技术实施例提供的故障分析方法出于相同的发明构思，具有与其采用、运行或实现的方法相同的有益效果。
87.本技术实施方式还提供一种与前述实施方式所提供的故障分析方法对应的计算机可读存储介质，请参考图4，其示出的计算机可读存储介质为光盘30，其上存储有计算机程序（即程序产品），所述计算机程序在被处理器运行时，会执行前述任意实施方式所提供的故障分析方法。
88.需要说明的是，所述计算机可读存储介质的例子还可以包括，但不限于相变内存 (pram)、静态随机存取存储器 (sram)、动态随机存取存储器 (dram)、其他类型的随机存取存储器 (ram)、只读存储器 (rom)、电可擦除可编程只读存储器 (eeprom)、快闪记忆体或其他光学、磁性存储介质，在此不再一一赘述。
89.本技术的上述实施例提供的计算机可读存储介质与本技术实施例提供的故障分析方法出于相同的发明构思，具有与其存储的应用程序所采用、运行或实现的方法相同的有益效果。
90.需要说明的是：在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本技术的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的结构和技术，以便不模糊对本说明书的理解。
91.类似地，应当理解，为了精简本技术并帮助理解各个发明方面中的一个或多个，在上面对本技术的示例性实施例的描述中，本技术的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该公开的方法解释成反映如下示意图：即所要求保护的本技术要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说，如下面的权利要求书所反映的那样，发明方面在于少于前面公开的单个实施例的所有特征。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本技术的单独实施例。
92.此外，本领域的技术人员能够理解，尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本技术的范围之内并且形成不同的实施例。例如，在下面的权利要求书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
93.以上所述，仅为本技术较佳的具体实施方式，但本技术的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本技术揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本技术的保护范围之内。因此，本技术的保护范围应以所述权利要求的保护范围为准。

技术特征：
1.一种故障分析方法，其特征在于，包括：基于多批分析对象中每批分析对象的历史工艺数据和所述每批分析对象的故障率，确定所述历史工艺数据中能增大故障率的目标工艺数据；所述多批分析对象的生产工艺规范要求相同；基于所述目标工艺数据，对生产分析对象的生产工艺进行管理。2.根据权利要求1所述的方法，其特征在于，基于多批分析对象中每批分析对象的历史工艺数据和所述每批分析对象的故障率，确定所述历史工艺数据中能增大故障率的目标工艺数据，包括：将所述每批分析对象的历史工艺数据中的每种数据转换成以统计量表示的数据；基于转换后的所述每批分析对象的历史工艺数据和所述故障率，确定所述目标工艺数据。3.根据权利要求1所述的方法，其特征在于，所述方法还包括：在故障分析的过程中，基于所述每批分析对象的对象属性，确定故障率计算方式；所述对象属性用于表征所述每批分析对象是否为投入使用的对象；按照所述故障率计算方式和所述每批分析对象的故障相关数据，计算所述每批分析对象的故障率，所述故障相关数据用于表征所述每批分析对象中故障发生的次数。4.根据权利要求3所述的方法，其特征在于，按照所述故障率计算方式和所述每批分析对象的故障相关数据，计算所述每批分析对象的故障率，包括：在所述对象属性表征所述每批分析对象为未投入使用的对象的情况下，基于所述故障相关数据的发生时间，从所述故障率计算方式中选择目标故障率计算方式；按照所述目标故障率计算方式和所述故障相关数据，计算所述每批分析对象的情况。5.根据权利要求1所述的方法，其特征在于，所述方法还包括：在故障分析的过程中，获取所述多批分析对象中发生故障的分析对象的故障表单，所述故障表单用于从多个维度描述发生的故障；基于所述故障表单，统计每个维度对应的故障发生情况；所述故障发生情况用于表征所述每个维度下所述多批分析对象发生故障的次数；基于所述故障发生情况和所述多个维度，确定所述多批分析对象发生故障的原因；基于所述多批分析对象发生故障的原因对所述生产工艺进行管理。6.根据权利要求1所述的方法，其特征在于，所述方法还包括：在故障分析的过程中，基于所述多批分析对象的故障相关数据，计算所述多批分析对象的故障率；在所述多批分析对象的故障率大于故障率阈值的情况下，执行所述基于多批分析对象中每批分析对象的历史工艺数据和所述每批分析对象的故障率，确定所述历史工艺数据中能增大故障率的目标工艺数据的步骤。7.根据权利要求6所述的方法，其特征在于，所述方法还包括：在所述多批分析对象的故障率大于故障率阈值的情况下，在交互界面上按照预设的显示方式显示所述多批分析对象的故障率。8.一种故障分析装置，其特征在于，包括：确定模块，用于基于多批分析对象中每批分析对象的历史工艺数据和所述每批分析对
象的故障率，确定所述历史工艺数据中能增大故障率的目标工艺数据；所述多批分析对象的生产工艺规范要求相同；管理模块，用于基于所述目标工艺数据，对生产分析对象的生产工艺进行管理。9.一种电子设备，其特征在于，包括：处理器和存储器；所述存储器，用于存储计算机程序；所述处理器，用于执行所述存储器中所存储的程序，实现权利要求1-7任一项所述的故障分析方法。10.一种计算机可读存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1-7任一项所述的故障分析方法。

技术总结
本申请公开了一种故障分析方法、装置、设备及存储介质，该方法在得到每批分析对象的故障率后，根据故障率和每批分析对象的历史工艺数据，得到能增大故障率的目标工艺数据，并基于目标工艺数据对生产工艺进行管理。由于能基于故障率对分析对象的生产工艺进行管理，使得故障率对分析对象的生产工艺具有指导作用，所以经过故障率管理后的生产工艺再生产的分析对象的故障率相较于管理前的生产工艺会大大降低，从而提高生产工艺的稳定性。从而提高生产工艺的稳定性。从而提高生产工艺的稳定性。


技术研发人员：任方旭 翁文辉 薛庆瑞 李长昊 张子格 田达 黄瑶 刘楚君 彭翊庭 邵孔木 段诗敏
受保护的技术使用者：宁德时代新能源科技股份有限公司
技术研发日：2023.08.07
技术公布日：2023/9/9