1.基于缺陷模式挖掘的制造过程调优方法，其特征在于，包括：

当产品质量合格率小于或等于质量合格率阈值，获得质量异常产品的检出缺陷指标类型数据和缺陷指标偏差向量数据；

根据所述检出缺陷指标类型数据进行一级去偶然性分析，获得高频检出缺陷指标类型；

基于所述高频检出缺陷指标类型对所述缺陷指标偏差向量数据进行二级去偶然性分析，获得高频缺陷指标偏差向量；

基于所述高频检出缺陷指标类型对第一节点生产控制属性直到第N节点生产控制属性进行关联性分析，获得关联控制属性，其中，所述关联控制属性具有节点序号标签；

根据所述节点序号标签，遍历所述关联控制属性，基于大数据对所述高频缺陷指标偏差向量进行控制变量匹配，获得工艺标定属性；

将所述节点序号标签和所述工艺标定属性发送至质量管控终端。

2.如权利要求1所述的基于缺陷模式挖掘的制造过程调优方法，其特征在于，根据所述检出缺陷指标类型数据进行一级去偶然性分析，获得高频检出缺陷指标类型，包括：根据所述检出缺陷指标类型数据，统计第一缺陷指标类型检出产品数量直到第M缺陷指标类型检出产品数量；

交互质量管控终端，接收产品数量阈值；

从所述第一缺陷指标类型检出产品数量直到所述第M缺陷指标类型检出产品数量，分选出大于或等于所述产品数量阈值的缺陷指标类型，添加进所述高频检出缺陷指标类型。

3.如权利要求1所述的基于缺陷模式挖掘的制造过程调优方法，其特征在于，基于所述高频检出缺陷指标类型对所述缺陷指标偏差向量数据进行二级去偶然性分析，获得高频缺陷指标偏差向量，包括：获得所述高频检出缺陷指标类型的第一高频检出缺陷指标类型的所述缺陷指标偏差向量数据；

对所述缺陷指标偏差向量数据进行聚类分析，获得缺陷指标偏差向量聚类结果，其中，所述缺陷指标偏差向量聚类结果具有类内向量数量标签；

交互质量管控终端，接收类内向量数量阈值；

根据所述类内向量数量标签，从所述缺陷指标偏差向量聚类结果分选大于或等于类内向量数量阈值簇，获得所述高频缺陷指标偏差向量。

4.如权利要求3所述的基于缺陷模式挖掘的制造过程调优方法，其特征在于，对所述缺陷指标偏差向量数据进行聚类分析，获得缺陷指标偏差向量聚类结果，包括：获得所述高频检出缺陷指标类型的第一高频检出缺陷指标类型的所述缺陷指标偏差向量数据的第一缺陷指标偏差向量和第二缺陷指标偏差向量；

计算所述第一缺陷指标偏差向量和所述第二缺陷指标偏差向量的余弦距离，生成第一聚类参数；

计算所述第一缺陷指标偏差向量和所述第二缺陷指标偏差向量的切比雪夫距离，生成第二聚类参数；

当所述第一聚类参数小于或等于第一聚类参数阈值，且所述第二聚类参数小于或等于第二聚类参数阈值，将所述第一缺陷指标偏差向量和所述第二缺陷指标偏差向量聚集为一类；

当所述第一聚类参数大于所述第一聚类参数阈值，或/和所述第二聚类参数大于所述第二聚类参数阈值，将所述第一缺陷指标偏差向量和所述第二缺陷指标偏差向量聚集为两类；

当所述缺陷指标偏差向量数据遍历完成，输出所述缺陷指标偏差向量聚类结果。

5.如权利要求1所述的基于缺陷模式挖掘的制造过程调优方法，其特征在于，基于所述高频检出缺陷指标类型对第一节点生产控制属性直到第N节点生产控制属性进行关联性分析，获得关联控制属性，包括：根据所述高频检出缺陷指标类型，提取第一高频检出缺陷指标类型；

基于所述第一高频检出缺陷指标类型，对所述第一节点生产控制属性直到所述第N节点生产控制属性进行k项控制属性联合负样本检索，获得k项控制属性缺陷指标异常频率占比，控制属性总数≥k≥1，k初始值等于1；

当所述k项控制属性缺陷指标异常频率占比大于或等于异常频率占比阈值，将所述k项控制属性联合存储，添加进所述关联控制属性；

当k等于所述控制属性总数，输出所述关联控制属性。

6.如权利要求5所述的基于缺陷模式挖掘的制造过程调优方法，其特征在于，还包括：当k小于控制属性总数，k加一；

将所述k项控制属性从所述第一节点生产控制属性直到所述第N节点生产控制属性删除，获得生产控制属性更新结果；

基于所述高频检出缺陷指标类型对所述生产控制属性更新结果进行k加一关联性分析，获得所述关联控制属性。

7.如权利要求1所述的基于缺陷模式挖掘的制造过程调优方法，其特征在于，根据所述节点序号标签，遍历所述关联控制属性，基于大数据对所述高频缺陷指标偏差向量进行控制变量匹配，获得工艺标定属性，包括：根据所述关联控制属性，提取第一高频检出缺陷指标类型的k项控制属性，其中，控制属性总数≥k≥1；

根据所述k项控制属性，提取k项控制属性监测特征值时序信息与k项控制属性基准特征值时序信息；

通过所述k项控制属性监测特征值时序信息与所述k项控制属性基准特征值时序信息，对所述k项控制属性进行异常分析，获得k项控制属性联合异常系数；

当所述k项控制属性联合异常系数大于或等于联合异常系数阈值，以所述k项控制属性联合异常系数的属性偏差向量矩阵为唯一异常量，基于大数据进行历史生产回溯，获得历史检出缺陷指标类型和历史检出缺陷指标向量；

当所述历史检出缺陷指标类型与所述第一高频检出缺陷指标类型一致，且所述历史检出缺陷指标向量与所述高频缺陷指标偏差向量的任意一个可聚集为一类，则将所述k项控制属性添加进第一高频检出缺陷指标类型工艺标定属性，添加进所述工艺标定属性。

8.如权利要求7所述的基于缺陷模式挖掘的制造过程调优方法，其特征在于，通过所述k项控制属性监测特征值时序信息与所述k项控制属性基准特征值时序信息，对所述k项控制属性进行异常分析，获得k项控制属性联合异常系数，包括：统计所述k项控制属性监测特征值时序信息不符合所述k项控制属性基准特征值时序信息的数量占比，获得所述k项控制属性联合异常系数。