CN109298703B - 故障诊断系统及方法 - Google Patents

故障诊断系统及方法 Download PDF

Info

Publication number
CN109298703B
CN109298703B CN201710611753.XA CN201710611753A CN109298703B CN 109298703 B CN109298703 B CN 109298703B CN 201710611753 A CN201710611753 A CN 201710611753A CN 109298703 B CN109298703 B CN 109298703B
Authority
CN
China
Prior art keywords
probability
fault
reason
taking
decision tree
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201710611753.XA
Other languages
English (en)
Other versions
CN109298703A (zh
Inventor
陆欣
张欢欢
刘慧丰
张玉勇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Futaihua Industry Shenzhen Co Ltd
Hon Hai Precision Industry Co Ltd
Original Assignee
Futaihua Industry Shenzhen Co Ltd
Hon Hai Precision Industry Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Futaihua Industry Shenzhen Co Ltd, Hon Hai Precision Industry Co Ltd filed Critical Futaihua Industry Shenzhen Co Ltd
Priority to CN201710611753.XA priority Critical patent/CN109298703B/zh
Priority to TW106129698A priority patent/TWI754664B/zh
Priority to US15/860,673 priority patent/US10572333B2/en
Publication of CN109298703A publication Critical patent/CN109298703A/zh
Application granted granted Critical
Publication of CN109298703B publication Critical patent/CN109298703B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0243—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults model based detection method, e.g. first-principles knowledge model
    • G05B23/0245—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults model based detection method, e.g. first-principles knowledge model based on a qualitative model, e.g. rule based; if-then decisions
    • G05B23/0248—Causal models, e.g. fault tree; digraphs; qualitative physics
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
    • G06F11/0703—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation
    • G06F11/079—Root cause analysis, i.e. error or fault diagnosis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
    • G06F11/0703—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation
    • G06F11/0766—Error or fault reporting or storing
    • G06F11/0781—Error filtering or prioritizing based on a policy defined by the user or on a policy defined by a hardware/software module, e.g. according to a severity level
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/22—Indexing; Data structures therefor; Storage structures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F7/00—Methods or arrangements for processing data by operating upon the order or content of the data handled
    • G06F7/06—Arrangements for sorting, selecting, merging, or comparing data on individual record carriers
    • G06F7/08—Sorting, i.e. grouping record carriers in numerical or other ordered sequence according to the classification of at least some of the information they carry
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/01—Dynamic search techniques; Heuristics; Dynamic trees; Branch-and-bound
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/04—Inference or reasoning models
    • G06N5/045—Explanation of inference; Explainable artificial intelligence [XAI]; Interpretable artificial intelligence
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N7/00—Computing arrangements based on specific mathematical models
    • G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
    • Y04S10/52—Outage or fault management, e.g. fault detection or location

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Physics (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Evolutionary Computation (AREA)
  • Quality & Reliability (AREA)
  • Medical Informatics (AREA)
  • Computational Linguistics (AREA)
  • Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Databases & Information Systems (AREA)
  • Probability & Statistics with Applications (AREA)
  • Automation & Control Theory (AREA)
  • Algebra (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Test And Diagnosis Of Digital Computers (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供一种故障诊断系统及方法。该系统包括：计算模块，用于计算目标产品出现故障的故障类型的原因出现的概率；构建模块，用于以所述故障类型为根节点，以所述出现该故障类型的原因为子节点构造判定树；及求解模块，用于求解所述判定树以找出所述目标产品出现故障的原因。本发明可以通过构建判定树快速找到目标产品出现故障的原因，提高生产效率。

Description

故障诊断系统及方法
技术领域
本发明涉及故障诊断技术领域，尤其涉及一种故障诊断系统及方法。
背景技术
随着工业生产规模的逐渐增大，对生产线的各个环节生产效率的要求也越来越高。目前在产品出现故障的诊断过程中，大多采用先画鱼骨图，然后逐个原因进行实验来查找出现故障的根本原因。该方法比较依赖于工程师的经验，并且由于未充分利用大量的历史数据而需要耗费大量的时间。
发明内容
鉴于以上内容，有必要提供一种故障诊断系统和方法，可以利用大量的历史数据快速找到出现故障的原因。
一种故障诊断方法，应用于电子装置中，所述电子装置包括数据库，所述数据库中存储有目标产品出现故障的故障类型数据和出现该故障类型的原因数据，该方法包括：
计算步骤，计算该故障类型的原因出现的概率；
构建步骤，以所述故障类型为根节点，以所述出现该故障类型的原因为子节点构造判定树；及
求解步骤，求解所述判定树以找出所述目标产品出现故障的原因。
一种故障诊断系统，运行于电子装置中，所述电子装置包括数据库，所述数据库中存储有目标产品出现故障的故障类型数据和出现该故障类型的原因数据，该系统包括：
计算模块，用于计算该故障类型的原因出现的概率；
构建模块，用于以所述故障类型为根节点，以所述出现该故障类型的原因为子节点构造判定树；及
求解模块，用于求解所述判定树以找出所述目标产品出现故障的原因。
相较于现有技术，本发明提供的故障诊断系统和方法，可以通过构建判定树快速找到目标产品出现故障的原因，提高生产效率。
附图说明
图1是本发明故障诊断系统较佳实施例的运行环境示意图。
图2是本发明故障诊断系统较佳实施例的功能模块图。
图3是本发明故障诊断方法较佳实施例的流程图。
图4为以故障类型为不能充电而构建的判定树。
主要元件符号说明
电子装置 1
故障诊断系统 10
计算模块 101
构建模块 102
求解模块 103
存储器 11
处理器 12
显示器 13
数据库 14
如下具体实施方式将结合上述附图进一步说明本发明。
具体实施方式
参阅图1所示，是本发明故障诊断系统10的较佳实施例的运行环境示意图。在本实施例中，所述的故障诊断系统10安装并运行于电子装置1中，该电子装置1可以是计算机等设备。该电子装置1还包括，但不仅限于，存储器11、处理器12及显示器13。所述电子装置1的部件11-13通过系统总线相互通信。
在本实施例中，所述存储器11可以是所述电子装置1本身的内存，也可以是SD卡(Secure Digital Card，安全数字卡)、SM卡(Smart Media Card，智能媒体卡)等外部存储设备。该存储器11用于存储所述故障诊断系统10的程序代码等数据。在本实施方式中，所述电子装置1还包括数据库14，所述数据库14中存储有同一类型的大量目标产品出现故障的故障类型，和出现该故障类型的原因。在本实施例中，根据所述目标产品的故障类型将所述目标产品出现故障的原因按层级划分。例如，一级原因、二级原因、三级原因等等，以此类推。而每一层级原因可以有一个或多个。
举例而言，当目标产品的故障类型为不能充电时，将出现不能充电故障的原因按层级划分，一级原因包括测试治具异常、硬件故障和软件故障。所述测试治具出现异常的概率为0.7，所述硬件出现故障的概率为0.2，及所述软件出现故障的概率为0.1。当一级原因为测试治具异常时的二级原因包括连接线异常和工站异常；所述连接线异常的概率为0.6，所述工站异常的概率为0.4。当一级原因为硬件故障时的二级原因包括主板故障和电池异常，所述主板故障的概率为0.6，所述电池异常的概率为0.4。当一级原因为软件故障时的二级原因包括Smokey脚本错误，那么Smokey脚本错误的概率为1。依此类推，所述二级原因还可以向下划分三级原因、四级原因等。
所述处理器12可以为中央处理单元，或者其他能够执行所述故障诊断系统10的数据处理芯片。所述显示器13用于显示故障诊断结果，该显示器13可以是LCD(LiquidCrystal Display，液晶)显示屏，也可以是OLED(Organic Light-Emitting Diode，有机发光二极管)显示屏。
参阅图2所示，是本发明故障诊断系统10较佳实施例的功能模块图。在本实施例中，所述故障诊断系统10可以被分割成一个或多个模块，所述一个或多个模块存储在所述存储器11中，并被配置成一个或多个处理器(本实施例为一个处理器12)执行，以完成本发明。例如，所述故障诊断系统10被分割成计算模块101、构建模块102及求解模块103。本发明所称的模块是能够完成一特定功能的程序段，比程序更适合用于描述软件在电子装置1中的执行过程，关于各模块的详细功能将在后文图3的流程图中作具体描述。
参阅图3所示，是本发明故障诊断方法较佳实施例的流程图。根据不同需求，该流程图中步骤的顺序可以改变，某些步骤可以省略或合并。
本发明是以大量目标产品出现故障的故障类型数据和出现该故障类型的原因数据为基础来设计一判定树。在本实施例中，所述数据库14中存储有大量历史数据，所述历史数据包括故障类型数据和出现该故障类型的原因数据。并且随着生产的进行，所述故障类型数据和出现该故障类型的原因数据可以动态添加至所述数据库14中。即，在生产过程中，若目标产品出现故障，用户可以记录该故障类型及出现该故障类型的原因，并将该故障类型及出现该故障类型的原因存储至数据库14中。
在本实施方式中，用户可以根据所述目标产品的故障类型将所述目标产品出现故障的原因按层级划分。例如，一级原因、二级原因、三级原因等等。而每一级原因可以有一个或多个。
步骤S1，根据数据库14中存储的目标产品出现故障的故障类型数据和出现该故障类型的原因数据，计算模块101计算该故障类型的原因出现的概率。该故障类型的原因出现的概率为该原因出现的次数与该原因所在层级的所有原因出现次数的比值。例如，假设所述一级原因包括R1、R2和R3，所述一级原因R1、R2和R3分别出现的次数为n1、n2和n3，则所述一级原因R1、R2和R3出现的概率分别为：
Figure BDA0001359682240000051
可以理解的是，随着生产的进行，所述目标产品在生产过程中出现的该类故障的原因及概率会动态添加至所述数据库14中，从而可以动态更新出现的该类故障的原因及概率。
步骤S2，构建模块102以故障类型为根节点，出现该故障类型的原因为子节点构造判定树。
具体而言，构建该决策树的流程包括以下几个步骤：
首先，针对目标产品出现故障的故障类型，从所述数据库14中查找出现该故障类型的一级原因(如R1、R2和R3)及该一级原因出现的概率；
其次，以所述故障类型为根节点，所述一级原因R1、R2和R3为子节点，所述一级原因R1、R2和R3出现的概率作为权值，构建判定树的第一层；
再从所述数据库14中查找所述一级原因R1、R2和R3对应的下级原因(即二级原因)，并计算所述二级原因出现的概率；
再分别以所述一级原因R1、R2和R3为父节点，所述二级原因为子节点，所述二级原因出现的概率为权值，构建上述判定树的第二层；
依此类推，直到找不到下级原因，判定树构建完成。
参阅图4所示为构建好的以故障类型为不能充电的判定树。
当目标产品的故障类型为不能充电时，将出现不能充电故障的原因按层级划分，一级原因包括测试治具异常、硬件故障和软件故障。下面对构建该判定树的第一分支进行说明。此第一分支的一级原因为测试治具异常。以不能充电为根节点，以测试治具异常为子节点，所述测试治具出现异常的概率0.7作为权值构建判定树的第一分支的第一层。
当一级原因为测试治具时的二级原因包括连接线异常和工站异常时。以测试治具异常为父节点，以连接线异常和工站异常为子节点，及连接线异常的概率0.6为权值，工站异常的概率为0.4为权值，构建上述判定树中第一分支的第二层。
当二级原因为连接线异常时的三级原因包括非Kanzi连接线、连接线损坏及连接线连接错误时。以所述连接线异常为父节点，以非Kanzi连接线、连接线损坏及连接线连接错误为子节点，以非Kanzi连接线出现的概率0.3为权值，连接线损坏的概率0.4为权值，及连接线连接错误的概率0.3为权值，构建上述判定树中第一分支的第三层；当二级原因为工站异常时的三级原因包括测试软件错误、错用覆盖层及USB供电速度慢时。那么，以工站异常为父节点，以测试软件错误、错用覆盖层及USB供电速度慢为子节点，以测试软件错误出现的概率0.5为权值，错用覆盖层的概率0.2为权值，及USB供电速度慢的概率0.3为权值，构建上述判定树中第一分支的第三层。依此类推，构建如图4所示的判定树。
步骤S3，求解模块103求解所述判定树以找出所述目标产品出现故障的原因，并将该原因显示在显示器13供用户参考。
在本实施方式中，所述求解模块103先通过剪枝方法对该判定树进行剪枝消除异常数据。具体地，先设置概率阈值，再将判定树中每一权值小于所述概率阈值的分枝进行剪枝。所述概率阈值由用户根据实际情况自行设定或者根据行业专家建议进行设定。所述求解模块103再利用前序遍历寻找所述判定树中的每条路径，并计算每条路径的概率。将每条路径的概率按从大到小的顺序排列，并选取其中概率靠前的预设条路径。那么，所述概率靠前的预设条路径中的叶子节点对应的原因即是出现该类型故障的原因。所述路径的概率为该路径上每一分枝的概率乘积。
在本实施方式中，可以根据实际生产的需求而确定所述概率靠前的预设条路径的数量。例如，在实际的生产过程中，用户需要找到两个该目标产品出现故障的原因。那么，所述求解模块103选取概率排第一和第二的两条路径。即概率排第一的路径的叶子节点对应的原因是出现该类型故障的主要原因，概率排第二的路径的叶子节点对应的原因是出现该类型故障的次要原因。
例如，如图4中，假设所述概率阈值为0.2，那么通过所述求解模块103通过剪枝方法可以对该判定树进行剪枝后消除软件故障。而当所述预设条路径的数量为两条时，所述求解模块103利用前序遍历寻找所述判定树中的每条路径，并计算每条路径的概率后可以找到概率排第一(0.168)的一条路径(不能充电—测试治具异常—连接线异常—连接线损坏)，而该路径中的叶子节点对应的连接线损坏就是所述目标产品出现不能充电的主要原因。以及找到概率排第二(0.14)的一条路径(不能充电—测试治具异常—工站异常—测试软件错误)，而该路径中的叶子节点对应的测试软件错误就是所述目标产品出现不能充电的次要原因。
最后所应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照以上较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换都不应脱离本发明技术方案的精神和范围。

Claims (8)

1.一种故障诊断方法，其特征在于，应用于电子装置中，所述电子装置包括数据库，所述数据库中存储有目标产品出现故障的故障类型数据和出现该故障类型的各个层级的原因数据，其中，所述层级根据所述目标产品的故障类型将所述目标产品出现故障的原因划分，该方法包括：
计算步骤，计算该故障类型对应的所述各个层级的原因的概率；
构建步骤，以所述故障类型为根节点，以所述出现该故障类型的各个层级的原因为子节点，并针对每一所述子节点，以所述子节点对应的原因的概率作为所述子节点的权值来构造判定树；及
求解步骤，求解所述判定树以找出所述目标产品出现故障的原因，所述求解步骤包括如下步骤：
利用前序遍历寻找所述判定树中的每条路径，计算每条路径的概率并将所述每条路径的概率按从大至小的顺序排列，其中所述每条路径的概率为该路径上每一分枝的概率乘积；及
选取概率靠前的预设条路径，该预设条路径中的叶子节点对应的原因即是出现该类型故障的原因。
2.如权利要求1所述的故障诊断方法，其特征在于，该故障类型的原因出现的概率为该原因出现的次数与该原因所在层级的所有原因出现次数的比值。
3.如权利要求1所述的故障诊断方法，其特征在于，所述构建步骤包括如下步骤：
针对目标产品出现故障的故障类型，从所述数据库中查找出现该故障类型的一级原因，及该一级原因出现的概率；
以所述故障类型为根节点，所述一级原因为子节点，所述一级原因出现的概率作为权值，构建判定树的第一层；
从所述数据库中查找所述一级原因对应的二级原因，并计算所述二级原因出现的概率；
再分别以所述一级原因为父节点，所述二级原因为子节点，所述二级原因出现的概率为权值，构建上述判定树的第二层；及
依此类推，直到找不到下级原因而完成判定树的构建。
4.如权利要求3所述的故障诊断方法，其特征在于，所述求解步骤包括如下步骤：
通过剪枝方法设置概率阈值，将所述判定树中每一权值小于所述概率阈值的分枝进行剪枝。
5.一种故障诊断系统，其特征在于，运行于电子装置中，所述电子装置包括数据库，所述数据库中存储有目标产品出现故障的故障类型数据和出现该故障类型的各个层级的原因数据，该系统包括：
计算模块，用于计算该故障类型对应的所述各个层级的原因的概率，还用于根据所述目标产品的故障类型将所述目标产品出现故障的原因按层级划分；
构建模块，用于以所述故障类型为根节点，以所述出现该故障类型的各个层级的原因为子节点，并针对每一所述子节点，以所述子节点对应的原因的概率作为所述子节点的权值来构造判定树；及
求解模块，用于求解所述判定树以找出所述目标产品出现故障的原因，所述求解模块具体包括：
利用前序遍历寻找所述判定树中的每条路径，计算每条路径的概率并将所述每条路径的概率按从大至小的顺序排列，其中所述每条路径的概率为该路径上每一分枝的概率乘积；及
选取概率靠前的预设条路径，该预设条路径中的叶子节点对应的原因即是出现该类型故障的原因。
6.如权利要求5所述的故障诊断系统，其特征在于，该故障类型的原因出现的概率为该原因出现的次数与该原因所在层级的所有原因出现次数的比值。
7.如权利要求5所述的故障诊断系统，其特征在于，所述构建模块还用于：
针对目标产品出现故障的故障类型，从所述数据库中查找出现该故障类型的一级原因，及该一级原因出现的概率；
以所述故障类型为根节点，所述一级原因为子节点，所述一级原因出现的概率作为权值，构建判定树的第一层；
从所述数据库中查找所述一级原因对应的二级原因，并计算所述二级原因出现的概率；
再分别以所述一级原因为父节点，所述二级原因为子节点，所述二级原因出现的概率为权值，构建上述判定树的第二层；及
依此类推，直到找不到下级原因而完成判定树的构建。
8.如权利要求7所述的故障诊断系统，其特征在于，所述求解模块还用于：
通过剪枝方法设置概率阈值，将所述判定树中每一权值小于所述概率阈值的分枝进行剪枝。
CN201710611753.XA 2017-07-25 2017-07-25 故障诊断系统及方法 Active CN109298703B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN201710611753.XA CN109298703B (zh) 2017-07-25 2017-07-25 故障诊断系统及方法
TW106129698A TWI754664B (zh) 2017-07-25 2017-08-31 故障診斷系統及方法
US15/860,673 US10572333B2 (en) 2017-07-25 2018-01-03 Electronic device and method for diagnosing faults

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710611753.XA CN109298703B (zh) 2017-07-25 2017-07-25 故障诊断系统及方法

Publications (2)

Publication Number Publication Date
CN109298703A CN109298703A (zh) 2019-02-01
CN109298703B true CN109298703B (zh) 2023-06-27

Family

ID=65037939

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710611753.XA Active CN109298703B (zh) 2017-07-25 2017-07-25 故障诊断系统及方法

Country Status (3)

Country Link
US (1) US10572333B2 (zh)
CN (1) CN109298703B (zh)
TW (1) TWI754664B (zh)

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11481580B2 (en) * 2018-05-31 2022-10-25 Fujitsu Limited Accessible machine learning
CN110006679B (zh) * 2019-04-23 2021-02-23 南京大学 一种油料收获装备监控及诊断系统
CN112817800B (zh) * 2019-11-15 2023-04-25 上海联影医疗科技股份有限公司 交互设备的测试方法、装置、计算机设备及存储介质
CN111913824B (zh) * 2020-06-23 2024-03-05 中国建设银行股份有限公司 确定数据链路故障原因的方法及相关设备
CN113965445B (zh) * 2020-07-02 2023-10-27 中国移动通信集团山东有限公司 一种质差根因的定位方法、装置、计算机设备和存储介质
JP7262506B2 (ja) * 2021-04-15 2023-04-21 株式会社日立製作所 設備について発生した又は発生し得る事象の原因診断の結果を可視化するシステム及び方法
CN113656658B (zh) * 2021-08-13 2023-07-21 上海飞机制造有限公司 一种故障原因确定方法、装置、设备及存储介质
CN113849486A (zh) * 2021-11-30 2021-12-28 云和恩墨(北京)信息技术有限公司 故障处理方法、其装置、电子设备及计算机可读存储介质
CN114999021A (zh) * 2022-05-17 2022-09-02 中联重科股份有限公司 用于确定油温异常原因的方法、处理器、装置及存储介质

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6397247B1 (en) * 1998-03-25 2002-05-28 Nec Corporation Failure prediction system and method for a client-server network
EP1228490A1 (en) * 1999-10-28 2002-08-07 General Electric Company Method and system for remotely managing communication of data used for predicting malfunctions in a plurality of machines
CN101739433B (zh) * 2008-11-14 2012-12-19 鸿富锦精密工业（深圳）有限公司 网页下载纠错系统及方法
CN102819239B (zh) * 2011-06-08 2014-09-17 同济大学 一种数控机床智能故障诊断方法
CN106255959B (zh) * 2014-03-31 2019-04-19 庞巴迪公司 用于输出多个事件的剩余概率的报告的系统、方法及存储介质
CN104376033B (zh) * 2014-08-01 2017-10-24 中国人民解放军装甲兵工程学院 一种基于故障树和数据库技术的故障诊断方法
US10241852B2 (en) * 2015-03-10 2019-03-26 Siemens Aktiengesellschaft Automated qualification of a safety critical system
US9652723B2 (en) * 2015-06-05 2017-05-16 Sas Institute Inc. Electrical transformer failure prediction
US10061670B2 (en) * 2015-12-28 2018-08-28 Siemens Aktiengesellschaft Method and apparatus for automatically generating a component fault tree of a safety-critical system

Also Published As

Publication number Publication date
TW201913412A (zh) 2019-04-01
TWI754664B (zh) 2022-02-11
US10572333B2 (en) 2020-02-25
CN109298703A (zh) 2019-02-01
US20190034255A1 (en) 2019-01-31

Similar Documents

Publication Publication Date Title
CN109298703B (zh) 故障诊断系统及方法
CN107015901B (zh) 一种日志分析方法及装置
US20090083014A1 (en) Method for analyzing the reliability of technical installations with the use of physical models
CN110645153A (zh) 风力发电机组故障诊断方法、装置和电子设备
CN105224458A (zh) 一种数据库测试方法及系统
CN113221362B (zh) 卫星发射场性能试验科目的选取方法、装置和电子设备
CN105448348A (zh) 一种芯片修复方法和装置
CN112433944A (zh) 业务测试方法、装置、计算机设备和存储介质
CN108388490A (zh) 一种测试高端服务器内存的方法及系统
CN107193730A (zh) 一种自动化的接口测试方法
CN116090808A (zh) 一种rpa断点重建方法、装置、电子设备和介质
CN115373888A (zh) 故障定位方法、装置、电子设备和存储介质
US20130311831A1 (en) Virtual fail address generation system, redundancy analysis simulation system, and method thereof
CN110674044B (zh) 功能自动化测试的覆盖率获取方法、系统、设备及介质
CN117153233A (zh) 一种基于遗传算法的存储芯片冗余修复方案生成方法、装置、设备及存储介质
CN113793049B (zh) 产品生产过程中的不良根因定位方法、装置、设备及介质
CN112347723B (zh) 基于版图的rom代码提取验证方法及装置
CN104575621A (zh) 存储装置测试方法及系统
US10254333B2 (en) Method of generating quality affecting factor for semiconductor manufacturing process and generating system for the same
US10126351B2 (en) Systems and methods for placement of singulated semiconductor devices for multi-site testing
KR20170079439A (ko) 메모리 디바이스 및 상기 메모리 디바이스의 리페어 분석 방법
CN101826045A (zh) 一种可重构星载计算机永久性故障电路的在线修复方法
US10437716B2 (en) Method and apparatus for coverage analysis of SRT look-up table
CN107168817B (zh) 应用于存储阵列的数据修复方法与装置及存储设备
Wen-Hong et al. The software quality evaluation method based on software testing

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant