CN111812263B - 检测设备的配置优化方法 - Google Patents

检测设备的配置优化方法 Download PDF

Info

Publication number
CN111812263B
CN111812263B CN202010888145.5A CN202010888145A CN111812263B CN 111812263 B CN111812263 B CN 111812263B CN 202010888145 A CN202010888145 A CN 202010888145A CN 111812263 B CN111812263 B CN 111812263B
Authority
CN
China
Prior art keywords
detection
accuracy
minimum
subunit
preset
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
CN202010888145.5A
Other languages
English (en)
Other versions
CN111812263A (zh
Inventor
舒芹
赵愿安
张雪娇
赵畅
郭静
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.)
Wuhan Life Origin Biotech Joint Stock Co ltd
Original Assignee
Wuhan Life Origin Biotech Joint Stock 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 Wuhan Life Origin Biotech Joint Stock Co ltd filed Critical Wuhan Life Origin Biotech Joint Stock Co ltd
Priority to CN202010888145.5A priority Critical patent/CN111812263B/zh
Publication of CN111812263A publication Critical patent/CN111812263A/zh
Application granted granted Critical
Publication of CN111812263B publication Critical patent/CN111812263B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N30/00—Investigating or analysing materials by separation into components using adsorption, absorption or similar phenomena or using ion-exchange, e.g. chromatography or field flow fractionation
    • G01N30/02—Column chromatography
    • G01N30/86—Signal analysis
    • G01N30/8658—Optimising operation parameters
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N30/00—Investigating or analysing materials by separation into components using adsorption, absorption or similar phenomena or using ion-exchange, e.g. chromatography or field flow fractionation
    • G01N30/02—Column chromatography
    • G01N30/86—Signal analysis
    • G01N30/8675—Evaluation, i.e. decoding of the signal into analytical information
    • G01N30/8679—Target compound analysis, i.e. whereby a limited number of peaks is analysed

Landscapes

  • Analytical Chemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Pathology (AREA)
  • Biochemistry (AREA)
  • Immunology (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Library & Information Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Investigating Or Analysing Biological Materials (AREA)

Abstract

一种检测设备的配置优化方法，包括：S1、获取各检测设备的检测准确度信息，并根据获得的检测准确度信息对检测设备进行类型划分；S2、将检测区域按照地理区域进行划分，获得划分的检测最小子单元，所述检测最小子单元用于对预设范围内的待测生化物质进行检测；S3、配置特定网格单元用于集中上报的检测上报集群，检测上报集群由检测最小子单元构成；S4、基于检测准确度信息按照预设方式将不同类型的检测设备配置到检测最小子单元，并判断检测上报集群的准确度是否符合预设准确度要求，在不符合时跳转到步骤S5；S5、对检测最小子单元的检测设备方式进行优化配置处理，并再次判断优化处理后的检测上报集群是否符合预设准确度要求。

Description

检测设备的配置优化方法
技术领域
本发明涉及数据处理技术领域，特别涉及一种检测设备的配置优化方法。
背景技术
生化分析检测设备是用来测量某种特定化学成分的仪器，由于其测量速度快、准确性高、消耗试剂量小，现已在各级医院、防疫站等场合得到广泛使用。在遇到突发情况时，可以利用生化分析检测设备迅速对大规模、大范围的生化物质进行检测。
现有技术中，在面临需要迅速对大规模、大范围的生化物质进行检测的需求时，往往检测设备的数量无法满足检测的要求，这时一些检测准确性不高的检测设备也可能需要被应用到检测上，因此如何在检测设备数量有限，而又存在检测准确性不高的检测设备被应用的情况下，保证整体检测结果的准确性成为一项难题。
发明内容
有鉴于此，本发明提供一种检测设备的配置优化方法，其包括如下步骤：
S1、获取各检测设备的检测准确度信息，并根据获得的检测准确度信息对检测设备进行类型划分；
S2、将检测区域按照地理区域进行划分，获得划分的检测最小子单元，所述检测最小子单元用于对预设范围内的待测生化物质进行检测；
S3、配置特定网格单元用于集中上报的检测上报集群，检测上报集群由检测最小子单元构成；
S4、基于检测准确度信息按照预设方式将不同类型的检测设备配置到检测最小子单元，并判断检测上报集群的准确度是否符合预设准确度要求，在不符合时跳转到步骤S5；在符合时结束流程；
S5、对检测最小子单元的检测设备方式进行优化配置处理，并再次判断优化处理后的检测上报集群是否符合预设准确度要求，在符合时结束流程；
所述步骤S1包括：
S11、设置用于衡量检测设备的品质的预设检测准确度信息；
S12、获取用于对待测生化物质检测的各检测设备的检测准确度信息；
S13、将获取的检测准确度信息与预设检测准确度信息进行对比，将检测设备进行类型划分得到第一类型检测设备、第二类型检测设备、第三类型检测设备，所述第一类型检测设备、第二类型检测设备、第三类型检测设备的检测准确度依次递减；
所述步骤S4包括：
S41、将第一类型检测设备配置到各检测最小子单元中，判断检测上报集群的准确度是否符合预设准确度要求，在符合时结束流程，否则跳转到步骤S42；
S42、将第二类型检测设备补充配置到各检测最小子单元中，判断检测上报集群的准确度是否符合预设准确度要求，在符合时结束流程，否则跳转到步骤S5。
在本发明所述的检测设备的配置优化方法中，
所述S2包括：
将检测区域按照地理区域进行划分，获得划分的检测最小子单元，所述检测最小子单元用于对预设范围内的待测生化物质进行检测；
各检测最小子单元以集合形式具体如下：
Figure DEST_PATH_IMAGE001
，令n h 为集合C h 中位置的数量，
Figure DEST_PATH_IMAGE002
，其中检测最小子单元用于被配置为满足检测要求的最小检测集合，
Figure DEST_PATH_IMAGE003
，其中
Figure DEST_PATH_IMAGE004
；当h取1时，n 1是相对于C 1的位置，当h取2时，n 2是相对于C 2的位置；当h取k时，n k 是相对于C k 的位置，其中n为检测上报集群中检测最小子单元用于容置检测设备的位置数量。
在本发明所述的检测设备的配置优化方法中，
所述步骤S5中对检测最小子单元的检测设备方式进行优化配置处理包括：
通过迭代算法对检测最小子单元的检测设备方式进行优化配置处理。
在本发明所述的检测设备的配置优化方法中，
通过迭代算法对检测最小子单元的检测设备方式进行优化配置处理如下：
步骤1，配置检测设备i到C i ，
Figure DEST_PATH_IMAGE005
；
步骤2，配置检测设备k+i到
Figure DEST_PATH_IMAGE006
；
步骤3，令
Figure DEST_PATH_IMAGE007
；
步骤4，计算
Figure DEST_PATH_IMAGE008
，配置检测设备vk+1到C i ，则此时的
Figure DEST_PATH_IMAGE009
最小，配置检测设备vk+2到C i ，则此时的
Figure DEST_PATH_IMAGE010
第二小，并依此类推，配置检测设备vk+k到C i ，则此时的
Figure 868919DEST_PATH_IMAGE009
最大，并判断
Figure 19277DEST_PATH_IMAGE009
的值是否大于或等于预设准确度要求的值，如果是则结束流程，否则跳转到步骤5；
步骤5，令
Figure DEST_PATH_IMAGE011
，如果
Figure DEST_PATH_IMAGE012
，则跳转到步骤4，否则结束流程；
其中，
Figure DEST_PATH_IMAGE013
为配置到C i 中检测设备的集合，
Figure DEST_PATH_IMAGE014
，
Figure DEST_PATH_IMAGE015
为配置到
Figure DEST_PATH_IMAGE016
中的检测设备，
Figure DEST_PATH_IMAGE017
，
Figure DEST_PATH_IMAGE018
为检测设备
Figure 817469DEST_PATH_IMAGE015
的检测准确率，
Figure DEST_PATH_IMAGE019
。
本发明的检测设备的配置优化方法相对于现有技术，具有如下优点：通过基于检测准确度信息按照预设方式将不同类型的检测设备配置到检测最小子单元，并判断检测上报集群的准确度是否符合预设准确度要求，在不符合时跳转到步骤S5；S5、对检测最小子单元的检测设备方式进行优化配置处理，并再次判断优化处理后的检测上报集群是否符合预设准确度要求，克服了在检测设备数量有限，而又存在检测准确性不高的检测设备被应用的情况下，保证整体检测结果的准确性，使得一些检测准确度不高的检测设备也能够用于对大规模、大范围的生化物质进行检测的需求。
附图说明
图1是本发明实施例提供的检测设备的配置优化方法流程图。
具体实施方式
如图1所示，在本发明实施例中，一种检测设备的配置优化方法，其包括如下步骤：
S1、获取各检测设备的检测准确度信息，并根据获得的检测准确度信息对检测设备进行类型划分；
S2、将检测区域按照地理区域进行划分，获得划分的检测最小子单元，所述检测最小子单元用于对预设范围内的待测生化物质进行检测；
比如，最小子单元可以小区中的楼栋号、单元号为单元，对特定楼栋号、单元号的人员提供的生化物质进行检测。在一个最小子单元中，采用并行检测的方式对检测设备进行配置，通过若干个检测设备对同一个待测的生化物质进行检测，使得最小子单元检测准确性能够得到保障，采用这种最小子单元并行检测的方式，也能够有利于对待测生化物质进行混检，比如将10个人提供的待测生化物质进行一并检测。
S3、配置特定网格单元用于集中上报的检测上报集群，检测上报集群由检测最小子单元构成；比如，在本发明实施例，检测上报集群可以是一个社区、或者多个社区构成的街道。检测上报集群通过最小子单元串行上报检测结果。
S4、基于检测准确度信息按照预设方式将不同类型的检测设备配置到检测最小子单元，并判断检测上报集群的准确度是否符合预设准确度要求，在不符合时跳转到步骤S5；在符合时结束流程；
S5、对检测最小子单元的检测设备方式进行优化配置处理，并再次判断优化处理后的检测上报集群是否符合预设准确度要求，在符合时结束流程。
在本发明所述的检测设备的配置优化方法中，
所述步骤S1包括：
S11、设置用于衡量检测设备的品质的预设检测准确度信息；
S12、获取用于对待测生化物质检测的各检测设备的检测准确度信息；
S13、将获取的检测准确度信息与预设检测准确度信息进行对比，将检测设备进行类型划分得到第一类型检测设备、第二类型检测设备、第三类型检测设备，所述第一类型检测设备、第二类型检测设备、第三类型检测设备的检测准确度依次递减。
在本发明所述的检测设备的配置优化方法中，
所述步骤S4包括：
S41、将第一类型检测设备配置到各检测最小子单元中，判断检测上报集群的准确度是否符合预设准确度要求，在符合时结束流程，否则跳转到步骤S42；
S42、将第二类型检测设备补充配置到各检测最小子单元中，判断检测上报集群的准确度是否符合预设准确度要求，在符合时结束流程，否则跳转到步骤S5。通过实施本实施例，可以使得检测准确性相对高的第一类型检测设备、第二类型检测设备被优先使用，只有在第一类型检测设备、第二类型检测设备全部被使用后仍不满足检测上报集群的准确度要求，才对第三类型检测设备进行配置。
在本发明所述的检测设备的配置优化方法中，
所述S2包括：
将检测区域按照地理区域进行划分，获得划分的检测最小子单元，所述检测最小子单元用于对预设范围内的待测生化物质进行检测；
各检测最小子单元以集合形式具体如下：
Figure DEST_PATH_IMAGE020
，令
Figure DEST_PATH_IMAGE021
为集合
Figure DEST_PATH_IMAGE022
中位置的数量，
Figure DEST_PATH_IMAGE023
，其中检测最小子单元用于被配置为满足检测要求的最小检测集合，
Figure DEST_PATH_IMAGE024
，其中
Figure DEST_PATH_IMAGE025
；当h取1时，n 1是相对于C 1的位置，当h取2时，n 2是相对于C 2的位置；当h取k时，n k 是相对于C k 的位置，其中n为检测上报集群中检测最小子单元用于容置检测设备的位置数量。检测最小子单元用于被配置为满足检测要求的最小检测集合，可以将最少数量的检测设备配置到检测最小子单元中，又能够保证检测最小子单元的检测准确性。
在本发明所述的检测设备的配置优化方法中，
所述步骤S5中对检测最小子单元的检测设备方式进行优化配置处理包括：
通过迭代算法对检测最小子单元的检测设备方式进行优化配置处理。
可选地，通过迭代算法对检测最小子单元的检测设备方式进行优化配置处理如下：
步骤1，配置检测设备i到C i ，
Figure DEST_PATH_IMAGE026
；
步骤2，配置检测设备k+i到
Figure DEST_PATH_IMAGE027
；
步骤3，令
Figure DEST_PATH_IMAGE028
；
步骤4，计算
Figure DEST_PATH_IMAGE029
，配置检测设备
Figure DEST_PATH_IMAGE030
到C i ，则此时的
Figure DEST_PATH_IMAGE031
最小，配置检测设备vk+2到C i ，则此时的
Figure 734478DEST_PATH_IMAGE031
第二小，并依此类推，配置检测设备vk+k到C i ，则此时的
Figure 668936DEST_PATH_IMAGE031
最大，并判断
Figure 662300DEST_PATH_IMAGE031
的值是否大于或等于预设准确度要求的值，如果是则结束流程，否则跳转到步骤5；
步骤5，令
Figure DEST_PATH_IMAGE032
，如果
Figure DEST_PATH_IMAGE033
，则跳转到步骤4，否则结束流程；
其中，
Figure DEST_PATH_IMAGE034
为配置到C i 中检测设备的集合，
Figure DEST_PATH_IMAGE035
，
Figure DEST_PATH_IMAGE036
为配置到
Figure DEST_PATH_IMAGE037
中的检测设备，
Figure DEST_PATH_IMAGE038
，r j 为检测设备
Figure 568744DEST_PATH_IMAGE036
的检测准确率，
Figure DEST_PATH_IMAGE039
。
实施本发明实施例，可以对第一类型检测设备、第二类型检测设备、第三类型检测设备的检测准确度依次配置到检测最小子单元，使得检测率高的检测设备被优先使用，又能够在第一类型检测设备、第二类型检测设备数量不够的情况下，使用一定量的第三类型检测设备来满足整个检测上报集群的预设准确度要求，还能使得整个检测设备的配置数量、位置更加优化。
可选地，由于不同的检测设备的生产厂家、生产批次不同，导致检测设备检测出准确性不尽相同，可以预先经过自检模型来排除检测设备本身的故障并经过多次对不同标准样本的检测可以筛选出检测准确度符合最低要求（即大于或等于第三类型检测设备的检测准确度）的检测设备。
可选地，可以采取如下方式对检测设备进行可靠性自检：
检测设备对标准样本进行检测分析，并将检测结果发送到服务器，服务器从检测结果中提取色谱线（色谱线即为色谱流出曲线，此处简称色谱线）的各个色谱峰，并根据色谱峰转折的横向距离的波动是否符合预设波动条件，在符合预设波动条件时，判定检测设备符合可靠性自检要求。
通常不同生化物质的色谱峰的横向距离的波动都是具有特定的规律，因此只要按照正常的检测分析操作规程，检测出的结果必然是符合这种规律的，因此根据色谱峰转折的横向距离的波动是否符合预设波动条件可以初步判断检测过程是否出现异常，这种异常可能是因为生化分析仪器本身的故障导致的，也可能是由于被非法侵入，控制信号发生改变，或者数据被篡改所导致的，因此只要色谱峰转折的横向距离的波动不符合预设波动条件，则会提示检测过程出现异常。
可选地，
根据色谱峰转折的横向距离的波动是否符合预设波动条件包括：
根据如下公式判断色谱峰转折的横向距离的波动是否符合预设波动条件：
Figure DEST_PATH_IMAGE040
，其中n为色谱峰的数量，
Figure DEST_PATH_IMAGE041
，
Figure DEST_PATH_IMAGE042
为预设色谱峰偏离值，
Figure DEST_PATH_IMAGE043
为峰宽度，
Figure DEST_PATH_IMAGE044
为指数函数，
Figure DEST_PATH_IMAGE045
为标准差，t R 为留存时间，即色谱峰的保留时间，
Figure DEST_PATH_IMAGE046
为色谱峰的出现时间，
Figure DEST_PATH_IMAGE047
为扰动系数。本公式可以通过分析各个色谱峰转折的横向距离的波动，与对照情况下所有色谱峰转折的横向距离的波动经过去除扰动之后的平均值进行对比，根据判断色谱峰转折的横向距离的波动在
Figure DEST_PATH_IMAGE048
的有效值范围。现有技术往往是直接进行曲线对比，直接进行曲线对比的数字精准化程度不够，并容易受到生化分析检测设备本身固有特性的扰动。通过对
Figure 695969DEST_PATH_IMAGE048
值的设定，经过多次对不同标准样本的检测可以筛选出检测准确度符合最低要求（即大于或等于第三类型检测设备的检测准确度）的检测设备。
本发明的检测设备的配置优化方法相对于现有技术，具有如下优点：通过基于检测准确度信息按照预设方式将不同类型的检测设备配置到检测最小子单元，并判断检测上报集群的准确度是否符合预设准确度要求，在不符合时跳转到步骤S5；S5、对检测最小子单元的检测设备方式进行优化配置处理，并再次判断优化处理后的检测上报集群是否符合预设准确度要求，克服了在检测设备数量有限，而又存在检测准确性不高的检测设备被应用的情况下，保证整体检测结果的准确性，使得一些检测准确度不高的检测设备也能够用于对大规模、大范围的生化物质进行检测的需求。
可以理解的是，对于本领域的普通技术人员来说，可以根据本发明的技术构思做出其它各种相应的改变与变形，而所有这些改变与变形都应属于本发明权利要求的保护范围。

Claims (1)

1.一种检测设备的配置优化方法，其特征在于，其包括如下步骤：
S1、获取各检测设备的检测准确度信息，并根据获得的检测准确度信息对检测设备进行类型划分；
S2、将检测区域按照地理区域进行划分，获得划分的检测最小子单元，所述检测最小子单元用于对预设范围内的待测生化物质进行检测；
S3、配置特定网格单元用于集中上报的检测上报集群，检测上报集群由检测最小子单元构成；
S4、基于检测准确度信息按照预设方式将不同类型的检测设备配置到检测最小子单元，并判断检测上报集群的准确度是否符合预设准确度要求，在不符合时跳转到步骤S5；在符合时结束流程；
S5、对检测最小子单元的检测设备方式进行优化配置处理，并再次判断优化处理后的检测上报集群是否符合预设准确度要求，在符合时结束流程；
所述步骤S1包括：
S11、设置用于衡量检测设备的品质的预设检测准确度信息；
S12、获取用于对待测生化物质检测的各检测设备的检测准确度信息；
S13、将获取的检测准确度信息与预设检测准确度信息进行对比，将检测设备进行类型划分得到第一类型检测设备、第二类型检测设备、第三类型检测设备，所述第一类型检测设备、第二类型检测设备、第三类型检测设备的检测准确度依次递减；
所述步骤S4包括：
S41、将第一类型检测设备配置到各检测最小子单元中，判断检测上报集群的准确度是否符合预设准确度要求，在符合时结束流程，否则跳转到步骤S42；
S42、将第二类型检测设备补充配置到各检测最小子单元中，判断检测上报集群的准确度是否符合预设准确度要求，在符合时结束流程，否则跳转到步骤S5；
所述S2包括：
将检测区域按照地理区域进行划分，获得划分的检测最小子单元，所述检测最小子单元用于对预设范围内的待测生化物质进行检测；
各检测最小子单元以集合形式具体如下：
Figure 85783DEST_PATH_IMAGE001
，令
Figure 575670DEST_PATH_IMAGE002
为集合
Figure 106009DEST_PATH_IMAGE003
中位置的数量，
Figure 593622DEST_PATH_IMAGE004
，其中检测最小子单元用于被配置为满足检测要求的最小检测集合，
Figure 271728DEST_PATH_IMAGE005
，其中
Figure 502989DEST_PATH_IMAGE006
；当
Figure 153413DEST_PATH_IMAGE007
取1时，
Figure 608665DEST_PATH_IMAGE008
是相对于
Figure 711751DEST_PATH_IMAGE009
的位置，当
Figure 543440DEST_PATH_IMAGE007
取2时，
Figure 812485DEST_PATH_IMAGE010
是相对于
Figure 376322DEST_PATH_IMAGE011
的位置；当
Figure 29020DEST_PATH_IMAGE007
取
Figure 867663DEST_PATH_IMAGE012
时，
Figure 961521DEST_PATH_IMAGE013
是相对于
Figure 24155DEST_PATH_IMAGE014
的位置，其中n为检测上报集群中检测最小子单元用于容置检测设备的位置数量；
所述步骤S5中对检测最小子单元的检测设备方式进行优化配置处理包括：
通过迭代算法对检测最小子单元的检测设备方式进行优化配置处理；
通过迭代算法对检测最小子单元的检测设备方式进行优化配置处理如下：
步骤1，配置检测设备
Figure 101832DEST_PATH_IMAGE015
到
Figure 478587DEST_PATH_IMAGE016
，
Figure 754848DEST_PATH_IMAGE017
；
步骤2，配置检测设备
Figure 926066DEST_PATH_IMAGE018
到
Figure 491040DEST_PATH_IMAGE019
；
步骤3，令
Figure 468223DEST_PATH_IMAGE020
；
步骤4，计算
Figure 38138DEST_PATH_IMAGE021
，配置检测设备
Figure 645837DEST_PATH_IMAGE022
到
Figure 494844DEST_PATH_IMAGE023
，则此时的
Figure 947822DEST_PATH_IMAGE024
最小，配置检测设备
Figure 198675DEST_PATH_IMAGE025
到
Figure 711696DEST_PATH_IMAGE026
，则此时的
Figure 47999DEST_PATH_IMAGE024
第二小，并依此类推，配置检测设备
Figure 304668DEST_PATH_IMAGE027
到
Figure 613290DEST_PATH_IMAGE026
，则此时的
Figure 359529DEST_PATH_IMAGE024
最大，并判断
Figure 855232DEST_PATH_IMAGE024
的值是否大于或等于预设准确度要求的值，如果是则结束流程，否则跳转到步骤5；
步骤5，令
Figure 181171DEST_PATH_IMAGE028
，如果
Figure 141037DEST_PATH_IMAGE029
，则跳转到步骤4，否则结束流程；
其中，
Figure 494396DEST_PATH_IMAGE030
为配置到
Figure 805291DEST_PATH_IMAGE031
中检测设备的集合，
Figure 669342DEST_PATH_IMAGE032
，
Figure 421398DEST_PATH_IMAGE033
为配置到
Figure 775019DEST_PATH_IMAGE030
中的检测设备，
Figure 510893DEST_PATH_IMAGE034
，
Figure 913056DEST_PATH_IMAGE035
为检测设备
Figure 581935DEST_PATH_IMAGE033
的检测准确率，
Figure 309719DEST_PATH_IMAGE036
。
CN202010888145.5A 2020-08-28 2020-08-28 检测设备的配置优化方法 Active CN111812263B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010888145.5A CN111812263B (zh) 2020-08-28 2020-08-28 检测设备的配置优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010888145.5A CN111812263B (zh) 2020-08-28 2020-08-28 检测设备的配置优化方法

Publications (2)

Publication Number Publication Date
CN111812263A CN111812263A (zh) 2020-10-23
CN111812263B true CN111812263B (zh) 2020-12-11

Family

ID=72859765

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010888145.5A Active CN111812263B (zh) 2020-08-28 2020-08-28 检测设备的配置优化方法

Country Status (1)

Country Link
CN (1) CN111812263B (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105675045A (zh) * 2016-01-27 2016-06-15 安徽容知日新信息技术有限公司 一种设备数据的分层采集方法和装置
CN108023834A (zh) * 2016-11-03 2018-05-11 中国移动通信集团广东有限公司 一种云资源自动分配方法及装置
CN109923413A (zh) * 2016-11-15 2019-06-21 株式会社资生堂 多级色谱分析方法及分析系统

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105675045A (zh) * 2016-01-27 2016-06-15 安徽容知日新信息技术有限公司 一种设备数据的分层采集方法和装置
CN108023834A (zh) * 2016-11-03 2018-05-11 中国移动通信集团广东有限公司 一种云资源自动分配方法及装置
CN109923413A (zh) * 2016-11-15 2019-06-21 株式会社资生堂 多级色谱分析方法及分析系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
区域资源空间分配的数学原理;陈涛;《信阳师范学院学报(自然科学版)》;19950430;第8卷(第02期);202-207 *
广州市儿科医疗资源配置的效率研究;杨婷婷等;《中国卫生统计》;20160831;第33卷(第04期);687-689 *

Also Published As

Publication number Publication date
CN111812263A (zh) 2020-10-23

Similar Documents

Publication Publication Date Title
US20240003968A1 (en) Integrated circuit profiling and anomaly detection
KR101799603B1 (ko) 플라즈마 프로세싱 시스템 내에서의 자동적인 결함 검출 및 분류와 그 방법
EP4120653A1 (en) Communication network performance and fault analysis using learning models with model interpretation
KR102003326B1 (ko) 패턴처리 구조의 측정치 확인용 모니터링 시스템 및 방법
IL170252A (en) Methods and device for analyzing information
US20080270058A1 (en) Combine-information processing apparatus, method for processing combine-information, program, and recording medium
US20080244326A1 (en) Prognosis of faults in electronic circuits
CN108399115B (zh) 一种运维操作检测方法、装置及电子设备
CN110186962B (zh) 一种用于电容层析成像的不完整测量数据成像方法
US20030169064A1 (en) Selective trim and wafer testing of integrated circuits
CN111812263B (zh) 检测设备的配置优化方法
WO2017185056A1 (en) Computer assisted weak pattern detection and quantification system
US7676769B2 (en) Adaptive threshold wafer testing device and method thereof
CN117786565A (zh) 一种半导体异常芯片的确定方法、装置及电子设备
CN117589697A (zh) 一种植物土壤pH值的检测方法
CN111121946B (zh) 大动态范围大离散单区域多点精准确定异常值的方法
CN115932144B (zh) 色谱仪性能检测方法、装置、设备和计算机介质
TWI647770B (zh) 晶圓的良率判斷方法以及晶圓合格測試的多變量偵測方法
CN109308395B (zh) 基于lof-knn算法的晶圆级空间测量参数异常识别方法
CN112397404B (zh) 半导体制程检测方法及检测系统
Widhalm et al. Identifying faulty traffic detectors with Floating Car Data
Yang et al. Performing Machine Learning Based Outlier Detection for Automotive Grade Products
CN111735976B (zh) 基于检测设备的数据结果自动展示方法
AU2015203847B2 (en) System and method for spot checking small out-of-control conditions in a clinical diagnostic process
CN105574312A (zh) 用于工程改变数据分析的方法和系统

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