CN111831631A - 缺失值补全装置、缺失值补全方法以及计算机可读介质 - Google Patents

缺失值补全装置、缺失值补全方法以及计算机可读介质 Download PDF

Info

Publication number
CN111831631A
CN111831631A CN202010311421.1A CN202010311421A CN111831631A CN 111831631 A CN111831631 A CN 111831631A CN 202010311421 A CN202010311421 A CN 202010311421A CN 111831631 A CN111831631 A CN 111831631A
Authority
CN
China
Prior art keywords
time
missing value
value
completion processing
multiplexes
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.)
Granted
Application number
CN202010311421.1A
Other languages
English (en)
Other versions
CN111831631B (zh
Inventor
上野智史
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.)
Fanuc Corp
Original Assignee
Fanuc Corp
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 Fanuc Corp filed Critical Fanuc Corp
Publication of CN111831631A publication Critical patent/CN111831631A/zh
Application granted granted Critical
Publication of CN111831631B publication Critical patent/CN111831631B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • 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
    • G06F16/21—Design, administration or maintenance of databases
    • G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
    • G01D18/00—Testing or calibrating apparatus or arrangements provided for in groups G01D1/00 - G01D15/00
    • G01D18/002—Automatic recalibration
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Physics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Biology (AREA)
  • Geometry (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Operations Research (AREA)
  • Probability & Statistics with Applications (AREA)
  • Computer Hardware Design (AREA)
  • Algebra (AREA)
  • Evolutionary Computation (AREA)
  • Software Systems (AREA)
  • Testing And Monitoring For Control Systems (AREA)
  • Complex Calculations (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)

Abstract

本发明提供在指定的时间内能够抑制偏差并补全缺失值的缺失值补全装置、缺失值补全方法以及缺失值补全程序。补全收集到的数据的缺失值的缺失值补全装置(1)具备：补全处理部(12)，其通过模拟测量补全处理的所需时间，将该所需时间与每个由多重代入法多重化后的数据的复用数对应；复用数获取部(14)，当补全处理的允许时间被指定时，根据所对应的上述所需时间获取在允许时间的期间结束补全处理的复用数；以及计算方法决定部(15)，其根据所获取的复用数来决定补全处理的计算方法。

Description

缺失值补全装置、缺失值补全方法以及计算机可读介质
技术领域
本发明涉及用于补全收集到的数据的缺失值的装置、方法以及程序。
背景技术
目前，运用从机床以及机器人等工业机械时序地获取例如转矩、振动、电流的电阻值等数据并计算异常度的系统等。但是，因这种数据的产生源而产生数据的缺失，因此有时得不到对系统的输入。
对此，提出补全数据的缺失值的各种方法。特别是作为偏差较少的方法而广泛使用了多重代入法(例如参照非专利文献1)。例如，在专利文献1以及2等中提出一种使用了多重代入法的缺失值的补全技术的系统。
专利文献
专利文献1：国际公开第2014/199920号
专利文献2：日本特开2012-251777号公报
非专利文献
非专利文献1：高桥将宜，伊藤孝之，“各种多重代入法算法的比较”，统计研究报告第71号，2014年3月
发明要解决的课题
但是，多重代入法根据条件不同计算量大会花费很多时间，因此在要实时使用收集到的数据时，难以在决定的时间内(例如数秒以内)补全缺失值。
发明内容
解决方案
作为本公开一个方式的缺失值补全装置，将收集到的数据的缺失值进行补全，具备：测量部，其通过模拟来测量补全处理的所需时间，并将该所需时间与每个由多重代入法多重化后的数据的复用数对应；获取部，当上述补全处理的允许时间被指定时，该获取部根据所对应的上述所需时间来获取在上述允许时间的期间结束上述补全处理的上述复用数；以及决定部，其根据所获取的上述复用数来决定上述补全处理的计算方法。
作为本公开一个方式的缺失值补全方法为将收集到的数据的缺失值进行补全的方法，由计算机执行以下步骤：测量步骤，通过模拟来测量补全处理的所需时间，并将该所需时间与每个由多重代入法多重化后的数据的复用数对应起来；获取步骤，当上述补全处理的允许时间被指定时，根据所对应的上述所需时间来获取在上述允许时间的期间结束上述补全处理的上述复用数；以及决定步骤，根据所获取的上述复用数来决定上述补全处理的计算方法。
作为本公开一个方式的缺失值补全程序使计算机作为上述缺失值补全装置而发挥功能。
根据一个方式，能够在指定的时间内抑制偏差并补全缺失值。
附图说明
图1说明一个实施方式的多重代入法的概要。
图2表示一个实施方式的缺失值补全装置的功能结构。
图3例示一个实施方式的改变了复用数时的缺失值的推定结果。
图4是表示一个实施方式的缺失值补全装置的决定补全处理所使用的计算方法的方法的流程图。
附图标记的说明
1：缺失值补全装置、10：控制部、11：数据收集部、12：补全处理部(测量部)、13：时间指定部(指定部)、14：复用数获取部(获取部)、15：计算方法决定部(决定部)、20：存储部。
具体实施方式
以下，说明本发明实施方式的一例。
本实施方式的缺失值补全装置1在工业机械的运转管理软件等中，补全并输出所获取的数据的缺失值。
缺失值补全装置1主要使用多重代入法作为补全缺失值的方法，根据所获取的数据的使用状况来调整作为参数的后述的复用数。
图1说明本实施方式的多重代入法的概要。
在多重代入法中，从将不完全数据中观测到的数据作为条件的缺失值的事后分布提取M个(例如5个)的模拟值，并生成补全完毕数据集。
分别统计分析这些M个数据集，合并结果计算作为最终结果的推定值。
此时，复用数M越大，偏差越小，得到精度越高的推定值，但是计算量增加，在图表的绘制等数据开始使用之前的时间内不会结束补全处理。
因此，缺失值补全装置1在这种指定的时间内结束计算，并且尽可能决定偏差变小的复用数M。
图2表示本实施方式的缺失值补全装置1的功能结构。
缺失值补全装置1是服务器装置或个人计算机等信息处理装置(计算机)，具备控制部10、存储部20，还具备各种的输入输出以及通信设备。
控制部10是控制缺失值补全装置1整体的部分，读出并执行存储在存储部20中的软件(缺失值补全程序)，从而实现本实施方式的各种功能。控制部10可以是CPU。
另外，控制部10具备数据收集部11、补全处理部12(测量部)、时间指定部13(指定部)、复用数获取部14(获取部)、计算方法决定部15(决定部)。
存储部20是用于使硬件组作为缺失值补全装置1而发挥功能的各种程序以及各种数据等的存储区域，可以是ROM、RAM、闪存或硬盘驱动器(HDD)等。
数据收集部11接收由缺失值补充装置1本身生成的数据或来自外部机械的时间序列数据，例如扭矩、振动和电流的电阻值等。
补全处理部12在数据收集中等进行补全处理的实际状况下，通过模拟测量补全处理的所需时间。具体地说，补全处理部12对通过多重代入法被多重化的数据集的每个复用数M进行模拟，分别将所需时间与复用数M对应地存储在存储部20中。
另外，补全处理部12在通过数据收集部11收集到的数据中实际产生了缺失时，通过由计算方法决定部15决定的计算方法来执行缺失值的补全处理。
时间指定部13获取从数据的收集时刻到数据的使用开始时刻为止的时间，指定所获取的时间作为补全处理所花费的允许时间。使用开始时刻例如是开始收集到的数据的图表绘制的时刻等，但是也可以使用绘制的结束时刻或从结束时刻开始推定的开始时刻等。
在指定补全处理的允许时间时，复用数获取部14根据存储在存储部20中的复用数M和所需时间的对应，获取在允许时间期间结束补全处理的复用数M。
具体地说，复用数获取部14决定在允许时间期间结束补全处理的复用数M中的最大值。
计算方法决定部15根据通过复用数获取部14获取的复用数M来决定补全处理的计算方法。具体地说，计算方法决定部15例如决定将所获取的复用数M设为了参数的多重代入法作为计算方法。
此时，计算方法决定部15可以将以基于缺失率和复用数M的效率性的指标超过预定值的复用数M的最小值、或者复用数获取部14所获取的最大值中较小的一方作为参数的多重代入法作为计算方法来决定。
例如，在上述非专利文献1中，多重代入法的渐近相对效率ARE(AsymptoticRelative Efficiency)被定义为如下。
ARE＝(1+δ/M)-1/2×100
计算方法决定部15根据所使用的数据集来计算数据的缺失率δ(％)，求出M和ARE之间的关系。并且，计算方法决定部15将该ARE超过预定值(例如95％)的M的最小值与通过复用数获取部14获取的最大值进行比较，可以将较小的一方作为多重代入法的参数。
另外，计算方法决定部15在补全处理的模拟中随着复用数M的增加，补全处理的推定值在指定的有效位数的范围连续匹配预定次数时，将连续开始的复用数M与通过复用数获取部14获取的最大值进行比较，可以将较小的一方决定为多重代入法的参数。
图3例示本实施方式的改变了复用数M时的缺失值的推定结果。
在增加复用数M并且计算用于补全缺失值的推定值的情况下，推定值收敛在预定值中。因此，在决定对象数据的有效位数时，在复用数M为某个数量以上时，在该有效位数的范围内，推定值一致。
例如，在小数点以下两位有效的情况下，当推定值连续(例如4次)落在12.750～12.759等的预定范围中时，可以将图中的M1设为复用数M的上限来执行多重代入方法。另外，更安全地可以选择M 2或M 3等作为上限。
另外，计算方法决定部15在不存在能够在允许时间期间结束补全处理的复用数M等复用数获取部14不能够获取复用数M的最大值时，决定预定的补全方法代替多重代入法来作为计算方法。
另外，不限于预定的补全方法，例如能够使用常数的补全、整合值(平均值、中央值等)的补全、基于没有缺失的数据的预测值的补全、时序的关系的补全、最大似然法等。
图4是表示本实施方式的缺失值补全装置1的决定补全处理所使用的计算方法的方法的流程图。
在步骤S1中，时间指定部13根据来自用户的输入，或者根据数据的使用状况，自动地指定从收集数据后到完成缺失值的补全为止的允许时间T。
在步骤S2中，补全处理部12在与补全实际产生的缺失值时相同的状况下，针对复用数M＝1、2、3、......分别执行多重化代入法的补全处理，通过模拟来测量到补全处理结束为止的时间TM。
在步骤S3中，复用数获取部14获取满足TM<T<TM+1的复用数M。
在步骤S4中，计算方法决定部15判定是否在步骤S3获取复用数M。当该判定为是的情况下，处理转到步骤S5，当判定为否的情况下，处理转到步骤S6。
在步骤S5中，计算方法决定部15决定将复用数M设为参数的多重代入法作为补全处理的计算方法。
在步骤S6中，计算方法决定部15决定其他的补全方法来代替多重代入法作为补全处理的计算方法。
通过这一系列的流程，缺失值补全装置1适当地决定将复用数M设为参数的多重代入法或其他的补全方法作为补全处理的计算方法。
之后，缺失值补全装置1的补全处理部12在实际收集到的数据中产生了缺失时，通过所决定的计算方法来执行缺失值的补全处理。
另外，处理步骤的执行顺序不限于此。例如，交换步骤S1和S2，补全处理部12预先存储将复用数M和处理时间TM对应后得到的数据，由此在指定允许时间T时，可以选择适当的复用数M。这样，即使在数据收集中变更了允许时间T的情况下，复用数获取部14也能够立刻获取复用数M。
另外，在步骤S5以及S6中决定的计算方法也可以在复用数M中分别预先登记在数据库等中。
根据本实施方式，例如得到以下的作用效果。
(1)补全收集到的数据的缺失值的缺失值补全装置1具备：测量部(补全处理部12)，其通过模拟来测量补全处理的所需时间，将该所需时间与通过多重代入法被多重化的每个数据的复用数对应；获取部(复用数获取部14)，其在指定上述补全处理的允许时间时，根据所对应的上述所需时间获取在上述允许时间期间结束上述补全处理的上述复用数；以及决定部(计算方法决定部15)，其根据所获取的上述复用数来决定上述补全处理的计算方法。
这样，缺失值补全装置1获取在允许时间的期间结束补全处理的复用数，所以能够在所指定的允许时间内，通过多重代入法来抑制偏差并补全缺失值。
(2)(1)所记载的缺失值补全装置1具备：指定部(时间指定部13)，其获取从上述数据的收集时刻到该数据的使用开始时刻为止的时间，指定所获取的时间作为上述允许时间。
这样，缺失值补全装置1能够自动获取允许时间，所以能够有效地决定适当的用于补全的计算方法。
(3)在(1)或(2)记载的缺失值补全装置1中，上述获取部(复用数获取部14)可以获取在上述允许时间期间结束上述补全处理的上述复用数中的最大值。
这样，缺失值补全装置1在允许时间期间结束补全处理的条件下将复用数最大化，所以尽量缩小偏差，并能够提高缺失值的推定精度。
(4)在(3)记载的缺失值补全装置1中，上述决定部(计算方法决定部15)将基于缺失率以及上述复用数的效率性的指标超过预定值的上述复用数的最小值、或者以上述获取部(复用数获取部14)所获取的上述最大值中较小的一方作为参数的多重代入法决定为上述计算方法。
这样，缺失值补全装置1根据效率性的指标(ARE)将得到充分的推定精度的复用数设为上限，所以能够削减处理负荷以及计算时间。
(5)在(3)记载的缺失值补全装置1中，上述决定部(计算方法决定部15)在上述模拟中随着上述复用数的增加，上述补全处理的推定值在指定的有效位数的范围连续匹配预定次数时，将以该连续开始的上述复用数或通过获取部(复用数获取部14)获取的上述最大值中较小的一方设为参数的多重代入法决定为上述计算方法。
这样，缺失值补全装置1根据必要的数据的有效位数将得到充分的推定精度的复用数设为上限，所以能够削减处理负荷以及计算时间。
(6)在(1)～(5)中任意一项所记载的缺失值补全装置1中，上述决定部(计算方法决定部15)在上述获取部(复用数获取部14)不能够获取上述复用数时，决定预定的补全方法来代替上述多重代入法作为上述计算方法。
这样，缺失值补全装置1在多重代入法中在允许时间期间没有结束补全处理的情况下，使用其他的计算方法，所以能够抑制没有补全缺失值的情况。
以上，说明了本发明的实施方式，但是本发明不限于上述实施方式。另外，本实施方式所记载的效果不过列举了从本发明产生的最优的效果，本发明的效果不限于本实施方式所记载的内容。
不限于多重代入法的具体的算法。例如，作为预测方法可以使用predictive meanmatching(预测均值匹配)等，作为分析方法可以使用线性回归等。另外，可以使用根据复用数而不同的预测方法以及分析方法。
通过软件实现缺失值补全装置1的缺失值补全方法。通过软件实现时，构成该软件的程序被安装到计算机中。另外，这些程序可以被记录在可移动介质中并发布给用户，也可以经由网络被下载到用户的计算机中来进行分布。

Claims (8)

1.一种缺失值补全装置，该缺失值补全装置补全收集到的数据的缺失值，
其特征在于，
上述缺失值补全装置具备：
测量部，其通过模拟来测量补全处理的所需时间，并将该所需时间与每个由多重代入法多重化后的数据的复用数对应；
获取部，当上述补全处理的允许时间被指定时，该获取部根据所对应的上述所需时间来获取在上述允许时间的期间结束上述补全处理的上述复用数；以及
决定部，其根据所获取的上述复用数来决定上述补全处理的计算方法。
2.根据权利要求1所述的缺失值补全装置，其特征在于，
上述缺失值补全装置具备指定部，该指定部获取从上述数据的收集时刻到该数据的使用开始时刻为止的时间，并指定所获取的时间作为上述允许时间。
3.根据权利要求1或2所述的缺失值补全装置，其特征在于，
上述获取部获取在上述允许时间的期间结束上述补全处理的上述复用数中的最大值。
4.根据权利要求3所述的缺失值补全装置，其特征在于，
上述决定部将以基于缺失率以及上述复用数的效率性的指标超过预定值的上述复用数的最小值、和由上述获取部获取到的上述最大值中较小的一方作为参数的多重代入法决定为上述计算方法。
5.根据权利要求3所述的缺失值补全装置，其特征在于，
在上述模拟中随着上述复用数的增加，上述补全处理的推定值在指定的有效位数的范围内连续匹配预定次数时，上述决定部将以该连续开始的上述复用数或由获取部获取到的上述最大值中较小的一方设为参数的多重代入法决定为上述计算方法。
6.根据权利要求1～5中任意一项所述的缺失值补全装置，其特征在于，
在上述获取部无法获取上述复用数时，上述决定部将预定的补全方法决定为上述计算方法来代替上述多重代入法。
7.一种缺失值补全方法，该缺失值补全方法补全收集到的数据的缺失值，
其特征在于，
上述缺失值补全方法由计算机执行以下步骤：
测量步骤，在该测量步骤中，通过模拟来测量补全处理的所需时间，并将该所需时间与每个由多重代入法多重化后的数据的复用数对应起来；
获取步骤，在该获取步骤中，当上述补全处理的允许时间被指定时，根据所对应的上述所需时间来获取在上述允许时间的期间结束上述补全处理的上述复用数；以及
决定步骤，在该决定步骤中，根据所获取的上述复用数来决定上述补全处理的计算方法。
8.一种计算机可读介质，其特征在于，
上述计算机可读介质记录了用于使计算机作为权利要求1至6中任一项所述的缺失值补全装置而发挥功能的缺失值补全程序。
CN202010311421.1A 2019-04-22 2020-04-20 缺失值补全装置、缺失值补全方法以及计算机可读介质 Active CN111831631B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2019-080948 2019-04-22
JP2019080948A JP6966507B2 (ja) 2019-04-22 2019-04-22 欠損値補完装置、欠損値補完方法及び欠損値補完プログラム

Publications (2)

Publication Number Publication Date
CN111831631A true CN111831631A (zh) 2020-10-27
CN111831631B CN111831631B (zh) 2024-10-25

Family

ID=

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114023407A (zh) * 2021-09-27 2022-02-08 浙江禾连网络科技有限公司 一种健康档案缺失值补全方法、系统以及存储介质
CN115329907A (zh) * 2022-10-14 2022-11-11 杭州致成电子科技有限公司 基于dbscan聚类的电负荷补全方法和系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130226838A1 (en) * 2012-02-23 2013-08-29 International Business Machines Corporation Missing value imputation for predictive models
CN105117988A (zh) * 2015-10-14 2015-12-02 国家电网公司 一种电力系统中缺失数据插补的方法
CN107577649A (zh) * 2017-09-26 2018-01-12 广州供电局有限公司 缺失数据的插补处理方法及装置
CN108121993A (zh) * 2016-11-28 2018-06-05 中国移动通信有限公司研究院 一种数据处理方法及装置

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130226838A1 (en) * 2012-02-23 2013-08-29 International Business Machines Corporation Missing value imputation for predictive models
CN105117988A (zh) * 2015-10-14 2015-12-02 国家电网公司 一种电力系统中缺失数据插补的方法
CN108121993A (zh) * 2016-11-28 2018-06-05 中国移动通信有限公司研究院 一种数据处理方法及装置
CN107577649A (zh) * 2017-09-26 2018-01-12 广州供电局有限公司 缺失数据的插补处理方法及装置

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114023407A (zh) * 2021-09-27 2022-02-08 浙江禾连网络科技有限公司 一种健康档案缺失值补全方法、系统以及存储介质
CN115329907A (zh) * 2022-10-14 2022-11-11 杭州致成电子科技有限公司 基于dbscan聚类的电负荷补全方法和系统
CN115329907B (zh) * 2022-10-14 2023-01-31 杭州致成电子科技有限公司 基于dbscan聚类的电负荷补全方法和系统

Also Published As

Publication number Publication date
DE102020203929A1 (de) 2020-10-22
US20200333170A1 (en) 2020-10-22
US11093463B2 (en) 2021-08-17
JP2020177560A (ja) 2020-10-29
JP6966507B2 (ja) 2021-11-17

Similar Documents

Publication Publication Date Title
JP5295352B2 (ja) システムに関する動作予測を特定するための方法
JP6176979B2 (ja) プロジェクト管理支援システム
KR101609816B1 (ko) 헬스케어 데이터 통합모델을 기반으로 한 데이터 융합장치 및 그 방법
CN110896357B (zh) 流量预测方法、装置和计算机可读存储介质
CN112365070B (zh) 一种电力负荷预测方法、装置、设备及可读存储介质
CN112686433B (zh) 快递数量的预测方法、装置、设备及存储介质
JP2011520170A5 (zh)
CN110633194A (zh) 一种硬件资源在特定环境下的性能评估方法
CN112016689A (zh) 信息处理装置、预测判别系统以及预测判别方法
CN116739269A (zh) 基于调度优化模型的排程方法、装置、计算机设备及存储介质
JP6966507B2 (ja) 欠損値補完装置、欠損値補完方法及び欠損値補完プログラム
CN112005223A (zh) 设备状态评估
CN111831631B (zh) 缺失值补全装置、缺失值补全方法以及计算机可读介质
JP7143892B2 (ja) 人の体重を予測する装置並びに健康管理装置及び方法
JP6186303B2 (ja) トラヒック量上限値予測装置及び方法及びプログラム
CN114064382A (zh) 一种异常监控方法、装置、设备及存储介质
CN109800975B (zh) 一种资源评估方法、装置、计算机设备和存储介质
JP6985180B2 (ja) 数値制御装置
CN107209492A (zh) 可编程逻辑控制器设定文件生成辅助装置
CN115934568A (zh) 一种导出文件的性能自动化测试方法及其相关装置
CN112069168A (zh) 一种设备运行数据云端存储方法
JP6493904B2 (ja) パラメータ選定方法、パラメータ選定プログラム及びパラメータ選定装置
JP6163926B2 (ja) 仮想マシン管理装置、仮想マシン管理方法、及びプログラム
CN112927092A (zh) 理赔趋势预测方法、装置、设备及存储介质
JP2022048670A (ja) 情報処理装置、情報処理システム、情報処理方法及びプログラム

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