CN113469151B - 工业制造中传感器的筛选方法、装置、设备及介质 - Google Patents
工业制造中传感器的筛选方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN113469151B CN113469151B CN202111029758.4A CN202111029758A CN113469151B CN 113469151 B CN113469151 B CN 113469151B CN 202111029758 A CN202111029758 A CN 202111029758A CN 113469151 B CN113469151 B CN 113469151B
- Authority
- CN
- China
- Prior art keywords
- sensor
- screening
- sensors
- sensor signal
- preprocessed
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/12—Classification; Matching
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明公开了工业制造中传感器的筛选方法、装置、终端设备及存储介质,通过设备针对传感器信号进行预处理,得到经过预处理后的传感器信号,其中,所述预处理用于降低传感器信号在筛选过程中受到错误判断的概率;基于所述经过预处理后的传感器信号建立候选传感器集合;根据所述经过预处理后的传感器信号与故障检测及分类之间的关联性,在所述候选传感器集合内筛选出目标传感器用于构建故障检测及分类模型。如此,本发明提供的工业制造中传感器的筛选方法能够提高对有助于FDC模型开发的传感器进行定位的效率,同时保证与FDC模型开发相关的传感器不会在筛选过程中被遗漏,从而完善FDC模型的性能。
Description
技术领域
本发明涉及工业制造技术领域,尤其涉及一种工业制造中传感器的筛选方法、装置、终端设备及存储介质。
背景技术
在工业制造过程中,故障检测与分类(FDC)是先进过程控制(APC)中的重要组成部分。其目的是监控和分析产品制造过程中数据的变化,以检测制造异常,并确定导致制造异常发生的潜在的根本原因。
当前的工业生产设备往往安装了大量的传感器用于监控生产过程,然而并不是所有的传感器信息对FDC建模都是有帮助的。部分的传感器信息可能是冗余,某些传感器信息会甚至影响FDC模型的性能,从而影响产品生产过程中故障检测分析的检测结果。为了提高FDC建模效率,同时减少FDC模型开发时间,在FDC建模与系统开发前,过程工程师通常根据自己的专家经验来主观地筛选一些重要的传感器用作建模。由于涉及的传感器数量太多,这项人为筛选传感器的工作往往需要耗费大量的时间与精力;同时,由于人为疏忽或者信息缺失,这项人为筛选传感器的工作也不可避免地导致部分传感器被遗漏,从而影响后续FDC模型的性能。
可见,如何提高对有助于FDC模型开发的传感器进行定位的效率,并且同时保证与FDC模型开发相关的传感器在筛选过程中不会被遗漏,从而完善FDC模型的性能,是目前工业制造领域亟需解决的问题。
发明内容
本发明的主要目的在于提供一种工业制造中传感器的筛选方法、装置、终端设备及存储介质,旨在提高对有助于FDC模型开发的传感器进行定位的效率,同时保证与FDC模型开发相关的传感器在筛选过程中不会被遗漏,从而完善FDC模型的性能。
为实现上述目的,本发明提供一种工业制造中传感器的筛选方法,所述工业制造中传感器的筛选方法应用于工业制造中构建故障检测及分类模型,所述工业制造中传感器的筛选方法包括以下步骤:
针对传感器信号进行预处理,得到经过预处理后的传感器信号,其中,所述预处理用于降低传感器信号在筛选过程中受到错误判断的概率;
基于所述经过预处理后的传感器信号建立候选传感器集合;
根据所述经过预处理后的传感器信号与故障检测及分类之间的关联性,在所述候选传感器集合内筛选出目标传感器用于构建故障检测及分类模型。
进一步地,所述根据所述经过预处理后的传感器信号与故障检测及分类之间的关联性,在所述候选传感器集合内筛选出目标传感器用于构建故障检测及分类模型的步骤,包括:
针对所述经过预处理后的传感器信号进行相关性分析以得到第一分析结果;
针对所述经过预处理后的传感器信号进行冗余性分析以得到第二分析结果;
基于所述第一分析结果与所述第二分析结果,在所述候选传感器集合内筛选出目标传感器用于构建故障检测及分类模型。
进一步地,所述基于经过预处理后的传感器信号建立候选传感器集合的步骤,包括:
确定所述经过预处理后的传感器信号的重要性;
根据所述重要性对传感器进行排序,并基于经过排序后的所述传感器建立所述候选传感器集合。
进一步地,所述基于经过排序后的所述传感器建立所述候选传感器集合的步骤,包括:
获取用于确定所述候选传感器集合的规模的控制参数;
基于所述控制参数选取经过排序后的所述传感器建立所述候选传感器集合。
进一步地,在所述确定所述经过预处理后的传感器信号的重要性的步骤之前,包括:
检测所述传感器信号是否存在时间差异,若是,则调用时间序列对齐核针对多个所述传感器信号之间的相似性进行加工处理。
进一步地,所述针对传感器信号进行预处理的步骤,包括:
针对所述传感器信号进行归一化处理。
进一步地,所述针对传感器信号进行预处理的步骤,还包括:
针对所述传感器信号进行缺失数据补全处理;和/或,
针对所述传感器信号进行噪声过滤处理。
此外,为实现上述目的,本发明还提供一种传感器的筛选装置,所述传感器的筛选装置包括:
预处理模块,用于针对传感器信号进行预处理,得到经过预处理后的传感器信号,其中,所述预处理用于降低传感器信号在筛选过程中受到错误判断的概率;
建立模块,用于基于所述经过预处理后的传感器信号建立候选传感器集合;
筛选模块,用于根据所述经过预处理后的传感器信号与故障检测及分类之间的关联性,在所述候选传感器集合内筛选出目标传感器用于构建故障检测及分类模型。
本发明传感器的筛选装置的各功能模块在运行时实现如上述中的工业制造中传感器的筛选方法的步骤。
此外,为实现上述目的,本发明还提供一种终端设备,所述终端设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的传感器的筛选程序,所述传感器的筛选程序被所述处理器执行时实现如上述中的工业制造中传感器的筛选方法的步骤。
此外,为实现上述目的,本发明还提供一种存储介质,所述存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如上述的工业制造中传感器的筛选方法的步骤。
此外,本发明实施例还提出一种计算机程序产品,该计算机程序产品上包括传感器的筛选程序,所述传感器的筛选程序被处理器执行时实现如上所述的工业制造中传感器的筛选方法的步骤。
其中,在所述处理器上运行的传感器的筛选程序被执行时所实现的步骤可参照本发明工业制造中传感器的筛选方法的各个实施例,此处不再赘述。
本发明提出的工业制造中传感器的筛选方法、装置、设备及介质,通过针对传感器信号进行预处理,得到经过预处理后的传感器信号,其中,所述预处理用于降低传感器信号在筛选过程中受到错误判断的概率;基于所述经过预处理后的传感器信号建立候选传感器集合;根据所述经过预处理后的传感器信号与故障检测及分类之间的关联性,在所述候选传感器集合内筛选出目标传感器用于构建故障检测及分类模型。
本发明通过终端针对传感器信号进行预处理,以降低传感器信号在进行筛选过程中受到错误判断的概率,然后终端基于经过预处理后的传感器信号,选取对应的传感器建立候选传感器集合,最后终端针对候选传感器集合内的传感器,根据所述经过预处理后的传感器信号与故障检测及分类之间的关联性筛选出目标传感器,以用于实际FDC模型的开发。
如此,本发明提供的工业制造中传感器的筛选方法能够提高对有助于FDC模型开发的传感器进行定位的效率,同时保证与FDC模型开发相关的传感器不会在筛选过程中被遗漏,从而完善FDC模型的性能。
附图说明
图1是本发明实施例方案涉及的设备的硬件运行环境的结构示意图;
图2是本发明一种工业制造中传感器的筛选方法一实施例的流程示意图;
图3是本发明一种工业制造中传感器的筛选方法一实施例的算法编码图;
图4是本发明工业制造中传感器的筛选方法一实施例的流程框图;
图5是本发明一种工业制造中传感器的筛选装置的模块结构示意图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
如图1所示,图1是本发明实施例方案涉及设备的硬件运行环境的结构示意图。
需要说明的是,图1即可为设备的硬件运行环境的结构示意图。本发明实施例设备可以是PC,便携计算机等设备。
如图1所示,该设备可以包括:处理器1001,例如CPU,网络接口1004,用户接口1003,存储器1005,通信总线1002。其中,通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard),可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1005可以是高速RAM存储器,也可以是稳定的存储器(non-volatile memory),例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解,图1中示出的设备结构并不构成对设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
如图1所示,作为一种计算机介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及分布式任务的处理程序。其中,操作系统是管理和控制样本设备硬件和软件资源的程序,支持分布式任务的处理程序以及其它软件或程序的运行。
在图1所示的设备中,用户接口1003主要用于与各个终端进行数据通信;网络接口1004主要用于连接后台服务器,与后台服务器进行数据通信;而处理器1001可以用于调用存储器1005中存储的传感器的筛选程序,并执行以下操作:
针对传感器信号进行预处理,得到经过预处理后的传感器信号,其中,所述预处理用于降低传感器信号在筛选过程中受到错误判断的概率;
基于所述经过预处理后的传感器信号建立候选传感器集合;
根据所述经过预处理后的传感器信号与故障检测及分类之间的关联性,在所述候选传感器集合内筛选出目标传感器用于构建故障检测及分类模型。
进一步地,处理器1001可以调用存储器1005中存储的传感器的筛选程序,还执行以下操作:
针对所述经过预处理后的传感器信号进行相关性分析以得到第一分析结果;
针对所述经过预处理后的传感器信号进行冗余性分析以得到第二分析结果;
基于所述第一分析结果与所述第二分析结果,在所述候选传感器集合内筛选出目标传感器用于构建故障检测及分类模型。
进一步地,处理器1001可以调用存储器1005中存储的传感器的筛选程序,还执行以下操作:
确定所述经过预处理后的传感器信号的重要性;
根据所述重要性对传感器进行排序,并基于经过排序后的所述传感器建立所述候选传感器集合。
进一步地,处理器1001可以调用存储器1005中存储的传感器的筛选程序,还执行以下操作:
获取用于确定所述候选传感器集合的规模的控制参数;
基于所述控制参数选取经过排序后的所述传感器建立所述候选传感器集合。
进一步地,在所述确定所述经过预处理后的传感器信号的重要性的步骤之前,处理器1001可以调用存储器1005中存储的传感器的筛选程序,还执行以下操作:
检测所述传感器信号是否存在时间差异,若是,则调用时间序列对齐核针对多个所述传感器信号之间的相似性进行加工处理。
进一步地,处理器1001可以调用存储器1005中存储的传感器的筛选程序,还执行以下操作:
针对所述传感器信号进行归一化处理。
进一步地,处理器1001可以调用存储器1005中存储的传感器的筛选程序,还执行以下操作:
针对所述传感器信号进行缺失数据补全处理;和/或,
针对所述传感器信号进行噪声过滤处理。
基于上述的结构,提出本发明工业制造中传感器的筛选方法的各个实施例。
需要说明的是,随着传感技术以及信息技术的发展,数据驱动的FDC方法是当前的主流,大数据、数据挖掘以及机器学习大大促进工业制造领域FDC系统的发展。
当前的工业生产设备往往安装了大量的传感器用于监控生产过程,然而并不是所有的传感器信息对FDC建模都是有帮助的。部分的传感器信息可能是冗余,某些传感器信息会甚至影响FDC模型的性能,从而影响对于产品生产过程中故障检测分析的检测结果。为了提高FDC建模效率,同时减少FDC模型开发时间,在FDC建模与系统开发前,过程工程师通常根据自己的专家经验来主观地筛选一些重要的传感器用作建模。由于涉及的传感器数量太多,这项人为筛选传感器的工作往往需要耗费大量的时间与精力;同时,由于人为疏忽或者信息缺失,这项人为筛选传感器的工作也不可避免地导致部分传感器被遗漏,从而影响后续FDC模型的性能。
例如,在芯片产品日益小型化、纳米化的推动下,半导体生产工艺在晶圆级别上需要进行更加严格的工艺控制,因此基于故障检测与分类(FDC)的质量控制也在半导体生产技术领域得到普遍应用。在FDC中,所用晶圆的质量均根据制程测量进行控制的,从而覆盖每个晶圆的生产过程,并且无需额外的计量设备。由于半导体制造为离散制造过程,因此终端采集所得的传感器信号为每一个晶圆制造过程中所记录下的传感器数据。每一个样本即为每一个晶圆的生产过程记录,每一个样本均表现为一个多维的时间序列,而每一个维度的时间序列即代表一个传感器通道。本发明可以基于所有训练样本,筛选出有助于FDC建模的传感器通道。
针对上述问题,本发明的主要构思为基于使用最小冗余最大相关框架(mRMR)算法来开发传感器筛选模型。最小冗余最大相关框架(mRMR)是一种强大的特征选择方法,它可以在同时考虑相关性以及冗余性的基础上选择重要的特征。
在此基础上,有必要提出一种工业制造中传感器的筛选方法,能够提高对有助于FDC模型开发的传感器进行定位的效率,同时保证与FDC模型开发相关的传感器在筛选过程中不会被遗漏,从而完善FDC模型的性能。
基于上述现象,提出本发明工业制造中传感器的筛选方法的各实施例。需要说明的是,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
第一实施例:请参照图2和图3,图2为本发明工业制造中传感器的筛选方法第一实施例的流程示意图,图3为本发明一种工业制造中传感器的筛选方法一实施例的算法编码图。本发明提供的工业制造中传感器的筛选方法,包括以下步骤:
步骤S100,针对传感器信号进行预处理,得到经过预处理后的传感器信号,其中,所述预处理用于降低传感器信号在筛选过程中受到错误判断的概率。
需要说明的是,在本实施中,由于筛选传感器的过程是通过针对传感器信号进行分析评估来实现的,因此在对传感器信号进行分析评估前,需要对传感器信号进行预处理,以提高传感器信号的数据质量、确保传感器信号在分析评估时能够得到公平判断,降低传感器信号的分析评估结果的误差。
终端在获取用于监控产品制造数据的传感器信号后,针对该传感器信号进行预处理,得到经过预处理后的传感器信号,从而降低传感器信号在筛选过程中受到错误判断的概率。
进一步地,在一种可行的实施例中,上述步骤S100,包括:
步骤S101,针对所述传感器信号进行归一化处理。
需要说明的是,在本实施例中,由于传感器信号包括多个维度的传感器通道,在后续对传感器信号进行分析评估时可能导致分析评估结果出现误差,因此需要对传感器信号进行归一化处理,将有量纲的传感器信号经过变换,化为无量纲的传感器信号,成为纯量。
终端针对在获取用于监控产品制造数据的传感器信号后,针对该传感器信号进行归一化处理,涉及的具体公式如下:
终端将有量纲的传感器信号经过变换,化为无量纲的传感器信号,以确保传感器信号在分析评估时能够得到公平判断,降低传感器信号的分析评估结果的误差。
步骤S200,基于所述经过预处理后的传感器信号建立候选传感器集合。
终端在对采集到的传感器信号进行预处理后,针对经过预处理的传感器信号建立候选传感器集合,以供终端后续继续对该候选传感器集合内的传感器进行分析评估。
进一步地,在一种可行的实施例中,上述步骤S200,包括:
步骤S201,确定所述经过预处理后的传感器信号的重要性。
需要说明的是,在本实施例中,通过采用F检验确定经过预处理后的传感器信号的重要性,其中,F值是统计检定值,F检验又叫方差齐性检验,通常用来分析涉及超过一个参数的统计模型,以判断该模型中的全部或一部分参数是否适合用来估计母体,本实施例通过F检验方法针对经过预处理后的传感器信号进行评估重要性。
终端通过F检验方法针对经过预处理后的传感器信号进行关于数据差异性的评估,关于F检验方法的具体公式如下:
终端根据评估结果确定该经过预处理后的传感器信号对应的传感器的重要性。
具体地,例如,终端通过F检验方法针对过预处理后的传感器信号进行关于数据差异性的评估,从而确定对应传感器的重要性。
步骤S202,根据所述重要性对传感器进行排序,并基于经过排序后的所述传感器建立所述候选传感器集合。
终端在通过F检验方法确定该经过预处理后的传感器信号的重要性后,根据该重要性针对传感器信号对应的传感器进行排序,然后基于经过排序后的传感器选取预设数量的传感器建立候选传感器集合,以供终端后续继续对该候选传感器集合内的传感器进行分析评估;其中,该预设数量可根据实际需求进行确定。
具体地,例如,终端在通过F检验方法确定该经过预处理后的传感器信号的重要性后,根据该重要性针对传感器信号对应的传感器进行排序为A1、A2、A3、A4......A100,然后选择序号A1、A2、A3对应的传感器建立候选传感器集合,以供终端后续继续对该候选传感器集合内的传感器进行分析评估。
进一步地,在一种可行的实施例中,在上述步骤S202中,所述基于经过排序后的所述传感器建立所述候选传感器集合的步骤,包括:
步骤S2021,获取用于确定所述候选传感器集合的规模的控制参数。
终端根据用户触发的指令或者系统预存的数据,获取用于确定候选传感器集合的规模的控制参数。
具体地,例如,用户点击终端的交互界面的控件,输入包含控制参数为100的内容的控制指令,然后终端获取该控制指令,并根据该控制指令的内容获取用于确定候选传感器集合的规模的控制参数为100;或者,终端调用存储器内存储的程序,获取包含用于确定候选传感器集合的规模的控制参数为100的数据。
步骤S2022,基于所述控制参数选取经过排序后的所述传感器建立所述候选传感器集合。
终端在获取用于确定候选传感器集合的规模的控制参数后,基于该控制参数选取对应数量的传感器建立候选传感器集合。
具体地,例如,终端在获取用于控制候选传感器集合的规模的控制参数后,该控制参数为10,则基于该控制参数选取根据重要性排序的前10个传感器,如A1、A2、A3、A4......A10,然后针对上述10个传感器建立候选传感器集合。
步骤S300,根据所述经过预处理后的传感器信号与故障检测及分类之间的关联性,在所述候选传感器集合内筛选出目标传感器用于构建故障检测及分类模型。
终端在建立候选传感器集合后,针对传感器信号进行传感器信号与故障检测及分类之间的关联性进行分析,并根据分析结果从该候选传感器集合内确定目标传感器,以用于构建故障检测及分类模型。
进一步地,在一种可行的实施例中,上述步骤S300,包括:
步骤S301,针对所述经过预处理后的传感器信号进行相关性分析以得到第一分析结果。
在工业生产过程中,由于用户在生产不同规格产品时需要对不同的数据进行故障检测和分类,如此,终端针对传感器信号进行与预设参数相关的相关性分析,从而得到用于评价与该传感器信号对应的传感器的相关性的第一分析结果。其中,该预设参数是用户在产品生产过程中需要检测的特定数据。
步骤S302,针对所述经过预处理后的传感器信号进行冗余性分析以得到第二分析结果。
终端在针对传感器信号进行相关性分析后,进一步针对传感器信号进行冗余性分析,得到用于评价该传感器信号对应的传感器的冗余性的第二分析结果,从而降低终端选择功能重叠较多的传感器作为目标传感器而形成冗余的概率。
步骤S303,基于所述第一分析结果与所述第二分析结果,在所述候选传感器集合内筛选出目标传感器用于构建故障检测及分类模型。
终端在得到第一分析结果与第二分析结果后,基于第一分析结果与第二分析结果进行迭代处理以得到传感器的冗余分数,其中涉及的具体公式为:
在本实施例中,通过终端在获取用于监控产品制造数据的传感器信号后,针对该传感器信号进行预处理,得到经过预处理后的传感器信号,从而降低传感器信号在筛选过程中受到错误判断的概率;终端在对采集到的传感器信号进行预处理后,针对经过预处理的传感器信号建立候选传感器集合,以供后续对该候选传感器集合内的传感器进行分析评估;终端在建立候选传感器集合后,针对传感器信号进行传感器信号与故障检测及分类之间的关联性进行分析,并根据分析结果从该候选传感器集合内确定目标传感器,以用于构建故障检测及分类模型。
如图4所示,本发明通过终端针对传感器信号进行预处理,以降低传感器信号在进行筛选过程中受到错误判断的概率,然后终端基于经过预处理后的传感器信号,选取对应的传感器建立候选传感器集合,最后终端针对候选传感器集合内的传感器,根据所述经过预处理后的传感器信号与故障检测及分类之间的关联性筛选出目标传感器,以用于实际FDC模型的开发。
如此,本发明提供的工业制造中传感器的筛选方法能够提高对有助于FDC模型开发的传感器进行定位的效率,同时保证与FDC模型开发相关的传感器不会在筛选过程中被遗漏,从而完善FDC模型的性能。
进一步地,基于上述工业制造中传感器的筛选方法第一实施例,提出本发明工业制造中传感器的筛选方法的第二实施例。
在本发明工业制造中传感器的筛选方法的第二实施例中,在上述步骤S201中,所述确定所述经过预处理后的传感器信号的重要性的步骤之前,可以包括:
步骤S203,检测所述传感器信号是否存在时间差异,若是,则调用时间序列对齐核针对多个所述传感器信号之间的相似性进行加工处理。
需要说明的是,在本实施例中,由于终端采集到的传感器信号可能存在存在时间差异,也就是说时间步长可能未对齐,或者时间长度不一致,从而导致终端无法根据采集到的传感器信号进行进一步的重要性分析。因此,在对传感器信号的重要性进行确定以及排序前,需要采用时间序列对齐核对该传感器信号进行加工得到加工结果,以使终端根据加工结果能够顺利对传感器信号进行进一步的重要性分析。
关于时间序列对齐核的形成过程包括:
动态时间规整(DTW)是一种可用于衡量两个长度不同的时间序列相似性的方法。假设π为两个离散时间序列x=(x1......xn),y=(y1......ym)的对齐方式。其中两条时间序列的长度分别为n和m。则π可表现为一对长度为p≤n+m+1的向量(πx,πy),基于这组向量π,可以定义对应的动态时间规整距离。基于这个优化目标,两条时间序列之间的时间步可对齐,并基于对齐模式计算两个时间序列之间的相似性;进一步地,可得到对应的时间序列对齐核。
终端在对传感器信号进行重要性分析前,若检测到传感器信号存在时间差异,即传感器信号存在时间步长未对齐,或者时间长度不一致的情况,为了避免终端无法根据采集到的传感器信号进行进一步的重要性分析,则终端调用时间序列对齐核针对多个传感器信号之间的相似性进行加工处理,涉及的具体公式分别为,动态时间规整距离的关系式:
以及,时间序列对齐核的关系式:
终端根据加工结果对传感器信号进行进一步的重要性分析。
在本实施例中,通过终端在对传感器信号进行重要性分析前,若检测到传感器信号存在时间差异,即传感器信号存在时间步长未对齐,或者时间长度不一致的情况,为了避免终端无法根据采集到的传感器信号进行进一步的重要性分析,则终端调用时间序列对齐核针对多个传感器信号之间的相似性进行加工处理,以使终端根据加工结果能够顺利对传感器信号进行进一步的重要性分析。
如此,实现了本发明工业制造中传感器的筛选方法中,有效避免终端因采集到的传感器信号存在时间差异,即多个传感器信号之间的时间步长未对齐,或者时间长度不一致,从而影响终端针对传感器信号进行重要性分析的情况发生,提高了本发明工业制造中传感器的筛选方法的稳定性和实用性。
进一步地,基于上述工业制造中传感器的筛选方法第一实施例,提出本发明工业制造中传感器的筛选方法的第三实施例。
在本发明工业制造中传感器的筛选方法的第三实施例中,上述步骤S100,还包括:
步骤S102,针对所述传感器信号进行缺失数据补全处理。
需要说明的是,在本实施例中,由于终端采集用于分析评估的传感器信号的数据可能会出现数据缺失的情况,从而影响后续针对传感器信号的分析评估结果,因此需要针对传感器信号进行数据补全。
终端检测到传感器信号存在数据缺失的情况,针对该传感器信号进行缺失数据补全处理。
具体地,例如,终端检测到采集的传感器信号存在数据缺失的情况后,通过均值插补的方式针对该传感器信号进行缺失数据补全处理。
步骤S103,针对所述传感器信号进行噪声过滤处理。
需要说明的是,在本实施例中,由于终端采集用于分析评估的传感器信号的数据可能存在错误或异常的数据,从而影响后续针对传感器信号的分析评估结果,因此需要针对传感器信号进行数据去噪。
终端检测到传感器信号存在数据异常的情况,针对该传感器信号进行噪声过滤处理。
具体地,例如,终端检测到采集的传感器信号存在数据异常的情况后,通过滤波去噪的方式针对该传感器信号进行噪声过滤处理。
在本实施例中,通过设备检测到传感器信号存在数据缺失的情况,针对该传感器信号进行缺失数据补全处理;检测到传感器信号存在数据异常的情况,针对该传感器信号进行噪声过滤处理。
如此,本实施例能够在传感器信号存在数据缺失的情况时,采用均值插补的方式针对该传感器信号进行缺失数据补全处理;或者在传感器信号存在数据异常的情况时,通过滤波去噪的方式针对该传感器信号进行噪声过滤处理;从而提高采集到的传感器信号的数据质量,进而提高针对传感器信号进行分析评估过程的准确性。
此外,请参照图5,本发明实施例还提出一种传感器的筛选装置,本发明传感器的筛选装置包括:
预处理模块,用于针对传感器信号进行预处理,得到经过预处理后的传感器信号,其中,所述预处理用于降低传感器信号在筛选过程中受到错误判断的概率;
建立模块,用于基于所述经过预处理后的传感器信号建立候选传感器集合;
筛选模块,用于根据所述经过预处理后的传感器信号与故障检测及分类之间的关联性,在所述候选传感器集合内筛选出目标传感器用于构建故障检测及分类模型。
优选地,筛选模块,包括:
第一分析单元,用于针对所述经过预处理后的传感器信号进行相关性分析以得到第一分析结果;
第二分析单元,用于针对所述经过预处理后的传感器信号进行冗余性分析以得到第二分析结果;
筛选单元,用于基于所述第一分析结果与所述第二分析结果,在所述候选传感器集合内筛选出目标传感器用于构建故障检测及分类模型。
优选地,建立模块,包括:
确定单元,用于确定所述经过预处理后的传感器信号的重要性;
建立单元,用于根据所述重要性对传感器进行排序,并基于经过排序后的所述传感器建立所述候选传感器集合。
优选地,建立单元,包括:
获取单元,用于获取用于确定所述候选传感器集合的规模的控制参数;以及,基于所述控制参数选取经过排序后的所述传感器建立所述候选传感器集合。
优选地,建立模块,还包括:
加工单元,用于调检测所述传感器信号是否存在时间差异,若是,则调用时间序列对齐核针对多个所述传感器信号之间的相似性进行加工处理。
优选地,预处理模块,包括:
第一处理单元,用于针对所述传感器信号进行归一化处理。
优选地,预处理模块,还包括:
第二处理单元,用于针对所述传感器信号进行缺失数据补全处理;
第三处理单元,用于针对所述传感器信号进行噪声过滤处理。
此外,本发明实施例还提出一种终端设备,该终端设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的传感器的筛选程序,该传感器的筛选程序被所述处理器执行时实现如上述中的工业制造中传感器的筛选方法的步骤。
其中,在所述处理器上运行的传感器的筛选程序被执行时所实现的步骤可参照本发明工业制造中传感器的筛选方法的各个实施例,此处不再赘述。
此外,本发明实施例还提出一种存储介质,应用于计算机,该存储介质可以为非易失性计算机可读介质,该介质上存储有传感器的筛选程序,所述传感器的筛选程序被处理器执行时实现如上所述的工业制造中传感器的筛选方法的步骤。
其中,在所述处理器上运行的传感器的筛选程序被执行时所实现的步骤可参照本发明工业制造中传感器的筛选方法的各个实施例,此处不再赘述。
此外,本发明实施例还提出一种计算机程序产品,该计算机程序产品上包括传感器的筛选程序,所述传感器的筛选程序被处理器执行时实现如上所述的工业制造中传感器的筛选方法的步骤。
其中,在所述处理器上运行的传感器的筛选程序被执行时所实现的步骤可参照本发明工业制造中传感器的筛选方法的各个实施例,此处不再赘述。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台用于筛选传感器的终端设备执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (8)
1.一种工业制造中传感器的筛选方法,其特征在于,所述工业制造中传感器的筛选方法应用于工业制造中构建故障检测及分类模型,所述工业制造中传感器的筛选方法包括以下步骤:
针对传感器信号进行预处理,得到经过预处理后的传感器信号,其中,所述预处理用于将有量纲的传感器信号转换为无量纲的传感器信号,从而降低传感器信号在筛选过程中受到错误判断的概率;
检测所述传感器信号是否存在时间差异,若是,则调用时间序列对齐核针对多个所述传感器信号之间的相似性进行加工处理;
通过F检验方法确定所述经过预处理后的传感器信号的重要性;
根据所述重要性对传感器进行排序,并基于经过排序后的所述传感器建立候选传感器集合;
根据所述经过预处理后的传感器信号与故障检测及分类之间的关联性,在所述候选传感器集合内筛选出目标传感器用于构建故障检测及分类模型。
2.如权利要求1所述的工业制造中传感器的筛选方法,其特征在于,所述根据所述经过预处理后的传感器信号与故障检测及分类之间的关联性,在所述候选传感器集合内筛选出目标传感器用于构建故障检测及分类模型的步骤,包括:
针对所述经过预处理后的传感器信号进行相关性分析以得到第一分析结果;
针对所述经过预处理后的传感器信号进行冗余性分析以得到第二分析结果;
基于所述第一分析结果与所述第二分析结果,在所述候选传感器集合内筛选出目标传感器用于构建故障检测及分类模型。
3.如权利要求1所述的工业制造中传感器的筛选方法,其特征在于,所述基于经过排序后的所述传感器建立所述候选传感器集合的步骤,包括:
获取用于确定所述候选传感器集合的规模的控制参数;
基于所述控制参数选取经过排序后的所述传感器建立所述候选传感器集合。
4.如权利要求1所述的工业制造中传感器的筛选方法,其特征在于,所述针对传感器信号进行预处理的步骤,包括:
针对所述传感器信号进行归一化处理。
5.如权利要求4所述的工业制造中传感器的筛选方法,其特征在于,所述针对传感器信号进行预处理的步骤,还包括:
针对所述传感器信号进行缺失数据补全处理;和/或,
针对所述传感器信号进行噪声过滤处理。
6.一种传感器的筛选装置,其特征在于,所述传感器的筛选装置包括:
预处理模块,用于针对传感器信号进行预处理,得到经过预处理后的传感器信号,其中,所述预处理用于将有量纲的传感器信号转换为无量纲的传感器信号,从而降低传感器信号在筛选过程中受到错误判断的概率;
建立模块,用于检测所述传感器信号是否存在时间差异,若是,则调用时间序列对齐核针对多个所述传感器信号之间的相似性进行加工处理;通过F检验方法确定所述经过预处理后的传感器信号的重要性;根据所述重要性对传感器进行排序,并基于经过排序后的所述传感器建立候选传感器集合;
筛选模块,用于根据所述经过预处理后的传感器信号与故障检测及分类之间的关联性,在所述候选传感器集合内筛选出目标传感器用于构建故障检测及分类模型。
7.一种终端设备,其特征在于,所述终端设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的传感器的筛选程序,所述传感器的筛选程序被所述处理器执行时实现如权利要求1至5中任一项所述的工业制造中传感器的筛选方法的步骤。
8.一种存储介质,其特征在于,所述存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至5中任一项所述的工业制造中传感器的筛选方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111029758.4A CN113469151B (zh) | 2021-09-03 | 2021-09-03 | 工业制造中传感器的筛选方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111029758.4A CN113469151B (zh) | 2021-09-03 | 2021-09-03 | 工业制造中传感器的筛选方法、装置、设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113469151A CN113469151A (zh) | 2021-10-01 |
CN113469151B true CN113469151B (zh) | 2022-02-15 |
Family
ID=77867342
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111029758.4A Active CN113469151B (zh) | 2021-09-03 | 2021-09-03 | 工业制造中传感器的筛选方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113469151B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114358443B (zh) * | 2022-03-09 | 2022-06-24 | 深圳市信润富联数字科技有限公司 | 平均材料去除率预测方法、装置、电子设备和存储介质 |
CN115597653B (zh) * | 2022-12-14 | 2023-11-03 | 中顺世纪(深圳)电子有限责任公司 | 一种半导体质量检测设备的智能识别方法及系统 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103065029A (zh) * | 2011-10-20 | 2013-04-24 | 吉林大学 | 用于肿瘤检测的基因选择方法 |
CN108616373A (zh) * | 2016-12-12 | 2018-10-02 | 中国科学院深圳先进技术研究院 | 频谱熵预测方法及系统 |
CN109799269A (zh) * | 2019-01-24 | 2019-05-24 | 山东工商学院 | 基于动态特征重要度的电子鼻气体传感器阵列优化方法 |
CN111614491A (zh) * | 2020-05-06 | 2020-09-01 | 国网电力科学研究院有限公司 | 一种面向电力监控系统安全态势评估指标选取方法及系统 |
CN112860819A (zh) * | 2021-03-19 | 2021-05-28 | 西南交通大学 | 一种基于邻域条件互信息的交互特征选择方法 |
CN112862127A (zh) * | 2021-04-23 | 2021-05-28 | 北京瑞莱智慧科技有限公司 | 一种传感器数据的异常处理方法、装置、电子设备及介质 |
CN113130073A (zh) * | 2020-01-16 | 2021-07-16 | 宏碁股份有限公司 | 利用自动化机制挑选影响力指标的方法及电子装置 |
CN113221435A (zh) * | 2021-02-08 | 2021-08-06 | 中国核电工程有限公司 | 传感器的筛选方法及装置、传感器数据重构方法及系统 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6694289B2 (ja) * | 2016-02-12 | 2020-05-13 | 株式会社日立製作所 | 薬効評価補助システム、及び薬効評価補助情報提示方法 |
US10546419B2 (en) * | 2018-02-14 | 2020-01-28 | Faro Technologies, Inc. | System and method of on-site documentation enhancement through augmented reality |
CN113270203A (zh) * | 2021-04-20 | 2021-08-17 | 郑州大学第一附属医院 | 药物剂量预测方法、装置、电子设备及存储介质 |
-
2021
- 2021-09-03 CN CN202111029758.4A patent/CN113469151B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103065029A (zh) * | 2011-10-20 | 2013-04-24 | 吉林大学 | 用于肿瘤检测的基因选择方法 |
CN108616373A (zh) * | 2016-12-12 | 2018-10-02 | 中国科学院深圳先进技术研究院 | 频谱熵预测方法及系统 |
CN109799269A (zh) * | 2019-01-24 | 2019-05-24 | 山东工商学院 | 基于动态特征重要度的电子鼻气体传感器阵列优化方法 |
CN113130073A (zh) * | 2020-01-16 | 2021-07-16 | 宏碁股份有限公司 | 利用自动化机制挑选影响力指标的方法及电子装置 |
CN111614491A (zh) * | 2020-05-06 | 2020-09-01 | 国网电力科学研究院有限公司 | 一种面向电力监控系统安全态势评估指标选取方法及系统 |
CN113221435A (zh) * | 2021-02-08 | 2021-08-06 | 中国核电工程有限公司 | 传感器的筛选方法及装置、传感器数据重构方法及系统 |
CN112860819A (zh) * | 2021-03-19 | 2021-05-28 | 西南交通大学 | 一种基于邻域条件互信息的交互特征选择方法 |
CN112862127A (zh) * | 2021-04-23 | 2021-05-28 | 北京瑞莱智慧科技有限公司 | 一种传感器数据的异常处理方法、装置、电子设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113469151A (zh) | 2021-10-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113469151B (zh) | 工业制造中传感器的筛选方法、装置、设备及介质 | |
EP3410245A1 (en) | Process analysis apparatus, process analysis method, and process analysis program | |
JP2008511140A (ja) | 局所的外れ値の検出のための方法および装置 | |
US10636133B2 (en) | Automated optical inspection (AOI) image classification method, system and computer-readable media | |
JP5080526B2 (ja) | データ解析のための方法および装置 | |
US11580425B2 (en) | Managing defects in a model training pipeline using synthetic data sets associated with defect types | |
US8649990B2 (en) | Method for detecting variance in semiconductor processes | |
CN113539909A (zh) | 一种故障检测方法、装置、终端设备及存储介质 | |
CN117112336B (zh) | 智能通信设备异常检测方法、设备、存储介质及装置 | |
CN117370767B (zh) | 基于大数据的用户信息评估方法及系统 | |
CN115629930A (zh) | 基于dsp系统的故障检测方法、装置、设备及存储介质 | |
JP2020086786A (ja) | 検出装置及び機械学習方法 | |
KR102420514B1 (ko) | 딥러닝을 이용한 하드웨어 및 소프트웨어 결함 탐지 방법 및 분석장치 | |
CN115147236A (zh) | 一种处理方法、处理装置和电子设备 | |
US20220113716A1 (en) | Method for detecting abnormal event and apparatus implementing the same method | |
CN113570070A (zh) | 流式数据采样与模型更新方法、装置、系统与存储介质 | |
CN116457798A (zh) | 工序分析装置、工序分析方法、以及工序分析程序 | |
KR20070018880A (ko) | 데이터 분석을 위한 방법 및 장치 | |
US20100010763A1 (en) | Method for detecting variance in semiconductor processes | |
CN116882361B (zh) | 芯片缺陷分析方法、电子设备及存储介质 | |
CN113554126B (zh) | 样本评估方法、装置、设备及计算机可读存储介质 | |
CN115391084B (zh) | 一种云游戏异常的智能解决方法及系统 | |
JP2004296826A (ja) | 品質管理装置及び品質管理方法 | |
JP5241302B2 (ja) | 特性分布解析方法および装置、基板分類方法および装置、上記特性分布解析方法または基板分類方法をコンピュータに実行させるためのプログラム、並びに上記プログラムを記録したコンピュータ読み取り可能な記録媒体 | |
TWI832403B (zh) | 用於多維動態部件平均測試之方法、設備及非暫時性電腦可讀媒體 |
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 |