CN114858205A - 仓储设备及仓储设备的监控方法 - Google Patents
仓储设备及仓储设备的监控方法 Download PDFInfo
- Publication number
- CN114858205A CN114858205A CN202210087954.5A CN202210087954A CN114858205A CN 114858205 A CN114858205 A CN 114858205A CN 202210087954 A CN202210087954 A CN 202210087954A CN 114858205 A CN114858205 A CN 114858205A
- Authority
- CN
- China
- Prior art keywords
- sensor
- value
- sensors
- sensing
- abnormal
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 27
- 238000012544 monitoring process Methods 0.000 title claims abstract description 26
- 230000002159 abnormal effect Effects 0.000 claims abstract description 135
- 238000012545 processing Methods 0.000 claims abstract description 48
- 239000007789 gas Substances 0.000 claims description 52
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 34
- 239000001301 oxygen Substances 0.000 claims description 34
- 229910052760 oxygen Inorganic materials 0.000 claims description 34
- 238000012423 maintenance Methods 0.000 claims description 27
- 238000012546 transfer Methods 0.000 claims description 21
- 238000011144 upstream manufacturing Methods 0.000 claims description 20
- 230000005856 abnormality Effects 0.000 claims description 12
- 239000000969 carrier Substances 0.000 claims description 4
- 238000001514 detection method Methods 0.000 claims description 4
- 230000001419 dependent effect Effects 0.000 claims description 3
- 230000007613 environmental effect Effects 0.000 abstract description 4
- 239000000463 material Substances 0.000 description 14
- 238000001035 drying Methods 0.000 description 5
- 239000004065 semiconductor Substances 0.000 description 4
- 102100024113 40S ribosomal protein S15a Human genes 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 230000015654 memory Effects 0.000 description 3
- IEXIHWCBQMQDHC-KEIUHOJNSA-N 5,9-hexacosadienoic acid Chemical compound CCCCCCCCCCCCCCCC\C=C\CC\C=C\CCCC(O)=O IEXIHWCBQMQDHC-KEIUHOJNSA-N 0.000 description 2
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 2
- 230000008054 signal transmission Effects 0.000 description 2
- 206010021143 Hypoxia Diseases 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 239000011261 inert gas Substances 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 230000007257 malfunction Effects 0.000 description 1
- 229910052757 nitrogen Inorganic materials 0.000 description 1
- 230000029058 respiratory gaseous exchange Effects 0.000 description 1
- 102200029231 rs11551768 Human genes 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
Images
Classifications
-
- 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
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Warehouses Or Storage Devices (AREA)
Abstract
本发明提供一种仓储设备及仓储设备的监控方法。仓储设备包含仓体、多个传感器及处理装置。处理装置能执行监控程序,其包含:收集步骤:收集每一个传感器的感测值;状态判断步骤:判断每一个传感器的状态;若任一个传感器的状态是异常,则利用预测方程式及位于异常传感器周围的正常传感器的感测值计算出预测值;数值判断步骤:判断每一个传感器的感测值或预测值,是否都位于相对应的容许范围内,若每一个传感器都位于相对应的容许范围内则结束监控程序,若任一个传感器不位于相对应的容许范围内,则执行调整步骤,以调整仓体内的环境状态。
Description
技术领域
本发明涉及一种仓储设备及仓储设备的监控方法,特别是一种适合应用为洁净室用自动仓储(Stocker)或自动仓储系统(Automated Storage/Retrieval System,AS/RS)的仓储设备及仓储设备的监控方法。
背景技术
现有常见的用来储存半导体相关物料的仓储设备,其包含有一处理装置及多个传感器,多个传感器设置于仓储设备内,处理装置能依据多个传感器所传递的感测值,来决定是否通知相关人员对仓储设备进行维修。举例来说,假设仓储设备中的温度默认是25℃,则处理装置若接收到其中一个传感器所传递的感测值为35℃时,处理装置即会发出相关警示信息,并启动相对应的温度控制机制,据以降低仓储设备中的温度。
然,在实际应用中,感测到35℃的传感器,可能是传感器本身发生故障,或者,可能是传感器在讯号传输上发生短暂的异常,而仓储设备内的温度,实际上并没有到达35℃,在此情况中,若处理装置启动相对应的温度控制机制,将可能导致仓储设备内的温度由正常的25℃,降至不正常的20℃,为此反而可能导致相关物料处于不正确的环境温度中。
发明内容
本发明公开一种仓储设备及仓储设备的监控方法,主要用以改善现有的仓储设备,在传感器发生故障或在讯号传输上发生任何异常时,仓储设备将会发出相关警示信息,甚至启动相对应的控制机制,而要求相关人员立即对仓储设备进行相关维修。
本发明的其中一个实施例公开一种仓储设备,其包含:一仓体,其内部具有一仓储空间;多个传感器,其设置于仓储空间中,各个传感器用以感测其周围环境,以产生一感测值;一处理装置,其包含一处理器及一储存器,储存器内储存有多个预测方程式,各个预测方程式用以利用至少一个传感器的感测值计算出一预测值,预测值用来代表另一个传感器的感测值;其中,处理器能执行一监控程序,其包含以下步骤:一收集步骤:收集每一个传感器于一预定感测时间内产生的感测值;一状态判断步骤:判断所有的传感器是否都处于一正常状态;其中,被判定处于正常状态的传感器定义为一正常传感器;被判定不是处于正常状态的传感器定义为一异常传感器;若所有的传感器都处于正常状态,则执行一数值判断步骤;若不是所有的传感器都处于正常状态,则于执行数值判断步骤前,执行至少一次预测值生成步骤,以计算出每一个异常传感器的预测值,各个预测值用来代表异常传感器为正常状态时所产生的感测值;预测值生成步骤为:利用其中一个预测方程式及位于异常传感器周围的至少一个正常传感器所产生的感测值,计算出相对应的预测值;数值判断步骤为:判断所有的正常传感器的感测值及所有预测值,是否都位于相对应的一容许范围内;若判定任一个感测值或任一个预测值超出相对应的容许范围,则执行一调整步骤:先控制一干燥气体供给设备运作一预定供气时间,以将一干燥气体输入仓储空间,再重新执行收集步骤及状态判断步骤;若判定所有的感测值及所有的预测值都位于相对应的容许范围内,则结束监控程序。
可选地,处理装置执行监控程序的过程中,或者,处理装置执行监控程序后,处理装置能传递一监控信息至一显示设备,监控信息包含各个传感器的一状态数据、各个传感器的感测值或预测值,及一仓储设备状态数据,仓储设备状态数据为仓储设备的一入料门的启闭状态、仓储空间的一氧气浓度及仓储空间的一气压值中的至少一个。
可选地,各个预测方程式的依变量为一仓内环境数值,各个预测方程式的自变量至少包含:位于异常传感器的周围的其中至少一个处于正常状态的传感器的感测值、干燥气体的一气体状态数值、及仓储设备所处环境的一仓外环境数值;其中,仓内环境数值、气体状态数值及仓外环境数值皆为湿度,或者,仓内环境数值、气体状态数值及仓外环境数值皆为温度。
可选地,各个预测方程式的自变量还包含仓储空间的尺寸、干燥气体供给设备单位时间提供的干燥气体的流量中的至少一个。
可选地,于状态判断步骤中,处理器是先控制所有的传感器作动,并于各个传感器作动预定感测时间后,将没有回传感测值的传感器判定为异常传感器,且处理器还会依据各个传感器所回传的感测值,来决定各个传感器是正常传感器或是异常传感器;若传感器所回传的感测值大于一预设上限值,或者,传感器所回传的感测值小于一预设下限值,则处理器将判定传感器为异常传感器。
可选地,各个传感器每间隔一预定时间,将回传其所感测的感测值至处理器;于状态判断步骤中,处理器是判断每一个传感器当前传递的感测值,与前一次传递的感测值的时间差,是否超过一预设时间差,若任一个传感器当前传递的感测值,与前一次传递的感测值的时间差,被处理器判断为超过预设时间差,则处理器将判定传感器为异常传感器。
可选地,处理器执行状态判断步骤后,若判定所有的传感器都不是处于正常状态,则结束监控程序,并发出相应的一警示信息;于调整步骤前,还包含一次数判断步骤:判断调整步骤被执行过的次数是否超过一预定次数,若超过预定次数,则结束监控程序,并发出相对应的一警示信息;于预测值生成步骤中,若所有的异常传感器的预测值皆能被计算出来,则执行数值判断步骤;若任一个异常传感器的预测值无法被计算出来,则结束监控程序,并发出相应的一警示信息。
可选地,于状态判断步骤后,若任一个传感器不是处于正常状态,则于执行预测值生成步骤前,是先执行一异常数量判断步骤:判断所有的异常传感器的一异常总数量,是否超过所有传感器的总数的一预定比例,并判断异常总数量是否等于所有传感器的总数;若判定异常总数量超过所有传感器的总数的预定比例,或者,若判定异常总数量等于所有传感器的总数,则停止执行监控程序,并发出相应的一警示信息;若异常总数量没有超过总数的预定比例,则执行预测值生成步骤。
可选地,仓储空间还连接一抽气装置,处理装置电性连接抽气装置;仓体包含一进气通道、一维修门、一门锁机构及一氧浓度侦测器,进气通道具有一进气门;处理器发出警示信息后,若处理器接收到一维修请求,则处理器执行一维修程序,其包含以下步骤:控制干燥气体供给设备停止运作;控制抽气装置运作,以使仓储空间内的压力,低于仓储空间外的压力;开启仓体的进气门,以使仓体外的空气能通过进气通道进入仓储空间;利用氧浓度侦测器的一侦测值,判断仓储空间内的一氧浓度值,是否达到一预定氧浓度值;若判定仓储空间内的氧浓度值,达到预定氧浓度值,则控制门锁机构作动,而使维修门由一上锁状态转换为一解锁状态;其中,门锁机构未被控制而作动时,维修门呈上锁状态;若判定仓储空间内的氧浓度值,未达到预定氧浓度值,则重复执行维修程序。
可选地,储存器中储存有至少两个预测方程式;于预测值生成步骤前还包含一区域查询步骤:利用异常传感器的一识别数据,于储存器中查询出异常传感器是否位于一变化区;若判定异常传感器位于变化区,则利用相对应的预测方程式,及位于变化区的至少一个正常传感器所产生的感测值,计算出异常传感器的预测值。
可选地,于区域查询步骤中,是利用识别数据,于储存器中查询出异常传感器是否位于变化区的一上游区或变化区的一下游区;若判定异常传感器位于上游区,则利用相对应的预测方程式,配合位于上游区的至少一个正常传感器所产生的感测值及位于下游区中至少一个正常传感器所产生的感测值中的至少一个,计算出异常传感器的预测值;若判定异常传感器位于下游区,则利用相对应的预测方程式,配合位于上游区的至少一个正常传感器所产生的感测值及位于下游区的至少一个正常传感器所产生的感测值中的至少一个,计算出异常传感器的预测值。
可选地,于区域查询步骤中,若查出传感器不是位于变化区,则判定传感器位于一稳定区,并利用位于稳定区的其余的正常传感器的感测值的平均,作为异常传感器的预测值,或者,利用另一预测方程式及位于稳定区的至少一个正常传感器所产生的感测值,计算出异常感测的预测值。
可选地,仓储设备包含多个承载架及一移载装置,各个承载架与仓体相连接,且多个承载架是上下间隔地设置于仓储空间中,各个承载架环绕移载装置设置,各个承载架用以承载多个待仓储物;每一个承载架的周围设置有多个传感器;移载装置用以将待仓储物移入或移出仓储空间;邻近于各个承载架的多个传感器,是以移载装置为中心,平均地分散设置于承载架的周围;于调整步骤中,处理装置还会控制移载装置运作。
可选地,仓储设备还包含至少一气压传感器,气压传感器电性连接处理装置,气压传感器位于仓储空间中;当处理装置执行调整步骤时,处理装置将通过气压传感器,侦测仓储空间内的气压,且若处理装置判定仓储空间内的气压,超过一预定气压值时,处理装置将控制仓体的一排气门开启,以使仓储空间能通过排气门与外连通,直到处理装置判定仓储空间内的气压,不超过预定气压值,处理装置才控制排气门关闭。
可选地,于储存器中,每一个传感器的预测值,能被至少两个预测方程式计算得到,于预测值生成步骤中,是依据仓储设备的一当前状态及一状态维持时间,决定利用对应于异常传感器的哪一个预测方程式计算出预测值;当前状态至少包含一开门状态及一闭门状态。
本发明的其中一个实施例公开一种仓储设备的监控方法,其适用于一仓储设备,仓储设备的监控方法包含以下步骤:一初始步骤:控制设置于仓储设备的一仓储空间内的多个传感器运作;一收集步骤:收集每一个传感器于一预定感测时间内产生的一感测值;一状态判断步骤:判断所有的传感器是否都处于一正常状态;其中,被判定处于正常状态的传感器定义为一正常传感器;被判定不是处于正常状态的传感器定义为一异常传感器;若所有的传感器都处于正常状态,则执行一数值判断步骤;若不是所有的传感器都处于正常状态,则于执行数值判断步骤前,执行至少一次预测值生成步骤,以计算出每一个异常传感器的一预测值,各个预测值用来代表异常传感器为正常状态时所产生的感测值;预测值生成步骤为:利用一预测方程式及位于异常传感器周围的至少一个正常传感器所产生的感测值,计算出相对应的预测值;数值判断步骤为:判断所有的正常传感器的感测值及所有预测值,是否都位于相对应的一容许范围内;若判定任一个感测值或任一个预测值超出相对应的容许范围,则执行一调整步骤:先控制一干燥气体供给设备运作一预定供气时间,以将一干燥气体输入仓储空间,再重新执行收集步骤及状态判断步骤;若判定所有的感测值及所有的预测值都位于相对应的容许范围,则结束仓储设备的监控方法。
综上所述,本发明的仓储设备及仓储设备的监控方法,通过监控程序中的收集步骤、状态判断步骤、预测值生成步骤、数值判断步骤等设计,可以在仓储设备的任一个传感器发生错误,但该传感器的感测值可以被预测的情况下,不要求相关人员立即对仓储设备进行维修,如此,相关人员可以视其厂房内的人力配置及仓储设备的仓储状态,选择适合的时间再进入仓储设备中进行维修。
为能更进一步了解本发明的特征及技术内容,请参阅以下有关本发明的详细说明与附图,但是此等说明与附图仅用来说明本发明,而非对本发明的保护范围作任何的限制。
附图说明
图1为本发明的仓储设备的示意图。
图2为本发明的仓储设备的内部示意图。
图3为本发明的仓储设备的方块示意图。
图4为本发明的仓储设备的处理器执行监控程序的第一实施例的流程示意图。
图5为本发明的仓储设备的处理器执行监控程序的第二实施例的流程示意图。
图6为本发明的仓储设备的处理器执行监控程序的第三实施例的流程示意图。
图7为本发明的仓储设备的处理器执行监控程序的第四实施例的流程示意图。
图8为本发明的仓储设备的处理器执行维修程序的流程示意图。
图9为本发明的仓储设备的监控方法的流程示意图。
具体实施方式
于以下说明中,如有指出请参阅特定图式或是如特定图式所示,其仅是用以强调于后续说明中,所述及的相关内容大部份出现于该特定图式中,但不限制该后续说明中仅可参考所述特定图式。
请参阅图1至图3,图1为本发明的仓储设备的示意图,图2为本发明的仓储设备的内部示意图,图3为本发明的仓储设备的方块示意图。本发明的仓储设备100包含一仓体1、多个传感器2及一处理装置3。本发明的仓储设备100例如可以是应用为洁净室用自动仓储(stocker)、自动仓储系统(Automated Storage/Retrieval System,AS/RS)。仓体1的内部具有一仓储空间11。多个传感器2设置于仓储空间11中,各个传感器2用以感测其周围环境,以产生一感测值21。举例来说,部分的传感器2可以是温度传感器,而其对应产生的感测值即为温度;部分的传感器2可以是湿度传感器,而其对应产生的感测值即为湿度,部分的传感器2可以是气压传感器,而其对应产生的感测值即为气压。
处理装置3包含一处理器31及一储存器32,储存器32内储存有多个预测方程式321,预测方程式321用以利用至少一个传感器2的感测值21计算出一预测值311,预测值311用来代表另一个传感器2的感测值。在实际应用中,处理器31可以是各式计算机、远程计算机、微处理器等,储存器32则可以是各式内存、硬盘、远程服务器等。在实际应用中,处理装置3例如可以是连接一输入设备,而相关人员可以通过操作输入设备,以将多笔预测方程式,储存至储存器32中。
在实际应用中,仓储设备100可以是包含有多个承载架4及至少一移载装置5,各个承载架4与仓体1相连接,且多个承载架4是上下间隔地设置于仓储空间11中。各个承载架4可以是呈现为环状,且各个承载架4环绕移载装置5设置,各个承载架4用以承载多个待仓储物。每一个承载架4的周围设置有多个传感器2。在实际应用中,各个传感器2例如可以是设置于仓体1,或者,传感器2也可以是设置于承载架4。移载装置5用来将待仓储物移入或移出仓储空间11,举例来说,移载装置5可以是包含有类似机器手臂的机构。在较佳的实施例中,邻近于各个承载架4的多个传感器2,是以移载装置为中心,平均地分散设置于承载架4的周围;举例来说,各个承载架4用来承载待仓储物的承载面,可以是大致位于同一个水平面,邻近于同一个承载架4设置的多个传感器2的布置方式,可以是以移载装置5为中心,每间隔60度即于承载架4上或其周围设置一个传感器2,而同一个承载架4的周围,则是对应设置有6个传感器2。
需说明的是,在本实施例的图式中,是以仓储设备100的内部空间的外型大致呈现为圆柱状,而移载装置5对应位于中心轴在线,但仓储设备100的内部空间的外型不以图中所示为限,在不同的实施例中,仓储设备100的内部空间的外型,也可以是大致呈现为矩形状,而移载装置5的数量则可依据需求增加。
在其中一个实际应用中,仓储设备100例如可以是设置于一无尘室中,而仓储设备100内的仓储空间11,则可以是用来储存半导体相关物品(例如晶元、芯片、电路板等),而各个承载架4例如可以是用来承载多个晶元盒(FOUP)。当然,仓储设备100不局限于仅可用来储存半导体相关物品。
处理器31能执行一监控程序。在实际应用中,处理器31可以是每间隔一预设时间,即自动地执行一次监控程序。在不同的实施例中,处理器31也可以是受设备的控制,而实时地执行一次监控程序,举例来说,相关人员可以是通过操作相关计算机设备,以控制处理器31实时地执行一次监控程序。
如图4所示,处理器31执行监控程序时,是执行以下步骤:
一收集步骤S11:收集每一个传感器2于一预定感测时间(例如1~5秒内,但不以此为限)内产生的感测值21;
一状态判断步骤S12:判断所有的传感器2是否都处于一正常状态;其中,被判定处于所述正常状态的传感器2定义为一正常传感器,被判定不是处于所述正常状态的传感器2则定义为一异常传感器;
若所有的传感器都处于正常状态,则执行一数值判断步骤S13:判断所有正常传感器的感测值是否都位于相对应的一容许范围内;
若判定所有的正常传感器的感测值21都位于相对应的容许范围内,则执行一结束步骤S14:结束监控程序。
在实际应用中,于所述收集步骤S11中,可以是各个传感器2,每间隔一预设时间,即自动地向处理装置3发送其所产生的感测值21,但不以此为限。在不同的实施例中,于所述收集步骤S11中,也可以是处理装置3每间隔一默认时间,即主动地向各个传感器2取得其所产生的感测值21。
在实际应用中,于状态判断步骤S12中,处理器31是先控制所有的传感器2作动,并于各个传感器2作动预定感测时间后,将有回传感测值21的传感器2判定为处于正常状态的正常传感器,并将没有回传感测值21的传感器2判定为不是处于正常状态的异常传感器,且处理器31还会依据各个传感器2所回传的感测值21,来决定各个传感器2是正常传感器或是异常传感器;若传感器2所回传的感测值21大于一预设上限值,或者,传感器2所回传的感测值21小于一预设下限值,则处理器31将判定传感器2为异常传感器。
在其中一个例子中,各个传感器2可以是每间隔一预定时间(例如5秒)即回传其感测的感测值至处理器31,而于状态判断步骤S12中,处理器31是判断每一个传感器2所传递的感测值,与前一次所传递的感测值的时间差,是否超过一预设时间差,若任一个传感器2当前所传递的感测值,与前一次传递的感测值的时间差,被处理器31判断为超过预设时间差时,处理器将判定此传感器2判定为异常传感器。
举例来说,假设仓储设备的其中6个传感器2为温度传感器,且所述预设上限值为40℃,所述下限值为10℃,而预定感测时间为5秒,则于状态判断步骤S12中,处理器31可以是先向6个温度传感器发出作动指令,以使6个温度传感器感测其周围环境的温度;若其中5个传感器A、B、C、D、E于5秒内分别感测出其周围环境的温度值为25℃、23℃、28℃、-15℃、45℃,且其中一个传感器F没有产生温度值,另一个传感器F则是产生NAN(Not ANumber),如此,处理器31在发出作动指令后的第6秒时,将会判定传感器A~C皆处于正常状态而为正常传感器,且传感器D~F都不是处于正常状态而为异常传感器。
如图4所示,于所述状态判断步骤S12后,若判定不是所有的传感器2都处于正常状态,则于执行数值判断步骤S13前,执行至少一次预测值生成步骤S15,以计算出每一个所述异常传感器的一预测值,各个所述预测值用来代表所述异常传感器为正常状态时所产生的感测值。
所述预测值生成步骤S15为:利用其中一个预测方程式321及位于异常传感器周围的至少一个正常传感器所产生的感测值21,计算出相对应的所述预测值311。于所述预测值生成步骤S15后,所执行的数值判断步骤S13,则是判断所有正常传感器的感测值21及所有预测值311,是否都位于相对应的容许范围内。
需说明的是,只要处理器31有对应计算出每一个异常传感器所对应的预测值,预测值生成步骤S15被执行的次数可以依据需求设计。举例来说,假设仓储空间11内设置有20个传感器2,于状态判断步骤S12后,若处理器31判断其中3个传感器2为异常传感器,则处理器31例如可以是执行三次预测值生成步骤S15,以产生出3个预测值,或者,处理器31可以是执行单一次预测值生成步骤S15,并于单一次预测值生成步骤S15中,利用三个预测方程式及相关正常传感器的感测值,以计算出3个预测值。
于数值判断步骤S13后,若判定任一个正常传感器的感测值21或任一个预测值311,没有位于相对应的容许范围内,则执行一调整步骤S16:先控制干燥气体供给设备(图未示)运作一预定供气时间(例如5分钟,但不以此为限),以将一干燥气体输入仓储空间11,再重新执行收集步骤S11及状态判断步骤S12。所述干燥气体例如可以是洁净干燥气体(CLEAN DRY AIR,CDA),但不以此为限。
在较佳的实施例中,于调整步骤S16中,处理器31还可以是判断移载装置5当前的运作状态,而处理器31可以是在移载装置5当前或是于默认时间(例如5分钟,但不以此为限)内,没有被安排进行任何待仓储物的移入或移出作业时,控制移载装置5于仓储空间11内作动(例如上下移动、左右摆动等),以通过移载装置5的动作,而使干燥空气更快地流动至仓储空间11的各区域。需说明的是,在实际应用中,为了节省能源,处理器31在控制移载装置5作动前,还可以是判断移载装置5于30~60分钟内,是否曾经作动过,若是移载装置于30~60分钟内曾经运作过,则处理器31当下可以不再控制移载装置5作动。换句话说,在实际应用中,处理器31可以是在判定移载装置5在前30~60分钟内都没有运作过,且移载装置5在接下来的5分钟内,都没有被安排有任何作业,才控制移载装置5运作。
在其中一个实际应用中,各个预测方程式321的依变量为一仓内环境数值,各个预测方程式321的自变量至少包含:位于异常传感器的周围的其中至少一个处于正常状态的传感器2的感测值21、干燥气体的一气体状态数值、及仓储设备所处环境的一仓外环境数值;其中,仓内环境数值、气体状态数值及仓外环境数值皆为湿度,或者,仓内环境数值、气体状态数值及仓外环境数值皆为温度。
举例来说,其中一个预测方程式例如是:Y=C1*X+C2*ΔH+C3*HCDA+C4,Y为其中一个异常传感器所对应的预测湿度(即预测值及仓内环境数值),X为邻近于此异常传感器的其中一个正常传感器所产生的湿度值(即感测值),ΔH为干燥气体的湿度(即气体状态数值)与仓储设备100所处环境(例如是无尘室)的湿度(即仓外环境数值)的差值,HCDA为干燥气体的湿度。其中,系数C1、C2、C3、C4可以是通过大量地收集所有的传感器处于正常状态下所产生的感测值,并利用线性回归等算法计算所得。
在上述举例中,是以利用位于异常传感器的周围的正常传感器的感测值,配合干燥气体的湿度与仓储设备100所处环境的湿度的差值,及干燥气体的湿度,来预测出异常传感器若是处于正常状态时,可能对应产生的预测值,但,预测方程式所包含的自变量,不局限于仅可包含单一个正常传感器的感测值,在不同的实施例中,预测方程式也可以是包含有位于异常传感器的周围的至少两个正常传感器所对应产生的两个感测值。另外,在不同的实施例中,各个预测方程式321的自变量还可以包含有仓储空间11的尺寸、干燥气体供给设备单位时间提供的干燥气体的流量中的至少一个。
在实际应用中,处理装置3执行监控程序的过程中,或者,处理装置3执行监控程序后,处理装置3可以是产生并传递一监控信息312至一显示设备(图未示,例如是各式屏幕),监控信息312例如可以是包含各个传感器2的一状态数据3121、感测值21或预测值311及至少一仓储设备状态数据3122,仓储设备状态数据3122例如可以是仓储设备的一入料门的启闭状态、仓储空间11的氧气浓度及仓储空间11的气压值中的至少一个。举例来说,相关人员可以由显示有监控信息312的显示设备,观看到类似:传感器A:正常(即状态数据3121)/温度25℃(即感测值21)、传感器B:异常/预测温度28℃、传感器C:正常/预测湿度20%、传感器D:正常/预测湿度23%、仓储空间状态:入料门关闭(即运作状态数据3121)/气压:10PA(即压力值)/氧气浓度:5%v/v。在实际应用中,显示设备显示运作状态数据3121时,相关人员例如可以是观看到类似:“入料门开启中”、“入料门关闭”、“物品入仓中”、“物品出仓中”、“干燥气体供应中”、“氧浓度提升中”、“氧浓度低”等文字或图样。
值得一提的是,本发明的仓储设备100的处理装置3,在没有执行调整步骤S16时,可以是不控制干燥空气供给设备输入干燥空气至仓储空间11内,而处理装置3仅会于仓储空间11内的温度、湿度等环境条件不符合预期时,才会控制干燥气体供给设备作动,如此,将可以进一步降低仓储设备100的运作成本。
依上所述,本发明的仓储设备通过使监控程序包含状态判断步骤S12及预测值生成步骤S15等设计,让处理装置是利用处于正常状态的传感器的感测值及异常传感器的预测值进行数值判断步骤S13及调整步骤S16,如此,当传感器发生异常时,处理装置不会直接利用该异常传感器所产生的相关数值,进行数值判断步骤S13,而仓储设备将相对不容易发生,处理器判断仓储空间内的温度、湿度等环境条件不符合预期,而处理器使干燥气体供给设备持续地将干燥气体输入至仓储空间内的问题。
也就是说,处理装置在数值判断步骤S13前,已经先通过状态判断步骤S12,来筛选出不是处于正常状态的传感器,而于数值判断步骤S13中,处理装置将不会利用不是处于正常状态的传感器所产生的数值,如此,将可以有效避免降低处理器发生误判的情况。
现有常见的仓储设备,并不存在有上述本发明的状态判断步骤S12及预测值生成步骤S15等设计,因此,现有常见的仓储设备的处理装置,在判断仓储设备内的环境条件是否符合预期时,会将不是处于正常状态的传感器所产生的数值,作为其中一个判断标准,为此,导致处理装置容易发生判断错误的问题。
请参阅图5,其显示为本发明的仓储设备的处理器所执行的监控程序的第二实施例的流程示意图。本实施例与前述实施例的不同之处在于:在状态判断步骤S12后,若处理器判定不是所有的传感器都处于正常状态,则处理器于执行预测值生成步骤S15前,是先执行一异常数量判断步骤S21:判断所有的异常传感器的一异常总数量,是否超过所有传感器的总数的一预定比例,并判断所述异常总数量是否等于所有传感器的总数。
若判定异常总数量超过所有传感器的总数的预定比例,或者,若判定异常总数量等于所有传感器的总数(即所有的传感器都不是处于正常状态),则执行一警示步骤S22:停止执行监控程序,并发出相应的一警示信息。
举例来说,当处理器判定所有的传感器都不是处于正常状态时,处理器可以是控制处理器所连接的显示设备显示警示信息,而相关人员则可以于显示设备中,看到类似“当前所有传感器,都被判定处于异常状态,请立即进行检修”等文字。相似地,当处理器判定异常总数量超过传感器的总数的预定比例,而处理器控制显示设备显示相对应的警示信息时,相关人员例如可以是于显示设备中,观看到类似“当前有超过50%的传感器,被判定处于异常状态,请立即进行检修”等文字。
在不同的实施例中,处理器还可以是传递警示信息至远程服务器,据以通过远程服务器,将警示信息传递至相关电子装置(例如智能型手机等),如此,不在厂房内的相关人员亦可通过相关电子装置,了解仓储设备当前的状态。另外,处理器也可以是将其产生的警示信息,传递至相关警示装置,据以使警示装置发出默认的光束、声音等,来提醒相关人员。
相对地,在异常数量判断步骤S21后,若处理器判定异常总数量没有超过所有传感器的总数的预定比例,则处理器将接续执行预测值生成步骤S15及数值判断步骤S13。
举例来说,假设仓储空间内设置有20个传感器,且预定比例为30%,则处理器于异常数量判断步骤S21中,若判定其中7个传感器不处于正常状态,则处理器将会执行警示步骤S22;相反地,若处理器于异常数量判断步骤S21,判定仅有5个传感器不处于正常状态,则处理器将不会执行警示步骤S22,且处理器会执行预测值生成步骤S15。
值得一提的是,在较佳的应用中,处理器执行预测值生成步骤S15中,或者,处理器执行完预测值生成步骤S15后,处理器还可以是判断每一个异常传感器所对应的预测值是否都已经被计算出来,若处理器判断任一个异常传感器的预测值没有被计算出来,则处理器可以是不接续执行数值判断步骤S13,而处理器是执行所述警示步骤S22。
举例来说,假设仓储空间内的其中一个传感器A所对应的预测方程式E的其中一个自变量是传感器B的感测值,则若处理器执行状态判断步骤S12后,判断传感器A、B不是处于正常状态,而后,处理器执行预测值生成步骤S15时,处理器将会因为传感器B没有处于正常状态,而无法利用预测方程式E,来计算出传感器A的预测值,因此,处理器将会执行警示步骤S22,而处理器不会接续执行数值判断步骤S13,而后,显示设备显示所述警示信息时,相关人员例如可以是于显示设备上观看到类似“传感器A被判定处于异常状态,且其感测值无法被预测,请安排进行检修”等文字。
依上所述,为了避免处理器容易遇到无法计算出异常传感器的预测值的情况,在较佳的实施例中,储存器中可以是储存有多个预测方程式,而每一个传感器的预测值,可以是被至少两个预测方程式计算所得,且每一个传感器对应的各个预测方程式所包含的自变量,是对应为处于正常状态的不同的传感器所产生的感测值。
举例来说,假设储存器中储存有两个预测方程式E1、E2能用来计算出能够代表传感器A的感测值的预测值,则预测方程式E1例如可以是利用处于正常状态的传感器B的感测值,配合其他相关数值,以计算出传感器A的预测值,预测方程式E2则可以是利用处于正常状态的传感器C,配合其他相关数值,以计算出传感器A的预测值,如此,除非在传感器A、B、C都同时坏掉的情况下,处理器才会无法计算出不是处于正常状态的传感器A所对应的预测值。
本实施例与前述实施例的另一不同之处在于:于调整步骤S16前,还包含一次数判断步骤S23:判断调整步骤S16被执行过的次数是否超过一预定次数(例如3次,但不以此为限);若判定收集步骤S11被执行过的次数超过预定次数,则执行前述警示步骤S22;相反地,若判定收集步骤S11被执行过的次数,没有超过预定次数,则接续执行调整步骤S16。举例来说,假设干燥气体供给设备运作70分钟,即可使仓储空间内充满干燥气体,且处理器每一次执行调整步骤S16,是控制干燥气体供给设备运作30分钟,则所述预定次数可以是3次;亦即,处理器执行3次调整步骤S16后,代表干燥气体供给设备已经连续90分钟输入干燥气体至仓储空间内,在此状态下,按理整个仓储空间应该可以充满干燥气体,而所有传感器的感测值或预测值,应该都是位于容许范围内,但若处理器仍然判定有感测值或预测值不位于相对应的容许范围,显然表示某一个设备可能发生故障(例如干燥气体供给设备没有输出预定容量的干燥气体至仓储空间中),为此,处理器将执行警示步骤S22,而不再执行调整步骤S16。
值得一提的是,仓储设备还可以包含至少一气压传感器,气压传感器电性连接处理器,气压传感器位于仓储空间中。当处理器执行调整步骤S16时,处理器将通过气压传感器,侦测仓储空间内的气压,且若处理器判定仓储空间内的气压,超过一预定气压值时,处理器将控制仓体的一排气门开启,以使仓储空间能通过排气门与外连通,据以使仓储空间内的空气能向外流动,在此同时,处理器将持续地通过气压传感器取得仓储空间内的气压,而处理器将在仓储空间内的气压不超过预定气压值时,控制排气门关闭。
请参阅图6,其显示为本发明的仓储设备的处理器所执行的监控程序的第三实施例的流程示意图。本实施例与前述第一实施例的不同之处在于:储存器32中储存有至少两个预测方程式,于预测值生成步骤S15A前还包含一区域查询步骤S31:利用异常传感器的一识别数据,于储存器中查询出异常传感器是否位于一变化区;若处理器判定异常传感器位于变化区,则接续执行预测值生成步骤S15A,且于预测值生成步骤S15A中,是利用相对应的预测方程式及位于变化区的至少一个正常传感器所产生的感测值,计算出异常传感器的预测值。
于区域查询步骤S31中,若处理器查出传感器不是位于变化区,则处理器将判定传感器位于一稳定区,而后,处理器将是接续执行另一预测值生成步骤S15B:利用位于稳定区的其余的正常传感器的感测值的平均,作为异常传感器的预测值。
在不同的实施例中,若处理器判定传感器是位于稳定区,处理器也可以是利用另一预测方程式,及位于稳定区的至少一个正常传感器所产生的感测值,计算出异常感测的预测值。
所述变化区是指仓储空间中,温度、湿度容易有相对大幅度变化的区域,而稳定区则是指仓储空间中,温度、湿度相对不容易发生大幅度变化的区域。具体来说,当仓体的入料门被控制开启,以进行相关待仓储物的入仓、出仓作业时,仓储空间中邻近于仓体的入料门的区域的温度、湿度,将相对于仓储空间的其余区域,有相对明显的变化,因此,于仓储空间中邻近于入料门的区域,可以是被定义为所述变化区,而仓储空间中远离入料门的区域,则可以是被定义为所述稳定区。
依上所述,简单来说,位于变化区的异常传感器的预测值,及位于稳定区的异常传感器的预测值,是分别利用不同的预测方程式或预测方式计算所得,如此,将可以确保每一个异常传感器的预测值的准确性。
在较佳的实施例中,于区域查询步骤S31中,还可以是利用识别资料,于储存器中查询出异常传感器是否位于所述变化区的一上游区,或是,位于所述变化区的一下游区。
若处理器判定异常传感器位于上游区,则利用相对应的预测方程式,配合位于上游区的至少一个正常传感器所产生的感测值及位于下游区的至少一个正常传感器所产生的感测值中的至少一个,计算出异常传感器的预测值。
若异常传感器位于下游区,则利用相对应的预测方程式,配合位于上游区的至少一个正常传感器所产生的感测值及位于下游区的至少一个正常传感器所产生的感测值中的至少一个,计算出异常传感器的预测值。
也就是说,处理器是利用不同的两个预测方程式,来计算出用来代表位于变化区的上游区及下游区的异常传感器的感测值的预测值,且处理器可以是依据需求,利用位于变化区的上游区或下游区的至少一个处于正常状态的传感器的感测值,来计算出用来代表位于变化区的上游区的异常传感器的感测值的预测值;相同地,处理器可以是依据需求,利用位于变化区的上游区或下游区的至少一个处于正常状态的传感器的感测值,来计算出用来代表位于变化区的下游区的异常传感器的感测值的预测值。
具体来说,在仓储空间的垂直方向的空间相对较大的实施例中,变化区中邻近于入料口的区域的温度、湿度的变化,可能是大于变化区的其他区域的温度、湿度的变化,因此,变化区还可以被区分为上游区及下游区,上游区例如是靠近入料口的区域,而下游区则是相对远离入料口的区域。通过上游区、下游区的区分,可以更精确地计算出位于上游区、下游区的异常传感器的预测值。
请参阅图7,其显示为本发明的仓储设备的处理器所执行的监控程序的第四实施例的流程示意图。本实施例与前述实施例的不同之处在于:于预测值生成步骤S15C中,处理器31是依据仓储设备的一当前状态及一状态维持时间,决定利用对应于异常传感器的哪一个预测方程式321计算出预测值311;当前状态至少包含一开门状态及一闭门状态。其中,用来计算出用来代表同一个传感器的感测值的预测值的多个预测方程式所包含的自变量不完全相同。
举例来说,储存器中可以是储存有用来计算出代表传感器A的感测值的预测值的2个预测方程式E1、E2,当处理器判定传感器A不是处于正常状态,且入料门刚被开启,而入料门预计被持续开启5分钟时,处理器则可以是利用预测方程式E1,计算出传感器A的预测值,相对地,若入料门处于关闭状态,且入料门已经关闭超过30分钟时,处理器则可以是利用预测方程式E2,计算出传感器A的预测值。
更进一步来说,假设异常传感器位于邻近入料门的位置,则入料门被开启时,异常传感器周围的温度、湿度的变化将相对较大,此时,处理器例如可以是利用邻近于入料门的至少一个处于正常状态的传感器的感测值,配合其他相关数值,来计算出所述异常传感器的预测值。相对地,当入料门被关闭相对较长的时间时,仓储空间中的各区域的温度、湿度,将相对趋近一致,此时,处理器则可以利用不同的预测方程式,来计算出所述异常传感器的预测值,或者,也可以是,利用位于异常传感器周围的正常传感器的感测值的平均,作为异常传感器的预测值。
通过上述设计,仓储设备的处理器,可以在仓储设备处于不同的状态中,都能相对精准地计算出各个异常传感器的预测值,藉此,将可以大幅地降低处理器执行数值判断步骤S13时,发生误判的问题。
值得一提的是,在不同的实施例中,本实施例所举的流程,可以是与前述第三实施例一同混合为新的实施例。也就是说,处理器判定传感器A不是处于正常状态时,处理器可以是依据仓储设备的当前状态,以及此传感器A所处区域,来决定利用哪一个预测方程式及哪一些正常正常传感器所产生的感测值,来计算出异常传感器的预测值。
承上,举例来说,当仓储设备的入料门刚被开启,且异常传感器位于变化区,则处理器可以是利用位于异常传感器的周围且位于相同变化区内的正常传感器的感测值,配合一第一预测方程式,产生相对应的预测值;当仓储设备的入料门关闭一预定时间,且异常传感器位于变化区,则处理器可以是利用位于异常传感器的周围且位于相同变化区内的正常传感器的感测值,配合一第二预测方程式,产生相对应的预测值;当仓储设备的入料门刚被开启,且异常传感器不是位于变化区,则处理器可以是利用位于异常传感器的周围且同样不是位于变化区内的正常传感器的感测值,配合一第三预测方程式,产生相对应的预测值;当仓储设备的入料门已经关闭一段时间,且异常传感器不是位于变化区,则处理器可以是利用位于异常传感器的周围且同样不是位于变化区内的所有正常传感器的感测值的平均,作为异常传感器的预测值。
请一并参阅图1、图3及图8,仓储空间11还可以是连接一抽气装置200,处理装置3电性连接抽气装置200。仓体1包含一进气通道(图未示)、一维修门6、一门锁机构7及一氧浓度侦测器8,进气通道具有一进气门(图未示,例如是各式电动气阀)。处理器31产生所述警示信息后,若处理器31接收到一维修请求,则处理器31将执行一维修程序。
如图8所示,其显示为处理器31执行维修程序时的流程示意图,维修程序包含以下步骤:
一停止步骤S41:控制干燥气体供给设备停止运作;
一抽气步骤S42:控制抽气装置200运作,以使仓储空间11内的压力,低于仓储空间11外的压力;
一开启步骤S43:开启仓体1的进气门,以使仓体1外的空气能通过进气通道进入仓储空间11;
一侦测步骤S44:依据氧浓度侦测器8的一侦测值,判断仓储空间11内的一氧浓度值,是否达到一预定氧浓度值;
若判定仓储空间11内的氧浓度值,达到预定氧浓度值,则执行一解锁步骤S45:控制门锁机构7作动,而使维修门6由一上锁状态转换为一解锁状态;其中,门锁机构7未被控制而作动时,维修门6呈上锁状态;若判定仓储空间11内的氧浓度值,未达到预定氧浓度值,则重复执行维修程序。
具体来说,仓储设备100应用为储存半导体相关物料时,仓储空间11内,常会填充氮气或相关惰性气体,而仓储空间11内的氧气浓度是处于不利于人类呼吸的状态,因此,相关人员若是贸然开启维修门6,进入仓储空间11内,则可能发生缺氧的问题。是以,在实际应用中,维修门6是保持常关且上锁的状态,当相关人员欲进入仓储空间11内进行相关检修作业时,相关人员则必需通过操作相关装置,以向处理器发出维修请求,据以使处理器31执行所述维修程序,如此,在仓储空间11的氧浓度到达预定氧浓度值时,维修门6才会转换为解锁状态。
请参阅图9,其显示为本发明的仓储设备的监控方法的流程示意图。本发明的仓储设备的监控方法适用于一仓储设备,仓储设备的监控方法包含以下步骤:
一初始步骤SX0:控制设置于仓储设备的一仓储空间内的多个传感器运作;
一收集步骤SX1:收集每一个传感器于一预定感测时间内产生的感测值;
一状态判断步骤SX2:判断所有的传感器是否都处于一正常状态;其中,被判定处于所述正常状态的传感器定义为一正常传感器,被判定不是处于所述正常状态的传感器则定义为一异常传感器;
若所有的传感器都处于正常状态,则执行一数值判断步骤SX3:判断所有正常传感器的感测值是否都位于相对应的一容许范围内;
若判定所有的正常传感器的感测值都位于相对应的容许范围,则执行一结束步骤SX4:结束仓储设备的监控方法的流程。
若判定不是所有的传感器都处于正常状态,则于执行数值判断步骤SX3前,执行至少一次预测值生成步骤SX5,以计算出每一个所述异常传感器的一预测值,各个所述预测值用来代表所述异常传感器为正常状态时所产生的感测值。
本实施例所指的收集步骤SX1、状态判断步骤SX2、数值判断步骤SX3、结束步骤SX4、预测值生成步骤SX5及调整步骤SX6,与前述实施例中所指的收集步骤S11、状态判断步骤S12、数值判断步骤S13、结束步骤S14、预测值生成步骤S15、调整步骤S16相同,相关详细说明,请参阅前述实施例,于此不再赘述。另外,前述实施例所举的监控程序的各种变化实施例,都可以直接应用于本实施例的仓储设备的监控方法中,相关详细说明,请参阅前述实施例,于此不再赘述。
综上所述,本发明的仓储设备及仓储设备的监控方法,通过状态判断步骤、预测值生成步骤等设计,在传感器发生异常,但其感测值仍然可以被其他处于正常状态的传感器的感测值所预测时,仓储设备将不会立即地停止运作或是相关维修状态(例如是提升仓储空间内的氧浓度、使仓储空间的压力与仓储设备所处环境的压力趋近一致等),而相关人员将可以依据人力配置的状况,择日安排相关人员进入仓储空间中,对异常传感器进行相关检修作业。
以上所述仅为本发明的较佳可行实施例,非因此局限本发明的专利范围,故举凡运用本发明说明书及图式内容所做的等效技术变化,均包含于本发明的保护范围内。
Claims (16)
1.一种仓储设备,其特征在于,所述仓储设备包含:
一仓体,其内部具有一仓储空间;
多个传感器,其设置于所述仓储空间中,各个所述传感器用以感测其周围环境,以产生一感测值;
一处理装置,其包含一处理器及一储存器,所述储存器内储存有多个预测方程式,各个所述预测方程式用以利用至少一个所述传感器的所述感测值计算出一预测值,所述预测值用来代表另一个所述传感器的所述感测值;
其中,所述处理器能执行一监控程序,其包含以下步骤:
一收集步骤:收集每一个所述传感器于一预定感测时间内产生的所述感测值;
一状态判断步骤:判断所有的所述传感器是否都处于一正常状态;其中,被判定处于所述正常状态的所述传感器定义为一正常传感器;被判定不是处于所述正常状态的所述传感器定义为一异常传感器;
若所有的所述传感器都处于所述正常状态,则执行一数值判断步骤;
若不是所有的所述传感器都处于所述正常状态,则于执行所述数值判断步骤前,执行至少一次预测值生成步骤,以计算出每一个所述异常传感器的所述预测值,各个所述预测值用来代表所述异常传感器为所述正常状态时所产生的所述感测值;
所述预测值生成步骤为:利用其中一个所述预测方程式及位于所述异常传感器周围的至少一个所述正常传感器所产生的所述感测值,计算出相对应的所述预测值;
所述数值判断步骤为:判断所有的所述正常传感器的所述感测值及所有所述预测值,是否都位于相对应的一容许范围内;
若判定任一个所述感测值或任一个所述预测值超出相对应的所述容许范围,则执行一调整步骤:先控制一干燥气体供给设备运作一预定供气时间,以将一干燥气体输入所述仓储空间,再重新执行所述收集步骤及所述状态判断步骤;
若判定所有的所述感测值及所有的所述预测值都位于相对应的所述容许范围内,则结束所述监控程序。
2.依据权利要求1所述的仓储设备,其特征在于,所述处理装置执行所述监控程序的过程中,或者,所述处理装置执行所述监控程序后,所述处理装置能传递一监控信息至一显示设备,所述监控信息包含各个所述传感器的一状态数据、各个所述传感器的所述感测值或所述预测值,及一仓储设备状态数据,所述仓储设备状态数据为所述仓储设备的一入料门的启闭状态、所述仓储空间的一氧气浓度及所述仓储空间的一气压值中的至少一个。
3.依据权利要求1所述的仓储设备,其特征在于,各个所述预测方程式的依变量为一仓内环境数值,各个所述预测方程式的自变量至少包含:位于所述异常传感器的周围的其中至少一个处于所述正常状态的所述传感器的所述感测值、所述干燥气体的一气体状态数值、及所述仓储设备所处环境的一仓外环境数值;其中,所述仓内环境数值、所述气体状态数值及所述仓外环境数值皆为湿度,或者,所述仓内环境数值、所述气体状态数值及所述仓外环境数值皆为温度。
4.依据权利要求1所述的仓储设备,其特征在于,各个所述预测方程式的自变量还包含所述仓储空间的尺寸、所述干燥气体供给设备单位时间提供的所述干燥气体的流量中的至少一个。
5.依据权利要求1所述的仓储设备,其特征在于,于所述状态判断步骤中,所述处理器是先控制所有的所述传感器作动,并于各个所述传感器作动所述预定感测时间后,将没有回传所述感测值的所述传感器判定为所述异常传感器,且所述处理器还会依据各个所述传感器所回传的所述感测值,来决定各个所述传感器是所述正常传感器或是所述异常传感器;若所述传感器所回传的所述感测值大于一预设上限值,或者,所述传感器所回传的所述感测值小于一预设下限值,则所述处理器将判定所述传感器为所述异常传感器。
6.依据权利要求1所述的仓储设备,其特征在于,各个所述传感器每间隔一预定时间,将回传其所感测的所述感测值至所述处理器;于所述状态判断步骤中,所述处理器是判断每一个所述传感器当前传递的所述感测值,与前一次传递的所述感测值的时间差,是否超过一预设时间差,若任一个所述传感器当前传递的所述感测值,与前一次传递的所述感测值的时间差,被所述处理器判断为超过所述预设时间差,则所述处理器将判定所述传感器为所述异常传感器。
7.依据权利要求1所述的仓储设备,其特征在于,所述处理器执行所述状态判断步骤后,若判定所有的所述传感器都不是处于所述正常状态,则结束所述监控程序,并发出相应的一警示信息;于所述调整步骤前,还包含一次数判断步骤:判断所述调整步骤被执行过的次数是否超过一预定次数,若超过所述预定次数,则结束所述监控程序,并发出相对应的一警示信息;于所述预测值生成步骤中,若所有的所述异常传感器的所述预测值皆能被计算出来,则执行所述数值判断步骤;若任一个所述异常传感器的所述预测值无法被计算出来,则结束所述监控程序,并发出相应的一警示信息。
8.依据权利要求1所述的仓储设备,其特征在于,于所述状态判断步骤后,若任一个所述传感器不是处于所述正常状态,则于执行所述预测值生成步骤前,是先执行一异常数量判断步骤:判断所有的所述异常传感器的一异常总数量,是否超过所有传感器的总数的一预定比例,并判断所述异常总数量是否等于所有传感器的总数;若判定所述异常总数量超过所有所述传感器的所述总数的所述预定比例,或者,若判定所述异常总数量等于所有所述传感器的所述总数,则停止执行所述监控程序,并发出相应的一警示信息;若所述异常总数量没有超过所述总数的所述预定比例,则执行所述预测值生成步骤。
9.依据权利要求7或8所述的仓储设备,其特征在于,所述仓储空间还连接一抽气装置,所述处理装置电性连接所述抽气装置;所述仓体包含一进气通道、一维修门、一门锁机构及一氧浓度侦测器,所述进气通道具有一进气门;所述处理器发出所述警示信息后,若所述处理器接收到一维修请求,则所述处理器执行一维修程序,其包含以下步骤:
控制所述干燥气体供给设备停止运作;
控制所述抽气装置运作,以使所述仓储空间内的压力,低于所述仓储空间外的压力;
开启所述仓体的所述进气门,以使所述仓体外的空气能通过所述进气通道进入所述仓储空间;
利用所述氧浓度侦测器的一侦测值,判断所述仓储空间内的一氧浓度值,是否达到一预定氧浓度值;
若判定所述仓储空间内的所述氧浓度值,达到所述预定氧浓度值,则控制所述门锁机构作动,而使所述维修门由一上锁状态转换为一解锁状态;其中,所述门锁机构未被控制而作动时,所述维修门呈所述上锁状态;
若判定所述仓储空间内的所述氧浓度值,未达到所述预定氧浓度值,则重复执行所述维修程序。
10.依据权利要求1所述的仓储设备,其特征在于,所述储存器中储存有至少两个所述预测方程式;于所述预测值生成步骤前还包含一区域查询步骤:利用所述异常传感器的一识别数据,于所述储存器中查询出所述异常传感器是否位于一变化区;
若判定所述异常传感器位于所述变化区,则利用相对应的所述预测方程式,及位于所述变化区的至少一个所述正常传感器所产生的所述感测值,计算出所述异常传感器的所述预测值。
11.依据权利要求10所述的仓储设备,其特征在于,于所述区域查询步骤中,是利用所述识别数据,于所述储存器中查询出所述异常传感器是否位于所述变化区的一上游区或所述变化区的一下游区;
若判定所述异常传感器位于所述上游区,则利用相对应的所述预测方程式,配合位于所述上游区的至少一个所述正常传感器所产生的所述感测值及位于所述下游区中至少一个所述正常传感器所产生的所述感测值中的至少一个,计算出所述异常传感器的所述预测值;
若判定所述异常传感器位于所述下游区,则利用相对应的所述预测方程式,配合位于所述上游区的至少一个所述正常传感器所产生的所述感测值及位于所述下游区的至少一个所述正常传感器所产生的所述感测值中的至少一个,计算出所述异常传感器的所述预测值。
12.依据权利要求10所述的仓储设备,其特征在于,于所述区域查询步骤中,若查出所述传感器不是位于所述变化区,则判定所述传感器位于一稳定区,并利用位于所述稳定区的其余的所述正常传感器的所述感测值的平均,作为所述异常传感器的所述预测值,或者,利用另一所述预测方程式及位于所述稳定区的至少一个所述正常传感器所产生的所述感测值,计算出所述异常感测的所述预测值。
13.依据权利要求1所述的仓储设备,其特征在于,所述仓储设备包含多个承载架及一移载装置,各个所述承载架与所述仓体相连接,且多个所述承载架是上下间隔地设置于所述仓储空间中,各个所述承载架环绕所述移载装置设置,各个所述承载架用以承载多个待仓储物;每一个所述承载架的周围设置有多个所述传感器;所述移载装置用以将所述待仓储物移入或移出所述仓储空间;邻近于各个所述承载架的多个所述传感器,是以所述移载装置为中心,平均地分散设置于所述承载架的周围;于所述调整步骤中,所述处理装置还会控制所述移载装置运作。
14.依据权利要求1所述的仓储设备,其特征在于,所述仓储设备还包含至少一气压传感器,所述气压传感器电性连接所述处理装置,所述气压传感器位于所述仓储空间中;当所述处理装置执行所述调整步骤时,所述处理装置将通过所述气压传感器,侦测所述仓储空间内的气压,且若所述处理装置判定所述仓储空间内的气压,超过一预定气压值时,所述处理装置将控制所述仓体的一排气门开启,以使所述仓储空间能通过所述排气门与外连通,直到所述处理装置判定所述仓储空间内的气压,不超过所述预定气压值,所述处理装置才控制所述排气门关闭。
15.依据权利要求1所述的仓储设备,其特征在于,于所述储存器中,每一个所述传感器的所述预测值,能被至少两个所述预测方程式计算得到,于所述预测值生成步骤中,是依据所述仓储设备的一当前状态及一状态维持时间,决定利用对应于所述异常传感器的哪一个所述预测方程式计算出所述预测值;所述当前状态至少包含一开门状态及一闭门状态。
16.一种仓储设备的监控方法,其特征在于,所述仓储设备的监控方法适用于一仓储设备,所述仓储设备的监控方法包含以下步骤:
一初始步骤:控制设置于所述仓储设备的一仓储空间内的多个传感器运作;
一收集步骤:收集每一个所述传感器于一预定感测时间内产生的一感测值;
一状态判断步骤:判断所有的所述传感器是否都处于一正常状态;其中,被判定处于所述正常状态的所述传感器定义为一正常传感器;被判定不是处于所述正常状态的所述传感器定义为一异常传感器;
若所有的所述传感器都处于所述正常状态,则执行一数值判断步骤;
若不是所有的所述传感器都处于所述正常状态,则于执行所述数值判断步骤前,执行至少一次预测值生成步骤,以计算出每一个所述异常传感器的一预测值,各个所述预测值用来代表所述异常传感器为所述正常状态时所产生的所述感测值;
所述预测值生成步骤为:利用一预测方程式及位于所述异常传感器周围的至少一个所述正常传感器所产生的所述感测值,计算出相对应的所述预测值;
所述数值判断步骤为:判断所有的所述正常传感器的所述感测值及所有所述预测值,是否都位于相对应的一容许范围内;
若判定任一个所述感测值或任一个所述预测值超出相对应的所述容许范围,则执行一调整步骤:先控制一干燥气体供给设备运作一预定供气时间,以将一干燥气体输入所述仓储空间,再重新执行所述收集步骤及所述状态判断步骤;
若判定所有的所述感测值及所有的所述预测值都位于相对应的所述容许范围,则结束所述仓储设备的监控方法。
Applications Claiming Priority (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US202163145231P | 2021-02-03 | 2021-02-03 | |
US63/145,231 | 2021-02-03 | ||
TW111101925A TWI792868B (zh) | 2021-02-03 | 2022-01-18 | 倉儲設備及倉儲設備的監控方法 |
TW111101925 | 2022-01-18 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114858205A true CN114858205A (zh) | 2022-08-05 |
CN114858205B CN114858205B (zh) | 2024-03-01 |
Family
ID=82627677
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210087954.5A Active CN114858205B (zh) | 2021-02-03 | 2022-01-25 | 仓储设备及仓储设备的监控方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114858205B (zh) |
Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1946286A (zh) * | 2004-03-01 | 2007-04-11 | 模拟帝私人有限公司 | 环境控制的方法和设备 |
CN102752578A (zh) * | 2012-06-05 | 2012-10-24 | 深圳市粮食集团有限公司 | 粮食存储的异常监控系统及方法 |
CN103476042A (zh) * | 2013-09-03 | 2013-12-25 | 吉林大学 | 环境监测系统中的无线温度传感器优化部署方法 |
CN105204474A (zh) * | 2015-10-10 | 2015-12-30 | 国家电网公司 | 一种变电站环境智能监控系统 |
TW201629919A (zh) * | 2015-02-09 | 2016-08-16 | 臺灣塑膠工業股份有限公司 | 異常預知提醒方法 |
KR20170048843A (ko) * | 2015-10-27 | 2017-05-10 | 삼성에스디에스 주식회사 | 센서 데이터를 이용한 이상 감지 장치 및 방법 |
CN107392393A (zh) * | 2017-08-17 | 2017-11-24 | 重庆斯德姆生物技术有限公司 | 一种具有环境预测和自动调节的干细胞运输远程系统 |
CN108016800A (zh) * | 2017-05-31 | 2018-05-11 | 真玫智能科技(深圳)有限公司 | 仓储模组、控制方法、服务器及计算机可读介质 |
CN108089962A (zh) * | 2017-11-13 | 2018-05-29 | 北京奇艺世纪科技有限公司 | 一种异常检测方法、装置及电子设备 |
TW201917373A (zh) * | 2017-10-20 | 2019-05-01 | 營邦企業股份有限公司 | 濕度、震動及灰塵偵測系統 |
CN110347063A (zh) * | 2018-04-02 | 2019-10-18 | 范俊杰 | 物流载具监控系统 |
CN111077927A (zh) * | 2019-12-30 | 2020-04-28 | 绍兴文理学院 | 一种基于数据采集的计算机运行环境自动调整系统 |
KR20200047103A (ko) * | 2018-10-26 | 2020-05-07 | 광주과학기술원 | 환경 통합 모니터링 모듈을 이용한 환경 통합 모니터링 장치 및 그 방법 |
CN111296183A (zh) * | 2020-02-02 | 2020-06-19 | 江苏大学 | 一种食用菌菇房环境控制系统及方法 |
CN111562023A (zh) * | 2020-05-22 | 2020-08-21 | 上海红檀智能科技有限公司 | 风电场箱变仓内设备温度综合监测预警装置及预警方法 |
CN112161648A (zh) * | 2020-09-14 | 2021-01-01 | 精英数智科技股份有限公司 | 异常传感器的识别方法、装置、可读存储介质及电子设备 |
CN112241154A (zh) * | 2020-10-15 | 2021-01-19 | 杭州澳亚生物技术有限公司 | 一种gmp车间智能化监控管理系统 |
-
2022
- 2022-01-25 CN CN202210087954.5A patent/CN114858205B/zh active Active
Patent Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1946286A (zh) * | 2004-03-01 | 2007-04-11 | 模拟帝私人有限公司 | 环境控制的方法和设备 |
CN102752578A (zh) * | 2012-06-05 | 2012-10-24 | 深圳市粮食集团有限公司 | 粮食存储的异常监控系统及方法 |
CN103476042A (zh) * | 2013-09-03 | 2013-12-25 | 吉林大学 | 环境监测系统中的无线温度传感器优化部署方法 |
TW201629919A (zh) * | 2015-02-09 | 2016-08-16 | 臺灣塑膠工業股份有限公司 | 異常預知提醒方法 |
CN105204474A (zh) * | 2015-10-10 | 2015-12-30 | 国家电网公司 | 一种变电站环境智能监控系统 |
KR20170048843A (ko) * | 2015-10-27 | 2017-05-10 | 삼성에스디에스 주식회사 | 센서 데이터를 이용한 이상 감지 장치 및 방법 |
CN108016800A (zh) * | 2017-05-31 | 2018-05-11 | 真玫智能科技(深圳)有限公司 | 仓储模组、控制方法、服务器及计算机可读介质 |
CN107392393A (zh) * | 2017-08-17 | 2017-11-24 | 重庆斯德姆生物技术有限公司 | 一种具有环境预测和自动调节的干细胞运输远程系统 |
TW201917373A (zh) * | 2017-10-20 | 2019-05-01 | 營邦企業股份有限公司 | 濕度、震動及灰塵偵測系統 |
CN108089962A (zh) * | 2017-11-13 | 2018-05-29 | 北京奇艺世纪科技有限公司 | 一种异常检测方法、装置及电子设备 |
CN110347063A (zh) * | 2018-04-02 | 2019-10-18 | 范俊杰 | 物流载具监控系统 |
KR20200047103A (ko) * | 2018-10-26 | 2020-05-07 | 광주과학기술원 | 환경 통합 모니터링 모듈을 이용한 환경 통합 모니터링 장치 및 그 방법 |
CN111077927A (zh) * | 2019-12-30 | 2020-04-28 | 绍兴文理学院 | 一种基于数据采集的计算机运行环境自动调整系统 |
CN111296183A (zh) * | 2020-02-02 | 2020-06-19 | 江苏大学 | 一种食用菌菇房环境控制系统及方法 |
CN111562023A (zh) * | 2020-05-22 | 2020-08-21 | 上海红檀智能科技有限公司 | 风电场箱变仓内设备温度综合监测预警装置及预警方法 |
CN112161648A (zh) * | 2020-09-14 | 2021-01-01 | 精英数智科技股份有限公司 | 异常传感器的识别方法、装置、可读存储介质及电子设备 |
CN112241154A (zh) * | 2020-10-15 | 2021-01-19 | 杭州澳亚生物技术有限公司 | 一种gmp车间智能化监控管理系统 |
Also Published As
Publication number | Publication date |
---|---|
CN114858205B (zh) | 2024-03-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR101208295B1 (ko) | 반도체 제조 장치, 당해 반도체 제조 장치에 있어서의 이상을 검출하는 방법, 및 당해 방법을 실시하기 위한 컴퓨터 프로그램을 기록한 기억 매체 | |
US20210088390A1 (en) | Continuous calibration of sensors in a remotely monitored cooling system | |
EP3186683B1 (en) | Intelligent programmable logic controller | |
JP2009054843A (ja) | プロセス異常検出装置および方法並びにプログラム | |
EP3655143B1 (en) | Gas supply system | |
US20090053017A1 (en) | Storage and purge system for semiconductor wafers | |
US20110301720A1 (en) | Safety controller and method for controlling an automated installation | |
CN105807709B (zh) | 一种用于智能仓储物料存取的控制系统及方法 | |
US10607868B2 (en) | Manufacturing cell and manufacturing cell management system | |
JP2016525738A (ja) | プロセス制御システムにおいて流体供給を管理する方法及び装置 | |
CN108074832A (zh) | 异常探测装置 | |
JP4887628B2 (ja) | 半導体製造装置、コンピュータプログラム及び記憶媒体 | |
TW202003353A (zh) | 基板收納容器管理系統、裝載埠、基板收納容器管理方法 | |
CN112327980A (zh) | 一种基于物联网的自动化气调设备环境远程监控系统 | |
CN114858205A (zh) | 仓储设备及仓储设备的监控方法 | |
JP5567307B2 (ja) | 基板処理装置の異常検知システム、群管理装置、基板処理装置の異常検知方法及び基板処理システム。 | |
JP5142353B2 (ja) | 基板処理装置、基板処理装置の異常検出方法、基板処理システム、基板処理装置の異常検出プログラム及び半導体装置の製造方法 | |
US11662373B2 (en) | Substrate storage container management system, load port, and substrate storage container management method | |
JP2013211584A (ja) | 基板処理装置及びその表示方法並びに半導体装置の製造方法 | |
US20040044500A1 (en) | System and method for equipment malfunction detection and diagnosis | |
TWI792868B (zh) | 倉儲設備及倉儲設備的監控方法 | |
WO2007148640A1 (ja) | 基板処理システムおよび動作検証方法 | |
CN114946011A (zh) | 处理装置、显示装置、半导体器件的制造方法及程序 | |
KR20190102806A (ko) | 무선 IoT 기반 원격 진단장치 | |
CN211878484U (zh) | 微型气体供应控制器 |
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 |