CN116431998B - 一种洁净室的洁净度检测数据修正方法及系统 - Google Patents
一种洁净室的洁净度检测数据修正方法及系统 Download PDFInfo
- Publication number
- CN116431998B CN116431998B CN202310702797.9A CN202310702797A CN116431998B CN 116431998 B CN116431998 B CN 116431998B CN 202310702797 A CN202310702797 A CN 202310702797A CN 116431998 B CN116431998 B CN 116431998B
- Authority
- CN
- China
- Prior art keywords
- data
- cleanliness
- clean room
- correction
- detection data
- 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
- 230000003749 cleanliness Effects 0.000 title claims abstract description 113
- 238000001514 detection method Methods 0.000 title claims abstract description 86
- 238000012937 correction Methods 0.000 title claims abstract description 70
- 238000000034 method Methods 0.000 title claims abstract description 50
- 238000005070 sampling Methods 0.000 claims abstract description 67
- 238000004364 calculation method Methods 0.000 claims abstract description 21
- 238000010586 diagram Methods 0.000 claims abstract description 17
- 230000002159 abnormal effect Effects 0.000 claims abstract description 7
- 230000004927 fusion Effects 0.000 claims abstract description 6
- 239000002245 particle Substances 0.000 claims description 47
- 238000012360 testing method Methods 0.000 claims description 18
- 238000005259 measurement Methods 0.000 claims description 11
- 239000011159 matrix material Substances 0.000 claims description 9
- 238000004140 cleaning Methods 0.000 claims description 6
- 238000003860 storage Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 5
- 238000009826 distribution Methods 0.000 claims description 5
- 230000003287 optical effect Effects 0.000 claims description 5
- 238000012061 filter integrity test Methods 0.000 claims description 3
- 238000005192 partition Methods 0.000 claims description 3
- 238000010276 construction Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000005494 condensation Effects 0.000 description 2
- 238000009833 condensation Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/10—Pre-processing; Data cleansing
- G06F18/15—Statistical pre-processing, e.g. techniques for normalisation or restoring missing data
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume, or surface-area of porous materials
- G01N15/06—Investigating concentration of particle suspensions
-
- 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
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- 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
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
- G06F18/251—Fusion techniques of input or preprocessed data
-
- G01N15/075—
Abstract
本发明公开了一种洁净室的洁净度检测数据修正方法及系统,属于数据修正技术领域,方法包括:设置洁净室采样点,利用仪器采集洁净室的洁净度检测数据,建立坐标系,将洁净度检测数据以折线图形式展示,根据折线图寻找出异常点数据,确认待修正洁净度数据,利用数据修正策略,对待修正洁净度数据进行修正,利用平均值方法,对修正后的洁净度数据和无需修正的数据融合计算,得到洁净室的洁净度检测数据,利用数据修正策略和平均值方法,能够实时对洁净度数据进行修正,并且提高了修正的准确率。
Description
技术领域
本发明属于数据修正技术领域,具体的说是一种洁净室的洁净度检测数据修正方法及系统。
背景技术
洁净室或洁净区定期进行性能测试或检测的目的是认证该洁净室或洁净区始终符合标准和规范的要求。在洁净室或洁净区的检测参数中,洁净度是最主要的参数,也是建设单位最关心的参数。并且建设单位最关心运行状态下的洁净室空气洁净度等级,即生产设备运转及操作人员在场的工作状态时的测试结果,即动态的测试结果。而施工单位通常希望在空态下进行检测,因此洁净室在检测之前首先要明确洁净室的占用状态是空态、静态还是动态。
利用仪器进行检测时,对测量的精度要求较高,实际上仪器会有遗留微粒和空气中其他微粒杂质影响测量,数据会发生偏差,导致检测的结果不准确,本发明提出洁净度检测数据修正方法,对测量的不准确数据进行识别和修正。
如授权公告号为CN111241082B的中国专利公开了一种数据修正方法及装置,属于计算机技术领域。所述方法包括:获取针对待修正数据的数据表,所述数据表包括一个或多个待修正实例,其中所述待修正实例的内容包括修正值、与所述修正值对应的第一字段名称、关于所述第一字段名称所属的业务单中的数据项;对所述数据表中的所述待修正实例的内容进行校验;以及针对校验通过的所述待修正实例,使用所述修正值更新与所述第一字段名称对应的字段值。其能够实现对需要修正的数据进行批量修改,从而能够对错误类数据进行快速修正,同时不用改变业务流程和业务状态。
如授权公告号为CN113342799B的中国专利公开了一种数据修正方法及系统,方法包括:从预设的实验数据库中获取实验数据,所述实验数据带有分类标签;根据所述分类标签,从预设的标准数据库中获取与所述实验数据对应的标准数据,所述标准数据用于为实验提供数据指导;通过对比标准数据与多项对应的实验数据之间的差异度,确定待修正数据;将所述待修正数据和多项对应的所述实验数据输入预设的修正参数获取模型,获取所述待修正数据的修正参数;根据所述修正参数,对所述待修正数据进行修正。
发明内容
本发明设置洁净室采样点,利用仪器采集洁净室的洁净度检测数据,建立坐标系,将洁净度检测数据以折线图形式展示,根据折线图寻找出异常点数据,确认待修正洁净度数据,利用数据修正策略,对待修正洁净度数据进行修正,利用平均值方法,对修正后的洁净度数据和无需修正的数据融合计算,得到洁净室的洁净度检测数据,利用数据修正策略和平均值方法,能够实时对洁净度数据进行修正,并且提高了修正的准确率。
为实现上述目的,本发明提供如下技术方案:
一种洁净室的洁净度检测数据修正方法,包括:
步骤S1:设置洁净室采样点,利用仪器采集洁净室的洁净度检测数据;
步骤S2:建立坐标系,将洁净度检测数据以折线图形式展示,根据折线图寻找出异常点数据,确认待修正数据;
步骤S3:利用数据修正策略,对待修正洁净度数据进行修正;
步骤S4:利用平均值方法,对修正后的洁净度数据和无需修正的数据融合计算,得到洁净室的洁净度检测数据。
具体的,所述步骤S3包括数据修正策略,所述数据修正策略具体步骤包括:
步骤S301:设定两组洁净度数据和/>,/>和/>分别为两种仪器在同样的测量点测量符合采样条件的的数据,/>,/>,其中n表示测量的次数;
步骤S302:计算两组洁净度数据间的皮尔逊相关系数,计算公式为:
,
其中,为X和Y的相关系数,/>为X和Y的协方差,/>表示X的标准差,/>表示Y的标准差;
步骤S303:设定检测的方法为m种,则洁净度检测数据的相关性矩阵计算公式为:
,
其中,表示一个检测点的第i种检测方法和第j种检测方法检测出数据的相关系数;
步骤S304:将相关系数大于0.9和小于0.9的标记出,利用相关系数大于0.9对相关系数小于0.9进行修复,计算公式为:
,
其中,表示修复系数,k表示相关性矩阵中相关系数小于0.9的同行同列中相关系数大于0.9的数量,/>表示相关性矩阵中相关系数小于0.9的同行同列中相关系数大于0.9的数据;
步骤S305:设定数据中第s个数据有误,找出和/>相等系数的数据/>,利用/>来替代/>,得到修正后的采样点的洁净度数据;
步骤S306:循环步骤S305和步骤S305,直至所有有误数据都被修正。
具体的,所述步骤4的具体方法为:
步骤S401:设定修正后的采样点数据为,计算采样点微粒的平均值,计算公式为:
,
其中,表示第o个采样点,第m次测得的微粒浓度,m表示在o采样点上测定的次数,/>表示第i个采样点、第j次测得的微粒浓度;
步骤S402:计算微粒浓度的总平均值,计算公式为:
,
其中,o表示采样点的个数,表示第i个采样点微粒的平均值;
步骤S403:计算采样点浓度不均匀性的标准偏差S和置信度为95%的微粒浓度总平均值;
计算置信度为95%的微粒浓度总平均值,计算公式为:
,
其中,为95%置信上限所用的t分布值,/>为数据修正后的微粒浓度总平均值,即数据修正后的洁净室的洁净度数据值。
具体的,所述步骤S2的具体方法为:
所述步骤S1的具体方法为:
步骤S101:计算房间面积,完成测试前工作,确定采样点点数,并将采样点均匀分布在整个洁净室内,并绘制测点布置图,采样点布置在离地0.8m高度的水平面上,若采样点在洁净工作台上,则布置在工作台面上0.2m高度的水平面上;
步骤S102:将仪器放置在测点位置处,然后开始进行自净,直到仪器计数显示为0;
步骤S103:自净完成后,将仪器放在第一个点位,开始进行采集,直至第一个点所有次数全部测量完成,将仪器移至第二个点,重复直到最后一点的所有次数全部测完。
具体的,所述采样条件为:对于单向流做到等速采样和采样管的入口对着气流的主方向。
具体的,所述微粒浓度的总平均值计算公式为:
。
具体的,所述测试前工作包括:送风量测试、压差测试、隔断结构气密性测试和高效过滤器完整性测试。
具体的,一种电子设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器,用于所述的洁净室的洁净度检测数据修正方法的步骤。
具体的,一种计算机可读存储介质,其上存储有计算机指令,当计算机指令运行时执行所述的洁净室的洁净度检测数据修正方法的的步骤。
具体的,一种洁净室的洁净度检测数据修正系统,包括:
洁净度检测仪器,用于检测洁净室空气中的粒子数量;
数据修正模块,用于修正洁净度检测数据,利用仪器采集洁净室的洁净度检测数据,建立坐标系,将洁净度检测数据以折线图形式展示,根据折线图寻找出异常点数据,确认待修正洁净度数据,利用数据修正策略,对待修正洁净度数据进行修正,利用平均值方法,对修正后的洁净度数据和无需修正的数据融合计算,得到洁净室的洁净度检测数据,利用数据修正策略和平均值方法,能够实时对洁净度数据进行修正;
数据显示模块,用于显示洁净度检测数据和洁净度修正后的数据。
具体的,数据显示模块的数据展示方式为折线图。
具体的,洁净度检测仪器,包括光散粒子计数器、激光粒子计数器、和凝聚核粒子计数器和离散粒子计数器。
与现有技术相比,本发明的有益效果是:
1.本发明提出了一种洁净室的洁净度检测数据修正方法,该方法流程简单,投资运行费用低廉,生产工作成本低的优点,提高了数据修正准确率和效率。
2.本发明提出了数据修正策略,通过计算任意两组洁净度数据的皮尔逊相关系数,来计算m种检测方法检测数据的相关系数矩阵,将相关系数大于0.9和相关小于0.9的标记出,利用相关系数大于0.9对相关系数小于0.9进行修复,计算出修复系数进行数据修复,通过平均值方法,计算置信度为95%的洁净度总平均值,完成洁净室的洁净度检测数据修复,利用数据修正策略和平均值方法,能够实时对洁净度数据进行修正,并且提高了修正的准确率。
附图说明
图1为本发明洁净室的洁净度检测数据修正方法流程图;
图2为本发明洁净度检测数据修正前和修正后的折线示意图;
图3为本发明电子设备结构图;
图4为本发明洁净室的洁净度检测数据修正系统架构图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本发明一部分实施例,而不是全部的实施例。
实施例1
请参阅图1-图2,本发明提供的一种实施例:一种洁净室的洁净度检测数据修正方法,包括:
步骤S1:设置洁净室采样点,利用仪器采集洁净室的洁净度检测数据;
说明:洁净室的洁净度即为洁净室的悬浮微粒的浓度,洁净度的检测采用多点采样的方式,洁净度检测的最少采样点数按下式计算:,其中,/>表示最少采样点数,/>表示洁净室或洁净区的面积,单位为m2,采样点单次最少采样量按下式计算:,/>表示每个采样点单次最少采样量,/>表示相关等级规定的所选最大粒径的等级限值,20表示粒子浓度出狱空气洁净度等级限值,应被仪器测到的最少粒子数;
步骤S2:建立坐标系,将洁净度检测数据以折线图形式展示,根据折线图寻找出异常点数据,确认待修正数据;
步骤S3:利用数据修正策略,对待修正洁净度数据进行修正;
步骤S4:利用平均值方法,对修正后的洁净度数据和无需修正的数据融合计算,得到洁净室的洁净度检测数据。
采样点数据处理原则:当采样点数多于9个时,可以计算各采样点微粒浓度算术平均值,各采样点微粒浓度算术平均值作为洁净室空气中悬浮微粒的浓度,而无需再计算95%的置信上限;当采样点少于10个但多于1个时,应计算各采样点数据的总平均值、标准偏差和95%置信上限UCL;若在每个采样点测得的微粒浓度算术平均值或者95%置信上限不超过所检测洁净室或洁净区的浓度限值要求,则该洁净室或洁净区达到了相应的洁净度级别;如果检测结果不满足规定的洁净度级别,可适当增加均匀分布的新采样点进行检测,对包括新增采样点数据在内的所有数据重新计算后并作为最终的结果。
步骤S3包括数据修正策略,所述数据修正策略具体步骤包括:
步骤S301:设定两组洁净度数据和/>,/>和/>分别为两种仪器在同样的测量点测量的符合采样条件的数据,/>,/>,其中n表示测量的次数;
步骤S302:计算两组洁净度数据间的皮尔逊相关系数,计算公式为:
,
其中,为X和Y的相关系数,/>为X和Y的协方差,/>表示X的标准差,/>表示Y的标准差;
步骤S303:设定检测的方法为m种,则洁净度检测数据的相关性矩阵计算公式为:
,
其中,表示一个检测点的第i种检测方法和第j种检测方法检测出数据的相关系数;
步骤S304:将相关系数大于0.9和小于0.9的标记出,利用相关系数大于0.9对相关系数小于0.9进行修复,计算公式为:
,
其中,表示修复系数,k表示相关性矩阵中相关系数小于0.9的同行同列中相关系数大于0.9的数量,/>表示相关性矩阵中相关系数小于0.9的同行同列中相关系数大于0.9的数据;
步骤S305:设定数据中第s个数据有误,找出和/>相等系数的数据/>,利用/>来替代/>,得到修正后的采样点的洁净度数据;
步骤S306:循环步骤S305和步骤S305,直至所有有误数据都被修正。
步骤S4的具体方法为:
步骤S401:设定修正后的采样点数据为,计算采样点微粒的平均值,计算公式为:
,
其中,表示第o个采样点,第m次测得的微粒浓度,m表示在o采样点上测定的次数,/>表示第i个采样点、第j次测得的微粒浓度;
步骤S402:计算微粒浓度的总平均值,计算公式为:
,
其中,o表示采样点的个数,表示第i个采样点微粒的平均值;
步骤S403:计算采样点浓度不均匀性的标准偏差S,计算公式为:
,
计算置信度为95%的微粒浓度总平均值,计算公式为:
,
其中,为95%置信上限所用的t分布值,/>为数据修正后的微粒浓度总平均值,即数据修正后的洁净室的洁净度数据值。
上述步骤具体说明:为95%置信上限所用的t分布值,具体取值入下表1,
表1计算95%置信上限所用的t分布值
步骤S1的具体方法为:
步骤S101:计算房间面积,完成测试前工作,确定采样点点数,并将采样点均匀分布在整个洁净室内,并绘制测点布置图,采样点布置在离地0.8m高度的水平面上,若采样点在洁净工作台上,则布置在工作台面上0.2m高度的水平面上;
所述测试前工作包括:送风量测试、压差测试、隔断结构气密性测试和高效过滤器完整性测试。
步骤S102:将仪器放置在测点位置处,然后开始进行自净,直到仪器计数显示为0;
步骤S103:自净完成后,将仪器放在第一个点位,开始进行采集,直至第一个点所有次数全部测量完成,将仪器移至第二个点,重复直到最后一点的所有次数全部测完。
实施例2
请参阅图3,在本实施例中,还提供一种电子设备,包括存储器和处理器,存储器存储有计算机程序,处理器执行计算机程序时实现洁净室的洁净度检测数据修正方法的步骤。
电子设备详细说明:存储器可以是计算机可读信号介质或者非暂时性计算机可读存储介质或者是上述两者的任意组合。非暂时性计算机可读存储器例如可以是,但不限于,电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。非暂时性计算机可读存储器的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
一种计算机可读存储介质,其上存储有计算机指令,当计算机指令运行时执行洁净室的洁净度检测数据修正方法的步骤。
实施例3
请参阅图4,本发明还提供的一种实施例:一种洁净室的洁净度检测数据修正系统,其特征在于,包括:
洁净度检测仪器,用于检测洁净室空气中的粒子数量;
数据修正模块,用于修正洁净度检测数据,利用仪器采集洁净室的洁净度检测数据,建立坐标系,将洁净度检测数据以折线图形式展示,根据折线图寻找出异常点数据,确认待修正洁净度数据,利用数据修正策略,对待修正洁净度数据进行修正,利用平均值方法,对修正后的洁净度数据和无需修正的数据融合计算,得到洁净室的洁净度检测数据,利用数据修正策略和平均值方法,能够实时对洁净度数据进行修正;
数据显示模块,用于显示洁净度检测数据和洁净度修正后的数据。
数据显示模块的数据展示方式为折线图。
洁净度检测仪器,包括光散粒子计数器、激光粒子计数器、和凝聚核粒子计数器和离散粒子计数器。
本领域普通技术人员可以理解,以上所述仅为发明的优选实例而已,并不用于限制发明,尽管参照前述实例对发明进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各实例记载的技术方案进行修改,或者对其中部分技术特征进行等同替换。凡在发明的精神和原则之内,所做的修改、等同替换等均应包含在发明的保护范围之内。
Claims (11)
1.一种洁净室的洁净度检测数据修正方法,其特征在于,包括:
步骤S1:设置洁净室采样点,利用仪器采集洁净室的洁净度检测数据;
步骤S2:建立坐标系,将洁净度检测数据以折线图形式展示,根据折线图寻找出异常点数据,确认待修正洁净度数据;
步骤S3:利用数据修正策略,对待修正洁净度数据进行修正;
步骤S4:利用平均值方法,对修正后的洁净度数据和无需修正的数据融合计算,得到洁净室的洁净度检测数据;
所述步骤S3包括数据修正策略,所述数据修正策略具体步骤包括:
步骤S301:设定两组洁净度数据和/>,/>和/>分别为两种仪器在同样的测量点测量的符合采样条件的数据,/>,/>,其中n表示测量的次数;
步骤S302:计算两组洁净度数据间的皮尔逊相关系数,计算公式为:
,
其中,为X和Y的相关系数,/>为X和Y的协方差,/>表示X的标准差,/>表示Y的标准差;
步骤S303:设定检测的方法为m种,则洁净度检测数据的相关性矩阵计算公式为:
,
其中,表示一个检测点的第i种检测方法和第j种检测方法检测出数据的相关系数;
步骤S304:将相关系数大于0.9和小于0.9的标记出,利用相关系数大于0.9对相关系数小于0.9进行修复,计算公式为:
,
其中,表示修复系数,k表示相关性矩阵中相关系数小于0.9的同行同列中相关系数大于0.9的数量,/>表示相关性矩阵中相关系数小于0.9的同行同列中相关系数大于0.9的数据;
步骤S305:设定数据中第s个数据有误,找出和/>相等系数的数据,利用/>来替代/>,得到修正后的采样点的洁净度数据;
步骤S306:循环步骤S305和步骤S305,直至所有有误数据都被修正。
2.如权利要求1所述的一种洁净室的洁净度检测数据修正方法,其特征在于,所述步骤S4的具体方法为:
步骤S401:设定修正后的采样点数据为,计算采样点微粒的平均值,计算公式为:
,
其中,表示第o个采样点、第m次测得的微粒浓度,m表示在o采样点上测定的次数,/>表示第i个采样点、第j次测得的微粒浓度;
步骤S402:计算微粒浓度的总平均值,计算公式为:
,
其中,o表示采样点的个数,表示第i个采样点微粒的平均值;
步骤S403:计算采样点浓度不均匀性的标准偏差S和计算置信度为95%的微粒浓度总平均值,置信度为95%的微粒浓度总平均值计算公式为:
,
其中,为95%置信上限所用的t分布值,/>为数据修正后的微粒浓度总平均值,即数据修正后的洁净室的洁净度数据值。
3.如权利要求2所述的一种洁净室的洁净度检测数据修正方法,其特征在于,所述步骤S1的具体方法为:
步骤S101:计算房间面积,完成测试前工作,确定采样点点数,并将采样点均匀分布在整个洁净室内,并绘制测点布置图,采样点布置在离地0.8m高度的水平面上,若采样点在洁净工作台上,则布置在工作台面上0.2m高度的水平面上;
步骤S102:将仪器放置在测点位置处,然后开始进行自净,直到仪器计数显示为0;
步骤S103:自净完成后,将仪器放在第一个点位,开始进行采集,直至第一个点所有次数全部测量完成,将仪器移至第二个点,重复直到最后一点的所有次数全部测完。
4.如权利要求3所述的一种洁净室的洁净度检测数据修正方法,其特征在于,所述采样条件为:对于单向流做到等速采样和采样管的入口对着气流的主方向。
5.如权利要求4所述的一种洁净室的洁净度检测数据修正方法,其特征在于,所述微粒浓度的总平均值计算公式为:
。
6.如权利要求5所述的一种洁净室的洁净度检测数据修正方法,其特征在于,所述测试前工作包括:送风量测试、压差测试、隔断结构气密性测试和高效过滤器完整性测试。
7.一种电子设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1-6任一项所述的一种洁净室的洁净度检测数据修正方法的步骤。
8.一种计算机可读存储介质,其特征在于,其上存储有计算机指令,当计算机指令运行时执行权利要求1-6任一项所述的一种洁净室的洁净度检测数据修正方法的步骤。
9.一种洁净室的洁净度检测数据修正系统,其基于权利要求1-6中任一项所述的一种洁净室的洁净度检测数据修正方法实现,其特征在于,包括:
洁净度检测仪器,用于检测洁净室空气中的粒子数量;
数据修正模块,用于修正洁净度检测数据;
数据显示模块,用于显示洁净度检测数据和洁净度修正后的数据。
10.如权利要求9所述的一种洁净室的洁净度检测数据修正系统,其特征在于,所述数据显示模块的数据展示方式为折线图。
11.如权利要求10所述的一种洁净室的洁净度检测数据修正系统,其特征在于,所述洁净度检测仪器,包括光散粒子计数器、激光粒子计数器、和凝聚核粒子计数器和离散粒子计数器。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310702797.9A CN116431998B (zh) | 2023-06-14 | 2023-06-14 | 一种洁净室的洁净度检测数据修正方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310702797.9A CN116431998B (zh) | 2023-06-14 | 2023-06-14 | 一种洁净室的洁净度检测数据修正方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116431998A CN116431998A (zh) | 2023-07-14 |
CN116431998B true CN116431998B (zh) | 2023-09-01 |
Family
ID=87080149
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310702797.9A Active CN116431998B (zh) | 2023-06-14 | 2023-06-14 | 一种洁净室的洁净度检测数据修正方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116431998B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109003681A (zh) * | 2018-08-21 | 2018-12-14 | 昆明理工大学 | 一种基于指数加权移动平均的症状相关性预警算法 |
CN109726198A (zh) * | 2018-12-06 | 2019-05-07 | 中科恒运股份有限公司 | 异常数据处理方法及装置 |
CN113190016A (zh) * | 2021-05-21 | 2021-07-30 | 南京工业大学 | 一种用于洁净室的移动机器人检测系统与方法 |
CN115717890A (zh) * | 2022-10-13 | 2023-02-28 | 上海中电电子系统科技股份有限公司 | 一种基于机器人巡检的洁净室洁净度检测方法 |
-
2023
- 2023-06-14 CN CN202310702797.9A patent/CN116431998B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109003681A (zh) * | 2018-08-21 | 2018-12-14 | 昆明理工大学 | 一种基于指数加权移动平均的症状相关性预警算法 |
CN109726198A (zh) * | 2018-12-06 | 2019-05-07 | 中科恒运股份有限公司 | 异常数据处理方法及装置 |
CN113190016A (zh) * | 2021-05-21 | 2021-07-30 | 南京工业大学 | 一种用于洁净室的移动机器人检测系统与方法 |
CN115717890A (zh) * | 2022-10-13 | 2023-02-28 | 上海中电电子系统科技股份有限公司 | 一种基于机器人巡检的洁净室洁净度检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN116431998A (zh) | 2023-07-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107862338B (zh) | 基于双检验法的海洋环境监测数据质量管理方法及系统 | |
CN102449645B (zh) | 产品检查装置及产品检查方法 | |
CN109544533A (zh) | 一种基于深度学习的金属板缺陷检测和度量方法 | |
CN110941648A (zh) | 基于聚类分析的异常数据识别方法、系统和存储介质 | |
CN112508105A (zh) | 一种采油机故障检测与检索方法 | |
CN103675022A (zh) | Tds 检测方法、检测装置和检测系统 | |
CN114663744A (zh) | 基于机器学习的仪表自动识别方法及系统 | |
JP4658206B2 (ja) | 検査結果解析方法および検査結果解析装置、異常設備検出方法および異常設備検出装置、上記検査結果解析方法または異常設備検出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 | |
CN116431998B (zh) | 一种洁净室的洁净度检测数据修正方法及系统 | |
CN106814479A (zh) | 一种面板缺陷位置的偏移补偿方法、装置及系统 | |
CN116678368B (zh) | 基于bim技术的装配式钢结构数据智能采集方法 | |
CN107844679B (zh) | 一种分段式高炉铁水硅含量预测方法及装置 | |
CN115938009B (zh) | 一种智能电子巡检定位方法及系统 | |
CN112766301A (zh) | 一种采油机示功图相似性判断方法 | |
JP2018206291A (ja) | 省エネルギー効果算出装置および方法 | |
CN110850358A (zh) | 基于逐步回归算法的电能表综合检定方法及系统 | |
JP2740718B2 (ja) | ガス、蒸気等の漏洩地点および漏洩量推定システム | |
CN114944208B (zh) | 质量控制方法、装置、电子设备及存储介质 | |
CN112732773B (zh) | 一种继电保护缺陷数据的唯一性校核方法及系统 | |
CN211426456U (zh) | 一种用于溶解氧测试仪校准的检定装置 | |
WO2022134579A1 (zh) | 业务交易数据的异常检测方法、装置及计算机设备 | |
US10928801B2 (en) | Manufacturing statistical process control in the presence of multiple batch effects | |
CN105243299B (zh) | 一种检测cnv的精确断点及断点周围特征的方法及装置 | |
CN113919799B (zh) | 一种云管理平台审计控制器集群数据的方法及系统 | |
CN110807605A (zh) | 关键检验特性缺陷率统计方法 |
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 |