CN116596292B - 产生动态ocap异常行动计划的方法 - Google Patents
产生动态ocap异常行动计划的方法 Download PDFInfo
- Publication number
- CN116596292B CN116596292B CN202310868688.4A CN202310868688A CN116596292B CN 116596292 B CN116596292 B CN 116596292B CN 202310868688 A CN202310868688 A CN 202310868688A CN 116596292 B CN116596292 B CN 116596292B
- Authority
- CN
- China
- Prior art keywords
- ocap
- production
- abnormal
- flow
- dynamic
- 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
- 230000002159 abnormal effect Effects 0.000 title claims abstract description 66
- 238000000034 method Methods 0.000 title claims abstract description 61
- 238000004519 manufacturing process Methods 0.000 claims abstract description 78
- 238000005065 mining Methods 0.000 claims abstract description 32
- 239000004065 semiconductor Substances 0.000 claims abstract description 16
- 238000004458 analytical method Methods 0.000 claims abstract description 6
- 238000012544 monitoring process Methods 0.000 claims abstract description 5
- 238000003070 Statistical process control Methods 0.000 claims description 30
- 230000008569 process Effects 0.000 claims description 29
- 238000004422 calculation algorithm Methods 0.000 claims description 27
- 230000002068 genetic effect Effects 0.000 claims description 15
- 238000003860 storage Methods 0.000 claims description 9
- 230000009471 action Effects 0.000 claims description 6
- 238000005457 optimization Methods 0.000 claims description 6
- 230000006978 adaptation Effects 0.000 claims description 4
- 238000010353 genetic engineering Methods 0.000 claims description 3
- 238000003064 k means clustering Methods 0.000 claims description 3
- 230000035772 mutation Effects 0.000 claims description 3
- 238000007621 cluster analysis Methods 0.000 abstract 1
- 230000006870 function Effects 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 3
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000009897 systematic effect Effects 0.000 description 2
- BQCADISMDOOEFD-UHFFFAOYSA-N Silver Chemical compound [Ag] BQCADISMDOOEFD-UHFFFAOYSA-N 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 229910052737 gold Inorganic materials 0.000 description 1
- 239000010931 gold Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000004886 process control Methods 0.000 description 1
- 229910052709 silver Inorganic materials 0.000 description 1
- 239000004332 silver Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0633—Workflow analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/10—File systems; File servers
- G06F16/16—File or folder operations, e.g. details of user interfaces specifically adapted to file systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/10—File systems; File servers
- G06F16/18—File system types
- G06F16/1805—Append-only file systems, e.g. using logs or journals to store data
- G06F16/1815—Journaling file systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Economics (AREA)
- Biophysics (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- General Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Manufacturing & Machinery (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Physiology (AREA)
- Genetics & Genomics (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Computational Linguistics (AREA)
- Game Theory and Decision Science (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Educational Administration (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Human Computer Interaction (AREA)
- Development Economics (AREA)
Abstract
本发明公开了一种产生动态OCAP异常行动计划的方法，应用于半导体元器件生产控制系统，基于生产过程多个生产业务运行相关日志数据进行流程挖掘，构建工作流程模型库；当生产过程质量数据出现超出控制界限OOC或超出规格OOS时，产生动态OCAP异常行动计划即当前最优解决方案，基于所述动态OCAP异常行动计划调整相关事件节点的后续生产流程，结合聚类分析以及流程挖掘和SPC实时监控，提高生产过程的故障分析效率以及出现异常事件的后续智能化处理能力。
Description
技术领域
本申请属于基于流程挖掘的智能制造技术领域，尤其涉及一种半导体元器件智能制造过程中产生动态OCAP异常行动计划的方法及系统。
背景技术
统计过程控制（简称SPC，全称Statistical Process Control）是一种借助数理统计方法的过程控制工具。它对生产过程进行分析评价，根据反馈信息及时发现系统性因素出现的征兆，并采取措施消除其影响，使过程维持在仅受随机性因素影响的受控状态，以达到控制质量的目的。
在半导体元器件制造技术领域，大多数制造公司会通过SPC系统监控生产制造过程质量数据，以期尽早检测出各种潜在的严重生产质量问题，防止生产大批次不合格产品。当SPC系统检测出异常事件发生时，通常直接停止当前生产系统，并向工作人员发出异常警告信息等待后续人工管控。因此现有技术中，采用SPC系统监控半导体元器件制备过程工艺，其在确定生产过程中机台运行状况，故障分析效率上以及出现异常事件的后续智能化处理上还有待提高。
发明内容
针对现有技术中的缺陷，本发明提供一种产生动态OCAP（Out of Control ActionPlan）异常行动计划的方法和系统，通过结合聚类和流程挖掘，当产品质量参数发生OOC（Out Of Control，超出控制界限）和OOS（Out Of Specification，超出规格）时，自动生成动态OCAP异常行动计划以便于控制后续制造流程，快速恢复正常生产。为实现上述目的，本发明提供如下技术方案。
一种产生动态OCAP异常行动计划的方法，应用于半导体元器件生产控制系统，其特征在于，所述产生动态OCAP异常行动计划的方法包括以下步骤。
（S1）、生产日志数据库存储生产过程多个生产业务运行相关日志数据。
（S2）、流程挖掘模块基于上述日志数据进行流程挖掘，构建工作流程模型库；具体包括以下步骤。
（S2-1）、对生产日志数据库中的日志数据进行聚类算法处理，将所述日志数据划分为多个类别子日志，每一个类别子日志对应一个工作过程实例，一个工作过程实例包含若干个事件；所述聚类算法处理方式为K-means算法处理。
（S2-2）、采用遗传算法分别针对多个类别子日志进行流程挖掘，形成多个对应的工作流程子模型，汇总上述多个对应的工作流程子模型形成工作流程模型库。
所述采用遗传算法分别针对多个类别子日志进行流程挖掘实现如下。
以读取的目标类别子日志数据随机创建初始种群作为起点，每个种群对应一组工作流程子模型，一个个体等价于一个工作流程子模型，用适应度函数进行评估并记录个体的质量高低；然后，种群通过使用遗传操作，即选择、交叉、突变，从而产生新的遗传个体；算法未满足终止条件时，种群不断进化，适应性好的个体逐步往下一代的种群中迁移，最后得到最优遗传个体，生成对应的多个工作流程子模型。
（S3）、统计过程控制SPC模块实时监测生产过程质量数据，分析确定出现异常流程时，将异常流程对应的日志数据发送给流程挖掘模块，其中监测出现流程异常具体条件为生产过程质量数据出现超出控制界限OOC或超出规格OOS。
（S4）、流程挖掘模块获取所述异常流程对应的日志数据，通过K-means聚类算法处理确定所述异常流程对应的所属类别，并基于所述所属类别在所述工作流程模型库中检索与所述所属类别对应的工作流程子模型。
通过比较所述异常流程和所述所属类别对应的工作流程子模型里的预定流程之间的行为偏差，定位异常流程中问题出现的原因和事件节点。
基于所述原因和事件节点以及OCAP规则数据库，产生动态OCAP计划，所述动态OCAP计划包括对所述事件节点的异常流程的优化措施，所述优化措施包括针对后续流程的智能修订；其中所述OCAP规则数据库存储有异常流程对应的事件、原因以及设定的一个或多个处理措施，所述一个或多个处理措施包括人工设置的措施和经过对生产过程多个生产业务运行相关日志数据进行流程挖掘后流程挖掘模块智能生成的措施。
将所述动态OCAP计划发送至SPC模块，以便于SPC模块基于所述动态OCAP计划调整相关事件节点的后续生产流程。
SPC模块采集所述动态OCAP计划执行后生产质量数据，如果生产质量数据恢复正常，继续执行当前生产流程；如果生产质量数据仍然存在OOC或OOS，停止当前生产流程，并生成异常告警信息，发送给管理后台，由后台技术人员进行人工异常流程数据分析，并基于人工分析生成进一步管控措施。
本发明的另一目的在于提供一种半导体元器件生产控制系统，包括生产日志数据库、流程挖掘模块、统计过程控制SPC模块以及OCAP规则数据库；所述半导体元器件生产控制系统用于执行上述产生动态OCAP异常行动计划的方法。
本发明的另一目的在于提供一种计算机可读存储介质，存储一个或多个程序，所述一个或多个程序使得计算机执行上述产生动态OCAP异常行动计划的方法。
结合所述的所有技术方案，本发明与现有技术相比具有如下优点。
通过结合聚类和流程挖掘以及SPC监控，当产品质量参数发生OOC（Out OfControl，超出控制界限）和OOS（Out of Specification，超出规格）时，自动生成动态OCAP异常行动计划以便于控制后续制造流程，快速恢复正常生产。相比于现有技术在故障分析效率上以及出现异常事件的后续智能化处理有较大优势。
附图说明
图1是本发明半导体元器件生产控制系统的结构示意图。
具体实施方式
下面通过实施例并结合附图1做进一步描述。显然，所描述的实施例是本发明的部分实施例，而不是全部实施例。基于本发明的实施例，本领域普通技术人员在没有付出创造性劳动的前提下所获得的所有其他实施例，都属于本发明的保护范围。
本发明提供一种产生动态OCAP异常行动计划的方法，应用于图1所示的半导体元器件生产控制系统，所述产生动态OCAP异常行动计划的方法包括以下步骤。
（S1）、生产日志数据库存储生产过程多个生产业务运行相关日志数据。
（S2）、流程挖掘模块基于上述日志数据进行流程挖掘，构建工作流程模型库；具体包括以下步骤。
（S2-1）、对生产日志数据库中的日志数据进行聚类算法处理，将所述日志数据划分为多个类别子日志，每一个类别子日志对应一个工作过程实例，一个工作过程实例包含若干个事件；所述聚类算法处理方式为K-means算法处理。
（S2-2）、采用遗传算法分别针对多个类别子日志进行流程挖掘，形成多个对应的工作流程子模型，汇总上述多个对应的工作流程子模型形成工作流程模型库。
优选地，所述采用遗传算法分别针对多个类别子日志进行流程挖掘实现如下。
以读取的目标类别子日志数据随机创建初始种群作为起点，每个种群对应一组工作流程子模型，一个个体等价于一个工作流程子模型，用适应度函数进行评估并记录个体的质量高低；然后，种群通过使用遗传操作，即选择、交叉、突变，从而产生新的遗传个体；算法未满足终止条件时，种群不断进化，适应性好的个体逐步往下一代的种群中迁移，最后得到最优遗传个体，生成对应的多个工作流程子模型。
优选地，所述适应度函数的计算公式为。
。
其中、/>、/>、/>分别为工作流程子模型在重现度、精确度、通用性和简单性四方面质量指标的计算值，/>、/>、/>、/>分别是四个质量指标的权重；用户可以根据个人偏好设置流程模型在这四方面的权重；利用适应度函数计算当前工作流程子模型的适应值，按照预设比例将适应值最高的多个工作流程子模型直接保留到下一代。
优选地，所述遗传算法终止的条件为以下之一：适应度函数的值达到预设数值，算法的循环次数达到预设次数或适应度函数的值经历若干次循环未发生变化，其中若干次循环小于算法循环次数。
（S3）、统计过程控制SPC模块实时监测生产过程质量数据，分析确定出现异常流程时，将异常流程对应的日志数据发送给流程挖掘模块，其中监测出现异常流程具体条件为生产过程质量数据出现超出控制界限OOC或超出规格OOS。
（S4）、流程挖掘模块获取所述异常流程对应的日志数据，通过K-means聚类算法处理确定所述异常流程对应的所属类别，并基于所述所属类别在所述工作流程模型库中检索与所述所属类别对应的工作流程子模型。
通过比较所述异常流程和所述所属类别对应的工作流程子模型里的预定流程之间的行为偏差，定位异常流程中问题出现的原因和事件节点（即制造机台）。
基于所述原因和事件节点以及OCAP规则数据库，产生动态OCAP计划，所述动态OCAP计划包括对所述事件节点的异常流程的优化措施，所述优化措施包括针对后续流程的智能修订；其中所述OCAP规则数据库存储有异常流程对应的事件、原因以及设定的一个或多个处理措施，所述一个或多个处理措施包括人工设置的措施和经过对生产过程多个生产业务运行相关日志数据进行流程挖掘后流程挖掘模块智能生成的措施。
将所述动态OCAP计划发送至SPC模块，以便于SPC模块基于所述动态OCAP计划调整相关事件节点的后续生产流程。
优选地，所述后续流程的智能修订包括异常流程对应工艺步骤的调整以及工艺参数的调整。举例来说，相关工艺至少包括晶圆切割、银胶烘烤、金丝球焊等，相应的工艺参数为切口尺寸、粘结强度、金线推力和金球推力等。
优选地，SPC模块采集所述动态OCAP计划执行后生产质量数据，如果生产质量数据恢复正常，继续执行当前生产流程；如果生产质量数据仍然存在OOC或OOS，停止当前生产流程，并生成异常告警信息，发送给管理后台，由后台技术人员进行人工异常流程数据分析，并基于人工分析生成进一步管控措施。
另外，本发明半导体元器件生产控制系统的结构示意图见图1。
根据图1，本发明提供一种半导体元器件生产控制系统，包括生产日志数据库、流程挖掘模块、统计过程控制SPC模块以及OCAP规则数据库；所述半导体元器件生产控制系统用于执行上述产生动态OCAP异常行动计划的方法。
需要说明的是，本领域技术人员应当理解，所述半导体元器件生产控制系统的实施方式中所示的各模块的实现功能可参照所述产生动态OCAP异常行动计划的方法的相关描述而理解。所述半导体元器件生产控制系统的实施方式中所示的各模块的功能可通过运行于处理器上的程序(可执行指令)而实现，也可通过具体的逻辑电路而实现。
相应地，本发明还提供一种计算机可读存储介质，其中存储有计算机可执行指令，该计算机可执行指令被处理器执行时实现本申请的各方法实施方式。计算机可读存储介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括但不限于，相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。
此外应理解，以上所述仅为本说明书的较佳实施例而已，并非用于限定本说明书的保护范围。凡在本说明书一个或多个实施例的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本说明书一个或多个实施例的保护范围之内。
Claims (8)
1.一种产生动态OCAP异常行动计划的方法，应用于半导体元器件生产控制系统，其特征在于，所述产生动态OCAP异常行动计划的方法包括以下步骤：
（S1）、生产日志数据库存储生产过程多个生产业务运行相关日志数据；
（S2）、流程挖掘模块基于上述日志数据进行流程挖掘，构建工作流程模型库；具体包括以下步骤：
（S2-1）、对生产日志数据库中的日志数据进行聚类算法处理，将所述日志数据划分为多个类别子日志，每一个类别子日志对应一个工作过程实例，一个工作过程实例包含若干个事件；所述聚类算法处理方式为K-means算法处理；
（S2-2）、采用遗传算法分别针对多个类别子日志进行流程挖掘，形成多个对应的工作流程子模型，汇总形成工作流程模型库；
（S3）、统计过程控制SPC模块实时监测生产过程质量数据，分析确定出现异常流程时，将异常流程对应的日志数据发送给流程挖掘模块，其中监测出现异常流程的具体条件为生产过程质量数据出现超出控制界限OOC或超出规格OOS；
（S4）、流程挖掘模块获取所述异常流程对应的日志数据，通过K-means聚类算法处理确定所述异常流程对应的所属类别，并基于所述所属类别在所述工作流程模型库中检索与所述所属类别对应的工作流程子模型；
通过比较所述异常流程和所述所属类别对应的工作流程子模型里的预定流程之间的行为偏差，定位异常流程中问题出现的原因和事件节点；
基于所述原因和事件节点以及OCAP规则数据库，产生动态OCAP异常行动计划，所述动态OCAP异常行动计划包括对所述事件节点的异常流程的优化措施，所述优化措施包括针对后续流程的智能修订；其中所述OCAP规则数据库存储有异常流程对应的事件、原因以及设定的一个或多个处理措施，所述一个或多个处理措施包括人工设置的措施和经过对生产过程多个生产业务运行相关日志数据进行流程挖掘后流程挖掘模块智能生成的措施；
将所述动态OCAP异常行动计划发送至SPC模块，以便于SPC模块基于所述动态OCAP异常行动计划调整相关事件节点的后续生产流程。
2.如权利要求1所述的一种产生动态OCAP异常行动计划的方法，其特征在于，所述采用遗传算法分别针对多个类别子日志进行流程挖掘实现如下：
以读取的目标类别子日志数据随机创建初始种群作为起点，每个种群对应一组工作流程子模型，一个个体等价于一个工作流程子模型，用适应度函数进行评估并记录个体的质量高低；种群通过使用遗传操作，即选择、交叉、突变，从而产生新的遗传个体；遗传算法在满足终止条件之前，种群不断进化，适应性好的个体逐步往下一代的种群中迁移，最后得到最优遗传个体，生成对应的多个工作流程子模型。
3.如权利要求2所述的一种产生动态OCAP异常行动计划的方法，其特征在于，所述适应度函数的计算公式为：
；
其中、/>、/>、/>分别为工作流程子模型在重现度、精确度、通用性和简单性四方面质量指标的计算值，/>、/>、/>、/>分别是四个质量指标的权重；利用适应度函数计算当前工作流程子模型的适应值，按照预设比例将适应值最高的多个工作流程子模型直接保留到下一代。
4.如权利要求2所述的一种产生动态OCAP异常行动计划的方法，其特征在于，所述遗传算法终止的条件为以下之一：适应度函数的值达到预设数值，算法的循环次数达到预设次数或适应度函数的值经历若干次循环未发生变化，其中若干次循环小于算法循环次数。
5.如权利要求1所述的一种产生动态OCAP异常行动计划的方法，其特征在于，所述后续流程的智能修订包括异常流程对应工艺步骤的调整以及工艺参数的调整。
6.如权利要求1所述的一种产生动态OCAP异常行动计划的方法，其特征在于，SPC模块采集所述动态OCAP计划执行后生产质量数据，如果生产质量数据恢复正常，继续执行当前生产流程；如果生产质量数据仍然存在OOC或OOS，停止当前生产流程，并生成异常告警信息，发送给管理后台，由后台技术人员进行人工异常流程数据分析，并基于人工分析生成进一步管控措施。
7.一种半导体元器件生产控制系统，其特征在于，包括生产日志数据库、流程挖掘模块、统计过程控制SPC模块以及OCAP规则数据库，所述生产控制系统用于执行如权利要求1-6任一项所述的方法。
8.一种计算机可读存储介质，其特征在于，存储一个或多个程序，所述一个或多个程序使得计算机执行如权利要求1-6任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310868688.4A CN116596292B (zh) | 2023-07-17 | 2023-07-17 | 产生动态ocap异常行动计划的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310868688.4A CN116596292B (zh) | 2023-07-17 | 2023-07-17 | 产生动态ocap异常行动计划的方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116596292A CN116596292A (zh) | 2023-08-15 |
| CN116596292B true CN116596292B (zh) | 2023-09-12 |
Family
ID=87608527
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310868688.4A Active CN116596292B (zh) | 2023-07-17 | 2023-07-17 | 产生动态ocap异常行动计划的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116596292B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111158971A (zh) * | 2018-11-07 | 2020-05-15 | 夏普株式会社 | 信息处理装置、信息处理方法、以及记录介质 |
| CN114048870A (zh) * | 2021-11-04 | 2022-02-15 | 佳源科技股份有限公司 | 一种基于日志特征智能挖掘的电力系统异常监测方法 |
| CN114548935A (zh) * | 2022-02-24 | 2022-05-27 | 知微行易(上海)智能科技有限公司 | 一种下游派生流程自动发现方法 |
| CN116028266A (zh) * | 2022-12-23 | 2023-04-28 | 中国人民解放军战略支援部队信息工程大学 | 基于流程不变式的日志异常检测系统 |
| CN116090808A (zh) * | 2023-03-06 | 2023-05-09 | 北京神州光大科技有限公司 | 一种rpa断点重建方法、装置、电子设备和介质 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20140058789A1 (en) * | 2012-08-24 | 2014-02-27 | Markus Doehring | Process model generation and weak-spot analysis from plain event logs |
| US9928155B2 (en) * | 2015-11-18 | 2018-03-27 | Nec Corporation | Automated anomaly detection service on heterogeneous log streams |
| US11586972B2 (en) * | 2018-11-19 | 2023-02-21 | International Business Machines Corporation | Tool-specific alerting rules based on abnormal and normal patterns obtained from history logs |
| US11321165B2 (en) * | 2020-09-22 | 2022-05-03 | International Business Machines Corporation | Data selection and sampling system for log parsing and anomaly detection in cloud microservices |
-
2023
- 2023-07-17 CN CN202310868688.4A patent/CN116596292B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111158971A (zh) * | 2018-11-07 | 2020-05-15 | 夏普株式会社 | 信息处理装置、信息处理方法、以及记录介质 |
| CN114048870A (zh) * | 2021-11-04 | 2022-02-15 | 佳源科技股份有限公司 | 一种基于日志特征智能挖掘的电力系统异常监测方法 |
| CN114548935A (zh) * | 2022-02-24 | 2022-05-27 | 知微行易(上海)智能科技有限公司 | 一种下游派生流程自动发现方法 |
| CN116028266A (zh) * | 2022-12-23 | 2023-04-28 | 中国人民解放军战略支援部队信息工程大学 | 基于流程不变式的日志异常检测系统 |
| CN116090808A (zh) * | 2023-03-06 | 2023-05-09 | 北京神州光大科技有限公司 | 一种rpa断点重建方法、装置、电子设备和介质 |
Non-Patent Citations (1)
| Title |
|---|
| 基于日志自动机的过程模型异常行为的修复方法;汤晨;;怀化学院学报(11);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116596292A (zh) | 2023-08-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP4878085B2 (ja) | 製造工程のための管理方法 | |
| CN112433919B (zh) | 一种信息告警方法、设备及存储介质 | |
| CN108984376B (zh) | 一种系统异常检测方法、装置及设备 | |
| CN105095747B (zh) | 一种Java应用健康度评估方法及系统 | |
| CN110187679A (zh) | 一种scada系统的报警方法及装置 | |
| CN112632805B (zh) | 机组跨越振动区分析预警方法、系统、终端及介质 | |
| CN107657681A (zh) | 生产设备参数调整方法及装置、计算机装置及可读存储器 | |
| CN107104848A (zh) | 信息技术系统监控方法及装置 | |
| WO2024169123A1 (zh) | 一种基于聚类算法的群控设备健康监测方法、设备及介质 | |
| CN110912775B (zh) | 物联网企业网络故障的监控方法及装置 | |
| CN111222702A (zh) | 一种调控系统运行变化趋势预测方法和系统 | |
| US20230179660A1 (en) | Industrial internet of things system for automatic replacement of production line production devices and control methods thereof | |
| CN116596292B (zh) | 产生动态ocap异常行动计划的方法 | |
| KR20090097623A (ko) | 시뮬레이션을 이용한 선제적 일정계획 방법 및 이를 이용한시스템 | |
| US20100017010A1 (en) | Monitoring a process sector in a production facility | |
| CN117909864A (zh) | 一种电力故障预测系统及方法 | |
| CN106600088A (zh) | 一种用于提升生产能力的系统和用于提升生产能力的方法 | |
| CN108492013A (zh) | 一种基于质量控制的制造系统调度模型有效性检测方法 | |
| CN113031543B (zh) | 一种半导体生产线的控制调度方法及装置 | |
| TW201033773A (en) | Method for monitoring fabrication parameters | |
| CN108737164A (zh) | 一种电信网络实时告警过滤方法及装置 | |
| CN117348547B (zh) | 基于mes智能制造设备运行控制方法、系统及存储介质 | |
| Hayashi et al. | A new manufacturing control system using Mahalanobis distance for maximizing productivity | |
| US20240320542A1 (en) | Machine learning intelligent dispatching system and intelligent dispatching method through machine learning | |
| KR102720736B1 (ko) | 에너지 소비의 이상 상태를 모니터링 하기 위한 전자 장치 및 그 동작 방법 |
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 |