CN116738155A - 一种工器具疲劳估计度量方法和系统 - Google Patents

一种工器具疲劳估计度量方法和系统 Download PDF

Info

Publication number
CN116738155A
CN116738155A CN202310603877.9A CN202310603877A CN116738155A CN 116738155 A CN116738155 A CN 116738155A CN 202310603877 A CN202310603877 A CN 202310603877A CN 116738155 A CN116738155 A CN 116738155A
Authority
CN
China
Prior art keywords
tool
fatigue
tools
scrapped
information
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.)
Pending
Application number
CN202310603877.9A
Other languages
English (en)
Inventor
薛亮
陈涛
凌兴宏
张晓斌
胡正东
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.)
Suzhou City College
Original Assignee
Suzhou City College
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 Suzhou City College filed Critical Suzhou City College
Priority to CN202310603877.9A priority Critical patent/CN116738155A/zh
Publication of CN116738155A publication Critical patent/CN116738155A/zh
Pending legal-status Critical Current

Links

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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/211—Selection of the most significant subset of features
    • G06F18/2113—Selection of the most significant subset of features by ranking or filtering the set of features, e.g. using a measure of variance or of feature cross-correlation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
    • 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
    • G06Q50/06—Energy or water supply
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C3/00—Registering or indicating the condition or the working of machines or other apparatus, other than vehicles
    • G07C3/005—Registering or indicating the condition or the working of machines or other apparatus, other than vehicles during manufacturing process
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • Manufacturing & Machinery (AREA)
  • Probability & Statistics with Applications (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)

Abstract

本发明涉及一种工器具疲劳估计度量方法和系统，方法包括：步骤S1：统计工器具在生产过程中的数据信息；步骤S2：清洗所述工器具的数据信息，并从清洗后的数据信息中提取工器具的试验信息和使用信息；步骤S3：根据所述工器具的试验信息和使用信息，构建工器具的状态矩阵，同时构建所述工器具的使用频率；步骤S4：根据所述工器具的状态矩阵和工器具的使用频率，计算工器具的疲劳指数权重；步骤S5：根据所述工器具的疲劳指数权重对工器具的疲劳度进行度量。本发明能够有效对工器具的疲劳度进行评价。

Description

一种工器具疲劳估计度量方法和系统
技术领域
本发明涉及工业数据分析技术领域，尤其是指一种工器具疲劳估计度量方法和系统。
背景技术
一省电网安全工器具保有数量可达70余万件，种类多、数量大，调研发现安全工器具库存管理与台账维护、全寿命周期管理模块数据深度分析等方面仍存在问题，安全工器具全寿命周期管理模块停留在数据存储、展示等基础功能，海量使用数据深度分析缺失，在精益化管控方面有待提高，无法对基层单位的差异化配置、分类制定试验策略等方面提供数据分析依据。同样的情况也会发生在其他各类工业产品上。
综上所述，最核心的问题是，缺少一种对工业产品进行通用评价的方法。
发明内容
为此，本发明所要解决的技术问题在于克服现有技术中没有对工业产品(即工器具)疲劳度通用的评价方法。
为解决上述技术问题，本发明提供了一种工器具疲劳估计度量方法，包括：
步骤S1：统计工器具在生产过程中的数据信息；
步骤S2：清洗所述工器具的数据信息，并从清洗后的数据信息中提取工器具的试验信息和使用信息；
步骤S3：根据所述工器具的试验信息和使用信息，构建工器具的状态矩阵，同时构建所述工器具的使用频率；
步骤S4：根据所述工器具的状态矩阵和工器具的使用频率，计算工器具的疲劳指数权重；
步骤S5：根据所述工器具的疲劳指数权重对工器具的疲劳度进行度量。
在本发明的一个实施例中，所述步骤S2中清洗所述工器具的数据信息，方法包括：通过预设相关系数完成对阈值的设定，基于所述阈值实现对工器具的数据信息进行清洗，其中，所述预设相关系数为斯皮尔曼相关系数。
在本发明的一个实施例中，所述斯皮尔曼相关系数的公式为：其中，di表示两种数据之间的等级差，n表示样本的数量。
在本发明的一个实施例中，所述步骤S3中根据所述工器具的试验信息和使用信息，构建工器具的状态矩阵，公式为：
其中，表示外积，/> use_nscrap表示使用且未报废，nouse_nscrap表示没有使用没有报废，try_nscrap表示试验且未报废，notry_nscrap表示没有试验没有报废，use_nscrap表示使用报废，try_nscrap表示试验报废，Ui和Ti分别为使用向量和试验向量，u表示使用且未报废的工器具数量占总数的比例，/>表示没有使用没有报废的工器具数量占总数的比例，su表示使用报废的工器具数量占总数的比例，t为试验且未报废的工器具数量占总数的比例，/>表示没有试验没有报废的工器具数量占总数的比例，st表示试验报废的工器具数量占总数的比例，j表示第j个工器具。
在本发明的一个实施例中，所述步骤S3中构建所述工器具的使用频率，公式为：
其中，total表示所有工器具类型的数量，tooli表示第i种类工器具的使用数量。
在本发明的一个实施例中，所述步骤S4中根据所述工器具的状态矩阵和工器具的使用频率，计算工器具的疲劳指数权重，公式为：
weight＝ω1ω2NF(j)
其中，N为工器具的使用频率，F(j)为第j个工器具的状态矩阵，ω1ω2为发生试验行为和发生使用行为各自占全数据量的占比乘积。
在本发明的一个实施例中，所述步骤S5中根据所述工器具的疲劳指数权重对工器具的疲劳度进行度量，包括：
若所述工器具的疲劳指数权重大于预设权重阈值，则工器具的处于疲劳状态；
若所述工器具的疲劳指数权重小于预设权重阈值，则工器具的处于非疲劳状态。
为解决上述技术问题，本发明提供了一种工器具疲劳估计度量系统，包括：
统计模块：用于统计工器具在生产过程中的数据信息；
清洗与提取模块：用于清洗所述工器具的数据信息，并从清洗后的数据信息中提取工器具的试验信息和使用信息；
构建模块：用于根据所述工器具的试验信息和使用信息，构建工器具的状态矩阵，同时构建所述工器具的使用频率；
计算模块：用于根据所述工器具的状态矩阵和工器具的使用频率，计算工器具的疲劳指数权重；
度量模块：用于根据所述工器具的疲劳指数权重对工器具的疲劳度进行度量。
为解决上述技术问题，本发明提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述工器具疲劳估计度量方法的步骤。
为解决上述技术问题，本发明提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时，实现如上述工器具疲劳估计度量方法的步骤。
本发明的上述技术方案相比现有技术具有以下优点：
本发明先对数据进行特征筛选，并创造性地基于筛选后的特征构建工业产品(即工器具)的状态矩阵和使用频率，再基于状态矩阵和使用频率构建疲劳指数权重，通过疲劳指数权重对工器具的疲劳度进行度量；
经过实验证明，本发明构建的疲劳指数权重能够有效对工业产品(即工器具)的疲劳度进行评价；
本发明构建了一种疲劳度通用的评价方法，适用于多行业和多领域，易于大规模推广。
附图说明
为了使本发明的内容更容易被清楚的理解，下面根据本发明的具体实施例并结合附图，对本发明作进一步详细的说明。
图1是本发明的方法流程图；
图2是本发明实施例中各个工器具疲劳度权重计算结果示意图。
具体实施方式
下面结合附图和具体实施例对本发明作进一步说明，以使本领域的技术人员可以更好地理解本发明并能予以实施，但所举实施例不作为对本发明的限定。
实施例一
参照图1所示，本发明涉及一种工器具疲劳估计度量方法，包括：
步骤S1：统计工器具在生产过程中的数据信息；
步骤S2：清洗所述工器具的数据信息，并从清洗后的数据信息中提取工器具的试验信息和使用信息；
步骤S3：根据所述工器具的试验信息和使用信息，构建工器具的状态矩阵，同时构建所述工器具的使用频率；
步骤S4：根据所述工器具的状态矩阵和工器具的使用频率，计算工器具的疲劳指数权重；
步骤S5：根据所述工器具的疲劳指数权重对工器具的疲劳度进行度量。
本发明先对数据进行特征筛选，并创造性地基于筛选后的特征构建工业产品(即工器具)的状态矩阵和使用频率，再基于状态矩阵和使用频率构建疲劳指数权重，通过疲劳指数权重对能够对工器具的疲劳度进行有效度量。
以下对本实施例进行详细介绍：
步骤1：统计工业产品(即工器具)在生产过程中的数据信息。
步骤2：通常来说，工业产品的特征之间能够相互影响，而不同的特征之间的影响存在差异性。保留相关性较低的数据特征会导致模型的训练量增加，而保留相关性较高的数据特征会导致特征之间的联系过于紧密，从而造成数据信息的冗余，模型的泛化能力得到削弱，在此过程中斯皮尔曼系数则能很好地完成对阈值的设定
相关系数常被用来衡量离散信息的相关度。常见的相关系数包括Pearson相关系数与Spearman相关系数，两者相比较而言，Spearman相关系数具有不受数据量纲的影响、对异常大数不敏感的优点。
斯皮尔曼相关系数(Spearman)也被称为斯皮尔曼等级相关系数，用于衡量两个变量之间的相关性。
在实际应用中，变量无须连续，于是简化计算p为被计算的两个变量的等级差：
其中，di表示两种数据之间的等级差，n表示样本的数量。
步骤3：通过决策树-RFE方法从特征简约之后的数据中提取出产品的试验信息和使用信息，本实施例结合相关性系数过滤和决策树-RFE方法筛选出特征，可以较大程度的提高预测准确率，并且减少计算空间。定义试验信息为试验向量T和使用信息为使用向量U。那么对于一种工业产品只会存在一种试验状态和使用状态，因此，可以定义工具状态矩阵F，则：
其中，表示外积，use_nscrap表示使用且未报废，nouse_nscrap表示没有使用没有报废，try_nscrap表示试验且未报废，notry_nscrap表示没有试验没有报废，use_nscrap表示使用报废，try_nscrap表示试验报废，Ui和Ti分别为使用向量和试验向量，u为使用且未报废的工具数量占总数的比例，/>表示没有使用没有报废的工具数量占总数的比例，su表示使用报废的工器具数量占总数的比例，t为试验且未报废的工器具数量占总数的比例，表示没有试验没有报废的工器具数量占总数的比例，st表示试验报废的工器具数量占总数的比例，j表示第j个工器具。
步骤4：由于不用的工业工具的用途不同，所被使用的频率也有所不同，所以可以定义N为工器具的使用频率：是种类频率，不是单个工器具的频率。
其中，total表示所有工器具类型的数量(例如头盔+接地线+手套+…)，tooli表示表示第i种类工器具的使用数量。
需要注意的是，j表示某类工器具的第几个，而i表示工器具的第几类。
步骤5：工具从出厂开始就可以认为工具的磨损也已经开始，工器具的产品疲劳指数开始增加。在其中频繁的使用和不定批次的试验是加剧工器具产品疲劳指数的主要原因，而不同工具的耐力是不一样的。这里可以定义某种工器具中单个工器具的产品疲劳指数权重为：
weight＝ω1ω2NF(j)
其中，N为工器具的使用频率，F(j)为第j个工器具的状态矩阵，ω1ω2为发生试验行为和发生使用行为各自占全数据量的占比乘积。
本实施例可以根据工器具的疲劳指数权重weight对工器具的疲劳度进行度量，包括：若所述工器具的疲劳指数权重大于预设权重阈值，则工器具的处于疲劳状态；若所述工器具的疲劳指数权重小于预设权重阈值，则工器具的处于非疲劳状态。
实验分析
为验证疲劳指数权重的有效性，本实施例计算了如验电器、红布幔、绝缘梯的疲劳指数权重，具体计算结果请见图2，由于现有技术中并不存在一种通用的方法来评价工器具的疲劳度，因此本申实施例通过业内专业认识对验电器、红布幔、绝缘梯的疲劳度进行逐一测评，测评结果和本实施例的计算出的疲劳指数权重基本吻合，表明本发明方法具有有效性和通用性。
实施例二
本实施例提供一种工器具疲劳估计度量系统，包括：
统计模块：用于统计工器具在生产过程中的数据信息；
清洗与提取模块：用于清洗所述工器具的数据信息，并从清洗后的数据信息中提取工器具的试验信息和使用信息；
构建模块：用于根据所述工器具的试验信息和使用信息，构建工器具的状态矩阵，同时构建所述工器具的使用频率；
计算模块：用于根据所述工器具的状态矩阵和工器具的使用频率，计算工器具的疲劳指数权重；
度量模块：用于根据所述工器具的疲劳指数权重对工器具的疲劳度进行度量。
实施例三
本实施例提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现实施例一所述工器具疲劳估计度量方法的步骤。
实施例四
本实施例提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时，实现实施例一所述工器具疲劳估计度量方法的步骤。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。本申请实施例中的方案可以采用各种计算机语言实现，例如，面向对象的程序设计语言Java和直译式脚本语言JavaScript等。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本申请的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。
显然，上述实施例仅仅是为清楚地说明所作的举例，并非对实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引申出的显而易见的变化或变动仍处于本发明创造的保护范围之中。

Claims (10)

1.一种工器具疲劳估计度量方法，其特征在于：包括：
步骤S1：统计工器具在生产过程中的数据信息；
步骤S2：清洗所述工器具的数据信息，并从清洗后的数据信息中提取工器具的试验信息和使用信息；
步骤S3：根据所述工器具的试验信息和使用信息，构建工器具的状态矩阵，同时构建所述工器具的使用频率；
步骤S4：根据所述工器具的状态矩阵和工器具的使用频率，计算工器具的疲劳指数权重；
步骤S5：根据所述工器具的疲劳指数权重对工器具的疲劳度进行度量。
2.根据权利要求1所述的工器具疲劳估计度量方法，其特征在于：所述步骤S2中清洗所述工器具的数据信息，方法包括：通过预设相关系数完成对阈值的设定，基于所述阈值实现对工器具的数据信息进行清洗，其中，所述预设相关系数为斯皮尔曼相关系数。
3.根据权利要求2所述的工器具疲劳估计度量方法，其特征在于：所述斯皮尔曼相关系数的公式为：其中，di表示两种数据之间的等级差，n表示样本的数量。
4.根据权利要求1所述的工器具疲劳估计度量方法，其特征在于：所述步骤S3中根据所述工器具的试验信息和使用信息，构建工器具的状态矩阵，公式为：
其中，表示外积，/> use_nscrap表示使用且未报废，nouse_nscrap表示没有使用没有报废，try_nscrap表示试验且未报废，notry_nscrap表示没有试验没有报废，use_nscrap表示使用报废，try_nscrap表示试验报废，Ui和Ti分别为使用向量和试验向量，u表示使用且未报废的工器具数量占总数的比例，/>表示没有使用没有报废的工器具数量占总数的比例，su表示使用报废的工器具数量占总数的比例，t为试验且未报废的工器具数量占总数的比例，/>表示没有试验没有报废的工器具数量占总数的比例，st表示试验报废的工器具数量占总数的比例，j表示第j个工器具。
5.根据权利要求1所述的工器具疲劳估计度量方法，其特征在于：所述步骤S3中构建所述工器具的使用频率，公式为：
其中，total表示所有工器具类型的数量，tooli表示第i种类工器具的使用数量。
6.根据权利要求1所述的工器具疲劳估计度量方法，其特征在于：所述步骤S4中根据所述工器具的状态矩阵和工器具的使用频率，计算工器具的疲劳指数权重，公式为：
weight＝ω1ω2NF(j)
其中，N为工器具的使用频率，F(j)为第j个工器具的状态矩阵，ω1ω2为发生试验行为和发生使用行为各自占全数据量的占比乘积。
7.根据权利要求1所述的工器具疲劳估计度量方法，其特征在于：所述步骤S5中根据所述工器具的疲劳指数权重对工器具的疲劳度进行度量，包括：
若所述工器具的疲劳指数权重大于预设权重阈值，则工器具的处于疲劳状态；
若所述工器具的疲劳指数权重小于预设权重阈值，则工器具的处于非疲劳状态。
8.一种工器具疲劳估计度量系统，其特征在于：包括：
统计模块：用于统计工器具在生产过程中的数据信息；
清洗与提取模块：用于清洗所述工器具的数据信息，并从清洗后的数据信息中提取工器具的试验信息和使用信息；
构建模块：用于根据所述工器具的试验信息和使用信息，构建工器具的状态矩阵，同时构建所述工器具的使用频率；
计算模块：用于根据所述工器具的状态矩阵和工器具的使用频率，计算工器具的疲劳指数权重；
度量模块：用于根据所述工器具的疲劳指数权重对工器具的疲劳度进行度量。
9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于：所述处理器执行所述计算机程序时实现如权利要求1至7中任一项所述工器具疲劳估计度量方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于：所述计算机程序被处理器执行时，实现如权利要求1至7中任一项所述工器具疲劳估计度量方法的步骤。
CN202310603877.9A 2023-05-26 2023-05-26 一种工器具疲劳估计度量方法和系统 Pending CN116738155A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310603877.9A CN116738155A (zh) 2023-05-26 2023-05-26 一种工器具疲劳估计度量方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310603877.9A CN116738155A (zh) 2023-05-26 2023-05-26 一种工器具疲劳估计度量方法和系统

Publications (1)

Publication Number Publication Date
CN116738155A true CN116738155A (zh) 2023-09-12

Family

ID=87917898

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310603877.9A Pending CN116738155A (zh) 2023-05-26 2023-05-26 一种工器具疲劳估计度量方法和系统

Country Status (1)

Country Link
CN (1) CN116738155A (zh)

Similar Documents

Publication Publication Date Title
KR102208210B1 (ko) 동적 특이치 바이어스 감소 시스템 및 방법
TWI603210B (zh) 機台零件之剩餘壽命的預測系統與預測方法
US10296408B2 (en) Operation management apparatus, operation management method, and program
CN111508216B (zh) 一种大坝安全监测数据智能预警方法
US11288690B1 (en) Method for determining house price indices
US8515569B2 (en) Work support system, work support method, and storage medium
US8170894B2 (en) Method of identifying innovations possessing business disrupting properties
JP6552500B2 (ja) 航空機エンジンに行われるべきメンテナンス作業の予測
JP2020052740A (ja) 異常検知装置、異常検知方法及びプログラム
CN109558952A (zh) 数据处理方法、系统、设备及存储介质
Effenberger et al. Measuring difficulty of introductory programming tasks
Misra et al. Survey on agile metrics and their inter-relationship with other traditional development metrics
CN104809066A (zh) 一种通过代码质量评估预测开源软件维护工作量的方法
WO2020157927A1 (ja) 診断システムおよび診断方法
CN116738155A (zh) 一种工器具疲劳估计度量方法和系统
JP6192432B2 (ja) リスク計量システム
CN109634854B (zh) 一种检测软件工程算法组态异常的方法
CN115965269A (zh) 基于uetp的用户体验监测方法及装置
CN104657614A (zh) 一种产品现场失效率的计算方法
CN110597729A (zh) 基于维度的压力测试方法、装置及系统
CN106371419A (zh) 用于监视控制回路的运行的诊断装置和诊断方法
WO2017183066A1 (ja) ウインドウ評価方法および分析装置
CN113807743A (zh) 一种电网调度自动化软件可靠性评估方法及系统
CN108008999A (zh) 指标评估方法及装置
CN103733041A (zh) 管理装置、管理方法、程序及记录介质

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