-
Die Erfindung betrifft ein Verfahren und ein Steuergerät zum Erzeugen von zusätzlichen Daten zum Trainieren und/oder Validieren eines Anomaliedetektors, mit welchen mit vergleichsweise geringem Ressourcen- und Zeitaufwand künstliche Anomalien beziehungsweise zusätzliche Daten zum Trainieren und/oder Validieren eines Anomaliedetektors erzeugt werden können.
-
Unter Anomaliedetektor wird allgemein eine Einheit verstanden, welche ausgebildet ist, basierend auf einem Algorithmus des maschinellen Lernens, welcher trainiert ist, Anomalien in Daten, beispielsweise Datensätzen oder Datenströmen, zu erkennen. Beispielsweise kann der Anomaliedetektor ausgebildet sein, Anomalien in Daten, welche durch die ein Produktionsverfahren beziehungsweise eine Produktionsstrecke produzierte Produkte, beispielsweise Halbleiterchips, kennzeichnen, und/oder Daten, welche die Produktion dieser Produkte kennzeichnen, zu erkennen.
-
Algorithmen des maschinellen Lernen basieren ferner darauf, dass Verfahren der Statistik verwendet werden, um eine Datenverarbeitungsanlage derart zu trainieren, dass diese eine bestimmte Aufgabe ausführen kann, ohne dass diese ursprünglich explizit hierzu programmiert wurde. Das Ziel des maschinellen Lernens besteht dabei darin, Algorithmen zu konstruieren, die aus Daten lernen und Vorhersagen treffen können. Diese Algorithmen erstellen mathematische Modelle, mit denen beispielsweise Daten klassifiziert werden können.
-
Als nachteilig bei derartigen Anomaliedetektoren erweist es sich jedoch, dass Anomalien beziehungsweise untypische Daten für gewöhnlich sehr selten auftreten und somit für gewöhnlich nur sehr wenige Daten zum Trainieren und/oder anschließenden Validieren eines Anomaliedetektors zur Verfügung stehen.
-
Folglich besteht Bedarf an Verfahren zur Erzeugung von zusätzlichen Daten zum Trainieren und/oder Validieren eines Anomaliedetektors. Dabei ist es beispielsweise bekannt, dass entsprechende Domainexperten manuell weitere Daten zum Trainieren und/oder Validieren von Anomaliedetektoren erzeugen beziehungsweise vorgeben, wobei es sich jedoch um einen sehr zeitaufwendigen Prozess handelt.
-
Aus der Druckschrift
DE 10 2019 003382 A1 ist ein Anomaliedetektor zum Ausgeben eines Signals, das angibt, dass in einer Fertigungsmaschine ein Anzeichen einer Anomalie erkannt wurde, bekannt, welcher eine Signalausgabeeinheit zum Ausgeben eines Signals, wenn durch Erkennen eines Anzeichens einer Anomalie der Fertigungsmaschine basierend auf einer physikalischen Größe, die von der Fertigungsmaschine, einem in der Fertigungsmaschine installierten Sensor oder einem in der Nähe der Fertigungsmaschine installierten Sensor erfasst wird, in einer Fertigungsmaschine ein Anzeichen einer Anomalie erkannt wird, und eine Maschinenlerneinrichtung zum Lernen eines Betriebszustands der Fertigungsmaschine umfasst, wobei die Maschinenlerneinrichtung eine Zustandsbeobachtungseinheit zum Beobachten von Daten physikalischer Größen, die eine auf einen Betrieb der Fertigungsmaschine bezogene physikalische Größe von der Fertigungsmaschine, einem in der Fertigungsmaschine installierten Sensor oder einem in der Nähe der Fertigungsmaschine installierten Sensor angeben, als Zustandsvariable, die einen aktuellen Zustand einer Umgebung repräsentiert, eine Labeldatenerfassungseinheit zum Erfassen von einen Betriebszustand der Fertigungsmaschine angebenden Betriebszustandsdaten als Labeldaten, eine Lerneinheit zum Lernen des Betriebszustands der Fertigungsmaschine in Bezug auf die auf den Betrieb der Fertigungsmaschine bezogene physikalische Größe unter Verwendung der Zustandsvariable und der Labeldaten, und eine Schätzergebnisausgabeeinheit zum Schätzen des Betriebszustands der Fertigungsmaschine unter Verwendung eines Lernergebnisses der Lerneinheit basierend auf der auf den Betrieb der Fertigungsmaschine bezogenen physikalischen Größe, die durch die Zustandsbeobachtungseinheit beobachtet wird, und zum Ausgeben eines Schätzergebnisses umfasst, und wobei die Signalausgabeeinheit, wenn in einer Fertigungsmaschine ein Anzeichen einer Anomalie erkannt wird, gemäß einem durch die Schätzergebnisausgabeeinheit ausgegebenen Schätzergebnis des Betriebszustands der Fertigungsmaschine die Ausgabe des Signals aussetzt.
-
Der Erfindung liegt somit die Aufgabe zugrunde, ein verbessertes Verfahren zum Erzeugen von zusätzlichen Daten zum Trainieren und/oder Validieren eines Anomaliedetektors anzugeben.
-
Die Aufgabe wird mit einem Verfahren zum Erzeugen von zusätzlichen Daten zum Trainieren und/oder Validieren eines Anomaliedetektors gemäß den Merkmalen des Patentanspruchs 1 gelöst.
-
Die Aufgabe wird zudem mit einem Steuergerät zum Erzeugen von zusätzlichen Daten zum Trainieren und/oder Validieren eines Anomaliedetektors gemäß den Merkmalen des Patentanspruchs 7 gelöst.
-
Offenbarung der Erfindung
-
Gemäß einer Ausführungsform der Erfindung wird diese Aufgabe gelöst durch ein Verfahren zum Erzeugen von zusätzlichen Daten zum Trainieren und/oder Validieren eines Anomaliedetektors, wobei zunächst wenigstens eine Überprüfung in einem ersten Bereich durchgeführt wird um festzustellen, ob eine oder mehrere Anomalien vorliegen, wobei Überprüfungsergebnisse erzeugt werden, wobei, für alle Überprüfungsergebnisse, welche nicht auf eine Anomalie hinweisen, eine erste Verteilung der entsprechenden Überprüfungsergebnisse ermittelt wird, und wobei zusätzliche Daten zum Trainieren und/oder Validieren des Anomaliedetektors basierend auf der ersten Verteilung erzeugt werden.
-
Unter einem ersten Bereich wird dabei insbesondere ein räumlicher oder zeitlicher Bereich verstanden. Beispielsweise können dabei die während eines ersten Zeitraums beziehungsweise Zeitbereichs durch ein Produktionsverfahren erzeugten Produkte getestet werden.
-
Das wenigstens eine Überprüfung in dem ersten Bereich ausgeführt wird bedeutet ferner, dass wenigstens ein Anomalietest oder Standardtest, basierend auf welchem Aussagen über das Vorliegen von Anomalien getroffen werden können, aus- beziehungsweise durchgeführt wird.
-
Unter Verteilung wird dabei eine Verbindung der entsprechenden Überprüfungsergebnisse, welche beispielsweise basierend auf einer Verteilungsfunktion erzeugt werden kann, beziehungsweise ein mathematischer Zusammenhang zwischen den entsprechenden Überprüfungsergebnissen verstanden. Beispielsweise kann es sich bei der Verteilung um eine Anomalieverteilung, beispielsweise eine Verteilung von Anomalie-Scores, oder eine multivariate Verteilung handeln.
-
Das Verfahren basiert dabei darauf, dass zwischen einer Verteilung der Überprüfungsergebnisse aus einem ersten Bereich und einer Verteilung der Überprüfungsergebnisse aus einem weiteren, von dem ersten Bereich unterschiedlichen Bereich eine Korrelation, insbesondere eine positive oder negative Korrelation, beziehungsweise ein starker Zusammenhang besteht, wobei die Korrelation beziehungsweise der Zusammenhang dazu genutzt werden kann, um auf einfache Art und Weise und mit vergleichsweise geringem Ressourcen- und Zeitaufwand zusätzliche Daten zum Trainieren und/oder Validieren des Anomaliedetektors zu erzeugen beziehungsweise zu schätzen.
-
Insgesamt wird somit ein verbessertes Verfahren zum Erzeugen von zusätzlichen Daten zum Trainieren und/oder Validieren eines Anomaliedetektors angegeben.
-
In einer Ausführungsform weist der Schritt des Erzeugens von zusätzlichen Daten zum Trainieren und/oder Validieren des Anomaliedetektors basierend auf der erteilten Verteilung weiter ein Erzeugen von zusätzlichen Daten zum Trainieren und/oder Validieren des Anomaliedetektors aus einem von dem ersten Bereich unterschiedlichen, zweiten Bereich auf. Somit kann sich bei der Erzeugung von zusätzlichen Daten zumindest temporär auf einen einzigen Bereich konzentriert wird, wobei das Verfahren weiter vereinfacht und die zum Erzeugen der zusätzlichen Daten benötigten Ressourcen, beispielsweise Speicher- und/oder Rechenkapazitäten, weiter reduziert werden können.
-
Bei dem zweiten Bereich kann es sich dabei insbesondere um einen an den ersten Bereich unmittelbar angrenzenden beziehungsweise unmittelbar auf den ersten Bereich folgenden Bereich handeln.
-
Dabei kann der Schritt des Erzeugens von zusätzlichen Daten zum Trainieren und/oder Validieren des Anomaliedetektors ein stichprobenmäßiges Durchführen der wenigstens einen Überprüfung in dem zweiten Bereich, wobei zusätzliche Überprüfungsergebnisse erzeugt werden, ein Ermitteln beziehungsweise Schätzen weiterer zusätzlicher Datenpunkte basierend auf zusätzlichen Überprüfungsergebnissen, welche nicht auf eine Anomalie hinweisen, und der ersten Verteilung, und ein Erzeugen von zusätzlichen Daten zum Trainieren und/oder Validieren des Anomaliedetektors basierend auf den zusätzlichen Überprüfungsergebnissen und den weiteren Datenpunkten, aufweisen.
-
Dass weitere zusätzlicher Datenpunkte basierend auf zusätzlichen Überprüfungsergebnissen, welche nicht auf eine Anomalie hinweisen, und der ersten Verteilung erzeugt werden bedeutet dabei, dass, basierend darauf, dass zwischen einer Verteilung der Überprüfungsergebnisse aus einem ersten Bereich und einer Verteilung der Überprüfungsergebnisse aus einem weiteren, von dem ersten Bereich unterschiedlichen Bereich eine Korrelation, insbesondere positive oder negative Korrelation, beziehungsweise ein starker Zusammenhang besteht, die erste Verteilung auf den zweiten Bereich übertragen wird, beziehungsweise angenommen wird, dass zwischen Überprüfungsergebnissen aus dem zweiten Bereich, welche nicht auf eine Anomalie hinweisen, ein zumindest ähnlicher Zusammenhang beziehungsweise eine zumindest ähnliche Beziehung wie zwischen den entsprechenden Überprüfungsergebnissen aus dem ersten Bereich besteht. Bei den zusätzlichen Datenpunkten handelt es sich dabei um Datenpunkte, welche auf der entsprechend erzeugten Verteilung der Überprüfungsergebnisse, welche nicht auf eine Anomalie hinweisen, aus dem zweiten Bereich liegen beziehungsweise diese Verteilung kennzeichnen.
-
Somit können durch einfaches Übertragen der ersten Verteilung auf den zweiten Bereich auf einfache Art und Weise und mit vergleichsweise geringem Ressourcen- und Zeitaufwand zusätzliche Daten zum Trainieren und/oder Validieren eines Anomaliedetektors erzeugt werden, wobei als zusätzliche Daten insbesondere Datenpunkte, welche von der erzeugten Verteilung der entsprechenden Überprüfungsergebnisse aus dem zweiten Bereich abweichen, gewählt werden können.
-
In einer weiteren Ausführungsform weist der Schritt des Erzeugens von zusätzlichen Daten zum Trainieren und/oder Validieren des Anomaliedetektors für jeden von wenigstens einem zusätzlichen Bereich jeweils ein stichprobenmäßiges Durchführen des wenigstens eine Überprüfung in dem entsprechenden Bereich auf, wobei zusätzliche Überprüfungsergebnisse erzeugt werden. Weiter wird für jeden des wenigstens einen zusätzlichen Bereichs weiter jeweils eine zusätzliche Verteilung der für den entsprechenden Bereich erzeugten zusätzlichen Überprüfungsergebnisse ermittelt, welche nicht auf eine Anomalie hinweisen, für jede zusätzliche Verteilung jeweils die entsprechende zusätzliche Verteilung mit der ersten Verteilung verglichen um zu ermitteln, ob die entsprechende zusätzliche Verteilung um weniger als einen Grenzwert von der ersten Verteilung abweicht, und werden für jede zusätzliche Verteilung, welche um weniger als einen Grenzwert von der ersten Verteilung abweicht, jeweils zusätzliche Daten zum Trainieren und/oder Validieren des Anomaliedetektors basierend auf der entsprechenden zusätzlichen Verteilung und der ersten Verteilung erzeugt.
-
Dass die zusätzliche, basierend auf den Überprüfungsergebnissen aus dem entsprechenden Bereich ermittelte Verteilung um weniger als einen Grenzwert von der ersten Verteilung abweicht bedeutet dabei, dass die erste Verteilung und die zusätzliche Verteilung sehr ähnlich beziehungsweise stark korreliert sind. Der erste Grenzwert kann dabei beispielsweise basierend auf den zu überprüfenden Produkten beziehungsweise Produktionsverfahren vorgegeben werden.
-
Dass weiter zusätzliche Daten zum Trainieren und/oder Validieren des Anomaliedetektors basierend auf der entsprechenden zusätzlichen Verteilung und der ersten Verteilung erzeugt werden, bedeutet ferner, dass diese starke Korrelation zwischen der zusätzlichen Verteilung und der ersten Verteilung genutzt wird, um die zusätzlichen Daten zu erzeugen, wobei es sich bei den zusätzlichen Daten insbesondere um Datenpunkte handeln kann, für welche diese starke Korrelation nicht mehr gegeben ist, beziehungsweis welche von dieser starken Korrelation abweichen.
-
Somit können basierend auf der starken Korrelation zwischen der beziehungsweise den entsprechenden zusätzlichen Verteilungen und der ersten Verteilung auf einfache Art und Weise und mit vergleichsweise geringem Ressourcen- und Zeitaufwand zusätzliche Daten zum Trainieren und/oder Validieren eines Anomaliedetektors erzeugt werden.
-
Mit einer weiteren Ausführungsform der Erfindung wird auch ein Verfahren zum Trainieren eines Anomaliedetektors angegeben, wobei zusätzliche Daten zum Trainieren des Anomaliedetektors durch ein obenstehend beschriebenes Verfahren zum Erzeugen von Daten zum Trainieren und/oder Validieren eines Anomaliedetektors erzeugt werden, und wobei der Anomaliedetektor basierend auf den erzeugten zusätzlichen Daten zum Trainieren des Anomaliedetektors trainiert wird.
-
Somit wird ein Verfahren zum Trainieren eines Anomaliedetektors angegeben, welches durch ein verbessertes Verfahren zum Erzeugen von zusätzlichen Daten zum Trainieren und/oder Validieren eines Anomaliedetektors erzeugte zusätzliche Daten zum Trainieren des Anomaliedetektors nutzt. Die Erzeugung der zusätzlichen Daten basiert dabei darauf, dass zwischen einer Verteilung der Überprüfungsergebnisse aus einem ersten Bereich und einer Verteilung der Überprüfungsergebnisse aus einem weiteren, von dem ersten Bereich unterschiedlichen Bereich eine Korrelation, insbesondere positive oder negative Korrelation, beziehungsweise ein starker Zusammenhang besteht, wobei die Korrelation beziehungsweise der Zusammenhang dazu genutzt werden kann, um auf einfache Art und Weise und mit vergleichsweise geringem Ressourcen- und Zeitaufwand zusätzliche Daten zum Trainieren des Anomaliedetektors zu erzeugen beziehungsweise zu schätzen.
-
Mit einer weiteren Ausführungsform der Erfindung wird weiter auch ein Verfahren zum Validieren eines Anomaliedetektors angegeben, wobei zusätzliche Daten zum Validieren des Anomaliedetektors durch ein obenstehend beschriebenes Verfahren zum Erzeugen von Daten zum Trainieren und/oder Validieren eines Anomaliedetektors erzeugt werden, und wobei der Anomaliedetektor basierend auf den erzeugten zusätzlichen Daten zum Validieren des Anomaliedetektors validiert wird.
-
Somit wird ein Verfahren zum Validieren eines Anomaliedetektors angegeben, welches durch ein verbessertes Verfahren zum Erzeugen von zusätzlichen Daten zum Trainieren und/oder Validieren eines Anomaliedetektors erzeugte zusätzliche Daten zum Validieren des Anomaliedetektors nutzt. Die Erzeugung der zusätzlichen Daten basiert dabei darauf, dass zwischen einer Verteilung der Überprüfungsergebnisse beziehungsweise Daten aus einem ersten Bereich und einer Verteilung der Daten aus einem weiteren, von dem ersten Bereich unterschiedlichen Bereich eine Korrelation, insbesondere positive oder negative Korrelation, beziehungsweise ein starker Zusammenhang besteht, wobei die Korrelation beziehungsweise der Zusammenhang dazu genutzt werden kann, um auf einfache Art und Weise und mit vergleichsweise geringem Ressourcen- und Zeitaufwand zusätzliche Daten zum Validieren des Anomaliedetektors zu erzeugen beziehungsweise zu schätzen.
-
Mit einer weiteren Ausführungsform der Erfindung wird zudem auch ein Steuergerät zum Erzeugen von zusätzlichen Daten zum Trainieren und/oder Validieren eines Anomaliedetektors angegeben, wobei das Steuergerät eine erste Überprüfungseinheit, welche ausgebildet ist, wenigstens eine Überprüfung in einem ersten Bereich durchzuführen um festzustellen, ob durch das Produktionsverfahren produzierte Produkte Anomalien aufweisen, wobei Überprüfungsergebnisse erzeugt werden, eine erste Ermittlungseinheit, welche ausgebildet ist, für alle Überprüfungsergebnisse, welche nicht auf eine Anomalie hinweisen, eine erste Verteilung der entsprechenden Überprüfungsergebnisse zu ermitteln, und eine erste Erzeugungseinheit, welche ausgebildet ist, zusätzliche Daten zum Trainieren und/oder Validieren des Anomaliedetektors basierend auf der ersten Verteilung zu erzeugen, aufweist.
-
Somit wird ein verbessertes Steuergerät zum Erzeugen von zusätzlichen Daten zum Trainieren und/oder Validieren eines Anomaliedetektors angegeben. Das Steuergerät ist dabei insbesondere derart ausgebildet, dass eine Korrelation, insbesondere positive oder negative Korrelation, beziehungsweise ein starker Zusammenhang zwischen einer Verteilung der Überprüfungsergebnisse aus einem ersten Bereich und einer Verteilung der Überprüfungsergebnisse aus einem weiteren, von dem ersten Bereich unterschiedlichen Bereich dazu genutzt werden kann, um auf einfache Art und Weise und mit vergleichsweise geringem Ressourcen- und Zeitaufwand zusätzliche Daten zum Trainieren und/oder Validieren des Anomaliedetektors zu erzeugen beziehungsweise zu schätzen.
-
In einer Ausführungsform ist die erste Erzeugungseinheit dabei ausgebildet, zusätzliche Daten zum Trainieren und/oder Validieren von des Anomaliedetektors aus einem von dem ersten Bereich unterschiedlichen zweiten Bereich zu erzeugen. Das Steuergerät kann somit derart ausgebildet sein, dass sich bei der Erzeugung von zusätzlichen Daten zumindest temporär auf einen einzigen Bereich konzentriert wird, wobei die Erzeugung von zusätzlichen Daten weiter vereinfacht und die zum Erzeugen der zusätzlichen Daten benötigten Ressourcen, beispielsweise Speicher- und/oder Rechenkapazitäten, weiter reduziert werden können.
-
Bei dem zweiten Bereich kann es sich dabei wiederum insbesondere um einen an den ersten Bereich unmittelbar angrenzenden beziehungsweise unmittelbar auf den ersten Bereich folgenden Bereich handeln.
-
Dabei kann die erste Erzeugungseinheit eine zweite Überprüfungseinheit, welche ausgebildet ist, die wenigstens eine Überprüfung in dem zweiten Bereich durchzuführen, wobei zusätzliche Überprüfungsergebnisse erzeugt werden, eine zweite Ermittlungseinheit, welche ausgebildet ist, zusätzliche Datenpunkte basierend auf zusätzlichen Überprüfungsergebnissen, welche nicht auf eine Anomalie hinweisen, und der ersten Verteilung zu ermitteln, und eine zweite Erzeugungseinheit, welche ausgebildet ist, zusätzliche Daten zum Trainieren und/oder Validieren des Anomaliedetektors basierend auf den zusätzlichen Überprüfungsergebnissen und den weiteren Datenpunkten zu erzeugen, aufweisen. Somit können durch einfaches Übertragen der ersten Verteilung auf den zweiten Bereich auf einfache Art und Weise und mit vergleichsweise geringem Ressourcen- und Zeitaufwand zusätzliche Daten zum Trainieren und/oder Validieren eines Anomaliedetektors erzeugt werden, wobei als zusätzliche Daten insbesondere Datenpunkte, welche von der erzeugten Verteilung der entsprechenden Überprüfungsergebnisse aus dem zweiten Bereich abweichen, gewählt werden können.
-
In einer weiteren Ausführungsform weist die erste Erzeugungseinheit eine dritte Überprüfungseinheit, welche ausgebildet ist, für jeden von wenigstens einem zusätzlichen Bereich, jeweils die wenigstens eine Überprüfung stichprobenmäßig in dem entsprechenden Bereich durchzuführen, wobei zusätzliche Überprüfungsergebnisse erzeugt werden, eine dritte Ermittlungseinheit, welche ausgebildet ist, für jeden von dem wenigstens einen zusätzlichen Bereich, jeweils eine zusätzliche Verteilung der für den Bereich erzeugten zusätzlichen Überprüfungsergebnisse, welche nicht auf eine Anomalie hinweisen, zu ermitteln, eine Vergleichseinheit, welche ausgebildet ist, für jede zusätzliche Verteilung, jeweils die entsprechende zusätzliche Verteilung mit der ersten Verteilung zu vergleichen um zu ermitteln, ob die entsprechende zusätzliche Verteilung um weniger als einen Grenzwert von der ersten Verteilung abweicht, und eine dritte Erzeugungseinheit, welche ausgebildet ist, für jede zusätzliche Verteilung, welche um weniger als einen Grenzwert von der ersten Verteilung abweicht, jeweils zusätzlichen Daten zum Trainieren und/oder Validieren des Anomaliedetektors basierend auf der entsprechenden zusätzlichen Verteilung und der ersten Verteilung zu erzeugen, auf. Somit können basierend auf der starken Korrelation zwischen der beziehungsweise den entsprechenden zusätzlichen Verteilungen und der ersten Verteilung auf einfache Art und Weise und mit vergleichsweise geringem Ressourcen- und Zeitaufwand zusätzliche Daten zum Trainieren und/oder Validieren eines Anomaliedetektors erzeugt werden.
-
Mit einer weiteren Ausführungsform der Erfindung wird außerdem auch ein Steuergerät zum Trainieren eines Anomaliedetektors angegeben, wobei das Steuergerät eine Empfangseinheit, welche ausgebildet ist, zusätzlich Daten zum Trainieren des Anomaliedetektors von einem obenstehend beschriebenem Steuergerät zum Erzeugen von zusätzlichen Daten zum Trainieren und/oder Validieren eines Anomaliedetektors zu empfangen, und eine Trainingseinheit, welche ausgebildet ist, den Anomaliedetektor basierend auf den empfangenen, zusätzlichen Daten zum Trainieren des Anomaliedetektors zu trainieren, aufweist.
-
Somit wird ein Steuergerät zum Trainieren eines Anomaliedetektors angegeben, welches durch ein verbessertes Steuergerät zum Erzeugen von zusätzlichen Daten zum Trainieren und/oder Validieren eines Anomaliedetektors erzeugte zusätzliche Daten zum Trainieren des Anomaliedetektors nutzt. Die Erzeugung der zusätzlichen Daten basiert dabei darauf, dass zwischen einer Verteilung der Überprüfungsergebnisse aus einem ersten Bereich und einer Verteilung der Überprüfungsergebnisse aus einem weiteren, von dem ersten Bereich unterschiedlichen Bereich eine Korrelation, insbesondere positive oder negative Korrelation, beziehungsweise ein starker Zusammenhang besteht, wobei die Korrelation beziehungsweise der Zusammenhang dazu genutzt werden kann, um auf einfache Art und Weise und mit vergleichsweise geringem Ressourcen- und Zeitaufwand zusätzliche Daten zum Trainieren des Anomaliedetektors zu erzeugen beziehungsweise zu schätzen.
-
Mit einer weiteren Ausführungsform der Erfindung wird ferner auch ein Steuergerät zum Validieren eines Anomaliedetektors angegeben, wobei das Steuergerät eine Empfangseinheit, welche ausgebildet ist, zusätzlich Daten zum Validieren des Anomaliedetektors von einem obenstehend beschriebenem Steuergerät zum Erzeugen von zusätzlichen Daten zum Trainieren und/oder Validieren eines Anomaliedetektors zu empfangen, und eine Validierungseinheit, welche ausgebildet ist, den Anomaliedetektor basierend auf den empfangenen, zusätzlichen Daten zum Validieren des Anomaliedetektors zu validieren, aufweist.
-
Somit wird ein Steuergerät zum Validieren eines Anomaliedetektors angegeben, welches durch ein verbessertes Steuergerät zum Erzeugen von zusätzlichen Daten zum Trainieren und/oder Validieren eines Anomaliedetektors erzeugte zusätzliche Daten zum Validieren des Anomaliedetektors nutzt. Die Erzeugung der zusätzlichen Daten basiert dabei darauf, dass zwischen einer Verteilung der Überprüfungsergebnisse aus einem ersten Bereich und einer Verteilung der Überprüfungsergebnisse aus einem weiteren, von dem ersten Bereich unterschiedlichen Bereich eine Korrelation, insbesondere positive Korrelation, beziehungsweise ein starker Zusammenhang besteht, wobei die Korrelation beziehungsweise der Zusammenhang dazu genutzt werden kann, um auf einfache Art und Weise und mit vergleichsweise geringem Ressourcen- und Zeitaufwand zusätzliche Daten zum Validieren des Anomaliedetektors zu erzeugen beziehungsweise zu schätzen.
-
Zusammenfassend ist festzustellen, dass mit der vorliegenden Erfindung ein Verfahren und ein Steuergerät zum Erzeugen von zusätzlichen Daten zum Trainieren und/oder Validieren eines Anomaliedetektors angegeben werden, mit welchen mit vergleichsweise geringem Ressourcen- und Zeitaufwand künstliche Anomalien beziehungsweise zusätzliche Daten zum Trainieren und/oder Validieren eines Anomaliedetektors erzeugt werden können
-
Die beschriebenen Ausgestaltungen und Weiterbildungen lassen sich beliebig miteinander kombinieren.
-
Weitere mögliche Ausgestaltungen, Weiterbildungen und Implementierungen der Erfindung umfassen auch nicht explizit genannte Kombinationen von zuvor oder im Folgenden bezüglich der Ausführungsbeispiele beschriebenen Merkmalen der Erfindung.
-
Figurenliste
-
Die beiliegenden Zeichnungen sollen ein weiteres Verständnis der Ausführungsformen der Erfindung vermitteln. Sie veranschaulichen Ausführungsformen und dienen im Zusammenhang mit der Beschreibung der Erklärung von Prinzipien und Konzepten der Erfindung.
-
Andere Ausführungsformen und viele der genannten Vorteile ergeben sich im Hinblick auf die Zeichnungen. Die dargestellten Elemente der Zeichnungen sind nicht notwendigerweise maßstabsgetreu zueinander gezeigt.
-
Es zeigen:
- 1 ein Flussdiagramm eines Verfahrens zum Erzeugen von zusätzlichen Daten zum Trainieren und/oder Validieren eines Anomaliedetektors gemäß einer ersten Ausführungsform der Erfindung;
- 2 ein Flussdiagramm eines Verfahrens zum Erzeugen von zusätzlichen Daten zum Trainieren und/oder Validieren eines Anomaliedetektors gemäß einer zweiten Ausführungsform der Erfindung;
- 3 ein Blockschaltbild eines Steuergeräts zum Erzeugen von zusätzlichen Daten zum Trainieren und/oder Validieren eines Anomaliedetektors gemäß Ausführungsformen der Erfindung.
-
In den Figuren der Zeichnungen bezeichnen gleiche Bezugszeichen gleiche oder funktionsgleiche Elemente, Bauteile oder Komponenten, soweit nichts Gegenteiliges angegeben ist.
-
1 zeigt ein Flussdiagramm eines Verfahrens zum Erzeugen von zusätzlichen Daten zum Trainieren und/oder Validieren eines Anomaliedetektors 1 gemäß einer ersten Ausführungsform der Erfindung.
-
Unter Anomaliedetektor wird allgemein eine Einheit verstanden, welche ausgebildet ist, basierend auf einem Algorithmus des maschinellen Lernens, welcher trainiert ist, Anomalien in Daten zu erkennen, Anomalien in Daten, beispielsweise Datensätzen oder Datenströmen, zu erkennen. Beispielsweise kann der Anomaliedetektor ausgebildet sein, Anomalien in Daten, welche durch die ein Produktionsverfahren beziehungsweise eine Produktionsstrecke produzierte Produkte, beispielsweise Halbleiterchips, kennzeichnen, und/oder Daten, welche die Produktion dieser Produkte kennzeichnen, zu erkennen.
-
Als nachteilig bei derartigen Anomaliedetektoren erweist es sich jedoch, dass Anomalien beziehungsweise untypische Daten für gewöhnlich sehr selten auftreten und somit für gewöhnlich nur sehr wenige Daten zum Trainieren und/oder anschließenden Validieren eines Anomaliedetektors zur Verfügung stehen.
-
Folglich besteht Bedarf an Verfahren zur Erzeugung von zusätzlichen Daten zum Trainieren und/oder Validieren eines Anomaliedetektors. Dabei ist es beispielsweise bekannt, dass entsprechende Domainexperten manuell weitere Daten zum Trainieren und/oder Validieren von Anomaliedetektoren erzeugen, wobei es sich jedoch um einen sehr zeitaufwendigen Prozess handelt.
-
1 zeigt dabei ein Verfahren 1, wobei zunächst in einem Schritt 2 wenigstens eine Überprüfung in einem ersten Bereich durchgeführt wird um festzustellen, ob eine oder mehrere Anomalien vorliegen, wobei Überprüfungsergebnisse erzeugt werden, wobei, für alle Überprüfungsergebnisse, welche nicht auf eine Anomalie hinweisen, in einem Schritt 3 eine erste Verteilung beziehungsweise eine Verteilung der entsprechenden Überprüfungsergebnisse ermittelt wird, und wobei in einem Schritt 4 zusätzliche Daten zum Trainieren und/oder Validieren des Anomaliedetektors basierend auf der ersten Verteilung erzeugt werden.
-
Das dargestellte Verfahren 1 basiert dabei darauf, dass zwischen einer Verteilung der Überprüfungsergebnisse aus einem ersten Bereich und einer Verteilung der Überprüfungsergebnisse aus einem weiteren, von dem ersten Bereich unterschiedlichen Bereich eine Korrelation, insbesondere positive Korrelation, beziehungsweise ein starker Zusammenhang besteht, wobei die Korrelation beziehungsweise der Zusammenhang dazu genutzt werden kann, um auf einfache Art und Weise und mit vergleichsweise geringem Ressourcen- und Zeitaufwand zusätzliche Daten zum Trainieren und/oder Validieren des Anomaliedetektors zu erzeugen beziehungsweise zu schätzen.
-
Insgesamt zeigt 1 somit ein verbessertes Verfahren zum Erzeugen von zusätzlichen Daten zum Trainieren und/oder Validieren eines Anomaliedetektors 1.
-
Dabei ist der Anomaliedetektor insbesondere derart ausgebildet, durch ein spezielles Produktionsverfahren produzierte Halbleiterchips zu verifizieren, beziehungsweise diese auf das Vorliegen von Anomalien hin zu überprüfen.
-
Bei der wenigstens einen Überprüfung kann es sich dabei um alle entsprechenden während der Produktion von Halbleiterchips durchgeführten Tests handeln, beispielsweise einen Wafer Level Test und/oder einen Final Test.
-
Bei den Überprüfungsergebnissen kann es sich weiter um Vektoren aus Zahlen handeln, wobei dem Vektor beispielsweise der Strom bei einer bestimmten Spannung an verschiedenen Stellen eines Halbleiterchips, ein Widerstand im leitenden Zustand, ein Widerstand im nicht-leitenden Zustand, etc. zu entnehmen sein kann.
-
Bei der ersten Verteilung kann es sich ferner insbesondere um eine multivariate Verteilung handeln.
-
Gemäß der ersten Ausführungsform weist der Schritt 4 des Erzeugens von zusätzlichen Daten zum Trainieren und/oder Validieren des Anomaliedetektors basierend auf der erteilten Verteilung ein Erzeugen von zusätzlichen Daten zum Trainieren und/oder Validieren von des Anomaliedetektors aus einem von dem ersten Bereich unterschiedlichen zweiten Bereich auf.
-
Gemäß der ersten Ausführungsform handelt es sich bei dem zweiten Bereich dabei insbesondere um einen an den ersten Bereich unmittelbar anschließenden beziehungsweise um einen auf den ersten Bereich unmittelbar folgenden Bereich.
-
Wie 1 zeigt, weist der Schritt 4 des Erzeugens von zusätzlichen Daten zum Trainieren und/oder Validieren des Anomaliedetektors basierend auf der erteilten Verteilung einen Schritt 5 eines stichprobenmäßiges Durchführen der wenigstens einen Überprüfung in dem zweiten Bereich, wobei zusätzliche Überprüfungsergebnisse erzeugt werden, einen Schritt 6 eines Ermittelns beziehungsweise Schätzens weiterer zusätzlicher Datenpunkte basierend auf zusätzlichen Überprüfungsergebnissen, welche nicht auf eine Anomalie hinweisen, und der ersten Verteilung, und einen Schritt 7 eines Erzeugens von zusätzlichen Daten zum Trainieren und/oder Validieren des Anomaliedetektors basierend auf den zusätzlichen Überprüfungsergebnissen und den weiteren Datenpunkten auf.
-
Dass weitere zusätzliche Datenpunkte basierend auf zusätzlichen Überprüfungsergebnissen, welche nicht auf eine Anomalie hinweisen, und der ersten Verteilung erzeugt werden bedeutet dabei, dass, basierend darauf, dass zwischen einer Verteilung der Überprüfungsergebnisse aus einem ersten Bereich und einer Verteilung der Überprüfungsergebnisse aus einem weiteren, von dem ersten Bereich unterschiedlichen Bereich eine Korrelation, beziehungsweise ein starker Zusammenhang besteht, die erste Verteilung auf den zweiten Bereich übertragen wird, beziehungsweise angenommen wird, dass zwischen Überprüfungsergebnissen aus dem zweiten Bereich, welche nicht auf eine Anomalie hinweisen, ein zumindest ähnlicher Zusammenhang beziehungsweise eine zumindest ähnliche Beziehung wie zwischen den entsprechenden Überprüfungsergebnissen aus dem ersten Bereich besteht. Bei den zusätzlichen Datenpunkten handelt es sich dabei um Datenpunkte, welche auf der entsprechend erzeugten Verteilung der Überprüfungsergebnisse, welche nicht auf eine Anomalie hinweisen, aus dem zweiten Bereich liegen beziehungsweise diese Verteilung kennzeichnen.
-
Dabei können die Schritte 5, 6 und 7 anschließend wiederholt und auf weiteren Bereichen, beispielsweise bisher noch nicht beachteten Bereichen ausgeführt werden, wobei die erzeugten zusätzlichen Daten anschließend zum Trainieren und/oder Validieren des Anomaliedetektors herangezogen werden können.
-
Der Anomaliedetektor kann anschließend zur Detektion von Anomalien, beispielsweise von Anomalien in durch das spezielle Produktionsverfahren hergestellten Halbleiterchips herangezogen werden, ohne dass hierzu Anomalien aufweisende Halbleiterchips manuell gelabelt werden müssen.
-
Dabei kann der Anomaliedetektor beispielsweise auf einem Dichte-basierten Clusteringverfahren, einem Algorithmus des bestärkenden Lernens, oder aber auch einem Klassifizierungs- oder Regressionsalgorithmus basieren.
-
2 zeigt ein Flussdiagramm eines Verfahrens zum Erzeugen von zusätzlichen Daten zum Trainieren und/oder Validieren eines Anomaliedetektors 10 gemäß einer ersten Ausführungsform der Erfindung.
-
Wie 2 zeigt, weist das Verfahren 10 wiederum einen Schritt 11 eines Durchführens von wenigstens einer Überprüfung in einem ersten Bereich um festzustellen, ob eine oder mehrere Anomalien vorliegen, wobei Überprüfungsergebnisse erzeugt werden, auf, wobei, für alle Überprüfungsergebnisse, welche nicht auf eine Anomalie hinweisen, in einem Schritt 12 eine erste Verteilung der entsprechenden Überprüfungsergebnisse ermittelt wird, und wobei in einem Schritt 13 zusätzliche Daten zum Trainieren und/oder Validieren des Anomaliedetektors basierend auf der ersten Verteilung erzeugt werden.
-
Der Unterschied zwischen dem in 2 gezeigten Verfahren 10 gemäß der zweiten Ausführungsform und dem in 1 gezeigten Verfahren 1 gemäß der ersten Ausführungsform besteht dabei darin, dass der Schritt 13 des Erzeugens von zusätzlichen Daten zum Trainieren und/oder Validieren des Anomaliedetektors basierend auf der ersten Verteilung gemäß dem Verfahren 10 gemäß der zweiten Ausführungsform für jeden von wenigstens einem zusätzlichen Bereich jeweils einen Schritt 14 eines stichprobenmäßigen Durchführens der wenigstens einen Überprüfung beziehungsweise bedingten Sampelns in dem entsprechenden Bereich, wobei zusätzliche Überprüfungsergebnisse erzeugt werden, für jeden des wenigstens einen zusätzlichen Bereichs jeweils einen Schritt 15 eines Ermittelns einer zusätzlichen Verteilung der für diesen Bereich erzeugten zusätzlichen Überprüfungsergebnisse, welche nicht auf eine Anomalie hinweisen beziehungsweise welch keine Anomalie kennzeichnen, einen Schritt 16 eines, für jede zusätzliche Verteilung, jeweiligen Vergleichens der entsprechenden zusätzlichen Verteilung mit der ersten Verteilung um zu ermitteln, ob die entsprechende zusätzliche Verteilung um weniger als einen Grenzwert von der ersten Verteilung abweicht, und einen Schritt 17 eines, für jede zusätzliche Verteilung, welche um weniger als einen Grenzwert von der ersten Verteilung abweicht, jeweiligen Erzeugens von zusätzlichen Daten zum Trainieren und/oder Validieren des Anomaliedetektors basierend auf der entsprechenden zusätzlichen Verteilung und der ersten Verteilung aufweist.
-
Dass die zusätzliche, basierend auf den Überprüfungsergebnissen aus dem entsprechenden Bereich ermittelte Verteilung um weniger als einen Grenzwert von der ersten Verteilung abweicht bedeutet dabei, dass die erste Verteilung und die zusätzliche Verteilung sehr ähnlich beziehungsweise stark korreliert sind.
-
Dass weiter zusätzliche Daten zum Trainieren und/oder Validieren des Anomaliedetektors basierend auf der entsprechenden zusätzlichen Verteilung und der ersten Verteilung erzeugt werden, bedeutet ferner, dass diese starke Korrelation zwischen der zusätzlichen Verteilung und der ersten Verteilung genutzt wird, um die zusätzlichen Daten zu erzeugen, wobei es sich bei den zusätzlichen Daten insbesondere um Datenpunkte handeln kann, für welche diese starke Korrelation nicht mehr gegeben ist, beziehungsweis welche von dieser starken Korrelation abweichen.
-
Insbesondere können dabei jeweils zunächst die beiden größten Hauptkomponenten des korrelierten Paares aus der ersten Verteilung und einer der entsprechenden zusätzlichen Verteilungen bestimmt werden, wobei es sich bei den beiden Hauptkomponenten insbesondere um zwei Geraden handeln kann. Dabei kann eine der beiden Hauptkomponenten beziehungsweise Geraden anschließend entlang der anderen Hauptkomponente beziehungsweise Gerade verschoben werden, um ein untypisches Verhalten zu erzeugen beziehungsweise die Korrelation bewusst zu zerstören und bewusst untypische Werte zu erzeugen, welche nicht auf der eigentlichen Hauptkomponente liegen. Die verschobene Hauptkomponente beziehungsweise Gerade kann dabei zudem noch verkleinert beziehungsweise verkürzt werden, so dass diese nicht aus vorgegebenen Schwellwerten herausgeschoben wird.
-
3 zeigt ein Blockschaltbild eines Steuergeräts zum Erzeugen von zusätzlichen Daten zum Trainieren und/oder Validieren eines Anomaliedetektors 20 gemäß Ausführungsformen der Erfindung.
-
Wie 3 zeigt, weist das Steuergerät 20 dabei eine erste Überprüfungseinheit 21, welche ausgebildet ist, wenigstens eine Überprüfung in einem ersten Bereich durchzuführen um festzustellen, ob durch das Produktionsverfahren produzierte Produkte Anomalien aufweisen, wobei Überprüfungsergebnisse erzeugt werden, eine erste Ermittlungseinheit 22, welche ausgebildet ist, für alle Überprüfungsergebnisse, welche nicht auf eine Anomalie hinweisen, eine erste Verteilung der entsprechenden Überprüfungsergebnisse zu ermitteln, und eine erste Erzeugungseinheit 23, welche ausgebildet ist, zusätzliche Daten zum Trainieren und/oder Validieren des Anomaliedetektors basierend auf der ersten Verteilung zu erzeugen, auf.
-
Die erste Überprüfungseinheit, die erste Ermittlungseinheit und die erste Erzeugungseinheit können dabei jeweils beispielsweise basierend auf in einem Speicher hinterlegten und durch einen Prozessor ausführbaren Code realisiert werden.
-
Dabei ist die erste Erzeugungseinheit 23 ausgebildet, zusätzliche Daten zum Trainieren und/oder Validieren des Anomaliedetektors aus einem von dem ersten Bereich unterschiedlichen zweiten Bereich zu erzeugen, wobei die erste Erzeugungseinheit 23 eine zweite Überprüfungseinheit 24, welche ausgebildet ist, die wenigstens eine Überprüfung in dem zweiten Bereich durchzuführen, wobei zusätzliche Überprüfungsergebnisse erzeugt werden, eine zweite Ermittlungseinheit 25, welche ausgebildet ist, zusätzliche Datenpunkte basierend auf zusätzlichen Überprüfungsergebnissen, welche nicht auf eine Anomalie hinweisen, und der ersten Verteilung zu ermitteln, und eine zweite Erzeugungseinheit 26, welche ausgebildet ist, zusätzliche Daten zum Trainieren und/oder Validieren des Anomaliedetektors basierend auf den zusätzlichen Überprüfungsergebnissen und den weiteren Datenpunkten zu erzeugen, aufweist.
-
Die zweite Überprüfungseinheit, die zweite Ermittlungseinheit und die zweite Erzeugungseinheit können dabei wiederum jeweils beispielsweise basierend auf in einem Speicher hinterlegten und durch einen Prozessor ausführbaren Code realisiert werden.
-
Wie 3 zeigt, weist die dargestellte erste Erzeugungseinheit 23 zudem eine dritte Überprüfungseinheit 27, welche ausgebildet ist, für jeden von wenigstens einem zusätzlichen Bereich, jeweils die wenigstens eine Überprüfung stichprobenmäßig in dem entsprechenden Bereich durchzuführen, wobei zusätzliche Überprüfungsergebnisse erzeugt werden, eine dritte Ermittlungseinheit 28, welche ausgebildet ist, für jeden von dem wenigstens einen zusätzlichen Bereich, jeweils eine zusätzliche Verteilung der für diesen Bereich erzeugten zusätzlichen Überprüfungsergebnisse, welche nicht auf eine Anomalie hinweisen, zu ermitteln, eine Vergleichseinheit 29, welche ausgebildet ist, für jede zusätzliche Verteilung, jeweils die entsprechende zusätzliche Verteilung mit der ersten Verteilung zu vergleichen um zu ermitteln, ob die entsprechende zusätzliche Verteilung um weniger als einen Grenzwert von der ersten Verteilung abweicht, und eine dritte Erzeugungseinheit 30, welche ausgebildet ist, für jede zusätzliche Verteilung, welche um weniger als einen Grenzwert von der ersten Verteilung abweicht, jeweils zusätzlichen Daten zum Trainieren und/oder Validieren des Anomaliedetektors basierend auf der entsprechenden zusätzlichen Verteilung und der ersten Verteilung zu erzeugen, auf.
-
Die dritte Überprüfungseinheit, die dritte Ermittlungseinheit, die Vergleichseinheit und die dritte Erzeugungseinheit können dabei wiederum jeweils beispielsweise basierend auf in einem Speicher hinterlegten und durch einen Prozessor ausführbaren Code realisiert werden.
-
ZITATE ENTHALTEN IN DER BESCHREIBUNG
-
Diese Liste der vom Anmelder aufgeführten Dokumente wurde automatisiert erzeugt und ist ausschließlich zur besseren Information des Lesers aufgenommen. Die Liste ist nicht Bestandteil der deutschen Patent- bzw. Gebrauchsmusteranmeldung. Das DPMA übernimmt keinerlei Haftung für etwaige Fehler oder Auslassungen.
-
Zitierte Patentliteratur
-
- DE 102019003382 A1 [0006]
