TW201913412A - 故障診斷系統及方法 - Google Patents

故障診斷系統及方法 Download PDF

Info

Publication number
TW201913412A
TW201913412A TW106129698A TW106129698A TW201913412A TW 201913412 A TW201913412 A TW 201913412A TW 106129698 A TW106129698 A TW 106129698A TW 106129698 A TW106129698 A TW 106129698A TW 201913412 A TW201913412 A TW 201913412A
Authority
TW
Taiwan
Prior art keywords
cause
probability
fault
type
level
Prior art date
Application number
TW106129698A
Other languages
English (en)
Inventor
陸欣
張歡歡
劉慧丰
張玉勇
Original Assignee
鴻海精密工業股份有限公司
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
Priority to ??201710611753.X priority Critical
Priority to CN201710611753.XA priority patent/CN109298703A/zh
Application filed by 鴻海精密工業股份有限公司 filed Critical 鴻海精密工業股份有限公司
Publication of TW201913412A publication Critical patent/TW201913412A/zh

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING; COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00Error detection; Error correction; Monitoring
    • G06F11/07Responding to the occurrence of a fault, e.g. fault tolerance
    • G06F11/0703Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation
    • G06F11/079Root cause analysis, i.e. error or fault diagnosis
    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05BCONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00Testing or monitoring of control systems or parts thereof
    • G05B23/02Electric testing or monitoring
    • G05B23/0205Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0243Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults model based detection method, e.g. first-principles knowledge model
    • G05B23/0245Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults model based detection method, e.g. first-principles knowledge model based on a qualitative model, e.g. rule based; if-then decisions
    • G05B23/0248Causal models, e.g. fault tree; digraphs; qualitative physics
    • GPHYSICS
    • G06COMPUTING; CALCULATING; COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00Error detection; Error correction; Monitoring
    • G06F11/07Responding to the occurrence of a fault, e.g. fault tolerance
    • G06F11/0703Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation
    • G06F11/0766Error or fault reporting or storing
    • G06F11/0781Error filtering or prioritizing based on a policy defined by the user or on a policy defined by a hardware/software module, e.g. according to a severity level
    • GPHYSICS
    • G06COMPUTING; CALCULATING; COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/22Indexing; Data structures therefor; Storage structures
    • GPHYSICS
    • G06COMPUTING; CALCULATING; COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F7/00Methods or arrangements for processing data by operating upon the order or content of the data handled
    • G06F7/06Arrangements for sorting, selecting, merging or comparing data on individual record carriers
    • G06F7/08Sorting, i.e. grouping record carriers in numerical or other ordered sequence according to the classification of at least some of the information they carry
    • GPHYSICS
    • G06COMPUTING; CALCULATING; COUNTING
    • G06NCOMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00Machine learning
    • GPHYSICS
    • G06COMPUTING; CALCULATING; COUNTING
    • G06NCOMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00Computer systems using knowledge-based models
    • G06N5/003Dynamic search techniques; Heuristics; Dynamic trees; Branch-and-bound
    • GPHYSICS
    • G06COMPUTING; CALCULATING; COUNTING
    • G06NCOMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00Computer systems using knowledge-based models
    • G06N5/04Inference methods or devices
    • G06N5/045Explanation of inference steps
    • GPHYSICS
    • G06COMPUTING; CALCULATING; COUNTING
    • G06NCOMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N7/00Computer systems based on specific mathematical models
    • G06N7/005Probabilistic networks

Abstract

本發明提供一種故障診斷系統及方法。該系統包括:計算模組,用於計算目標產品出現故障的故障類型的原因出現的概率;構建模組,用於以所述故障類型為根節點,以所述出現該故障類型的原因為子節點構造決策樹;及求解模組,用於求解所述決策樹以找出所述目標產品出現故障的原因。本發明可以透過構建決策樹快速找到目標產品出現故障的原因,提高生產效率。

Description

故障診斷系統及方法
本發明涉及故障診斷技術領域,尤其涉及一種故障診斷系統及方法。
隨著工業生產規模的逐漸增大,對生產線的各個環節生產效率的要求也越來越高。目前在產品出現故障的診斷過程中,大多採用先畫魚骨圖,然後逐個原因進行實驗來查找出現故障的根本原因。該方法比較依賴於工程師的經驗,並且由於未充分利用大量的歷史資料而需要耗費大量的時間。
鑒於以上內容,有必要提供一種故障診斷系統和方法,可以利用大量的歷史資料快速找到出現故障的原因。
一種故障診斷方法,應用於電子裝置中,所述電子裝置包括資料庫,所述資料庫中存儲有目標產品出現故障的故障類型資料和出現該故障類型的原因資料,該方法包括:計算步驟,計算該故障類型的原因出現的概率;構建步驟,以所述故障類型為根節點,以所述出現該故障類型的原因為子節點構造決策樹;及求解步驟,求解所述決策樹以找出所述目標產品出現故障的原因。
一種故障診斷系統,運行於電子裝置中,所述電子裝置包括資料庫,所述資料庫中存儲有目標產品出現故障的故障類型資料和出現該故障類型的原因資料,該系統包括:計算模組,用於計算該故障類型的原因出現的概率;構建模組,用於以所述故障類型為根節點,以所述出現該故障類型的原因為子節點構造決策樹;及求解模組,用於求解所述決策樹以找出所述目標產品出現故障的原因。
相較於習知技術,本發明提供的故障診斷系統和方法,可以透過構建決策樹快速找到目標產品出現故障的原因,提高生產效率。
參閱圖1所示,是本發明故障診斷系統10的較佳實施例的運行環境示意圖。在本實施例中,所述的故障診斷系統10安裝並運行於電子裝置1中,該電子裝置1可以是電腦等設備。該電子裝置1還包括,但不僅限於,記憶體11、處理器12及顯示器13。所述電子裝置1的部件11-13透過系統匯流排相互通信。
在本實施例中,所述記憶體11可以是所述電子裝置1本身的記憶體,也可以是SD卡(Secure Digital Card,安全數位卡)、SM卡(Smart Media Card,智慧媒體卡)等外部存放裝置。該記憶體11用於存儲所述故障診斷系統10的程式碼等資料。在本實施方式中,所述電子裝置1還包括資料庫14,所述資料庫14中存儲有同一類型的大量目標產品出現故障的故障類型,和出現該故障類型的原因。在本實施例中,根據所述目標產品的故障類型將所述目標產品出現故障的原因按層級劃分。例如,一級原因、二級原因、三級原因等等,以此類推。而每一層級原因可以有一個或多個。
舉例而言,當目標產品的故障類型為不能充電時,將出現不能充電故障的原因按層級劃分,一級原因包括測試治具異常、硬體故障和軟體故障。所述測試治具出現異常的概率為0.7,所述硬體出現故障的概率為0.2,及所述軟體出現故障的概率為0.1。當一級原因為測試治具異常時的二級原因包括連接線異常和工站異常;所述連接線異常的概率為0.6,所述工站異常的概率為0.4。當一級原因為硬體故障時的二級原因包括主機板故障和電池異常,所述主機板故障的概率為0.6,所述電池異常的概率為0.4。當一級原因為軟體故障時的二級原因包括Smokey腳本錯誤,那麼Smokey腳本錯誤的概率為1。依此類推,所述二級原因還可以向下劃分三級原因、四級原因等。
所述處理器12可以為中央處理單元,或者其他能夠執行所述故障診斷系統10的資料處理晶片。所述顯示器13用於顯示故障診斷結果,該顯示器13可以是LCD(Liquid Crystal Display,液晶)顯示螢幕,也可以是OLED(Organic Light-Emitting Diode,有機發光二極體)顯示螢幕。
參閱圖2所示,是本發明故障診斷系統10較佳實施例的功能模組圖。在本實施例中,所述故障診斷系統10可以被分割成一個或多個模組,所述一個或多個模組存儲在所述記憶體11中,並被配置成一個或多個處理器(本實施例為一個處理器12)執行,以完成本發明。例如,所述故障診斷系統10被分割成計算模組101、構建模組102及求解模組103。本發明所稱的模組是能夠完成一特定功能的程式段,比程式更適合用於描述軟體在電子裝置1中的執行過程,關於各模組的詳細功能將在後文圖3的流程圖中作具體描述。
參閱圖3所示,是本發明故障診斷方法較佳實施例的流程圖。根據不同需求,該流程圖中步驟的順序可以改變,某些步驟可以省略或合併。
本發明是以大量目標產品出現故障的故障類型資料和出現該故障類型的原因資料為基礎來設計一決策樹。在本實施例中,所述資料庫14中存儲有大量歷史資料,所述歷史資料包括故障類型資料和出現該故障類型的原因資料。並且隨著生產的進行,所述故障類型資料和出現該故障類型的原因資料可以動態添加至所述資料庫14中。即,在生產過程中,若目標產品出現故障,使用者可以記錄該故障類型及出現該故障類型的原因,並將該故障類型及出現該故障類型的原因存儲至資料庫14中。
在本實施方式中,使用者可以根據所述目標產品的故障類型將所述目標產品出現故障的原因按層級劃分。例如,一級原因、二級原因、三級原因等等。而每一級原因可以有一個或多個。
步驟S1,根據資料庫14中存儲的目標產品出現故障的故障類型資料和出現該故障類型的原因資料,計算模組101計算該故障類型的原因出現的概率。該故障類型的原因出現的概率為該原因出現的次數與該原因所在層級的所有原因出現次數的比值。例如,假設所述一級原因包括R1、R2和R3,所述一級原因R1、R2和R3分別出現的次數為n1、n2和n3,則所述一級原因R1、R2和R3出現的概率分別為:
可以理解的是,隨著生產的進行,所述目標產品在生產過程中出現的該類故障的原因及概率會動態添加至所述資料庫14中,從而可以動態更新出現的該類故障的原因及概率。
步驟S2,構建模組102以故障類型為根節點,出現該故障類型的原因為子節點構造決策樹。
具體而言,構建該決策樹的流程包括以下幾個步驟:
首先,針對目標產品出現故障的故障類型,從所述資料庫14中查找出現該故障類型的一級原因(如R1、R2和R3)及該一級原因出現的概率;
其次,以所述故障類型為根節點,所述一級原因R1、R2和R3為子節點,所述一級原因R1、R2和R3出現的概率作為權值,構建決策樹的第一層;
再從所述資料庫14中查找所述一級原因R1、R2和R3對應的下級原因(即二級原因),並計算所述二級原因出現的概率;
再分別以所述一級原因R1、R2和R3為父節點,所述二級原因為子節點,所述二級原因出現的概率為權值,構建上述決策樹的第二層;
依此類推,直到找不到下級原因,決策樹構建完成。
參閱圖4所示為構建好的以故障類型為不能充電的決策樹。
當目標產品的故障類型為不能充電時,將出現不能充電故障的原因按層級劃分,一級原因包括測試治具異常、硬體故障和軟體故障。下面對構建該決策樹的第一分支進行說明。此第一分支的一級原因為測試治具異常。以不能充電為根節點,以測試治具異常為子節點,所述測試治具出現異常的概率0.7作為權值構建決策樹的第一分支的第一層。
當一級原因為測試治具時的二級原因包括連接線異常和工站異常時。以測試治具異常為父節點,以連接線異常和工站異常為子節點,及連接線異常的概率0.6為權值,工站異常的概率為0.4為權值,構建上述決策樹中第一分支的第二層。
當二級原因為連接線異常時的三級原因包括非Kanzi 連接線、連接線損壞及連接線連接錯誤時。以所述連接線異常為父節點,以非Kanzi 連接線、連接線損壞及連接線連接錯誤為子節點,以非Kanzi 連接線出現的概率0.3為權值,連接線損壞的概率0.4為權值,及連接線連接錯誤的概率0.3為權值,構建上述決策樹中第一分支的第三層;當二級原因為工站異常時的三級原因包括測試軟體錯誤、錯用覆蓋層及USB供電速度慢時。那麼,以工站異常為父節點,以測試軟體錯誤、錯用覆蓋層及USB供電速度慢為子節點,以測試軟體錯誤出現的概率0.5為權值,錯用覆蓋層的概率0.2為權值,及USB供電速度慢的概率0.3為權值,構建上述決策樹中第一分支的第三層。依此類推,構建如圖4所示的決策樹。
步驟S3,求解模組103求解所述決策樹以找出所述目標產品出現故障的原因,並將該原因顯示在顯示器13供使用者參考。
在本實施方式中,所述求解模組103先透過剪枝方法對該決策樹進行剪枝消除異常資料。具體地,先設置概率閾值,再將決策樹中每一權值小於所述概率閾值的分枝進行剪枝。所述概率閾值由使用者根據實際情況自行設定或者根據行業專家建議進行設定。所述求解模組103再利用前序遍歷尋找所述決策樹中的每條路徑,並計算每條路徑的概率。將每條路徑的概率按從大到小的順序排列,並選取其中概率靠前的預設條路徑。那麼,所述概率靠前的預設條路徑中的葉子節點對應的原因即是出現該類型故障的原因。所述路徑的概率為該路徑上每一分枝的概率乘積。
在本實施方式中,可以根據實際生產的需求而確定所述概率靠前的預設條路徑的數量。例如,在實際的生產過程中,使用者需要找到兩個該目標產品出現故障的原因。那麼,所述求解模組103選取概率排第一和第二的兩條路徑。即概率排第一的路徑的葉子節點對應的原因是出現該類型故障的主要原因,概率排第二的路徑的葉子節點對應的原因是出現該類型故障的次要原因。
例如,如圖4中,假設所述概率閾值為0.2,那麼透過所述求解模組103透過剪枝方法可以對該決策樹進行剪枝後消除軟體故障。而當所述預設條路徑的數量為兩條時,所述求解模組103利用前序遍歷尋找所述決策樹中的每條路徑,並計算每條路徑的概率後可以找到概率排第一(0.168)的一條路徑(不能充電—測試治具異常—連接線異常—連接線損壞),而該路徑中的葉子節點對應的連接線損壞就是所述目標產品出現不能充電的主要原因。以及找到概率排第二(0.14)的一條路徑(不能充電—測試治具異常—工站異常—測試軟體錯誤),而該路徑中的葉子節點對應的測試軟體錯誤就是所述目標產品出現不能充電的次要原因。
最後所應說明的是,以上實施例僅用以說明本發明的技術方案而非限制,儘管參照以上較佳實施例對本發明進行了詳細說明,本領域的普通技術人員應當理解,可以對本發明的技術方案進行修改或等同替換都不應脫離本發明技術方案的精神和範圍。
1‧‧‧電子裝置
10‧‧‧故障診斷系統
101‧‧‧計算模組
102‧‧‧構建模組
103‧‧‧求解模組
11‧‧‧記憶體
12‧‧‧處理器
13‧‧‧顯示器
14‧‧‧資料庫
圖1是本發明故障診斷系統較佳實施例的運行環境示意圖。 圖2是本發明故障診斷系統較佳實施例的功能模組圖。 圖3是本發明故障診斷方法較佳實施例的流程圖。 圖4為以故障類型為不能充電而構建的決策樹。
無。

Claims (12)

  1. 一種故障診斷方法,應用於電子裝置中,所述電子裝置包括資料庫,所述資料庫中存儲有目標產品出現故障的故障類型資料和出現該故障類型的原因資料,其中,該方法包括: 計算步驟,計算該故障類型的原因出現的概率; 構建步驟,以所述故障類型為根節點,以所述出現該故障類型的原因為子節點構造決策樹;及 求解步驟,求解所述決策樹以找出所述目標產品出現故障的原因。
  2. 如申請專利範圍第1項所述的故障診斷方法,其中,該方法還包括:根據所述目標產品的故障類型將所述目標產品出現故障的原因按層級劃分。
  3. 如申請專利範圍第2項所述的故障診斷方法,其中,該故障類型的原因出現的概率為該原因出現的次數與該原因所在層級的所有原因出現次數的比值。
  4. 如申請專利範圍第2項所述的故障診斷方法,其中,所述構建步驟包括如下步驟: 針對目標產品出現故障的故障類型,從所述資料庫中查找出現該故障類型的一級原因,及該一級原因出現的概率; 以所述故障類型為根節點,所述一級原因為子節點,所述一級原因出現的概率作為權值,構建決策樹的第一層; 從所述資料庫中查找所述一級原因對應的二級原因,並計算所述二級原因出現的概率; 再分別以所述一級原因為父節點,所述二級原因為子節點,所述二級原因出現的概率為權值,構建上述決策樹的第二層;及 依此類推,直到找不到下級原因而完成決策樹的構建。
  5. 如申請專利範圍第4項所述的故障診斷方法,其中,所述求解步驟包括如下步驟: 透過剪枝方法設置概率閾值,將所述決策樹中每一權值小於所述概率閾值的分枝進行剪枝; 利用前序遍歷尋找所述決策樹中的每條路徑,計算每條路徑的概率並將所述每條路徑的概率按從大至小的順序排列;及 選取概率靠前的預設條路徑,該預設條路徑中的葉子節點對應的原因即是出現該類型故障的原因。
  6. 如申請專利範圍第5項所述的故障診斷方法,其中,所述每條路徑的概率為該路徑上每一分枝的概率乘積。
  7. 一種故障診斷系統,運行於電子裝置中,所述電子裝置包括資料庫,所述資料庫中存儲有目標產品出現故障的故障類型資料和出現該故障類型的原因資料,其中,該系統包括: 計算模組,用於計算該故障類型的原因出現的概率; 構建模組,用於以所述故障類型為根節點,以所述出現該故障類型的原因為子節點構造決策樹;及 求解模組,用於求解所述決策樹以找出所述目標產品出現故障的原因。
  8. 如申請專利範圍第7項所述的故障診斷系統,其中,所述計算模組,還用於根據所述目標產品的故障類型將所述目標產品出現故障的原因按層級劃分。
  9. 如申請專利範圍第8項所述的故障診斷系統,其中,該故障類型的原因出現的概率為該原因出現的次數與該原因所在層級的所有原因出現次數的比值。
  10. 如申請專利範圍第8項所述的故障診斷系統,其中,所述構建模組還用於: 針對目標產品出現故障的故障類型,從所述資料庫中查找出現該故障類型的一級原因,及該一級原因出現的概率; 以所述故障類型為根節點,所述一級原因為子節點,所述一級原因出現的概率作為權值,構建決策樹的第一層; 從所述資料庫中查找所述一級原因對應的二級原因,並計算所述二級原因出現的概率; 再分別以所述一級原因為父節點,所述二級原因為子節點,所述二級原因出現的概率為權值,構建上述決策樹的第二層;及 依此類推,直到找不到下級原因而完成決策樹的構建。
  11. 如申請專利範圍第10項所述的故障診斷系統,其中,所述求解模組還用於: 透過剪枝方法設置概率閾值,將所述決策樹中每一權值小於所述概率閾值的分枝進行剪枝; 利用前序遍歷尋找所述決策樹中的每條路徑,計算每條路徑的概率並將所述每條路徑的概率按從大至小的順序排列;及 選取概率靠前的預設條路徑,該預設條路徑中的葉子節點對應的原因即是出現該類型故障的原因。
  12. 如申請專利範圍第11項所述的故障診斷系統,其中,所述每條路徑的概率為該路徑上每一分枝的概率乘積。
TW106129698A 2017-07-25 2017-08-31 故障診斷系統及方法 TW201913412A (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
??201710611753.X 2017-07-25
CN201710611753.XA CN109298703A (zh) 2017-07-25 2017-07-25 故障诊断系统及方法

Publications (1)

Publication Number Publication Date
TW201913412A true TW201913412A (zh) 2019-04-01

Family

ID=65037939

Family Applications (1)

Application Number Title Priority Date Filing Date
TW106129698A TW201913412A (zh) 2017-07-25 2017-08-31 故障診斷系統及方法

Country Status (3)

Country Link
US (1) US10572333B2 (zh)
CN (1) CN109298703A (zh)
TW (1) TW201913412A (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110006679B (zh) * 2019-04-23 2021-02-23 南京大学 一种油料收获装备监控及诊断系统

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6397247B1 (en) * 1998-03-25 2002-05-28 Nec Corporation Failure prediction system and method for a client-server network
MXPA02004194A (es) * 1999-10-28 2002-10-17 Gen Electric Metodo y sistema para administrar remotamente la comunicacion de datos utilizados para pronosticar malos funcionamientos en una pluralidad de maquinas.
CN101739433B (zh) * 2008-11-14 2012-12-19 鸿富锦精密工业(深圳)有限公司 网页下载纠错系统及方法
US20170177424A1 (en) * 2014-03-31 2017-06-22 Bombardier Inc. Specific risk toolkit
US10241852B2 (en) * 2015-03-10 2019-03-26 Siemens Aktiengesellschaft Automated qualification of a safety critical system
US9652723B2 (en) * 2015-06-05 2017-05-16 Sas Institute Inc. Electrical transformer failure prediction
US10061670B2 (en) * 2015-12-28 2018-08-28 Siemens Aktiengesellschaft Method and apparatus for automatically generating a component fault tree of a safety-critical system

Also Published As

Publication number Publication date
US20190034255A1 (en) 2019-01-31
CN109298703A (zh) 2019-02-01
US10572333B2 (en) 2020-02-25

Similar Documents

Publication Publication Date Title
US11057266B2 (en) Identifying troubleshooting options for resolving network failures
AU2016259298B2 (en) Machine for development and deployment of analytical models
AU2016259300B1 (en) Machine for development of analytical models
US10733520B2 (en) Making a prediction regarding development of a software product
US10235277B2 (en) Method of detecting false test alarms using test step failure analysis
US9852232B2 (en) Automating event trees using analytics
CN103019227A (zh) 一种基于故障要素描述的卫星控制系统故障识别方法
CN110825644A (zh) 一种跨项目软件缺陷预测方法及其系统
TW201913412A (zh) 故障診斷系統及方法
JP2021064373A (ja) ソーラーパネルネットワークにおける故障の検出、診断及び位置確認のための方法及びシステム
CN107015901B (zh) 一种日志分析方法及装置
Maksimovic et al. Clustering-based revision debug in regression verification
CN107121616B (zh) 一种用于对智能仪表进行故障定位的方法和装置
US10275548B1 (en) Interactive diagnostic modeling evaluator
US10949338B1 (en) Automated software bug discovery and assessment
US20190327160A1 (en) System and method for scheduling and executing automated tests
CN111104242A (zh) 基于深度学习的操作系统的异常日志的处理方法及装置
US20190155267A1 (en) Information processing apparatus, information processing method, and recording medium
US9684556B2 (en) Method and apparatus for a self-adjusting calibrator
US9760673B2 (en) Application specific integrated circuit (ASIC) test screens and selection of such screens
Jiang et al. Incremental development of fault prediction models
CN110645153B (zh) 风力发电机组故障诊断方法、装置和电子设备
US10649444B2 (en) Method and system for generating minimal cut-sets for highly integrated large systems
KR20210038459A (ko) 데이터 처리 방법, 장치, 기기 및 저장매체
TW201347064A (zh) 虛擬錯誤位址產生系統、冗餘分析模擬系統及其方法