TW202403275A - 推定裝置及推定方法 - Google Patents
推定裝置及推定方法 Download PDFInfo
- Publication number
- TW202403275A TW202403275A TW112109429A TW112109429A TW202403275A TW 202403275 A TW202403275 A TW 202403275A TW 112109429 A TW112109429 A TW 112109429A TW 112109429 A TW112109429 A TW 112109429A TW 202403275 A TW202403275 A TW 202403275A
- Authority
- TW
- Taiwan
- Prior art keywords
- state
- contribution
- feature quantity
- unit
- acquired
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims description 22
- 230000008859 change Effects 0.000 claims abstract description 48
- 238000012795 verification Methods 0.000 claims description 21
- 230000007704 transition Effects 0.000 claims description 5
- 238000012360 testing method Methods 0.000 abstract description 18
- 238000012545 processing Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 6
- 230000002159 abnormal effect Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 239000010730 cutting oil Substances 0.000 description 2
- 238000001790 Welch's t-test Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000005461 lubrication Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000013508 migration Methods 0.000 description 1
- 230000005012 migration Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
- B23Q—DETAILS, COMPONENTS, OR ACCESSORIES FOR MACHINE TOOLS, e.g. ARRANGEMENTS FOR COPYING OR CONTROLLING; MACHINE TOOLS IN GENERAL CHARACTERISED BY THE CONSTRUCTION OF PARTICULAR DETAILS OR COMPONENTS; COMBINATIONS OR ASSOCIATIONS OF METAL-WORKING MACHINES, NOT DIRECTED TO A PARTICULAR RESULT
- B23Q17/00—Arrangements for observing, indicating or measuring on machine tools
- B23Q17/09—Arrangements for observing, indicating or measuring on machine tools for indicating or measuring cutting pressure or for determining cutting-tool condition, e.g. cutting ability, load on tool
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M13/00—Testing of machine parts
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M99/00—Subject matter not provided for in other groups of this subclass
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Testing And Monitoring For Control Systems (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
- Machine Tool Sensing Apparatuses (AREA)
Abstract
推定裝置包括獲取部、檢定部、生成部以及推定部。獲取部獲取對象的第一狀態下的自對象獲得的特徵量、及對象的與第一狀態不同的第二狀態下的特徵量。檢定部對所獲取的第一狀態下的特徵量與所獲取的第二狀態下的特徵量之間的顯著差異進行檢定。生成部根據所檢定的顯著差異而生成特徵量對於對象的第一狀態及第二狀態間的狀態變化的貢獻度。推定部基於所生成的貢獻度來定量地推定對象的第一狀態及第二狀態間的狀態變化的因素。
Description
本揭示是有關於一種能夠推定對象的狀態變化的因素的推定裝置及推定方法。
於專利文獻1中揭示有一種栽培裝置,其以高準確度推定植物中所含的水分量。
[現有技術文獻]
[專利文獻]
[專利文獻1]日本專利特開2019-045484號公報
[發明所欲解決之課題]
通常而言,作為捕捉對象的狀態變化的方法,有對自對象獲得的特徵量設定臨限值的方法。於此種方法中,存在如下情況:僅得知特徵量是否超出臨限值,難以推定對象的狀態變化的因素。
本揭示提供一種能夠推定對象的狀態變化的因素的推定裝置及推定方法。
[解決課題之手段]
本揭示的一態樣的推定裝置包括:
獲取部,獲取對象的第一狀態下的自所述對象獲得的特徵量、及所述對象的與所述第一狀態不同的第二狀態下的所述特徵量;
檢定部,對所獲取的所述第一狀態下的所述特徵量與所獲取的所述第二狀態下的所述特徵量之間的顯著差異進行檢定;
生成部,根據所檢定的所述顯著差異而生成所述特徵量對於所述對象的所述第一狀態及所述第二狀態間的狀態變化的貢獻度;以及
推定部,基於所生成的所述貢獻度來定量地推定所述對象的所述第一狀態及所述第二狀態間的狀態變化的因素。
本揭示的一態樣的推定方法中,
獲取對象的第一狀態下的自所述對象獲得的特徵量、及所述對象的與所述第一狀態不同的第二狀態下的所述特徵量;
對所獲取的所述第一狀態下的所述特徵量與所獲取的所述第二狀態下的所述特徵量之間的顯著差異進行檢定;
根據所檢定的所述顯著差異而生成所述特徵量對於所述對象自所述第一狀態向所述第二狀態的變化的貢獻度;
基於所生成的所述貢獻度來定量地推定所述對象的所述第一狀態及所述第二狀態間的狀態變化的因素。
[發明的效果]
根據所述態樣的推定裝置及推定方法,可定量地推定對象的狀態變化的因素。
以下,依據隨附圖式對本揭示的一例進行說明。以下的說明本質上只不過是示例,並不意圖限制本揭示、其應用物或其用途。附圖是示意性的圖,各尺寸的比率等未必與現實一致。
如圖1所示,本揭示的一實施方式的推定裝置1包括獲取部10、檢定部20、生成部30以及推定部40,並構成為定量地推定對象的狀態變化的因素。對象包含將工件製作成所需形狀的機床、使用機床等將材料加工成目標形狀的加工機械等裝置。對象的狀態包含裝置正常運作的正常狀態與裝置未正常運作的異常狀態。例如,於裝置為進行立銑刀加工的機床的情況下,異常狀態包含立銑刀磨損而機床無法正常進行加工的狀態、因由切削油耗盡所導致的潤滑性不足而機床無法正常進行加工的狀態。
作為一例,推定裝置1包括處理器2、記憶裝置3以及通信裝置4。獲取部10、檢定部20、生成部30及推定部40分別可藉由例如處理器2執行規定程式來實現。處理器2包含中央處理單元(Central Processing Unit,CPU)、微處理單元(Micro Processing Unit,MPU)、圖形處理單元(Graphics Processing Unit,GPU)、數位信號處理器(Digital Signal Processor,DSP)、現場可程式閘陣列(Field Programmable Gate Array,FPGA)、特定應用積體電路(Application Specific Integrated Circuit,ASIC)等。記憶裝置3包含例如內部記錄媒體或外部記錄媒體。內部記錄媒體包含非揮發性記憶體等。外部記錄媒體包含硬式磁碟機(Hard Disk Drive,HDD)、固態硬碟(Solid State Disk,SSD)、光碟裝置等。通信裝置4包含例如用於在與伺服器等外部裝置之間進行資料的收發的通信電路或通信模組。
獲取部10例如構成為經由通信裝置4來獲取對象的第一狀態下的特徵量、及所述對象的與第一狀態不同的第二狀態下的特徵量。特徵量為定量地顯示出對象的特徵的數值。例如,於對象為加工機械等裝置的情況下,特徵量包含根據對象的電壓及電流的類比值而算出的有效值、平均值、峰值、諧波含有率等。特徵量可利用伺服器等外部裝置來算出,亦可利用推定裝置1來算出。
於本實施方式中,獲取部10構成為獲取基準貢獻度。基準貢獻度包含與對象中會產生的多個狀態變化各自的因素對應的貢獻度。例如,基準貢獻度包含與對象自狀態X1向狀態Y2的狀態變化的因素對應的貢獻度、及與對象自狀態X1向狀態Z2的狀態變化的因素對應的貢獻度。基準貢獻度例如可自伺服器等外部裝置獲取,亦可自預先記憶有基準貢獻度的推定裝置1的記憶裝置3獲取。
檢定部20構成為對所獲取的第一狀態下的特徵量與所獲取的第二狀態下的特徵量之間的顯著差異進行統計學檢定。檢定的種類可根據對象的特性等來決定。例如,於對象為加工機械等裝置的情況下,根據以下所示的理由而可使用「威爾奇(Welch)的t檢定」。
.由於裝置的狀態因狀態變化因素而發生改變,因此無法自相同狀態的對象獲取特徵量。
.自兩個不同的狀態(例如,正常狀態及異常狀態)的對象獲得的特徵量未相互對應。
.自兩個不同的狀態的對象獲得的特徵量無法假設為總體不同,總體方差相等。
例如,如圖2所示,相對於兩個不同的狀態X1、X2,三種特徵量A、B、C分別獲取有多個。狀態X1為第一狀態的一例,狀態X2為第二狀態的一例。檢定部20對所獲取的狀態X1下的特徵量A與所獲取的狀態X2下的特徵量A之間的顯著差異進行檢定,對所獲取的狀態X1下的特徵量B與所獲取的狀態X2下的特徵量B之間的顯著差異進行檢定,對所獲取的狀態X1下的特徵量C與所獲取的狀態X2下的特徵量C之間的顯著差異進行檢定。檢定各特徵量的顯著差異而得的結果以檢定值的形式算出。判斷為檢定值越大,越容易檢測到兩個狀態X1、X2間的狀態變化的特徵量。於圖2中,判斷為特徵量A為最容易檢測到對象的狀態X1、狀態X2間的狀態變化的特徵量。
生成部30構成為根據所檢定的顯著差異而生成特徵量對於對象的第一狀態及第二狀態間的狀態變化的貢獻度(以下,稱為貢獻度)。貢獻度為特徵量對於對象的某狀態與另一狀態的識別作出貢獻的程度。
例如,生成部30根據檢定部20的檢定結果,按照與所獲取的基準貢獻度相同的順序,使用多個特徵量來生成貢獻度。作為一例,當由檢定部20獲得了圖2所示的檢定結果時,生成部30根據特徵量A、特徵量B、特徵量C的檢定值而生成貢獻度。例如,如圖3所示,所生成的貢獻度由將特徵量A、特徵量B、特徵量C的檢定值連結的直線L1(用虛線表示)表示。
推定部40構成為基於所生成的貢獻度來定量地推定對象的第一狀態及第二狀態間的狀態變化的因素。於本實施方式中,推定部40構成為根據所生成的貢獻度與所獲取的基準貢獻度來定量地推定對象的第一狀態及第二狀態間的狀態變化的因素。
例如,基準貢獻度包含與對象自狀態X1向狀態Y2的狀態變化的因素對應的貢獻度(以下,稱為基準貢獻度1)、及與對象自狀態X1向狀態Z2的狀態變化的因素對應的貢獻度(以下,稱為基準貢獻度2)。如圖3所示,基準貢獻度1由將特徵量A、特徵量B、特徵量C的檢定值連結的直線L2(用點劃線表示)表示,基準貢獻度2由將特徵量A、特徵量B、特徵量C的檢定值連結的直線L3(用實線表示)表示。於該情況下,推定部40將直線L1、直線L2及直線L3加以比較,推定與由具有和直線L1大致相同的傾斜度的直線L3表示的基準貢獻度2對應的因素為對象的狀態X1、狀態X2間的狀態變化的因素。
於本實施方式中,推定部40構成為根據所生成的貢獻度相對於所獲取的基準貢獻度的比來推定相對於狀態變化整體的遷移程度。例如,若所生成的貢獻度的檢定值為(t
A、t
B、t
C),所獲取的基準貢獻度2的檢定值為(T
A、T
B、T
C),則相對於狀態變化整體的遷移程度可藉由(t
A+t
B+t
C)/(T
A+T
B+T
C)來求出。t
A及T
A為藉由對特徵量A進行檢定而獲得的檢定值,t
B及T
B為藉由對特徵量B進行檢定而獲得的檢定值,t
C及T
C為藉由對特徵量C進行檢定而獲得的檢定值。
參照圖4,對使用推定裝置1的推定方法的一例進行說明。推定方法例如可藉由處理器2執行規定程式來實施。
如圖4所示,當開始了推定方法時,獲取部10自對象獲取對象的第一狀態的特徵量及對象的第二狀態的特徵量(步驟S1)。
當獲取了對象的第一狀態的特徵量及對象的第二狀態的特徵量時,檢定部20對所獲取的第一狀態的特徵量及第二狀態的特徵量之間的顯著差異進行檢定(步驟S2)。
當檢定了所獲取的第一狀態的特徵量及第二狀態的特徵量之間的顯著差異時,生成部30根據所檢測的顯著差異而生成特徵量對於對象的第一狀態及第二狀態間的狀態變化的貢獻度(步驟S3)。
當生成了特徵量對於對象的第一狀態及第二狀態間的狀態變化的貢獻度時,推定部40將所生成的貢獻度及基準貢獻度加以比較,定量地推定對象的第一狀態及第二狀態間的狀態變化的因素(步驟S4),推定方法結束。
推定裝置1可發揮如下所述的效果。
推定裝置1包括獲取部10、檢定部20、生成部30以及推定部40。獲取部10獲取對象的第一狀態下的自對象獲得的特徵量、及對象的與第一狀態不同的第二狀態下的特徵量。檢定部20對所獲取的第一狀態下的特徵量與所獲取的第二狀態下的特徵量之間的顯著差異進行檢定。生成部30根據所檢定的顯著差異而生成特徵量對於對象的第一狀態及第二狀態間的狀態變化的貢獻度。推定部40基於所生成的貢獻度來定量地推定對象的第一狀態及第二狀態間的狀態變化的因素。藉由此種結構,可定量地推定對象的狀態變化的因素。更具體而言,於對象為進行立銑刀加工的機床且機床自正常狀態向異常狀態進行了狀態變化的情況下,可推定該狀態變化的因素是立銑刀的磨損還是由切削油耗盡所導致的潤滑性不足。
獲取部10獲取如下基準貢獻度,即包含與對象中會產生的多個狀態變化各自的因素對應的貢獻度的基準貢獻度。推定部40將所生成的貢獻度與所獲取的基準貢獻度加以比較,定量地推定對象的第一狀態及第二狀態間的狀態變化的因素。藉由此種結構,可定量地推定對象的狀態變化的因素。
推定部40根據所生成的貢獻度相對於所獲取的基準貢獻度的比,來推定相對於狀態變化整體的遷移程度。藉由此種結構,可將對象的狀態變化的遷移程度定量化。
本揭示的推定方法可發揮如下所述的效果。
推定方法包括以下所示的步驟。藉由此種結構,可定量地推定對象的狀態變化的因素。
.獲取對象的第一狀態下的自對象獲得的特徵量、及對象的與第一狀態不同的第二狀態下的特徵量。
.對所獲取的第一狀態下的特徵量與所獲取的第二狀態下的特徵量之間的顯著差異進行檢定。
.根據所檢定的顯著差異而生成特徵量對於對象自第一狀態向第二狀態的變化的貢獻度。
.基於所生成的貢獻度來定量地推定對象的第一狀態及第二狀態間的狀態變化的因素。
推定裝置1亦可如以下般構成。
所獲取的特徵量的種類可預先設定,亦可不預先設定。於未預先設定所獲取的特徵量的種類的情況下,例如,獲取部10可獲取能夠獲取的所有種類的特徵量,並根據檢定部20的檢定結果來決定貢獻度的生成中使用的特徵量的種類。
推定部40並不限於使用基準貢獻度的情況,可構成為能夠使用其他方法,並基於所生成的貢獻度來定量地推定對象的第一狀態及第二狀態間的狀態變化的因素。
以上,參照附圖,對本揭示的各種實施方式進行了詳細說明,最後,對本揭示的各種態樣進行說明。再者,於以下的說明中,作為一例,亦附加參照符號進行記載。
本揭示的第一態樣的推定裝置1包括:
獲取部10,構成為獲取對象的第一狀態下的自所述對象獲得的特徵量、及所述對象的與所述第一狀態不同的第二狀態下的所述特徵量;
檢定部20,構成為對所獲取的所述第一狀態下的所述特徵量與所獲取的所述第二狀態下的所述特徵量之間的顯著差異進行檢定;
生成部30,構成為根據所檢定的所述顯著差異而生成所述特徵量對於所述對象的所述第一狀態及所述第二狀態間的狀態變化的貢獻度;以及
推定部40,構成為基於所生成的所述貢獻度來定量地推定所述對象的所述第一狀態及所述第二狀態間的狀態變化的因素。
本揭示的第二態樣的推定裝置1中,
所述獲取部10構成為獲取基準貢獻度,所述基準貢獻度包含與所述對象中會產生的多個狀態變化各自的因素對應的所述貢獻度,
所述推定部40構成為將所生成的所述貢獻度與所獲取的所述基準貢獻度加以比較,定量地推定所述對象的所述第一狀態及所述第二狀態間的狀態變化的因素。
本揭示的第三態樣的推定裝置1中,
所述推定部40構成為根據所生成的所述貢獻度相對於所獲取的所述基準貢獻度的比,來推定相對於狀態變化整體的遷移程度。
本揭示的第四態樣的推定方法中,
獲取對象的第一狀態下的自所述對象獲得的特徵量、及所述對象的與所述第一狀態不同的第二狀態下的所述特徵量;
對所獲取的所述第一狀態下的所述特徵量與所獲取的所述第二狀態下的所述特徵量之間的顯著差異進行檢定;
根據所檢定的所述顯著差異而生成所述特徵量對於所述對象自所述第一狀態向所述第二狀態的變化的貢獻度;
基於所生成的所述貢獻度來定量地推定所述對象的所述第一狀態及所述第二狀態間的狀態變化的因素。
藉由將所述各種實施方式或變形例中的任意實施方式或變形例適當組合,可起到各自所具有的效果。另外,可為實施方式彼此的組合或實施例彼此的組合或實施方式與實施例的組合,並且亦可為不同的實施方式或實施例中的特徵彼此的組合。
本揭示於參照隨附圖式的同時對較佳的實施方式進行了充分記載,但對於熟悉該技術的人們而言,明白各種變形或修正。此種變形或修正只要不脫離基於隨附的申請專利範圍所得的本揭示的範圍,則應理解為包含於其中。
[產業上之可利用性]
本揭示的推定裝置及推定方法例如可應用於如下情況:於機床等裝置自正常狀態向異常狀態進行了狀態變化的情況下,推定引起該狀態變化的因素。
1:推定裝置
2:處理器
3:記憶裝置
4:通信裝置
10:獲取部
20:檢定部
30:生成部
40:推定部
S1~S4:步驟
圖1是示出本揭示的一實施方式的推定裝置的框圖。
圖2是示出圖1的推定裝置的獲取部所獲取的特徵量的一例、與檢定部所檢定的表示顯著差異的檢定值的一例的圖。
圖3是示出圖1的推定裝置的生成部所生成的貢獻度的一例、與獲取部所獲取的基準貢獻度的一例的圖。
圖4是用於對使用圖1的推定裝置的推定方法進行說明的流程圖。
S1~S4:步驟
Claims (4)
- 一種推定裝置,包括: 獲取部,獲取對象的第一狀態下的自所述對象獲得的特徵量、及所述對象的與所述第一狀態不同的第二狀態下的所述特徵量; 檢定部,對所獲取的所述第一狀態下的所述特徵量與所獲取的所述第二狀態下的所述特徵量之間的顯著差異進行檢定; 生成部,根據所檢定的所述顯著差異而生成所述特徵量對於所述對象的所述第一狀態及所述第二狀態間的狀態變化的貢獻度;以及 推定部,基於所生成的所述貢獻度來定量地推定所述對象的所述第一狀態及所述第二狀態間的狀態變化的因素。
- 如請求項1所述的推定裝置,其中,所述獲取部獲取基準貢獻度,所述基準貢獻度包含與所述對象中會產生的多個狀態變化各自的因素對應的所述貢獻度, 所述推定部將所生成的所述貢獻度與所獲取的所述基準貢獻度加以比較,定量地推定所述對象的所述第一狀態及所述第二狀態間的狀態變化的因素。
- 如請求項2所述的推定裝置,其中,所述推定部根據所生成的所述貢獻度相對於所獲取的所述基準貢獻度的比,來推定相對於狀態變化整體的遷移程度。
- 一種推定方法,獲取對象的第一狀態下的自所述對象獲得的特徵量、及所述對象的與所述第一狀態不同的第二狀態下的所述特徵量; 對所獲取的所述第一狀態下的所述特徵量與所獲取的所述第二狀態下的所述特徵量之間的顯著差異進行檢定; 根據所檢定的所述顯著差異而生成所述特徵量對於所述對象自所述第一狀態向所述第二狀態的變化的貢獻度; 基於所生成的所述貢獻度來定量地推定所述對象的所述第一狀態及所述第二狀態間的狀態變化的因素。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2022061860A JP2023151970A (ja) | 2022-04-01 | 2022-04-01 | 推定装置および推定方法 |
JP2022-061860 | 2022-04-01 |
Publications (1)
Publication Number | Publication Date |
---|---|
TW202403275A true TW202403275A (zh) | 2024-01-16 |
Family
ID=88200533
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW112109429A TW202403275A (zh) | 2022-04-01 | 2023-03-15 | 推定裝置及推定方法 |
Country Status (3)
Country | Link |
---|---|
JP (1) | JP2023151970A (zh) |
TW (1) | TW202403275A (zh) |
WO (1) | WO2023189107A1 (zh) |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5740459B2 (ja) * | 2009-08-28 | 2015-06-24 | 株式会社日立製作所 | 設備状態監視方法 |
JP5468032B2 (ja) * | 2011-02-21 | 2014-04-09 | 住友重機械工業株式会社 | 変速機の評価方法及び評価装置 |
JP6698715B2 (ja) * | 2018-01-23 | 2020-05-27 | 三菱重工業株式会社 | 設備状態監視装置および設備状態監視方法 |
US11782430B2 (en) * | 2020-04-27 | 2023-10-10 | Mitsubishi Electric Corporation | Abnormality diagnosis method, abnormality diagnosis device and non-transitory computer readable storage medium |
-
2022
- 2022-04-01 JP JP2022061860A patent/JP2023151970A/ja active Pending
-
2023
- 2023-02-28 WO PCT/JP2023/007264 patent/WO2023189107A1/ja unknown
- 2023-03-15 TW TW112109429A patent/TW202403275A/zh unknown
Also Published As
Publication number | Publication date |
---|---|
WO2023189107A1 (ja) | 2023-10-05 |
JP2023151970A (ja) | 2023-10-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5153865B2 (ja) | ディジタル・システムの信頼性を監視するシステム、およびその監視する方法 | |
WO2017095374A1 (en) | Alignment and deduplication of time-series datasets | |
TW202403275A (zh) | 推定裝置及推定方法 | |
US10819368B2 (en) | Method for compressing and restoring time series data | |
JP2022015575A (ja) | 異常検知システム、学習装置、異常検知プログラム、学習プログラム、異常検知方法、および学習方法 | |
JP4925200B2 (ja) | 半導体ウェハ検査装置 | |
US7548820B2 (en) | Detecting a failure condition in a system using three-dimensional telemetric impulsional response surfaces | |
CN106547690B (zh) | 基于新拟合判定标准下的软件可靠性建模方法及装置 | |
JP6365146B2 (ja) | 時系列データの解析方法及び時系列データの異常監視装置 | |
US11416371B2 (en) | Method and apparatus for evaluating and selecting signal comparison metrics | |
JP2010135370A (ja) | 検査位置決定方法、検査情報管理システム及び検査方法 | |
WO2018097877A1 (en) | Window deviation analyzer | |
JP5672783B2 (ja) | 測定装置、測定プログラムおよび測定方法 | |
TWI759523B (zh) | 減少缺陷分析中之損害的方法及系統,以及電腦程式產品 | |
JP6365145B2 (ja) | 時系列データの解析方法及び時系列データの異常監視装置 | |
JP7287093B2 (ja) | 学習プログラム、学習方法および学習装置 | |
KR100403844B1 (ko) | 메모리 대규모 집적 회로 불량 분석 장치 및 그 분석 방법과 이에 사용되는 컴퓨터 프로그램을 기록한 기록 매체 | |
WO2023145222A1 (ja) | 監視方法、sn比利得の算出方法、監視装置及びプログラム | |
JP2020173547A (ja) | 画像検査システム、画像検査装置及び画像検査プログラム | |
JP2020187502A (ja) | 診断装置と診断方法および加工装置 | |
JP2011164950A (ja) | 異常検出装置、異常検出システム、異常検出方法、及び、プログラム | |
CN114738294B (zh) | 水泵缺水检测方法、装置、计算机设备及介质 | |
Saji et al. | Identification of source-enhanced composite images | |
Landim et al. | Modified control chart for monitoring the variance | |
WO2023112167A1 (ja) | 要因分析装置、要因分析方法及び要因分析プログラム |