TWI639907B - 工具機具殘餘使用壽命預測系統及其方法 - Google Patents
工具機具殘餘使用壽命預測系統及其方法 Download PDFInfo
- Publication number
- TWI639907B TWI639907B TW106118751A TW106118751A TWI639907B TW I639907 B TWI639907 B TW I639907B TW 106118751 A TW106118751 A TW 106118751A TW 106118751 A TW106118751 A TW 106118751A TW I639907 B TWI639907 B TW I639907B
- Authority
- TW
- Taiwan
- Prior art keywords
- tool
- module
- value
- pens
- residual
- Prior art date
Links
Landscapes
- Testing And Monitoring For Control Systems (AREA)
- Machine Tool Sensing Apparatuses (AREA)
Abstract
本發明提供一種工具機具殘餘使用壽命預測系統,其訊號連結工具機具,工具機具殘餘使用壽命預測系統包含:一資料模組,其接收工具機具於一作動時間內之複數作動值;一判斷模組,其訊號連結資料模組,判斷模組計算判斷各作動值之一原始偏移值;一簡化模組,其訊號連結判斷模組,簡化模組將各原始偏移值簡化為複數簡化偏移值,其中,各簡化偏移值之數量小於各原始偏移值之數量;以及一模擬模組,其訊號連結簡化模組,模擬模組根據各簡化偏移值模擬預測出一殘餘使用壽命。
Description
本發明係關於一種預測系統,尤指一種工具機具殘餘使用壽命預測系統及其方法。
傳統的設備可靠度分析為設備設計或製造完成後,針對設備在某些設定環境下,成功執行該有的功能時的持續性或穩定性進行測試驗證,結果大部份轉換成與時間相關的參數(壽命),如小時,天數,循環數等,常用方法有加速壽命/老化測試(ALT/ADT)、Bogey測試(Bogey Testing)與高加速應力測試/篩選/稽核(HALT/HASS/HASA)等。
再者,針對設備可能或已經發生的故障(失效),進行根因分析(Root Cause Analysis, RCA),常用的方法有失效模式與效應分析(Failure Mode Effect Analysis, FMEA)、故障樹分析(Fault Tree Analysis, FTA)與事件樹分析(Event Tree Analysis, ETA)等。以上分析方式大都在設備送交客戶前完成,在客戶與製造廠商同意的情況下,達到設備的品質與可靠度要求。
但是從設備生命週期管理(Product Lifetime Management, PLM)的角度觀察,終端客戶(包括消費者)使用期遠大於廠家設計製造產出設備期,其使用的真實情況並不會如出廠前之功能設計與製造完全相同,尤其是與設備可靠度相關的故障(失效)模式識別與壽命預測,其出廠前所實施的可靠度測試是針對設備規格中所訂定的使用條件與使用壽命(Mission)實施驗證為主。
換言之,設備在客戶端使用的條件的真實情況是變動的(Various Conditions),這對可維修、高單價與長使用壽命的機電設備,例如汽車、工具機具、飛機、船舶、工業機械手臂等設備而言,可能在保固期前就已故障(失效)導致設備停機,此時須立即作零組件維修或替換,而除了設備停機所造成的損失之外,還有生產的損失如交期延遲、損壞與良率降低等,這些都會增加設備製造成本與生產廠家信譽損失等,因此,如何能夠在客戶端使用期間,針對設備健康狀態進行監測並進一步加以預測殘餘使用壽命(Residual Useful Life, RUL),會是在其使用期間更重要且實際的考量。
為解決上述課題,本發明提供一種工具機具殘餘使用壽命預測系統及其方法,於工具機具作動時間後立即模擬運算出工具機具之殘餘使用壽命,藉由採取事先預防措施,防止工具機具突發故障失效情形發生,以準確掌握工具機具之殘餘使用壽命,提高工具機具之可靠度、維護度與生產良率。
本發明之一項實施例提供一種工具機具殘餘使用壽命預測系統,其訊號連結工具機具,該工具機具殘餘使用壽命預測系統包含:一資料模組,其接收工具機具於一作動時間內之複數作動值;一判斷模組,其訊號連結資料模組,判斷模組計算判斷各作動值之一原始偏移值;一簡化模組,其訊號連結判斷模組,簡化模組將各原始偏移值簡化為複數簡化偏移值,其中,各簡化偏移值之數量小於各原始偏移值之數量;以及一模擬模組,其訊號連結簡化模組,模擬模組根據各簡化偏移值模擬預測出一殘餘使用壽命。
本發明之另一項實施例提供一種工具機具殘餘使用壽命預測方法,其包含:工具機具與一工具機具殘餘使用壽命預測系統訊號連結,將工具機具於一作動時間內之複數作動值傳送至工具機具殘餘使用壽命預測系統之一資料模組;資料模組將各作動值傳送至工具機具殘餘使用壽命預測系統之一判斷模組,由判斷模組計算各作動值之一原始偏移值;工具機具殘餘使用壽命預測系統之一簡化模組將各原始偏移值之數量簡化小於複數簡化偏移值之數量;以及一模擬模組根據各簡化偏移值模擬預測出一殘餘使用壽命。
藉由上述,本發明能夠達成之功效,當工具機具於作動時間後,便能夠將工具機具作動時之作動值傳送至資料模組,透過簡化模組將大量之資料數據進行簡化,以縮減後續模擬模組運算作業時間,便能夠達到快速模擬運算出工具機具之殘餘使用壽命。
再者,於工具機具每次作動後,便藉由工具機具殘餘使用壽命預測系統進行壽命預測,採取事先預防措施,防止工具機具突發故障失效情形發生,以準確掌握工具機具之殘餘使用壽命,提高工具機具之可靠度、維護度與生產良率。
為便於說明本發明於上述發明內容一欄中所表示的中心思想,茲以具體實施例表達。實施例中各種不同物件係按適於說明之比例、尺寸、變形量或位移量而描繪,而非按實際元件的比例予以繪製,合先敘明。
請參閱圖1至圖2所示,本發明提供一種工具機具殘餘使用壽命預測系統100,其設置於終端機,工具機具殘餘使用壽命預測系統100訊號連結工具機具1,於本發明實施例中,工具機具1為機械手臂,工具機具殘餘使用壽命預測系統100包含:
一資料模組10,其接收工具機具1於一作動時間內之複數作動值,各作動值對應作動時間內每一次作動產生之數值,作動時間為之單位係日、時或分,其作動時間能夠依照所需調整,於本發明實施例中,於工具機具1旁架設一攝影裝置,攝影裝置會抓取工具機具1每次移動產生之座標值,其座標值為作動值,其中,作動時間為每日,於每一天之作動過程中,每次作動過程即產生一個作動值,例如:工具機具1每次將物品由起始點移動至目標點則產生一個作動值,而作動值為目標點之座標值,若是工具機具1於作動時間內,將物品由起始點移動至目標點1萬次,則會產生1萬個作動值,因此,資料模組10便會接收這1萬個作動值。
一判斷模組20,其訊號連結資料模組10,判斷模組20計算判斷各作動值之一原始偏移值,各原始偏移值為各作動值與一定位值間之誤差值,其中,定位值為一個基準值,各作動值與定位值間產生正負之誤差值,於本發明實施例中,定位值為工具機具1需移動至目標點之座標值,而工具機具1每次移動之作動值與定位值可能會產生正負誤差值,因此,藉由判斷模組20將各作動值計算出各原始偏移值。再者,判斷模組20係維納過程(Wiener Process)或伽瑪過程(Gamma Process),於本發明實施例中,判斷模組20係維納過程(Wiener Process)。
一簡化模組30,其訊號連結判斷模組20,簡化模組30能夠將各原始偏移值簡化為複數簡化偏移值,其中,各簡化偏移值之數量小於各原始偏移值之數量。簡化模組30具有一分類單元31、一篩選單元32及一分配單元33,分類單元31依據各原始偏移值出現機率分類,依照各原始偏移值之權重值分類,其中,權重值總合為1,因此,出現機率低之各原始偏移值之權重值較小,而出現機率高之各原始偏移值權重值較高。
而出現機率低之各原始偏移值不屬於所需數值,篩選單元32根據分類單元31將出現機率低於1%之各原始偏移值淘汰掉,篩選單元32根據分類單元31挑選保留出現機率高之各原始偏移值。分配單元33將出現機率高之各原始偏移值利用大數據定理求得各原始偏移值之平均值作為基礎,重新分配相近之各原始偏移值,便能夠得到各簡化偏移值,使各簡化偏移值之數量小於各原始偏移值之數量,藉此,減少後續運算時之數據量,以縮短運算時間。於本發明實施例中,簡化模組30係粒子濾波器(Particle Filter)。
一模擬模組40,其訊號連結簡化模組30,模擬模組40根據各簡化偏移值模擬預測出一殘餘使用壽命。模擬模組40具有一假設單元41,假設單元41將各簡化偏移值根據一設定筆數M1模擬出複數模擬路徑值,其中,每一個作動時間所產生作動值經過判斷模組20及簡化模組30產生之各簡化偏移值,會相對形成一個常態分佈之路徑值,為了預測出工具機具1之作動壽命,須藉由假設單元41預設假想出其他作動時間產生之各簡化偏移值可能產生常態分佈之路徑值,其中,設定筆數M1為假想作動時間之數值,此數值能夠依照預測工具機具1殘餘使用壽命之精準度做調整。於本發明實施例中,設定筆數M1為100筆,表示假設單元41預先假設出100種可能之模擬路徑。
模擬模組40具有一計算單元42,計算單元42用以計算各模擬路徑值累加至一門檻值之一失效時間(Time To Failure, TTF),其中,門檻值表示為工具機具1失效故障之值,而門檻值能夠依照不同工具機具1所需預測殘餘使用壽命之精準度作設定,於本發明實施例中,門檻值為1mm,而計算單元42將失效時間求出平均之失效時間,以進一步得到殘餘使用壽命,模擬模組40根據殘餘使用壽命發出一警告訊號,以警告訊號通知維修人員工具機具1之壽命時間,使得機台進入檢查或維護狀態,避免進一步的損失發生。於本發明實施例中,模擬模組40係蒙地卡羅法(Monte Carlo Simulation)。
請參閱圖2所示,係本發明實施例提供一種工具機具殘餘使用壽命預測方法,其包含:
將工具機具1與工具機具殘餘使用壽命預測系統100訊號連結,其訊號連結方式為有線連結或無線連結,而工具機具1於作動時間內之各作動值傳送至工具機具殘餘使用壽命預測系統100之資料模組10。
接著,資料模組10將各作動值傳送至判斷模組20,由判斷模組20將各作動值與定位值比較並計算出彼此間之誤差值,以得到各原始偏移值。
為簡化後續運算數據,藉由簡化模組30之分類單元31將各原始偏移值出現機率分類為出現機率高之各原始偏移值或出現機率低之各原始偏移值,透過篩選單元32將出現機率低於1%之各原始偏移值淘汰,並挑選保留出現機率高之各原始偏移值,接著,透過分配單元33將出現機率高之各原始偏移值,利用大數據定理求得各原始偏移值之平均值作為基礎,重新分配相近之各原始偏移值,便能夠得到各簡化偏移值。
經過簡化模組30將數據量簡化後,模擬模組40藉由假設單元41將各簡化偏移值根據設定筆數M1模擬出各模擬路徑值,並透過計算單元42計算出各模擬路徑值累加至門檻值之失效時間,接著,計算單元42會根據各失效時間計算出一模擬筆數M2。
接著,模擬模組40藉由一比較單元43將設定筆數M1與模擬筆數M2相互比對,其中,當設定筆數M1大於等於模擬筆數M2時,以設定筆數M1模擬出之各模擬路徑值計算累加至門檻值之失效時間,計算單元42將失效時間求出平均之失效時間,以得到預測壽命時間。當設定筆數M1小於模擬筆數M2時,模擬模組40將設定筆數M1不足之筆數補足,令設定筆數M1之筆數與模擬筆數M2之筆數相等,然後將補足後之設定筆數M1計算出失效時間,以補足後計算出之失效時間進一步計算出殘餘使用壽命。
於本發明實施例中,工具機具1為機械手臂,工具機具1應用於半導體設備中,利用工具機具1作晶圓之取料及送料作業,並於工具機具1旁架設攝影裝置,攝影裝置會定義出晶圓之圓心座標值(X0, Y0),晶圓之圓心座標值(X0, Y0)為工具機具1之起始點,當工具機具1將晶圓送至定位時晶圓之圓心座標值(Xn, Yn),圓心座標值(Xn, Yn)為目標點之座標值,即為本發明之作動值,其中,工具機具1將晶圓送至定位點之座標值為本發明之定位值。因此,若當工具機具1於一天內移動晶圓之作動次數為10萬次,資料模組10便接收10萬個作動值,判斷模組20根據資料模組10接收之10萬個作動值,將每一個作動值與定位值比較,並計算出彼此間之誤差值,以得到10萬個原始偏移值。
當這10萬個原始偏移值傳送至簡化模組30後,藉由簡化模組30將出現機率小之原始偏移值淘汰,保留出現機率高之原始偏移值,使原本10萬個原始偏移值簡化為1萬個簡化偏移量,便能夠縮短後續運算時間。
接者,將這1萬個簡化偏移量傳送至模擬模組40,模擬模組40藉由假設單元41將1萬個簡化偏移值,根據設定為100筆之設定筆數模擬出100個模擬路徑值,並透過計算單元42將每一個模擬路徑值累加至門檻值之失效時間,其中,門檻值訂為1mm,當累加之值≧1時,則表示失效發生;當累加之值<1則,則表示繼續製程工作。
此時,計算單元42會根據各失效時間計算出模擬筆數為100筆,而比較單元43將設定筆數M1與模擬筆數M2相互比較,若100筆之設定筆數大於等於100筆之模擬筆數,計算單元42則以100筆之設定筆數M1模擬出之100個模擬路徑值計算累加至門檻值之失效時間,進一步得到殘餘使用壽命。
若是,計算單元42會根據各失效時間計算出模擬筆數為120筆,比較單元43將設定筆數M1與模擬筆數M2相互比較,得到100筆之設定筆數M1小於120筆之模擬筆數M2時,模擬模組40將設定筆數M1之筆數補足至120筆,令設定筆數M1之筆數與模擬筆數M2之筆數相等,然後將補足後120筆之設定筆數M1計算出失效時間,以補足後計算出之失效時間進一步計算出殘餘使用壽命,本發明之工具機具殘餘使用壽命預測系統100便會發出警告訊號,以警告訊號通知維修人員工具機具1之殘餘使用壽命,使得機台進入檢查或維護狀態,避免進一步的損失發生。
藉此,透過簡化模組30將大量之資料數據進行簡化,以縮減後續模擬模組40運算作業時間,便能夠達到快速模擬運算出工具機具1之殘餘使用壽命。而且,於工具機具1每次作動時間後,便藉由工具機具殘餘使用壽命預測系統100進行殘餘使用壽命預測,採取事先預防措施,防止工具機具1突發故障失效情形發生,以準確掌握工具機具1之殘餘使用壽命,提高工具機具1之可靠度、維護度與生產良率。
以上所舉實施例僅用以說明本發明而已,非用以限制本發明之範圍。舉凡不違本發明精神所從事的種種修改或變化,俱屬本發明意欲保護之範疇。
1‧‧‧工具機具
100‧‧‧工具機具殘餘使用壽命預測系統
10‧‧‧資料模組
20‧‧‧判斷模組
30‧‧‧簡化模組
31‧‧‧分類單元
32‧‧‧篩選單元
33‧‧‧分配單元
40‧‧‧模擬模組
41‧‧‧假設單元
42‧‧‧計算單元
43‧‧‧比較單元
M1‧‧‧設定筆數
M2‧‧‧模擬筆數
圖1係本發明之系統架構圖。 圖2係本發明之流程圖。
Claims (11)
- 一種工具機具殘餘使用壽命預測系統,其訊號連結工具機具,該工具機具殘餘使用壽命預測系統包含:一資料模組,其接收工具機具於一作動時間內之複數作動值;一判斷模組,其訊號連結該資料模組,該判斷模組計算判斷各該作動值之一原始偏移值;一簡化模組,其訊號連結該判斷模組,該簡化模組具有一分類單元、一篩選單元及一分配單元,該分類單元依據各該原始偏移值出現機率分類,該篩選單元根據該分類單元挑選出現機率高之各該原始偏移值,該分配單元將出現機率高之各該原始偏移值分配簡化為複數簡化偏移值;以及一模擬模組,其訊號連結該簡化模組,該模擬模組根據各該簡化偏移值模擬預測出一殘餘使用壽命。
- 如請求項1所述之工具機具殘餘使用壽命預測系統,其中,各該原始偏移值為各該作動值與一定位值間之誤差值。
- 如請求項1或2所述之工具機具殘餘使用壽命預測系統,其中,該判斷模組係維納過程(Wiener Process)或伽瑪過程(Gamma Process)。
- 如請求項1所述之工具機具殘餘使用壽命預測系統,其中,該簡化模組係粒子濾波器。
- 如請求項1所述之工具機具殘餘使用壽命預測系統,其中,該模擬模組具有一假設單元及一計算單元,該假設單元將各該簡化偏移值根據一設定筆數模擬出複數模擬路徑值,該計算單元計算各該模擬路徑值累加至一門檻值之一失效時間,以該失效時間計算出該殘餘使用壽命。
- 如請求項1或5所述之工具機具殘餘使用壽命預測系統,其中,該模擬模組係蒙地卡羅法。
- 一種工具機具殘餘使用壽命預測方法,其包含:工具機具與一工具機具殘餘使用壽命預測系統訊號連結,將工具機具於一作動時間內之複數作動值傳送至該工具機具殘餘使用壽命預測系統之一資料模組;該資料模組將各該作動值傳送至該工具機具殘餘使用壽命預測系統之一判斷模組,由該判斷模組計算各該作動值之一原始偏移值;該工具機具殘餘使用壽命預測系統之一簡化模組藉由一分類單元,將各該原始偏移值出現機率分類為出現機率高之各該原始偏移值或出現機率低之各該原始偏移值,該簡化模組藉由一篩選單元挑選出現機率高之各該原始偏移值,該簡化模組透過一分配單元將出現機率高之各該原始偏移值分配簡化為複數簡化偏移值;以及該工具機具殘餘使用壽命預測系統之一模擬模組根據各該簡化偏移值模擬預測出一殘餘使用壽命。
- 如請求項7所述之工具機具殘餘使用壽命預測方法,其中,該判斷模組將各該作動值與一定位值比較並計算出彼此間之誤差值,以得到該原始偏移值。
- 如請求項7所述之工具機具殘餘使用壽命預測方法,其中,該模擬模組藉由一假設單元將各該簡化偏移值根據一設定筆數模擬出複數模擬路徑值,透過一計算單元計算出各該模擬路徑值累加至一門檻值之一失效時間,以該失效時間進一步計算出該殘餘使用壽命。
- 如請求項9所述之工具機具殘餘使用壽命預測方法,其中,該計算單元根據各該失效時間計算出一模擬筆數,該模擬模組藉由一比較單元將該設定筆數與該模擬筆數相互比對,當該設定筆數大於等於該模擬筆數時,以該設定筆數模擬出之各該模擬路徑值計算累加至該門檻值之該失效時間,以該失效時間進一步計算出該殘餘使用壽命。
- 如請求項9所述之工具機具殘餘使用壽命預測方法,其中,該計算單元根據各該失效時間計算出一模擬筆數,該模擬模組藉由一比較單元將該設定筆數與該模擬筆數相互比對,當該設定筆數小於該模擬筆數時,將該設定筆數補足,令該設定筆數與該模擬筆數相等,將補足後之該設定筆數計算出該失效時間,以該失效時間進一步計算出該殘餘使用壽命。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW106118751A TWI639907B (zh) | 2017-06-06 | 2017-06-06 | 工具機具殘餘使用壽命預測系統及其方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW106118751A TWI639907B (zh) | 2017-06-06 | 2017-06-06 | 工具機具殘餘使用壽命預測系統及其方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
TWI639907B true TWI639907B (zh) | 2018-11-01 |
TW201903544A TW201903544A (zh) | 2019-01-16 |
Family
ID=65034414
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW106118751A TWI639907B (zh) | 2017-06-06 | 2017-06-06 | 工具機具殘餘使用壽命預測系統及其方法 |
Country Status (1)
Country | Link |
---|---|
TW (1) | TWI639907B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110298453A (zh) * | 2019-05-16 | 2019-10-01 | 中国人民解放军海军工程大学 | 基于备件保障数据的伽玛型单元寿命分布参数估计方法 |
CN113361898A (zh) * | 2021-06-01 | 2021-09-07 | 西安法士特汽车传动有限公司 | 一种基于多系统集成的产品设计风险分析方法及系统 |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7010386B2 (en) * | 2002-03-22 | 2006-03-07 | Mcdonnell Ryan P | Tool wear monitoring system |
US20080059120A1 (en) * | 2006-08-30 | 2008-03-06 | Fei Xiao | Using fault history to predict replacement parts |
CN100470416C (zh) * | 2006-12-28 | 2009-03-18 | 上海电力学院 | 一种电厂热工设备智能状态诊断分析系统 |
CN103824135A (zh) * | 2014-03-11 | 2014-05-28 | 合肥工业大学 | 一种模拟电路故障预测方法 |
CN104102846A (zh) * | 2014-07-24 | 2014-10-15 | 北京航空航天大学 | 利用支持向量机融合产品系统及组件级信息的寿命预测方法 |
CN104156591A (zh) * | 2014-08-06 | 2014-11-19 | 北京信息科技大学 | 一种马尔可夫故障趋势预测方法 |
CN103197231B (zh) * | 2013-04-03 | 2014-12-31 | 湖南大学 | 用于模拟电路故障诊断和预测的fpga装置 |
CN104850736A (zh) * | 2015-04-27 | 2015-08-19 | 大连理工大学 | 一种基于状态空间模型的高速数控铣床刀具寿命预测方法 |
CN103323696B (zh) * | 2013-05-17 | 2015-10-28 | 中汽联合(北京)科技有限公司 | 一种基于物联网的用于交通工具的电力故障预测诊断系统 |
CN105021403A (zh) * | 2015-07-17 | 2015-11-04 | 中国科学院自动化研究所 | 航空发动机启动系统故障诊断方法及故障模拟系统 |
CN102597990B (zh) * | 2009-11-02 | 2016-03-09 | 应用材料公司 | 自动纠正和预测性维护系统 |
US20160091393A1 (en) * | 2014-09-26 | 2016-03-31 | Palo Alto Research Center Incorporated | Computer-Implemented Method And System For Machine Tool Damage Assessment, Prediction, And Planning In Manufacturing Shop Floor |
CN105675038A (zh) * | 2016-01-05 | 2016-06-15 | 中国计量学院 | 一种仪表的故障预测装置 |
-
2017
- 2017-06-06 TW TW106118751A patent/TWI639907B/zh active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7010386B2 (en) * | 2002-03-22 | 2006-03-07 | Mcdonnell Ryan P | Tool wear monitoring system |
US20080059120A1 (en) * | 2006-08-30 | 2008-03-06 | Fei Xiao | Using fault history to predict replacement parts |
CN100470416C (zh) * | 2006-12-28 | 2009-03-18 | 上海电力学院 | 一种电厂热工设备智能状态诊断分析系统 |
CN102597990B (zh) * | 2009-11-02 | 2016-03-09 | 应用材料公司 | 自动纠正和预测性维护系统 |
CN103197231B (zh) * | 2013-04-03 | 2014-12-31 | 湖南大学 | 用于模拟电路故障诊断和预测的fpga装置 |
CN103323696B (zh) * | 2013-05-17 | 2015-10-28 | 中汽联合(北京)科技有限公司 | 一种基于物联网的用于交通工具的电力故障预测诊断系统 |
CN103824135A (zh) * | 2014-03-11 | 2014-05-28 | 合肥工业大学 | 一种模拟电路故障预测方法 |
CN104102846A (zh) * | 2014-07-24 | 2014-10-15 | 北京航空航天大学 | 利用支持向量机融合产品系统及组件级信息的寿命预测方法 |
CN104156591A (zh) * | 2014-08-06 | 2014-11-19 | 北京信息科技大学 | 一种马尔可夫故障趋势预测方法 |
US20160091393A1 (en) * | 2014-09-26 | 2016-03-31 | Palo Alto Research Center Incorporated | Computer-Implemented Method And System For Machine Tool Damage Assessment, Prediction, And Planning In Manufacturing Shop Floor |
CN104850736A (zh) * | 2015-04-27 | 2015-08-19 | 大连理工大学 | 一种基于状态空间模型的高速数控铣床刀具寿命预测方法 |
CN105021403A (zh) * | 2015-07-17 | 2015-11-04 | 中国科学院自动化研究所 | 航空发动机启动系统故障诊断方法及故障模拟系统 |
CN105675038A (zh) * | 2016-01-05 | 2016-06-15 | 中国计量学院 | 一种仪表的故障预测装置 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110298453A (zh) * | 2019-05-16 | 2019-10-01 | 中国人民解放军海军工程大学 | 基于备件保障数据的伽玛型单元寿命分布参数估计方法 |
CN110298453B (zh) * | 2019-05-16 | 2022-09-23 | 中国人民解放军海军工程大学 | 基于备件保障数据的伽玛型单元寿命分布参数估计方法 |
CN113361898A (zh) * | 2021-06-01 | 2021-09-07 | 西安法士特汽车传动有限公司 | 一种基于多系统集成的产品设计风险分析方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
TW201903544A (zh) | 2019-01-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7320368B2 (ja) | 故障予測装置、故障予測方法およびコンピュータプログラム | |
TWI443776B (zh) | 用於叢集工具之自動化狀態估計系統以及操作該系統之方法 | |
JP2004150440A (ja) | システム上で診断を行うための方法 | |
US12083685B2 (en) | Control system and control device | |
TWI639907B (zh) | 工具機具殘餘使用壽命預測系統及其方法 | |
US11054815B2 (en) | Apparatus for cost-effective conversion of unsupervised fault detection (FD) system to supervised FD system | |
US20230239194A1 (en) | Node health prediction based on failure issues experienced prior to deployment in a cloud computing system | |
CN110164803B (zh) | 一种释放机台程式的方法及系统 | |
CN111190092B (zh) | 一种fpga测试质量控制优化系统 | |
Yang et al. | Inspection optimization model with imperfect maintenance based on a three-stage failure process | |
CN112752978B (zh) | 解析装置、解析方法及解析程序 | |
CN112752979A (zh) | 解析装置、解析方法及解析程序 | |
Nijhawan et al. | On development of change point based generalized SRGM for software with multiple releases | |
Huang et al. | The prediction of positioning shift for a robot arm using machine learning techniques | |
Guan et al. | Data-driven condition-based maintenance of test handlers in semiconductor manufacturing | |
CN112752977B (zh) | 解析装置、解析方法及解析程序 | |
Braband et al. | Proven in use for software: assigning an SIL based on statistics | |
Triwijoyo et al. | Software reliability measurement base on failure intensity | |
Gullo | Design failure modes, effects, and criticality analysis | |
Schmidt et al. | Diagnosis of machine tools: assessment based on double ball-bar measurements from a population of similar machines | |
Klinger et al. | Robotic Work Cell Test Bed to Support Measurement Science for Monitoring, Diagnostics, and Prognostics | |
TWI661297B (zh) | 監控系統及監控方法 | |
Blebea et al. | Determination of reliability parameters in complex technical systems | |
Schmitt et al. | Cost-efficient measurement system analysis for small-batch production | |
CN118379039A (zh) | 使用模型的组合确定维护间隔 |