TWI700565B - 參數修正方法及系統 - Google Patents

參數修正方法及系統 Download PDF

Info

Publication number
TWI700565B
TWI700565B TW108126048A TW108126048A TWI700565B TW I700565 B TWI700565 B TW I700565B TW 108126048 A TW108126048 A TW 108126048A TW 108126048 A TW108126048 A TW 108126048A TW I700565 B TWI700565 B TW I700565B
Authority
TW
Taiwan
Prior art keywords
parameter
abnormal
comparison
threshold value
comparison result
Prior art date
Application number
TW108126048A
Other languages
English (en)
Other versions
TW202105097A (zh
Inventor
鄭琦聰
Original Assignee
臺灣塑膠工業股份有限公司
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
Application filed by 臺灣塑膠工業股份有限公司 filed Critical 臺灣塑膠工業股份有限公司
Priority to TW108126048A priority Critical patent/TWI700565B/zh
Application granted granted Critical
Publication of TWI700565B publication Critical patent/TWI700565B/zh
Publication of TW202105097A publication Critical patent/TW202105097A/zh

Links

Images

Landscapes

  • Testing And Monitoring For Control Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

一種參數修正方法,包含輸入異常回饋紀錄;將異常回饋紀錄與修復履歷樣板資料比對以產生比較數值,並判斷比較數值是否小於第一門檻值;如果比較數值小於第一門檻值,分別將第一異常參數的其中之一與第二異常參數的其中之一比對,以產生參數比較結果;以及當參數比較結果大於第二門檻值時,根據參數比較結果對應的第一異常參數修正對應的第二異常參數。

Description

參數修正方法及系統
本案是有關於一種參數修正方法及系統,且特別是有關於一種設備參數修正方法及系統。
工廠產線關鍵設備一般而言會設置線上監控系統,以確保產線穩定及運作安全;傳統監控系統是採用各監控點位上下警戒值作為設備運轉狀態評估。然而,監控系統異常狀態偵測僅提供設備異常狀態,無法提供維修保養建議及異常原因診斷,導致設備維修後勤準備及保養規劃等事項不易執行。因此,如何提升維修保養修繕品質是本領域待解決的問題。
為達成上述目的,本案之第一態樣是在提供一種參數修正方法,此方法包含以下步驟:輸入異常回饋紀錄;將異常回饋紀錄與修復履歷樣板資料比對以產生比較數值,並判斷比較數值是否小於第一門檻值,其中異常回饋紀錄包含複數個第一異常參數,以及修復履歷樣板資料包含複 數個第二異常參數;如果比較數值小於第一門檻值,分別將第一異常參數的其中之一與第二異常參數的其中之一比對,以產生參數比較結果;以及當參數比較結果大於第二門檻值時,根據參數比較結果對應的第一異常參數修正對應的第二異常參數。
本案之第二態樣是在提供一種參數修正系統,其包含:儲存裝置以及處理器。處理器與儲存裝置電性連接。儲存裝置,用以儲存修復履歷樣板資料。處理器包含:異常紀錄比對元件、綜合比對元件以及類別比對元件。異常紀錄比對元件用以將異常回饋紀錄與修復履歷樣板資料比對以產生比較數值,並判斷比較數值是否小於第一門檻值,其中異常回饋紀錄包含複數個第一異常參數,以及修復履歷樣板資料包含複數個第二異常參數。綜合比對元件與異常紀錄比對元件電性連接,當比較數值小於第一門檻值時,用以分別將第一異常參數的其中之一與第二異常參數的其中之一比對,以產生參數比較結果。類別比對元件與綜合比對元件電性連接,當參數比較結果大於第二門檻值時,根據參數比較結果對應的第一異常參數修正對應的第二異常參數。
本發明之參數修正方法以及系統,其主要係改進若保養設備時系統給出的保養建議不準確的問題,利用異常紀錄比對元件、綜合比對元件以及類別比對元件比對保養建議與回饋紀錄,當保養建議與回饋紀錄差異過大時,根據回饋紀錄的內容修正保養建議及異常診斷,達到提升保養診斷精準度的功能。
100‧‧‧參數修正系統
110‧‧‧儲存裝置
130‧‧‧處理器
131‧‧‧修復履歷建立元件
132‧‧‧異常紀錄比對元件
133‧‧‧綜合比對元件
134‧‧‧類別比對元件
200‧‧‧參數修正系統方法
S210~S280、S310~S330‧‧‧步驟
為讓本發明之上述和其他目的、特徵、優點與實施例能更明顯易懂,所附圖式之說明如下:第1圖係根據本案之一些實施例所繪示之一種參數修正系統的示意圖;第2圖係根據本案之一些實施例所繪示之一種參數修正方法的流程圖;以及第3圖係根據本案之一些實施例所繪示之產生修復履歷樣板資料的流程圖。
以下揭示提供許多不同實施例或例證用以實施本發明的不同特徵。特殊例證中的元件及配置在以下討論中被用來簡化本揭示。所討論的任何例證只用來作為解說的用途,並不會以任何方式限制本發明或其例證之範圍和意義。此外,本揭示在不同例證中可能重複引用數字符號且/或字母,這些重複皆為了簡化及闡述,其本身並未指定以下討論中不同實施例且/或配置之間的關係。
請參閱第1圖。第1圖係根據本案之一些實施例所繪示之一種參數修正系統100的示意圖。如第1圖所繪示,參數修正系統100包含儲存裝置110以及處理器130。處理器130電性連接至儲存裝置110,儲存裝置110用以儲存修復履歷樣板資料、監控訊號、設備異常資料庫以及專家知識 資料庫等資訊。於一實施例中,監控訊號是來自設備上裝設的檢測器(圖未示)所檢測到的設備運轉狀態資訊,舉例而言,監控訊號可以是溫度、壓差、震動、電流等偵測器產生的監控訊號。
於本發明各實施例中,處理器130可以實施為積體電路如微控制單元(microcontroller)、微處理器(microprocessor)、數位訊號處理器(digital signal processor)、特殊應用積體電路(application specific integrated circuit,ASIC)、邏輯電路或其他類似元件或上述元件的組合。儲存裝置110可以實施為記憶體、硬碟、隨身碟、記憶卡等。
承上述,如第1圖所示,處理器130包含修復履歷建立元件131、異常紀錄比對元件132、綜合比對元件133以及類別比對元件134。異常紀錄比對元件132與修復履歷建立元件131以及綜合比對元件133電性連接,綜合比對元件133與異常紀錄比對元件132以及類別比對元件134電性連接。
請參閱第2圖。第2圖係根據本案之一些實施例所繪示之一種參數修正方法200的流程圖。於一實施例中,第2圖所示之參數修正方法200可以應用於第1圖的參數修正系統100上,處理器130用以根據下列參數修正方法200所描述之步驟,根據回饋的資訊修正修復履歷樣板資料內的資訊,使得設備異常資料庫以及專家知識資料庫可以更加準確。
接著,參數修正方法200首先執行步驟S210,輸入異常回饋紀錄;接著執行步驟S220,將異常回饋紀錄與修復履歷樣板資料比對以產生比較數值,並判斷比較數值是否小於第一門檻值。在執行步驟S220之前需要先產生修復履歷樣板資料。
請參閱第3圖。第3圖係根據本案之一些實施例所繪示之產生修復履歷樣板資料的流程圖。如第3圖所示,首先執行步驟S310,根據監控分析模組判斷由檢測器輸入的監控訊號對應的異常狀態。於一實施例中,每個設備皆包含複數個類型不同的偵測器,舉例而言,可以是偵測設備的溫度、壓差、震動或電流狀態的偵測器。在此以溫度、壓差、震動為例。
承上述,監控分析模組可以先由主成份分析演算計算得特徵值以及特徵向量,根據計算出的特徵向量進一步求出每個檢測訊號對應的異常值,如果異常值大於門檻值則判斷該筆檢測訊號發生異常狀況。接著,如果發生異常狀況時,進一步利用分群演算法將異常狀況分類。舉例而言,可以將異常狀況分類成設備開始劣化、設備穩定劣化、設備加速劣化、設備劣化加劇、設備故障等五種異常階段。值得注意的是,每一異常階段可以以代碼表示,例如設備加速劣化階段的代碼為“B”。
接著,執行步驟S320,將監控訊號對應的設備類型以及異常狀態轉換成監控特徵向量。於一實施例中,設備類型是指根據設備組件的功能將其分類,包含動力系統類 別、傳動系統類別、設備本體類別以及潤滑系統類別等。值得注意的是,每一設備類型可以由代碼表示,例如傳動系統類別的代碼為“ELP”。
承上述,舉例而言,如果是監控傳動系統的壓力檢測器的監控訊號發生異常,表示可能是傳動系統的泵殼有洩漏,並進一步判斷泵殼洩漏的狀況,假設是設備加速劣化階段。因此,可以將設備類型以及異常狀態以代碼表示以轉換成監控特徵向量,在前述的範例中,監控特徵向量可以表示為“ELPB”。
於另一實施例中,監控特徵向量除了包含設備類型以及異常狀態之外也可以包含其他資訊,舉例而言,發生異常狀態的監控訊號對應的監控位置,或是監控訊號對應的異常值等資訊,本揭示不限於此。
接著,執行步驟S330,將監控特徵向量與設備異常資料庫中的特徵向量比對,以產生修復履歷樣板資料。於一實施例中,設備異常資料庫用以儲存監控分析模組以及專家知識資料庫,專家知識資料庫中包含過往發生異常狀況時的維修建議以及修復履歷樣板資料,專家知識資料庫中的資料也是以前述的編碼方式將資料以樣板形式儲存,因此將控特徵向量與設備異常資料庫中的特徵向量比對,可以找出最相近的特徵向量,將其對應的修復履歷樣板資料作為監控特徵向量的修復履歷樣板資料。
承上述,在修復履歷樣板資料產生後,執行步驟S220,將異常回饋紀錄與修復履歷樣板資料比對以產生 比較數值。其中,異常回饋紀錄包含複數個第一異常參數,以及修復履歷樣板資料包含複數個第二異常參數。舉例而言,修復履歷樣板資料以及異常回饋紀錄包含狀態研判欄位、潛在異常分析欄位、壽命預測欄位以及異常主因欄位等,可以藉由比對前述欄位的內容產生兩者的相似度數值,其中相似度數值可以以百分比的形式表示。
接著,參數修正方法200接著執行步驟S230,如果比較數值小於第一門檻值,分別將第一異常參數的其中之一與第二異常參數的其中之一比對,以產生參數比較結果。於一實施例中,當兩者的相似度數值小於第一門檻值時,表示修復履歷樣板資料與異常回饋紀錄差異甚大,因此需要針對修復履歷樣板資料中個別的類別進行比對以產生參數比較結果。
接著,參數修正方法200接著執行步驟S240,判斷參數比較結果是否大於第二門檻值,以及步驟S250,判斷參數比較結果是否大於第三門檻值。如果參數比較結果大於第二門檻值並且小於第三門檻值時,進一步執行步驟S260,根據參數比較結果對應的第一異常參數修正第二異常參數。於一實施例中,第二門檻值可以設定為一個標準差,第三門檻值可以設定為四個標準差,表示修復履歷樣板資料與異常回饋紀錄的差異在一個標準差到四個表準差之間,皆可被執行根據異常狀態的欄位資訊修正修復履歷樣板資料的欄位資訊的操作。
承上述,當比較數值小於第一門檻值時,會逐 一針對修復履歷樣板資料中的每一類別與異常回饋紀錄中的每一類別進行比對以分別產生參數比較結果。舉例而言,如果在修復履歷樣板資料中判斷傳動系統的異常狀態為加速劣化階段,然而實際上異常回請紀錄中判斷傳動系統的異常狀態其實已經進入設備劣化加劇階段。在此情況中,修復履歷樣板資料針對異常狀態的判斷與真實狀況不同(大於第二門檻值),但兩者的差異並未超過第三門檻值時,可以根據異常回饋紀錄中異常狀態的欄位資訊修正修復履歷樣板資料中異常狀態的欄位資訊。
接著,參數修正方法200接著執行步驟S270,於修復履歷樣板資料中建立新增類別。於一實施例中,當參數比較結果大於第三門檻值時,表示修復履歷樣板資料與異常回饋紀錄之間的差異過大,可能於修復履歷樣板資料中並未有此欄位,如果有此情況發生,可以直接在修復履歷樣板資料中新增該筆對應於異常回饋紀錄的欄位。
接著,參數修正方法200接著執行步驟S280,當比較數值大於第一門檻值時,或是當參數比較結果小於第二門檻值時,不修正該第二參數。於一實施例中,當比較數值大於第一門檻值時,表示修復履歷樣板資料針對異常狀況的判斷或是修復的建議與現實狀況差異不大,因此不需要對修復履歷樣板資料進行修正,可以直接結案。
在另一種情況中,雖然比較數值小於第一門檻值,但在比對修復履歷樣板資料中的每一類別與異常回饋紀錄中的每一類別時,比對到某一類別的差異小於第二門檻 值,表示在此類別中修復履歷樣板資料與異常回饋紀錄的差異不大,因此也可以跳過此類別,繼續比對其他類別。
由上述本案之實施方式可知,主要係改進以往保養設備時系統給出的保養建議不準確的問題,利用異常紀錄比對元件、綜合比對元件以及類別比對元件比對保養建議與回饋紀錄,當保養建議與回饋紀錄差異過大時,根據回饋紀錄的內容修正保養建議及異常診斷,達到提升保養診斷精準度的功能。
另外,上述例示包含依序的示範步驟,但該些步驟不必依所顯示的順序被執行。以不同順序執行該些步驟皆在本揭示內容的考量範圍內。在本揭示內容之實施例的精神與範圍內,可視情況增加、取代、變更順序及/或省略該些步驟。
雖然本案已以實施方式揭示如上,然其並非用以限定本案,任何熟習此技藝者,在不脫離本案之精神和範圍內,當可作各種之更動與潤飾,因此本案之保護範圍當視後附之申請專利範圍所界定者為準。
100‧‧‧參數修正系統
110‧‧‧儲存裝置
130‧‧‧處理器
131‧‧‧修復履歷建立元件
132‧‧‧異常紀錄比對元件
133‧‧‧綜合比對元件
134‧‧‧類別比對元件

Claims (10)

  1. 一種參數修正方法,包含:輸入一異常回饋紀錄;將該異常回饋紀錄與一修復履歷樣板資料比對以產生一比較數值,並判斷該比較數值是否小於一第一門檻值,其中該異常回饋紀錄包含複數個第一異常參數,以及該修復履歷樣板資料包含複數個第二異常參數;如果該比較數值小於該第一門檻值,分別將該些第一異常參數的其中之一與該些第二異常參數的其中之一比對,以產生一參數比較結果;當該參數比較結果大於一第二門檻值時,判斷該參數比較結果是否大於一第三門檻值,其中該第三門檻值大於該第二門檻值;以及當該參數比較結果不大於該第三門檻值時,根據該參數比較結果對應的第一異常參數修正對應的第二異常參數。
  2. 如請求項1所述的參數修正方法,其中,當該參數比較結果大於該第三門檻值時,於該修復履歷樣板資料中建立一新增類別,其中該新增類別為該參數比較結果對應的第一異常參數類別。
  3. 如請求項1所述的參數修正方法,其中,當該比較數值大於該第一門檻值時,不修正該第二參數。
  4. 如請求項1所述的參數修正方法,其中,當該參數比較結果小於該第二門檻值時,不修正該第二參數。
  5. 如請求項1所述的參數修正方法,更包含:根據一監控分析模組判斷由一檢測器輸入的一監控訊號對應的一異常狀態;將該監控訊號對應的一設備類型以及該異常狀態轉換成一監控特徵向量;以及將該監控特徵向量與一設備異常資料庫中的特徵向量比對,以產生該修復履歷樣板資料。
  6. 一種參數修正系統,包含:一儲存裝置,用以儲存一修復履歷樣板資料;一處理器,與該儲存裝置電性連接,該處理器包含:一異常紀錄比對元件,用以將一異常回饋紀錄與該修復履歷樣板資料比對以產生一比較數值,並判斷該比較數值是否小於一第一門檻值,其中該異常回饋紀錄包含複數個第一異常參數,以及該修復履歷樣板資料包含複數個第二異常參數;以及一綜合比對元件,與該異常紀錄比對元件電性連接,當該比較數值小於該第一門檻值時,用以分別將該些第一異常參數的其中之一與該些第二異常參數的其中之一比對,以產生一參數比較結果;以及一類別比對元件,與該綜合比對元件電性連接,當該參數比較結果大於一第二門檻值時,該類別比對元件用以判斷該參數比較結果是否大於一第三門檻 值,當該參數比較結果不大於該第三門檻值時,該類別比對元件用以根據該參數比較結果對應的第一異常參數修正對應的第二異常參數,其中該第三門檻值大於該第二門檻值。
  7. 如請求項6所述的參數修正系統,其中,當該參數比較結果大於該第三門檻值時,該類別比對元件更用以於該修復履歷樣板資料中建立一新增類別,其中該新增類別為該參數比較結果對應的第一異常參數類別。
  8. 如請求項6所述的參數修正系統,其中,當該比較數值大於該第一門檻值時,該綜合比對元件不修正該第二參數。
  9. 如請求項6所述的參數修正系統,其中,當該參數比較結果小於該第二門檻值時,該類別比對元件不修正該第二參數。
  10. 如請求項6所述的參數修正系統,更包含:一修復履歷建立元件,與異常紀錄比對元件電性連接,用以根據一監控分析模組判斷由一檢測器輸入的一監控訊號對應的一異常狀態,將該監控訊號對應的一設備類型以及該異常狀態轉換成一監控特徵向量;以及將該監控特徵向量與一設備異常資料庫中的特徵向量比對,以產生該修復履歷樣板資料。
TW108126048A 2019-07-23 2019-07-23 參數修正方法及系統 TWI700565B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
TW108126048A TWI700565B (zh) 2019-07-23 2019-07-23 參數修正方法及系統

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
TW108126048A TWI700565B (zh) 2019-07-23 2019-07-23 參數修正方法及系統

Publications (2)

Publication Number Publication Date
TWI700565B true TWI700565B (zh) 2020-08-01
TW202105097A TW202105097A (zh) 2021-02-01

Family

ID=73003395

Family Applications (1)

Application Number Title Priority Date Filing Date
TW108126048A TWI700565B (zh) 2019-07-23 2019-07-23 參數修正方法及系統

Country Status (1)

Country Link
TW (1) TWI700565B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100138026A1 (en) * 2008-03-08 2010-06-03 Tokyo Electron Limited Method and apparatus for self-learning and self-improving a semiconductor manufacturing tool
CN105027010A (zh) * 2013-03-14 2015-11-04 株式会社东芝 控制参数调整方法及控制参数调整系统
US20180081349A1 (en) * 2016-09-16 2018-03-22 Honeywell Limited Model-plant mismatch detection with support vector machine for cross-directional process behavior monitoring
WO2018061842A1 (ja) * 2016-09-27 2018-04-05 東京エレクトロン株式会社 異常検知プログラム、異常検知方法および異常検知装置
TWI660322B (zh) * 2018-05-17 2019-05-21 國立成功大學 考慮機台交互作用之辨識良率損失原因的系統與方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100138026A1 (en) * 2008-03-08 2010-06-03 Tokyo Electron Limited Method and apparatus for self-learning and self-improving a semiconductor manufacturing tool
TW201202876A (en) * 2010-01-29 2012-01-16 Tokyo Electron Ltd Method and system for self-learning and self-improving a semiconductor manufacturing tool
CN105027010A (zh) * 2013-03-14 2015-11-04 株式会社东芝 控制参数调整方法及控制参数调整系统
US20180081349A1 (en) * 2016-09-16 2018-03-22 Honeywell Limited Model-plant mismatch detection with support vector machine for cross-directional process behavior monitoring
WO2018061842A1 (ja) * 2016-09-27 2018-04-05 東京エレクトロン株式会社 異常検知プログラム、異常検知方法および異常検知装置
TWI660322B (zh) * 2018-05-17 2019-05-21 國立成功大學 考慮機台交互作用之辨識良率損失原因的系統與方法

Also Published As

Publication number Publication date
TW202105097A (zh) 2021-02-01

Similar Documents

Publication Publication Date Title
CN110298455B (zh) 一种基于多变量估计预测的机械设备故障智能预警方法
CN111902781B (zh) 用于控制系统的设备和方法
US20220300857A1 (en) System and method for validating unsupervised machine learning models
EP3191797B1 (en) Gas turbine sensor failure detection utilizing a sparse coding methodology
US20130317780A1 (en) Probability of failure on demand calculation using fault tree approach for safety integrity level analysis
CN107729985B (zh) 识别技术设施的过程异常的方法和相应的诊断系统
JP2017161991A (ja) 品質評価システム、品質評価方法及びプログラム
CN116611712B (zh) 基于语义推断的电网工作票评估系统
US11415975B2 (en) Deep causality learning for event diagnosis on industrial time-series data
KR102079359B1 (ko) 개선된 sax 기법 및 rtc 기법을 이용한 공정 모니터링 장치 및 방법
US10775270B2 (en) System and method for monitoring a turbomachine, with indicator merging for the synthesis of an alarm confirmation
TWI687783B (zh) 設備異常偵測方法及系統
US20210158220A1 (en) Optimizing accuracy of machine learning algorithms for monitoring industrial machine operation
CN115033724B (zh) 基于多模态调制算法的电熔镁炉异常工况识别方法
US20150120578A1 (en) System and method for diagnosing machine faults
US7096159B2 (en) System and method for detecting and excluding outlier sensors in sensor-based monitoring
TWI700565B (zh) 參數修正方法及系統
JP2013041491A (ja) 異常診断装置
EP3983955A1 (en) Methods and systems for improving asset operation based on identification of significant changes in sensor combinations in related events
US20140188772A1 (en) Computer-implemented methods and systems for detecting a change in state of a physical asset
JP5948998B2 (ja) 異常診断装置
TWI709010B (zh) 設備異常原因診斷方法及系統
JP2022191680A (ja) データ選択支援装置及びデータ選択支援方法
JP7026012B2 (ja) 機器状態監視システム及び機器状態監視方法
Cho et al. Failure diagnosis and fault tolerant supervisory control system