机台零件剩余寿命的预测系统与预测方法技术方案

一种机台零件剩余寿命的预测系统与方法。预测系统包括数据模块、特征模块、本体预测模块、历史预测模块及信心度模块。数据模块取得机台零件的测试感测数据。特征模块得到历史健康指标与本体健康指标。本体预测模块根据该本体健康指标，得到第一预测剩余寿命与第一预测信心度。历史预测模块根据该历史健康指标，得到第二预测剩余寿命与第二预测信心度。信心度模块则是根据第一预测剩余寿命、第二预测剩余寿命、第一预测信心度与第二预测信心度，得出机台零件的最终预测剩余寿命。

【技术实现步骤摘要】
机台零件剩余寿命的预测系统与预测方法
本专利技术涉及一种机台零件剩余寿命的预测系统与预测方法。
技术介绍
生产制造预估是2020年海量数据的前五大垂直应用市场，约占10％。重要资产设备故障是影响公司营运风险最关键的因素，而成功利用数据分析来管理和维护资产设备的公司可有效提升效率。设备预诊断及健康管理技术可借由分析机台数据来监控和评估设备/零件的健康状态，并根据健康状态来决定出最佳的维护或更换时机，以减少非预期性停机的情况，并降低维修的频率。因此，如何正确地预测机台零件的剩余寿命，以提升预测结果的准确度，是业界所致力的课题之一。
技术实现思路
本专利技术有关于一种机台零件剩余寿命的预测系统与预测方法。本专利技术结合当下本体老化的趋势及历史故障数据的预测模型，并用动态调配的方式来决定机台零件最终预测的剩余寿命，可以有效地提高预测的准确度。本专利技术可以决定出最佳的机台零件的维护或更换时机，以减少机台非预期性停机的情况，并降低维修频率。根据本专利技术的第一方面，提出一种机台零件剩余寿命的预测系统，包括一数据模块、一特征模块、一本体预测模块、一历史预测模块及一信心度模块。数据模块，用以取得一机台零件的一测试感测数据。特征模块根据机台零件的一历史故障数据得到一历史健康指标，并根据测试感测数据得到一本体健康指标。本体预测模块用以根据本体健康指标，得到一本体健康指标函数，并根据本体健康指标函数，得到一第一预测剩余寿命并得到一第一预测信心度。历史预测模块用以根据历史健康指标，得到一历史健康指标模型，历史健康指标模型包括至少一历史健康指标函数，并根据历史健康指标模型与本体健康指标函数，得到一第二预测剩余寿命，并根据历史健康指标模型与本体健康指标函数的关系，得到一第二预测信心度。而信心度模块则是根据第一预测剩余寿命、第二预测剩余寿命、第一预测信心度与第二预测信心度，得出机台零件的一最终预测剩余寿命。数据模块、特征模块、本体预测模块、历史预测模块、及信心度模块至少其中之一借由至少一电路来达成，或借由一处理器执行一程序来达成。根据本专利技术的第二方面，提出一种机台零件剩余寿命的预测方法，包括以下步骤。取得一机台零件的一测试感测数据。根据机台零件的一历史故障数据得到一历史健康指标，并根据测试感测数据得到一本体健康指标。根据本体健康指标，得到一本体健康指标函数，并根据本体健康指标函数，得到一第一预测剩余寿命并得到一第一预测信心度。根据历史健康指标，得到一历史健康指标模型，历史健康指标模型包括至少一历史健康指标函数，并根据历史健康指标模型与本体健康指标函数，得到一第二预测剩余寿命，并根据历史健康指标模型与本体健康指标函数的关系，得到一第二预测信心度。根据第一预测剩余寿命、第二预测剩余寿命、第一预测信心度与第二预测信心度，得出机台零件的一最终预测剩余寿命。为了对本专利技术上述及其他方面有更佳了解，下文特列举较佳实施例，并配合所附附图，作如下详细说明。附图说明图1绘示一种机台零件剩余寿命的预测系统的方块图。图2绘示从数据库撷取出的一个工艺周期的MOCVD机台的粒子过滤器的传感器的感测数据的示意图。图3绘示为一个生命周期中，每个工艺周期的MOCVD机台的粒子过滤器的传感器的感测数据的特征序列图。图4绘示取得本体健康指标函数的一例。图5绘示取得历史健康指标模型的一例。图6绘示依照本专利技术实施例的机台零件剩余寿命的预测方法的流程图。【附图标记说明】L1、L2、L3：曲线100：预测系统102：数据模块104：特征模块106：本体预测模块108：历史预测模块110：信心度模块112：零件的历史故障数据116：机台元件602～610：流程步骤具体实施方式请参照图1，其绘示一种机台零件剩余寿命的预测系统的方块图。预测系统100包括一数据模块102、一特征模块104、一本体预测模块106、一历史预测模块108及一信心度模块110。数据模块102用以取得一机台零件116的一测试感测数据。特征模块104根据机台零件的一历史故障数据得到一历史健康指标，并根据测试感测数据得到一本体健康指标。本体预测模块106用以根据本体健康指标，得到一本体健康指标函数，并根据本体健康指标函数，得到一第一预测剩余寿命并得到一第一预测信心度。历史预测模块108用以根据历史健康指标，得到一历史健康指标模型。历史健康指标模型包括至少一历史健康指标函数。历史预测模块108并根据历史健康指标模型与本体健康指标函数，得到一第二预测剩余寿命，并根据历史健康指标模型与本体健康指标函数的关系，得到一第二预测信心度。信心度模块110根据第一预测剩余寿命、第二预测剩余寿命、第一预测信心度与第二预测信心度，得出机台零件的一最终预测剩余寿命。数据模块102、特征模块104、本体预测模块106、历史预测模块108、及信心度模块110至少其中之一借由至少一电路来达成，或借由一处理器执行一程序来达成。下文将针对上述的预测系统100作进一步的说明。数据模块102例如是利用读取档案、通过数据撷取卡端口、或通过存取一数据库的方式，来取得机台零件的测试感测数据。现以金属有机物化学气相沉积(MetalOrganicChemicalVaporDeposition，MOCVD)机台的粒子过滤器(particlefilter)的传感器所得到的感测数据为例，进一步说明如下。请参照图2，其绘示从数据库撷取出的一个工艺周期(run)的MOCVD机台的粒子过滤器的传感器的感测数据dp_filter的示意图。曲线L1为粒子过滤器执行完一次工艺周期所搜集到的感测数据dp_filter。当此工艺周期的感测数据之中的最大值超过一门坎值(例如是30)时，即代表粒子过滤器需要被更换。一个工艺周期例如可定义为机台完成一次产品的工艺的期间。以工艺产品为发光二极管(Light-EmittingDiode，LED)为例，一个工艺周期例如是完成一次发光二极管(LED)制造所需的工艺时间。接下来，再以MOCVD机台的粒子过滤器的传感器的感测数据dp_filter为例，来举例说明特征模块104根据测试感测数据得到本体健康指标的作法。请参照图3，其绘示为一个生命周期(lifecycle)中，每个工艺周期的MOCVD机台的粒子过滤器的传感器的感测数据dp_filter的特征序列图。一个生命周期例如可定义为机台元件从开始使用至损坏之间的期间。一个生命周期中具有多个工艺周期。曲线L1为对应至图2的粒子过滤器执行完一次工艺周期所搜集到的感测数据dp_filter。曲线L2为从粒子过滤器被更新之后到故障而需被更换之间的一个生命周期(lifecycle)所搜集到的感测数据。曲线L3为每个工艺周期中所搜集到的感测数据的最大值(标示为感测数据最大值dp_filter_max)。例如，可定义每个工艺周期中所搜集到的感测数据的最大值dp_filter_max为此工艺周期的健康指标值。然本实施例并不限于此。本实施例也可定义每个工艺周期中所搜集到的感测数据的最大值dp_filter_max以外的其他值作为此工艺周期的健康指标值，例如是以每个工艺周期中所搜集到的特定区间的感测数据(例如是LED长晶层)的统计值(例如是最大值、平均值、最大值与最小值的差值...等)作为此工艺周期的健康指标值，另一实施例是本文档来自技高网...

【技术保护点】
1.一种机台零件剩余寿命的预测系统，其特征在于，包括：一数据模块，用以取得一机台零件的一测试感测数据；一特征模块，根据该机台零件的一历史故障数据得到一历史健康指标，并根据该测试感测数据得到一本体健康指标；一本体预测模块，用以根据该本体健康指标，得到一本体健康指标函数，并根据该本体健康指标函数，得到一第一预测剩余寿命并得到一第一预测信心度；一历史预测模块，用以根据该历史健康指标，得到一历史健康指标模型，该历史健康指标模型包括至少一历史健康指标函数，并根据该历史健康指标模型与该本体健康指标函数，得到一第二预测剩余寿命，并根据该历史健康指标模型与该本体健康指标函数的关系，得到一第二预测信心度；以及一信心度模块，根据该第一预测剩余寿命、该第二预测剩余寿命、该第一预测信心度与该第二预测信心度，得出该机台零件的一最终预测剩余寿命；其中，该数据模块、该特征模块、该本体预测模块、该历史预测模块、及该信心度模块至少其中之一借由至少一电路来达成，或借由一处理器执行一程序来达成。

【技术特征摘要】
2016.12.13 TW 1051412451.一种机台零件剩余寿命的预测系统，其特征在于，包括：一数据模块，用以取得一机台零件的一测试感测数据；一特征模块，根据该机台零件的一历史故障数据得到一历史健康指标，并根据该测试感测数据得到一本体健康指标；一本体预测模块，用以根据该本体健康指标，得到一本体健康指标函数，并根据该本体健康指标函数，得到一第一预测剩余寿命并得到一第一预测信心度；一历史预测模块，用以根据该历史健康指标，得到一历史健康指标模型，该历史健康指标模型包括至少一历史健康指标函数，并根据该历史健康指标模型与该本体健康指标函数，得到一第二预测剩余寿命，并根据该历史健康指标模型与该本体健康指标函数的关系，得到一第二预测信心度；以及一信心度模块，根据该第一预测剩余寿命、该第二预测剩余寿命、该第一预测信心度与该第二预测信心度，得出该机台零件的一最终预测剩余寿命；其中，该数据模块、该特征模块、该本体预测模块、该历史预测模块、及该信心度模块至少其中之一借由至少一电路来达成，或借由一处理器执行一程序来达成。2.如权利要求1所述的预测系统，其特征在于，该本体健康指标函数用以预测未来一预测的健康指标会超过一门坎值的一预测时间点，该预测时间点为该机台零件的一故障时间点，该故障时间点与一目前时间点之差为该第一预测剩余寿命。3.如权利要求1所述的预测系统，其特征在于，该历史故障数据包括至少一个训练周期的感测数据，各该训练周期的感测数据各对应至一个历史健康指标函数，在该历史健康指标模型中，定义有对应至该本体健康指标函数一可能趋势区间，若该可能趋势区间中存在有至少一个历史健康指标函数，则该历史预测模块利用该可能趋势区间中该至少一个历史健康指标函数，拟合得到的一历史拟合函数，并借由该历史拟合函数得到该第二预测剩余寿命。4.如权利要求3所述的预测系统，其特征在于，该历史拟合函数用以预测未来一预测的健康指标会超过一门坎值的一预测时间点，该预测时间点为该机台零件的一故障时间点，该故障时间点与一目前时间点之差为该第二预测剩余寿命。5.如权利要求3所述的预测系统，其特征在于，若该可能趋势区间存在有至少一个历史健康指标函数，则该第二预测信心度值为一第一值，若否，则该第二预测信心度值为一第二值，当该第二预测信心度值为该第一值时，该信心度模块以该第二预测剩余寿命作为该机台零件的该最终预测剩余寿命。6.如权利要求5所述的预测系统，其特征在于，当该第二预测信心度值为该第二值，该信心度模块以该第一预测剩余寿命作为该机台零件的该最终预测剩余寿命。7.如权利要求1所述的预测系统，其特征在于，该第二预测信心度与该历史健康指标模型与该本体健康指标函数的相似度相关。8.如权利要求1所述的预测系统，其特征在于，在该信心度模块中，通过将该第一预测信心值与该第二预测信心值经过正规化计算出一组合系数，并根据该组合系数将该第一预测剩余寿命与该第二预测剩余寿命进行加权平均，以得到该最终预测剩余寿命。9.如权利要求1所述的预测系统，其特征在于，在该本体预测模块中，利用回归模型，根据该测试感测数据得到该本体健康指标函数，而所对应的一回归误差作为该第一预测信心值。10.如权利要求1所述的预测系统，其特征在于，在信心度模块中，借由判断该第一预测信心值或该第二预测信心值是否大于一信心值门坎值，并以大于该...

【专利技术属性】
技术研发人员：黄博煜，阙壮华，任佳珉，
申请(专利权)人：财团法人工业技术研究院，
类型：发明
国别省市：中国台湾,71