推论系统或产品质量异常的智能方法与系统技术方案

说明书公开一种推论系统或产品质量异常的智能方法与系统，方法运行于执行失效模式与影响分析的一客户端系统中，运行一机器学习算法，包括搜集数据并导入一知识库，其中记载了文本报告、专家文章以及影响系统异常的各种信息，之后对搜集的数据进行文字探勘，删除不利建立模型的数据，以及将非结构化数据处理为结构化数据，以针对数据进行大数据分析，学习其中数据的关联性，建立一异常推论模型，之后以异常推论模型执行异常推论，并能于接收回馈信息后，验证异常推论模型，藉此优化异常推论模型。型。型。

【技术实现步骤摘要】
推论系统或产品质量异常的智能方法与系统


[0001]本专利技术关于一种推论系统或产品质量异常的技术，特别是指利用机器学习方法通过数据采集、文字探勘与算法等智能手段推论系统或产品质量异常现象的方法与系统。

技术介绍

[0002]随着科技进步，一个工业产品的制造过程也随着产品复杂度变高而更多功能、更大量的零组件，使得一个制造系统更为繁复，因此，当产品出现问题时，要找出系统性的问题时，会因为考虑细节过多而造成执行困难的问题。
[0003]当系统面对失效时，现有技术提出一种失效模式与影响分析(Failure modes and effects analysis，FMEA)的概念，FMEA是一种逐步识别系统中可能错误的方法，可应用在产品制造过程或服务流程，用来查验可能导致系统失效的问题。现有的方法的一个是将系统除错的各种环节以表格化、文件化的方式进行除错，当有问题产生，即可利用查表方式判断出可能哪个环节出错。
[0004]然而，传统FMEA仍面对不少痛点，当有新的错误或因素产生，这类以表格或文件方式的错误排除方式就随时需要修订，并且倚赖人本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种以一计算机系统实现的推论系统或产品质量异常的智能方法，运行于执行失效模式与影响分析的一客户端系统中，其特征在于，所述的方法包括：以一机器学习算法，搜集数据，并导入一知识库；对所搜集的数据与该知识库进行文字探勘；针对经过文字探勘的数据进行大数据分析，学习其中数据的关联性，建立一异常推论模型；于该系统接收新数据时，输入该异常推论模型，执行异常推论，并输出一推论结果；以及于接收回馈信息后，验证该机器学习算法得出的该异常推论模型，以优化该异常推论模型。2.如权利要求1所述的推论系统或产品质量异常的智能方法，其特征在于，所述的知识库包括文本报告、专家文章、FMEA文件、影响该系统异常的各种信息，以及该系统运作的信息与环境信息。3.如权利要求2所述的推论系统或产品质量异常的智能方法，其特征在于，所搜集的数据还包括由一失误模式效应与关键性分析法所归纳分析得到的失效数据。4.如权利要求1所述的推论系统或产品质量异常的智能方法，其特征在于，在对取得的数据进行文字探勘的步骤中，包括：筛选并剔除不利建立该异常推论模型的数据；将非结构化数据处理成结构化数据；对接收的数据进行词汇统一，建立一词汇库；以及选取作为训练样本的数据，以通过训练样本建立该异常推论模型。5.如权利要求1所述的推论系统或产品质量异常的智能方法，其特征在于，于提供多个机器学习算法中选取运行该方法的该机器学习算法，选取该机器学习算法的方法包括：以该多个机器学习算法分别建立个别的异常推论模型，再对各异常推论模型进行评分，以选择其中的一个该机器学习算法。6.如权利要求1至5中任一权利要求所述的推论系统或产品质量异常的智能方法，其特征在于，为根据回馈的信息与实际失效的状况验证该异常推论模型，并于需要时修改参数，产生用于推测系统异常的一对照表。7.一种推论系统或...

【专利技术属性】
技术研发人员：李荣生，简嘉宏，王智，
申请(专利权)人：治略资讯整合股份有限公司，
类型：发明
国别省市：