【技术实现步骤摘要】
针对制造系统中的多变量时间序列数据的预测方法和系统
技术介绍
[0001]时间序列是时序数据点的序列。在制造设置中,时间序列可以表示制造装备随时间的内部状态。备选地,时间序列可以跟踪跨工件序列的特定的参数或特性。例如,可以针对多个工件记录特定的物理测量,以形成随时间来记录测量的时间序列。一些时间序列是多变量的,意味着时间序列具有多于一个的时间依赖变量。在多变量时间序列中,变量取决于其自身的过去值并且至少部分地取决于其他变量。例如,特定的制造参数可以取决于其自身的过去值以及来自上游制造过程步骤的参数两者。
技术实现思路
[0002]本公开的实现总体上涉及使用多变量时间序列来控制制造系统的方法。更具体地,本公开的实现涉及预测制造系统中的多变量时间序列数据并且使用所预测的时间序列数据来对制造系统中的参数进行调整的方法和系统。
[0003]在一些实现中,动作包括:记录来自制造系统中的一个或多个设备的数据;将所记录的数据作为多个时间序列存储在数据存储装置中,其中每个时间序列具有对应于第一时间的第一所记录的值和对应于时间序列的结束的最终所记录的值;使用贝叶斯模型在第一时间窗口内,在多个时间序列中内插缺失值,其中缺失值落在相应的时间序列的第一时间与结束时间之间;将所内插的值作为预测数据存储在预测存储装置中,其中所内插的值包括每个所内插的值的不确定性;从数据存储装置加载落在第二时间窗口内的所记录的数据;从预测存储装置加载预测数据,该预测数据落在第二时间窗口内并且针对预测数据没有所记录的数据可用;使用加载的、所记录的数据和预测数据来优化 ...
【技术保护点】
【技术特征摘要】
1.一种使用多变量时间序列来控制制造系统的方法,所述方法包括:记录来自所述制造系统中的一个或多个设备的数据;将所记录的所述数据作为多个时间序列存储在数据存储装置中,其中每个时间序列具有对应于第一时间的第一所记录的值和对应于所述时间序列的结束的最终所记录的值;使用贝叶斯模型在第一时间窗口内,在所述多个时间序列中内插缺失值,其中所述缺失值落在相应的所述时间序列的所述第一时间与结束时间之间;将所内插的所述值作为预测数据存储在预测存储装置中,其中所内插的所述值包括每个所内插的值的不确定性;从所述数据存储装置加载落在第二时间窗口内的所记录的所述数据;从所述预测存储装置加载预测数据,所述预测数据落在所述第二时间窗口内并且针对所述预测数据没有所记录的数据可用;使用加载的、所记录的所述数据和所述预测数据来优化所述贝叶斯模型的参数;使用所述贝叶斯模型预测针对所述时间序列中的每个时间序列的值,针对所述时间序列加载的、所记录的数据和预测数据不可用;将所预测的所述值作为预测数据存储在所述预测存储装置中,其中所述预测值包括每个预测值的所述不确定性;以及基于所述第二时间窗内的所述预测数据来调整生成所记录的所述数据的所述设备中的一个或多个设备。2.根据权利要求1所述的方法,其中所述预测数被存储为统计分布或密度函数。3.根据权利要求1所述的方法,其中所述预测数据被存储为随机样本,并且加载所述预测数据包括:选择所述随机样本中的随机样本。4.根据权利要求1所述的方法,还包括:如果加载的、所记录的所述数据和所述预测数据的边缘似然性是易处理的,则计算加载的、所记录的所述数据和所述预测数据的所述边缘似然性;以及如果加载的、所记录的所述数据和所述预测数据的所述边缘似然性是不易处理的,则计算加载的、所记录的所述数据和所述预测数据的条件密度。5.根据权利要求1所述的方法,还包括:针对所述第二时间窗口内的加载的、所记录的所述数据点中的每个数据点,计算条件概率P(x
i
|X
j≠i
)。6.根据权利要求1所述的方法,还包括:计算成本函数,所述成本函数包括参数值范围内的所述条件密度和所述计算成本;以及调整所述参数,以对应于所述成本函数的最小值。7.根据权利要求1所述的方法,其中调整所述一个或多个设备包括:执行或调度所述一个或多个设备的维护。8.根据权利要求1所述的方法,其中调整所述一个或多个设备包括:调整所述一个或多个设备的操作设置。9.一种系统,包括:一个或多个处理器;以及
计算机可读存储设备,所述计算机可读存储设备被耦合到所述一个或多个处理器,并且具有被存储在其上的指令,所述指令在由所述一个或多个处理器执行时,使所述一个或多个处理器执行操作,所述操作包括:记录来自所述制造系统中的一个或多个设备的数据;将所记录的所述数据作为多个时间序列存储在数据存储装置中,其中每个时间序列具有对应于第一时间的第一所记录的值和对应于所述时间序列的结束的最终所记录的值;使用贝叶斯模型在第一时间窗口内,在所述多个时间序列中内插缺失值,其中所述缺失值落在相应的所述时间序列的所述第一时间与结束时间之间;将所内插的所述值作为预测数据存储在预测存储装置中,其中所内插的所述值包括每个所内插的值的不确定性;从所述数据存储装置加载落在第二时间窗口内的所记录的所述数据;从所述预测存储装置加载预测数据,所述预测数据落在所述第二时间窗口内并且针对所述预测数据没有所记录的数据可用;使用加载的、所记录的所述数据和所述预测数据来优化所述贝叶斯模型的参数;使用所述贝叶斯模型预测针对所述时间序列中的每个时间序列的值,针对所述...
【专利技术属性】
技术研发人员:村井诚,森贺新,须山敦志,林素明,工藤卓哉,
申请(专利权)人:埃森哲环球解决方案有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。