用于检测制造异常的系统和方法技术方案

本公开提供了“用于检测制造异常的系统和方法”。本文描述了用于训练用于检测制造异常的模型的系统和方法。在计算装置处识别测试响应参数，并且与所述测试响应参数相关联的第一多个部件波形是在所述计算装置处接收到的。所述多个波形中的每个波形包括多个数据点。在所述计算装置处生成模型，并且在所述计算装置处并在所述第一多个部件波形上训练所述模型，由此生成与所述模型相关联的一个或多个参数。接收与所述测试响应参数相关联的第二多个部件波形，并且访问训练后的模型。使用所述训练后的模型指示所述第二多个部件波形中的任一者是否包括异常。对于每个所指示波形，审查所指示波形，并且对于不包括异常的每个所审查波形，对所述波形做标记。对所述波形做标记。对所述波形做标记。

【技术实现步骤摘要】
用于检测制造异常的系统和方法


[0001]本公开涉及用于检测制造异常的系统和方法。

技术介绍

[0002]本公开涉及提供一种利用无监督机器学习来检测机器测试数据中的异常行为以便检测制造异常的系统。

技术实现思路

[0003]当在例如工厂中制造物品(或部件)时，通常将遵循制造过程。制造过程可能涉及从原材料形成物品并将物品呈现为复杂物品。例如，如果正在制造车轮轴承，则可以形成单独的滚珠轴承，也可以形成用于容纳滚珠轴承的金属环。可以组装滚珠轴承和金属环以形成车轮轴承。在一些示例中，所有步骤都可以在同一工厂中进行。在其他示例中，步骤中的每一者(或子集)可以在一个或多个不同的工厂中进行。制造过程的重要部分是识别在制造过程期间出现的任何异常，例如缺陷。这可能涉及例如测试在制造过程期间形成和/或组装的物品。例如，前述车轮轴承可以附接到测试点以确保其在附接到车辆之前以预期方式操作。测试有助于确保制造过程的最终产品具有预期质量。
[0004]一种解决方案是测量已制造物品的测试响应参数，并将测试响应参数与静态极限进行比较，例如，测量相对于例如时间的关键点处的高点和低点。在另一个示例中，假设已经制造了油泵。测试油泵可以包括测量处于上限的初始油压，以及测量下降到下限所需的时间。为了通过测试，例如基于物理学和流体动力学，可能需要在预定时间内发生压力降。如果已制造物品的响应(即，压力降)确实在预定时间内发生，则测试可能未通过。未通过的物品可以返回到制造过程的较早部分使得可以解决任何制造问题。对于复杂物品，诸如车辆发动机，可能会执行多达7000次测试，以帮助确保发动机已按预期质量构造。鉴于大量测试，这些测试通常是自动化的；然而，由于大量测试，对于给定物品，设计捕获每个异常的合适的通过和/或未通过条件在技术上具有挑战性。
[0005]本文提供了用于训练用于检测制造异常的模型的系统和方法。例如，本文提供的系统和方法使得能够例如以无监督方式在训练数据集上训练模型，并且使得能够基于反馈回路来细化模型输出。
[0006]根据本文提供的系统和方法的一些示例，提供了一种训练用于检测制造异常的模型的方法。在计算装置处识别测试响应参数，并且在计算装置处接收与测试响应参数相关联的第一多个部件波形。所述多个波形中的每个波形包括多个数据点。在计算装置处生成模型，并且在第一多个部件波形上训练模型。训练模型生成与模型相关联的一个或多个参数。接收与测试响应参数相关联的第二多个部件波形，并且访问训练后的模型。使用训练后的模型，指示第二多个部件波形中的波形中的任一者是否包括异常。审查每个所指示波形。对于不包括异常的每个所审查波形，对所述波形做标记。在一些示例中，所有的所指示波形都被标记，其中标签反映所指示波形的状态。在一些示例中，然后将所有后续多个异常波形
与不包括异常的这些所标记波形进行比较，并且基于该比较，可以调整(例如，校正、改变和/或覆写)应用于后续多个波形的模型的输出。在示例性系统中，可以识别测试响应参数，例如油压。可以接收多个部件波形，例如，指示油泵的油压如何随时间下降的多个波形。可以生成模型并基于这些波形训练所述模型，包括生成与模型相关联的一个或多个参数。可以使用训练后的模型来接收和处理指示油泵的油压如何随时间下降的第二多个波形。训练后的模型指示为异常的任何波形都可以被标记以供主题专家审查。在审查时，主题专家可以指示波形是否异常，或者训练后的模型是否已指示误报。对于误报，可以标记波形并使用所述波形来覆写未来异常分类的输出。
[0007]在一些示例中，第一多个部件波形可以是预定数量的波形，并且第一多个部件波形可以是从较大的多个部件波形中随机选择的子集。
[0008]在一些示例中，训练模型还可以包括生成与第一多个部件波形相关联的约化特征空间。生成约化特征空间还可以包括将Z标准化应用于第一多个部件波形，由此产生结果，并将结果传递到线性主分量分析。主分量的数量可以基于设置由第一主分量解释的总方差百分比的下界，和/或累积解释的方差曲线图中的拐点。可以基于约化特征空间来生成并存储变换矩阵。指示第二多个部件波形中的波形中的任一者是否包括异常还可以包括经由变换矩阵将第二多个部件波形映射到相同的约化特征空间。
[0009]在一些示例中，可以经由具有噪声算法的应用的基于密度的空间聚类来对约化特征空间中的数据点进行聚类。所述聚类可以包括识别一个或多个核心点，以及将一个或多个数据点分配给集群，其中集群是基于核心点。噪声点可以是不可分配给集群的任何数据点。指示波形中的任一者是否包括异常还可以基于识别一个或多个噪声点。一个或多个核心点的特征可以在于在邻域半径内包含最小数量的数据点。如果数据点是从同一核心点密度可达的，则可以将它们分配给集群，其中密度可达点是如下点：存在从核心点到所述点的点链。
[0010]在一些示例中，生成模型参数还可以包括确定最小数量的数据点并确定邻域半径。训练模型还可以包括为每个集群生成集群标签并存储所生成的集群标签。数据点的最小数量可以是主分量数量的两倍，并且邻域半径可以是k距离图中的肘点，其中k是数据点的最小数量减去一。
[0011]在一些示例中，在计算装置处识别测试响应参数，与测试响应参数相关联的部件波形是在计算装置处接收到的。部件波形可以包括多个数据点。可以在计算装置处并基于测试响应参数来访问训练后的模型。可以使用训练后的模型来确定部件波形是否指示异常。在一些示例中，接收部件波形可以包括接收与测试响应参数相关联的多个波形。确定部件波形是否指示异常可以包括确定多个波形中的每个波形是否指示异常。可以确定多个波形中的阈值数量的连续波形是否指示异常和/或可以确定多个波形的数据点的阈值子集是否已经从波形中的每一者中的预期位置漂移。
[0012]在一些示例中，在计算装置处识别测试响应参数，与测试响应参数相关联的部件波形是在计算装置处接收到的。部件波形可以包括多个数据点。可以在计算装置处并基于测试响应参数来访问训练后的模型。如果数据点在集群的邻域半径内，则可以使用训练后的模型来将数据点分配给集群。可以使用训练后的模型来确定数据点是否是噪声点。如果数据点中的任一者是噪声点，则可以指示部件波形指示异常。
[0013]在一些示例中，可以提供用于制造车辆部件的设备，其中与所述设备相关联的过程包括如本文所述测试车辆部件的异常。
附图说明
[0014]结合附图考虑以下具体实施方式，本公开的上述和其他目的和优点将变得显而易见，在附图中：
[0015]图1示出了根据本公开的一些示例的提供用于制造和测试车辆部件的设备的示例性环境。
[0016]图2示出了根据本公开的一些示例的多个示例性波形。
[0017]图3示出了根据本公开的一些示例的用于训练用于检测制造异常的模型的示例性环境。
[0018]图4示出了根据本公开的一些示例的用于训练用于检测制造异常的模型的过程流的示意图。
[0019]图5示出了根据本公开的一些示例的用于训练用于检测制造异常的模型的过程流的另一个示意图。<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种训练用于检测制造异常的模型的方法，所述方法包括：在计算装置处识别测试响应参数；在所述计算装置处接收与所述测试响应参数相关联的第一多个部件波形，其中所述多个波形中的每个波形包括多个数据点；在所述计算装置处生成模型；在所述计算装置处并在所述第一多个部件波形上训练所述模型，由此生成与所述模型相关联的一个或多个参数；接收与所述测试响应参数相关联的第二多个部件波形；访问所述训练后的模型；使用所述训练后的模型指示所述第二多个部件波形中的所述波形中的任一者是否包括异常；以及对于每个所指示波形：审查所述所指示波形；以及对于不包括异常的每个所审查波形：对所述波形做标记。2.根据权利要求1所述的方法，其中：所述第一多个部件波形是预定数量的波形；并且所述第一多个部件波形是从较大的多个部件波形中随机选择的子集。3.根据权利要求1或2所述的方法，其中训练所述模型还包括生成与所述第一多个部件波形相关联的约化特征空间。4.根据权利要求3所述的方法，其中：生成所述约化特征空间还包括：将Z标准化应用于所述第一多个部件波形，由此产生结果；以及将所述结果传递到线性主分量分析；并且任选地所述线性主分量分析的主分量的数量是基于：设置由第一主分量解释的总方差百分比的下界；和/或累积解释的方差曲线图中的拐点。5.根据权利要求3所述的方法，其还包括：基于所述约化特征空间生成变换矩阵；存储所述变换矩阵；并且其中：指示所述第二多个部件波形中的所述波形中的任一者是否包括异常还包括经由所述变换矩阵将所述第二多个部件波形映射到相同的约化特征空间。6.根据权利要求3所述的方法，其还包括经由具有噪声算法的应用的基于密度的空间聚类来对所述约化特征空间中的所述数据点进行聚类。7.根据权利要求6所述的方法，其中所述聚类包括：识别一个或多个核心点；以及将一个或多个数据点分配给集群，其中集群是基于核心点。8.根据权利要求7所述的方法，其中：噪声点是不能够分配给集群的任何数据点；并且指示所述波形中的任一者是否包括异常还基于识别一个或多个噪声点；和/或如果所述数据点是从同一核心点密度可达的，则将它们分配给集群，其中密度可达点
是如下点：存在从核心点到所述点的点链。9.根据权利要求7所述的方法，其中：所述一个或多个核心点的特征在于在邻域半径内包含最小数量的数据点；并且任选地生成所述模型参数还包括：确定所...

【专利技术属性】
技术研发人员：A，
申请(专利权)人：福特全球技术公司，
类型：发明
国别省市：