缺值补偿方法、缺值补偿系统及非暂态计算机可读取媒体

摘要

一种缺值补偿方法、缺值补偿系统及非暂态计算机可读取媒体。缺值补偿方法包含：通过感测器输入感测信号，其中感测信号包含多个数据区段，历史数据库包含多个历史数据区段；从历史数据区段中搜寻与第一数据区段相似的历史数据区段以产生多个候选数据区段；根据第一数据区段以及候选数据区段分别计算多个数据关系图；利用特征辨识模型根据数据关系图分别计算多个相似度值，并选择最大相似度值对应的候选数据区段作为样本数据区段；以及利用样本数据区段中的数据补偿第一数据区段中的数据以产生补偿后的数据区段。借此，达到降低误判机率的功效。

说明书

技术领域

本案是有关于一种缺值补偿方法、缺值补偿系统及非暂态计算机可读取媒体，且特别是有关于一种设备数据缺值补偿方法、设备数据缺值补偿系统及非暂态计算机可读取媒体。

背景技术

工厂产线关键设备一般而言会设置感测器来侦测设备的电压、电流、温度、震动幅度等数据，作为设备运转状态评估。然而，感测器在收集设备信号时，可能因为电源异常、电磁干扰、感测器过热等外在因素，导致收集到的数据具有缺值。具有缺值的数据可能会导致在判断设备状态时产生误判的情况，进一步造成产线的良率下降或是产线被迫停止等情况。因此如何针对信号的缺值进行补偿以降低误判的机率是本领域待解决的问题。

发明内容

为达成上述目的，本案的第一态样是在提供一种缺值补偿方法，此方法包含以下步骤：通过感测器输入感测信号，其中感测信号包含多个数据区段，历史数据库包含多个历史数据区段；从历史数据区段中搜寻与第一数据区段相似的历史数据区段以产生多个候选数据区段，其中第一数据区段是数据区段的其中之一；根据第一数据区段以及候选数据区段分别计算多个数据关系图；利用特征辨识模型根据数据关系图分别计算多个相似度值，并选择最大相似度值对应的候选数据区段作为样本数据区段；以及利用样本数据区段中的数据补偿第一数据区段中的数据以产生补偿后的数据区段。

根据本案一实施例，还包含：输入多个训练影像以及每一该训练影像对应的一特征值；以及利用所述多个训练影像以及所述多个训练影像对应的该特征值作为训练数据，以产生该特征辨识模型。

根据本案一实施例，每一该数据区段以及每一该历史数据区段的数据值具有一时序关系。

根据本案一实施例，还包含：侦测该第一数据区段缺少数据值的至少一时点以及该第一数据区段缺少数据值的一数量；根据该数量计算该第一数据区段对应的一数据缺损比率，判断该数据缺损比率是否大于一门槛值；以及如果该数据缺损比率大于该门槛值，根据该时序关系计算该至少一时点对应的数据值，以产生该至少一时点对应的一第一数据值。

根据本案一实施例，利用该样本数据区段中的数据补偿该第一数据区段中的数据以产生补偿后的数据区段，还包含：计算该样本数据区段中该至少一时点对应的一斜率值；根据该斜率值计算该第一数据区段中该至少一时点对应的数据值，以产生该至少一时点对应的一第二数据值；以及利用该第二数据值调整该第一数据值以产生补偿后的数据区段。

根据本案一实施例，利用该样本数据区段中的数据补偿该第一数据区段中的数据以产生补偿后的数据区段，还包含：侦测该第一数据区段缺少数据值的至少一时点；计算该样本数据区段中该至少一时点对应的数据值的一斜率值；根据该斜率值计算该第一数据区段中该至少一时点对应的数据值，以产生该至少一时点对应的一第一数据值；以及根据该第一数据值产生补偿后的数据区段。

本案的第二态样是在提供一种缺值补偿系统，其包含：储存装置以及处理器。处理器与储存装置电性连接。储存装置用以储存感测信号以及历史数据库，其中，感测信号包含多个数据区段，历史数据库包含多个历史数据区段。处理器包含：样本搜寻单元、关系图产生单元以及缺值补偿单元。样本搜寻单元用以从历史数据区段中搜寻与第一数据区段相似的历史数据区段以产生多个候选数据区段，其中第一数据区段是数据区段的其中之一。关系图产生单元与样本搜寻单元电性连接，用以根据第一数据区段以及候选数据区段分别计算多个数据关系图。缺值补偿单元与关系图产生单元电性连接，用以利用特征辨识模型根据数据关系图分别计算多个相似度值，并选择最大相似度值对应的候选数据区段作为样本数据区段；以及利用样本数据区段中的数据补偿第一数据区段中的数据以产生补偿后的数据区段。

根据本案一实施例，还包含：一特征辨识模型建立单元，与缺值补偿单元电性连接，用以输入多个训练影像以及每一该训练影像对应的一特征值；以及利用所述多个训练影像以及所述多个训练影像对应的该特征值作为训练数据，以产生该特征辨识模型。

根据本案一实施例，每一该数据区段以及每一该历史数据区段的数据值具有一时序关系。

根据本案一实施例，一缺值侦测单元，与样本搜寻单元电性连接，用以侦测该第一数据区段缺少数据值的至少一时点以及该第一数据区段缺少数据值的一数量；根据该数量计算该第一数据区段对应的一数据缺损比率，判断该数据缺损比率是否大于一门槛值；以及如果该数据缺损比率大于该门槛值，根据该时序关系计算该至少一时点对应的数据值，以产生该至少一时点对应的一第一数据值。

根据本案一实施例，该缺值补偿单元更用以计算该样本数据区段中该至少一时点对应的一斜率值；根据该斜率值计算该第一数据区段中该至少一时点对应的数据值，以产生该至少一时点对应的一第二数据值；以及利用该第二数据值调整该第一数据值以产生补偿后的数据区段。

根据本案一实施例，该缺值补偿单元更用以侦测该第一数据区段缺少数据值的至少一时点；计算该样本数据区段中该至少一时点对应的数据值的一斜率值；根据该斜率值计算该第一数据区段中该至少一时点对应的数据值，以产生该至少一时点对应的一第一数据值；以及根据该第一数据值产生补偿后的数据区段。

本案的第三态样是在提供一种非暂态计算机可读取媒体包含至少一指令程序，由处理器执行至少一指令程序以实行缺值补偿方法，其包含以下步骤：通过感测器输入感测信号，其中感测信号包含多个数据区段，历史数据库包含多个历史数据区段；从历史数据区段中搜寻与第一数据区段相似的历史数据区段以产生多个候选数据区段，其中第一数据区段是数据区段的其中之一；根据第一数据区段以及候选数据区段分别计算多个数据关系图；利用特征辨识模型根据数据关系图分别计算多个相似度值，并选择最大相似度值对应的候选数据区段作为样本数据区段；以及利用样本数据区段中的数据补偿第一数据区段中的数据以产生补偿后的数据区段。

本发明的缺值补偿方法、缺值补偿系统及非暂态计算机可读取媒体，其主要是改进以往具有缺值的信号可能会导致在判断设备状态时产生误判的问题，从历史数据库中搜寻较相近的候选信号，再利用交叉递归图分析与具有缺值的信号最相似的候选信号以产生样本信号，再利用样本信号对具有缺值的信号进行补偿，以达到降低误判机率的功效。

附图说明

为让本发明的上述和其他目的、特征、优点与实施例能更明显易懂，所附附图的说明如下：

图1A是根据本案的一些实施例所绘示的一种缺值补偿系统的示意图；

图1B是根据本案的一些实施例所绘示的一种缺值补偿系统的示意图；

图2是根据本案的一些实施例所绘示的缺值补偿方法的流程图；

图3A是根据本案的一些实施例所绘示的数据关系图的示意图；

图3B是根据本案的一些实施例所绘示的数据关系图的示意图；

图3C是根据本案的一些实施例所绘示的数据关系图的示意图；

图4是根据本案的一些实施例所绘示的步骤S280的流程图；

图5是根据本案的一些实施例所绘示的缺值补偿方法的流程图；以及

图6是根据本案的一些实施例所绘示的步骤S550的流程图。

【符号说明】

100：缺值补偿系统

110：储存装置

130：处理器

131：缺值侦测单元

132：样本搜寻单元

133：关系图产生单元

134：缺值补偿单元

135：特征辨识模型建立单元

DB1：历史数据库

200、500：缺值补偿方法

Img1、Img2、Img3：数据关系图

S210～S280、S281～S283、S510～S550、S551～S554：步骤

具体实施方式

以下揭示提供许多不同实施例或例证用以实施本发明的不同特征。特殊例证中的元件及配置在以下讨论中被用来简化本揭示。所讨论的任何例证只用来作为解说的用途，并不会以任何方式限制本发明或其例证的范围和意义。此外，本揭示在不同例证中可能重复引用数字符号且/或字母，这些重复皆为了简化及阐述，其本身并未指定以下讨论中不同实施例且/或配置之间的关系。

请参阅图1A。图1A是根据本案的一些实施例所绘示的一种缺值补偿系统100的示意图。如图1A所绘示，缺值补偿方法100包含储存装置110以及处理器130。处理器130电性连接至储存装置110，储存装置110用以储存感测信号、历史数据库DB1以及特征辨识模型。于一实施例中，感测信号以及历史数据库DB1中储存的历史监控信号皆是来自设备上装设的感测器所感测到的设备运转状态信息，举例而言感测信号可以是温度、压差、震动、电流等侦测器产生的感测信号。

承上述，如图1A所示，处理器130包含缺值侦测单元131、样本搜寻单元132、关系图产生单元133、缺值补偿单元134以及特征辨识模型建立单元135。样本搜寻单元132与缺值侦测单元131以及关系图产生单元133电性连接，缺值补偿单元134与关系图产生单元133以及特征辨识模型建立单元135电性连接。处理器130用以侦测感测信号中缺少数据值的时点，并利用与感测信号相近的历史信号补偿感测信号中缺少的数据值。

于另一实施例中，图1B是根据本案的一些实施例所绘示的一种缺值补偿系统100的示意图。图1B所示的实施例与图1A所示的实施例的差异在于，缺值侦测单元131的连接方式。如图1B所示，缺值侦测单元131与关系图产生单元133以及缺值补偿单元134电性连接。

于本发明各实施例中，处理器130可以实施为集成电路如微控制单元(microcontroller)、微处理器(microprocessor)、数字信号处理器(digital signalprocessor)、特殊应用集成电路(application specific integrated circuit，ASIC)、逻辑电路或其他类似元件或上述元件的组合。储存装置110可以实施为记忆体、硬盘、随身盘、记忆卡等。

请参阅图2。图2是根据本案的一些实施例所绘示的缺值补偿方法200的流程图。于一实施例中，图2所示的缺值补偿方法200可以应用于图1A及图1B的缺值补偿系统100上，处理器130用以根据下列缺值补偿方法200所描述的步骤，侦测感测信号中缺少数据值的时点，并利用与感测信号相近的历史信号补偿感测信号中缺少的数据值。

承上述，缺值补偿方法200首先执行步骤S210，通过感测器输入感测信号。其中，感测信号包含多个数据区段，历史数据库DB1包含多个历史数据区段。于一实施例中，每个设备皆包含多个类型不同的感测器，可以是检测设备的温度、压差、震动或电流状态的感测器，在此以压差为例。举例而言，感测压差的感测器每分可以侦测到1024笔数据，一个数据区段可以是1分钟的感测信号，意即一个数据区段具有1024笔数据。于另一实施例中，一个数据区段可以是3分钟的感测信号，意即一个数据区段具有3072笔数据。然而，本揭示不限于此。值得注意的是感测信号与历史监控信号皆是具有时序关系的数据信号。

承上述，缺值补偿方法200执行步骤S220，侦测第一数据区段缺少数据值的至少一时点以及第一数据区段缺少数据值的数量，根据数量计算第一数据区段对应的数据缺损比率。其中，第一数据区段是多个数据区段的其中之一。于一实施例中，首先侦测第一数据区段中的缺值数量，举例而言，如果第一数据区段中有200笔的数据具有缺值，以第一数据区段中有1024笔数据为例，第一数据区段对应的数据缺损比率即是(200/1024)*100％＝19.5％。

承上述，缺值补偿方法200执行步骤S230，判断数据缺损比率是否大于门槛值，如果数据缺损比率大于门槛值，进一步执行步骤S240，根据时序关系计算至少一时点对应的数据值，以产生至少一时点对应的第一数据值。接续上方实施例，假设门槛值为10％，第一数据区段对应的数据缺损比率大于门槛值，因此要先对缺少数据的时点进行补值。举例而言，第一数据区段S1如《表一》所示，《表一》仅示出时点T1～时点T5的数据值，本揭示不限于此。

《表一》

承上述，第一数据区段S1于时点T2之处具有缺值，并且数据缺损比率大于门槛值，因此利用内插法补偿时点T2的数据值，计算出的时点T2的数据值为8.6315，意即时点T2的第一数据值为8.6315。值得注意的是，数据缺损比率大于门槛值表示数据缺损过大有可能影响到后续的操作，因此先利用内插法补偿缺失的数据值以得到暂时的第一数据值。

承上述，缺值补偿方法200执行步骤S250，从历史数据区段中搜寻与第一数据区段相似的历史数据区段以产生多个候选数据区段。值得注意的是，如果数据缺损比率小于或等于门槛值，表示数据缺损的程度在容忍范围之内，因此会直接执行步骤S250的操作。于一实施例中，如果感测信号为设备A的压差信号，则在历史数据库DB1中找寻设备A过往的压差信号来对第一数据区段的缺值进行补偿。举例而言，多个历史数据区段如《表二》所示，《表二》仅示出时点T1～时点T5的数据值，本揭示不限于此。

《表二》

承上述，可以利用贪婪演算法(Greedy algorithm)找出与第一数据区段相似的一或多个候选数据区段。值得注意的是，也可以利用其他搜寻演算法找出与第一数据区段相似的候选数据区段，本揭示不限于此。经过步骤S250的操作后，《表二》所示的历史数据区段SC1、SC2及SC5因为与第一数据区段S1较为相似，因此被选为候选数据区段。

承上述，缺值补偿方法200执行步骤S260，根据第一数据区段以及候选数据区段分别计算多个数据关系图。于一实施例中，利用交叉递归图(Cross Recurrence Plot，CRP)分别计算第一数据区段S1与候选数据区段SC1、SC2及SC5之间的相似程度。交叉递归图可以用来分析两个系统之间的相似程度，当两个系统越相似时，于交叉递归图上会呈现有越明显的对角线图案。因此，可以利用对角线段的长短来判定两个系统间的相似程度。

承上述，请参考图3A～图3C，图3A是根据本案的一些实施例所绘示的数据关系图Img1的示意图，图3B是根据本案的一些实施例所绘示的数据关系图Img2的示意图，以及图3C是根据本案的一些实施例所绘示的数据关系图Img3的示意图。于一实施例中，数据关系图Img1为根据第一数据区段S1与候选数据区段SC1所产生的交叉递归图，数据关系图Img2为根据第一数据区段S1与候选数据区段SC2所产生的交叉递归图，以及数据关系图Img3为根据第一数据区段S1与候选数据区段SC5所产生的交叉递归图。

承上述，缺值补偿方法200执行步骤S270，利用特征辨识模型根据数据关系图分别计算多个相似度值，并选择最大相似度值对应的候选数据区段作为样本数据区段。承上述，执行步骤S270之前，需先建立特征辨识模型。于一实施例中，将多个训练影像以及每一训练影像对应的特征值作为训练数据，并输入卷积神经网络(Convolutional NeuralNetworks，CNN)中。其中，训练影像为包含有多种对角线图样的影像，特征值则是将训练影像中对角线图样转换成数值表示，换句话说训练影像中对角线图样越长，特征值会越高。值得注意的是，利用训练影像及特征值作为训练数据所产生的特征辨识模型，可以用来计算步骤S260产生的数据关系图对应的相似度值。

接续前述实施例，如图3A～图3C所示，数据关系图Img1、Img2以及Img3中滤除了对角线图样以外的影像内容，数据关系图Img1中的对角线图案相较于数据关系图Img2中的对角线图案较长，因此候选数据区段SC1与候选数据区段SC2相比，候选数据区段SC1与第一数据区段S1较为相关，候选数据区段SC1的相似度值也会大于候选数据区段SC2的相似度值。

接着，数据关系图Img3中的对角线图案相较于数据关系图Img1中的对角线图案较长，换言之，数据关系图Img3中的对角线图案分离的线段较少，因此候选数据区段SC5与候选数据区段SC1相比，候选数据区段SC5与第一数据区段S1较为相关。候选数据区段SC5的相似度值也会大于候选数据区段SC1的相似度值，因此候选数据区段SC5也会被选为样本数据区段。

承上述，缺值补偿方法200执行步骤S280，利用样本数据区段中的数据补偿第一数据区段中的数据以产生补偿后的数据区段。请一并参考图4，图4是根据本案的一些实施例所绘示的步骤S280的流程图。缺值补偿方法200进一步执行步骤S281，计算样本数据区段中至少一时点对应的斜率值。接续前述实施例，于第一数据区段S1中缺少时点T2的数据值，因此在找到样本数据区段后，可以利用样本数据区段于时点T2的数据值来补偿第一数据区段S1中时点T2缺少的数据值。因此，样本数据区段中时点T2的斜率为0.551。

承上述，缺值补偿方法200进一步执行步骤S282，根据斜率值计算第一数据区段中至少一时点对应的数据值，以产生至少一时点对应的第二数据值，以及步骤S283，利用第二数据值调整第一数据值以产生补偿后的数据区段。接续前述实施例，根据样本数据区段中时点T2的斜率可以计算出第一数据区段S1中时点T2的数据值为8.78。因此补偿后的数据区段如《表三》所示。由于样本数据区段是与第一数据区段最为相似的数据区段，因此利用样本数据区段计算出第一数据区段S1中的缺值，相较于利用内插法的计算，可以更贴近原本的数据值。

《表三》

于另一实施例中，请参阅图5。图5是根据本案的一些实施例所绘示的缺值补偿方法500的流程图。缺值补偿方法500首先执行步骤S510，通过感测器输入感测信号。于此实施例中，步骤S510的操作与步骤S210类似，在此不再赘述。接着，缺值补偿方法500执行步骤S520，从历史数据区段中搜寻与第一数据区段相似的历史数据区段以产生多个候选数据区段。于此实施例中，步骤S520的操作与步骤S250类似，在此不再赘述。

承上述，缺值补偿方法500的实施例与缺值补偿方法200的实施例，差异在于缺少步骤S220～S240的操作。于此实施例中，不计算数据缺损比率，直接根据具有缺损数据的数据区段从历史数据库DB1中搜寻候选数据区段。

接着，缺值补偿方法500执行步骤S530，根据第一数据区段以及候选数据区段分别计算多个数据关系图。于此实施例中，步骤S530的操作与步骤S260类似，在此不再赘述。

接着，缺值补偿方法500执行步骤S540，利用特征辨识模型根据数据关系图分别计算多个相似度值，并选择最大相似度值对应的候选数据区段作为样本数据区段。于此实施例中，步骤S540的操作与步骤S270类似，在此不再赘述。

接着，缺值补偿方法500执行步骤S550，利用样本数据区段中的数据补偿第一数据区段中的数据以产生补偿后的数据区段。请一并参考图6，图6是根据本案的一些实施例所绘示的步骤S550的流程图。缺值补偿方法500进一步执行步骤S551，侦测第一数据区段缺少数据值的至少一时点。于此实施例中，从历史数据库DB1中找寻到样本数据区段后，需要进一步侦测第一数据区段中缺少数据值的时点，以对缺少的数据值进行补偿。

接着，缺值补偿方法500进一步执行步骤S552，计算样本数据区段中至少一时点对应的斜率值。于此实施例中，步骤S552的操作与步骤S281类似，在此不再赘述。

接着，缺值补偿方法500进一步执行步骤S553，根据斜率值计算第一数据区段中至少一时点对应的数据值，以产生至少一时点对应的第一数据值。于此实施例中，步骤S553的操作与步骤S282类似，在此不再赘述。当侦测出第一数据区段中缺少数据值的时点后，进一步计算样本数据区段中时点对应的斜率值，根据计算出的斜率值可以用来补偿第一数据区段中缺少数据的时点的数据值。

接着，缺值补偿方法500进一步执行步骤S554，根据第一数据值产生补偿后的数据区段。在经由上述的操作之后，可以产生补偿后的数据区段。值得注意的是，补偿后的数据区段是用来进行后续数据分析时的输入数据，换句话说，在分析设备的监控信号是否有发生异常的相关技术中，输入数据的准确与否，会对于后续的判断有很大的影响，因此，如果输入数据可以尽量还原缺损的数据也可以有助于提升判断设备是否发生异常的准确率。

由上述本案的实施方式可知，主要是改进以往具有缺值的信号可能会导致在判断设备状态时产生误判的问题，从历史数据库中搜寻较相近的候选信号，再利用交叉递归图分析与具有缺值的信号最相似的候选信号以产生样本信号，再利用样本信号对具有缺值的信号进行补偿，以达到降低误判机率的功效。

另外，上述例示包含依序的示范步骤，但这些步骤不必依所显示的顺序被执行。以不同顺序执行这些步骤皆在本揭示内容的考量范围内。在本揭示内容的实施例的精神与范围内，可视情况增加、取代、变更顺序及/或省略这些步骤。

虽然本案已以实施方式揭示如上，然其并非用以限定本案，任何熟悉此技艺者，在不脱离本案的精神和范围内，当可作各种的更动与润饰，因此本案的保护范围当视所附的权利要求书所界定的范围为准。