申请/专利权人：罗伯特·博世有限公司

申请日：2023-09-28

公开（公告）日：2024-03-29

公开（公告）号：CN117785522A

主分类号：G06F11/07

分类号：G06F11/07;G06F18/241;G06F18/214;G06N20/00

优先权：["20220929 US 17/956275"]

专利状态码：在审-公开

法律状态：2024.03.29#公开

摘要：提供了利用经训练机器学习模型执行根本原因分析的方法和系统。使用经训练的机器学习模型来对制造过程执行根本原因分析的方法和系统。提供了被训练来预测无故障部件的测量的预先训练的机器学习模型。所述预先训练的模型在如由多个制造站处的多个传感器测量的关于制造部件的物理特性的训练测量数据上进行训练。利用经训练的模型，然后接收来自传感器的关于制造部件和站的测量数据。该新的测量数据集通过预先训练的模型反向传播，以确定新的测量数据的绝对梯度的量值。然后基于该绝对梯度的量值确定根本原因。在其他实施例中，基于在使用模型的部件的预测测量数据集和实际测量数据之间确定的损失来标识根本原因。

主权项：1.一种利用预先训练的机器学习模型对制造过程执行根本原因分析的计算机实现的方法，所述方法包括：提供被训练来预测无故障部件的测量的预先训练的机器学习模型，其中所述预先训练的机器学习模型是基于关于如由多个制造站处的多个传感器测量的第一多个制造部件的物理特性的第一测量数据集来训练的；从所述多个制造站处的所述多个传感器接收关于第二多个制造部件的物理特性和所述多个制造站的标识的第二测量数据集；将第二测量数据集通过预先训练的机器学习模型反向传播，以确定第二测量数据集的绝对梯度的量值；以及基于绝对梯度的量值来标识制造过程内的根本原因。

全文数据：

权利要求：

百度查询： 罗伯特·博世有限公司 利用经训练机器学习模型执行根本原因分析的方法和系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD