[发明专利]为装配线执行目标参数分析的方法、系统和计算机可读介质

说明书

用于为包括多个站点的装配线执行目标参数分析的方法、系统、和装置。一种方法包括利用电子处理器来接收与装配线相关联的训练数据。该训练数据包括多个属性。该方法还包括利用电子处理器来接收多个站点中的每一个的增值数据。多个站点中的每一个的增值数据指定由多个站点中的每一个增加的非负值。该方法还包括利用电子处理器来基于训练数据和增值数据学习决策树。该方法还包括基于决策树来执行目标参数分析。

相关申请

本申请要求2016年1月20日提交的美国临时申请No.62/280,899的优先权，通过引用将该美国临时申请的全部内容合并到本文中。

技术领域

本发明涉及一种为包括多个站点的装配线执行目标参数分析的方法、系统和计算机可读介质。本文中描述的实施例涉及用于在由装配线的每个站点增加非负值时执行数据挖掘以分析装配线的方法、系统、和装置。

背景技术

数据挖掘技术、诸如决策树、神经网络、支持向量机、回归等等可以被用于诸如通过优化装配线中的生产或执行根本原因分析来评估装配线。识别由装配的每个站点增加的非负值可以改进这样的评估。例如，维护和调整可以集中于那些向装配线提供增加的值的站点，以提供更有成本效益的优化和分析。

发明内容

因此，本发明的目的是提供一种为包括多个站点的装配线执行目标参数分析的方法、系统和计算机可读介质，从而使得能够进行更具成本效益的优化和分析。本文中描述的实施例提供用于为装配线执行增值相关数据挖掘的方法、系统、和装置，其中值是由装配线的每个站点递增地增加的。一些实施例还提供用于使用决策树来为装配线执行增值相关数据挖掘的方法、系统、和装置。

一些实施例提供用于使用增值相关数据挖掘来执行目标参数分析的方法、系统和装置。在考虑之中的目标参数的示例可以是将由装配线生产的产品标记为“报废（scrap）”或“良好”或“通过”产品的测试测量结果。站点的重要性可以基于该站点对目标参数的影响和与该站点相关联的值的组合。在一些实施例中，可以使用决策树来执行目标参数分析。

其他实施例提供用于基于决策理论度量和增值相关度量的组合来测量装配线的站点的重要性的方法、系统、和装置。决策理论度量的示例包括信息增益、香农熵、Renyi熵、精度等等。这两种度量的组合效应可以被用于确定与决策树的每个节点相关联的决策。

附加实施例提供用于使用增值相关数据挖掘来优化装配线中的生产的方法、系统、和装置。一些实施例使用决策树来执行增值相关产品优化。

另外的实施例提供用于使用数据挖掘来执行增值相关低产量分析（包括例如线末端产量分析）的方法、系统、和装置。一些实施例使用决策树来执行增值相关低产量分析。

还有另外的实施例提供用于使用数据挖掘来执行增值高报废分析的方法、系统、和装置。一些实施例使用决策树来执行增值相关高报废分析。

其他实施例提供用于使用数据挖掘来执行根本原因分析的方法、系统、和装置，其中根本原因的重要性基于站点在装配线内的位置。一些实施例使用决策树来执行根本原因分析。

附加实施例提供用于使用数据挖掘来执行增值相关根本原因分析的方法、系统、和装置。一些实施例使用决策树来执行增值相关根本原因分析。

另外的实施例提供用于当在装配线的每个随后的站点中增加非负值时使用数据挖掘来检测与用于装配线的目标值相关的站点、测试、测量、或其组合的方法、系统、和装置。如在本文中使用的术语“站点”包括在站点中发生的事件、诸如一个或多个部件在站点中的装配。一些实施例使用决策树来检测这样的相关性。

其他实施例提供用于当在装配的每个随后的站点中增加非负值时使用数据挖掘来检测影响用于装配线的目标值的站点、测试、测量、或其组合的方法、系统、和装置。一些实施例使用决策树来检测对目标值的影响。