[发明专利]推论系统或产品质量异常的智能方法与系统

权利要求书

1.一种以一计算机系统实现的推论系统或产品质量异常的智能方法，运行于执行失效模式与影响分析的一客户端系统中，其特征在于，所述的方法包括：以一机器学习算法，搜集数据，并导入一知识库；

对所搜集的数据与该知识库进行文字探勘；

针对经过文字探勘的数据进行大数据分析，学习其中数据的关联性，建立一异常推论模型；

于该系统接收新数据时，输入该异常推论模型，执行异常推论，并输出一推论结果；以及

于接收回馈信息后，验证该机器学习算法得出的该异常推论模型，以优化该异常推论模型。

2.如权利要求1所述的推论系统或产品质量异常的智能方法，其特征在于，所述的知识库包括文本报告、专家文章、FMEA文件、影响该系统异常的各种信息，以及该系统运作的信息与环境信息。

3.如权利要求2所述的推论系统或产品质量异常的智能方法，其特征在于，所搜集的数据还包括由一失误模式效应与关键性分析法所归纳分析得到的失效数据。

4.如权利要求1所述的推论系统或产品质量异常的智能方法，其特征在于，在对取得的数据进行文字探勘的步骤中，包括：

筛选并剔除不利建立该异常推论模型的数据；

将非结构化数据处理成结构化数据；

对接收的数据进行词汇统一，建立一词汇库；以及

选取作为训练样本的数据，以通过训练样本建立该异常推论模型。

5.如权利要求1所述的推论系统或产品质量异常的智能方法，其特征在于，于提供多个机器学习算法中选取运行该方法的该机器学习算法，选取该机器学习算法的方法包括：以该多个机器学习算法分别建立个别的异常推论模型，再对各异常推论模型进行评分，以选择其中的一个该机器学习算法。

6.如权利要求1至5中任一权利要求所述的推论系统或产品质量异常的智能方法，其特征在于，为根据回馈的信息与实际失效的状况验证该异常推论模型，并于需要时修改参数，产生用于推测系统异常的一对照表。

7.一种推论系统或产品质量异常的智能系统，其特征在于，所述的系统包括：一算法模块，其中备有多种机器学习算法；

一机器学习模块，以其中的一个机器学习算法分析一客户端系统提供的数据，并通过类神经网络进行学习与训练；

一模型建立模块，根据该机器学习模块的训练结果建立一异常推论模型，并验证各机器学习算法建立的各异常推论模型，再从中选择较佳的机器学习算法，以及执行评估与优化该异常推论模型；以及

一数据库模块，该推论系统或产品质量异常的智能系统通过该数据库模块向该客户端系统搜寻数据，建立一知识库；

其中该推论系统或产品质量异常的智能系统执行一推论系统或产品质量异常的智能方法，所述方法包括：

以选择的该机器学习算法，搜集数据，并导入该知识库；

对所搜集的数据与该知识库进行文字探勘；

针对经过文字探勘的数据进行大数据分析，学习其中数据的关联性，建立该异常推论模型；

于该系统接收新数据时，输入该异常推论模型，执行异常推论，并输出一推论结果；以及

于接收回馈信息后，验证该机器学习算法得出的该异常推论模型，以优化该异常推论模型。

8.如权利要求7所述的推论系统或产品质量异常的智能系统，其特征在于所述的知识库记载的事项至少包括专家知识、历史记录、异常因子与一对照表。

9.如权利要求8所述的推论系统或产品质量异常的智能系统，其特征在于，所搜集的数据还包括由一失误模式效应与关键性分析法所归纳分析得到的失效数据。

10.如权利要求7至9中任一权利要求所述的推论系统或产品质量异常的智能系统，其特征在于，于该推论系统或产品质量异常的智能方法中，对取得的数据进行文字探勘的步骤包括：

筛选并剔除不利建立该异常推论模型的数据；

将非结构化数据处理成结构化数据；

对接收的数据进行词汇统一，建立一词汇库；以及

选取作为训练样本的数据，以通过训练样本建立该异常推论模型。