CN1263090C - 判断造成半导体机台异常原因的***与方法 - Google Patents
判断造成半导体机台异常原因的***与方法 Download PDFInfo
- Publication number
- CN1263090C CN1263090C CNB031243274A CN03124327A CN1263090C CN 1263090 C CN1263090 C CN 1263090C CN B031243274 A CNB031243274 A CN B031243274A CN 03124327 A CN03124327 A CN 03124327A CN 1263090 C CN1263090 C CN 1263090C
- Authority
- CN
- China
- Prior art keywords
- abnormal cause
- those
- diagnostic
- judgement
- subsystem
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Lifetime
Links
Images
Landscapes
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明涉及一种判断造成半导体机台异常原因的***与方法;本发明使用诊断规则,来逐一检查计算机整合制造***的子***的数据,并对应关联至异常根本原因,以针对半导体机台的异常状态产生诊断结果;本发明还具有自学机制,借此将使用者针对诊断结果所产生的判定意见,自动整合成诊断规则,并提供每一个诊断结果一个参考比重值,让使用者得以认知每一个诊断结果的重要程度。
Description
技术领域
本发明涉及一种判断造成半导体机台异常原因的***与方法,特别涉及一种具有自学(Self-learning)机制的判断造成半导体机台异常原因的***与方法。
背景技术
当半导体机台有异常状况发生时,半导体机台会触发(Trigger)一个异常状态,此异常状态可为当机事件(Down Event),或一个重大警报(Critical Alarm)事件。设备工程师在获悉半导体机台发生异常状态之后,首先必须至计算机整合制造(Computer Integrated Manufacture;CIM)***的警报子***中,找出所有相关的警报;或至制造执行子***(Manufacture Execution System;MES),找出当机事件的数据。接着,到计算机整合制造***的其它子***中,例如:统计制程管制(Statistical Process Control;SPC)子***、实时监视(Real-Time Monitoring;RTM)子***、预防维修子***(PreventiveMaintenance System;PMS)、异常处理记录子***和微粒图(Particle Map)子***等,逐一找出相关数据。然后,依照某些诊断规则检查每一个子***中的数据,并将检查结果对应关联至多个异常根本原因(Root-Causes),这些异常根本原因由半导体机台制造商所提供,例如:机构原因、微粒原因、制程原因和设备原因等,以供设备工程师解决障碍(Trouble-shooting)和恢复机台运转。每一个异常根本原因通常具有多个子原因(Sub-causes),例如:制程原因具有压力、温度、制程时间和排气等子原因。由于计算机整合制造***的子***数目相当多,其中的数据与参数繁多,对应关联至异常根本原因与其子原因的关系更是错综复杂,故必须遵循适当的诊断规则来寻找造成当机事件或重大警报事件的原因,才可能找到造成机台异常的原因。
一般而言,半导体机台制造商或计算机整合制造***会提供若干标准的诊断规则,以供设备工程师参考使用。然而,对新进工程师而言,学习如何使用这些诊断规则来解决障碍和恢复机台运转,往往需要相当长的学习时间。而且,标准诊断规则的效率并不明显,工程师往往须先加以整合,再配合本身的经验,方能顺利地找出造成异常的正确原因。加上,标准诊断规则常无法顺利地帮助工程师解决某些特殊情况,故新进工程师常需求助于经验丰富的资深工程师。当资深工程师使用由其经验而得之的独特的诊断规则来解决问题后,由于缺乏整合机制,此宝贵的专家知识无法被保存,使得下次遇到同样的问题时,必须再次询问此资深工程师。若此资深工程师因调换部门或离职,则此宝贵的专家知识将流失。另一方面,诊断结果通常为许多造成异常的原因,工程师必须自其中找出造成异常的正确原因。由于缺乏辨识各诊断结果的重要程度的机制,工程师必须依靠其经验来找出哪个是最可能的原因,于是经验多的工程师便可较容易地找出正确原因,而经验少的工程师就必须花费许多时间一一检验诊断结果,方可能找出正确原因。综上所述,公知的判断造成半导体机台异常原因的方法耗费了许多人力物力,还可能会流失宝贵的专家知识,造成难以弥补的损失。
因此,非常需要发展出一种判断造成半导体机台异常原因的***与方法,借以克服前述的学习时间过长;缺乏有效的异常诊断程序;无法保存与分享工程师的专家经验与知识;以及无法有效地分辨各诊断结果的重要程度等缺点。
发明内容
本发明的目的就是在提供一种判断造成半导体机台异常原因的***与方法,借以提供***化的诊断程序,来整合计算机整合制造***的子***的数据,使其对应关联至异常根本原因,因而缩短工程师的学习时间。
本发明的又一目的就是在提供一种判断造成半导体机台异常原因的***与方法,借以有效地保存并分享专家经验与知识。
本发明的再一目的就是在提供一种判断造成半导体机台异常原因的***与方法,借以标示各诊断结果的重要程度,来让工程师顺利地辨识哪些是最可能造成异常的原因。
本发明可通过如下措施实现:
一种判断造成半导体机台异常原因的***,用以处理一半导体机台所触发的一异常状态,该判断造成半导体机台异常原因的***至少包括:
一异常原因推理引擎,其中该异常原因推理引擎至少包括:
一异常原因诊断组件,其中该异常原因诊断组件具有多个诊断规则,用以提供给使用者多个诊断结果,一部分的这些诊断规则是用来逐一检查一计算机整合制造***的多个子***的数据,并对应关联至多个异常根本原因,所述多个子***至少包括:一警报子***、一制造执行子***、一统计制程管制子***、一实时监视子***、一预防维修子***、一异常处理记录子***和一微粒图子***;以及
一自学机制组件,其中该自学机制组件将该使用者针对该些诊断结果所产生的多个判定意见,整合成另一部分的该些诊断规则,该自学机制组件还提供给每一该些诊断结果一参考比重值,借以让该使用者认知每一该些诊断结果的重要程度。
还至少包括一结果数据库,用来储存该些诊断结果和每一该些诊断结果的该参考比重值;以及一异常事件数据库,用来储存该些判定意见。
该使用者是使用一障碍诊断与处理装置,针对该些诊断结果来产生该些判定意见,该障碍诊断与处理装置具有一机台当机状态、一重大警报状态和一障碍处理交接记录;该使用者是使用一异常分析装置,来分析该半导体机台的一重大警报历史记录、一机台当机历史记录和一障碍处理历史记录。
该异常状态是选自于由当机事件以及重大警报事件所组成的一族群。
该重大警报事件通过该警报子***进入该异常原因推理引擎,该当机事件通过该制造执行子***进入该异常原因推理引擎。
一种判断造成半导体机台异常原因的方法,用于处理一半导体机台所触发的一异常状态,该判断造成半导体机台异常原因的方法至少包括:
提供多个诊断规则,其中部分的该些诊断规则是用来逐一检查一计算机整合制造***的多个子***的数据,并对应关联至多个异常根本原因,其中所述多个子***至少包括:一警报子***、一制造执行子***、一统计制程管制子***、一实时监视子***、一预防维修子***、一异常处理记录子***和一微粒图子***;
检查该异常状态是否已存在于该些诊断规则中,并产生一第一检查结果;
若该第一检查结果为“是”,则根据该些诊断规则产生多个诊断结果和每一该些诊断结果的一参考比重值;
若该第一检查结果为“否”,则根据该些异常根本原因中的最相似者产生该些诊断结果和每一该些诊断结果的该参考比重值;
将该些诊断结果和每一该些诊断结果的该参考比重值传送至一使用者,其中该参考比重值是用来让该使用者认知每一该些诊断结果的重要程度;
该使用者检查该些诊断结果,并产生多个判定意见;
检查每一该些诊断结果是否与每一该些判定意见相同,并产生一第二检查结果;
若该第二检查结果为“是”,则增加每一该些诊断结果的该参考比重值;以及
若该第二检查结果为“否”,则将每一该些判定意见加入该些诊断规则中,并给予一起始比重值。
对该半导体机台所触发的异常状态的处理由一异常原因推理引擎来进行,其中该异常原因推理引擎至少包括:
一异常原因诊断组件,其中该异常原因诊断组件具有该些诊断规则;以及
一自学机制组件,其中该自学机制组件将该些判定意见加入该些诊断规则中,并提供每一该些诊断结果的该参考比重值。
还至少包括储存该些诊断结果和每一该些诊断结果的该参考比重值至一结果数据库;以及储存该些判定意见至一异常事件数据库。
该异常状态选自于由当机事件以及重大警报事件所组成的一族群。
该重大警报事件通过该警报子***进入该异常原因推理引擎,该当机事件是通过该制造执行子***进入该异常原因推理引擎。
本发明的优点在于:本发明提供一种判断造成半导体机台异常原因的***与方法,借以提供***化的诊断程序,来整合计算机整合制造***的子***的数据,使其对应关联至异常根本原因,从而可缩短工程师的学习时间,提供有效的异常诊断程序;检查每一个诊断结果是否与每一个工程师所给的判定意见相同,如不相同,则将判定意见加入诊断规则中,并给此判定意见一起始比重值,从而保存与分享工程师的专家经验与知识;通过给与每一个诊断结果一个参考比重值,并根据诊断结果被使用者参考使用的次数,来增加其参考比重值,以有效地分辨各诊断结果的重要程度。
附图说明
图1为绘示本发明的判断造成半导体机台异常原因的***的示意图;
图2为绘示本发明的较佳实施例的异常原因诊断组件的功能示意图;
图3为绘示本发明的判断造成半导体机台异常原因的方法的流程示意图。
其中,附图标记说明如下:
100:计算机整合制造***
102:警报子***
104:制造执行子***
106:统计制程管制子***
108:实时监视子***
110:预防维修子***
112:异常处理记录子***
114:微粒图子***
200:异常原因推理引擎
210:异常原因诊断组件
212:诊断规则
214:异常根本原因
216:参考比重值
218:诊断结果
220:自学机制组件
300:障碍诊断与处理装置
310:机台当机状态
318:判定意见
320:重大警报状态
330:障碍处理交接记录
400:异常分析装置
410:重大警报历史记录
420:机台当机历史记录
430:障碍处理历史记录
520:异常事件数据库
530:半导体机台
560:结果数据库
610:触发重大警报事件
620:触发当机事件
700:提供诊断规则
710:触发异常状态
712:检查此异常状态是否已存在于诊断规则中?
714:根据诊断规则产生诊断结果和其参考比重值
716:根据异常根本原因中之最相似者产生诊断结果和其参考比重值
718:传送至使用者
720:使用者检查诊断结果并产生判定意见
722:检查每一诊断结果是否与每一判定意见相同?
724:增加诊断结果的参考比重值
726:将判定意见加入诊断规则中并给予起始比重值
728:储存至异常事件数据库
730:储存至结果数据库
750:结束执行
具体实施方式
本发明的判断造成半导体机台异常原因的***与方法是使用诊断规则,以针对半导体机台的异常状态产生诊断结果。本发明还使用自学机制,以将使用者的专家知识,自动整合成诊断规则,并提供每一个诊断结果一个参考比重值。
请参照图1,其绘示本发明的判断造成半导体机台异常原因的***的示意图。此判断造成半导体机台异常原因的***主要构件是异常原因推理引擎200,其中异常原因推理引擎200至少包括:异常原因诊断组件210和自学机制组件220。首先,将计算机整合制造***100中的多个子***连结至异常原因推理引擎200,其中计算机整合制造***100至少包括:警报子***102、制造执行子***104、统计制程管制子***106、实时监视子***108、预防维修子***110、异常处理记录子***112以及微粒图子***114。当半导体机台530发生异常而触发重大警报事件(步骤610)或触发当机事件(步骤620),其中重大警报事件是通过警报子***102进入异常原因推理引擎200;当机事件是通过制造执行子***104进入异常原因推理引擎200。
计算机整合制造***100的各子***的数据输入至异常原因推理引擎200,以供异常原因诊断组件210建立多个诊断规则(未绘示),这些诊断规则是用来提供使用者多个诊断结果218。自学机制组件220还提供每一个诊断结果218一个参考比重值216,参考比重值216是用来表示诊断结果218的重要程度,以供使用者参考,其中参考比重值216为使用者所赋予的加权指数,而诊断结果218和诊断结果218的参考比重值216是储存至结果数据库560。使用者在收到诊断结果218后,会使用具有图形用户界面(Graphic UserInterface;GUI;未绘示)的障碍诊断与处理装置300,针对诊断结果218来产生多个判定意见318,并将判定意见318回馈至异常原因推理引擎200,其中判定意见是储存至异常事件数据库520。然后,自学机制组件220比较每一个诊断结果218与判定意见318,若二者相同,即代表使用者同意诊断结果218为造成异常的原因,因而增加其参考比重值216。当越多使用者同意此诊断结果218,则其参考比重值216越高,使用者便可据此得知此诊断结果218的重要性。于是,使用者在寻找造成异常的正确原因时,便会优先考虑参考比重值216越高的诊断结果218,因而避免浪费时间。相反地,若诊断结果218与判定意见318不同,即代表使用者不同意诊断结果218为造成异常的原因,因而自行建立新的异常原因(即判定意见318),此时异常原因推理引擎200会将判定意见318整合至诊断规则中,并给予一起始比重值。于是,当下回半导体机台530发生同样的异常时,异常原因推理引擎200便可以提供此新的异常原因。另外,使用者也可使用具有图形用户界面的异常分析装置400,来分析该半导体机台的异常历史记录。
请参照图2,其绘示本发明的较佳实施例的异常原因诊断组件的功能示意图。异常原因诊断组件210的主要功能为建立诊断规则212,其中如前所述,部分的诊断规则212是使用者自行建立的异常原因(即判定意见)。而另一部分诊断规则212则是用来逐一检查计算机整合制造***的子***的数据,并对应关联至多个异常根本原因214,如第2图所示,异常根本原因214包括有机构原因、微粒原因、制程原因和设备原因等,而每一个异常根本原因214还具有多个子原因(未绘示),例如:制程原因具有压力、温度、制程时间和排气等。诊断规则212可由机台制造商提供,或由访谈(Interview)工程师而得。举例而言,当机台发生异常时,诊断规则212先检查实时监视子***108的数据库中的参数是否超过界限(Out Of Control;OOC),如结果为“是”,则至异常根本原因214的制程原因中检验其子原因(如:压力、温度、制程时间和排气等)。
另外,障碍诊断与处理装置300具有机台当机状态310、重大警报状态320和障碍处理交接记录330,其中诊断结果218输入至机台当机状态310,警报子***102将重大警报数据输入至重大警报状态320,而制造执行子***104和异常处理记录子***112将当机数据与异常处理记录输入至障碍处理交接记录330。异常分析装置400具有重大警报历史记录410、机台当机历史记录420和障碍处理历史记录430,其中警报子***102将重大警报数据输入至重大警报历史记录410,制造执行子***104将当机数据输入至机台当机历史记录420,而异常处理记录子***112将异常处理记录输入至障碍处理历史记录430。
本发明的判断造成半导体机台异常原因的方法的流程说明如下:
请参照图3,其为绘示本发明的判断造成半导体机台异常原因的方法的流程示意图。首先,进行步骤700以提供多个诊断规则,如上所述,部分的诊断规则是用来逐一检查计算机整合制造***的多个子***的数据,并对应关联至多个异常根本原因,而另一部分的诊断规则是由使用者的判定意见而得。当机台发生异常而触发异常状态时(步骤710),此异常状态可为当机事件、重大警报事件、或二者皆是,进行步骤712,以检查此异常状态是否已存在于诊断规则中?若步骤712的检查结果为“是”,则根据诊断规则产生多个诊断结果和每一个诊断结果的参考比重值(步骤714);若步骤712的检查结果为“否”,则根据异常根本原因中的最相似者产生诊断结果和每一个诊断结果的参考比重值(步骤716)。由于此时无法凭借诊断规则,在异常根本原因中找出造成机台的异常状态的原因,故仅能以异常根本原因中的最相似者作为造成异常状态的最可能原因,来提供诊断结果。
接着,进行步骤718,以将诊断结果和每一个诊断结果的参考比重值传送至使用者,其中此参考比重值是用来让使用者认知每一个诊断结果的重要程度。然后使用者检查诊断结果,并产生多个判定意见(步骤720)。所谓判定意见即是针对诊断结果而制作,当使用者判定诊断结果为可接受时,即以诊断结果为判定意见;而若使用者判定诊断结果为不可接受时,则使用者自行举出其中原因为判定意见。接着,进行步骤722,以检查每一个诊断结果是否与每一个判定意见相同?若步骤722的检查结果为“是”,则增加每一个诊断结果的参考比重值。本发明的主要特征之一为给与每一个诊断结果一个参考比重值,并根据诊断结果被使用者参考使用的次数,来增加其参考比重值。若步骤722的检查结果为“否”,则将判定意见加入诊断规则中,并给此判定意见一起始比重值。然后,结束执行(步骤750)。
另外,完成步骤714后,可进行步骤730,以储存诊断结果和每一个诊断结果参考比重值至结果数据库。完成步骤720后,可进行步骤728,以储存判定意见至异常事件数据库。
由上述本发明较佳实施例可知,应用本发明的判断造成半导体机台异常原因的***与方法的优点为:大幅地缩短学习时间;提供有效的异常诊断程序,整合计算机整合制造***的子***的数据,使其对应关联至异常根本原因;自动保存与分享工程师的专家经验与知识;以及有效地分辨各诊断结果的重要程度。因而大幅地节省人力物力,更能避免宝贵的专家知识的流失。
虽然本发明已以一较佳实施例揭示如上,但其并非用以限定本发明,任何熟悉此项技术的人员,在不脱离本发明的精神和范围内,当然可作各种的更动与润饰,因此本发明的保护范围当以后附的权利要求所界定的范围为准。
Claims (10)
1、一种判断造成半导体机台异常原因的***,用以处理一半导体机台所触发的一异常状态,其特征在于该判断造成半导体机台异常原因的***至少包括:
一异常原因推理引擎,其中该异常原因推理引擎至少包括:
一异常原因诊断组件,其中该异常原因诊断组件具有多个诊断规则,用以提供给使用者多个诊断结果,一部分的这些诊断规则是用来逐一检查一计算机整合制造***的多个子***的数据,并对应关联至多个异常根本原因,所述多个子***至少包括:一警报子***、一制造执行子***、一统计制程管制子***、一实时监视子***、一预防维修子***、一异常处理记录子***和一微粒图子***;以及
一自学机制组件,其中该自学机制组件将该使用者针对该些诊断结果所产生的多个判定意见,整合成另一部分的该些诊断规则,该自学机制组件还提供给每一该些诊断结果一参考比重值,借以让该使用者认知每一该些诊断结果的重要程度。
2、如权利要求1所述的判断造成半导体机台异常原因的***,其特征在于还至少包括一结果数据库,用来储存该些诊断结果和每一该些诊断结果的该参考比重值;以及一异常事件数据库,用来储存该些判定意见。
3、如权利要求1所述的判断造成半导体机台异常原因的***,其特征在于该使用者是使用一障碍诊断与处理装置,针对该些诊断结果来产生该些判定意见,该障碍诊断与处理装置具有一机台当机状态、一重大警报状态和一障碍处理交接记录;该使用者是使用一异常分析装置,来分析该半导体机台的一重大警报历史记录、一机台当机历史记录和一障碍处理历史记录。
4、如权利要求1所述的判断造成半导体机台异常原因的***,其特征在于该异常状态是选自于由当机事件以及重大警报事件所组成的一族群。
5、如权利要求4所述的判断造成半导体机台异常原因的***,其特征在于该重大警报事件通过该警报子***进入该异常原因推理引擎,该当机事件通过该制造执行子***进入该异常原因推理引擎。
6、一种判断造成半导体机台异常原因的方法,用于处理一半导体机台所触发的一异常状态,其特征在于该判断造成半导体机台异常原因的方法至少包括:
提供多个诊断规则,其中部分的该些诊断规则是用来逐一检查一计算机整合制造***的多个子***的数据,并对应关联至多个异常根本原因,其中所述多个子***至少包括:一警报子***、一制造执行子***、一统计制程管制子***、一实时监视子***、一预防维修子***、一异常处理记录子***和一微粒图子***;
检查该异常状态是否已存在于该些诊断规则中,并产生一第一检查结果;
若该第一检查结果为“是”,则根据该些诊断规则产生多个诊断结果和每一该些诊断结果的一参考比重值;
若该第一检查结果为“否”,则根据该些异常根本原因中的最相似者产生该些诊断结果和每一该些诊断结果的该参考比重值;
将该些诊断结果和每一该些诊断结果的该参考比重值传送至一使用者,其中该参考比重值是用来让该使用者认知每一该些诊断结果的重要程度;
该使用者检查该些诊断结果,并产生多个判定意见;
检查每一该些诊断结果是否与每一该些判定意见相同,并产生一第二检查结果;
若该第二检查结果为“是”,则增加每一该些诊断结果的该参考比重值;以及
若该第二检查结果为“否”,则将每一该些判定意见加入该些诊断规则中,并给予一起始比重值。
7、如权利要求6所述的判断造成半导体机台异常原因的方法,其特征在于对该半导体机台所触发的异常状态的处理由一异常原因推理引擎来进行,其中该异常原因推理引擎至少包括:
一异常原因诊断组件,其中该异常原因诊断组件具有该些诊断规则;以及
一自学机制组件,其中该自学机制组件将该些判定意见加入该些诊断规则中,并提供每一该些诊断结果的该参考比重值。
8、如权利要求6所述的判断造成半导体机台异常原因的方法,其特征在于还至少包括储存该些诊断结果和每一该些诊断结果的该参考比重值至一结果数据库;以及储存该些判定意见至一异常事件数据库。
9、如权利要求6所述的判断造成半导体机台异常原因的方法,其特征在于该异常状态选自于由当机事件以及重大警报事件所组成的一族群。
10、如权利要求9所述的判断造成半导体机台异常原因的方法,其特征在于该重大警报事件通过该警报子***进入该异常原因推理引擎,该当机事件通过该制造执行子***进入该异常原因推理引擎。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNB031243274A CN1263090C (zh) | 2003-04-29 | 2003-04-29 | 判断造成半导体机台异常原因的***与方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNB031243274A CN1263090C (zh) | 2003-04-29 | 2003-04-29 | 判断造成半导体机台异常原因的***与方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN1542902A CN1542902A (zh) | 2004-11-03 |
CN1263090C true CN1263090C (zh) | 2006-07-05 |
Family
ID=34321653
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CNB031243274A Expired - Lifetime CN1263090C (zh) | 2003-04-29 | 2003-04-29 | 判断造成半导体机台异常原因的***与方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN1263090C (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI645275B (zh) * | 2016-02-25 | 2018-12-21 | 日商東芝三菱電機產業系統股份有限公司 | 製造設備之異常診斷裝置 |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101615565B (zh) * | 2009-07-21 | 2011-01-12 | 北京北方微电子基地设备工艺研究中心有限责任公司 | 一种在线机台异常处理的方法和*** |
CN107957988A (zh) * | 2016-10-18 | 2018-04-24 | 阿里巴巴集团控股有限公司 | 用于确定数据异常原因的方法、装置及电子设备 |
-
2003
- 2003-04-29 CN CNB031243274A patent/CN1263090C/zh not_active Expired - Lifetime
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI645275B (zh) * | 2016-02-25 | 2018-12-21 | 日商東芝三菱電機產業系統股份有限公司 | 製造設備之異常診斷裝置 |
Also Published As
Publication number | Publication date |
---|---|
CN1542902A (zh) | 2004-11-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8116933B2 (en) | Reverse failure analysis method and apparatus for diagnostic testing | |
CN1222952C (zh) | 报警管理*** | |
CN1854706A (zh) | 诊断机器的方法和*** | |
CN101067742A (zh) | 量测方法以及虚拟量测*** | |
CN101470426B (zh) | 一种故障检测的方法和*** | |
US20070226540A1 (en) | Knowledge-Based Diagnostic System for a Complex Technical System, Comprising Two Separate Knowledge Bases for Processing Technical System Data and Customer Complaints | |
CN1846206A (zh) | 用于批准过程控制***与安全***软件对象的综合电子签名 | |
CN1838161A (zh) | 利用计算机进行核电站的设备风险评估方法及装置 | |
CN1688479A (zh) | 改进故障隔离的方法和装置 | |
JP5061374B2 (ja) | 機器保守システムおよび機器保守方法、障害推定装置 | |
CN1848162A (zh) | 成分信息的可靠性评价方法、***及程序 | |
CN1993721A (zh) | 用于抑制冗余报警的***和方法 | |
CN107423205B (zh) | 一种用于数据防泄漏***的***故障预警方法及*** | |
WO2021110226A1 (en) | A method of monitoring a production area and a system thereof | |
CN111680808B (zh) | 一种基于rpa机器人的固定资产报废自动化方法 | |
CN1263090C (zh) | 判断造成半导体机台异常原因的***与方法 | |
CN111932216A (zh) | 安灯***控制方法、安灯***以及计算机存储介质 | |
CN115909203A (zh) | 建筑施工安全全景监控***及方法 | |
CN102804090B (zh) | 用于在机床上的简化的故障处理的方法和设备 | |
WO2014173274A1 (zh) | 核电厂数字化主控室操作员的监视转移可靠性判定方法 | |
CN1502066A (zh) | 集成多工艺控制器的方法和装置 | |
CN116448234A (zh) | 一种电力变压器运行状态声纹监测方法及*** | |
Haridass et al. | Analysis of a bulk queue with unreliable server and single vacation | |
CN114730443B (zh) | 楼宇信息处理装置 | |
CN115237686A (zh) | 检测车载嵌入式计算机的功能异常的方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CX01 | Expiry of patent term |
Granted publication date: 20060705 |
|
CX01 | Expiry of patent term |