TWI778683B - 基於產品配置訊息以提供測試時間預估建議系統及其方法 - Google Patents
基於產品配置訊息以提供測試時間預估建議系統及其方法 Download PDFInfo
- Publication number
- TWI778683B TWI778683B TW110123108A TW110123108A TWI778683B TW I778683 B TWI778683 B TW I778683B TW 110123108 A TW110123108 A TW 110123108A TW 110123108 A TW110123108 A TW 110123108A TW I778683 B TWI778683 B TW I778683B
- Authority
- TW
- Taiwan
- Prior art keywords
- product
- word
- analysis
- test time
- configuration information
- Prior art date
Links
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
一種基於產品配置訊息以提供測試時間預估建議系統及其方法，預先建立數據資料庫、產品配置詞語資料庫以及產品嵌入向量資料庫，對新產品配置訊息進行字詞分析得到分析字詞並查詢出對應的一位有效編碼，將分析字詞的一位有效編碼依序導入已訓練的word2vec類神經網路模型以計算得到多個字詞嵌入向量，將所有的字詞嵌入向量加總以計算出s的新產品嵌入向量，將新產品嵌入向量比對出近似的產品嵌入向量，以將近似的產品嵌入向量對應的現有產品的型號測試時間以及系列測試時間作為新產品的型號測試時間以及系列測試時間的預估建議，藉此可以達成基於產品配置訊息以提供測試時間預估建議的技術功效。
Description
一種預估建議系統及其方法，尤其是指一種基於產品配置訊息的類神經網路計算以提供測試時間預估建議的基於產品配置訊息以提供測試時間預估建議系統及其方法。
目前在製造企業生產中，產品的測試環節是核對與確保產品品質必不可少的生產環節，對測試環節的測試時間的預測不僅對生產排程，設備管理具有重要的意義，也是提供透明化生產的重要一環。
由於產品的配置資訊未有明確的規範，因此相同產品各個製造企業會有差異明顯的產品配置訊息（例如：使用的名稱不相同、參數的表現方式不相同、產品配置訊息中訊息數量不相同…等），以現有的統計方法，對於產品配置訊息利用率不足，因此對於推測預估製造新產品在產品的測試時間將無法有效的利用產品配置訊息。
綜上所述，可知先前技術中長期以來一直存在產品的測試時間預估不精確的問題，因此有必要提出改進的技術手段，來解決此一問題。
有鑒於先前技術存在產品的測試時間預估不精確的問題，本發明遂揭露一種基於產品配置訊息以提供測試時間預估建議系統及其方法，其中：
本發明所揭露的基於產品配置訊息以提供測試時間預估建議系統，適用於分析計算裝置，其包含：數據資料庫、產品配置詞語資料庫、產品嵌入向量資料庫、接收模組、類神經網路模組以及時間預估模組。
數據資料庫是用以儲存現有產品的現有產品系列、現有產品型號、型號測試時間以及系列測試時間；產品配置詞語資料庫是用以儲存分析現有產品的產品配置訊息得到的產品配置字詞以及一位有效編碼（One-hot）；產品嵌入向量資料庫是用以儲存現有產品的產品嵌入向量，並將產品嵌入向量進行聚類分層以生成至少三層的層次聚類樹；接收模組是用以接收新產品的新產品配置訊息；類神經網路模組是對新產品配置訊息進行字詞的分析以分析出多個分析字詞，自產品配置詞語資料庫查詢出分析字詞對應的一位有效編碼，將分析字詞的一位有效編碼依序導入已訓練的word2vec類神經網路模型以計算得到多個字詞嵌入向量，將所有的字詞嵌入向量加總以計算出新產品配置訊息的新產品嵌入向量；及時間預估模組是用以將新產品嵌入向量自層次聚類樹中比對出聚類分層，再自該聚類分層中比對出與新產品嵌入向量最近似的產品嵌入向量，與產品嵌入向量對應的現有產品的型號測試時間以及系列測試時間以作為新產品的型號測試時間以及系列測試時間的預估建議。
本發明所揭露的基於產品配置訊息以提供測試時間預估建議方法，適用於分析計算裝置，其包含下列步驟：
首先，分析計算裝置預先建立數據資料庫以儲存現有產品的現有產品系列、現有產品型號、型號測試時間以及系列測試時間；接著，分析計算裝置預先建立產品配置詞語資料庫以儲存分析現有產品的產品配置訊息得到的產品配置字詞以及一位有效編碼；接著，分析計算裝置預先建立產品嵌入向量資料庫以儲存現有產品的產品嵌入向量，並將產品嵌入向量進行聚類分層以生成至少三層的層次聚類樹；接著，分析計算裝置接收新產品的新產品配置訊息；接著，分析計算裝置對新產品配置訊息進行字詞的分析以分析出多個分析字詞；接著，分析計算裝置自產品配置詞語資料庫查詢出分析字詞對應的一位有效編碼；接著，分析計算裝置將分析字詞的一位有效編碼依序導入已訓練的word2vec類神經網路模型以計算得到多個字詞嵌入向量，將所有的字詞嵌入向量加總以計算出新產品配置訊息的新產品嵌入向量；接著，分析計算裝置將新產品嵌入向量自層次聚類樹中比對出聚類分層；接著，分析計算裝置自該聚類分層中比對出與新產品嵌入向量最近似的產品嵌入向量；最後，分析計算裝置將與產品嵌入向量對應的現有產品的型號測試時間以及系列測試時間作為新產品的型號測試時間以及系列測試時間的預估建議。
本發明所揭露的系統及方法如上，與先前技術之間的差異在於預先建立數據資料庫、產品配置詞語資料庫以及產品嵌入向量資料庫，對新產品配置訊息進行字詞分析得到分析字詞並查詢出對應的一位有效編碼，將分析字詞的一位有效編碼為依序導入已訓練的word2vec類神經網路模型以計算得到多個字詞嵌入向量，將所有的字詞嵌入向量加總以計算出新產品配置訊息的新產品嵌入向量，將新產品嵌入向量比對出近似的產品嵌入向量，以將近似的產品嵌入向量對應的現有產品的型號測試時間以及系列測試時間作為新產品的型號測試時間以及系列測試時間的預估建議。
透過上述的技術手段，本發明可以達成基於產品配置訊息以提供測試時間預估建議的技術功效。
以下將配合圖式及實施例來詳細說明本發明的實施方式，藉此對本發明如何應用技術手段來解決技術問題並達成技術功效的實現過程能充分理解並據以實施。
以下首先要說明本發明所揭露的基於產品配置訊息以提供測試時間預估建議系統，並請參考「第1圖」所示，「第1圖」繪示為本發明基於產品配置訊息以提供測試時間預估建議系統的系統方塊圖。
本發明所揭露的基於產品配置訊息以提供測試時間預估建議系統，適用於分析計算裝置10，其包含：數據資料庫11、產品配置詞語資料庫12、產品嵌入向量資料庫13、接收模組14、類神經網路模組15以及時間預估模組16，分析計算裝置10例如是：一般電腦、筆記型電腦、伺服器…等，在此僅為舉例說明之，並不以此侷限本發明的應用範疇。
數據資料庫11是用以儲存現有產品的現有產品系列、現有產品型號、型號測試時間以及系列測試時間，數據資料庫11中所儲存現有產品的現有產品系列、現有產品型號、型號測試時間以及系列測試時間，是分析計算裝置10將現有產品的歷史數據以箱形圖（box plot）以排除離散數據，再對排除離散數據的現有產品的歷史數據進行統計分析，以分別依據現有產品系列以及現有產品型號進行測試時間的平均值的計算以作為型號測試時間以及系列測試時間，數據資料庫11的示意請參考「第2圖」所示，「第2圖」繪示為本發明基於產品配置訊息以提供測試時間預估建議的數據資料庫示意圖。
產品配置詞語資料庫12是用以儲存分析現有產品的產品配置訊息得到的產品配置字詞以及一位有效編碼（One-hot），一般來說，根據不同的產品而言，產品配置訊息是一串長短大小不一致的多個字詞所組成，具體而言，產品配置訊息中的一個部分例如是：power supply 800W redundant 2sets mm 1u，分析計算裝置10將產品配置訊息“power supply 800W redundant 2sets mm 1u”進行字詞分析為“power”、“supply”、“800W”
、“redundant”、“2sets”、“mm”以及“1u”，“power”、“supply”、“800W”
、“redundant”、“2sets”、“mm”以及“1u”即為產品配置字詞，再將“power”、“supply”、“800W”
、“redundant”、“2sets”、“mm”以及“1u”分別設定唯一且不重複的一位有效編碼分別為“45”、“128”、“1357”
、“9”、“88”、“2468”以及“666”，在此僅為舉例說明之，並不以此侷限本發明的應用範疇，產品配置詞語資料庫12的示意請參考「第3圖」所示，「第3圖」繪示為本發明基於產品配置訊息以提供測試時間預估建議的產品配置詞語資料庫示意圖，在產品配置詞語資料庫12中是以現有產品型號作為示意，亦可以變更為現有產品系列，也可以同時將現有產品型號以及現有產品系列列出。
產品嵌入向量資料庫13是用以儲存現有產品的產品嵌入向量，並將產品嵌入向量進行聚類分層以生成至少三層的層次聚類樹，分析計算裝置10透過類神經網路模組15對產品配置訊息進行字詞的分析以分析出多組中心字詞以及至少二環境字詞，自產品配置詞語資料庫12查詢出中心字詞以及至少二環境字詞對應的一位有效編碼，進行多次將至少二環境字詞對應的一位有效編碼為輸入以及將中心字詞對應的一位有效編碼為標籤（label）以進行word2vec類神經網路模型的訓練以得到多個訓練嵌入向量，將所有的訓練嵌入向量加總以計算出所述產品配置訊息的產品嵌入向量，對於word2vec類神經網路模型的訓練方式與過程請參考現有技術的說明，本發明不再進行贅述，產品嵌入向量資料庫13的示意請參考「第4圖」所示，「第4圖」繪示為本發明基於產品配置訊息以提供測試時間預估建議的產品嵌入向量資料庫示意圖，在產品嵌入向量資料庫13中產品嵌入向量的維度值設定為300，在此僅為舉例說明之，並不以此侷限本發明的應用範疇。
值得注意的是，對產品配置訊息進行字詞的分析以分析出多組中心字詞以及至少二環境字詞是依序選取被設定數量的字詞數量，被選取字詞數量的中間即中心字詞，其餘的字詞即至少二環境字詞，其中被設定數量為奇數。
具體而言，若產品配置訊息為“power supply 800W redundant 2sets mm 1u”並且被設定數量為5，依序選取的字詞即為“power supply 800W redundant 2sets”，中心字詞即為“800W”，環境字詞即分別為“power”、“supply”、“redundant”以及“2sets”，再次選取的字詞即為“supply 800W redundant 2sets mm”，中心字詞即為“redundant”，環境字詞即分別為“supply”、“800W”、“2sets”以及“mm”，在此僅為舉例說明之，並不以此侷限本發明的應用範疇。
在接收模組14接收新產品的新產品配置訊息時，類神經網路模組15會對新產品配置訊息進行字詞的分析以分析出多個分析字詞，自產品配置詞語資料庫12查詢出分析字詞對應的一位有效編碼，將分析字詞的一位有效編碼依序導入已訓練的word2vec類神經網路模型以計算得到多個字詞嵌入向量，將所有的字詞嵌入向量加總以計算出新產品配置訊息的新產品嵌入向量，對於word2vec類神經網路模型的計算內容請參考現有技術的說明，本發明不再進行贅述。
值得注意的是，若接收模組14接收到的新產品配置訊息中具有與產品配置詞語資料庫12中產品配置字詞皆不相同的字詞時，分析計算裝置10即會將與產品配置字詞皆不相同的字詞建立產品配置字詞並設定唯一且不重複的一位有效編碼以更新產品配置詞語資料庫12。
時間預估模組16將新產品嵌入向量自層次聚類樹中比對出聚類分層，再自該聚類分層中比對出與新產品嵌入向量最近似的產品嵌入向量，與產品嵌入向量對應的現有產品的型號測試時間以及系列測試時間以作為新產品的型號測試時間以及系列測試時間的預估建議。
進一步而言，時間預估模組16將新產品嵌入向量自層次聚類樹中比對出聚類分層，再依據資料選取閥值選取該聚類分層中產品嵌入向量，與產品嵌入向量對應的現有產品的型號測試時間以及系列測試時間以作為新產品的型號測試時間以及系列測試時間的預估建議，前述的資料選取閥值可以是預先被設定於分析計算裝置10中，也可以透過外部輸入方式輸入資料選取閥值，在此僅為舉例說明之，並不以此侷限本發明的應用範疇。
具體而言，假設聚類分層中產品嵌入向量的數量為10，資料選取閥值被設定為5，時間預估模組16即會自聚類分層中產品嵌入向量中選取與新產品嵌入向量最為近似的5筆產品嵌入向量，被選取產品嵌入向量對應的現有產品的型號測試時間以及系列測試時間即作為新產品的型號測試時間以及系列測試時間的預估建議。
值得注意的是，分析計算裝置10會定期更新產品配置詞語資料庫12，在產品配置詞語資料庫12更新時，分析計算裝置10即可透過類神經網路模組15再次對word2vec類神經網路模型進行訓練以計算出所述產品配置訊息的產品嵌入向量，並將產品嵌入向量進行聚類分層，以對產品嵌入向量資料庫13進行更新，透過將產品配置詞語資料庫12以及產品嵌入向量資料庫13的定期更新，能確保時間預估模組16所提供的測試時間的預估建議具備時效性與精確性。
本發明是提出產品配置訊息在大數據分析中存在的配置語意，採用類神經網路的深度學習模型進行配置語意的學習，利用模型的嵌入層將產品配置訊息轉換成唯一表達的嵌入向量，透過嵌入向量即可使得各產品的產品配置訊息彼此之間能進行近似比對計算，進一步透過將嵌入向量進行聚類分層所建立的層次聚類樹，能有效的提升產品配置訊息的近似比對速度，以提高新產品的型號測試時間以及系列測試時間預估建議的精確度。
接著，以下將以第一個實施例來說明本發明第一實施態樣的運作系統與方法，並請同時參考「第5A圖」以及「第5B圖」所示，「第5A圖」以及「第5B圖」繪示為本發明基於產品配置訊息以提供測試時間預估建議方法的方法流程圖。
首先，分析計算裝置預先建立數據資料庫以儲存現有產品的現有產品系列、現有產品型號、型號測試時間以及系列測試時間（步驟101）；接著，分析計算裝置預先建立產品配置詞語資料庫以儲存分析現有產品的產品配置訊息得到的產品配置字詞以及一位有效編碼（步驟102）；接著，分析計算裝置預先建立產品嵌入向量資料庫以儲存現有產品的產品嵌入向量，並將產品嵌入向量進行聚類分層以生成至少三層的層次聚類樹（步驟103）；接著，分析計算裝置接收新產品的新產品配置訊息（步驟104）；接著，分析計算裝置對新產品配置訊息進行字詞的分析以分析出多個分析字詞（步驟105）；接著，分析計算裝置自產品配置詞語資料庫查詢出分析字詞對應的一位有效編碼（步驟106）；接著，分析計算裝置將分析字詞的一位有效編碼依序導入已訓練的word2vec類神經網路模型以計算得到多個字詞嵌入向量，將所有的字詞嵌入向量加總以計算出新產品配置訊息的新產品嵌入向量（步驟107）；接著，分析計算裝置將新產品嵌入向量自層次聚類樹中比對出聚類分層（步驟108）；接著，分析計算裝置自該聚類分層中比對出與新產品嵌入向量最近似的產品嵌入向量（步驟109）；最後，分析計算裝置將與產品嵌入向量對應的現有產品的型號測試時間以及系列測試時間作為新產品的型號測試時間以及系列測試時間的預估建議（步驟110）。
綜上所述，可知本發明與先前技術之間的差異在於預先建立數據資料庫、產品配置詞語資料庫以及產品嵌入向量資料庫，對新產品配置訊息進行字詞分析得到分析字詞並查詢出對應的一位有效編碼，將分析字詞的一位有效編碼依序導入已訓練的word2vec類神經網路模型以計算得到多個字詞嵌入向量，將所有的字詞嵌入向量加總以計算出新產品配置訊息的新產品嵌入向量，將新產品嵌入向量比對出近似的產品嵌入向量，以將近似的產品嵌入向量對應的現有產品的型號測試時間以及系列測試時間作為新產品的型號測試時間以及系列測試時間的預估建議。
藉由此一技術手段可以來解決先前技術所存在產品的測試時間預估不精確的問題，進而達成基於產品配置訊息以提供測試時間預估建議的技術功效。
雖然本發明所揭露的實施方式如上，惟所述的內容並非用以直接限定本發明的專利保護範圍。任何本發明所屬技術領域中具有通常知識者，在不脫離本發明所揭露的精神和範圍的前提下，可以在實施的形式上及細節上作些許的更動。本發明的專利保護範圍，仍須以所附的申請專利範圍所界定者為準。
10:分析計算裝置
11:數據資料庫
12:產品配置詞語資料庫
13:產品嵌入向量資料庫
14:接收模組
15:類神經網路模組
16:時間預估模組
步驟 101:分析計算裝置預先建立數據資料庫以儲存現有產品的現有產品系列、現有產品型號、型號測試時間以及系列測試時間
步驟 102:分析計算裝置預先建立產品配置詞語資料庫以儲存分析現有產品的產品配置訊息得到的產品配置字詞以及一位有效編碼
步驟 103:分析計算裝置預先建立產品嵌入向量資料庫以儲存現有產品的產品嵌入向量，並將產品嵌入向量進行聚類分層以生成至少三層的層次聚類樹
步驟 104:分析計算裝置接收新產品的新產品配置訊息
步驟 105:分析計算裝置對新產品配置訊息進行字詞的分析以分析出多個分析字詞
步驟 106:分析計算裝置自產品配置詞語資料庫查詢出分析字詞對應的一位有效編碼
步驟 107:分析計算裝置將分析字詞的一位有效編碼依序導入已訓練的word2vec類神經網路模型以計算得到多個字詞嵌入向量，將所有的字詞嵌入向量加總以計算出新產品配置訊息的新產品嵌入向量
步驟 108:分析計算裝置將新產品嵌入向量自層次聚類樹中比對出聚類分層
步驟 109:分析計算裝置自該聚類分層中比對出與新產品嵌入向量最近似的產品嵌入向量
步驟 110:分析計算裝置將與產品嵌入向量對應的現有產品的型號測試時間以及系列測試時間作為新產品的型號測試時間以及系列測試時間的預估建議
第1圖繪示為本發明基於產品配置訊息以提供測試時間預估建議系統的系統方塊圖。
第2圖繪示為本發明基於產品配置訊息以提供測試時間預估建議的數據資料庫示意圖。
第3圖繪示為本發明基於產品配置訊息以提供測試時間預估建議的產品配置詞語資料庫示意圖。
第4圖繪示為本發明基於產品配置訊息以提供測試時間預估建議的產品嵌入向量資料庫示意圖。
第5A圖以及第5B圖繪示為本發明基於產品配置訊息以提供測試時間預估建議方法的方法流程圖。
10:分析計算裝置
11:數據資料庫
12:產品配置詞語資料庫
13:產品嵌入向量資料庫
14:接收模組
15:類神經網路模組
16:時間預估模組
Claims (6)
- 一種基於產品配置訊息以提供測試時間預估建議系統，適用於一分析計算裝置，包含：一數據資料庫，用以儲存一現有產品的一現有產品系列、一現有產品型號、一型號測試時間以及一系列測試時間；一產品配置詞語資料庫，用以儲存分析所述現有產品的一產品配置訊息得到的一產品配置字詞以及一一位有效編碼(One-hot)；一產品嵌入向量資料庫，用以儲存所述現有產品的一產品嵌入向量，並將所述產品嵌入向量進行聚類分層以生成至少三層的一層次聚類樹；一接收模組，用以接收一新產品的一新產品配置訊息；一類神經網路模組，對所述產品配置訊息進行字詞的分析以分析出多組所述中心字詞以及所述至少二環境字詞，依序選取被設定數量的字詞數量，被選取字詞數量的中間即所述中心字詞，其餘的字詞即所述至少二環境字詞，其中被設定數量為奇數，自所述產品配置詞語資料庫查詢出所述中心字詞以及所述至少二環境字詞對應的所述一位有效編碼，進行多次將所述至少二環境字詞對應的所述一位有效編碼為輸入以及將所述中心字詞對應的所述一位有效編碼為標籤(label)以進行word2vec類神經網路模型的訓練以得到多個訓練嵌入向量，將所有的訓練嵌入向量加總以計算出所述產品配置訊息的所述產品嵌入向量，對所述新產 品配置訊息進行字詞的分析以分析出多個分析字詞，自所述產品配置詞語資料庫查詢出所述分析字詞對應的所述一位有效編碼，將所述分析字詞的所述一位有效編碼依序導入已訓練的word2vec類神經網路模型以計算得到多個字詞嵌入向量，將所有的字詞嵌入向量加總以計算出所述新產品配置訊息的一新產品嵌入向量；及一時間預估模組，用以將所述新產品嵌入向量自所述層次聚類樹中比對出聚類分層，再自該聚類分層中比對出與所述新產品嵌入向量最近似的所述產品嵌入向量，與所述產品嵌入向量對應的所述現有產品的所述型號測試時間以及所述系列測試時間以作為所述新產品的所述型號測試時間以及所述系列測試時間的預估建議。
- 如請求項1所述的基於產品配置訊息以提供測試時間預估建議系統，其中所述分析計算裝置是對排除離散數據的所述現有產品的歷史數據進行統計分析，以分別依據所述現有產品系列以及所述現有產品型號進行測試時間的平均值的計算以作為所述型號測試時間以及所述系列測試時間。
- 如請求項1所述的基於產品配置訊息以提供測試時間預估建議系統，其中所述分析計算裝置是將所述現有產品的所述產品配置訊息進行字詞分析，再將每一個所述產品配置字詞設定唯一且不重複的所述一位有效編碼，以預先建立所述產品配置詞語資料庫。
- 一種基於產品配置訊息以提供測試時間預估建議方法，適用於一分析計算裝置，其包含下列步驟： 所述分析計算裝置預先建立一數據資料庫以儲存一現有產品的一現有產品系列、一現有產品型號、一型號測試時間以及一系列測試時間；所述分析計算裝置預先建立一產品配置詞語資料庫以儲存分析所述現有產品的一產品配置訊息得到的一產品配置字詞以及一一位有效編碼(One-hot)；所述分析計算裝置對所述產品配置訊息進行字詞的分析以分析出多組所述中心字詞以及所述至少二環境字詞，依序選取被設定數量的字詞數量，被選取字詞數量的中間即所述中心字詞，其餘的字詞即所述至少二環境字詞，其中被設定數量為奇數；所述分析計算裝置自所述產品配置詞語資料庫查詢出所述中心字詞以及所述至少二環境字詞對應的所述一位有效編碼，進行多次將所述至少二環境字詞對應的所述一位有效編碼為輸入以及將所述中心字詞對應的所述一位有效編碼為標籤以進行word2vec類神經網路模型的訓練以得到多個訓練嵌入向量，將所有的訓練嵌入向量加總以計算出所述產品配置訊息的一產品嵌入向量；所述分析計算裝置預先建立一產品嵌入向量資料庫以儲存所述現有產品的所述產品嵌入向量，並將所述產品嵌入向量進行聚類分層以生成至少三層的一層次聚類樹；所述分析計算裝置接收一新產品的一新產品配置訊息； 所述分析計算裝置對所述新產品配置訊息進行字詞的分析以分析出多個分析字詞；所述分析計算裝置自所述產品配置詞語資料庫查詢出所述分析字詞對應的所述一位有效編碼；所述分析計算裝置將所述分析字詞的所述一位有效編碼依序導入已訓練的word2vec類神經網路模型以計算得到多個字詞嵌入向量，將所有的字詞嵌入向量加總以計算出所述新產品配置訊息的一新產品嵌入向量；所述分析計算裝置將所述新產品嵌入向量自所述層次聚類樹中比對出聚類分層；所述分析計算裝置自該聚類分層中比對出與所述新產品嵌入向量最近似的所述產品嵌入向量；及所述分析計算裝置將與所述產品嵌入向量對應的所述現有產品的所述型號測試時間以及所述系列測試時間作為所述新產品的所述型號測試時間以及所述系列測試時間的預估建議。
- 如請求項4所述的基於產品配置訊息以提供測試時間預估建議方法，其中所述分析計算裝置預先建立所述數據資料庫以儲存所述現有產品的所述現有產品系列、所述現有產品型號、所述型號測試時間以及所述系列測試時間的步驟是對排除離散數據的所述現有產品的歷史數據進行統計分析，以分別依據所述現有產品系列以及所述現有產品型號進行測試時間的平均值的計算以作為所述型號測試時間以及所述系列測試時間。
- 如請求項4所述的基於產品配置訊息以提供測試時間預估建議方法，其中所述分析計算裝置預先建立所述產品配置詞語資料庫以儲存分析所述現有產品的所述產品配置訊息得到的所述產品配置字詞以及所述一位有效編碼的步驟是將所述現有產品的所述產品配置訊息進行字詞分析，再將每一個所述產品配置字詞設定唯一且不重複的所述一位有效編碼，以預先建立所述產品配置詞語資料庫。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| TW110123108A TWI778683B (zh) | 2021-06-24 | 2021-06-24 | 基於產品配置訊息以提供測試時間預估建議系統及其方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| TW110123108A TWI778683B (zh) | 2021-06-24 | 2021-06-24 | 基於產品配置訊息以提供測試時間預估建議系統及其方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| TWI778683B true TWI778683B (zh) | 2022-09-21 |
| TW202301211A TW202301211A (zh) | 2023-01-01 |
Family
ID=84958179
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| TW110123108A TWI778683B (zh) | 2021-06-24 | 2021-06-24 | 基於產品配置訊息以提供測試時間預估建議系統及其方法 |
Country Status (1)
| Country | Link |
|---|---|
| TW (1) | TWI778683B (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110008311A (zh) * | 2019-04-04 | 2019-07-12 | 北京邮电大学 | 一种基于语义分析的产品信息安全风险监测方法 |
| TW201945923A (zh) * | 2018-04-16 | 2019-12-01 | 以色列商普騰泰克斯有限公司 | 積體電路剖析及異常檢測 |
| CN111488273A (zh) * | 2020-03-18 | 2020-08-04 | Oppo（重庆）智能科技有限公司 | 测试验证方法、测试验证装置、存储介质与电子设备 |
| US20210027019A1 (en) * | 2019-07-24 | 2021-01-28 | Nec Laboratories America, Inc. | Word-overlap-based clustering cross-modal retrieval |
-
2021
- 2021-06-24 TW TW110123108A patent/TWI778683B/zh active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TW201945923A (zh) * | 2018-04-16 | 2019-12-01 | 以色列商普騰泰克斯有限公司 | 積體電路剖析及異常檢測 |
| CN110008311A (zh) * | 2019-04-04 | 2019-07-12 | 北京邮电大学 | 一种基于语义分析的产品信息安全风险监测方法 |
| US20210027019A1 (en) * | 2019-07-24 | 2021-01-28 | Nec Laboratories America, Inc. | Word-overlap-based clustering cross-modal retrieval |
| CN111488273A (zh) * | 2020-03-18 | 2020-08-04 | Oppo（重庆）智能科技有限公司 | 测试验证方法、测试验证装置、存储介质与电子设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| TW202301211A (zh) | 2023-01-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| WO2023065545A1 (zh) | 风险预测方法、装置、设备及存储介质 | |
| Thai-Nghe et al. | Multi-relational factorization models for predicting student performance | |
| WO2018031958A1 (en) | Aggregate features for machine learning | |
| CN114117153B (zh) | 一种基于相似度重学习的在线跨模态检索方法及*** | |
| CN110163252B (zh) | 数据分类方法及装置、电子设备、存储介质 | |
| CN113887930B (zh) | 问答机器人健康度评估方法、装置、设备及存储介质 | |
| CN110619540A (zh) | 一种神经网络的点击流预估方法 | |
| CN115564071A (zh) | 一种电力物联网设备数据标签生成方法及*** | |
| CN114155477B (zh) | 一种基于平均教师模型的半监督视频段落定位方法 | |
| CN114781832A (zh) | 课程推荐方法、装置、电子设备及存储介质 | |
| CN114154716B (zh) | 一种基于图神经网络的企业能耗预测方法及装置 | |
| CN115495654A (zh) | 基于子空间投影神经网络的点击率预估方法和装置 | |
| CN116821373A (zh) | 基于图谱的prompt推荐方法、装置、设备及介质 | |
| TWI778683B (zh) | 基於產品配置訊息以提供測試時間預估建議系統及其方法 | |
| Han et al. | An efficient genetic algorithm for optimization problems with time-consuming fitness evaluation | |
| CN108122613A (zh) | 基于健康预测模型的健康预测方法和装置 | |
| CN116843150A (zh) | 基于智慧物联网的社区服务方法及*** | |
| CN113706019B (zh) | 基于多维数据的业务能力分析方法、装置、设备及介质 | |
| CN112269875A (zh) | 文本分类方法、装置、电子设备及存储介质 | |
| CN109324953B (zh) | 一种虚拟机能耗预测方法 | |
| CN116431788A (zh) | 面向跨模态数据的语义检索方法 | |
| CN116226404A (zh) | 一种针对肠-脑轴的知识图谱构建方法及知识图谱*** | |
| CN113704407B (zh) | 基于类别分析的投诉量分析方法、装置、设备及存储介质 | |
| Jirkovský et al. | Semi-automatic ontology matching approach for integration of various data models in automotive | |
| WO2021115269A1 (zh) | 用户集群的预测方法、装置、计算机设备和存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| GD4A | Issue of patent certificate for granted invention patent |