Спосіб кластерно-спектральної діагностики множини технічних об’єктів

Спосіб кластерно-спектральної діагностики 36881 Далі об'єкти групуються, тобто виконується кластеризація об'єктів, щоб відобразити відношення безпосередніх модулів, які фізично пов'язані разом. Результат групування - перегрупована матриця конфігурацій використовується для діагнозу (оцінки) групових інструментів (технічних об'єктів). Основним недоліком даного способу для діагнозу на виробництві є відсутність наочної інформації про внутрішню структуру об'єктів діагнозу, тобто про характеристики, що впливають на характер та причини групування, величину оцінки об'єкта, а це зменшує інформацію для діагнозу, що в свою чергу впливає на якість та достовірність діагностування. Задачею винаходу є створення такого способу, в якому шляхом формування наочного візуального діагностичного зображення перегрупованої в двох вимірах матриці конфігурацій досягається підвищення інформативності, і тим самим, підвищення якості та достовірності діагностики. Поставлена задача вирішується тим, що відбувається групування у кластери спочатку множини технічних об'єктів за мірою "схожості" їх експлуатаційних характеристик і формується зважена матриця конфігурацій для їх оцінювання, а далі, за мірою схожості групуються у "кластери" також і характеристики об'єктів. Групування у кластери окремо технічних об'єктів призводить до того, що переставляються відповідні стовпчики у матриці конфігурацій, а групування у кластери окремо експлуатаційних характеристик технічних об'єктів призводить до того, що переставляються відповідні рядки у матриці. Зважаючи на те, двохвимірне групування за мірою "схожості" призводить до двохвимірного групування подібних значень у клітинках матриці, то після розфарбовування кожної клітинки матриці кольором, інтенсивність якого пропорційна значенню у відповідній клітинці, формується зображення у вигляді спектральної карти з темними та світлими плямами, що може слугувати наочним діагностичним зображенням для оцінки технічних об'єктів. За бажаним спектральна карта розділяється на задану кількість найбільш характерних груп (кластерів). Групування технічних об'єктів за мірою схожості (по об'єктах і характеристиках) формує "кластери", що призводить до підвищення "кількості знань" в таблиці (дивись вхідну таблицю (фіг. 2) та перегруповану по об'єктах таблицю (фіг. З). Одномірне групування за допомогою дискримінаційної функції використовується в [1], кластеризування використовується у [2]. Формування зображення за допомогою градієнтної заливки кольором перегрупованої матриці конфігурацій у двох вимірах дає можливість виокремити "плями" ступеню взаємозв'язку як між елементами, так і між їхніми характеристиками, і таким чином сформувати діагностичне зображення. Тональна заливка спектральної карти даних, інтенсивність якої пропорційна величині характеристики об'єкта, дозволяє візуально визначити виразність визначеної характеристики. Темний колір означає дуже високий рівень, тоді як світлий колір - незначний. Чим сильніший контраст кольору клітинок, у яких знаходяться дані аналогічних характеристик, тим більш значуще відрізняються об'єкти "плями" один від одного за заданими ха рактеристиками, тобто в діагнозі використовується узагальнена інформація кожної з характеристик, що сприяє підвищенню достовірності діагностики. Крім того, поділ спектральної карти на окремі частини, що характеризують найбільшу відстань груп об'єктів чи характеристик, дозволяє проводити аналіз об'єктів чи діагностику без спеціальних математичних знань (наприклад менеджеру), тобто підвищує якість діагнозу. На основі вищевказаного можна зробити висновок, що сукупність суттєвих ознак, які запропоновані у формулі винаходу, є необхідною і достатньою для досягнення нового технічного результату. На фіг. 1 зображена умовна схема технологічного процесу виготовлення кольорових гумових пластин і формованих деталей для низу взуття та контроль якості, який складається з 10 технічних об'єктів, що визначають окремі технологічні модулі загального процесу (під умовною назвою M1, М2, ... М10). Реально ці технологічні модулі відповідають окремим технологічним процесам виготовлення кольорових гумових пластин та формованих деталей для низу взуття, а саме:М - Надходження матеріалів, підготовка матеріалів до запуску (в такому модулі виконується включення виключення автоматичного контролю якості, вилучення нестандартної сировини); - М2 - Розваження матеріалів (в такому модулі виконується міжопераційний контроль технологічного процесу. Контроль додержання рецептури); - МЗ - Приготування гумової суміші (в такому модулі виконується міжопераційний контроль технологічного процесу. Вибракування заготівок по зовнішньому вигляду та вазі, повернення на переробку); - М4, М5 ... М10 - модулі виготовлення, вулканізації, обробки, сортування, маркірування, тощо. Таких модулів умовно вибрано десять одиниць, кожен з яких має основні дев'ять експлуатаційних характеристик (наприклад кількість включень-виключень на годину, кількість поломок, температурні відхилення, відхилення тиску, кількість відхилень за якістю тощо.), які на схемі технологічного процесу зображені клітинками, що понумеровані від 1 до 9. M11 - вказує на блок, де відбувається компіляція даних. Стрілки, які направлені від кожного модуля, вказують на те, що інформація про процеси поступає, компілюється та зосереджується у Ml 2 - сервері баз даних, тобто у комп'ютерній системі. На фіг. 2 зображена матриця конфігурацій, де M1, М2, МЗ, М4, М5, М6, М7, М8, М9, М10 - умовна назва технічних об'єктів в таблиці, 1-9 умовний номер експлуатаційної характеристики кожного технологічного модуля. Матриця конфігурацій, це таблиця скомпільованих даних, що характеризують процес реалізований у кожному технологічному модулі за експлуатаційними характеристиками. На фіг. 3 зображений результат кластерноспектральної діагностики множини технічних об'єктів - матриця конфігурацій, перегрупована у двох вимірах (і по об'єктах і по характеристиках) з 2 36881 кластерними деревами, які відображають величину міри "схожості", та розфарбована у вигляді спектральної карти з інтенсивністю кольору пропорційною величині характеристики і розділена на визначену кількість кластерів (кількість кластерів для об'єктів та кількість кластерів для характеристик визначається характером системи, що діагностується). На фіг. 4 зображений проміжний стан (між фіг. 2. - фіг. З.) - перегрупована по об'єктах матриця конфігурацій (одномірне групування відбувалося за мірою "схожості") з кластерним деревом, яке відображує величину міри "схожості". На фіг. 5 зображений проміжний стан (між фіг. 2. - фіг. З.) - перегрупована по об'єктах матриця конфігурацій (одномірне групування відбувалося за мірою "схожості") з кластерним деревом, яке відображає величину міри "схожості", та розфарбована у вигляді спектральної карти з інтенсивністю кольору пропорційною величині характеристики. На фіг. 6 зображений проміжний стан (між фіг. 2 - фіг. З) - матриця конфігурацій, перегрупована у двох вимірах (і по об'єктам і по характеристикам) з кластерними деревами, які відображують величину міри "схожості". На фіг. 7 зображений проміжний стан (між фіг. 2. - фіг. 3.) - матриця конфігурацій, перегрупована у двох вимірах (і по об'єктам і по характеристикам) з кластерними деревами, які відображують величину міри "схожості", та розфарбована у вигляді спектральної карти з інтенсивністю кольору пропорційною величині характеристики. Спосіб кластерно-спектральної діагностики множини технічних об'єктів може бути реалізований в різних системах, зокрема, в системі технологічного процесу виготовлення кольорових гумових пластин і формованих деталей для низу взуття та контроля якості (дивись умовну схему технологічного процесу на фіг. 1). Вказана система окремих модулів (M1 - М 10) включає комп'ютерну систему (M11 - М12), яка обслуговує базу даних технологічних модулів - технічних об'єктів, за її допомогою ідентифікуються і реєструються динамічні чи статичні характеристики технічних об'єктів, вона компілює інформацію у базу даних на сервері, де формується зважена матриця конфігурацій, а при необхідності, в базу даних вводяться еталонні об'єкти. Такий процес може бути застосований як до паралельно так і послідовно працюючих технічних об'єктів. На фіг. 2 вказана сформована матриця конфігурацій, де M1, М2, МЗ, М4, М5, М6, М7, М8, М9, М10 - умовна назва технічних об'єктів відповідає назві стовпчика в таблиці 1 - 9 номера характеристик, відповідають назві рядка в таблиці. Далі провадиться спочатку одновимірна (дивись фіг. 4 та фіг. 5) кластеризація за стовпчиками матриці, а потім двохвимірна кластеризація (дивись фіг. 6 та фіг. 7) одночасно за стовпчиками та рядками матриці. За допомогою дискриптивної функції [3] об'єкти групуються у "кластери" за мірою "схожості", при цьому кластерні дерева, які розташовані біля матриці, вказують на близькість чи віддаленість за мірою "схожості". Перегрупована матриця трансформується в спектральну карту шляхом розфарбовування кожної відповідної клітинки кольором з інтенсивністю пропорційною до величини характеристики (дивись фіг. 5 та фіг. 7 відповідно одномірне та двомірне групування). У результаті використання кластерно-спектрального аналізу і візуалізації формується діагностичне зображення, на якому наочно виокремлююються більш «темні» і «світлі » плями, що свідчать про структуру «схожості» і «відмінності» об'єктів і їхніх характеристик. І нарешті, спектральна карта поділяється на частини відповідно до кількості кластерів, що найбільш віддалені один від одного. На фіг. 3. вказано результуюче зображення, яке поділяється на 4х4 кластери відповідно до найбільш віддалених груп технічних об'єктів та їх експлуатаційних характеристик. Це діагностичне зображення дає наочне уявлення про стан чи діяльність кожного з 10 технічних об'єктів, крім того, видно, завдяки яким характеристикам стан технічного об'єкта ближче всього до іншого, чи, можливо, до еталонного. Таким чином, у порівнянні з прототипом у новому технічному рішенні, а саме: способі кластерно-спектральної діагностики множини технічних об'єктів додатково формується наочне діагностичне зображення, що характеризує множину технічних об'єктів з визначеними характеристиками, у вигляді спектральної карти із заливкою кольору з доданими кластерними деревами (за бажанням два кластерних дерева, одне погоризонталі, друге по-вертикалі), яке містить більшу "кількість знань", що сприяє підвищенню ефективності та достовірності діагностики множини технічних об'єктів. Література. 1. 93043781/24 від 31.08.93 6G06F 17/00, БИ. 8, 1996, Москва, Усик Б.А. "Способ диагностирования технических объектов". 2. "Система і спосіб для обчислення характеристик об'єктів з використанням кластерного методу на зваженій матриці конфігурацій". United States Patent 5,914,879, Wang ,et al., June 22, 1999, System and method for calculating cluster tool performance metrics using a weighted configuration matrix,.Appl. No.: 886824 Filed:March 4, 1997. U.S. Class: 364/468. 18; 702/182 Intem'l Class: G06F 019/00 Field of Search: 364/468.01, 468. 15-468. 16,468. 18,468. 19702/182-185. 3. Дюран Б., Оделл П. Кластерный анализ, М., «Світ», 1977, реалізований у комп'ютерній програмі STATISTICA (фірма США StatSoft, Inc., 98' Edition, Kernel release 5.1 M ) Claster Analysis. 3 36881 Фіг. 1 Фіг. 2 4 36881 Фіг. 3 Фіг. 4 5 36881 Фіг. 5 Фіг. 6 6 36881 Фіг. 7 __________________________________________________________ ДП "Український інститут промислової власності" (Укрпатент) Україна, 01133, Київ-133, бульв. Лесі Українки, 26 (044) 295-81-42, 295-61-97 __________________________________________________________ Підписано до друку ________ 2001 р. Формат 60х84 1/8. Обсяг ______ обл.-вид. арк. Тираж 50 прим. Зам._______ ____________________________________________________________ УкрІНТЕІ, 03680, Київ-39 МСП, вул. Горького, 180. (044) 268-25-22 ___________________________________________________________ 7