[發明專利]用于處理大寬數據的過程控制工具

在審

• 申請號: 201980091998.1
• 申請日: 2019-12-13
• 公開（公告）號: CN113518983A
• 公開（公告）日: 2021-10-19
• 發明（設計）人: T·希爾;D·卡茨;P·斯莫林斯基;S·拉馬林加姆;S·希利安
• 申請（專利權）人: 泰必高軟件公司
• 主分類號: G06F16/22
• 分類號: G06F16/22;G06F16/25;G06F16/28
• 代理公司: 中國專利代理(香港)有限公司 72001
• 代理人: 劉茜璐;劉春元

1.一種用于處理來自自動化制造操作的寬數據的過程控制工具，所述過程控制工具包括：

特征選擇器，其被配置成：

從至少一個制造過程應用，接收過程輸入數據，其中，所述過程輸入數據包括多個觀察值和相關聯的變量；

將標識的類別變量轉換為數值變量，并且將標識的時間序列數據轉換為固定數量的區間；以及

計算統計數據，其測量預測因子值與結果變量之間的關系的強度；

分析服務器，其被配置成：

執行至少一個操作以標識預測因子值之間的交互；

可視化引擎，其被配置成顯示所述交互以用于管理所述制造操作。

2.根據權利要求1所述的過程控制工具，其中，所述特征選擇器還被配置成將所接收的過程輸入數據轉換為在每個觀察值中針對每個變量具有一行的堆疊格式。

3.根據權利要求1所述的過程控制工具，其中，使用沖擊編碼技術將標識的類別變量轉換成數值變量。

4.根據權利要求2所述的過程控制工具，其中，所述特征選擇器還被配置成：

基于所計算的統計數據對所述預測因子值進行排序；

基于閾值將所述預測因子值過濾成預測因子值的子集；以及

將所述子集旋轉成寬格式，其中，每個變量在表格數據集中用其自己的列來表達。

5. 根據權利要求4所述的過程控制工具，其中，所述分析服務器被配置成：

接收經旋轉的預測因子值的子集；以及

執行統計和建模操作、以及預定義搜索中的至少一個，以標識所述子集中的預測因子值之間的交互；

其中，所述統計和建模操作包括回歸算法、神經網絡、深度學習網絡和遞歸劃分算法中的至少一個。

6.根據權利要求1所述的過程控制工具，其中，所述分析服務器還被配置成在存儲器內、虛擬存儲器內和多線程計算中的至少一個中操作。

7.根據權利要求1所述的過程控制工具，其中，所述特征選擇器和所述分析服務器同時且異步地工作。

8.根據權利要求1所述的過程控制工具，其中，所述分析服務器是專用分析服務器。

9.根據權利要求1所述的過程控制工具，其中，所述過程輸入數據被表征為具有寬數據集或寬大數據集。

10.一種處理來自自動化制造操作的寬數據的方法，所述方法包括：

從至少一個制造過程應用，接收過程輸入數據，其中，所述過程輸入數據包括多個觀察值和相關聯的變量；

將標識的類別變量轉換為數值變量，并且將標識的時間序列數據轉換為固定數量的區間；以及

計算統計數據，其測量預測因子值與結果變量之間的關系的強度；

執行至少一個操作以標識預測因子值之間的交互；以及

顯示所述交互以用于管理所述制造操作。

11.根據權利要求10所述的方法，還包括將所接收的過程輸入數據轉換為在每個觀察值中針對每個變量具有一行的堆疊格式。

12.根據權利要求10所述的方法，還包括使用沖擊編碼技術將標識的類別變量轉換成數值變量。

13.根據權利要求11所述的方法，還包括：

基于所計算的統計數據對所述預測因子值進行排序；

基于閾值將所述預測因子值過濾成預測因子值的子集；以及

將所述子集旋轉成寬格式。

14. 根據權利要求13所述的方法，還包括：

接收經旋轉的預測因子值的子集；以及

執行最大似然計算和預定義搜索中的至少一個，以標識所述子集中的預測因子值之間的交互。