依据离群值筛选资料以预测整机测试时间的系统及方法与流程

1.一种时间预测系统及其方法，特别涉及一种依据离群值筛选资料以预测整机测试时间的系统及方法。


背景技术：

2.工业4.0(industry 4.0)，又称为第四次工业革命，其并不是单单创造新的工业技术，而是着重于将现有的工业技术、销售流程与产品体验统合，通过人工智慧技术建立具有适应性、资源效率和人因工程学的智慧工厂，并在商业流程及价值流程中整合客户以及商业伙伴，以提供完善的售后服务，进而建构出一个有感知意识的新型智慧型工业世界。
3.随着工业4.0的浪潮袭卷全球，制造业者无不以智能制造优化生产转型，提升竞争力。智慧制造是架构在感测技术、网路技术、自动化技术、与人工智慧的基础上，通过感知、人机互动、决策、执行、与回馈的过程，来实现产品设计与制造、企业管理与服务的智慧化。
4.而电子组装业薄利多销、产品价格竞争激烈的特性，让业者追求对原物料及生产工具更有效的管控与最佳化，促使工厂生产资源效益最大化。其中，在电子组装业的生产线中，排产环节十分重要，整个排产过程需要考虑包括人员、设备、物料、生产工序与方法、环境在内等多种复杂因素。同时，生产线上的每个机台都是由成百上千个零部件构成，再加上有些产品的生产效率有较高的要求，导致在排产中，预估产品的整机测试时间成为十分重要的一项工作。
5.目前传统的生产方式，所有整机测试时间依赖人工经验或试产进行预估，工作量大且繁琐，导致整机测试时间并不精确，难以解决复杂的业务问题。
6.综上所述，可知现有技术中长期以来一直存在依照人工经验或试产所预估的整机测试时间并不精确的问题，因此有必要提出改进的技术手段，来解决此问题。


技术实现要素：

7.有鉴于现有技术存在依照人工经验或试产所预估的整机测试时间并不精确的问题，本发明遂公开一种依据离群值筛选资料以预测整机测试时间的系统及方法，其中：
8.本发明所公开的依据离群值筛选资料以预测整机测试时间的系统，至少包含：资料取得模组，用以取得与各测试机种对应的零部件资料及测试历史资料；资料整合模组，用以整合零部件资料及测试历史资料以产生机台测试时间资料；资料分析模组，用以对机台测试时间资料进行统计分析以取得离群值；资料筛选模组，用以由机台测试时间资料中删除超出离群值的资料记录以产生训练资料；模型建立模组，用以依据训练资料建立时间预测模型；时间预测模组，用以使用时间预测模型判断测试机台对目标机种的预期测试时间。
9.本发明所公开的依据离群值筛选资料以预测整机测试时间的方法，其步骤至少包括：取得与各测试机种对应的零部件资料及测试历史资料；整合零部件资料及测试历史资料以产生机台测试时间资料；对机台测试时间资料进行统计分析以取得离群值；由机台测试时间资料中删除超出离群值的资料记录以产生训练资料；依据训练资料建立时间预测模
型；使用时间预测模型判断测试机台对目标机种的预期测试时间。
10.本发明所公开的系统与方法如上，与现有技术之间的差异在于本发明通过整合与各测试机种对应的零部件资料与测试历史资料以产生测试机台对应被测机种的机台测试时间资料，并对机台测试时间资料进行统计分析以取得机台测试时间资料的离群值，并由机台测试时间资料中删除超出离群值的资料记录以产生训练资料后，依据训练资料建立时间预测模型以预测测试机台对目标机种的测试时间，借以解决现有技术所存在的问题，并可以达成降低预估整机测试时间的复杂度与工作量的技术效果。
附图说明
11.图1为本发明所提的依据离群值筛选资料以预测整机测试时间的系统架构图。
12.图2a为本发明所提的依据离群值筛选资料以预测整机测试时间的方法流程图。
13.图2b为本发明所提的重新建立时间预测模型的方法流程图。
14.图3a为本发明实施例所提的与各测试机种对应的零部件资料的示意图。
15.图3b为本发明实施例所提的测试历史资料的示意图。
16.图3c为本发明实施例所提的机台测试时间资料的示意图。
17.其中，附图标记：
18.100:计算设备
19.110:资料取得模组
20.120:资料整合模组
21.130:资料分析模组
22.140:资料筛选模组
23.150:模型建立模组
24.160:时间预测模组
25.170:误差评估模组
26.步骤210:取得与各测试机种对应的零部件资料及各测试机台的测试历史资料
27.步骤220:整合零部件资料及测试历史资料以产生机台测试时间资料
28.步骤230:对机台测试时间资料进行统计分析以取得离群值
29.步骤240:由机台测试时间资料中删除超出离群值的资料记录以产生训练资料
30.步骤250:依据训练资料建立时间预测模型
31.步骤260:使用时间预测模型判断测试机台对目标机种的预期测试时间
32.步骤271:计算预期测试时间及实际测试时间的差值
33.步骤273:统计差值超出误差门槛值的误差率
34.步骤275:判断误差率是否符合重置门槛值
具体实施方式
35.以下将配合说明书附图及实施例来详细说明本发明的特征与实施方式，内容足以使任何熟习相关技艺者能够轻易地充分理解本发明解决技术问题所应用的技术手段并据以实施，借此实现本发明可达成的功效。
36.本发明可以对各种测试机台测试各种目标机种所产生的机台测试时间资料进行
统计分析，并依据统计分析所产生的结果建立各种测试机台对各种目标机种的时间预测模型，借以使用时间预测模型估计测试机台对目标机种的测试时间。
37.以下先以图1本发明所提的依据离群值筛选资料以预测整机测试时间的系统架构图来说明本发明的系统运作。如图1所示，本发明的系统应用于计算设备中，含有资料取得模组110、资料整合模组120、资料分析模组130、资料筛选模组140、模型建立模组150、时间预测模组160，及可附加的误差评估模组170。
38.资料取得模组110负责取得测试历史资料。资料取得模组110所取得的测试历史资料可以包含一笔或多笔测试结果资料，每一笔测试结果资料可以包含测试机台的机台识别资料、被测机种的机种识别资料、测试起始时间、实际测试时间或测试结束时间等资料项目，但测试历史资料并不以上述为限。
39.资料取得模组110也负责取得与各测试机种对应的零部件资料。资料取得模组110所取得的每一笔零部件资料可以包含被测机种的机种识别资料、被测机种所包含的零部件的部件识别资料与数量等资料项目，但零部件资料并不以上述为限，在部分的实施例中，零部件资料还可以包含被测机种所包含的各个零部件在被测机种中的配置讯息。
40.一般而言，资料取得模组110可以由应用本发明的计算设备或由与应用本发明的计算设备连接的外部装置的储存媒体中读出或下载各测试机台的测试历史资料与与各测试机种对应的零部件资料，但资料取得模组110取得零部件资料与测试历史资料的方式也不以上述为限。
41.资料整合模组120负责整合资料取得模组110所取得的与各测试机种对应的零部件资料与各测试机台的测试历史资料以产生机台测试时间资料。举例来说，资料整合模组120可以依据零部件资料与测试历史资料都具有的被测机种的机种识别资料关联零部件资料与测试历史资料以产生机台测试时间资料，使得机台测试时间资料所包含的每一笔记录都可以包含测试机台的机台识别资料、被测机种的机种识别资料、被测机种所包含的零部件的部件识别资料与数量(及配置讯息)、测试起始时间、实际测试时间(或测试结束时间)等资料项目，但本发明并不以上述为限。
42.资料分析模组130负责对资料整合模组120所产生的机台测试时间资料进行统计分析以取得一个或多个离群值。其中，资料分析模组130是依据被测机种的机种识别资料分别判断与各个机种识别资料对应的离群值。
43.更详细的，资料分析模组130可以分别计算机台测试时间资料中同一测试机台测试同一种被测机种的实际测试时间的上四分位数(q3)及下四分位数(q1)，并依据上四分位数与下四分位数计算四分位距(iqr)，及依据上四分位数与四分位距计算与各种测试机台测试各种被测机种的实际测试时间对应的上离群值及依据下四分位数与四分位距计算与各种测试机台测试各种被测机种的实际测试时间对应的下离群值，例如，资料分析模组130可以计算下四分位数与上四分位数的差值作为四分位距，并以q1-1.5*iqr的计算式计算下离群值及以q3+1.5*iqr的计算式计算上离群值。
44.资料筛选模组140负责由资料整合模组120所产生的机台测试时间资料中删除实际测试时间超出资料分析模组130所判断出的离群值的资料记录以产生训练资料。也就是说，资料筛选模组140可以由机台测试时间资料中删除实际测试时间小于资料分析模组130所计算出的下离群值的资料记录及实际测试时间大于资料分析模组130所计算出的上离群
值的资料记录，剩下来未被删除的资料记录即成为训练资料。
45.模型建立模组150负责依据资料筛选模组140所产生的训练资料建立时间预测模型。举例而言，模型建立模组150可以依据训练资料中的测试机台的机台识别资料、被测机种的机种识别资料、被测机种所包含的零部件的部件识别资料与数量、及实际测试时间使用决策树演算法进行回归训练以建立时间预测模型。其中，决策树演算法可以对训练资料的每一维特征进行排序后使用各维特征产生相对应的直方图，并使用所产生的直方图建立决策树，例如lightgbm(light gradient boosting machine)演算法等，但本发明所提的决策树演算法并不以上述为限。
46.模型建立模组150也可以在误差评估模组170所产生的误差率符合重置门槛值时，再次依据训练资料以不同的决策树演算法重新建立另一个时间预测模型。其中，重置门槛值例如95％，但本发明并不以此为限。
47.时间预测模组160负责使用模型建立模组150所建立的时间预测模型判断预期测试时间。更详细的说，时间预测模组160可以将测试机台的机台识别资料、目标机种的机种识别资料、目标机种所包含的零部件的部件识别资料与对应的数量作为输入资料提供给时间预测模型，使得时间预测模型在运算后输出测试机台对目标机种进行测试的预期测试时间。
48.需要说明的是，由于模型建立模组150在建立时间预测模型时，所使用的训练资料包含被测机种所包含的零部件的部件识别资料与数量，因此，时间预测模组160在通过时间预测模型预测预期测试时间时，时间预测模型并不限于只能预测现有被测机种的预期测试时间，也可以预测未被做为训练资料的机种或新生产的机种，也就是说，即使时间预测模组160提供给时间预测模型的输入资料包含与所有训练资料都不同的零部件的部件识别资料与数量，时间预测模型也可以依据输入资料所包含的零部件的部件识别资料与数量预测预期测试时间。
49.误差评估模组170可以计算时间预测模组160所判断出的预期测试时间与实际测试时间的差值，并在所计算出的差值超出误差门槛值时统计超出误差门槛值的误差率。其中，误差门槛值例如20分钟、半小时等，但本发明并不以此为限。
50.接着以一个实施例来解说本发明的运作系统与方法，并请参照图2a本发明所提的依据离群值筛选资料以预测整机测试时间的方法流程图。在本实施例中，假设本发明应用在设置于生产线上的伺服器等计算设备中。
51.当生产线的管理人员使用本发明来预测目标机种的测试时间时，资料取得模组110可以取得与各测试机种对应的零部件资料与各测试机台的测试历史资料(步骤210)。在本实施例中，假设资料取得模组110可以连线到储存各个测试机台所上传的测试结果资料的伺服器中，并可以在由伺服器所储存的零部件配置表中读出如图3a所示的与各种测试机种对应的零部件资料310及由伺服器所储存的历史测试资料表中查询出如图3b所示的各测试机台所产生的测试历史资料320后，由伺服器下载所读出或查询到的零部件资料310及测试历史资料320。
52.在资料取得模组110取得与各测试机种对应的零部件资料与各测试机台的测试历史资料(步骤210)后，资料整合模组120可以整合资料取得模组110所取得的零部件资料与测试历史资料(步骤220)。在本实施例中，假设资料整合模组120可以依据零部件资料310与
测试历史资料320中共同拥有的资料项目(也就是机种识别资料311、321)关联零部件资料310与测试历史资料320以产生如图3c所示的机台测试时间资料330。
53.在资料整合模组120产生机台测试时间资料(步骤220)后，资料分析模组130可以对机台测试时间资料进行统计分析以取得离群值(步骤230)。在本实施例中，假设资料分析模组130可以针对机台测试时间资料330中每一个不同的机种识别资料与机台识别资料的组合分别计算相对应的离群值，也就是分别对包含同一机种识别资料与机台识别资料的资料记录计算对应机种在对应机台上的实际测试时间的上四分位数与下四分位数，并依据所计算出的上四分位数与下四分位数计算与各种机种在各种基台上的实际测试时间对应的四分位距，及依据所计算出的上四分位数/下四分位数与四分位距计算与各种机种在各种基台上的实际测试时间对应的上离群值/下离群值。
54.在资料分析模组130判断出资料整合模组120所产生的机台测试时间资料的离群值后，资料筛选模组140可以由机台测试时间资料中删除超出离群值的资料记录以产生训练资料(步骤240)。在本实施例中，资料筛选模组140可以由机台测试时间资料330中删除实际测试时间大于上离群值或小于下离群值的资料记录，使得机台测试时间资料330中的实际测试时间介于上离群值与下离群值之间的资料记录成为训练资料。
55.在资料筛选模组140产生训练资料后，模型建立模组150可以依据训练资料建立时间预测模型(步骤250)。在本实施例中，假设模型建立模组150可以使用lightgbm回归演算法对训练资料中的各个测试机台的机台识别资料(资料项目332)、各个被测机种的机种识别资料(资料项目331)、各被测机种所包含的零部件的部件识别资料与数量(资料项目333～336)、及各个被测机种在各个测试机台上的实际测试时间(资料项目338)等资料项目进行特征排序，并依据排序后的特征建构决策树以分类训练资料，借以依据训练资料中所包含的各种资料项目建立时间预测模型。
56.在模型建立模组150建立时间预测模型后，时间预测模组160可以依据模型建立模组150所建立的时间预测模型判断各测试机台对目标机种的预期测试时间(步骤260)。在本实施例中，假设时间预测模型160可以提供管理人员输入测试机台的机台识别资料、目标机种的机种识别资料、目标机种所包含的零部件的部件识别资料与数量等资料项目输入接口，并可以将被管理人员输入的机台识别资料、机种识别资料、部件识别资料与对应的数量作为输入资料提供给时间预测模型，使得时间预测模型依据被输入的机台识别资料、机种识别资料、部件识别资料与对应的数量输出对应的预期测试时间。其中，不论被输入的部件识别资料与对应的数量是否与某一笔训练资料相同或与所有训练资料都不相同，时间预测模型都可以输出对应的预期测试时间。
57.如此，通过本发明，可以依据机台测试时间资料有效的评估特定测试机台测试目标机种所需的测试时间。
58.上述实施例中，若伺服器还包含误差评估模组170，则可以如图2b的流程所示，在时间预测模组160依据模型建立模组150所产生的时间预测模型判断出各测试机台对目标机种的预期测试时间(步骤260)后，误差评估模组170可以提供管理人员输入目标机种的实际测试时间以计算每一个目标机种的预测测试时间与实际测试时间的差值(步骤271)，并可以统计所计算出的差值超出误差门槛值的误差率(步骤273)，及判断所统计出的误差率是否超出重置门槛值(步骤275)。
59.若否，则表示模型建立模组150所产生的时间预测模型符合预期，可以结束本次的作业流程；而若误差评估模组170所统计出的误差率超出重置门槛值，则模型建立模组150可以再次依据训练资料重新建立时间预测模型(步骤250)，直到所产生的时间预测模型所判断出的预期测试时间的误差率小于重置门槛值为止。
60.综上所述，可知本发明与现有技术之间的差异在于具有整合与各测试机种对应的零部件资料与测试历史资料以产生各测试机台对应各被测机种的机台测试时间资料，并对机台测试时间资料进行统计分析以取得机台测试时间资料的离群值，及由机台测试时间资料中删除超出离群值的资料记录以产生训练资料后，依据训练资料建立时间预测模型以预测目标机种的测试时间的技术手段，通过此技术手段可以来解决现有技术所存在依照人工经验或试产所预估的整机测试时间并不精确的问题，进而达成降低预估整机测试时间的复杂度与工作量的技术效果。
61.再者，本发明的依据离群值筛选资料以预测整机测试时间的方法，可实现于硬体、软体或硬体与软体的组合中，也可在计算机系统中以集中方式实现或以不同元件散布于若干互连的计算机系统的分散方式实现。
62.虽然本发明所公开的实施方式如上，惟所述的内容并非用以直接限定本发明的保护范围。任何本发明所属技术领域中具有通常知识者，在不脱离本发明所公开的精神和范围的前提下，对本发明的实施的形式上及细节上作些许的更动润饰，均属于本发明的保护范围。本发明的保护范围，仍须以所附的权利要求书所界定者为准。