-
公开(公告)号：CN118211695A
公开(公告)日：2024-06-18
申请号：CN202311740310.2
申请日：2023-12-15
Applicant: 罗伯特·博世有限公司
IPC: G06Q10/04 , G01D21/02 , G06Q10/20 , G06N3/0442 , G06N3/0464
Abstract: 计算机实现的系统和方法包括建立给定部件穿过的站序列。历史嵌入序列被生成并包括(a)基于历史测量数据的历史测量嵌入，(b)基于至少一个其他部件的至少一个历史部件标识符的历史部件标识符嵌入，和(c)基于对应于历史测量数据的至少一个历史站标识符的历史站标识符嵌入。输入嵌入序列被生成并包括(a)基于观察测量数据的测量嵌入，(b)基于给定部件的部件标识符的部件标识符嵌入，和(c)基于对应于观察测量数据的站标识符的站标识符嵌入。编码网络基于历史嵌入序列生成中间历史特征。解码网络基于中间历史特征和输入嵌入序列生成预测测量数据。预测测量数据包括下一站处的给定部件的下一测量数据，下一站在站序列中跟随站子序列。
-
公开(公告)号：CN118567219A
公开(公告)日：2024-08-30
申请号：CN202410213606.7
申请日：2024-02-27
Applicant: 罗伯特·博世有限公司
IPC: G05B13/04
Abstract: 提供了用于制造的具有预训练特征提取的预测性维护。一种计算机实施的系统和方法包括建立给定零件遍历的站序列。每个站包括相对于给定零件执行至少一个操作的机器。接收与遍历多个机器的多个零件的属性相关的测量数据。测量数据由传感器获得，并且对应于当前处理周期。第一机器学习模型被预训练以生成(i)基于测量数据的隐表示和(ii)基于隐表示的机器状态。接收与当前处理周期相关的机器观察数据。基于测量数据和机器观察数据生成聚合数据。第二机器学习模型基于聚合数据生成维护预测。维护预测对应于下一个处理周期。
-
Patent Agency Ranking
公开(公告)号：CN118211694A
公开(公告)日：2024-06-18
申请号：CN202311737459.5
申请日：2023-12-15
Applicant: 罗伯特·博世有限公司
IPC: G06Q10/04 , G01D21/02 , G06Q10/20 , G06N3/0442 , G06N3/0464
Abstract: 计算机实现的系统和方法包括建立给定部件穿过的站序列。第一神经网络基于站子序列的每个站处的给定部件的观察测量数据生成一组参数数据。该组参数数据与对应于站子序列的潜在变量子序列相关联。第二神经网络基于历史测量数据和该组参数数据生成下一参数数据。历史测量数据涉及在给定部件之前被处理的另一部件，并与站序列的每个站相关联。下一参数数据与潜在变量子序列之后的下一潜在变量相关联。下一潜在变量对应于站序列中的站子序列之后的下一站。第二神经网络基于下一潜在变量和下一参数数据生成下一站处的给定部件的预测测量数据。
-
公开(公告)号：CN119106708A
公开(公告)日：2024-12-10
申请号：CN202410736494.3
申请日：2024-06-07
Applicant: 罗伯特·博世有限公司
IPC: G06N3/0455 , G06N3/0495 , G06N3/084 , G06N3/096
Abstract: 经由深度平衡模型进行一步扩散蒸馏。公开了生成平衡变换器。所公开的实施例提供简单且有效的技术，所述技术可以仅使用噪声/图像对来将多步扩散过程蒸馏成单步生成模型。
-
公开(公告)号：CN118112995A
公开(公告)日：2024-05-31
申请号：CN202311611385.0
申请日：2023-11-29
Applicant: 罗伯特·博世有限公司
IPC: G05B19/418
Abstract: 提供了具有预训练特征提取的工业质量监视系统。公开了用于对制造品进行分类的方法和系统。用训练数据训练分类器，所述训练数据包括1)与物品相关的特征向量，其基于在制造过程的特定站处捕获的与物品相关的测量，以及2)编码的时间序列数据，其表示在特定站之前在制造过程的站序列处捕获的与该制造品相同类型的物品的测量历史。
-
公开(公告)号：CN119558370A
公开(公告)日：2025-03-04
申请号：CN202411218567.6
申请日：2024-09-02
Applicant: 罗伯特·博世有限公司
IPC: G06N3/08 , G06N3/0499 , G06N20/10
Abstract: 提供了通过典型性进行数据扩充评估和自动训练集改进。公开的实施例包括用于评估扩充训练元素的方法。可以使用不同的扩充技术来生成扩充训练元素。公开的实施例可以生成对于训练多个不同机器学习模型有用的训练集。
-
公开(公告)号：CN117785522A
公开(公告)日：2024-03-29
申请号：CN202311278531.2
申请日：2023-09-28
Applicant: 罗伯特·博世有限公司
IPC: G06F11/07 , G06F18/241 , G06F18/214 , G06N20/00
Abstract: 提供了利用经训练机器学习模型执行根本原因分析的方法和系统。使用经训练的机器学习模型来对制造过程执行根本原因分析的方法和系统。提供了被训练来预测无故障部件的测量的预先训练的机器学习模型。所述预先训练的模型在如由多个制造站处的多个传感器测量的关于制造部件的物理特性的训练测量数据上进行训练。利用经训练的模型，然后接收来自传感器的关于制造部件和站的测量数据。该新的测量数据集通过预先训练的模型反向传播，以确定新的测量数据的绝对梯度的量值。然后基于该绝对梯度的量值确定根本原因。在其他实施例中，基于在使用模型的部件的预测测量数据集和实际测量数据之间确定的损失来标识根本原因。
-
-
-
-
-
-
Search Results
7
records
(took 0.017 seconds)
