一種基與雲理論的
fail
分析方法
張波（inventec）
摘要：雲模型是一種實現定性與定量之間的不確定性轉換模型
.基於雲理論的
fail
分析方法
,根據目前
factory
模式download
系統的fail,
利用雲模型客觀反映目前
download fail
的分布,因素,
進而對fail
進行軟劃分
,達到模糊分類，找到
fail
原因，改善
download
系統。fail
分析模糊分類
1,引言
目前，factory
模式生產筆記本計算機，在流程上往往由於前製程的作業疏失，或流程的不完善，以及系統的不穩定導致
fpy(first pass yield)
不高，甚至嚴重影響正常生產。
由於出貨前要
download
系統，透過程式在
download
前對機器的資料檢查，本機的序列號，機型，硬體資料等檢查，若
fail
將報相應的
fail
到db,
資料表明
fail rate 在2%
左右，需要對現有的系統進行分析，提供改善對策。而旬模型是
在概率論和模糊數學的基礎上提出了雲的概念，並研究了模糊性和隨機性及兩者之間的關聯性。自李德毅院士等人提出雲模型至今短短的十多年，其已成功的應用到資料探勘、決策分析、智慧型控制等眾多領域。
2，雲模型理論
雲模型（
cloud model
）是我國學者李德毅教授提出的定性和定量轉換模型。
隨著不確定性研究的深入，越來越多的科學家相信，不確定性是這個世界的魅力所在，只有不確定性本身才是確定的。在眾多的不確定性中，隨機性和模糊性是最基本的。針對概率論和模糊數學在處理不確定性方面的不足，
1995
年我國工程院院士李德毅教授在概率論和模糊數學的基礎上提出了雲的概念，並研究了模糊性和隨機性及兩者之間的關聯性。自李德毅院士等人提出雲模型至今短短的十多年，其已成功的應用到資料探勘、決策分析、智慧型控制等眾多領域。
在隨機數學和模糊數學的基礎上
,提出用
"雲模型
"來統一刻畫語言值中大量存在的隨機性、模糊性以及兩者之間的關聯性
,把雲模型作為用語言值描述的某個定性概念與其數值表示之間的不確定性轉換模型
.以雲模型表示自然語言中的基元
——語言值
,用雲的數字特徵
——期望
ex,熵
en和超熵
he表示語言值的數學性質.「熵
」這一概念最初是作為描述熱力學的乙個狀態參量
,以後又被引入統計物理學、資訊理論、複雜系統等
,用以度量不確定的程度
[9].
在雲模型中
,熵代表乙個定性概念的可度量粒度
,熵越大粒度越大
,可以用於粒度計算;同時
,熵還表示在論域空間可以被定性概念接受的取值範圍
,即模糊度
,是定性概念亦此亦彼性的度量
.雲模型中的超熵是不確定性狀態變化的度量
,即熵的熵
.雲模型既反映代表定性概念值的樣本出現的隨機性
,又反映了隸屬程度的不確定性
,揭示了模糊性和隨機性之間的關聯.期望
ex是雲在論域空間分布的期望
,是最能夠代表定性概念的點
,或者說是這個概念量化的最典型樣本;熵
en代表定性概念的可度量粒度
,熵越大
,通常概念越巨集觀
,也是定性概念不確定性的度量
,由概念的隨機性和模糊性共同決定
.一方面
, en
是定性概念隨機性的度量
,反映了能夠代表這個定性概念的雲滴的離散程度
;另一方面
,又是定性概念亦此亦彼性的度量
,反映了在論域空間可被概念接受的雲滴的取值範圍;超熵
he是熵的不確定性度量
,即熵的熵
,由熵的隨機性和模糊性共同決定。
3,分析決策應用
1，建立關聯矩陣。對各種的
fail
進行分類處理，根據與相應的導致
fail
關聯度建立。
fail
資訊表event id
關聯度表：
fail id
relate param1
program(0.5) ,m/b issue(0.5),net fail (0) 2
program(0.1) ,m/b issue(0.4),net cab issue(0.2),network abnormal(0.3)
…將相應的資訊轉化為資料矩陣。
2，資料提取。對08年
1月-08年6月，
6個月的
fail資料,
一致性轉化，規整。資料儲存在
mssql
資料庫中，提取相應的資料，在
matlab
中處理。
selecta.iecmodel,a.errorcode,count( a.iecmodel)as failnumberfromselect_dl_error_satusas a
wherea.lastnotifytime between '2008-01-01 00:00:00' and '2008-06-01 00:00:00'
group by a.iecmodel,a.errorcode
order by a.iecmodel
３，資料處理，決策支援。對08年
1月-08年6月
fail
資料的校驗，得到比較理想的結果，為日後對測試，站別調整，
download
系統的完善，提高
fpy做了很好的決策。
正向雲發生器部分**
函式r = normrnd (mu, sigma,m, n)
生成期望為
mu,標準
差為sigma
的正態分佈函式
, m 和n
分別為生成隨機數的行
和列的維數。根據雲模型三個數字特徵
,即期望、熵、超熵生成
雲滴的具體**實現如下
:x = zeros(1, n) ;
y = zeros(1, n) ;
x(1z n) = normrnd ( en, he, 1, n) ;
for i = 1z n
en1 =x(1, i) ;
x(1, i) = normrnd ( ex, en1, 1) ;
y(1, i) = exp ( - (x(1, i) - ex) ^2 / (23 en1^2) ) ;
end逆向雲發生器部分**
逆向雲發生器中需要剔除隸屬度大於
0. 999 9
的雲滴,剩下
m 個雲滴。**如下
:x1 =x;
y1 = y;
i = 1;
while i < = ( n2flag)
if y1 (1, i) > 0. 9999
y1 ( : , i) = [ ] ;
x1 ( : , i) = [ ] ;
flag = flag + 1;
else
i = i + 1;
m =m + 1;
endend
根據m
個雲滴生成期望、熵、超熵的**具體實現如下
:ex =mean (x1)
en1 = zeros(1,m) ;
for i = 1z m
en1 (1, i) = abs(x1 (1, i) - ex) / sqrt( - 23 log(y1 (1, i) ) ) ;
enden =mean ( en1) ;
he = 0;
for i = 1z m
he =he + ( en1 (1, i) - en) ^2;
endhe = sqrt(he / (m - 1) )
;柳炳祥
;楊麗彬
;2007-11-12
計算機時代
-cnki：
［２］空間資料發掘與知識發現 【作 者】
邸凱昌武漢大學出版社
Flutter實體與JSON解析的一種方法
vs code作為編輯器 1.首先，json物件與字串的轉換是使用json.encode和json.decode的，需要匯入import dart convert 這裡主要的自然不是這個，而是json物件和實體物件的轉換 當然，實際上json物件算是乙個map物件，直接通過鍵訪問就可以得到值，即通過...
windows下安裝django的一種方法
django版本是1.3.1，壓縮包。1.首先將django 1.31壓縮包解壓，使其與python2.7在同一根目錄下 2.之後進入cmd，通過命令python setup.py install進行安裝。python2.7和django 1.3.1都是存放在本地的c盤 安裝成功以後，可以通過以下命...
雲計算一種觀念上的變革
雲計算並不是一種全新的技術，它跟san 集群儲存，分布式計算 整合計算很相似。它讓計算模式又回到從前，使用者只需要i o裝置就行，只不過以前是由於計算機太昂貴了，現在是因為計算機資源的利用率不高，造成資源浪費。由於摩爾定律的速度變慢，硬體的發展慢慢的遇到瓶頸，但計算和資料量增長的速度很快，從原來的標...