CN117043781A - 奇异材料检测设备、控制方法和非暂时性计算机可读介质 - Google Patents
奇异材料检测设备、控制方法和非暂时性计算机可读介质 Download PDFInfo
- Publication number
- CN117043781A CN117043781A CN202280022384.XA CN202280022384A CN117043781A CN 117043781 A CN117043781 A CN 117043781A CN 202280022384 A CN202280022384 A CN 202280022384A CN 117043781 A CN117043781 A CN 117043781A
- Authority
- CN
- China
- Prior art keywords
- singular
- node
- material specification
- specification information
- nodes
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 239000000463 material Substances 0.000 title claims abstract description 373
- 238000001514 detection method Methods 0.000 title claims abstract description 130
- 238000000034 method Methods 0.000 title claims description 69
- 238000013507 mapping Methods 0.000 claims abstract description 40
- 230000000704 physical effect Effects 0.000 claims description 189
- 239000013598 vector Substances 0.000 claims description 58
- 238000009826 distribution Methods 0.000 claims description 26
- 230000008569 process Effects 0.000 claims description 26
- 238000003860 storage Methods 0.000 description 16
- 230000015654 memory Effects 0.000 description 9
- 238000012545 processing Methods 0.000 description 9
- 238000012549 training Methods 0.000 description 9
- 238000012356 Product development Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000004088 simulation Methods 0.000 description 4
- 239000000126 substance Substances 0.000 description 4
- 239000004918 carbon fiber reinforced polymer Substances 0.000 description 3
- 239000000835 fiber Substances 0.000 description 3
- 238000010606 normalization Methods 0.000 description 3
- 101100521334 Mus musculus Prom1 gene Proteins 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 229910001220 stainless steel Inorganic materials 0.000 description 2
- 239000010935 stainless steel Substances 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 229920000049 Carbon (fiber) Polymers 0.000 description 1
- 239000004721 Polyphenylene oxide Substances 0.000 description 1
- KKEYFWRCBNTPAC-UHFFFAOYSA-N Terephthalic acid Chemical class OC(=O)C1=CC=C(C(O)=O)C=C1 KKEYFWRCBNTPAC-UHFFFAOYSA-N 0.000 description 1
- 239000000654 additive Substances 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000004917 carbon fiber Substances 0.000 description 1
- 239000003575 carbonaceous material Substances 0.000 description 1
- 230000001364 causal effect Effects 0.000 description 1
- 239000001913 cellulose Substances 0.000 description 1
- 229920002678 cellulose Polymers 0.000 description 1
- 238000002788 crimping Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000003822 epoxy resin Substances 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- LNEPOXFFQSENCJ-UHFFFAOYSA-N haloperidol Chemical compound C1CC(O)(C=2C=CC(Cl)=CC=2)CCN1CCCC(=O)C1=CC=C(F)C=C1 LNEPOXFFQSENCJ-UHFFFAOYSA-N 0.000 description 1
- 238000011423 initialization method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 229920002239 polyacrylonitrile Polymers 0.000 description 1
- 229920000647 polyepoxide Polymers 0.000 description 1
- 229920000570 polyether Polymers 0.000 description 1
- 238000006116 polymerization reaction Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 229920005989 resin Polymers 0.000 description 1
- 239000011347 resin Substances 0.000 description 1
- 239000011342 resin composition Substances 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000008685 targeting Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/15—Vehicle, aircraft or watercraft design
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/088—Non-supervised learning, e.g. competitive learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/20—Drawing from basic elements, e.g. lines or circles
- G06T11/206—Drawing of charts or graphs
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C60/00—Computational materials science, i.e. ICT specially adapted for investigating the physical or chemical properties of materials or phenomena associated with their design, synthesis, processing, characterisation or utilisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/10—Interfaces, programming languages or software development kits, e.g. for simulating neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30176—Document
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
- G16C20/30—Prediction of properties of chemical compounds, compositions or mixtures
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
- G16C20/70—Machine learning, data mining or chemometrics
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computing Systems (AREA)
- Geometry (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Biomedical Technology (AREA)
- Artificial Intelligence (AREA)
- Molecular Biology (AREA)
- Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Mathematical Physics (AREA)
- Automation & Control Theory (AREA)
- Aviation & Aerospace Engineering (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Computer Hardware Design (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
对于具有不同样式的每种材料(60),一种奇异材料检测设备(2000)获取材料规格信息(10)和性质信息(20),该材料规格信息(10)表示材料(60)的材料规格,该性质信息(20)表示使用材料(60)生成的可交付物(70)的性质。奇异材料检测设备(2000)使用性质信息(20)来生成自组织映射(30)。奇异材料检测设备(2000)基于与材料规格信息(10)相对应的性质信息(20)向节点分配每一项材料规格信息(10)。然后,奇异材料检测设备(2000)从已经被分配有材料规格信息(10)的节点之中检测映射空间中处于奇异位置处的奇异节点。
Description
技术领域
本公开涉及一种用于提供与产品开发相关的信息的技术。
背景技术
在产品开发中,了解材料和产品之间的关系很有用。因此,已经开发了用于帮助用户等理解材料和产品之间的关系的系统。例如,专利文献1公开了一种用于通过使用自组织映射来帮助用户等理解轮胎的设计值与其物理性质值之间的因果关系的系统。
引用列表
专利文献
专利文献1:日本未审查专利申请公开No.2016-148988
发明内容
技术问题
在专利文献1中,使用自组织映射来确定轮胎的多个设计变量中的哪一个是重要因素。因此,不假设自组织映射用于除上述目的之外的任何目的。本公开是鉴于上述问题而作出的,并且其目的在于提供一种用于提供对产品开发有用的信息的新技术。
问题的解决方案
一种根据本公开的奇异材料检测设备包括:获取装置,用于针对能够在目标过程中使用的多种样式的材料中的每种样式的材料,获取材料规格信息和物理性质信息,所述材料规格信息表示所述材料的材料规格,所述物理性质信息指示能够通过使用所述材料在所述目标过程中生成的产品的多种物理性质中的每种物理性质的物理性质量;自组织映射生成装置,用于通过使用所述物理性质信息来生成自组织映射,在所述自组织映射上,每个节点被分配映射空间中的位置和物理性质向量,所述物理性质向量指示与所述产品的多种类型的物理性质中的每种类型的物理性质的物理性质量相关的值;以及奇异节点检测装置,用于基于与所述材料规格信息相对应的物理性质信息向所述节点之一分配每条材料规格信息,并且从被分配所述材料规格信息的节点之中检测所述映射空间中位于奇异位置处的奇异节点。
一种根据本公开的控制方法由计算机执行。所述控制方法包括:获取步骤,针对能够在目标过程中使用的多种样式的材料中的每种样式的材料,获取材料规格信息和物理性质信息,所述材料规格信息表示所述材料的材料规格,所述物理性质信息指示能够通过使用所述材料在所述目标过程中生成的产品的多种物理性质中的每种物理性质的物理性质量;自组织映射生成步骤,通过使用所述物理性质信息来生成自组织映射,在所述自组织映射上,每个节点被分配映射空间中的位置和物理性质向量,所述物理性质向量指示与所述产品的多种类型的物理性质中的每种类型的物理性质的物理性质量相关的值;以及奇异节点检测步骤,用于基于与所述材料规格信息相对应的物理性质信息向所述节点之一分配每条材料规格信息,并且从被分配所述材料规格信息的节点之中检测所述映射空间中位于奇异位置处的奇异节点。
一种根据本公开的非暂时性计算机可读介质存储用于使计算机执行根据本公开的控制方法的程序。
本发明的有益效果
根据本公开,提供了一种用于提供对产品开发有用的信息的新技术。
附图说明
图1示出了根据第一示例实施例的由奇异材料检测设备执行的操作的概述的示例。
图2是示出了根据第一示例实施例的奇异材料检测设备的功能配置的示例的框图。
图3是示出了实现奇异材料检测设备的计算机的硬件配置的示例的框图。
图4是示出了根据第一示例实施例的由奇异材料检测设备执行的处理流程的示例的流程图。
图5以表格的形式示出了材料规格信息的示例。
图6以表格的形式示出了物理性质信息的示例。
图7以表格的形式示出了自组织映射的结构的示例,在该自组织映射上已经分配了多条材料规格信息。
图8示出了可视化映射空间的示例。
图9示出了从多个集群中的每个集群检测奇异节点的情况的示例。
图10示出了其中奇异节点被突出显示的映射图像的示例。
图11示出了映射图像的示例,其中包括关于与奇异节点相对应的材料规格和物理性质的信息。
具体实施方式
在下文中将参考附图详细描述根据本公开的示例实施例。此外,贯穿附图,彼此对应或彼此相同的组件被分配相同或对应的附图标记(或符号),并且适当地省略其冗余描述。此外,除非另有描述,否则诸如预定值和阈值之类的预定义信息预先存储在可从使用这些值的装置访问的存储设备等中。
[第一示例实施例]
<概述>
图1示出了根据第一示例实施例的由奇异材料检测设备2000执行的操作的概述的示例。注意,图1仅是用于促进理解奇异材料检测设备2000的概述的图,并且由奇异材料检测设备2000执行的操作不限于图1所示的操作。
奇异材料检测设备2000用于从能够在产品开发中的特定过程(下文中也被称为目标过程)中使用的各种类型的材料60中检测能够生成具有奇异物理性质的产品70的材料60。产品70是通过在目标过程的生成过程中处理材料60而预测要生成或实际生成的产品。材料60是用于生成产品70的材料。可以在目标过程中使用各种样式的材料60。产品70的物理性质可以取决于所使用的材料60而变化。
材料60的样式由其材料规格来指定。换言之,材料规格彼此不同的材料60被处理为样式彼此不同的材料60。另一方面,材料规格彼此相同的材料60被处理为样式彼此相同的材料60。
材料规格由例如材料的类型、构成材料的物质的类型、每种物质的混合比率、或为生成材料而执行的处理的类型来表示。材料类型的示例包括碳纤维增强塑料和不锈钢。例如,假设材料60是碳纤维增强塑料。在这种情况下,材料60的材料规格包括构成材料60的一种或多种碳纤维(诸如聚丙烯腈纤维和纤维素碳化纤维)中的每种碳纤维的类型、构成材料60的一种或多种树脂(诸如环氧树脂和聚醚对苯二甲酸酯)中的每种树脂的类型、以及这些材料的混合比率。此外,材料规格还可以包括纤维定向聚合方法的类型、压接方法的类型、或树脂组成。
奇异材料检测设备2000如下文中所描述的进行操作。即,奇异材料检测设备2000针对各种样式的多种材料中的每种材料(换言之,针对由各种样式的相应材料规格指定的材料60)获取材料规格信息10和物理性质信息20,该材料规格信息10表示材料60的材料规格,该物理性质信息20指示能够通过使用材料60在目标过程中生成的产品70的物理性质。物理性质信息20指示产品70的多种类型的物理性质中的每种类型的物理性质的物理性质量。物理性质类型的示例包括不燃性、耐热性、弹性模量或韧性。
奇异材料检测设备2000通过使用物理性质信息20来生成示出产品70的物理性质的分布的自组织映射30。自组织映射30具有布置在m维空间中的多个节点。在下文中,该m维空间被称为映射空间。如下文中将描述的,当奇异材料检测设备2000生成其中将映射空间中的节点的布置可视化的图像时,m被设置为2或3。在这种情况下,例如,节点可以由方格图案的单元或网格图案的网格点来表示。
自组织映射30上的每个节点被分配多维数据(下文中也被称为物理性质向量),该多维数据表示多种类型的物理性质中的每种类型的物理性质的物理性质量的大小。例如,假设使用包括不燃性、耐热性、弹性模量和韧性的四种类型的物理性质。在这种情况下,物理性质向量是表示这四种类型的物理性质中的每种类型的物理性质的物理性质量的大小的四维数据。在下面的描述中,物理性质向量的维数由n表示。注意,n大于m(n>m)。即,在自组织映射30上,物理性质向量的空间是高维空间,而映射空间是低维空间。
物理性质信息20指示至少n种类型的物理性质的物理性质量。奇异材料检测设备2000通过使用由物理性质信息20指示的n种类型的物理性质的物理性质量来执行针对自组织映射30的训练,并且确定要分配给每个节点的物理性质向量,从而生成自组织映射30。
此外,奇异材料检测设备2000向自组织映射30上的节点之一分配多条材料规格信息10中的每一条。具体地,奇异节点检测单元2060确定具有如下物理性质向量的节点,该物理性质向量与从对应于材料规格信息10的物理性质信息20获得的物理性质向量最相似。然后,奇异节点检测单元2060向所确定的节点分配材料规格信息10。
奇异材料检测设备2000从与材料规格信息10相关联的节点之中检测位于这些节点在映射空间中的分布中的奇异位置处的节点作为奇异节点。这意味着奇异节点的位置是映射空间中的与材料规格信息10相关联的节点的分布中的在统计上的奇异位置(即,是异常值)。
<有益效果的示例>
当通过反复试验开发产品时,存在获得具有奇异物理性质的产品的极少情况。这种奇异产品被认为很重要,因为它可能导致通过其研究而发现新原理、新添加剂或新性质。
根据奇异材料检测设备2000,可以检测能够生成奇异产品的材料60。具体地,奇异材料检测设备2000使用物理性质信息20来生成自组织映射30。因此,得到在其上通过节点在映射空间中的布置来示出物理性质的分布的自组织映射30。此外,奇异材料检测设备2000向自组织映射30上的节点分配每条材料规格信息10,并且从被分配材料规格信息10的节点之中检测奇异节点。奇异节点是被分配材料规格信息10的节点之中的距其他节点很远的节点。
注意,映射空间中两个节点之间的距离较大的事实意味着这些节点的物理性质之间的相似度较低。因此,可以认为由分配给奇异节点的材料规格信息10表示的材料60是能够生成具有奇异物理性质的产品70的材料60。因此,奇异材料检测设备2000的用户可以通过使用奇异材料检测设备2000来找到能够生成奇异产品的材料60。
在下文中将更详细地描述根据本示例实施例的奇异材料检测设备2000。
<功能配置的示例>
图2是示出了根据第一示例实施例的奇异材料检测设备2000的功能配置的示例的框图。奇异材料检测设备2000包括获取单元2020、自组织映射生成单元2040和奇异节点检测单元2060。获取单元2020获取各种样式的多种材料60中的每种材料的材料规格信息10和物理性质信息20。自组织映射生成单元2040通过使用物理性质信息20来生成自组织映射30。奇异节点检测单元向自组织映射30上的相应一个节点分配每条材料规格信息10。此外,奇异节点检测单元2060从被分配材料规格信息10的节点之中检测位于这些节点在映射空间中的分布中的奇异位置处的节点作为奇异节点。
<硬件配置的示例>
奇异材料检测设备2000的每个功能组件可以通过实现该功能组件的硬件(例如,硬连线电子电路等)或通过硬件和软件的组合(例如,电子电路和用于控制它的程序等的组合)来实现。在下文中将进一步描述通过硬件和软件的组合来实现奇异材料检测设备2000的每个功能组件的情况。
图3是示出了实现奇异材料检测设备2000的计算机500的硬件配置的示例的框图。计算机500是任意计算机。例如,计算机500是诸如服务器机器或PC(个人计算机)之类的固定计算机。备选地,例如,计算机500是诸如智能电话或平板型终端之类的便携式计算机。计算机500可以是被设计为实现奇异材料检测设备2000的专用计算机,或者可以是通用计算机。
例如,奇异材料检测设备2000的每个功能通过在计算机500中安装预定应用来由计算机500实现。前述应用由用于实现奇异材料检测设备2000的每个功能组件的程序构成。注意,如何获取前述程序是任意确定的。例如,可以从存储有程序的存储介质(如DVD或USB存储器等)获取程序。备选地,例如可以通过从管理存储有程序的存储设备的服务器装置下载程序来获取程序。
计算机500包括总线502、处理器504、存储器506、存储设备508、输入/输出接口510和网络接口512。总线502是处理器504、存储器506、存储设备508、输入/输出接口510和网络接口512彼此发送和接收数据的数据传输路径。然而,用于将处理器504等彼此连接的方法不限于通过总线的连接。
处理器504是诸如CPU(中央处理单元)、GPU(图形处理单元)或FPGA(现场可编程门阵列)之类的各种类型的处理器中的任一种。存储器506是通过使用RAM(随机存取存储器)等实现的主存储设备。存储设备508是通过使用硬盘驱动器、SSD(固态驱动器)、存储卡或ROM(只读存储器)实现的辅助存储设备。
输入/输出接口510是用于将计算机500与输入/输出设备连接的接口。例如,诸如键盘的输入设备和诸如显示设备的输出设备连接到输入/输出接口510。
网络接口512是用于将计算机500连接到网络的接口。该网络可以是LAN(局域网)或WAN(广域网)。
在存储设备508中,存储了用于实现奇异材料检测设备2000的各个功能组件的程序(用于实现上述应用的程序)。处理器504通过将前述程序加载到存储器506上并执行所加载的程序来实现奇异材料检测设备2000的每个功能组件。
奇异材料检测设备2000可以由一台计算机500或由多台计算机500来实现。在后一种情况下,计算机500的配置不需要彼此相同,而是可以彼此不同。
<处理流程>
图4是示出了根据第一示例实施例的由奇异材料检测设备2000执行的处理流程的示例的流程图。获取单元2020获取各种样式的多种材料60中的每种材料的材料规格信息10和物理性质信息20(S102)。自组织映射生成单元2040通过使用物理性质信息20来生成自组织映射30(S104)。奇异节点检测单元2060向自组织映射30上的节点之一分配每条材料规格信息10(S106)。奇异节点检测单元2060从被分配了材料规格信息10的节点之中检测位于这些节点在映射空间中的分布中的奇异位置处的节点作为奇异节点(S108)。
<材料规格信息10和物理性质信息20的获取:S102>
针对能够在目标过程中使用的各种样式的多种材料60中的每种材料,获取单元2020获取表示该材料60的材料规格的材料规格信息10和能够通过使用材料60而生成的产品70的物理性质信息20(S102)。图5以表格的形式示出了材料规格信息10的示例。图5中的表格100具有命名为材料标识信息102的列和命名为材料规格104的列。材料标识信息102指示分配给材料60的标识信息。材料规格104指示材料60的规格。
在图5中,材料规格信息10由表格100中的一条记录来表示。即,材料规格信息10将材料60的标识信息与具有该标识信息的材料60的材料规格相关联。
图6以表格的形式示出了物理性质信息20的示例。图6中的表格200具有命名为产品标识信息202的列和命名为物理性质204的列。产品标识信息202指示产品70的标识信息。物理性质204指示产品70的物理性质。在表格200中,通过指示关联“指示物理性质类型的标签:物理性质的物理性质量”来表示产品70的物理性质。
在图6中,物理性质信息20由表格200中的一条记录来表示。即,物理性质信息20将产品70的标识信息与具有该标识信息的产品70的物理性质相关联。
获取单元2020获取多对材料规格信息10和物理性质信息20。存在获取单元2020获取成对的材料规格信息10和物理性质信息20的各种方法。例如,成对的材料规格信息10和物理性质信息20预先存储在可由奇异材料检测设备2000访问的任意存储设备中。获取单元2020通过访问该存储设备来获取成对的材料规格信息10和物理性质信息20。备选地,例如,获取单元2020可以通过从用户接收用于输入成对的材料规格信息10和物理性质信息20的输入来获取成对的材料规格信息10和物理性质信息20。备选地,例如,获取单元2020可以通过接收从其他装置发送的成对的材料规格信息10和物理性质信息20来获取成对的材料规格信息10和物理性质信息20。
注意,存在用于生成成对的材料规格信息10和物理性质信息20的各种方法。例如,通过执行对产品70的生成的模拟来生成成对的材料规格信息10和物理性质信息20。特别地,通过在输入特定材料规格的情况下执行模拟,来生成指示产品70的每种物理性质的预测物理性质量的物理性质信息20。然后,获得所生成的物理性质信息20和指示作为输入给出的材料规格的材料规格信息10的对。注意,现有技术可以用于上述技术,其中获取材料规格作为输入,并且执行用于输出在特定过程中使用由所获取的材料规格指定的材料所生成的产品的物理性质的预测数据的模拟。
备选地,例如,可以通过实际生产产品70来生成成对的材料规格信息10和物理性质信息20。特别地,通过在目标过程中使用由特定材料规格表示的材料60经由实验生成产品70。此外,通过测量所生成的产品70的每种物理性质的物理性质量来生成物理性质信息20。因此,获得了所生成的物理性质信息20和表示所使用的材料60的材料规格信息10的对。
注意,由获取单元2020获取的多条物理性质信息20可以包括以彼此不同的方式表示数据的物理性质信息。例如,可以想到的是,将不同的标签用于彼此本质上相同的物理性质。此外,可以想到的是,以彼此不同的单位表示相同物理性质的物理性质量。在这种情况下,优选地,获取单元2020将表示数据的方式统一,例如,通过统一标签或执行单位间转换。可以想到的是,例如当获取了通过使用模拟而生成的多条物理性质信息20和通过实际生成产品70而生成的多条物理性质信息20时,可能出现表示多条物理性质信息20的数据的方式彼此不同的这种情况。注意,优选地,也以类似的方式针对材料规格信息10执行表示数据的方式的统一。
<自组织映射30的生成:S104>
自组织映射生成单元2040通过使用物理性质信息20来生成自组织映射30(S104)。自组织映射30具有布置在m维映射空间中的多个节点。可以预先确定或者由用户指定映射空间的维数。
自组织映射30上的每个节点被分配n维物理性质向量。通过自组织映射30的训练来执行物理性质向量到每个节点的分配。可以通过将要用于训练的n维训练数据输入到自组织映射30中来执行自组织映射30的训练。注意,现有方法可以用作用于通过使用训练数据来训练自组织映射的实际方法。
例如,自组织映射生成单元2040通过任意方法初始化自组织映射30。作为初始化方法,例如,可以采用将每个节点的物理性质向量初始化为随机值的方法。自组织映射生成单元2040从所获取的多条物理性质信息20中的每一条物理性质信息提取n种类型的物理性质中的每种类型的物理性质的物理性质量,以生成n维物理性质向量。自组织映射生成单元2040使用每个物理性质向量作为训练数据来执行自组织映射30的训练,从而生成自组织映射30。因此,自组织映射30上的每个节点的物理性质向量变成n维数据,其指示n种类型的物理性质的每个物理性质量的值。
从物理性质信息20获得的物理性质向量可以按原样指示由物理性质信息20表示的n种类型的物理性质的每个物理性质量,或者可以指示通过用预定方法(例如,归一化、标准化等)转换每个物理性质量而获得的值。
注意,由物理性质信息20表示的物理性质的数量可以大于n。在这种情况下,由物理性质信息20表示的一些数据用于生成自组织映射30。注意,可以预先确定或者由用户指定由物理性质信息20表示的哪些类型的物理性质用于生成自组织映射30。
<材料规格信息10的分配:S106>
奇异节点检测单元2060向自组织映射30上的节点之一分配由获取单元2020获取的每条材料规格信息10(S106)。具体地,奇异节点检测单元2060确定具有如下物理性质向量的节点,该物理性质向量与从对应于材料规格信息10的物理性质信息20获得的物理性质向量最相似。然后,奇异节点检测单元2060向所确定的节点分配材料规格信息10。
图7以表格的形式示出了自组织映射30的结构的示例,在该自组织映射上已经分配了多条材料规格信息10。图7中的表格300具有三个列:位置302、物理性质向量304和材料标识信息306。对于一个节点,表格300具有一条记录。
位置302指示节点在m维空间中的坐标。在图7所示的示例中,m为2(m=2),并且将x坐标和y坐标分配给节点。物理性质向量304示出分配给节点的n维物理性质向量。在图7所示的示例中,n为4(n=4)。对于被分配多条材料规格信息10的每个节点,材料标识信息306示出由分配给该节点的材料规格信息10指示的材料60的标识信息。在没有被分配材料规格信息10的节点的记录中,材料标识信息306示出“-”。
<奇异节点的检测:S108>
奇异节点检测单元2060从被分配了材料规格信息10的节点之中检测奇异节点(S108)。奇异节点是被分配了材料规格信息10的节点之中的位于这些节点在映射空间中的分布中的奇异位置处的节点。
例如,奇异节点检测单元2060基于被分配了材料规格信息10的节点在映射空间中的位置的分布来确定参考位置和奇异性阈值,并且通过使用所确定的参考位置和奇异性阈值来检测奇异节点。参考位置和奇异性阈值被确定为使得被分配了材料规格信息10的节点之中的距参考位置的距离大于奇异性阈值的节点成为上述分布中的从统计的角度来看具有奇异性的位置。然后,被分配了材料规格信息10的节点之中的距参考位置的距离大于奇异性阈值的节点被检测为奇异节点。
例如,奇异节点检测单元2060基于被分配材料规格信息10的每个节点在映射空间中的位置来计算这些节点的质心或几何中心,并且使用所计算的位置作为参考位置。此外,奇异节点检测单元2060基于被分配材料规格信息10的每个节点在映射空间中的位置来计算指示这些节点的分布大小的统计值(诸如标准差),并且将它们的统计值或通过将统计值乘以正实数而获得的值计算为奇异性阈值。注意,现有技术可以用于基于多维空间中的多个位置来计算这些位置的质心或几何中心的技术,以及用于计算指示这些位置的分布大小的统计值的技术。
对于被分配材料规格信息10的每个节点,奇异节点检测单元2060计算该节点与参考位置之间的距离,并确定所计算的距离是否大于奇异性阈值。然后,奇异节点检测单元2060检测距参考位置的距离被确定为大于奇异性阈值的节点作为奇异节点。
图8示出了可视化映射空间的示例。在图8所示的示例中,映射空间的维数是2。每个节点由方格图案的单元来表示。指示物42示出能够指定与节点相关联的材料规格信息10所依据的信息。具体地,在图8所示的示例中,指示物42示出了材料标识信息。参考位置44表示所述参考位置。区域46表示距参考位置44的距离等于或小于奇异性阈值的范围。
在图8中,与指示P109的指示物42相对应的节点位于区域46之外。即,该节点的位置是距参考位置44的距离大于奇异性阈值的位置。因此,该节点被检测为奇异节点。
<节点的聚类>
在图8所示的示例中,基于被分配材料规格信息10的所有节点的分布来检测奇异节点。在这点上,奇异节点检测单元2060可以将被分配材料规格信息10的节点划分为多个集群,并从每个集群检测奇异节点。例如,对于被分配材料规格信息10的每个节点,奇异节点检测单元2060向该节点分配多维数据(下文中也被称为规格向量),该多维数据表示由对应材料规格信息10指示的多种类型的参数中的每种类型的参数的值。然后,奇异节点检测单元2060通过基于对应规格向量对被分配材料规格信息10的多个节点执行聚类来将它们划分为多个集群。注意,诸如k均值法的任意聚类算法可以用作用于聚类的方法。
注意,规格向量可以指示由材料规格信息10指示的所有参数的值或者可以指示所有参数中的一些参数的值。即,当规格向量的维数由k表示时,k的值可以等于由材料规格信息10指示的参数的数量或者小于由材料规格信息10指示的参数的数量。
例如,假设材料规格信息10指示具有连续值的参数(例如,物质的混合比率)和不具有连续值的参数(例如,处理的类型等)两者。在这种情况下,例如通过仅使用具有连续值的参数来生成规格向量。
注意,可以预先确定或者由用户指定由材料规格信息10指示的参数中的哪种参数用于生成规格向量。此外,规格向量可以按原样指示由材料规格信息10指示的参数的值,或者可以指示通过用预定方法(例如,归一化、标准化等)转换相应参数的值而获得的值。
用于聚类的方法不限于使用规格向量的方法。例如,奇异节点检测单元2060可以基于由材料规格信息10指示的材料的类型对节点执行聚类。例如,由奇异材料检测设备2000获取的材料规格信息10可以包括类型彼此不同的材料60,诸如包括被分类为碳纤维增强塑料的材料60和被分类为不锈钢的材料60。因此,奇异节点检测单元2060根据由所分配的材料规格信息10指示的材料60的类型将节点分类到集群中。以这种方式,可以针对每种类型的材料60检测奇异节点。
此外,在奇异节点检测单元2060针对每种类型的材料60生成集群之后,可以基于规格向量进一步将聚类应用于每个集群。
奇异节点检测单元2060针对每个集群计算参考位置和奇异性阈值。注意,假设集群总数为Nc。此外,第i个集群被表示为集群i。此外,针对集群i计算的参考位置和奇异性阈值分别被表示为参考位置i和奇异性阈值i。例如,奇异节点检测单元2060通过对每个集群i(i=1、2、...、Nc)执行以下处理来检测每个集群的奇异节点。
首先,奇异节点检测单元2060基于被分配材料规格信息10的节点之中的包括在集群i中的多个节点的位置来计算参考位置i和奇异性阈值i。可以采用与在不执行聚类的情况下使用的方法类似的计算方法。也就是说,例如,奇异节点检测单元2060针对被分配材料规格信息10的节点之中的包括在集群i中的多个节点的位置计算质心或几何中心的位置,并且将所计算的质心等的位置处理为参考位置i。此外,例如,奇异节点检测单元2060计算统计值,该统计值表示被分配材料规格信息10的节点之中的包括在集群i中的多个节点的位置的分布大小,并且将所计算的统计值或通过将统计值乘以正实数而获得的值处理为奇异性阈值。
此外,对于被分配材料规格信息10的节点之中的包括在集群i中的每个节点,奇异节点检测单元2060确定该节点的位置与参考位置i之间的距离是否大于奇异性阈值i。然后,奇异节点检测单元2060检测距参考位置i的距离被确定为大于奇异性阈值i的节点作为集群i中的奇异节点。
图9示出了从多个集群中的每个集群检测奇异节点的情况的示例。在图9所示的示例中,将被分配材料规格信息10的节点划分为两个集群。对于被分类到集群1中的每个节点,指示物42的边框由实线表示。同时,对于被分类到集群2中的每个节点,指示物42的边框由虚线表示。
参考位置44—1表示针对集群1计算的参考位置。此外,区域46-1表示距参考位置44-1的距离等于或小于针对集群1计算的奇异性阈值的范围。在被分类在集群1中的节点之中,材料标识信息为P102的节点位于区域46-1之外。因此,该节点被检测为集群1的奇异节点。
同时,参考位置44—2表示针对集群2计算的参考位置。此外,区域46—2表示距参考位置44—2的距离等于或小于针对集群2计算的奇异性阈值的范围。注意,被分类到集群2中的所有节点都位于区域46—2内。因此,从集群2中未检测到奇异节点。
下文中将描述通过执行上述聚类而获得的有益效果。当通过使用材料规格彼此相似的材料60来生成产品70时,所生成的产品70将彼此相似的可能性很高。因此,被分配彼此相似的材料规格信息10的节点在映射空间中位于彼此接近的位置处的可能性很高。因此,可以认为,如果在被分配彼此相似的材料规格信息10的节点之中存在其位置在映射空间中具有奇异性的节点,则分配给该节点的材料规格信息10表示奇异材料60。
因此,奇异材料检测设备2000基于材料规格来执行聚类,并检测每个集群的奇异节点。这样,可以从彼此相似的材料60中检测能够生成奇异产品70的材料60。
<处理结果的输出>
奇异材料检测设备2000输出表示处理结果的输出信息。该输出信息包括可以获知所检测到的奇异节点所依据的信息。可以获知所检测到的奇异节点所依据的信息包括例如示出可视化映射空间的图像(下文中也被称为映射图像)和包括该图像的屏幕的数据(例如,示出该图像的窗口)。在下面的描述中,生成这种映射图像的功能组件被称为映射图像生成单元(未示出)。
注意,优选地,在映射图像中,奇异节点被突出显示,使得奇异节点可以容易地与其他节点区分开。图10示出了其中奇异节点被突出显示的映射图像的示例。注意,除了与奇异节点相对应的指示物42被突出显示之外,图10所示的映射图像40类似于图8所示的映射图像。
在图10中,奇异节点是材料标识信息为P109的节点。因此,附于该节点的指示物42的尺寸比其他指示物42的尺寸大,并且其边框比其他指示物42的边框粗。
这里,假设奇异材料检测设备2000的用户对与奇异节点相对应的材料规格和物理性质感兴趣。因此,例如,映射图像40可以包括关于与奇异节点相关联的材料规格和物理性质的信息。
图11示出了映射图像40的示例,其中包括关于与奇异节点相对应的材料规格和物理性质的信息。除了指示物42的内容与图10所示的不同之外,图11所示的与图10所示的相同。在图11中,奇异节点的指示物42将材料标识信息“P109”和作为物质A至物质C的混合比率的材料规格示出为与奇异节点相对应的材料规格信息10的内容。此外,奇异节点的指示物42还将物理性质U、V和W的物理性质量分别示出为与奇异节点相对应的物理性质的内容。
注意,在包括映射图像40的屏幕数据被包括在输出信息中的情况下,它可以被配置为在由该屏幕数据表示的屏幕上接收来自用户的输入并且响应于该输入而输出与节点相关的信息。例如,在首先被输出到由用户使用的终端的显示设备的屏幕上,图10所示的映射图像40被示出作为默认图像。即,将材料标识信息用作每个节点的指示物42的内容。此后,当用户执行用于指定特定节点的输入操作(例如,轻击、点击、或将鼠标指示器放置在节点的指示物42上方)时,该节点的指示物42被改变为示出如图11所示的指示物42所示出的材料规格和物理性质的指示物42。
注意,分配给节点的物理性质向量的每个元素的值可以不表示物理性质量本身,而是可以表示通过归一化等对其进行转换而获得的值。在这种情况下,奇异材料检测设备2000将由用户指定的节点的物理性质向量的元素的值转换为实际的物理性质量,并且将通过转换而获得的物理性质量包括到指示物42中。
输出信息不限于映射图像40或包括映射图像的屏幕。例如,输出信息可以是指示关于奇异节点的信息(诸如关于其在映射空间中的位置、向其分配的材料规格信息10的内容、以及由所分配的物理性质向量表示的产品70的物理性质的信息)的文本信息。此外,输出信息还可以基于奇异节点在映射空间中的位置来指示奇异节点的奇异性程度。例如,奇异性程度可以由通过将奇异节点与参考位置之间的距离除以奇异性阈值而获得的值来表示。该奇异性程度也可以包括在映射图像40中。
注意,如何将输出信息输出是任意确定的。例如,奇异材料检测设备2000将输出信息放入可由奇异材料检测设备2000访问的任意存储设备中。备选地,例如,奇异材料检测设备2000在可由奇异材料检测设备2000控制的任意显示设备上显示输出信息。备选地,例如,奇异材料检测设备2000将输出信息发送给可通信地连接到奇异材料检测设备2000的任意设备。
尽管上面参考示例实施例描述了本发明,但本发明不限于上述示例实施例。在本发明的范围内,可以对本发明的配置和细节作出本领域技术人员可以理解的各种修改。
注意,在上述示例中,可以使用任何类型的非暂时性计算机可读介质存储程序并将其提供给计算机。非暂时性计算机可读介质包括任何类型的有形存储介质。非暂时性计算机可读介质的示例包括磁存储介质(例如软盘、磁带、硬盘驱动器等)、光磁存储介质(例如磁光盘)、CD-ROM、CD-R、CD-R/W以及半导体存储器(例如掩模ROM、PROM(可编程ROM)、EPROM(可擦除PROM)、闪存ROM、RAM等)。此外,可以使用任何类型的暂时性计算机可读介质将程序提供给计算机。暂时性计算机可读介质的示例包括电信号、光信号和电磁波。暂时性计算机可读介质可以通过有线通信线路(例如电线和光纤)或无线通信线路向计算机提供程序。
上文公开的全部或部分示例实施例可以描述为但不限于以下补充注释。
(补充注释1)
一种奇异材料检测设备,包括:
获取装置,用于针对能够在目标过程中使用的多种样式的材料中的每种样式的材料,获取材料规格信息和物理性质信息,所述材料规格信息表示所述材料的材料规格,所述物理性质信息指示能够通过使用所述材料在所述目标过程中生成的产品的多种物理性质中的每种物理性质的物理性质量;
自组织映射生成装置,用于通过使用所述物理性质信息来生成自组织映射,在所述自组织映射上,每个节点被分配映射空间中的位置和物理性质向量,所述物理性质向量指示与所述产品的多种类型的物理性质中的每种类型的物理性质的物理性质量相关的值;以及
奇异节点检测装置,用于基于与所述材料规格信息相对应的物理性质信息向所述节点之一分配每条材料规格信息,并且从被分配所述材料规格信息的节点之中检测所述映射空间中位于奇异位置处的奇异节点。
(补充注释2)
根据补充注释1所述的奇异材料检测设备,
其中,对于多条材料规格信息中的每一条,所述奇异节点检测装置向被分配如下物理性质向量的节点分配所述材料规格信息,所述物理性质向量与从对应于所述材料规格信息的物理性质信息获得的物理性质向量最相似。
(补充注释3)
根据补充注释1或2所述的奇异材料检测设备,
其中,所述奇异节点检测装置从被分配所述材料规格信息的节点之中检测距所述映射空间中的参考位置的距离大于阈值的节点作为奇异节点。
(补充注释4)
根据补充注释3所述的奇异材料检测设备,
其中,所述奇异节点检测装置执行:
使用被分配所述材料规格信息的多个节点的质心或几何中心作为所述参考位置;以及
使用统计值或者通过将所述统计值乘以预定正实数而获得的值作为所述阈值,所述统计值表示被分配所述材料规格信息的所述多个节点的位置分布的大小。
(补充注释5)
根据补充注释1至4中任一项所述的奇异材料检测设备,
其中,所述奇异节点检测装置执行:
基于所述材料规格信息,将被分配所述材料规格信息的多个节点划分为多个集群;以及
针对所述多个集群中的每个集群,基于所述映射空间中的包括在所述集群中的节点的位置分布来从属于所述集群的节点之中检测奇异节点。
(补充注释6)
根据补充注释1至5中任一项所述的奇异材料检测设备,还包括用于生成映射图像的映射图像生成装置,所述映射图像示出布置在所述映射空间中的每个节点,
其中,所述映射图像包括指示所述奇异节点的指示物。
(补充注释7)
根据补充注释6所述的奇异材料检测设备,
其中,指示所述奇异节点的所述指示物指示由分配给所述奇异节点的材料规格信息表示的材料规格和由分配给所述奇异节点的物理性质向量表示的物理性质中的一者或两者。
(补充注释8)
一种由计算机执行的控制方法,包括:
获取步骤,针对能够在目标过程中使用的多种样式的材料中的每种样式的材料,获取材料规格信息和物理性质信息,所述材料规格信息表示所述材料的材料规格,所述物理性质信息指示能够通过使用所述材料在所述目标过程中生成的产品的多种物理性质中的每种物理性质的物理性质量;
自组织映射生成步骤,通过使用所述物理性质信息来生成自组织映射,在所述自组织映射上,每个节点被分配映射空间中的位置和物理性质向量,所述物理性质向量指示与所述产品的多种类型的物理性质中的每种类型的物理性质的物理性质量相关的值;以及
奇异节点检测步骤,用于基于与所述材料规格信息相对应的物理性质信息向所述节点之一分配每条材料规格信息,并且从被分配所述材料规格信息的节点之中检测所述映射空间中位于奇异位置处的奇异节点。
(补充注释9)
根据补充注释8所述的控制方法,
其中,在所述奇异节点检测步骤中,针对多条材料规格信息中的每一条,向被分配如下物理性质向量的节点分配所述材料规格信息,所述物理性质向量与从对应于所述材料规格信息的物理性质信息获得的物理性质向量最相似。
(补充注释10)
根据补充注释8或9所述的控制方法,
其中,在所述奇异节点检测步骤中,从被分配所述材料规格信息的节点之中检测距所述映射空间中的参考位置的距离大于阈值的节点作为奇异节点。
(补充注释11)
根据补充注释10所述的控制方法,
其中,在所述奇异节点检测步骤中:
使用被分配所述材料规格信息的多个节点的质心或几何中心作为所述参考位置,并且
使用统计值或者通过将所述统计值乘以预定正实数而获得的值作为所述阈值,所述统计值表示被分配所述材料规格信息的所述多个节点的位置分布的大小。
(补充注释12)
根据补充注释8至11中任一项所述的控制方法,
其中,在所述奇异节点检测步骤中:
基于所述材料规格信息,将被分配所述材料规格信息的多个节点划分为多个集群;以及
针对所述多个集群中的每个集群,基于所述映射空间中的包括在所述集群中的节点的位置分布来从属于所述集群的节点之中检测奇异节点。
(补充注释13)
根据补充注释8至12中任一项所述的控制方法,还包括生成映射图像的映射图像生成步骤,所述映射图像示出布置在所述映射空间中的每个节点,
其中,所述映射图像包括指示所述奇异节点的指示物。
(补充注释14)
根据补充注释13所述的控制方法,
其中,指示所述奇异节点的所述指示物指示由分配给所述奇异节点的材料规格信息表示的材料规格和由分配给所述奇异节点的物理性质向量表示的物理性质中的一者或两者。
(补充注释15)
一种非暂时性计算机可读介质,用于使计算机执行:
获取步骤,针对能够在目标过程中使用的多种样式的材料中的每种样式的材料,获取材料规格信息和物理性质信息,所述材料规格信息表示所述材料的材料规格,所述物理性质信息指示能够通过使用所述材料在所述目标过程中生成的产品的多种物理性质中的每种物理性质的物理性质量;
自组织映射生成步骤,通过使用所述物理性质信息来生成自组织映射,在所述自组织映射上,每个节点被分配映射空间中的位置和物理性质向量,所述物理性质向量指示与所述产品的多种类型的物理性质中的每种类型的物理性质的物理性质量相关的值;以及
奇异节点检测步骤,用于基于与所述材料规格信息相对应的物理性质信息向所述节点之一分配每条材料规格信息,并且从被分配所述材料规格信息的节点之中检测所述映射空间中位于奇异位置处的奇异节点。
(补充注释16)
根据补充注释15所述的非暂时性计算机可读介质,
其中,在所述奇异节点检测步骤中,针对多条材料规格信息中的每一条,向被分配如下物理性质向量的节点分配所述材料规格信息,所述物理性质向量与从对应于所述材料规格信息的物理性质信息获得的物理性质向量最相似。
(补充注释17)
根据补充注释15或16所述的非暂时性计算机可读介质,
其中,在所述奇异节点检测步骤中,从被分配所述材料规格信息的节点之中检测距所述映射空间中的参考位置的距离大于阈值的节点作为奇异节点。
(补充注释18)
根据补充注释17所述的非暂时性计算机可读介质,
其中,在所述奇异节点检测步骤中:
使用被分配所述材料规格信息的多个节点的质心或几何中心作为所述参考位置,并且
使用统计值或者通过将所述统计值乘以预定正实数而获得的值作为所述阈值,所述统计值表示被分配所述材料规格信息的所述多个节点的位置分布的大小。
(补充注释19)
根据补充注释15至18中任一项所述的非暂时性计算机可读介质,
其中,在所述奇异节点检测步骤中:
基于所述材料规格信息,将被分配所述材料规格信息的多个节点划分为多个集群;以及
针对所述多个集群中的每个集群,基于所述映射空间中的包括在所述集群中的节点的位置分布来从属于所述集群的节点之中检测奇异节点。
(补充注释20)
根据补充注释15至19中任一项所述的非暂时性计算机可读介质,还包括生成映射图像的映射图像生成步骤,所述映射图像示出布置在所述映射空间中的每个节点,
其中,所述映射图像包括指示所述奇异节点的指示物。
(补充注释21)
根据补充注释20所述的非暂时性计算机可读介质,
其中,指示所述奇异节点的所述指示物指示由分配给所述奇异节点的材料规格信息表示的材料规格和由分配给所述奇异节点的物理性质向量表示的物理性质中的一者或两者。
本申请基于并要求在2021年3月18日提交的日本专利申请No.2021-044487的优先权,其全部公开通过引用并入本文。
附图标记列表
10 材料规格信息
20 物理性质信息
30 自组织映射
40 映射图像
42 指示物
44 参考位置
46 区域
60 材料
70 产品
100 表格
102 材料标识信息
104 材料规格
200 表格
202 产品标识信息
204 物理性质
300 表格
302 位置
304 物理性质向量
306 材料标识信息
500 计算机
502总线
504处理器
506存储器
508存储设备
510输入/输出接口
512网络接口
2000奇异材料检测设备
2020获取单元
2040自组织映射生成单元
2060奇异节点检测单元。
Claims (21)
1.一种奇异材料检测设备,包括:
获取装置,用于针对能够在目标过程中使用的多种样式的材料中的每种样式的材料,获取材料规格信息和物理性质信息,所述材料规格信息表示所述材料的材料规格,所述物理性质信息指示能够通过使用所述材料在所述目标过程中生成的产品的多种物理性质中的每种物理性质的物理性质量;
自组织映射生成装置,用于通过使用所述物理性质信息来生成自组织映射,在所述自组织映射上,每个节点被分配映射空间中的位置和物理性质向量,所述物理性质向量指示与所述产品的多种类型的物理性质中的每种类型的物理性质的物理性质量相关的值;以及
奇异节点检测装置,用于基于与所述材料规格信息相对应的物理性质信息向所述节点之一分配每条材料规格信息,并且从被分配所述材料规格信息的节点之中检测所述映射空间中位于奇异位置处的奇异节点。
2.根据权利要求1所述的奇异材料检测设备,
其中,对于多条材料规格信息中的每一条,所述奇异节点检测装置向被分配如下物理性质向量的节点分配所述材料规格信息,所述物理性质向量与从对应于所述材料规格信息的物理性质信息获得的物理性质向量最相似。
3.根据权利要求1或2所述的奇异材料检测设备,
其中,所述奇异节点检测装置从被分配所述材料规格信息的节点之中检测距所述映射空间中的参考位置的距离大于阈值的节点作为奇异节点。
4.根据权利要求3所述的奇异材料检测设备,
其中,所述奇异节点检测装置执行:
使用被分配所述材料规格信息的多个节点的质心或几何中心作为所述参考位置;以及
使用统计值或者通过将所述统计值乘以预定正实数而获得的值作为所述阈值,所述统计值表示被分配所述材料规格信息的所述多个节点的位置分布的大小。
5.根据权利要求1至4中任一项所述的奇异材料检测设备,
其中,所述奇异节点检测装置执行:
基于所述材料规格信息,将被分配所述材料规格信息的多个节点划分为多个集群;以及
针对所述多个集群中的每个集群,基于所述映射空间中的包括在所述集群中的节点的位置分布来从属于所述集群的节点之中检测奇异节点。
6.根据权利要求1至5中任一项所述的奇异材料检测设备,还包括用于生成映射图像的映射图像生成装置,所述映射图像示出布置在所述映射空间中的每个节点,
其中,所述映射图像包括指示所述奇异节点的指示物。
7.根据权利要求6所述的奇异材料检测设备,
其中,指示所述奇异节点的所述指示物指示由分配给所述奇异节点的材料规格信息表示的材料规格和由分配给所述奇异节点的物理性质向量表示的物理性质中的一者或两者。
8.一种由计算机执行的控制方法,包括:
获取步骤,针对能够在目标过程中使用的多种样式的材料中的每种样式的材料,获取材料规格信息和物理性质信息,所述材料规格信息表示所述材料的材料规格,所述物理性质信息指示能够通过使用所述材料在所述目标过程中生成的产品的多种物理性质中的每种物理性质的物理性质量;
自组织映射生成步骤,通过使用所述物理性质信息来生成自组织映射,在所述自组织映射上,每个节点被分配映射空间中的位置和物理性质向量,所述物理性质向量指示与所述产品的多种类型的物理性质中的每种类型的物理性质的物理性质量相关的值;以及
奇异节点检测步骤,用于基于与所述材料规格信息相对应的物理性质信息向所述节点之一分配每条材料规格信息,并且从被分配所述材料规格信息的节点之中检测所述映射空间中位于奇异位置处的奇异节点。
9.根据权利要求8所述的控制方法,
其中,在所述奇异节点检测步骤中,针对多条材料规格信息中的每一条,向被分配如下物理性质向量的节点分配所述材料规格信息,所述物理性质向量与从对应于所述材料规格信息的物理性质信息获得的物理性质向量最相似。
10.根据权利要求8或9所述的控制方法,
其中,在所述奇异节点检测步骤中,从被分配所述材料规格信息的节点之中检测距所述映射空间中的参考位置的距离大于阈值的节点作为奇异节点。
11.根据权利要求10所述的控制方法,
其中,在所述奇异节点检测步骤中:
使用被分配所述材料规格信息的多个节点的质心或几何中心作为所述参考位置,并且
使用统计值或者通过将所述统计值乘以预定正实数而获得的值作为所述阈值,所述统计值表示被分配所述材料规格信息的所述多个节点的位置分布的大小。
12.根据权利要求8至11中任一项所述的控制方法,
其中,在所述奇异节点检测步骤中:
基于所述材料规格信息,将被分配所述材料规格信息的多个节点划分为多个集群;以及
针对所述多个集群中的每个集群,基于所述映射空间中的包括在所述集群中的节点的位置分布来从属于所述集群的节点之中检测奇异节点。
13.根据权利要求8至12中任一项所述的控制方法,还包括生成映射图像的映射图像生成步骤,所述映射图像示出布置在所述映射空间中的每个节点,
其中,所述映射图像包括指示所述奇异节点的指示物。
14.根据权利要求13所述的控制方法,
其中,指示所述奇异节点的所述指示物指示由分配给所述奇异节点的材料规格信息表示的材料规格和由分配给所述奇异节点的物理性质向量表示的物理性质中的一者或两者。
15.一种非暂时性计算机可读介质,用于使计算机执行:
获取步骤,针对能够在目标过程中使用的多种样式的材料中的每种样式的材料,获取材料规格信息和物理性质信息,所述材料规格信息表示所述材料的材料规格,所述物理性质信息指示能够通过使用所述材料在所述目标过程中生成的产品的多种物理性质中的每种物理性质的物理性质量;
自组织映射生成步骤,通过使用所述物理性质信息来生成自组织映射,在所述自组织映射上,每个节点被分配映射空间中的位置和物理性质向量,所述物理性质向量指示与所述产品的多种类型的物理性质中的每种类型的物理性质的物理性质量相关的值;以及
奇异节点检测步骤,用于基于与所述材料规格信息相对应的物理性质信息向所述节点之一分配每条材料规格信息,并且从被分配所述材料规格信息的节点之中检测所述映射空间中位于奇异位置处的奇异节点。
16.根据权利要求15所述的非暂时性计算机可读介质,
其中,在所述奇异节点检测步骤中,针对多条材料规格信息中的每一条,向被分配如下物理性质向量的节点分配所述材料规格信息,所述物理性质向量与从对应于所述材料规格信息的物理性质信息获得的物理性质向量最相似。
17.根据权利要求15或16所述的非暂时性计算机可读介质,
其中,在所述奇异节点检测步骤中,从被分配所述材料规格信息的节点之中检测距所述映射空间中的参考位置的距离大于阈值的节点作为奇异节点。
18.根据权利要求17所述的非暂时性计算机可读介质,
其中,在所述奇异节点检测步骤中:
使用被分配所述材料规格信息的多个节点的质心或几何中心作为所述参考位置,并且
使用统计值或者通过将所述统计值乘以预定正实数而获得的值作为所述阈值,所述统计值表示被分配所述材料规格信息的所述多个节点的位置分布的大小。
19.根据权利要求15至18中任一项所述的非暂时性计算机可读介质,
其中,在所述奇异节点检测步骤中:
基于所述材料规格信息,将被分配所述材料规格信息的多个节点划分为多个集群;以及
针对所述多个集群中的每个集群,基于所述映射空间中的包括在所述集群中的节点的位置分布来从属于所述集群的节点之中检测奇异节点。
20.根据权利要求15至19中任一项所述的非暂时性计算机可读介质,还包括生成映射图像的映射图像生成步骤,所述映射图像示出布置在所述映射空间中的每个节点,
其中,所述映射图像包括指示所述奇异节点的指示物。
21.根据权利要求20所述的非暂时性计算机可读介质,
其中,指示所述奇异节点的所述指示物指示由分配给所述奇异节点的材料规格信息表示的材料规格和由分配给所述奇异节点的物理性质向量表示的物理性质中的一者或两者。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2021044487 | 2021-03-18 | ||
JP2021-044487 | 2021-03-18 | ||
PCT/JP2022/005625 WO2022196208A1 (ja) | 2021-03-18 | 2022-02-14 | 特異材料検出装置、制御方法、及び非一時的なコンピュータ可読媒体 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117043781A true CN117043781A (zh) | 2023-11-10 |
Family
ID=83322234
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202280022384.XA Pending CN117043781A (zh) | 2021-03-18 | 2022-02-14 | 奇异材料检测设备、控制方法和非暂时性计算机可读介质 |
Country Status (5)
Country | Link |
---|---|
US (1) | US20240152664A1 (zh) |
EP (1) | EP4310718A1 (zh) |
JP (1) | JP7572664B2 (zh) |
CN (1) | CN117043781A (zh) |
WO (1) | WO2022196208A1 (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2024135553A1 (ja) * | 2022-12-23 | 2024-06-27 | 株式会社レゾナック | 設計評価装置、設計評価方法及びプログラム |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4993428B2 (ja) | 2005-09-22 | 2012-08-08 | 日産自動車株式会社 | 最適化システム、最適化方法、最適化プログラム、及びプログラム媒体 |
JP4888227B2 (ja) * | 2007-05-25 | 2012-02-29 | 横浜ゴム株式会社 | データ解析プログラム、データ解析装置、構造体の設計プログラム、および構造体の設計装置 |
JP6561455B2 (ja) | 2014-11-19 | 2019-08-21 | 横浜ゴム株式会社 | データの分析方法およびデータの表示方法 |
JP6589285B2 (ja) | 2015-02-12 | 2019-10-16 | 横浜ゴム株式会社 | データの分析方法およびデータの表示方法 |
JP2021044487A (ja) | 2019-09-13 | 2021-03-18 | シーアンドディー セミコンダクター サービシーズ,インコーポレイテッド | スピンコーティング装置におけるクリーニングのための、基板材料の底部表面および/またはその縁部の最適露出 |
-
2022
- 2022-02-14 JP JP2023506875A patent/JP7572664B2/ja active Active
- 2022-02-14 US US18/282,145 patent/US20240152664A1/en active Pending
- 2022-02-14 CN CN202280022384.XA patent/CN117043781A/zh active Pending
- 2022-02-14 WO PCT/JP2022/005625 patent/WO2022196208A1/ja active Application Filing
- 2022-02-14 EP EP22770967.2A patent/EP4310718A1/en active Pending
Also Published As
Publication number | Publication date |
---|---|
US20240152664A1 (en) | 2024-05-09 |
JP7572664B2 (ja) | 2024-10-24 |
EP4310718A1 (en) | 2024-01-24 |
WO2022196208A1 (ja) | 2022-09-22 |
JPWO2022196208A1 (zh) | 2022-09-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2019045894A (ja) | 検索プログラム、検索方法、及び、検索プログラムが動作する情報処理装置 | |
CN110188825B (zh) | 基于离散多视图聚类的图像聚类方法、系统、设备及介质 | |
CN116015837A (zh) | 用于计算机网络信息安全的入侵检测方法及系统 | |
CN117043781A (zh) | 奇异材料检测设备、控制方法和非暂时性计算机可读介质 | |
CN114065693A (zh) | 超大规模集成电路结构布局的优化方法、系统和电子设备 | |
KR20150112832A (ko) | 산출 프로그램, 산출 장치 및 산출 방법 | |
CN108875901B (zh) | 神经网络训练方法以及通用物体检测方法、装置和系统 | |
CN104598702A (zh) | 测试报告生成方法及系统 | |
CN112949576A (zh) | 姿态估计方法、装置、设备及存储介质 | |
Dalton | Optimal ROC-based classification and performance analysis under Bayesian uncertainty models | |
WO2022196206A1 (ja) | 推奨データ生成装置、制御方法、及び非一時的なコンピュータ可読媒体 | |
EP4145327A1 (en) | System for estimating characteristic value of material | |
CN117043780A (zh) | 物理性质映射图像生成设备、控制方法和非暂时性计算机可读介质 | |
WO2023181167A1 (ja) | マップ生成装置、マップ生成方法、及び非一時的なコンピュータ可読媒体 | |
US11853348B2 (en) | Multidimensional digital content search | |
KR20150070938A (ko) | 공간 분할 방법, 공간 분할 장치 및 기억 매체 | |
CN117043779A (zh) | 映射图像生成设备、控制方法和非暂时性计算机可读介质 | |
WO2023195152A1 (ja) | 推奨データ生成装置、推奨データ生成方法、及び非一時的なコンピュータ可読媒体 | |
Cordel II et al. | Fast emulation of self-organizing maps for large datasets | |
US20140201339A1 (en) | Method of conditioning communication network data relating to a distribution of network entities across a space | |
KR20240028822A (ko) | 사용자 맞춤형 솔루션을 제공하기 위한 다중 센서 기반의 예측 모델 생성 방법 및 그러한 방법을 수행하는 전자 장치 | |
CN112287951B (zh) | 基于图像分析的数据输出方法、装置、介质和计算设备 | |
Ferraz et al. | Complex indoor scene classification based on a new feature descriptor | |
CN106127257B (zh) | 一种数据分类方法及电子设备 | |
US10754879B2 (en) | Signal identification |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |