JP2018109876A - センサ設計支援装置、センサ設計支援方法およびコンピュータプログラム - Google Patents
センサ設計支援装置、センサ設計支援方法およびコンピュータプログラム Download PDFInfo
- Publication number
- JP2018109876A JP2018109876A JP2017000249A JP2017000249A JP2018109876A JP 2018109876 A JP2018109876 A JP 2018109876A JP 2017000249 A JP2017000249 A JP 2017000249A JP 2017000249 A JP2017000249 A JP 2017000249A JP 2018109876 A JP2018109876 A JP 2018109876A
- Authority
- JP
- Japan
- Prior art keywords
- data
- sensor
- inter
- sensors
- classification model
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/3003—Monitoring arrangements specially adapted to the computing system or computing system component being monitored
- G06F11/3024—Monitoring arrangements specially adapted to the computing system or computing system component being monitored where the computing system component is a central processing unit [CPU]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/3089—Monitoring arrangements determined by the means or processing involved in sensing the monitored data, e.g. interfaces, connectors, sensors, probes, agents
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Software Systems (AREA)
- Computing Systems (AREA)
- Evolutionary Computation (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Quality & Reliability (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Computer Hardware Design (AREA)
- Geometry (AREA)
- Medical Informatics (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Testing And Monitoring For Control Systems (AREA)
- Testing Or Calibration Of Command Recording Devices (AREA)
Abstract
【解決手段】本発明の実施形態としてセンサ設計支援装置は、監視対象を監視する複数のセンサのそれぞれから第1〜第kの条件が成立した場合に取得された第1〜第kのデータの任意の2つを組合せて、前記センサごとに複数のデータ組を生成し、前記センサごとに、前記複数のデータ組に対する複数のデータ間特徴量を計算するデータ間特徴量算出部と、前記第1〜第kの条件のそれぞれが成立したときの前記監視対象の状態を表す状態データを用いて、前記センサごとの前記複数のデータ間特徴量と、前記センサごとの前記複数のデータ間特徴量に対応する複数の係数とを、前記監視対象の状態を特定するための値に関連づけた分類モデルを最適化することにより、前記複数の係数の値を算出するモデル構築部とを備える。
【選択図】図7
Description
学習データ保持部9は、学習データテーブルを保持する。図8に、学習データテーブル例を示す。i番目のセンサIDを持つセンサ(センサi)に対して、k個の学習データの値が保持されている。学習データの値は、センサの計測値そのものでもよいし、計測値を統計処理した値でもよいし、その他、計測値に基づき算出される任意の値でよい。これらを総称して、センサ特徴量と呼んでもよい。
分類ラベルデータ保持部10は、状態データの一例である分類ラベルデータを保持する。分類ラベルデータは、各学習データIDに対応する条件が成立したときにおける監視対象の状態(クラス)を保持する。クラスは、目的の分類問題に応じて決まる。ここでは、正常か異常かの分類を行う異常検知の場合を想定し、正常クラスと異常クラスがあるとする。
データ間特徴量算出部11は、学習データテーブルから、各センサの学習データ1〜kを読み出す。データ間特徴量算出部11は、センサごとに、学習データ1〜kの任意の2つの要素を組み合わせて複数のデータ組を生成し、各データ組について、学習データ間の特徴量(以下、データ間特徴量)を算出する。そして、生成したデータ間特徴量を、k行k列を持つマトリックスの該当するセルに格納することで、テーブル(データ間特徴量テーブル)を生成する。データ間特徴量テーブルは、センサごとに生成される。
データ処理部12は、データ間特徴量算出部11から各センサiのデータ間特徴量テーブルを受け取る。また、データ処理部12は、分類ラベルデータ保持部10から分類ラベルデータを取得する。
モデル構築部13は、データ処理部12から受けた説明変数テーブルと分類ラベルデータに基づき、分類モデルを構築する。分類モデルの構築では、複数のセンサ1〜nのうちから使用するセンサの選択と、選択したセンサごとに第1〜第kの条件のうち適用する条件の選択を行う。選択されたセンサに適用する条件の選択は、具体的には、学習データ1〜kから学習データの選択を行い、選択した学習データ(代表データ)の学習データIDに対応する条件を選択することで行う。モデル構築部13は、選択したセンサのセンサID(選択センサID)と、選択した学習データ(代表データ)のIDと、構築した分類モデルとを、出力情報生成部14に供給する。選択した学習データ(代表データ)のIDを、代表データIDと記述する場合もある。
本実施形態では、監視対象(MFP)の状態として正常および異常の2つの状態を扱ったが、3つ以上の状態でもよい。この場合、分類モデルとして、多項ロジスティック回帰モデルまたは多クラスSVMを用いることが可能である。これにより3つ以上の状態のいずれの状態に該当するかを判定できる。
監視対象の状態として3つ以上の状態を扱う場合、2値問題の分類モデルを、複数作成する方法も可能である。以下、具体例を示す。監視対象の状態として、状態A、状態B、状態Cの3つの状態がある場合を想定する。
状態Aと、それ以外の状態(すなわち状態Bか状態C)とを分類する分類モデルA、
状態Bと、それ以外の状態(すなわち状態Aか状態C)とを分類する分類モデルB、
状態Cと、それ以外の状態(すなわち状態Aか状態B)とを分類する分類モデルC、
を、上述した実施形態に従って生成する。
本実施形態では、設計者へ、分類モデルの性能と、分類モデルを用いる場合のコストとをユーザインタフェース(UI)を介して、ユーザに提示する。
図21は、スペックデータテーブルの例を示す。このテーブルは、一例として、各センサについて、下記の項目のスペックデータを含む。
・センサ単価[円]
・連続稼働時間[min]
・データ格納に必要なDB容量[B]
・センサ単体の消費電力量[kWh]
・識別率[%]
・処理時間[s]
・分類モデル容量[B]
・設置コスト[円]
・運用コスト[円]
・必要DB容量[B]
・合計消費電力量[kWh]
本実施形態は、分類モデル構築に関わる動作に、設計者の指定した条件を反映させる仕組みを導入する。
設計者の意図によっては、できるだけサンプリング周波数(例えばセンサデータが時系列データの場合)が低い安価なセンサで、異常検知または状態監視を行いたい場合もある。
[条件A]識別率>=80[%]
[条件B]処理時間<=3[秒]
製品のスペック等により、使用するセンサまたはその性能を制限したい場合がある。その場合、下記のような条件を制御パラメータデータに設定することで、使用したい性能(例えばサンプリング周波数)、使用したいセンサ、または、使用したい学習データIDを考慮して、分類モデル構築を行うことができる。条件C〜Eのうちの1つを指定しても、2つまたは3つの条件の組合せを指定してもよい。
[条件C]サンプリング周波数=100[Hz]
[条件D]使用センサID=2,4,…,100
[条件E]学習データID=1,5,..,k
設計者の意図によっては、あらかじめ分類モデルで用いたいセンサが存在する場合がある。その場合、以下のような条件を、制御パラメータデータに設定することも可能である。制御部17は、少なくとも制御パラメータデータで指定されたセンサが選択されるように、モデル構築部13の動作を制御する。
[条件F]必要センサID=1
設計者の意図によっては、コストの制約を課したい場合がある。その場合、例えば、以下のような条件を、制御パラメータデータに設定することも可能である。
[条件G]トータルコスト<3百万
設計者の意図によっては複数の分類モデルを比較したい場合もある。そのために以下のように、分類モデル数の条件と、各分類モデルの条件とを制御パラメータデータに設定することも可能である。
[条件G]複数分類モデル数=2
各分類モデルの条件
これまでの実施形態では、センサ1〜nの全部または一部のデータ間特徴量テーブルを結合した説明変数テーブル(図12参照)を生成したが、1つ1つのセンサのデータ間特徴量テーブルを対象として、分類モデルを作成してもよい。この場合、センサの個数分、分類モデルを生成できる。各センサの分類モデルの中から、識別率の高いものから1つ以上の分類モデルを選択し、選択した分類モデルに対応するセンサを選択する識別率は、その分類モデルで異常有無等の分類を正しくできる確率(正解率)である。ユーザが指定した目標の性能に達するまで識別率の高い分類モデルから優先的に分類モデルを選択する。例えば、選択した分類モデルで分類(正常または異常の判定)を行い、多数決で多い方の分類結果(判定結果)を採用する場合に、判定結果が正解の確率が、ユーザが指定した目標の性能に達するまで、分類モデルを識別率の高いものから1つずつ追加することを繰り返し行う。なお、正常の判定結果数と、異常の判定結果数が同数の場合は、正常の判定結果を下した分類モデルが出力した確率の平均または最大値等と、異常の判定結果を下した分類モデルが出力した確率の平均または最大値等とを比較し、大きい方の判定結果を採用してもよい。
2:入出力装置
8:スペックデータ保持部
9:学習データ保持部
10:分類ラベルデータ保持部
11:データ間特徴量算出部
12:データ処理部
13:モデル構築部
14:出力情報生成部
15:コスト算出部
16:情報統合部
17:制御部
100:コンピュータ
101:プロセッサ
102:入力装置
103:表示装置
104:通信装置
105:記憶装置
106:バス
Claims (9)
- 監視対象を監視する複数のセンサのそれぞれから、第1〜第kの条件が成立した場合に取得された第1〜第kのデータの任意の2つを組合せて、前記センサごとに複数のデータ組を生成し、前記センサごとに、前記複数のデータ組に対する複数のデータ間特徴量を計算するデータ間特徴量算出部と、
前記第1〜第kの条件のそれぞれが成立したときの前記監視対象の状態を表す状態データを用いて、前記センサごとの前記複数のデータ間特徴量と、前記センサごとの前記複数のデータ間特徴量に対応する複数の係数とを、前記監視対象の状態を特定するための値に関連づけた分類モデルにおける前記複数の係数の値を算出するモデル構築部と、
を備えたセンサ設計支援装置。 - 出力情報生成部を備え、
前記モデル構築部は、前記複数の係数の値に基づき、前記複数のセンサから1つ以上のセンサを選択し、
前記出力情報生成部は、選択したセンサを特定する情報を出力する
請求項1に記載のセンサ設計支援装置。 - 前記モデル構築部は、前記複数の係数のうち非ゼロである係数に対応する前記データ間特徴量を計算する元となる前記データ組に属する前記データが取得されたセンサを選択する
請求項2に記載のセンサ設計支援装置。 - 前記モデル構築部は、前記複数の係数のうち非ゼロである係数に対応する前記データ間特徴量を計算する元となった前記データ組に属する前記データが取得された前記条件を選択し、
前記出力情報生成部は、選択した前記条件を特定する情報を出力する
請求項2または3に記載のセンサ設計支援装置。 - 前記モデル構築部は、前記分類モデルの前記監視対象の状態を決定するための前記値と、前記状態データにおける前記監視対象の前記状態を表す値との差異の定量化値を計算する関数を最小化することにより、前記複数の係数の値を算出する
請求項1ないし4のいずれか一項に記載のセンサ設計支援装置。 - 前記関数は、前記センサごとの前記複数のデータ間特徴量に対応する前記複数の係数を用いた罰則項を含む
請求項5に記載のセンサ設計支援装置。 - 前記罰則項は、前記複数のセンサにそれぞれ対応する定数を含み、優先度の高いセンサほど、前記定数の値は小さい
請求項6に記載のセンサ設計支援装置。 - 監視対象を監視する複数のセンサのそれぞれから、第1〜第kの条件が成立した場合に取得された第1〜第kのデータの任意の2つを組合せて、前記センサごとに複数のデータ組を生成し、前記センサごとに、前記複数のデータ組に対する複数のデータ間特徴量を計算するステップと、
前記第1〜第kの条件のそれぞれが成立したときの前記監視対象の状態を表す状態データを用いて、前記センサごとの前記複数のデータ間特徴量と、前記センサごとの前記複数のデータ間特徴量に対応する複数の係数とを、前記監視対象の状態を特定するための値に関連づけた分類モデルにおける前記複数の係数の値を算出するステップと、
を備えたセンサ設計支援方法。 - 監視対象を監視する複数のセンサのそれぞれから、第1〜第kの条件が成立した場合に取得された第1〜第kのデータの任意の2つを組合せて、前記センサごとに複数のデータ組を生成し、前記センサごとに、前記複数のデータ組に対する複数のデータ間特徴量を計算するステップと、
前記第1〜第kの条件のそれぞれが成立したときの前記監視対象の状態を表す状態データを用いて、前記センサごとの前記複数のデータ間特徴量と、前記センサごとの前記複数のデータ間特徴量に対応する複数の係数とを、前記監視対象の状態を特定するための値に関連づけた分類モデルにおける前記複数の係数の値を算出するステップと、
をコンピュータに実行させるためのプログラム。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017000249A JP6616791B2 (ja) | 2017-01-04 | 2017-01-04 | 情報処理装置、情報処理方法およびコンピュータプログラム |
EP17189462.9A EP3346428A1 (en) | 2017-01-04 | 2017-09-05 | Sensor design support apparatus, sensor design support method and computer program |
US15/696,352 US11163853B2 (en) | 2017-01-04 | 2017-09-06 | Sensor design support apparatus, sensor design support method and non-transitory computer readable medium |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017000249A JP6616791B2 (ja) | 2017-01-04 | 2017-01-04 | 情報処理装置、情報処理方法およびコンピュータプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2018109876A true JP2018109876A (ja) | 2018-07-12 |
JP6616791B2 JP6616791B2 (ja) | 2019-12-04 |
Family
ID=59846374
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017000249A Expired - Fee Related JP6616791B2 (ja) | 2017-01-04 | 2017-01-04 | 情報処理装置、情報処理方法およびコンピュータプログラム |
Country Status (3)
Country | Link |
---|---|
US (1) | US11163853B2 (ja) |
EP (1) | EP3346428A1 (ja) |
JP (1) | JP6616791B2 (ja) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020065807A1 (ja) * | 2018-09-27 | 2020-04-02 | 日本電気株式会社 | 情報処理装置、処理装置、情報処理方法、処理方法、決定方法、およびプログラム |
WO2020065890A1 (ja) * | 2018-09-27 | 2020-04-02 | 日本電気株式会社 | 情報処理装置、情報処理方法、およびプログラム |
WO2020065889A1 (ja) * | 2018-09-27 | 2020-04-02 | 日本電気株式会社 | 情報処理装置、伝達関数生成方法、およびプログラム |
JP2020067948A (ja) * | 2018-10-26 | 2020-04-30 | 富士通株式会社 | 分析装置、分析方法および分析プログラム |
WO2020184560A1 (ja) * | 2019-03-13 | 2020-09-17 | 日本電信電話株式会社 | データ予測装置、データ予測方法、及びデータ予測プログラム |
WO2020184561A1 (ja) * | 2019-03-13 | 2020-09-17 | 日本電信電話株式会社 | データ予測装置、データ予測方法、及びデータ予測プログラム |
WO2021112054A1 (ja) * | 2019-12-05 | 2021-06-10 | オムロン株式会社 | センサシステム、マスタユニット、予測装置、及び予測方法 |
JP2022062488A (ja) * | 2020-10-08 | 2022-04-20 | オムロン株式会社 | センサ評価用ボード、評価支援システムおよび情報収集方法 |
JP2023515640A (ja) * | 2020-03-19 | 2023-04-13 | シーメンス アクチエンゲゼルシヤフト | 最適化パラメータセットを用いた技術システムの製造または制御 |
JP2023091578A (ja) * | 2021-12-20 | 2023-06-30 | エヌ・ティ・ティ・コミュニケーションズ株式会社 | 選定装置、選定方法および選定プログラム |
WO2023162467A1 (ja) * | 2022-02-22 | 2023-08-31 | パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカ | 情報処理方法、情報処理装置及び情報処理プログラム |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20200250580A1 (en) * | 2019-02-01 | 2020-08-06 | Jaxon, Inc. | Automated labelers for machine learning algorithms |
JP7195976B2 (ja) * | 2019-02-27 | 2022-12-26 | 株式会社日立製作所 | センサデバイスおよびセンサデバイス管理システム、センサデバイスの管理方法 |
CN112729417B (zh) * | 2021-03-29 | 2021-06-22 | 湖南久钰电子有限公司 | 基于感知数据融合的多参数智能监测系统及方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011059790A (ja) * | 2009-09-07 | 2011-03-24 | Hitachi Ltd | 異常検知・診断方法、異常検知・診断システム、及び異常検知・診断プログラム |
US20150213706A1 (en) * | 2012-08-29 | 2015-07-30 | Hitachi, Ltd. | Facility status monitoring method and facility status monitoring device |
JP2015207818A (ja) * | 2014-04-17 | 2015-11-19 | 株式会社日立製作所 | 異常検知装置及び異常検知システム |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5297272B2 (ja) * | 2009-06-11 | 2013-09-25 | 株式会社日立製作所 | 装置異常監視方法及びシステム |
WO2011036809A1 (ja) | 2009-09-28 | 2011-03-31 | 株式会社 東芝 | 異常判定システムおよびその方法 |
CN103930912A (zh) | 2011-11-08 | 2014-07-16 | 国际商业机器公司 | 时序数据分析方法、系统和计算机程序 |
WO2013069565A1 (ja) | 2011-11-09 | 2013-05-16 | ステラグリーン株式会社 | 撮影記録装置 |
WO2013187295A1 (ja) | 2012-06-13 | 2013-12-19 | ソニー株式会社 | 情報処理装置、情報処理方法、およびプログラム |
JP2015184942A (ja) | 2014-03-25 | 2015-10-22 | 株式会社日立ハイテクノロジーズ | 故障原因分類装置 |
US20170315960A1 (en) | 2014-11-19 | 2017-11-02 | Nec Corporation | Factor analysis apparatus, factor analysis method and recording medium, and factor analysis system |
US10936967B2 (en) | 2014-11-26 | 2021-03-02 | Nec Corporation | Information processing system, information processing method, and recording medium for learning a classification model |
CN107427649A (zh) | 2015-02-16 | 2017-12-01 | 微邦科技股份有限公司 | 可分离式微雾化装置 |
US10531762B2 (en) | 2015-02-17 | 2020-01-14 | Bedford Systems Llc | Cartridge holder for beverage machine |
-
2017
- 2017-01-04 JP JP2017000249A patent/JP6616791B2/ja not_active Expired - Fee Related
- 2017-09-05 EP EP17189462.9A patent/EP3346428A1/en not_active Withdrawn
- 2017-09-06 US US15/696,352 patent/US11163853B2/en active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011059790A (ja) * | 2009-09-07 | 2011-03-24 | Hitachi Ltd | 異常検知・診断方法、異常検知・診断システム、及び異常検知・診断プログラム |
US20150213706A1 (en) * | 2012-08-29 | 2015-07-30 | Hitachi, Ltd. | Facility status monitoring method and facility status monitoring device |
JP2015207818A (ja) * | 2014-04-17 | 2015-11-19 | 株式会社日立製作所 | 異常検知装置及び異常検知システム |
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPWO2020065807A1 (ja) * | 2018-09-27 | 2021-09-09 | 日本電気株式会社 | 情報処理装置、処理装置、情報処理方法、処理方法、決定方法、およびプログラム |
WO2020065890A1 (ja) * | 2018-09-27 | 2020-04-02 | 日本電気株式会社 | 情報処理装置、情報処理方法、およびプログラム |
WO2020065889A1 (ja) * | 2018-09-27 | 2020-04-02 | 日本電気株式会社 | 情報処理装置、伝達関数生成方法、およびプログラム |
US12072325B2 (en) | 2018-09-27 | 2024-08-27 | Nec Corporation | Information processing apparatus, information processing method, and program |
WO2020065807A1 (ja) * | 2018-09-27 | 2020-04-02 | 日本電気株式会社 | 情報処理装置、処理装置、情報処理方法、処理方法、決定方法、およびプログラム |
JP7056747B2 (ja) | 2018-09-27 | 2022-04-19 | 日本電気株式会社 | 情報処理装置、処理装置、情報処理方法、処理方法、決定方法、およびプログラム |
JP2020067948A (ja) * | 2018-10-26 | 2020-04-30 | 富士通株式会社 | 分析装置、分析方法および分析プログラム |
JP7119901B2 (ja) | 2018-10-26 | 2022-08-17 | 富士通株式会社 | 分析装置、分析方法および分析プログラム |
WO2020184561A1 (ja) * | 2019-03-13 | 2020-09-17 | 日本電信電話株式会社 | データ予測装置、データ予測方法、及びデータ予測プログラム |
WO2020184560A1 (ja) * | 2019-03-13 | 2020-09-17 | 日本電信電話株式会社 | データ予測装置、データ予測方法、及びデータ予測プログラム |
JP2021089661A (ja) * | 2019-12-05 | 2021-06-10 | オムロン株式会社 | センサシステム、マスタユニット、予測装置、及び予測方法 |
WO2021112054A1 (ja) * | 2019-12-05 | 2021-06-10 | オムロン株式会社 | センサシステム、マスタユニット、予測装置、及び予測方法 |
JP7392438B2 (ja) | 2019-12-05 | 2023-12-06 | オムロン株式会社 | センサシステム、マスタユニット、予測装置、及び予測方法 |
JP2023515640A (ja) * | 2020-03-19 | 2023-04-13 | シーメンス アクチエンゲゼルシヤフト | 最適化パラメータセットを用いた技術システムの製造または制御 |
JP7439289B2 (ja) | 2020-03-19 | 2024-02-27 | シーメンス アクチエンゲゼルシヤフト | 最適化パラメータセットを用いた技術システムの製造または制御 |
JP2022062488A (ja) * | 2020-10-08 | 2022-04-20 | オムロン株式会社 | センサ評価用ボード、評価支援システムおよび情報収集方法 |
JP7452368B2 (ja) | 2020-10-08 | 2024-03-19 | オムロン株式会社 | センサ評価用ボード、評価支援システムおよび情報収集方法 |
JP7317931B2 (ja) | 2021-12-20 | 2023-07-31 | エヌ・ティ・ティ・コミュニケーションズ株式会社 | 選定装置、選定方法および選定プログラム |
JP2023091578A (ja) * | 2021-12-20 | 2023-06-30 | エヌ・ティ・ティ・コミュニケーションズ株式会社 | 選定装置、選定方法および選定プログラム |
WO2023162467A1 (ja) * | 2022-02-22 | 2023-08-31 | パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカ | 情報処理方法、情報処理装置及び情報処理プログラム |
Also Published As
Publication number | Publication date |
---|---|
EP3346428A1 (en) | 2018-07-11 |
US11163853B2 (en) | 2021-11-02 |
US20180189242A1 (en) | 2018-07-05 |
JP6616791B2 (ja) | 2019-12-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6616791B2 (ja) | 情報処理装置、情報処理方法およびコンピュータプログラム | |
Jung et al. | New modularity indices for modularity assessment and clustering of product architecture | |
JP6847787B2 (ja) | 情報処理装置、情報処理方法及びコンピュータプログラム | |
US8914263B2 (en) | Information processing apparatus, information processing method and computer readable medium for assessment of event influence | |
JP5527423B2 (ja) | 画像処理システム、画像処理方法、及び画像処理プログラムを記憶した記憶媒体 | |
JP6237774B2 (ja) | 情報処理システム、情報処理方法及びプログラム | |
WO2014034008A1 (ja) | 集中度計測装置、プログラム | |
US20220125360A1 (en) | Method and computer program for determining psychological state through drawing process of counseling recipient | |
EP3940306A1 (en) | Air-conditioning control system and air-conditioning control method | |
JP6591232B2 (ja) | 連想メモリによって分類されたフレームを使用して位置に対する計量値を取得すること | |
KR20180054413A (ko) | 농작물 생산 효율 최적화 방법 및 장치 | |
WO2020004154A1 (ja) | 情報処理装置、情報処理方法及びプログラム | |
US20220366244A1 (en) | Modeling Human Behavior in Work Environment Using Neural Networks | |
JP2022145822A (ja) | 映像処理装置、映像処理方法およびプログラム | |
JP6631540B2 (ja) | 情報処理システム、変化点検出方法、およびプログラム | |
WO2016084326A1 (ja) | 情報処理システム、情報処理方法、及び、記録媒体 | |
US10437944B2 (en) | System and method of modeling irregularly sampled temporal data using Kalman filters | |
Croft et al. | Structuring the unstructured: estimating species-specific absence from multi-species presence data to inform pseudo-absence selection in species distribution models | |
JP6422512B2 (ja) | 計算機システム及びグラフィカルモデルの管理方法 | |
Kinney et al. | Aedes-AI: Neural network models of mosquito abundance | |
US20210373987A1 (en) | Reinforcement learning approach to root cause analysis | |
KR102088697B1 (ko) | 웹 기반의 통계적 공정 관리 시스템 | |
US20220415506A1 (en) | Learning apparatus, estimation apparatus, learning method, estimation method and program | |
CN111989662A (zh) | 自主混合分析建模平台 | |
JP7396478B2 (ja) | モデル訓練プログラム、モデル訓練方法および情報処理装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20180913 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20190723 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20190802 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20191001 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20191011 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20191108 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 6616791 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |
|
LAPS | Cancellation because of no payment of annual fees |