JP2020064468A - Sensor system - Google Patents
Sensor system Download PDFInfo
- Publication number
- JP2020064468A JP2020064468A JP2018196104A JP2018196104A JP2020064468A JP 2020064468 A JP2020064468 A JP 2020064468A JP 2018196104 A JP2018196104 A JP 2018196104A JP 2018196104 A JP2018196104 A JP 2018196104A JP 2020064468 A JP2020064468 A JP 2020064468A
- Authority
- JP
- Japan
- Prior art keywords
- learning
- data
- unit
- progress
- sensor
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Digital Computer Display Output (AREA)
- General Factory Administration (AREA)
Abstract
Description
本開示は、センサシステムに関する。 The present disclosure relates to sensor systems.
従来、センサによってワークの状態やラインの状態を測定して、異常検知やワークの選別を行うことがある。センサにより測定されたデータは、複数のスレーブユニットにより取得されてマスタユニットに転送され、マスタユニットに接続されたPLC(Programmable Logic Controller)等の制御装置に集約されることがある。 2. Description of the Related Art Conventionally, a sensor may measure a state of a work or a state of a line to detect an abnormality and select a work. The data measured by the sensor may be acquired by a plurality of slave units, transferred to the master unit, and collected by a control device such as a PLC (Programmable Logic Controller) connected to the master unit.
下記特許文献1には、複数のスレーブユニットと、各々のスレーブユニットから受信した情報を制御装置に向けて送信する通信装置とを備えるセンサシステムが記載されている。各スレーブユニットは、いずれかのスレーブユニットから発信される同期信号を起点として、スレーブユニット毎に定められる待機時間が経過してから、センシングデータ等の検出情報を通信装置に送信する。ここで、各スレーブユニットの待機時間は、他のスレーブユニットの待機時間とは異なるように定められている。特許文献1に記載の技術によって、複数のセンサにより測定したデータを制御装置に集約する場合に、制御装置からのコマンドを待たずにデータを送信することができ、通信速度を向上させることができる。
The following
近年、センサにより測定されたデータを学習用データとして、異常検知やワークの選別を行う学習モデルを機械学習により生成することが試みられている。しかしながら、センサによりデータを集めながら学習モデルの機械学習を進めていく場合、学習がどこまで進んでいるのかが明らかでなかった。 In recent years, it has been attempted to generate a learning model for performing abnormality detection and work selection by machine learning, using data measured by a sensor as learning data. However, it was not clear how far the learning progressed when the machine learning of the learning model was advanced while collecting data by the sensor.
そこで、本発明は、センサによりデータを集めながら学習モデルの機械学習を進めていく場合に、学習がどこまで進んでいるのか容易に確認できるセンサシステムを提供する。 Therefore, the present invention provides a sensor system that allows easy confirmation of the progress of learning when machine learning of a learning model is advanced while collecting data by a sensor.
本開示の一態様に係るセンサシステムは、センサと、センサにより測定されるデータを取得する取得部と、取得部により取得されたデータを用いた学習モデルの機械学習の進捗度を表す情報を生成する生成部と、進捗度を表す情報を表示する表示部と、を備える。 A sensor system according to an aspect of the present disclosure generates a sensor, an acquisition unit that acquires data measured by the sensor, and information that represents the degree of progress of machine learning of a learning model using the data acquired by the acquisition unit. And a display unit that displays information indicating the degree of progress.
この態様によれば、センサにより測定されたデータを含む学習用データを用いた学習モデルの機械学習の進捗度を表す情報が生成され、機械学習の進捗度を表す情報を視覚的に確認することができ、学習がどこまで進んでいるのか容易に確認できる。 According to this aspect, information representing the degree of progress of machine learning of the learning model using the learning data including the data measured by the sensor is generated, and the information indicating the degree of progress of machine learning can be visually confirmed. You can easily check how much learning is progressing.
上記態様において、進捗度を表す情報は、学習モデルの目標精度に対する学習モデルの現在の精度の進捗を表す情報であってもよい。 In the above aspect, the information indicating the degree of progress may be information indicating the progress of the current accuracy of the learning model with respect to the target accuracy of the learning model.
この態様によれば、学習モデルの現在の精度が目標精度と比較してどこまで達成されているかを一目で確認することができる。 According to this aspect, it is possible to check at a glance how much the current accuracy of the learning model is achieved by comparing with the target accuracy.
上記態様において、生成部は、学習モデルの目標精度を達成するために必要と予測されるデータ数を算出してもよい。 In the above aspect, the generation unit may calculate the number of pieces of data predicted to be required to achieve the target accuracy of the learning model.
この態様によれば、目標精度を達成するために、どの程度のデータ数が必要となるか把握することができ、目標精度を達成するまでに要する時間や稼働コストを把握することができる。 According to this aspect, it is possible to grasp how much data is required to achieve the target accuracy, and it is possible to grasp the time and the operating cost required until the target accuracy is achieved.
上記態様において、学習モデルの目標精度に対する学習モデルの現在の精度の進捗率が所定値以上である場合に、学習モデルを更新する選択を受け付ける入力部をさらに備えてもよい。 In the above aspect, an input unit may be further provided that accepts a selection for updating the learning model when the progress rate of the current accuracy of the learning model with respect to the target accuracy of the learning model is equal to or more than a predetermined value.
この態様によれば、入力に基づいて学習モデルを更新することで、意図しない学習モデルの更新が行われず、センサシステムの信頼性を向上させることができる。 According to this aspect, by updating the learning model based on the input, the learning model is not unintentionally updated, and the reliability of the sensor system can be improved.
上記態様において、取得部により取得されたデータを含む学習用データ及び学習モデルの少なくともいずれかのバックアップを記憶する外部記憶媒体をさらに備えてもよい。 In the above aspect, an external storage medium that stores a backup of at least one of the learning data and the learning model including the data acquired by the acquisition unit may be further provided.
この態様によれば、主記憶装置の記憶容量が十分に大きくない場合であっても、過去の学習用データや学習モデルをバックアップしておくことができ、学習用データや学習モデルを事後的に以前のバージョンに戻すことができる。 According to this aspect, even when the storage capacity of the main storage device is not sufficiently large, it is possible to back up the past learning data and learning model, and the learning data and learning model can be ex post facto. You can revert to the previous version.
上記態様において、外部記憶媒体は、進捗度を表す情報のバックアップをさらに記憶してもよい。 In the above aspect, the external storage medium may further store a backup of information indicating the degree of progress.
この態様によれば、機械学習の進捗度を表す情報をバックアップしておくことができ、センサシステムの電源が一時的に断たれた場合であっても、学習モデルの機械学習を適切な箇所から再開することができる。 According to this aspect, it is possible to back up the information indicating the degree of progress of machine learning, and to perform machine learning of the learning model from an appropriate place even when the power of the sensor system is temporarily cut off. It can be restarted.
上記態様において、取得部により取得されたデータを含む学習用データ及び学習モデルの少なくともいずれかのバックアップを記憶し、センサにより測定されたデータに基づき外部機器を制御する制御装置をさらに備えてもよい。 In the above aspect, at least one of the learning data including the data acquired by the acquisition unit and the backup of the learning model may be stored, and a control device that controls the external device based on the data measured by the sensor may be further provided. .
この態様によれば、主記憶装置の記憶容量が十分に大きくない場合であっても、過去の学習用データや学習モデルをバックアップしておくことができ、学習用データや学習モデルを事後的に以前のバージョンに戻すことができる。 According to this aspect, even when the storage capacity of the main storage device is not sufficiently large, it is possible to back up the past learning data and learning model, and the learning data and learning model can be ex post facto. You can revert to the previous version.
上記態様において、制御装置は、進捗度を表す情報のバックアップをさらに記憶してもよい。 In the above aspect, the control device may further store a backup of information indicating the degree of progress.
この態様によれば、機械学習の進捗度を表す情報をバックアップしておくことができ、センサシステムの電源が一時的に断たれた場合であっても、学習モデルの機械学習を適切な箇所から再開することができる。 According to this aspect, it is possible to back up the information indicating the degree of progress of machine learning, and to perform machine learning of the learning model from an appropriate place even when the power of the sensor system is temporarily cut off. It can be restarted.
上記態様において、生成部は、取得部により取得されたデータを含む複数種類の学習用データを用いた複数の学習モデルの機械学習の複数の進捗度を表す情報を生成してもよい。 In the above aspect, the generation unit may generate information indicating a plurality of degrees of progress in machine learning of a plurality of learning models using a plurality of types of learning data including the data acquired by the acquisition unit.
この態様によれば、センサにより測定されたデータを含む複数種類の学習用データを用いた複数の学習モデルの機械学習の進捗度を表す情報が生成され、それぞれの学習モデルについて学習がどこまで進んでいるのか容易に確認できる。 According to this aspect, the information indicating the progress degree of the machine learning of the plurality of learning models using the plurality of types of learning data including the data measured by the sensor is generated, and how far the learning progresses for each learning model. You can easily check if you are there.
上記態様において、複数のセンサそれぞれに接続され、複数のセンサにより測定されるデータを取得する複数のスレーブユニットと、複数のスレーブユニット及び制御装置と接続され、取得部及び生成部を有するマスタユニットと、をさらに備え、複数のスレーブユニットのうち複数種類の学習用データに含まれるデータを取得するスレーブユニットは、複数の学習モデルに対応する複数の進捗度を表す情報の少なくともいずれかを表示する表示部を有してもよい。 In the above aspect, a plurality of slave units connected to each of the plurality of sensors and acquiring data measured by the plurality of sensors, a master unit connected to the plurality of slave units and the control device, and having an acquisition unit and a generation unit. And a slave unit that acquires data included in a plurality of types of learning data among a plurality of slave units, and displays at least one of information indicating a plurality of progress degrees corresponding to a plurality of learning models. You may have a part.
この態様によれば、複数種類の学習用データに含まれるデータを取得するスレーブユニットが、複数の学習モデルに対応する複数の進捗度を表す情報の少なくともいずれかを表示する表示部を有することで、いずれのスレーブユニットによっていずれの学習モデルのための学習用データが収集されており、その学習がどこまで進んでいるのか容易に確認することができる。 According to this aspect, the slave unit that acquires the data included in the plurality of types of learning data has the display unit that displays at least one of the pieces of information indicating the plurality of progress degrees corresponding to the plurality of learning models. The learning data for any learning model is collected by any slave unit, and it is possible to easily confirm how far the learning has progressed.
上記態様において、複数のスレーブユニットの少なくとも一部は、複数種類の学習用データに含まれるデータの範囲を指定するトリガ信号を生成していることを表示する表示部を有してもよい。 In the above aspect, at least a part of the plurality of slave units may include a display unit that displays that a trigger signal that specifies a range of data included in the plurality of types of learning data is being generated.
この態様によれば、スレーブユニットが、学習用データに含まれるデータの範囲を指定するトリガ信号を生成していることを表示する表示部を有することで、いずれのスレーブユニットによっていずれの学習用データのためのトリガ信号が生成されているのか容易に確認することができる。 According to this aspect, the slave unit has the display unit that displays that the trigger signal that specifies the range of the data included in the learning data is generated. It is possible to easily confirm whether the trigger signal for is generated.
本発明によれば、センサによりデータを集めながら学習モデルの機械学習を進めていく場合に、学習がどこまで進んでいるのか容易に確認できるセンサシステムが提供される。 According to the present invention, there is provided a sensor system capable of easily confirming the progress of learning when machine learning of a learning model is advanced while collecting data by a sensor.
以下、本発明の一側面に係る実施の形態(以下、「本実施形態」と表記する。)を、図面に基づいて説明する。なお、各図において、同一の符号を付したものは、同一又は同様の構成を有する。 Hereinafter, an embodiment according to one aspect of the present invention (hereinafter referred to as “the present embodiment”) will be described with reference to the drawings. In addition, in each of the drawings, those denoted by the same reference numerals have the same or similar configurations.
図1は、本発明の実施形態に係るセンサシステム1の概要を示す図である。センサシステム1は、マスタユニット10、第1スレーブユニット20a、第2スレーブユニット20b、第3スレーブユニット20c、第1センサ30a、第2センサ30b、第3センサ30c及びPLC40を備える。ここで、第1センサ30a、第2センサ30b及び第3センサ30cは、ラインLに沿って配置され、ラインL上を搬送されるワークの通過状況やワークの状態、ラインLの状態を示すデータを測定する。また、第1スレーブユニット20a、第2スレーブユニット20b及び第3スレーブユニット20cは、複数のセンサそれぞれに接続され、複数のセンサにより測定されるデータを取得する複数のスレーブユニットに相当する。より具体的には、第1スレーブユニット20aは第1センサ30aに接続され、第2スレーブユニット20bは第2センサ30bに接続され、第3スレーブユニット20cは第3センサ30cに接続されている。PLC40は、制御装置に相当する。そして、マスタユニット10は、複数のスレーブユニット及び制御装置と接続されているマスタユニットに相当する。本明細書では、第1スレーブユニット20a、第2スレーブユニット20b及び第3スレーブユニット20cをスレーブユニット20と総称し、第1センサ30a、第2センサ30b及び第3センサ30cをセンサ30と総称する。
FIG. 1 is a diagram showing an outline of a
なお、本実施形態に係るセンサシステム1の構成は一例であり、センサシステム1が備える複数のセンサの数、複数のスレーブユニットの数は任意である。また、制御装置は、必ずしもPLC40でなくてもよい。
The configuration of the
マスタユニット10は、LAN(Local Area Network)等の通信ネットワークを介してPLC40に接続されてよい。スレーブユニット20は、マスタユニット10に物理的かつ電気的に接続される。本実施形態において、マスタユニット10は、スレーブユニット20から受信した情報を記憶部に記憶し、記憶された情報をPLC40に送信する。従って、スレーブユニット20により取得されたデータは、マスタユニット10によって一元化されてPLC40に伝送される。
The
一例として、スレーブユニット20からマスタユニット10には、判定信号及び検出情報が伝送される。判定信号とは、センサ30により測定されたデータに基づき、スレーブユニット20によって判定された、ワークに関する判定結果を示す信号である。例えばセンサ30が光電センサである場合、判定信号は、センサ30により測定された受光量と閾値とを、スレーブユニット20によって比較して得られるオン信号又はオフ信号であってよい。検出情報は、スレーブユニット20の検出動作によって得られる検出値である。例えばセンサ30が光電センサである場合、検出動作は、投光及び受光の動作であり、検出情報は、受光量であってよい。
As an example, the determination signal and the detection information are transmitted from the slave unit 20 to the
スレーブユニット20は、マスタユニット10の側面に取り付けられてよい。マスタユニット10とスレーブユニット20との通信には、パラレル通信又はシリアル通信が用いられてよい。すなわち、マスタユニット10と、スレーブユニット20とがシリアル伝送路及びパラレル伝送路で物理的に接続されてよい。例えば、パラレル伝送路上でスレーブユニット20からマスタユニット10に判定信号が送信され、シリアル伝送路上で、スレーブユニット20からマスタユニット10に検出情報が送信されてよい。なお、マスタユニット10とスレーブユニット20とを、シリアル伝送路及びパラレル伝送路のうちのいずれか一方で接続してもよい。
The slave unit 20 may be attached to the side surface of the
PLC40は、マスタユニット10によって一元化されたセンサにより測定されたデータに基づき外部機器を制御する。PLC40は、マスタユニット10がスレーブユニット20から受信したデータを含む学習用データと、学習用データを用いた機械学習により生成される学習モデルとの少なくともいずれかのバックアップを記憶してよい。PLC40によって学習用データ及び学習モデルの少なくともいずれかを記憶することで、マスタユニット10が有する主記憶装置の記憶容量が十分に大きくない場合であっても、過去の学習用データや学習モデルをバックアップしておくことができ、学習用データや学習モデルを事後的に以前のバージョンに戻すことができる。
The
外部記憶媒体50は、マスタユニット10がスレーブユニット20から受信した情報のバックアップを記憶する。外部記憶媒体50は、マスタユニット10がスレーブユニット20から受信したデータを含む学習用データと、学習用データを用いた機械学習により生成される学習モデルとの少なくともいずれかのバックアップを記憶してよい。外部記憶媒体50を備えることで、マスタユニット10が有する主記憶装置の記憶容量が十分に大きくない場合であっても、過去の学習用データや学習モデルをバックアップしておくことができ、学習用データや学習モデルを事後的に以前のバージョンに戻すことができる。
The
図2は、本実施形態に係るマスタユニット10の機能ブロックを示す図である。マスタユニット10は、取得部11、記憶部12、学習部13、生成部14、表示部15、入力部16及び通信部17を備える。
FIG. 2 is a diagram showing functional blocks of the
取得部11は、センサ30により測定されるデータを取得する。取得部11は、パラレル伝送路によってスレーブユニット20からワークの通過状況を示す判定信号を取得したり、シリアル伝送路によってスレーブユニット20から複数のセンサ30により測定された検出情報を取得したりしてよい。
The
記憶部12は、第1学習用データ12a、第1学習モデル12b、第2学習用データ12c及び第2学習モデル12dを記憶する。第1学習用データ12aは、センサ30により測定されて、スレーブユニット20から受信したデータを含む。第1学習モデル12bは、第1学習用データ12aを用いた機械学習により生成される学習モデルであり、学習途中のモデルであってよい。同様に、第2学習用データ12cは、センサ30により測定されて、スレーブユニット20から受信したデータを含む。第2学習モデル12dは、第2学習用データ12cを用いた機械学習により生成される学習モデルであり、学習途中のモデルであってよい。第1学習用データ12aと第2学習用データ12cは、異なるデータを含んでよいが、同じデータを含んでもよい。また、第1学習モデル12bと第2学習モデル12dは、異なるモデルであってよいが、同じモデルを異なる学習用データにより学習させたものであってもよい。
The
なお、本実施形態では、記憶部12に2種類の学習用データと、2種類の学習モデルとが記憶されている場合を示しているが、記憶部12に記憶される学習用データと学習モデルの種類は3種類以上であってもよいし、1種類であってもよい。
Although the present embodiment shows a case where two types of learning data and two types of learning models are stored in the
学習部13は、記憶部12に記憶された第1学習用データ12aを用いて第1学習モデル12bの機械学習を実行したり、第2学習用データ12cを用いて第2学習モデル12dの機械学習を実行したりする。
The
生成部14は、取得部11により取得されたデータを用いた学習モデルの機械学習の進捗度を表す情報を生成する。生成部14は、取得部11により取得されたデータを含む複数種類の学習用データを用いた複数の学習モデルの機械学習の複数の進捗度を表す情報を生成してもよい。本実施形態では、生成部14は、第1学習用データ12aを用いた第1学習モデル12bの機械学習の進捗度を表す情報と、第2学習用データ12cを用いた第2学習モデル12dの機械学習の進捗度を表す情報とをそれぞれ生成してよい。
The
表示部15は、生成部14により生成された進捗度を表す情報を表示する。表示部15は、例えば液晶表示装置によって構成されてよい。表示部15により表示される画面例については、図4から6を用いて詳細に説明する。本実施形態に係るセンサシステム1によれば、センサ30により測定されたデータを用いた学習モデルの機械学習の進捗度を表す情報が生成され、機械学習の進捗度を表す情報を視覚的に確認することができ、学習がどこまで進んでいるのか容易に確認できる。また、センサ30により測定されたデータを含む複数種類の学習用データを用いた複数の学習モデルの機械学習の進捗度を表す情報が生成されることで、それぞれの学習モデルについて学習がどこまで進んでいるのか容易に確認できる。なお、生成部14により生成された進捗度を表す情報を表示する表示部は、マスタユニット10以外の機器に設けられていてもよく、後に例示するように、表示部はスレーブユニットに20に設けられてもよい。また、表示部は、マスタユニット10又はPLC40と通信可能な他の機器に設けられていてもよい。
The
入力部16は、学習モデルの目標精度に対する学習モデルの現在の精度の進捗率が所定値以上である場合に、学習モデルを更新する選択を受け付ける。入力部16は、少なくとも学習モデルを更新するか否かを示す2値の入力が可能なものであり、タッチパネルやテンキーで構成されてよい。入力部16による入力に基づいて学習モデルを更新することで、意図しない学習モデルの更新が行われず、センサシステム1の信頼性を向上させることができる。
The
通信部17は、PLC40との通信を行うインターフェースである。通信部17は、PLC40以外の外部機器、例えば外部記憶媒体50との通信も行ってよい。
The
外部記憶媒体50は、生成部14により生成された進捗度を表す情報のバックアップを記憶してよい。また、PLC40は、生成部14により生成された進捗度を表す情報のバックアップを記憶してよい。外部記憶媒体50及びPLC40の少なくともいずれかで進捗度を表す情報のバックアップを記憶することで、センサシステム1の電源が一時的に断たれた場合であっても、学習モデルの機械学習を適切な箇所から再開することができる。
The
図3は、本実施形態に係るセンサシステム1の物理的構成を示す図である。マスタユニット10は、PLC40との接続に用いられる入力/出力コネクタ101,102と、スレーブユニット20との接続に用いられる接続コネクタ106と、電源入力コネクタとを備える。
FIG. 3 is a diagram showing a physical configuration of the
また、マスタユニット10は、MPU(Micro Processing Unit)110、通信ASIC(Application Specific Integrated Circuit)112、パラレル通信回路116、シリアル通信回路118及び電源回路を備える。
Further, the
MPU110は、マスタユニット10における全ての処理を統括して実行するように動作する。通信ASIC112は、PLC40との通信を管理する。パラレル通信回路116は、マスタユニット10とスレーブユニット20との間でのパラレル通信に用いられる。同様に、シリアル通信回路118は、マスタユニット10とスレーブユニット20との間でのシリアル通信に用いられる。
The
スレーブユニット20は、両側壁部分に、マスタユニット10又は他のスレーブユニット20との接続コネクタ304,306が設けられている。スレーブユニット20は、マスタユニット10に対して一列に複数接続することが可能である。複数のスレーブユニット20からの信号は、隣り合うスレーブユニット20に伝送され、マスタユニット10に伝送される。
The slave unit 20 is provided with
スレーブユニット20の両側面には、赤外線による光通信用の窓が設けられ、接続コネクタ304,306を利用して複数のスレーブユニット20を一つずつ連結して一列に配置すると、互いに対向する光通信用の窓により、隣り合うスレーブユニット20間で赤外線を利用した双方向光通信が可能となる。
Windows for optical communication by infrared rays are provided on both side surfaces of the slave unit 20, and when the plurality of slave units 20 are connected one by one using the
スレーブユニット20は、CPU(Central Processing Unit)400によって実現される各種の処理機能と、専用の回路によって実現される各種の処理機能とを有する。 The slave unit 20 has various processing functions realized by a CPU (Central Processing Unit) 400 and various processing functions realized by a dedicated circuit.
CPU400は、投光制御部403を制御し、発光素子(LED)401から赤外線を放出させる。受光素子(PD)402が受光することによって生じた信号は、増幅回路404を介して増幅された後、A/Dコンバータ405を介してデジタル信号に変換されて、CPU400に取り込まれる。CPU400では、受光データ、すなわち受光量をそのまま検出情報としてマスタユニット10に向けて送信する。また、CPU400では、受光量が予め設定された閾値よりも大きいか否かを判定することによって得られるオン信号又はオフ信号を、判定信号としてマスタユニット10に向けて送信する。
The
さらにCPU400は、左右の投光回路411,413を制御することにより、左右の通信用発光素子(LED)407,409から隣接するスレーブユニット20に対して赤外線を放出する。隣接する左右のスレーブユニット20から到来する赤外線は左右の受光素子(PD)406,408で受光された後、受光回路410,412を介しCPU400へと到来する。CPU400では、所定のプロトコルに基づいて、送受信信号を制御することにより、左右の隣接するスレーブユニット20との間で光通信を行なう。
Further, the
受光素子406、通信用発光素子409、受光回路410、投光回路413は、スレーブユニット20間の相互干渉を防止するための同期信号を送受信するために利用される。具体的には、各スレーブユニット20において、受光回路410と投光回路413とは直接結線される。この構成により、受信した同期信号が、CPU400による遅延処理が施されずに速やかに投光回路413を経て通信用発光素子409から隣接する別のスレーブユニット20に送信される。
The
CPU400は、さらに、表示部414を点灯制御する。また、CPU400は、設定スイッチ415からの信号を処理する。CPU400の動作に必要な各種のデータは、EEPROM(Electrically Erasable Programmable Read Only Memory)416等の記録媒体に記憶される。リセット部417から得られた信号は、CPU400へと送られ、計測制御のリセットが行われる。発振器(OSC)418からCPU400には、基準クロックが入力される。
The
出力回路419は、受光量を閾値と比較して得られた判定信号の送信処理を行なう。前述したように、本実施の形態において、判定信号はパラレル通信によってマスタユニット10に向けて送信される。
The
パラレル通信用の伝送路は、マスタユニット10と各スレーブユニット20とが個別に接続された伝送路である。すなわち、複数のスレーブユニット20は、それぞれ、別々のパラレル通信線によって、マスタユニット10に接続される。ただし、マスタユニット10に隣接するスレーブユニット20以外のスレーブユニット20と、マスタユニット10とを接続するパラレル通信線は、他のスレーブユニット20を通過し得る。
The transmission path for parallel communication is a transmission path in which the
シリアル通信ドライバ420は、マスタユニット10から送信されたコマンド等の受信処理、検出情報(受光量)の送信処理を行なう。本実施形態においては、シリアル通信にRS−422プロトコルが用いられる。シリアル通信にRS−485プロトコルを利用してもよい。
The
シリアル通信用の伝送路は、マスタユニット10及び全てのスレーブユニット20が接続された伝送路である。すなわち、全てのスレーブユニット20は、マスタユニット10に対して、シリアル通信線によってバス形式で信号伝達可能に接続される。
The transmission line for serial communication is a transmission line to which the
図4は、本実施形態に係るセンサシステム1により機械学習の進捗度を表す情報を表示する第1例を示す図である。同図では、表示部15に表示される第1画面DP1の一例を示している。
FIG. 4 is a diagram showing a first example of displaying information indicating the degree of progress of machine learning by the
第1画面DP1は、学習モデルの精度と、学習用データに含まれる異なるデータの数(学習用データの数)との関係を示すグラフを含む。同図に示すグラフは、機械学習の進捗度を表す情報の一例である。本例では、学習用データの現在のデータ数が600の場合に、現在の学習モデルの精度が92.5%であり、目標精度である99.0%に達していないことを示している。また、グラフから、学習モデルの精度と学習用データの数との関係が線形ではないことが読み取れ、学習モデルの精度が上がるにつれて学習用データの数を増やしても精度の改善が進みづらくなることが読み取れる。学習モデルを管理する者は、このような学習モデルの精度と学習用データの数との関係を確かめながら、精度と学習時間のバランスを取るように目標精度を設定することができる。 The first screen DP1 includes a graph showing the relationship between the accuracy of the learning model and the number of different data included in the learning data (the number of learning data). The graph shown in the figure is an example of information indicating the degree of progress of machine learning. In this example, when the current number of learning data is 600, the accuracy of the current learning model is 92.5%, which means that the target accuracy has not reached 99.0%. In addition, it can be seen from the graph that the relationship between the accuracy of the learning model and the number of learning data is not linear, and as the accuracy of the learning model increases, it becomes difficult to improve the accuracy even if the number of learning data increases. Can be read. The person who manages the learning model can set the target accuracy so as to balance the accuracy and the learning time while checking the relationship between the accuracy of the learning model and the number of learning data.
また、第1画面DP1は、「必要と予測されるデータ数」として、学習モデルの目標精度を達成するために必要と予測されるデータ数を示している。本例の場合、「必要と予測されるデータ数」は1950である。生成部14は、学習モデルの目標精度を達成するために必要と予測されるデータ数を算出してよい。これにより、目標精度を達成するために、どの程度のデータ数が必要となるか把握することができ、目標精度を達成するまでに要する時間や稼働コストを把握することができる。
Further, the first screen DP1 shows the number of data predicted to be necessary to achieve the target accuracy of the learning model, as the “number of data predicted to be necessary”. In the case of this example, the “number of data predicted to be necessary” is 1950. The
第1画面DP1は、学習進捗率の表示を含む。学習進捗率は、機械学習の進捗度を表す情報の一例であり、目標精度に対する学習モデルの現在の精度の進捗を表す情報の一例である。本例の場合、学習進捗率は30.8%である。このように、機械学習の進捗率を視覚的に確認することができ、学習がどこまで進んでいるのかを一目で確認することができる。また、学習モデルの現在の精度が目標精度と比較してどこまで達成されているかを一目で確認することができる。 The first screen DP1 includes a display of the learning progress rate. The learning progress rate is an example of information indicating the degree of progress of machine learning, and is an example of information indicating the progress of the current accuracy of the learning model with respect to the target accuracy. In the case of this example, the learning progress rate is 30.8%. In this way, the progress rate of machine learning can be visually confirmed, and the progress of learning can be checked at a glance. In addition, it is possible to confirm at a glance how much the current accuracy of the learning model is achieved by comparing with the target accuracy.
図5は、本実施形態に係るセンサシステム1により機械学習の進捗度を表す情報を表示する第2例を示す図である。同図では、表示部15に表示される第2画面DP2の一例を示している。
FIG. 5: is a figure which shows the 2nd example which displays the information showing the progress degree of machine learning by the
第2画面DP2は、学習モデルの精度と、学習用データに含まれる異なるデータの数との関係を示すグラフを含む。同図に示すグラフは、機械学習の進捗度を表す情報の一例である。本例では、学習用データのデータ数が2000の場合に、学習モデルの精度が99.7%であり、目標精度である99.0%を超えていることを示している。 The second screen DP2 includes a graph showing the relationship between the accuracy of the learning model and the number of different data included in the learning data. The graph shown in the figure is an example of information indicating the degree of progress of machine learning. In this example, when the number of learning data is 2000, the accuracy of the learning model is 99.7%, which exceeds the target accuracy of 99.0%.
第2画面DP2は、学習進捗率の表示を含む。学習進捗率は、機械学習の進捗度を表す情報の一例であり、目標精度に対する学習モデルの現在の精度の進捗を表す情報の一例である。本例の場合、学習進捗率は100%である。このように、機械学習の進捗率を視覚的に確認することができ、学習がどこまで進んでいるのかを一目で確認することができる。 The second screen DP2 includes a display of the learning progress rate. The learning progress rate is an example of information indicating the degree of progress of machine learning, and is an example of information indicating the progress of the current accuracy of the learning model with respect to the target accuracy. In the case of this example, the learning progress rate is 100%. In this way, the progress rate of machine learning can be visually confirmed, and the progress of learning can be checked at a glance.
第2画面DP2は、学習モデルの更新を受け付ける「学習モデル更新」と示された第1ボタンB1と、学習モデルの更新を行わずに学習結果の反映を保留する「キャンセル」と示された第2ボタンB2とを含む。第1ボタンB1及び第2ボタンB2は、学習モデルの精度が目標精度を上回った場合に表示されてよく、入力部16によって第1ボタンB1を選択すると、学習モデルの更新が行われる。
The second screen DP2 has a first button B1 indicated as "learning model update" for accepting the learning model update and a first button B1 indicated as "cancel" for holding the reflection of the learning result without updating the learning model. 2 buttons B2 are included. The first button B1 and the second button B2 may be displayed when the accuracy of the learning model exceeds the target accuracy, and the learning model is updated when the first button B1 is selected by the
図6は、本実施形態に係るセンサシステム1により機械学習の進捗度を表す情報を表示する第3例を示す図である。同図では、表示部15に表示される第3画面DP3の一例を示している。
FIG. 6 is a diagram showing a third example in which the
第3画面DP3は、「目標精度」、「現在の学習モデルの精度」及び「学習進捗率」の表示を含む。本例では、「目標精度」は99.00%、「現在の学習モデルの精度」は92.74%であり、「学習進捗率」は61.00%である。 The third screen DP3 includes displays of “target accuracy”, “accuracy of current learning model”, and “learning progress rate”. In this example, the “target accuracy” is 99.00%, the “current learning model accuracy” is 92.74%, and the “learning progress rate” is 61.00%.
また、第3画面DP3は、学習の進捗率を示すインジケータIを含む。インジケータIは、機械学習の進捗度を表す情報の一例である。インジケータIは、目標精度に対する学習モデルの現在の精度の進捗率をバーによって示すものであり、例えば進捗率が10%進むと表示されるバーが一本増えるものであってよい。このような表示によっても、機械学習の進捗率を視覚的に確認することができ、学習がどこまで進んでいるのかを一目で確認することができる。 The third screen DP3 also includes an indicator I indicating the progress rate of learning. The indicator I is an example of information indicating the degree of progress of machine learning. The indicator I indicates the progress rate of the current accuracy of the learning model with respect to the target accuracy by a bar, and for example, the bar displayed when the progress rate advances by 10% may increase by one. Even with such a display, the progress rate of machine learning can be visually confirmed, and the progress of learning can be confirmed at a glance.
図7は、本実施形態に係るセンサシステム1により実行される処理のフローチャートである。はじめに、センサシステム1は、センサ30により測定されたデータを取得する(S10)。そして、センサシステム1は、取得されたデータを含む学習用データを用いて、学習モデルの機械学習を実行する(S11)。
FIG. 7 is a flowchart of processing executed by the
センサシステム1は、取得されたデータを含む学習用データを用いた学習モデルの機械学習の進捗度を表す情報を生成し(S12)、学習モデルの目標精度を達成するために必要と予測されるデータ数を算出する(S13)。そして、センサシステム1は、進捗度を表す情報及び目標精度を達成するために必要と予測されるデータ数を表示部15に表示する(S14)。
The
センサシステム1は、学習の進捗率が所定値以上であるか判定する(S15)。学習の進捗率が所定値以上でない場合(S15:NO)、データの取得(S10)から進捗度を表す情報等の表示(S14)までの処理を再び実行する。一方、学習の進捗率が所定値以上である場合(S15:YES)、学習モデルを更新するか判定する(S16)。ここで、学習モデルを更新するか否かは、入力部16からの入力に基づいて定められてよい。学習モデルを更新する場合(S16:YES)、学習モデルの更新を実行する(S17)。一方、学習モデルを更新しない場合(S16:NO)、学習モデルを更新せずに、処理を終了する。なお、学習モデルを更新する場合、更新前の学習モデルに関するバックアップを外部記憶媒体50に記憶してもよい。
The
図8は、本実施形態に係るセンサシステム1により機械学習の進捗度を表す情報を表示する第4例を示す図である。複数のスレーブユニット20のうち複数種類の学習用データに含まれるデータを取得するスレーブユニット20は、複数の学習モデルに対応する複数の進捗度を表す情報の少なくともいずれかを表示する表示部21を有する。本例では、複数のスレーブユニット20として、第4スレーブユニット20d、第5スレーブユニット20e、第6スレーブユニット20f、第7スレーブユニット20g、第8スレーブユニット20h及び第9スレーブユニット20iを示している。第4スレーブユニット20dは、第1学習用データ12aを取得する第4センサ30dに接続されており、第5スレーブユニット20eは、第1学習用データ12aに含めるデータの開始点を表すトリガ信号を生成する第5センサ30eに接続されており、第6スレーブユニット20fは、第1学習用データ12aに含めるデータの終了点を表すトリガ信号を生成する第6センサ30fに接続されている。同様に、第7スレーブユニット20gは、第2学習用データ12cを取得する第7センサ30gに接続されており、第8スレーブユニット20hは、第2学習用データ12cに含めるデータの開始点を表すトリガ信号を生成する第8センサ30hに接続されており、第9スレーブユニット20iは、第2学習用データ12cに含めるデータの終了点を表すトリガ信号を生成する第9センサ30iに接続されている。
FIG. 8: is a figure which shows the 4th example which displays the information showing the progress degree of machine learning by the
図8には、スレーブユニット20の表示部21に表示されるセンサ状態Sを示している。表示部21に表示されるセンサ状態Sは、「学習中」、「トリガ」、「学習完了」及び「モデル無効」を含んでよい。このようなセンサ状態Sの表示は、進捗度を表す情報の表示の一例である。「学習中」は、スレーブユニット20に接続されたセンサ30により測定されたデータを用いて学習モデルの機械学習を進行させており、学習が完了していないことを表す。「トリガ」は、スレーブユニット20に接続されたセンサ30により、学習用データに含めるデータの範囲を指定するトリガ信号を生成していることを表す。「学習完了」は、スレーブユニット20に接続されたセンサ30により測定されたデータを用いて学習モデルの機械学習を進行させ、学習が完了したことを表す。「モデル無効」は、スレーブユニット20に接続されたセンサ30により測定されたデータを用いて生成された学習モデルを稼働させていないことを表す。スレーブユニット20の表示部21は、マスタユニット10の生成部14から発信される指示に基づいて、センサ状態Sを表示してよい。生成部14から発信される指示は、マスタユニット10からシリアル通信回路118を介して第4スレーブユニット20d、第5スレーブユニット20e、第6スレーブユニット20f、第7スレーブユニット20g、第8スレーブユニット20h及び第9スレーブユニット20iに伝送されてよい。
FIG. 8 shows the sensor state S displayed on the display unit 21 of the slave unit 20. The sensor state S displayed on the display unit 21 may include “learning”, “trigger”, “learning completed”, and “model invalid”. Such display of the sensor state S is an example of display of information indicating the degree of progress. “Learning” indicates that the machine learning of the learning model is in progress using the data measured by the sensor 30 connected to the slave unit 20, and the learning is not completed. “Trigger” means that the sensor 30 connected to the slave unit 20 is generating a trigger signal that specifies the range of data to be included in the learning data. “Learning completed” indicates that the learning is completed by advancing the machine learning of the learning model using the data measured by the sensor 30 connected to the slave unit 20. “Model invalid” means that the learning model generated using the data measured by the sensor 30 connected to the slave unit 20 is not running. The display unit 21 of the slave unit 20 may display the sensor state S based on the instruction transmitted from the
本例では、第4スレーブユニット20dの第4表示部21dは、「学習完了」であることを表しており、第4スレーブユニット20dに接続された第4センサ30dにより測定されたデータを用いて、学習モデルの機械学習が完了したことを表している。第5スレーブユニット20eの第5表示部21e及び第6スレーブユニット20fの第6表示部21fは、「トリガ」であることを表しており、第1学習用データ12aのデータ範囲を指定するトリガ信号を生成している第5センサ30e及び第6センサ30fにそれぞれ接続されていることを表している。第7スレーブユニット20gの第7表示部21gは、「学習中」であることを表しており、第7スレーブユニット20gに接続された第7センサ30gにより測定されたデータを用いて、学習モデルの機械学習を進行させていることを表している。第8スレーブユニット20hの第8表示部21h及び第9スレーブユニット20iの第9表示部21iは、「トリガ」であることを表しており、第2学習用データ12cのデータ範囲を指定するトリガ信号を生成している第8センサ30h及び第9センサ30iにそれぞれ接続されていることを表している。
In the present example, the
このように、複数種類の学習用データに含まれるデータを取得するスレーブユニット20が、複数の学習モデルに対応する複数の進捗度を表す情報の少なくともいずれかを表示する表示部21を有することで、いずれのスレーブユニット20によっていずれの学習モデルのための学習用データが収集されており、その学習がどこまで進んでいるのか容易に確認することができる。 In this way, the slave unit 20 that acquires the data included in the plurality of types of learning data has the display unit 21 that displays at least one of the information items indicating the plurality of progress degrees corresponding to the plurality of learning models. The learning data for any learning model is collected by any of the slave units 20, and it is possible to easily confirm how far the learning has progressed.
また、スレーブユニット20が、学習用データに含まれるデータの範囲を指定するトリガ信号を生成していることを表示する表示部21を有することで、いずれのスレーブユニット20によっていずれの学習用データのためのトリガ信号が生成されているのか容易に確認することができる。 In addition, since the slave unit 20 has the display unit 21 that displays that the trigger signal that specifies the range of the data included in the learning data is generated, which slave unit 20 selects which learning data. It is possible to easily confirm whether the trigger signal for is generated.
なお、本例に示したセンサ状態Sは一例であり、スレーブユニット20の表示部21は、他の態様で機械学習の進捗度を表す情報を表示してもよい。例えば、スレーブユニット20の表示部21は、複数の学習モデルを区別して「学習中」、「トリガ」及び「学習完了」の表示を行ってもよい。 The sensor state S shown in this example is an example, and the display unit 21 of the slave unit 20 may display information indicating the progress degree of machine learning in another mode. For example, the display unit 21 of the slave unit 20 may display “learning”, “trigger”, and “learning completed” by distinguishing a plurality of learning models.
図9は、本実施形態に係るセンサシステム1により取得される複数の学習用データの一例を示す図である。同図では、第4スレーブユニット20dに接続された第4センサ30dにより測定されたデータと、第5スレーブユニット20eに接続された第5センサ30eにより測定されたデータと、第6スレーブユニット20fに接続された第6センサ30fにより測定されたデータと、第7スレーブユニット20gに接続された第7センサ30gにより測定されたデータと、第8スレーブユニット20hに接続された第8センサ30hにより測定されたデータと、第9スレーブユニット20iに接続された第9センサ30iにより測定されたデータとを示している。
FIG. 9 is a diagram showing an example of a plurality of learning data acquired by the
第4センサ30dにより測定されたデータは、時系列データであり、マスタユニット10は、第4センサ30dにより測定されたデータのうち、第5センサ30eにより測定されたデータの波形立ち上がり時点から、第6センサ30fにより測定されたデータの波形立ち下がり時点までの第1範囲Aを第1学習用データ12aとして取得する。
The data measured by the fourth sensor 30d is time-series data, and the
また、第7センサ30gにより測定されたデータは、時系列データであり、マスタユニット10は、第7センサ30gにより測定されたデータのうち、第8センサ30hにより測定されたデータの波形立ち上がり時点から、第9センサ30iにより測定されたデータの波形立ち下がり時点までの第2範囲Bを第2学習用データ12cとして取得する。
In addition, the data measured by the seventh sensor 30g is time-series data, and the
このように、学習用データとして用いるデータ範囲をセンサのトリガ信号によって規定することで、学習用データを大量に自動生成することができる。 In this way, by defining the data range used as the learning data by the trigger signal of the sensor, a large amount of learning data can be automatically generated.
以上説明した実施形態は、本発明の理解を容易にするためのものであり、本発明を限定して解釈するためのものではない。実施形態が備える各要素並びにその配置、材料、条件、形状及びサイズ等は、例示したものに限定されるわけではなく適宜変更することができる。また、異なる実施形態で示した構成同士を部分的に置換し又は組み合わせることが可能である。 The embodiments described above are for facilitating the understanding of the present invention and are not for limiting the interpretation of the present invention. Each element included in the embodiment and its arrangement, material, condition, shape, size and the like are not limited to the exemplified ones and can be appropriately changed. Further, the configurations shown in different embodiments can be partially replaced or combined.
[附記1]
センサ(30)と、
前記センサ(30)により測定されるデータを取得する取得部(11)と、
前記取得部(11)により取得されたデータを用いた学習モデルの機械学習の進捗度を表す情報を生成する生成部(14)と、
前記進捗度を表す情報を表示する表示部(15)と、
を備えるセンサシステム(1)。
[Appendix 1]
A sensor (30),
An acquisition unit (11) for acquiring data measured by the sensor (30),
A generation unit (14) for generating information indicating the degree of progress of machine learning of a learning model using the data acquired by the acquisition unit (11);
A display unit (15) for displaying information indicating the degree of progress,
A sensor system (1) comprising:
1…センサシステム、10…マスタユニット、11…取得部、12…記憶部、12a…第1学習用データ、12b…第1学習モデル、12c…第2学習用データ、12d…第2学習モデル、13…学習部、14…生成部、15…表示部、16…入力部、17…通信部、20a…第1スレーブユニット、20b…第2スレーブユニット、20c…第3スレーブユニット、20d…第4スレーブユニット、21d…第4表示部、20e…第5スレーブユニット、21e…第5表示部、20f…第6スレーブユニット、21f…第6表示部、20g…第7スレーブユニット、21g…第7表示部、20h…第8スレーブユニット、21h…第8表示部、20i…第9スレーブユニット、21i…第9表示部、30a…第1センサ、30b…第2センサ、30c…第3センサ、40…PLC、101,102…入力/出力コネクタ、106…接続コネクタ、110…MPU、112…通信ASIC、116…パラレル通信回路、118…シリアル通信回路、304,306…接続コネクタ、400…CPU、401…発光素子、402,406,408…受光素子、403…投光制御部、404…増幅回路、405…A/Dコンバータ、407,409…通信用発光素子、410,412…受光回路、411,413…投光回路、419…出力回路、420…シリアル通信ドライバ
DESCRIPTION OF
Claims (11)
前記センサにより測定されるデータを取得する取得部と、
前記取得部により取得されたデータを用いた学習モデルの機械学習の進捗度を表す情報を生成する生成部と、
前記進捗度を表す情報を表示する表示部と、
を備えるセンサシステム。 A sensor,
An acquisition unit for acquiring data measured by the sensor,
A generation unit that generates information indicating the degree of progress of machine learning of a learning model using the data acquired by the acquisition unit,
A display unit that displays information indicating the degree of progress,
A sensor system including.
請求項1に記載のセンサシステム。 The information indicating the degree of progress is information indicating the progress of the current accuracy of the learning model with respect to the target accuracy of the learning model,
The sensor system according to claim 1.
請求項1又は2に記載のセンサシステム。 The generation unit calculates the number of data predicted to be required to achieve the target accuracy of the learning model,
The sensor system according to claim 1.
請求項2又は3に記載のセンサシステム。 Further comprising an input unit that accepts a selection to update the learning model when the progress rate of the current accuracy of the learning model with respect to the target accuracy of the learning model is equal to or greater than a predetermined value.
The sensor system according to claim 2 or 3.
請求項1から4のいずれか一項に記載のセンサシステム。 An external storage medium that stores a backup of at least one of the learning data and the learning model including the data acquired by the acquisition unit,
The sensor system according to any one of claims 1 to 4.
請求項5に記載のセンサシステム。 The external storage medium further stores a backup of information indicating the degree of progress,
The sensor system according to claim 5.
請求項1から6のいずれか一項に記載のセンサシステム。 A learning device including the data acquired by the acquisition unit and a backup of at least one of the learning models are stored, and a control device for controlling an external device based on the data measured by the sensor is further provided.
The sensor system according to any one of claims 1 to 6.
請求項7に記載のセンサシステム。 The control device further stores a backup of information indicating the degree of progress,
The sensor system according to claim 7.
請求項1から8のいずれか一項に記載のセンサシステム。 The generation unit generates information indicating a plurality of degrees of progress of machine learning of a plurality of learning models using a plurality of types of learning data including the data acquired by the acquisition unit,
The sensor system according to any one of claims 1 to 8.
前記複数のスレーブユニット及び制御装置と接続され、前記取得部及び前記生成部を有するマスタユニットと、をさらに備え、
前記複数のスレーブユニットのうち前記複数種類の学習用データに含まれるデータを取得するスレーブユニットは、前記複数の学習モデルに対応する前記複数の進捗度を表す情報の少なくともいずれかを表示する表示部を有する、
請求項9に記載のセンサシステム。 A plurality of slave units connected to each of the plurality of sensors and acquiring data measured by the plurality of sensors;
A master unit that is connected to the plurality of slave units and the control device and has the acquisition unit and the generation unit;
A slave unit that acquires data included in the plurality of types of learning data among the plurality of slave units is a display unit that displays at least one of information indicating the plurality of progress degrees corresponding to the plurality of learning models. Has,
The sensor system according to claim 9.
請求項9又は10に記載のセンサシステム。 At least a part of the plurality of slave units has a display unit that displays that a trigger signal that specifies a range of data included in the plurality of types of learning data is generated.
The sensor system according to claim 9 or 10.
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018196104A JP7083454B2 (en) | 2018-10-17 | 2018-10-17 | Sensor system |
JP2022083669A JP7372607B2 (en) | 2018-10-17 | 2022-05-23 | sensor system |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018196104A JP7083454B2 (en) | 2018-10-17 | 2018-10-17 | Sensor system |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022083669A Division JP7372607B2 (en) | 2018-10-17 | 2022-05-23 | sensor system |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2020064468A true JP2020064468A (en) | 2020-04-23 |
JP7083454B2 JP7083454B2 (en) | 2022-06-13 |
Family
ID=70387312
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018196104A Active JP7083454B2 (en) | 2018-10-17 | 2018-10-17 | Sensor system |
JP2022083669A Active JP7372607B2 (en) | 2018-10-17 | 2022-05-23 | sensor system |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022083669A Active JP7372607B2 (en) | 2018-10-17 | 2022-05-23 | sensor system |
Country Status (1)
Country | Link |
---|---|
JP (2) | JP7083454B2 (en) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023026879A1 (en) * | 2021-08-25 | 2023-03-02 | パナソニックIpマネジメント株式会社 | Diagnosis device, diagnosis system, and diagnosis method |
JP7285417B1 (en) | 2022-03-04 | 2023-06-02 | 株式会社エクサウィザーズ | Information processing method, information processing system and program |
JP7524031B2 (en) | 2020-10-30 | 2024-07-29 | 株式会社東芝 | Learning device, method and program |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002195398A (en) * | 2000-12-26 | 2002-07-10 | Mitsubishi Electric Corp | On-vehicle control device provided with learning function |
JP2004054638A (en) * | 2002-07-19 | 2004-02-19 | Honda Motor Co Ltd | Cross modal learning device and method for recognition processing |
JP2017172005A (en) * | 2016-03-24 | 2017-09-28 | 株式会社日立製作所 | Plating coating weight control apparatus, and control method |
JP2017182114A (en) * | 2016-03-28 | 2017-10-05 | ソニー株式会社 | Information processing device, information processing method, and information provision method |
JP2018148367A (en) * | 2017-03-03 | 2018-09-20 | キヤノン株式会社 | Image processing device, image processing system, image processing method, and program |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2014092878A (en) | 2012-11-01 | 2014-05-19 | Nippon Telegr & Teleph Corp <Ntt> | Classification model update support device, method, and program |
WO2017183548A1 (en) | 2016-04-22 | 2017-10-26 | 日本電気株式会社 | Information processing system, information processing method, and recording medium |
JP6855826B2 (en) | 2017-02-14 | 2021-04-07 | 富士通株式会社 | Judgment device, judgment method and judgment program |
JP2018160200A (en) | 2017-03-24 | 2018-10-11 | 富士通株式会社 | Method for learning neural network, neural network learning program, and neural network learning program |
-
2018
- 2018-10-17 JP JP2018196104A patent/JP7083454B2/en active Active
-
2022
- 2022-05-23 JP JP2022083669A patent/JP7372607B2/en active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002195398A (en) * | 2000-12-26 | 2002-07-10 | Mitsubishi Electric Corp | On-vehicle control device provided with learning function |
JP2004054638A (en) * | 2002-07-19 | 2004-02-19 | Honda Motor Co Ltd | Cross modal learning device and method for recognition processing |
JP2017172005A (en) * | 2016-03-24 | 2017-09-28 | 株式会社日立製作所 | Plating coating weight control apparatus, and control method |
JP2017182114A (en) * | 2016-03-28 | 2017-10-05 | ソニー株式会社 | Information processing device, information processing method, and information provision method |
JP2018148367A (en) * | 2017-03-03 | 2018-09-20 | キヤノン株式会社 | Image processing device, image processing system, image processing method, and program |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7524031B2 (en) | 2020-10-30 | 2024-07-29 | 株式会社東芝 | Learning device, method and program |
WO2023026879A1 (en) * | 2021-08-25 | 2023-03-02 | パナソニックIpマネジメント株式会社 | Diagnosis device, diagnosis system, and diagnosis method |
JP7285417B1 (en) | 2022-03-04 | 2023-06-02 | 株式会社エクサウィザーズ | Information processing method, information processing system and program |
WO2023166803A1 (en) * | 2022-03-04 | 2023-09-07 | 株式会社エクサウィザーズ | Information processing method, information processing system, and program |
JP2023129109A (en) * | 2022-03-04 | 2023-09-14 | 株式会社エクサウィザーズ | Information processing method, information processing system and program |
Also Published As
Publication number | Publication date |
---|---|
JP7372607B2 (en) | 2023-11-01 |
JP7083454B2 (en) | 2022-06-13 |
JP2022113712A (en) | 2022-08-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7372607B2 (en) | sensor system | |
US6944575B2 (en) | Slave unit, node unit, controllers and network system | |
US8346510B2 (en) | Continuously-arranged sensor system, network unit, and sensor unit | |
US8384512B2 (en) | Detection sensor and setting information acquisition method thereof | |
JP2009222400A (en) | Sensor system | |
JP2015228171A (en) | Sensor system, sensor, and sensor signal output method | |
KR101536119B1 (en) | Vfd integrated control board having an realtime process of various analog/digital input/output signal and hmi function | |
KR100798280B1 (en) | Temperature multi loop controller and control method thereof | |
JP2007034959A (en) | Detection sensor | |
JP6015068B2 (en) | Control device and control device update time display method | |
JP2014086837A (en) | Photoelectric sensor | |
JP2022121472A (en) | sensor system | |
JP7081443B2 (en) | Signal processing equipment and information rewriting equipment | |
JP2017194440A (en) | Digital pressure gauge and control system | |
WO2019235236A1 (en) | Sensor system | |
KR200432487Y1 (en) | Wireless Transmitter-Receiver for Measuring Instrument | |
CN107870372A (en) | Multi-beam photoelectric sensor | |
KR20180074440A (en) | Bidet apparatus and data synchronization method thereof | |
JP2010286382A (en) | Mobile/portable data collecting system and analog physical quantity computing/displaying method | |
KR20160096398A (en) | apparatus for controlling different robots using teaching pendant and method of using the same | |
JPWO2019102567A1 (en) | Article management system for assembly | |
KR101545130B1 (en) | Device for forming a monitoring display of control system of power plant | |
JP4855623B2 (en) | Sensor | |
JP2012123446A (en) | Field equipment | |
ITBO20070596A1 (en) | PROGRAMMABLE MECHANICAL PARTS CONTROL SYSTEM |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20201214 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20211207 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20211210 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20211221 |
|
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: 20220502 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220515 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7083454 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |