JP2021015405A - 学習装置、診断装置及び学習方法 - Google Patents
学習装置、診断装置及び学習方法 Download PDFInfo
- Publication number
- JP2021015405A JP2021015405A JP2019129209A JP2019129209A JP2021015405A JP 2021015405 A JP2021015405 A JP 2021015405A JP 2019129209 A JP2019129209 A JP 2019129209A JP 2019129209 A JP2019129209 A JP 2019129209A JP 2021015405 A JP2021015405 A JP 2021015405A
- Authority
- JP
- Japan
- Prior art keywords
- state
- conversion function
- signal representing
- signal
- learning
- 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
- 238000000034 method Methods 0.000 title claims description 33
- 230000006870 function Effects 0.000 claims abstract description 216
- 238000006243 chemical reaction Methods 0.000 claims description 127
- 230000006866 deterioration Effects 0.000 claims description 85
- 230000005236 sound signal Effects 0.000 claims description 30
- 239000000284 extract Substances 0.000 claims description 13
- 238000004364 calculation method Methods 0.000 claims description 11
- 230000008859 change Effects 0.000 claims description 9
- 238000013459 approach Methods 0.000 claims description 7
- 238000013528 artificial neural network Methods 0.000 claims description 3
- 230000002159 abnormal effect Effects 0.000 claims 1
- 239000013598 vector Substances 0.000 description 76
- 238000004891 communication Methods 0.000 description 20
- 238000010586 diagram Methods 0.000 description 20
- 230000008569 process Effects 0.000 description 13
- 230000005856 abnormality Effects 0.000 description 10
- 238000012544 monitoring process Methods 0.000 description 9
- 238000001816 cooling Methods 0.000 description 8
- 238000012545 processing Methods 0.000 description 8
- 238000001514 detection method Methods 0.000 description 6
- 238000002405 diagnostic procedure Methods 0.000 description 4
- 238000004088 simulation Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000002250 progressing effect Effects 0.000 description 2
- 208000015778 Undifferentiated pleomorphic sarcoma Diseases 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000004397 blinking Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000002542 deteriorative effect Effects 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000004402 ultra-violet photoelectron spectroscopy Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M99/00—Subject matter not provided for in other groups of this subclass
- G01M99/005—Testing of complete machines, e.g. washing-machines or mobile phones
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
- G01H17/00—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves, not provided for in the preceding groups
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
- G01H3/00—Measuring characteristics of vibrations by using a detector in a fluid
- G01H3/04—Frequency
- G01H3/06—Frequency by electric means
-
- 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
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
-
- 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
- G06N3/045—Combinations of networks
-
- 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
- G06N3/047—Probabilistic or stochastic networks
-
- 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
-
- 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
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/48—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use
- G10L25/51—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Human Computer Interaction (AREA)
- Operations Research (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Probability & Statistics with Applications (AREA)
- Testing And Monitoring For Control Systems (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
Description
本実施形態では、例えば産業機器の劣化状態(劣化の兆候)を音の信号から検知することを一例としている。機器の音を採取するためのマイクは、機器に直接設置する必要はないため、非接触で音の信号を取得することができる。ここで、機器が正常な状態にあるときの音の信号と劣化状態にあるときの音の信号に違いが生じる。
VAEを通常の損失関数で学習すると、潜在変数が学習データの本質的な特徴量(=特徴ベクトル)を表すように学習される。このため、正常データに対する潜在変数と、正常データからわずかに変化しただけの劣化データに対する潜在変数との間に差が生じないことがある。つまり、通常の損失関数では、微小な変化に対しては適切に反応にしないため、正常データから潜在変数が適切に変化するように、損失関数を工夫する必要がある。
学習装置10は、例えばPCやサーバコンピュータ等からなり、上述した特徴ベクトル変換関数の学習機能を備える。
・第1状態信号と第2状態信号に予め信号種別を示すラベルを付しておく。学習装置10は、入力信号のラベルから第1状態信号であるか第2状態信号であるかを判別する。
・第1状態信号の入力後に第2状態信号を入力するといったように、予め信号の入力順を決めておく。学習装置10は、その信号の入力順に従って第1状態信号であるか第2状態信号であるかを判別する。
・予め第1状態(正常状態)の信号の波形を学習装置10に記憶させておく。学習装置10は、入力信号の波形が予め記憶された第1状態に近ければ第1状態信号と判定し、第1状態と異なっていれば第2状態信号と判定する。
診断装置20は、学習装置10と同様に、例えばPCやサーバコンピュータ等からなる。診断装置20には、学習装置10によって最適化された特徴ベクトル変換関数(つまり、学習後の変換関数)がインストールされている。
次に、第2の実施形態について説明する。
第2の実施形態では、複数の劣化パターンを用いて特徴ベクトル変換関数を学習する。すなわち、一度学習した特徴ベクトル変換関数について、後に新たな劣化のパターンが判明したり、新たな劣化データが手に入った場合に、その劣化データに対して追加学習することが考えられる。その場合、損失関数は、それまでに使用した第2の損失関数(劣化状態の損失関数Loss2)を使用しても良い。あるいは、例えば第2の損失関数よりも急勾配な特性を有する第3の損失関数を用いることで、第2の損失関数と差をつけても良い。
次に、第3の実施形態について説明する。
第3の実施形態では、複数の異なる劣化モード毎に特徴ベクトル変換関数を学習しておくようにしたものである。すなわち、機器の劣化には様々な箇所の劣化があり、その劣化した箇所によって音の特徴も異なってくる。例えば、第1のファンと第2のファンを有する機器の場合に、第1のファンが劣化しているときの音と第2のファンが劣化しているときの音が微妙に違い、さらに、別の箇所が劣化している場合には、また別の音になる。第3の実施形態では、このような機器の各箇所に対応した劣化モードを定め、これらの劣化モード毎に劣化度の判定を行う構成とする。
図9は上記第1の実施形態における学習装置10と診断装置20のハードウェア構成の一例を示す図である。
図10は学習装置10のCPU101によって実行される学習処理の動作を示すフローチャートである。このフローチャートで示される処理は、ハードウェアプロセッサであるCPU101が不揮発性メモリ102などに記録された学習プログラムを読み込むことにより実行される。
図12は診断装置20のCPU101によって実行される診断処理の動作を示すフローチャートである。このフローチャートで示される処理は、ハードウェアプロセッサであるCPU101が不揮発性メモリ102などに記録された診断プログラムを読み込むことにより実行される。
次に、応用例として複数の機器を監視する監視システムについて説明する。
例えば、無停電電源装置(UPS)に設置している冷却ファンの劣化兆候の監視を想定する。冷却ファンはUPS内の熱を排出しており、冷却ファンが停止するとUPS自体も停止してしまう。そのため、冷却ファンの劣化兆候を検知し、冷却ファンが故障停止する前に交換することが状態保全という観点で求められる。
図13は監視システムの構成を示す図である。この監視システムは、上記第1の実施形態で説明した診断装置20が適用されている。以下では、診断装置20がサーバ51である場合を例示する。
図14に示すように、監視対象機器50Aと監視対象機器50Bとは、例えば、同一の形状の筐体54A,54Bを有し、監視対象機器50Aの筐体54Aの右側面と監視対象機器50Bの筐体54Bの左側面とが接するように並べて配置されている。ここでは、監視対象機器50A,50Bが、ファン(冷却ファン)55A,55Bを備えるUPSである場合を例示する。監視対象機器50A,50Bでは、ファン55A,55Bにより、排気口56A,56Bである開口部から、筐体内の空気が筐体外に排出されることによる排熱が行われている。
通信デバイス73は、有線または無線による通信を実行するように構成されたデバイスである。通信デバイス73は、信号を送信する送信部と信号を受信する受信部とを含む。
Claims (14)
- 入力された信号の特徴量を抽出する変換関数を学習するための学習装置であって、
第1状態を表す信号と上記第1状態とは異なる第2状態を表す信号とに基づいて上記変換関数を更新する更新部を備え、
上記更新部は、
上記第1状態を表す信号に第1の損失関数を用い、上記第2状態を表す信号に上記第1の損失関数とは異なる第2の損失関数を用いて上記変換関数を更新し、上記第2の損失関数は上記第2状態が上記第1状態から離れるように設計されている学習装置。 - 上記第1状態を表す信号と上記第2状態を表す信号のそれぞれから上記変換関数を用いて特徴量を抽出する変換関数部を備え、
上記更新部は、
上記第1状態を正常な状態としたとき、
上記第1状態を表す信号から抽出された特徴量に基づいて、上記第1状態を上記正常な状態に近づけるように上記変換関数を更新し、
上記第2状態を表す信号から抽出された特徴量に基づいて、上記第2状態を上記正常な状態から離れるように上記変換関数を更新する請求項1記載の学習装置。 - 上記変換関数部は、
上記第1状態を表す信号と第2乃至第m(mは3以上の整数)の状態を表す各信号のそれぞれから上記変換関数を用いて特徴量を抽出し、
上記更新部は、
上記第1状態を正常な状態としたとき、
上記第1状態を表す信号から抽出された特徴量に基づいて、上記第1状態を上記正常な状態に近づけるように上記変換関数を更新し、
上記第2乃至第mの状態を表す各信号から抽出された特徴量に基づいて、上記第2乃至第mの状態を上記正常な状態から離れるように上記変換関数を更新する請求項2記載の学習装置。 - 上記第2乃至第mの状態を示す各信号に対し、上記第1状態を表す信号から離れるように設計された同じ損失関数が用いられる請求項3記載の学習装置。
- 上記第2乃至第mの状態を示す各信号に対し、それぞれに上記第1状態を表す信号から離れるように設計された別の損失関数が用いられる請求項3記載の学習装置。
- 上記変換関数は、ニューラルネットワークを含む請求項1乃至3のいずれか1項に記載の学習装置。
- 前記信号は、機器の状態変化を表す音の信号を含む請求項1乃至5のいずれか1項記載の学習装置。
- 入力された信号から機器の状態を診断するための診断装置であって、
診断対象となる信号を入力し、その信号の特徴量を所定の変換関数を用いて抽出する変換関数部と、
上記変換関数部によって抽出された特徴量に基づいて上記機器の状態を数値化する数値計算部とを備え、
上記変換関数は、
予め第1状態とは異なる第2状態が上記第1状態から離れるように更新されている診断装置。 - 上記数値計算部によって算出された数値に基づいて上記機器の状態を判定する状態判定部と、
上記状態判定部の判定結果に応じて通知を行う通知部と
を備えた請求項8記載の診断装置。 - 上記変換関数部は、
予め複数の異なる劣化モード毎に学習された複数の変換関数を有し、
上記通知部は、
上記各変換関数を用いて上記各劣化モード毎に判定された上記機器の状態を区別して通知する請求項9記載の診断装置。 - 上記変換関数は、ニューラルネットワークを含む請求項8乃至10のいずれか1項に記載の診断装置。
- 前記信号は、前記機器の状態変化を表す音の信号を含む請求項8乃至10のいずれか1項記載の診断装置。
- コンピュータによって実行され、入力された信号の特徴量を抽出する変換関数を学習するための学習方法であって、
上記コンピュータは、
第1状態を表す信号と上記第1状態とは異なる第2状態を表す信号とに基づいて上記変換関数を更新し、
上記変換関数の更新には、上記第1状態を表す信号に第1の損失関数が用いられ、上記第2状態を表す信号に上記第1の損失関数とは異なる第2の損失関数が用いられ、上記第2の損失関数は上記第2状態が上記第1状態から離れるように設計されている学習方法。 - 上記コンピュータは、
上記第1状態を表す信号と上記第2状態を表す信号のそれぞれから上記変換関数を用いて特徴量を抽出し、
上記第1状態を正常な状態、上記第2状態を非正常な状態としたとき、
上記第1状態を表す信号から抽出された特徴量に基づいて、上記第1状態を上記正常な状態に近づけるように上記変換関数を更新し、
上記第2状態を表す信号から抽出された特徴量に基づいて、上記第2状態を上記正常な状態から離れるように上記変換関数を更新する請求項13記載の学習方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019129209A JP7254649B2 (ja) | 2019-07-11 | 2019-07-11 | 学習装置、診断装置及び学習方法 |
US16/807,611 US11609157B2 (en) | 2019-07-11 | 2020-03-03 | Learning apparatus, diagnostic apparatus, and learning method |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019129209A JP7254649B2 (ja) | 2019-07-11 | 2019-07-11 | 学習装置、診断装置及び学習方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021015405A true JP2021015405A (ja) | 2021-02-12 |
JP7254649B2 JP7254649B2 (ja) | 2023-04-10 |
Family
ID=74101686
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019129209A Active JP7254649B2 (ja) | 2019-07-11 | 2019-07-11 | 学習装置、診断装置及び学習方法 |
Country Status (2)
Country | Link |
---|---|
US (1) | US11609157B2 (ja) |
JP (1) | JP7254649B2 (ja) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11425197B2 (en) | 2020-02-27 | 2022-08-23 | Kabushiki Kaisha Toshiba | Condition monitoring device and method |
US11615344B2 (en) | 2019-08-28 | 2023-03-28 | Kabushiki Kaisha Toshiba | Condition monitoring device, method, and storage medium |
US11652700B2 (en) | 2021-01-28 | 2023-05-16 | Kabushiki Kaisha Toshiba | State diagnosis apparatus and system |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20220207352A1 (en) * | 2020-12-30 | 2022-06-30 | Capital One Services, Llc | Methods and systems for generating recommendations for counterfactual explanations of computer alerts that are automatically detected by a machine learning algorithm |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2018073258A (ja) * | 2016-11-02 | 2018-05-10 | 日本電信電話株式会社 | 検知装置、検知方法および検知プログラム |
WO2018150616A1 (ja) * | 2017-02-15 | 2018-08-23 | 日本電信電話株式会社 | 異常音検出装置、異常度計算装置、異常音生成装置、異常音検出学習装置、異常信号検出装置、異常信号検出学習装置、これらの方法及びプログラム |
JP2019075108A (ja) * | 2017-10-18 | 2019-05-16 | 富士通株式会社 | 情報処理方法及び装置、並びに情報検出方法及び装置 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6853148B2 (ja) | 2017-09-07 | 2021-03-31 | 日本電信電話株式会社 | 検知装置、検知方法及び検知プログラム |
EP3759654A4 (en) * | 2018-03-02 | 2021-09-08 | Deepsig Inc. | LEARNING COMMUNICATION SYSTEMS USING CHANNEL PROXIMITY |
US20190294982A1 (en) * | 2018-06-16 | 2019-09-26 | Moshe Guttmann | Personalized selection of inference models |
JP7021053B2 (ja) * | 2018-11-07 | 2022-02-16 | 株式会社東芝 | 監視システム、プログラム、及び記憶媒体 |
JP2021033842A (ja) | 2019-08-28 | 2021-03-01 | 株式会社東芝 | 状態監視装置、方法及びプログラム |
-
2019
- 2019-07-11 JP JP2019129209A patent/JP7254649B2/ja active Active
-
2020
- 2020-03-03 US US16/807,611 patent/US11609157B2/en active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2018073258A (ja) * | 2016-11-02 | 2018-05-10 | 日本電信電話株式会社 | 検知装置、検知方法および検知プログラム |
WO2018150616A1 (ja) * | 2017-02-15 | 2018-08-23 | 日本電信電話株式会社 | 異常音検出装置、異常度計算装置、異常音生成装置、異常音検出学習装置、異常信号検出装置、異常信号検出学習装置、これらの方法及びプログラム |
JP2019075108A (ja) * | 2017-10-18 | 2019-05-16 | 富士通株式会社 | 情報処理方法及び装置、並びに情報検出方法及び装置 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11615344B2 (en) | 2019-08-28 | 2023-03-28 | Kabushiki Kaisha Toshiba | Condition monitoring device, method, and storage medium |
US11425197B2 (en) | 2020-02-27 | 2022-08-23 | Kabushiki Kaisha Toshiba | Condition monitoring device and method |
US11652700B2 (en) | 2021-01-28 | 2023-05-16 | Kabushiki Kaisha Toshiba | State diagnosis apparatus and system |
Also Published As
Publication number | Publication date |
---|---|
US11609157B2 (en) | 2023-03-21 |
US20210010909A1 (en) | 2021-01-14 |
JP7254649B2 (ja) | 2023-04-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7254649B2 (ja) | 学習装置、診断装置及び学習方法 | |
US10992697B2 (en) | On-board networked anomaly detection (ONAD) modules | |
US11521105B2 (en) | Machine learning device and machine learning method for learning fault prediction of main shaft or motor which drives main shaft, and fault prediction device and fault prediction system including machine learning device | |
US6970804B2 (en) | Automated self-learning diagnostic system | |
JP6999635B2 (ja) | 画像ベースのメンテナンス予測および動作エラーの検出 | |
US10460531B2 (en) | System and method for generating facility abnormality prediction model, and computer-readable recording medium storing program for executing the method | |
JP6200833B2 (ja) | プラントと制御装置の診断装置 | |
JP2014148294A (ja) | 診断装置 | |
US20210232104A1 (en) | Method and system for identifying and forecasting the development of faults in equipment | |
EP3910437B1 (en) | Monitoring apparatus, monitoring method, and computer-readable medium | |
US20230161337A1 (en) | Diagnostic device, server, and diagnostic method | |
JP2012242985A (ja) | 機器異常判定装置、及び機器異常判定方法 | |
JP4635194B2 (ja) | 異常検知装置 | |
CN104919327A (zh) | 用于照明系统中的故障管理的系统和方法 | |
JP2018086715A (ja) | テレスコピックカバーの異常発生推定装置及び異常発生推定方法 | |
JP2009086896A (ja) | コンピュータの障害予測システムおよび障害予測方法 | |
JP2006276924A (ja) | 設備機器診断装置及び設備機器診断プログラム | |
CN117474357A (zh) | 基于深度学习的配电房运维管理方法及系统 | |
JP7188463B2 (ja) | 解析装置、解析方法、およびプログラム | |
JP2021005370A (ja) | 航空機センサをモデリングするためのデータ主導方式機械学習 | |
US20220200213A1 (en) | Systems, apparatuses, and methods for predicting a state of a card connector | |
KR20120023983A (ko) | 공조기의 오류 감지 방법 및 공조기 오류 감지 장치 | |
JP2022134340A (ja) | 周辺機器、監視システム、監視方法及びプログラム | |
JP7482055B2 (ja) | 状態診断装置、システム、及び方法 | |
CN113639418A (zh) | 空调调试方法、空调调试装置及相关设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210903 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20220722 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220726 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20220913 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20221025 |
|
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: 20230228 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230329 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 7254649 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |